class: center, middle, inverse, title-slide .title[ # 3. 인과관계와 인과모형 ] .subtitle[ ## 정치학연구방법론 ] .author[ ### 박상훈 (<a href="mailto:sh.park.poli@gmail.com" class="email">sh.park.poli@gmail.com</a>) ] .date[ ### 강원대학교 ] --- # 인과관계와 인과모형 ## 인과관계의 본질 **이론**은 **인과형 진술**의 형태를 가진 가설을 검증함으로써 도출된다. 인과관계에 대한 경험과학의 시각과 문제점을 논의해보도록 하자. -- ### 인과관계의 의미 -- 어떤 현상의 생성경로, 어떻게 생겨서 어떻게 성립이 되는가를 추적하기 위한 분석구도로서, 경험적으로 확증될 수 없는 논리적 관계(logical relationship) 원인이 기능(function)하여 결과를 생산 --- # 인과관계와 인과모형 ## 인과관계의 본질 **이론**은 **인과형 진술**의 형태를 가진 가설을 검증함으로써 도출된다. 인과관계에 대한 경험과학의 시각과 문제점을 논의해보도록 하자. ### 인과관계의 의미 인과관계: `\(X \rightarrow Y\)` + 함수방정식 (1): `\(Y = F(X)\)` + 함수방정식 (2): `\(Y = a + bX\)` --- # 인과관계와 인과모형 ## 인과관계의 본질 **이론**은 **인과형 진술**의 형태를 가진 가설을 검증함으로써 도출된다. 인과관계에 대한 경험과학의 시각과 문제점을 논의해보도록 하자. ### 인과관계에 대한 경험과학적 시각 관계단위의 상호독립성 + 인과관계는 감각경험을 통해 인지할 수 있는 상호독립적 단위들로 구성 + 어떤 현상은 '그와 다른' 현상의 소산으로서, 이 둘은 일정한 기능적 연관성 이외에 어떠한 본질적 동질성도 공유하지 않음. + 원인과 결과가 서로 구별될 수 있는 현상이라는 의미 --- # 인과관계와 인과모형 ## 인과관계의 본질 **이론**은 **인과형 진술**의 형태를 가진 가설을 검증함으로써 도출된다. 인과관계에 대한 경험과학의 시각과 문제점을 논의해보도록 하자. ### 인과관계에 대한 경험과학적 시각 규칙성과 재생성 + 인과관계는 규칙성과 재현가능성(replicability)을 나타냄. + 경험적 증거들을 지속적으로 찾아내어야 양자 간에 인과관계를 받아들일 수 있음. --- # 인과관계와 인과모형 ## 인과관계의 본질 **이론**은 **인과형 진술**의 형태를 가진 가설을 검증함으로써 도출된다. 인과관계에 대한 경험과학의 시각과 문제점을 논의해보도록 하자. ### 인과관계에 대한 경험과학적 시각 규칙성과 재생성 + 사회과학연구는 인과질서의 규칙을 잠정적인 것으로 간주 + 어떤 사회현상이 생기는 인과경로는 귀납적으로 추론되나 귀납적 일반화를 통해 도출된 인과질서는 귀납사례의 범주에 제한되기 때문에 조건적(conditional) + 어떤 사회현상을 불러일으키는 모든 원인을 찾을 수는 없음; 원인이 항상 일정한 결과를 생산하는지, 더 나아가 왜 그러한지를 경험적으로 확인할 수 없음. --- # 인과관계와 인과모형 ## 인과관계의 본질 **이론**은 **인과형 진술**의 형태를 가진 가설을 검증함으로써 도출된다. 인과관계에 대한 경험과학의 시각과 문제점을 논의해보도록 하자. ### 인과관계에 대한 경험과학적 시각 규칙성과 재생성 + 사회과학연구는 인과질서의 규칙을 잠정적인 것으로 간주 + 인간의 상호작용으로 인해 나타나는 사회현상은 가변적이며, 사회현상들 간 인과관계는 유동성(fluidity)을 보여줌. + 인과관계는 언제든 변할 수 있는 경향(tendency)이며 추세(trend) --- # 인과관계와 인과모형 ## 인과관계의 추론 ### 시간적 순차: 원인은 반드시 결과에 시간적으로 앞서야 한다 + 각각 독립변인과 종속변인으로 여겨지는 변인들은 적절한 시간차(time lag)를 두고 발생했다는 경험적 근거를 확보해야 함. + 만약 그것이 불가능하다면 이들을 