• 논리연구
• /
• 제18권1호
• /
• pp.83-133
• /
• 2015

이 글에서는 상반된 이중 원인 효과를 해명하는 데 히치콕(Hitchcock 2001a)이 제시한 두 가지 원인 효과를 비판적으로 평가하고 그 비판을 상쇄할 대안을 제시한다. 이를 위해 다섯 가지를 논의한다. 첫째, 상반된 이중 원인 효과에 관한 사례를 소개하고 이에 대한 오테(Otte 1985)와 엘스(Eells 1987)의 논쟁을 검토한다. 이 검토는 이중 원인 효과에 대한 이해와 그와 관련해 논의할 히치콕, 카트라이트(Cartwright 1979, 1989, 1995), 엘스(Eells 1991, 1995)의 이론들을 비교, 평가하는 준비가 된다. 둘째, 구조 방정식 모형에서 두 원인 효과에 착안하여, 히치콕이 제시한 원인 효과의 두 개념, 망 효과와 요소 효과를 소개한다. 셋째, 이중 원인 효과를 해명하는 데 카트라이트와 엘스의 논쟁을 논의하면서, 동질적 부분 집단의 역할, 인과 상호 작용의 중요성에 주목한다. 넷째, 이중 원인 효과를 해명하는 데 히치콕이 적용한 두 원인 효과 개념을 비판적으로 검토하고, 엘스의 이론에 대한 히치콕의 비판을 다시 비판한다. 다섯째, 구조 방정식 모형의 조절 효과 개념을 인과에 대한 확률 이론에 응용하여, 이중 원인 효과에서 초래된 인과 상호 작용을 선언(disjunctive) 관계와 반 사실적 요인으로 형식화하여 보여준다. 조절 효과에 대한 논의는 최근에 많은 주목을 받은 구조 방정식 모형에 토대한 인과 모형 이론들이 인과의 문제들을 해결하는 데 기여할 수 있다. 다른 한편으로, 선언 관계, 반 사실적 조건을 이용한 인과 상호 작용에 대한 논의는 통계적 방법론으로서 구조 방정식 모형을 제고하는 데 도움을 줄 수 있다.

• 인지과학
• /
• 제27권4호
• /
• pp.541-572
• /
• 2016

인과 추론은 심리학에서는 물론 최근 베이스 접근법을 취하는 인지과학자들에 의해서도 활발히 연구되고 있다. 본 연구는 인과추론에 대한 대표적 심리학 이론인 힘-확률대비이론(a power probabilistic contrast theory of causality)을 중심으로 인과 추론의 최근 동향을 개관하고자 한다. 힘-확률대비이론에서는, 원인은 결과를 일으키거나 억제하는 힘(power)인데, 이 힘은 특정한 조건하에서 통계적 상관을 통해 파악될 수 있다고 가정한다. 본 논문에서는 이 이론에 대한 초기의 경험적 지지 증거를 먼저 살펴본 다음, 베이스 접근에 기반을 둔 이론과의 쟁점을 명확히 하고, 원인은 맥락에 무관하게 동일하게 작동한다는 인과적 불변성 가정(causal invariance hypothesis)을 중심으로 한 보다 최근의 연구 결과를 소개하고자 한다. 이 연구들은 종래의 통계적 접근법으로는 잘 설명되지 않는 결과를 제시함으로써, 철학, 통계학, 그리고 인공 지능 등과 같은 인접 분야에 인과성에 대한 힘 이론을 진지하게 고려할 것을 촉구하고 있다.

• 한국시스템다이내믹스연구
• /
• 제10권1호
• /
• pp.33-60
• /
• 2009

This study explores the limitation in making a causal model through an existing case and proposes an alternative plan to improve a theoretical system of causation modeling. To make a dynamic and actual model, several principles are needed such as reality based analysis of system structures and dynamics, consistent expression of causations, conversion of numerical formulas to causal relations, classification and arrangement of variables by size of concept, etc. However, it is hard to find cases to apply these considerations from existing models in System Dynamics. Therefore, this study verifies errors of derived models from literatures and proposes principles and guides that should be considered to make a sound dynamic model on a causal map. It contributes to making an opportunity for exciting public opinion to improve theory about causal maps, yet it has limitation that the study does not advance forward to the experimental step. For future study, it plans to make up by classifying and leveling causal variables, developing a dynamic BSC model.

