Causal inference — DiD, IV, and RDD when you cannot randomize
Difference-in-differences, instrumental variables, and regression discontinuity recover causal effects from observational data, each buying identification with an assumption that is untestable and load-bearing.
Not yet scoped.
Why
The value is knowing which assumption each method rests on — parallel trends, exclusion, continuity — so a policy claim can be graded by whether its assumption is plausible, not by its p-value.
How it works
Not yet built.
Where it lands in Jayverse
Number: name the identification assumption behind any causal claim. If Number ever states that an event moved a rate or a market, say whether it rests on parallel trends, exclusion, or continuity, and grade the claim on that assumption's plausibility, not on a p-value.
Auditor: add "what untestable assumption does this causal claim rest on" as a standing review question. Apply it before any Jayverse research note is allowed to assert causation rather than correlation.
Key expressions
Words and phrases from this page worth keeping, with the Korean meaning and the sentence they come from.
Expression
뜻 · 쓰이는 자리
recover (causal effects)
(인과효과를) 복원하다, 추정해내다 · 관찰 데이터에서 인과관계를 뽑아내는 것. "recover causal effects from observational data"
load-bearing
하중을 지탱하는, 핵심적인(없으면 무너지는) · 결론 전체가 기대고 있는 가정을 가리킴. "an assumption that is untestable and load-bearing"
identification
식별(인과관계를 추정 가능하게 만드는 조건) · 인과추론에서 핵심이 되는 개념. "buying identification with an assumption"
graded by
~을 기준으로 평가되다 · 정책 주장의 타당성을 판단하는 기준을 가리킴. "graded by whether its assumption is plausible"
untestable
검증(테스트) 불가능한 · 직접 확인할 수 없는 가정을 가리킴. "an assumption that is untestable and load-bearing"
DiD
이중차분법(Difference-in-Differences) · 처치군·대조군의 시간 전후 변화 차이로 인과효과를 추정, '평행추세' 가정에 의존. "Difference-in-differences, instrumental variables, and regression discontinuity"
IV
도구변수(Instrumental Variables) · 처치에는 영향을 주지만 결과에는 직접 영향이 없는 변수로 인과효과를 식별. "instrumental variables, and regression discontinuity recover causal effects"
RDD
회귀불연속설계(Regression Discontinuity Design) · 특정 기준점 전후로 처치가 갈리는 상황을 이용해 인과효과를 추정. "regression discontinuity recover causal effects from observational data"
이중차분(DiD), 도구변수(IV), 회귀불연속(RDD)은 관측 데이터에서 인과 효과를 복원하며, 각각 검정 불가능하고 하중을 받는 가정 하나로 식별을 사는 방식입니다.
아직 범위 미정.
왜
가치는 각 방법이 어떤 가정 — 평행 추세, 배제, 연속성 — 에 기대는지 아는 것이고, 그래야 정책 주장을 p-값이 아니라 가정의 개연성으로 채점할 수 있습니다.
동작 방식
아직 만들지 않음.
Jayverse에서의 위치
Number: 인과관계를 주장할 때는 그 식별 가정을 명시한다. Number가 어떤 사건이 금리나 마켓을 움직였다고 말한다면, 그것이 평행추세, 배제 제약, 연속성 중 무엇에 기대는지 밝히고, p-value가 아니라 그 가정의 타당성으로 주장을 평가한다.
Auditor: "이 인과 주장은 어떤 검증 불가능한 가정에 기대는가"를 상시 리뷰 질문으로 추가한다. Jayverse의 리서치 노트가 상관관계가 아니라 인과관계를 주장하기 전에 이를 먼저 적용한다.
핵심 표현
이 페이지의 영어 본문에서 배울 만한 단어와 표현, 뜻과 나온 자리.
Expression
뜻 · 쓰이는 자리
recover (causal effects)
(인과효과를) 복원하다, 추정해내다 · 관찰 데이터에서 인과관계를 뽑아내는 것. "recover causal effects from observational data"
load-bearing
하중을 지탱하는, 핵심적인(없으면 무너지는) · 결론 전체가 기대고 있는 가정을 가리킴. "an assumption that is untestable and load-bearing"
identification
식별(인과관계를 추정 가능하게 만드는 조건) · 인과추론에서 핵심이 되는 개념. "buying identification with an assumption"
graded by
~을 기준으로 평가되다 · 정책 주장의 타당성을 판단하는 기준을 가리킴. "graded by whether its assumption is plausible"
untestable
검증(테스트) 불가능한 · 직접 확인할 수 없는 가정을 가리킴. "an assumption that is untestable and load-bearing"
DiD
이중차분법(Difference-in-Differences) · 처치군·대조군의 시간 전후 변화 차이로 인과효과를 추정, '평행추세' 가정에 의존. "Difference-in-differences, instrumental variables, and regression discontinuity"
IV
도구변수(Instrumental Variables) · 처치에는 영향을 주지만 결과에는 직접 영향이 없는 변수로 인과효과를 식별. "instrumental variables, and regression discontinuity recover causal effects"
RDD
회귀불연속설계(Regression Discontinuity Design) · 특정 기준점 전후로 처치가 갈리는 상황을 이용해 인과효과를 추정. "regression discontinuity recover causal effects from observational data"