인과적으로 연결시킬 수 없음. --- # 인과관계와 인과모형 ## 인과관계의 추론 ### 시간적 순차: 반드시 서로 연결하려는 현상들의 발생순차(time order)에 유의 -- `\(X_{t-n}\)` [원인] `\(\rightarrow Y_t\)` [결과] + `\(t\)`: 특정한 시점 + `\(t-n = t\)`: 보다 앞선 시점 --- # 인과관계와 인과모형 ## 인과관계의 추론 ### 항상적 연계(constant conjunction) -- 어떤 현상(원인)의 변화가 다른 현상(결과)의 규칙적 변화를 지속적ㆍ안정적으로 수반 할 때(부수변이, concomitant variation) 이들 사이의 인과관계를 추론할 수 있음. -- 실제 연구과정에 있어서 논리적 척도로서의 항상적 연계는 다른 경험적 척도로 대체 + 통계적 공변(statistical covariance) + 함수적 상관관계(functional correlation) --- # 인과관계와 인과모형 ## 인과관계의 추론 ### 항상적 연계(constant conjunction) 즉, 설명변인과 종속변인 간 공변규칙성이 연구의 시간적$\cdot$공간적 선행조건 하에서 안정적으로 나타날 때 인과관계의 추론에 요구되는 경험적 근거를 얻을 수 있음. + 그러나 공변규칙성만을 근거로 인과관계의 존재를 단정해서는 안 됨. + 공변규칙성은 경험적으로 관측된 현상들의 개별적 변이양상(variance)을 통계적으로 연결시킬 수 있다는 점을 보여줄 뿐 + 원인이 결과를 실제로 '생산'했다는 인과성의 본연적 의미는 아님. --- # 인과관계와 인과모형 ## 인과관계의 추론 ### 항상적 연계(constant conjunction) 항상적 연계는 인과관계의 필요조건(necessary condition) + 설명변인과 종속변인이 일정한 규칙에 따라 공변하지 않는다면 인과관계의 추론이 불가능하나 그렇다고 해서 인과관계의 실재를 확증할 수는 없음. -- **필요조건**과 **충분조건**, **필요충분조건**의 차이? --- # 인과관계와 인과모형 ## 인과관계의 추론 ### 탈허위성(nonspuriousness) 인과관계가 허위성(spuriousness)을 가져서는 안 됨. -- 설명변인 `\(\rightarrow\)` 종속변인의 관계가 진정한(genuine) 것이어야 함. + 허위성은 미처 파악하지 못한 변인의 영향력 때문에 나타나는 경우가 많음. + 초기의 관계가 무너지느냐, 무너지지 않느냐로 파악할 수 있음. --- # 인과관계와 인과모형 ## 인과모형 ### 인과모형의 의미 과학적 연구는 모형(model)을 통해 이루어짐. + 모형은 현실세계의 모습을 이론적으로 재구성한 분석기제(analytic device) + 연구대상의 핵심구성단위, 작동변인(operating variable) + 작동변인들의 관계가 형성되는 경로(path) -- + 인과모형(causal model) : 어떤 현상의 인과적 생성경로를 체계적으로 보여주는 모형 --- # 인과관계와 인과모형 ## 인과모형 ### 인과모형의 의미 모형은 현실세계와의 상호조응성(isomorphism)을 갖고 있음 -- : 길잡이의 역할 -- + 단순하게 재구성된 현실(simplified reality) + 모형의 설계자는 특정 이론에 따라 실제 현상의 표출양상 가운데 가장 중요하다고 판단되는 것만을 선택해 그들 간의 관계양상을 설정 + 즉, 중요한 것들을 추출하므로 같은 현상에 대한 서로 다른 모형들이 있을 수 있음. --- # 인과관계와 인과모형 ## 인과모형 ### 인과모형의 의미 모형은 어디까지나 이론에 기초를 두고 있지만, 이론이 없다면 연구자의 고유한 판단에 따라 만들어질 수 있음. + 그러나 이론/고유 판단 모두 작동변인의 선택과 변인들 간 관계경로 설정에 있어서 불완전성을 벗어나지 못함. + 모형은 어디까지나 현실을 단순화한 재구성체에 불과함. --- # 인과관계와 인과모형 ## 인과모형 ### 인과모형의 의미 모형은 어디까지나 이론에 기초를 두고 있지만, 