econometrics를 배운 적이 없는 인문사회 대학원생인데 아무래도 학위논문은 quasi experimental design를 사용하여 써야 할 것 같습니다.
늦은 감이 있으나, econ 학부나 석, 박사 과정에서 제공되는 econometrics 수업을 들어야 될 것 같아요. 그런데 제가 수학적 지식이라고는 고등학교 때 배웠던 수1 정도가 전부에요. 그나마도 요즘은 가물가물하네요... 이 상태로는 econ의 econometrics 수업을 듣는다고 해도 못 알아 들을 것 같아요.
그래서 학부 수준의 수학 기초부터 다시 다지려고 하는데 미국에서는 어떤 교재가 주로 쓰이나요? 한국 교재도 상관 없어요! 잘 아시는 분은 혼자 독학할 수 있는 (기초부터라면 더 좋아요!) 수학 교재나 동영상 강의 등등 추천 부탁드립니다~ (학부 기초 수업에 가보니까 수1 극한을 배우더라구요. 요건 대충 알아듣긴 했어요.) 목표는 학부 junior, senior레벨 econometrics 수업을 들어도 무리가 없는 수준이 되고 싶어요~ 궁극적으로는 석,박사 수준의 econometrics를 따라 갈 수 있는 sequence 가 있는 수학 교재 추천도 줗구요~
(절대 econ을 쉽게 보는 것은 아니구요~ 제가 아무리 한다 해도 econ분들을 따라가기는 어렵겠죠... )
아시는 분은 부탁드리겠습니다~
얼마예요님 댓글 감사합니다. 제가 살짝 보니 한국 고등학교 수학에서 나오는 부분도 있고 안 나오는 부분도 있어서 혹시나 총괄적으로? 접근이 가능한 방법이 있을까해서 여쭈어 봤어요. 역시 한국 고등학교 수1 정도는 가볍게라도 복습해야 겠네요.
학부 산공 -> 정책/사회과학쪽으로 박사하시는 제 spouse는 이 댓글을 추천하고 계십니다. 근데 본인도 아직 잘 모른다고...
bn님 댓글 감사합니다. 제 친구도 공대에서 정책쪽으로 넘어왔는데 본인도 잘 모르겠다고 (아마 영원히 잘 모를 것 같다고 ㅋㅋ) 똑같이 말했어요!
Linear Algebra 모르면 수식도출하는걸 전혀 이해할수 없으니 꼭 필요해요... 기본 stat 지식 특히 regression 은 꼭 필요하구요.
거기다 real analysis까지 들으면 나중에 증명하는 걸 이해하는데 도움이 많이 될거에요
스시러버님 댓글 감사합니다. 저희 분야에서 하는 regression 수업은 들었는데 정말 수식 도출은 1도 안 다뤘었거든요. 수식을 보고 이해하는 수준이라도 된다면 저는 만족합니다. 그런 의미에서 Linear Algebra는 필수인가 보군요!
늘벗님 댓글 감사합니다. 이 부분이 저에게 매우 어려운 부분이에요. 저희 분야에서는 사실상 수식을 다루지 않는데 이렇다 보니 뭔가 중간에 하다가 만 느낌이라서 이왕 하는 김에 대학원 수준 계량 경제학까지 들어보고 싶었거든요. Linear Algebra와 Mathematical statistics 는 수업을 듣든, 아님 독학을 하든 간에 일단 살펴보겠습니다. 마침 mit에서 하는 강의도 있네요. 시간 상으로 다 들을 수는 없겠지만, 개념이라도 잡고 가는 것으로 목표를 삼아야 겠어요.
아마 학부 수준에서는 matrix algebra의 기본을 좀 아시면 좋을테고 쉽게 가르치는 강사를 만나면 그마저도 안쓸수도 있습니다. 대학교에서 통계학을 배운적이 없으시다면 law of iterated expectation, central limit theorem, sampling distribution, p-value 같은 개념을 이해 못해서 헤멜 확률이 더 높습니다.
박사과정으로 가자면 이야기가 많이 달라지는데요... 가장 스탠다드한 박사 커리큘럼의 econometrics 첫 과목은 사실 통계학입니다. semester학기제에서는 아마 두번째 과목 정도에서 원하시는 regression analysis를 본격적으로 다룰겁니다. 그래서 첫번째 시퀀스만 들으면 별로 쓸모가 없고 두번째 시퀀스만 들으면 이해하기가 어렵습니다.
quasi experimental design이라는 용어를 사용하시는 것을 보니 mostly harmless econometrics 정도의 책을 추천할 수 있겠습니다만, 아마 이 정도는 이미 읽어보셨을 것 같네요.
엣셋트라님 댓글 감사합니다. social science 쪽에 기웃기웃거려 보니 matrix algebra 속성 코스라고 해서 최소한으로 가르쳐 주는 것 같았어요. 저희 분야에서 제공되는 통계학은 엣셋트라님께서 말씀하신 기초 통계 개념부터 시작하는데 이것조차도 사실 제대로 이해하자면 끝이 없는 것 같아요. mostly harmless econometrics 는 추천을 많이 받았는데 이번 기회에 꼭 읽어볼게요!
저도 기초 다지는 거 반대입니다.