• 응용통계연구
• /
• 제32권2호
• /
• pp.173-185
• /
• 2019

과학적 연구에서 핵심적인 연구 주제 또는 가설은 대부분 인과적 질문(causal question)을 포함한다. 예를 들어, 전염병 예방을 위한 치료법의 효과 연구, 특정 정책의 시행으로 인한 효용(utility)의 평가에 대한 연구, 특정 사용자를 대상으로 노출된 광고의 종류에 따른 광고의 효과성에 대한 연구는 모두 인과 관계(causal relationship)의 추론이 요구된다. 이러한 인과 관계를 다루는 통계적 인과 추론(statistical causal inference)의 주요 관심사 중 하나는 모집단에 일종의 개입(정책 혹은 처치)을 적용한 후 개입의 효과를 정확하게 추정하는 것이다. 인과 추론은 임상실험과 정책결정에서 주로 이용되었으나, 이른바 빅데이터 시대의 도래로 가용한 관측자료가 폭발적으로 증가하였고 이로 인하여 인과 추론에 대한 잠재적 응용가치와 수요가 지속적으로 증가하고 있다. 하지만 가용한 대부분의 자료는 임의실험 기반의 자료와 달리 개입이 임의로 분배되지 않은 비실험 관측자료이다. 따라서, 본 논문은 비실험 관측자료로부터 개입의 효과를 추정하기 위한 인과 추론의 핵심 개념과 최근의 연구동향을 소개하고자 한다. 이를 위하여 본문에서는 먼저 개입의 효과를 Neyman-Rubin의 잠재 결과(potential outcome) 모형으로 나타내고, 개입의 효과를 추정하는 여러 접근법 중 특히 성향점수(propensity score) 기반 추정법과 회귀모형 기반 추정법을 중점적으로 소개한다. 최근 연구동향으로는 (1) 평균 효과 크기 추정을 넘어선 개인별 효과 크기의 추정, (2) 효과크기 추정에 있어서 자료 규모의 증대로 인한 차원의 저주가 야기하는 난제들과 이에 대한 해결방안들, (3) 복합적 인과관계를 반영하기 위한 Pearl의 구조적 인과 모형(structural causal model) 및 잠재 결과 모형과의 비교의 3가지 주제로 구분하여 소개한다.

• 논리연구
• /
• 제8권1호
• /
• pp.47-67
• /
• 2005

베이즈망은 탐구 공간을 구성하는 변수들 사이에 성립하는 확률적 관계를 이용하여 그 변수들 사이에 성립된다고 가정되는 인과 관계를 추론하는데 이용된다. 베이즈망에 관한 철학적 논쟁의 대상은 특정한 변수들의 확률적 독립성을 가정하는 인과적 마코프 조건이다. 베이즈망 이론에 대한 강력한 비판자인 카트라이트는 인과적 마코프 조건이 비결정적 세계에서는 성립될 수 없기 때문에 인과적 추리에 대한 타당한 원리가 될 수 없다고 주장한다. 이글의 목적은 인과적 마코프 조건이 인과적 추리에 대한 타당한 원리가 될 수 없다는 카트라이트의 비판이 타당한가를 검토하는 것이다. 나는 인과적 사건들의 연쇄를 허용하는 연속모델은 카트라이트의 비판을 벗어날 수 있다고 주장한다.

• 감성과학
• /
• 제24권1호
• /
• pp.59-72
• /
• 2021

개념과 범주는 관찰하지 못한 속성을 추론할 수 있는 기반을 제공한다. 무의미 속성을 사용한 범주기반 속성추론 연구들은 범주 및 속성의 유사성이 추론을 설명하는 핵심 요인이라는 것을 제안했다(Rips, 1975; Osherson et al., 1990). 이후 연구들은 사람들의 사전지식이 범주기반 추론에 막대한 영향을 미치며 심지어 유사성 효과가 완전히 사라지는 경우도 있음을 보고했다. 본 연구는 범주 속성들이 사전지식의 한 종류인 인과적 지식에 의해 사슬구조로 연결되었을 때의 범주기반 속성추론을 검증했으며 그 결과를 예측하는 속성추론모형을 제안했다. 참가자들은 네 개의 속성들이 사슬구조를 이루는 인과적 범주를 학습한 뒤 해당 범주의 다양한 범주 예시들의 숨겨진 속성에 대한 추론을 실시했다. 그 결과 인과적으로 직접 연결된 속성뿐만 아니라 다른 속성 노드에 의해 차폐된 속성들도 추론에 영향을 미치는 비독립성이 나타났다(인과적 마코프 조건의 위배). 인과모형이론(Sloman, 2005)에 기반한 속성추론모형을 적용하여 참가자들의 추론을 모델링한 결과 인과적 연결의 직접 효과뿐만 아니라 간접 효과 즉 인과추론의 비독립성도 예측하는 것으로 나타났다. 다만 간접적으로 연결된 속성들은 인과적 거리와 무관하게 참가자들의 추론평정에 동일하게 영향을 미쳤지만 모형은 거리가 멀어짐에 따라 추론에 미치는 영향이 작아짐을 예측했다.