이론이 없다면 연구자의 고유한 판단에 따라 만들어질 수 있음. + 모형-현실의 관계 + 구조적 상호조응성(structural isomorphism): 구조의 측면에서는 비슷 + 기능적 상호조응성(functional isomorphism): 기능의 측면에서는 상호조응성 X --- # 인과관계와 인과모형 ## 인과모형 ### 인과모형의 의미 -- 사회과학연구의 모형은 대부분 구조적 상호조응성만을 가진 불완전한 모형 -- + 인간의 사회적 상호작용을 다루는 부분에서 기능적 상호조응성을 가진 모형을 설계하기가 대단히 어렵기 때문 -- + 왜냐하면 -- (1) 인간의 행위와 심리적 정향은 자연현상과 달리 끊임없이 변하며, -- (2) 모형을 구성하는 인자(작동변인)의 엄격한 통제가 불가능하고, -- (3) 윤리적 장벽을 극복하기 어렵기 때문 --- # 인과관계와 인과모형 ## 인과모형 ### 모형ㆍ이론ㆍ가설: 모형의 기능 -- 모형, 이론과 가설의 명칭이 서로 다른 것은 연구에 따른 방법론적 성격의 차이 탓 -- + 가설: 어떤 현상의 인과적 생성경로에 관한 연구자의 선험적 기대만을 담고 있는 진술 -- + 가설모형(hypothetical model): 가설이 검증에 필요한 방법론적 요건을 갖출 때 + 구성개념이 경험적 지칭성을 가진 작동변인으로 재구성되고 그들 간의 개략적 연계구조가 통계적 상관관계처럼 구체적 형상을 가진 관계경로로 대체될 때 -- + 확증모형(confirmed model): 검증을 통해 경험적으로 뒷받침된 가설모형 --- # 인과관계와 인과모형 ## 인과모형 ### 모형ㆍ이론ㆍ가설: 모형의 기능 모형, 이론과 가설의 명칭이 서로 다른 것은 연구에 따른 방법론적 성격의 차이 탓 + 동일한 현상을 다루는 몇 개의 확증모형을 일반화하여 이론을 만들게 됨. + 모형은 이론화 과정에서 연구자의 이론적 인식과 현실세계 사이의 연결고리 역할을 수행 + 이론(가설): `\(C_1 \rightarrow C_2\)`. 이때 `\(C_1\)`와 `\(C_2\)`는 이론의 구성개념 + 모형: `\(V_3 = a + b_1 V_1 + b_2 V_2 + e\)`. + `\(V_3\)`는 `\(C_2\)`의 작동변인(종속변인), `\(V_1, V_2\)`는 `\(C_1\)`의 작동변인(설명변인) + `\(e\)`는 교란항(오차항) --- # 인과관계와 인과모형 ## 인과모형의 구조 ### 인과모형의 구성단위: 변인 작동변인과 교란항 -- : 인과모형은 인과관계의 논리적 성격에 따라 두 가지 작동변인으로 구성 -- + 종속변인~설명변인 + 모형에서 누락된 수많은 요인들을 포함한 설명변인 -- : 모형설계자가 설정한 원인~결과 간의 관계에 영향을 줄 수 있는 잠재적 요인들 --- # 인과관계와 인과모형 ## 인과모형의 구조 ### 인과모형의 구성단위: 변인 작동변인과 교란항: 인과모형은 인과관계의 논리적 성격에 따라 두 가지 작동변인으로 구성 + 모형설계자가 미처 발견하지 못하였으나 비체계적인 영향력을 행사하는 외부요인들을 교란항이라고 부름. + **단순화가정(simplifying assumption)**: 작동변인들만으로 현실세계가 움직이며, 교란항의 영향력은 무시할 수 있다는 가정 --- # 인과관계와 인과모형 ## 인과모형의 구조 ### 인과모형의 구성단위: 변인 작동변인과 교란항: 인과모형은 인과관계의 논리적 성격에 따라 두 가지 작동변인으로 구성 + 인과경로에 영향을 주는 변인들(세 가지 유형) + 설명변인: 모형 속에서 종속변인에 직ㆍ간접적 영향을 미치는 변인 + 중첩변인(confounding variable): 모형에 포함되지 않은 외부요인으로서 모형 속의 설명변인과 함께 종속변인에 영향을 주는 변인 + 교란항: 모형에 포함되지 않은 외부변인. 