인과추론에서 Fisher와 Neyman의 관점 차이

안녕하세요! 

 

오늘은 Fisher와 Neyman의 관점 차이에 대해서 얘기해볼려고 합니다.

 

자세한 내용은 슬라이드를 통해서 확인해주시면 될 것 같습니다.

 

한 가지 재미난 사실은 Fisher는 Anti-Bayesian이였다고 합니다. 그런데 공교롭게도 Fisher가 제안한 information의 개념이 Bayesian의 Jefferey 사전분포에 쓰이고 있고 Bayesian에서 활발하게 Fisher의 철학이 쓰이고 있다고 하네요..ㅋㅋㅋㅋ

 

통계학의 두 거장의 관점 차이를 한 가지로 말씀드리자면 

Fisher는 Individual Causal Effect에 대해서 신경을 쓴 반면에 Neyman은 Average Causal Effect에 신경을 썼습니다.

 

여기서 Fisher는 missing value를 채워넣습니다. 어떻게 넣냐? Treatment를 받았을 때와 받지 않았을 때의 결과의 차이는 없다고 한 상태에서 만든 분포를 통해 Exact p-value를 구하여 가설검정을 진행합니다. 귀무가설은 개개인마다 차이가 없다고 가정을 하는데요. 이것이 저희가 설정한 유의수준을 넘어가지 않으면 귀무가설을 기각할 수 없다고 판단을 하여 개개인마다 차이가 없다고 할 수 있다라고 결론을 내립니다.

 

반면에 Neyman은 missing value의 존재를 인정하고 Treatment group과 Control group의 평균 차이를 통해 추정합니다.

Neyman은 당연하게도 Exact p-value는 구할 수 없기에 asymptotic하게 접근을 하는데요. 이때 Finite population Central Limit Theorem을 사용합니다. 이를 통해 정규분포로 근사시켜 가설검정을 진행할 수도 있고 신뢰구간을 만들어서 True parameter가 우리의 신뢰구간에 포함이 되는지 확인할 수도 있습니다. 

 

슬라이드 내용은 아래와 같습니다. 

 

 

pdf