Chapter 3 - The Effects of Interventions

Point) random controlled experiment가 어려울 때, 관측된 data만을 가지고 intervention을 통해 causation 관계를 파악하자!

3.1 Interventions

• 통계 공부의 궁극적 목적은 간섭(interventions)의 효과를 예측하는 것이다.
  • 산불에 대한 데이터를 수집할 때, 우리는 산불 발생 빈도를 줄이는데 기여할 수 있는 행동(간섭, intervention)들을 찾을 것이다.
  • 암 치료제를 연구할 때, 환자에게 약을 먹임으로써 환자의 병이 어떻게 반응하는지 확인하려고 노력한다.
• 우리가 개입한 행동들은 모두 Intervention이며, 통계학은 어떤 결과를 나을지 예측한다.

→ "correalation is not causation."

• '상관'은 '인과'를 포함하지 않는다. → 2개의 변수의 상관이 자동적으로 하나가 다른 하나의 원인임을 의미하는 것은 아니다. (false cause)
• 예시) 아이스 크림과 폭력범죄는 더운 여름에 일반적으로 증가한다는 '상관관계'가 있지만, 아이스크림이 범죄의 원인이 되는 것은 아니다.

→ 항상 모든 실험은 무작위 변수를정확하게 통제할 수 없을 것이다.

• 예시 1) 산불은 날씨를 통제할 수 없기에 정확히 어떤 행동이 영향을 미치는지 알 수 없다.
• 예시 2) 텔레비전과 아이들의 폭력성에 관한 실험에서는 참가자를 무작위로 고를 수는 있겠지만 아이마다 어떤시간에 얼마나 시청하는지 효과적으로 제어할 수 없다

→ 위와 같은 이유로, randomized controlled experiments 가 실용적이지 않을때, 연구자들은 대신 관측된 결과를 기록만 하는 observational study를 진행한다. but, 이러한 연구의 단점은 인과관계를 상관관계에서 분리해내기가 어렵다.

• 예시) 청소년들의 과도한 문자가 "shallowness"와 상관관계가 있다는 연구 (University of Winnipeg) → 인과관계를 잘못 설명한 연구.

→ 그래프를 변형시켜(개입해서) 인과관계를 찾아보자!