종속변인에 대한 독자적 영향력은 갖고 있지만 모형 내 설명변인 또는 설명변인에 영향을 주는 다른 외부요인과 연관되지 않음. --- # 인과관계와 인과모형 ## 인과모형의 구조 ### 인과모형의 구성단위: 변인 내생변인(endogenous variable)과 외생변인(exogenous variable) + 내생변인: 모형에 포함된 여타 작동변인의 인과적 영향력을 받는 변인 --- # 인과관계와 인과모형 ## 인과모형의 구조 ### 인과모형의 구성단위: 변인 내생변인(endogenous variable)과 외생변인(exogenous variable) + 부분적 내생변인(partially-endogenous variables): 모형 속의 다른 작동변인들뿐 아니라 교란항의 영향력도 함께 받음. + 모형 속의 작동변인이 외부요인(교란항)의 영향력으로부터 완전히 차단된다는 비현실적 가정을 받아들이지 않는 한 모든 내생변인은 부분적 내생변인의 성격을 갖는다고 보아야 함. + 주요 설명변인과 종속변인 간 아무 간섭변인도 상정되지 않았다 해서 현실세계 역시 그러하다고 단정할 수는 없음. --- # 인과관계와 인과모형 ## 인과모형의 구조 ### 인과모형의 구성단위: 변인 내생변인(endogenous variable)과 외생변인(exogenous variable) + 부분적 내생변인(partially-endogenous variables): 모형 속의 다른 작동변인들뿐 아니라 교란항의 영향력도 함께 받음. + 모형 속의 작동변인이 외부요인(교란항)의 영향력으로부터 완전히 차단된다는 비현실적 가정을 받아들이지 않는 한 모든 내생변인은 부분적 내생변인의 성격을 갖는다고 보아야 함. + 과학적 연구에 있어서 모든 모형은 계속 변화하거나 일시적으로 붕괴되는 과정적 성격을 지닌다. -- + 외생변인: 전적으로 모형에 포함되지 않은 외부요인에 의해 결정되는 변인 --- # 인과관계와 인과모형 ## 인과모형의 구조 ### 인과모형의 구성단위: 인과경로 인과모형이 제시하고 있는 작동변인 간의 관계 혹은 교란항과 작동변인 간의 관계 + 각 인과경로가 서로 연결된 총체적 인과네트워크(casual network)의 모습은 모형설계자의 이론적 시각에 따라 설정됨. + 직접경로(direct path): 그 사이에 어떤 변인도 개입하지 않는 경로 + 간접경로(indirect path): 직접경로를 거쳐 진행되는 경로 --- # 인과관계와 인과모형 ## 인과모형의 구조 ### 인과모형의 유형 경험과학연구는 주로 수식을 통해 모형을 제시 + 작동변인 값을 정확히 측정해 그들 간의 공변양상을 체계적으로 파악하는 데에는 수리통계모형(mathematical-statistical model)이 적합하다고 보기 때문 + 또한 계량정보(quantitative information)가 가진 상호주관성으로 인해 설명력과 예측력을 쉽게 판정할 수 있다는 장점이 있음. --- # 인과관계와 인과모형 ## 인과모형의 구조 ### 인과모형의 유형 #### 축차모형(recursive model) 두 개 이상의 작동변인들이 한쪽 방향을 향해 순차적으로 연결된 모형 --- # 인과관계와 인과모형 ## 인과모형의 구조 ### 인과모형의 유형 #### 축차모형(recursive model): 구조 1. 인과경로의 출발점과 종착점이 명확히 존재하며, 2. 출발점 `\(\rightarrow\)` 종착점의 인과경로가 일방적(non-circulatory)이고, 3. 교란항의 영향력을 인정한 열린 모형(open model) --- # 인과관계와 인과모형 <!-- --> --- # 인과관계와 인과모형 ## 인과모형의 구조 ### 인과모형의 유형 #### 축차모형(recursive model): 교란항의 가정 1. 교란항의 영향력은 무시할 수 있을 정도로 약한 수준임. 2. 교란항 사이에는 어떤 형태로든 인과경로가 존재하지 않음. 3. 어떤 설명변인과 연결된 교란항과 여타 설명번인 간 상관관계가 존재하지 않음. + 교란항은 모형의 검증결과에 따라 그 중요성이 판정됨. + 교란항의 영향력을 무시한 모형이 검증을 통해 무너지거나 작동변인의 영향력이 기대한 만큼 충분하지 않다는 사실이 밝혀진다면 교란항의 재검토가 이루어져야 함. --- # 인과관계와 인과모형 ## 인과모형의 구조 ### 인과모형의 유형 #### 축차모형(recursive model): 교란항의 가정 1. 