• 인지과학
• /
• 제28권4호
• /
• pp.329-347
• /
• 2017

범주기반 속성추론에 대한 초기연구들은 전형성, 다양성, 유사성 효과 등 인간 사고에서 나타나는 다양한 현상들을 보고하였다. 이후 연구들은 이러한 추론에서 참가자들의 사전지식이 광범위한 영향을 미친다는 것을 발견하였다. 본 연구에서는 다양한 사전지식들 중 하나인 인과적 지식이 속성추론에 미치는 영향을 검증하고 이를 모델링하였다. 이를 위해 참가자들은 네 개의 속성으로 구성된 범주에서 속성들이 공통원인 혹은 공통효과 인과구조로 연결되었을 때 속성추론과제를 실시하였다. 그 결과 전형성 효과와 더불어 공통원인 구조에서 인과적 마코프 조건(causal Markov condition)에 대한 위배와 공통효과 구조에서 인과적 절감(causal discounting)이 관찰되었다. 이를 모델링하기 위해 참가자들은 표적속성이 존재하는 범주예시와 존재하지 않은 범주예시가 존재할 가능성에 대한 차이값 (즉, $p(E_{F(X)}{\mid}Cat)-p(E_{F({\sim}X)}{\mid}Cat)$에 근거하여 속성추론을 수행한다고 가정하였다. 인과모형이론(Rehder, 2003)에 기반하여 범주예시들의 확률값을 계산한 후 각 표적속성에 대한 추론에 적용하였다. 그 결과 모형은 참가자들의 데이터에서 관찰된 전형성 효과뿐만 아니라 인과적 마코프 조건에 대한 위배 및 인과적 절감을 모두 예측한다는 것이 확인되었다.

• Asia pacific journal of information systems
• /
• 제7권2호
• /
• pp.225-266
• /
• 1997

A Causal Transition Model of the IT impact on organization is proposed. The model is based upon the premise that the IT impact is a multi-phase, multi-realm phenomenon, and that the IT impact in one organizational realm logically transpires to another realm, thus forming complex causal webs among them. Two exploratory research studies, the one qualitative and the other quantitative, were conductea to validate the model in a setting involving major structural reorganization of the organizations' IT function. The research results provide support for the general theory structure of the model. The findings include: ⅰ) the IT impact manifests on multiple organizational realms, with different degrees of strength, ⅱ) the impact on the realms follow a particular causal transition path among them, and ⅲ) the IT impact manifests on and through the information processing aspect of work. The results, however, indicate that people's perception of the IT impact is strongly mitigated by the IT relevance of work, and that the organization is affected as much by the structural arrangement surrounding and accompanying the IT as by the technology itself, suggesting that the IT impact is an organizational phenomenon as well as a technological phenomenon. The implications of the research results are discussed at the end.

• 한국산업정보학회논문지
• /
• 제22권6호
• /
• pp.71-84
• /
• 2017

Over the past decade, we have witnessed Serious Debates in MISQ and Other Journals Between Two Camps that have Differing Views on the use of Causal Indicators to Measure Constructs. There is the Camp that advocates Causal Indicators (ADVOCATE) and the Camp that opposes Their Usage (OPPONENT). The Debates have been primarily centered on the OPPONENT's Argument that the Meaning of a Latent Variable is determined by its Outcome Variables. However, Little Effort has been made to Validate the ADVOCATE's Dispute (Against the OPPONENT's Arguments) that the Meaning of a Latent Variable is decided by its Causal Indicators if there is no Misspecification. Our Study precisely examines the Integrity of the Argument. For this, we empirically examine how the two Primary Psychometric Properties-Comprehensiveness and Interrelationship-of Causal Indicators Influence Theory Testing between Latent Variables through Three Different Tests (i.e., Comprehensive Test, Interrelationship Test, and Mixed Test). Conducted on Two Different Datasets, Our Analysis Consistently Reveals that Structural Path Coefficients are Hardly Sensitive to the Changes (i.e., Misspecification) in the Properties of Causal Indicators. The Discovery offers Important Evidence that the Sound Theoretical Logic of a Causal Model is not in Sync with the Empirical Mechanism of Parameter Estimation. This Underscores that a Latent Variable Formed by Causal Indicators is empirically an elusive notion that is Difficult to Operationalize. As Our Results have Significant Implications on the Integrity of Numerous IS studies which have conducted Theory or Hypothesis Testing Using Causal Indicators, we strongly advocate Open Discussions among Methodologists regarding Our Findings and Their Implications for Both Published IS Research and Future Practices.

• Journal of Sport and Applied Science
• /
• 제6권2호
• /
• pp.19-25
• /
• 2022

Purpose: This study attempts to investigate causal and intervening conditions for sport participation of Korean immigrants in the United States. Research design, data, and methodology: Grounded theory approach was used to develop a conceptual framework that presents the psychosocial processes that occur in immigrants' experience of sport participation. Participants were selected purposefully for information-rich cases. Korean immigrants with current experience of having periodically participated in sports were the criterion for sample selection. Based on selection criteria, 9 Korean immigrants took part in interview. The interview discussions were taped and transcribed verbatim into a Word file. The process for data analysis included four grounded theory approaches of purposive and theoretical sampling, an open and axial coding, memo writing, and finally the development of the conceptual framework. Results: Six concepts were revealed in the causal conditions that facilitate the process of immigrants' sport participation in the states: Personal experience, significant others, personality, physical environment, psychological well-being, and social connection. Three concepts were revealed as the intervening conditions that block the process of immigrants' sport participation in the states: Conflict with cultural change of organization, Pressure at workplace, and Economic constraints. Conclusions: Conceptual model presents causal and intervening factors. Further implications were discussed.