Causal-Graph-Guided Interpretation of Linear Interaction Models and Effect Definitions
연구 내용
선형 회귀의 상호작용 해석에서 발생하는 혼란을 인과 그래프로 시각화하여 주효과 해석과 중심화 전략의 이유를 설명하는 연구
선형 상호작용 분석을 수행할 때 연구자와 학습자가 겪는 해석 혼란을 인과 그래프 관점에서 정리합니다. 상호작용 노드가 존재하는 상황에서 주효과가 의미하는 바와, 다중공선성을 줄이기 위한 중심화(centering)의 역할을 그래프 기반으로 설명합니다. 또한 서로 다른 변수 정의가 동일한 관측값을 공유하는 경우에 어떤 개념이 처리효과로 간주되어야 하는지 인과 그래프를 통해 유도합니다. 이를 통해 회귀 모형의 대수적 설명을 보완하는 직관적 시각화 도구와 교육용 해설 프레임을 제시합니다.
관련 연구 성과
관련 논문
3편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
2024년에 선형 회귀의 상호작용 분석을 인과 그래프로 연결해 주효과 해석과 중심화의 필요성을 시각적으로 설명하는 연구를 수행했습니다. 같은 해 Card & Krueger 및 Lord의 역설 사례를 인과 그래프 기반으로 처리변수의 개념을 재구성하며, 완전 공선성 상황에서도 효과 유도가 가능함을 보였습니다. 2024년에는 교육 연구에서의 인과 설계와 분석을 정리하는 글을 통해 다양한 설계 개념을 연구자 관점에서 통합 설명하는 방향으로 확장했습니다. 최근에는 이러한 그래프 기반 해석 프레임이 교육·심리·경제 데이터를 다루는 과정의 오류를 줄이는 데 활용될 수 있도록 구성하고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Understanding linear interaction analysis with causal graphs
Can Two Variables Have the Same Values but Different Impacts? Revisiting Card & Krueger (1994) and Lord's (1967) Paradox
Causal research designs and analysis in education