교란항의 영향력은 무시할 수 있을 정도로 약한 수준임. 2. 교란항 사이에는 어떤 형태로든 인과경로가 존재하지 않음. 3. 어떤 설명변인과 연결된 교란항과 여타 설명번인 간 상관관계가 존재하지 않음. + 교란항에 포함되어 있을 가능성이 있는 수많은 외부요인들 가운데 몇 개를 이론적 판단에 따라 선정하여 작동변인으로 배치한 새로운 모형을 설계할 수밖에 없음. --- # 인과관계와 인과모형 ## 인과모형의 구조 ### 인과모형의 유형 회귀분석(Regression) + 설명변인과 종속변인 사이의 함수적(선형적 또는 비선형적) 상관관계를 추적하기 위해 널리 사용되는 통계분석기법 + 이러한 상관관계의 형상과 심도를 회귀계수(regression coefficient, `\(\beta\)`), 상관계수(correlation coefficient, `\(R\)`), 결정계수(coefficient of determination, `\(R^2\)`) 등을 통해 파악함. + 검증하려는 가설(모형)의 성격에 따라 간단한 중다회귀분석(multiple regression)으로부터 로짓(Logit), 프로빗(Probit) 등 고도의 방법까지 적절한 유형을 선택하여 사용함. --- # 인과관계와 인과모형 ## 인과모형의 구조 ### 인과모형의 유형 `\(Cov[X, Y]\)` + `\(Cov\)`는 공변(*cov*ariance)를 지칭하는 통계학 용어이며, `\(Cov[X, Y]\)`는 두 개의 변인 `\(X\)`, `\(Y\)`의 공변양상, 즉 상관관계(`\(R_{xy}\)`)의 수준을 보여줌. + `\(Cov[X, Y] = 0\)`일 경우 `\(X\)`와 `\(Y\)` 사이에는 상관관계가 없음. + 변인들 간 상관관계는 주로 회귀분석을 통하여 파악함. --- # 인과관계와 인과모형 ## 인과모형의 구조 ### 인과모형의 유형 #### 축차모형의 수리적 표현: 구조방정식 구조방정식(structural equation) + 모형의 총체적 인과구조(인과네트워크)를 수리적으로 표현한 연립방정식(선형방정식, linear equation) --- # 인과관계와 인과모형 ## 인과모형의 구조 ### 인과모형의 유형 #### 축차모형의 수리적 표현: 구조방정식 3변인형 축차모형의 구조방정식 + 구조방정식 1: `\(V_2 = P_{21}V_1 + P_{2U}R_U\)` / 구조방정식 2: `\(V_3 = P_{31}V_1 + P_{32}V_2 + P_{3V}R_V\)` + 경로계수(path coefficient): 구조방정식 1,2에서 `\(P_{21}\)`, `\(P_{31}\)`, `\(P_{32}\)`, `\(P_{2U}\)`, `\(P_{3V}\)` + 경로계수의 값이 크면 클수록 서로 연결되는 변인들의 상관관계가 강해짐. + 구조방정식의 '더하기'(`+`)는 연결되는 단위들의 통계적인 상호독립성(statistical independence)을 지칭하는 부호로 영향력이 서로 겹치지 않는다는 것을 의미 --- # 인과관계와 인과모형 ## 인과모형의 구조 ### 인과모형의 유형 #### 축차모형의 수리적 표현: 구조방정식 경로계수(김웅진, 2011: 73-78; Asher, [1976](https://books.google.co.kr/books/about/Causal_Modeling.html?id=XfN5LdAHCV8C&redir_esc=y): 17-20) + 인과모형의 구조방정식에 있어서 작동변인 간의 관계양상을 결정하는 계수 + 회귀분석을 통해 얻어지는 베타(`\(\beta\)`), 즉 표준화된 회귀계수(standardized regression coefficient)의 값을 사용 + 회귀계수는 설명변인 `\(\rightarrow\)` 종속변인 사이의 선형적$\cdot$함수적 상관관계의 모습을 결정하는 계수(즉, `\(Y = a + bX\)`라는 선형 방정식에서 `\(b\)`) --- # 인과관계와 인과모형 ## 인과모형의 구조 ### 인과모형의 유형 #### 축차모형의 수리적 표현: 구조방정식 인과관계, 상관관계와 경로계수 + 인과관계의 가장 핵심적 추론척도는 원인 `\(\rightarrow\)` 결과의 항상적 연계 + 실제 연구과정에서는 논리적 의미에 있어서의 항상적 연계를 설명변인 `\(\rightarrow\)` 종속변인의 통계적 공변, 곧 상관관계로 대체 + 따라서 상관관계의 깊이를 표현하는 경로계수 값이 클 때 작동변인들 사이에 강한 인과관계가 존재한다고 추론할 수 있음. --- # 인과관계와 인과모형 ## 인과모형의 구조 ### 인과모형의 유형 #### 비축차모형(non-recursive model): 구조 되돌아오는 인과경로(순환경로)를 가지고 있기에 출발점, 종착점 규정이 어려움. + 모든 변인이 출발점이나 도착점이 될 수 있음. + 모든 변인이 다른 변인들 사이의 관계를 연결해주는 매개변인의 역할을 수행할 수도 있음. --- # 인과관계와 인과모형 ## 인과모형의 구조 ### 인과모형의 유형 #### 비축차모형(non-recursive model): 구조 실제로 비축차모형을 만들 때에는 이론적 판단에 따라 작동변인의 순차를 결정 + 두 개의 작동변인이 동시에 서로 영향을 주는 상황을 생각할 수 없기 때문 + 상호인과관계(reciprocal causal relation), `\(V1 \Longleftrightarrow V2\)` + 관측이 불가능하더라도 어느 정도 시간차를 두고 형성되는 두 개의 일방적 관계로 이루어져 있다고 보아야 함. + 동시인 것처럼 보이지만 `\(V1 \rightarrow V2\)`에서 시간이 지나고 `\(V2 \rightarrow V1\)`. --- # 인과관계와 인과모형 <!-- --> --- # 인과관계와 인과모형 ## 인과모형의 구조 ### 인과모형의 유형 #### 비축차모형(non-recursive model): 교란항 -- 축차모형처럼 교란항의 영향력을 인정 -- 그러나 축차모형과 달리 비축차모형에서 교란항들은 서로 연관되어 있음. --- # 인과관계와 인과모형 ## 인과모형의 구조 ### 인과모형의 유형 #### 비축차모형의 수리적 표현: 구조방정식 2변인형 비축차모형의 구조방정식 + 구조방정식 1: `\(V_1 = P_{12}V_2 + P_{1U}R_U\)` + 구조방정식 2: `\(V_2 = P_{21}V_1 + P_{2V}R_V\)` --- # 인과관계와 인과모형 ## 인과모형의 구조 ### 인과모형의 유형 #### 비축차모형의 수리적 표현: 구조방정식 2변인형 비축차모형의 구조방정식 + 구조방정식 1: `\(V_1 = P_{12}(P_{21}V_1 + P_{2V}R_V) + P_{1U}R_U\)` + 구조방정식 2: `\(V_2 = P_{21}(P_{12}V_2 + P_{1U}R_U) + P_{2V}R_V\)` --- # 인과관계와 인과모형 ## 인과모형의 구조 ### 인과모형의 검증 축차모형과 비축차모형은 주로 회귀분석에 기반을 둔 경로분석(path analysis)을 통해 검증 + 경로분석은 작동변인들 사이의 인과경로를 추적해 모형의 구조적 타당성을 판정하는데 사용되는 통계분석기법 + 경로분석 + 설명변인 `\(\rightarrow\)` 종속변인, 설명변인 `\(\rightarrow\)` 설명변인, 교란항 `\(\rightarrow\)` 설명변인, 교란항 `\(\rightarrow\)` 종속변인 + 인과적 영향력이 흐르는 경로가 존재하는가? 그 경로의 강도가 어느 정도인가? + 변인 간의 상관관계(correlation, `\(R_{ij}\)`)가 클수록 더욱 큰 인과적 영향력 --- # 인과관계와 인과모형 ## 인과모형의 구조 ### 인과모형의 검증 축차모형과 비축차모형은 주로 회귀분석에 기반을 둔 경로분석(path analysis)을 통해 검증 + 경로분석은 작동변인들 사이의 인과경로를 추적해 모형의 구조적 타당성을 판정하는데 사용되는 통계분석기법 + 변인 간의 상관관계(correlation, `\(R_{ij}\)`)가 클수록 더욱 큰 인과적 영향력 + 구조방정식 설정 + 경로계수 측정 + 측정된 경로계수를 이용한 인과구조 해체와 그에 따른 모형의 적실성 진단 --- # 인과관계와 인과모형 ## 인과모형의 구조 ### 인과모형의 한계 #### 불완전성 `\(\cdot\)` 잠정적 폐쇄성 `\(\cdot\)` 상대성 어떤 현상의 인과적 생성경로에 관여하는 모든 변인을 모형 안에 집어넣을 수 없음. + 모형설계자는 인과관계의 사슬을 이론적 시각에 따라 끊어야 함. + 즉, 소수의 주요 변인(critical variable)만을 작동변인으로 선택 + 모형의 구축은 열린 모형을 잠정적으로 닫는 작업 `\(\rightarrow\)` 모형의 구조를 지속적 재조정 --- # 인과관계와 인과모형 ## 인과모형의 구조 ### 인과모형의 한계 #### 불완전성 `\(\cdot\)` 잠정적 폐쇄성 `\(\cdot\)` 상대성 작동변인의 선정에 관한 절대 `\(\rightarrow\)` 단정적 기준 없음 + 모든 모형은 단지 상대적 적실성을 지닐 뿐 + 실제로는 모든 모형이 상황과 조건에 따라 나름대로의 설명력을 발휘 --- # 인과관계와 인과모형 ## 인과모형의 구조 ### 인과모형의 한계 #### 인과경로의 개연성과 유동성 모형이 제시하고 있는 인과경로의 성격을 어떻게 받아들여야 하는가? 단정적인 모형은 예측오차(prediction error)가 발생할 수 없음. 그러나 현실세계는 수많은 요인들의 상호작용에 따라 결정 + 현실에서 완벽하게 닫힌 단정적 모형은 설명력과 예측력을 상실하기 마련 + 따라서 우리는 어느 정도의 예측오차를 상정 + 모든 모형은 예측오차를 갖고 있기에 잠정성과 개연성을 벗어나지 못함. --- # 인과관계와 인과모형 ## 인과모형의 구조 ### 인과모형의 한계 #### 인과경로의 개연성과 유동성 회귀모형(회귀방정식)의 오차항 + `\(Y = a + b_1X_1 + b_2X_2 + b_3X_3 + e\)` + `\(e\)`: 오차항(정체가 규명되지 않은 교란항들) + `\(e\)`의 `\(Y\)`에 대한 영향력을 최소화 + 설명변인 `\(X_1, X_2, X_3\)` 의 `\(Y\)`에 대한 영향력을 최대화 --- # 인과관계와 인과모형 ## 인과모형의 구조 ### 인과모형의 한계 #### 인과경로의 개연성과 유동성 인과네트워크를 어떻게 확장하느냐에 따라 같은 작동변인의 역할이 언제든 바뀔 수 있음. + 각 작동변인이 수행하는 역할과 작동변인들 간 직접경로 또는 간접경로는 모형검증이 끝나 인과구조가 잠정적으로 닫힐 때 최종적으로 결정됨. + 모형 속의 인과경로는 항상 유동적임. --- class: center, middle background-image: url("knu_wide.png") background-size: 300px background-position: 11% 15% # 감사합니다! ## 궁금한 것이 있으면 언제든 연락하세요. 강사 연락처 | 연락처 | 박상훈 | | :-----------------------------------------------: | :--------------------------------------------------: | | <svg viewBox="0 0 512 512" style="height:1em;position:relative;display:inline-block;top:.1em;" xmlns="http://www.w3.org/2000/svg"> <path d="M440 6.5L24 246.4c-34.4 19.9-31.1 70.8 5.7 85.9L144 379.6V464c0 46.4 59.2 65.5 86.6 28.6l43.8-59.1 111.9 46.2c5.9 2.4 12.1 3.6 18.3 3.6 8.2 0 16.3-2.1 23.6-6.2 12.8-7.2 21.6-20 23.9-34.5l59.4-387.2c6.1-40.1-36.9-68.8-71.5-48.9zM192 464v-64.6l36.6 15.1L192 464zm212.6-28.7l-153.8-63.5L391 169.5c10.7-15.5-9.5-33.5-23.7-21.2L155.8 332.6 48 288 464 48l-59.4 387.3z"></path></svg> | [sh.park.poli@gmail.com](sh.park.poli@gmail.com) | | <svg viewBox="0 0 576 512" style="height:1em;position:relative;display:inline-block;top:.1em;" xmlns="http://www.w3.org/2000/svg"> <path d="M528 32H48C21.5 32 0 53.5 0 80v352c0 26.5 21.5 48 48 48h480c26.5 0 48-21.5 48-48V80c0-26.5-21.5-48-48-48zm0 400H303.2c.9-4.5.8 3.6.8-22.4 0-31.8-30.1-57.6-67.2-57.6-10.8 0-18.7 8-44.8 8-26.9 0-33.4-8-44.8-8-37.1 0-67.2 25.8-67.2 57.6 0 26-.2 17.9.8 22.4H48V144h480v288zm-168-80h112c4.4 0 8-3.6 8-8v-16c0-4.4-3.6-8-8-8H360c-4.4 0-8 3.6-8 8v16c0 4.4 3.6 8 8 8zm0-64h112c4.4 0 8-3.6 8-8v-16c0-4.4-3.6-8-8-8H360c-4.4 0-8 3.6-8 8v16c0 4.4 3.6 8 8 8zm0-64h112c4.4 0 8-3.6 8-8v-16c0-4.4-3.6-8-8-8H360c-4.4 0-8 3.6-8 8v16c0 4.4 3.6 8 8 8zm-168 96c35.3 0 64-28.7 64-64s-28.7-64-64-64-64 28.7-64 64 28.7 64 64 64z"></path></svg> | [sanghoon-park.com/](https://www.sanghoon-park.com/) | | <svg viewBox="0 0 448 512" style="height:1em;position:relative;display:inline-block;top:.1em;" xmlns="http://www.w3.org/2000/svg"> <path d="M128 148v-40c0-6.6 5.4-12 12-12h40c6.6 0 12 5.4 12 12v40c0 6.6-5.4 12-12 12h-40c-6.6 0-12-5.4-12-12zm140 12h40c6.6 0 12-5.4 12-12v-40c0-6.6-5.4-12-12-12h-40c-6.6 0-12 5.4-12 12v40c0 6.6 5.4 12 12 12zm-128 96h40c6.6 0 12-5.4 12-12v-40c0-6.6-5.4-12-12-12h-40c-6.6 0-12 5.4-12 12v40c0 6.6 5.4 12 12 12zm128 0h40c6.6 0 12-5.4 12-12v-40c0-6.6-5.4-12-12-12h-40c-6.6 0-12 5.4-12 12v40c0 6.6 5.4 12 12 12zm-76 84v-40c0-6.6-5.4-12-12-12h-40c-6.6 0-12 5.4-12 12v40c0 6.6 5.4 12 12 12h40c6.6 0 12-5.4 12-12zm76 12h40c6.6 0 12-5.4 12-12v-40c0-6.6-5.4-12-12-12h-40c-6.6 0-12 5.4-12 12v40c0 6.6 5.4 12 12 12zm180 124v36H0v-36c0-6.6 5.4-12 12-12h19.5V24c0-13.3 10.7-24 24-24h337c13.3 0 24 10.7 24 24v440H436c6.6 0 12 5.4 12 12zM79.5 463H192v-67c0-6.6 5.4-12 12-12h40c6.6 0 12 5.4 12 12v67h112.5V49L80 48l-.5 415z"></path></svg> | 영상바이오관 405 |