원생이실 텐데 별로 시간 없을 겁니다 (그럴 시간 있다고 생각하겠지만 오산입니다.)
게다가 관련 전공자도 아니고 테크닉이 필요한 건데 굳이 기초부터 배울 필요 없다고 생각해요.
기본적으로 위에 히든고수님 의견에 동의하지만 굳이 수업을 꼭 들으셔야 한다면 학교 내에 있는 Industrial Engineering에 가셔서 학부나 대학원 수업에 있는 design of experiment 수업을 들으세요.
어차피 linear regression과 ANOVA 정도 이해하면 factorial design 수준의 experimental design은 크게 어렵지 않은데 산공과 실험 계획 수업에서 그 모든 것을 한 번에 다룹니다.
열심히 해서 한 학기에 수업 듣는 거 끝내고 본인한테 필요한 거 집중적으로 파서 논문에 시간 더 쓰시길.
사회과학에서 쓰는 quasi experimental design랑 공학에서 쓰는 experimental design은 그 컨셉부터 상당히 다릅니다.
그런 것 같아요. 굳이 따지자면 공학에서 말하는 experimental design은 저희 분야에서 말하는 RCT와 유사한 분야인 것 같아요.
산공에서 배우는 것과는 살짝 느낌이 달라서 좀 많이 고생을 하셔야 할겁니다. 찾아서 들으려면 산공족의 산업 통계 쪽 수업 들으시면 될 것 같아요. 산공에서 겉부분은 커버는 하는데 제대로 가르키기엔 시간이 부족하고 어려워서 가르키는 교수도 학생도 그냥 놓아버리는 영역이라고 합니다.
아 첨언으로 박사레벨에서 기초를 제대로 하지 않으신게 지도교수님께 들키면 졸업장에 사인은 커녕 모가지가 남아나지 않을 것이다는 의견을 추가하겠습니다.
선택의 문제가 아닐까 싶습니다.
제가 그 분야를 잘 몰라서 통계학이 얼마나 쓰이는지는 짐작하지 어렵지만 해당 분야에서 거의 모든 논문에 두루 널리 쓰인다 ... 라면 당연히 기초부터 파는 게 맞겠죠.
졸업이 문제가 아니라 졸업해서도 통계를 쓸 거 같다면 기초부터 다지는 것이 당연히 바른 선택입니다.
다만 논문 하나 정도 때문에 필요 이상으로 기초부터 다진다면 시간이 너무 많이 들어갈 수도 있으니 그런 부분에 유의를 해야겠다는 정도로 받으들이시면 될 것 같아요.
그리고 quasi-experimental design은 찾아보니 conventional 실험계획과 조금 다르기는 하네요.
오늘도 하나 배워 갑니다.
역시 마모는 훌륭한 곳이네요 (ㅎㅎㅎ)
산공쪽의 산업 통계는 새로운 영역이네요. 흠...
A.J.님 댓글 감사드립니다. '시간 있다고 생각하겠지만 오산입니다.' 부분에서 심장이 쫄깃해지네요. 지당하신 말씀이에요. 흑. 저희 분야에서는 사실상 experimental design이 어려운 분야라서 산공과 실험 계획 수업은 무리이겠지만 ㅠㅜ '본인한테 필요한 거 집중적으로 파서 논문에 시간 더 쓰라는' 말씀은 안고 갈게요.
학부 수준 econometrics는 보통 pre-req 경제학 빼고는 없지 않나요? 통계 정도는 들어두시면 유용할 거 같긴 한데, 사회과학 하셨으면 통계 응용 쪽은 어느 정도 아실 테니 그냥 들으셔도 문제 없지 않을까 싶어요.
Maxwell님 댓글 감사합니다. 제가 저희 분야에서 쓰는 통계 응용은 SEM 정도까지 수업을 들었는데 수식 같은 건 1도 안 쓰고 하다 보니, 석사 수준 econometrics 수업은 아예 엄두를 못 내겠더라구요. 물론 저희 분야에서는 수식 도출 보다는 전체 개념을 잡고 가는게 중요하긴 한데 이렇게 하다 보니 뭐랄까 quasi experimental 쪽으로 한계가 느껴지기도 하구요.
티라미수님, 댓글 감사합니다. 맞아요. 지수 로그 같은 것도 가물가물하고 해서 전체적으로 개념을 잡고 가야겠다는 생각이 절실히 들었어요. 학부 경제학과에서 하는 수업과 대학원 방법론 수업 (비경제학과 대학원 수업)이라... 아 저희 학과에서 제공하는 대학원 방법론 수업으로 부족하다는 생각이 들어서 경제학과 수업을 더 들어볼까 생각이 들었거든요. 뭔가 더 rigorous 하게 접근할 수 있지 않을까 해서요. 그런데 이게 생각보다 각 학문 영역에서 추구하는 목표가 다르다 보니, 비경제학과 대학원 수업 중에서 quasi를 많이 쓰고, 비교적 rigorous?하게 접근하는 학과의 수업을 듣는게 나을 수도 있겠네요.
경제학전공자입니다. 경제학과 Econometrics 수업은 원하시는 내용을 적확하게 커버하지 않을 가능성이 높습니다. 대학원 계량에서는 보통 estimation과 inference 방법에 특징들을 수학적으로 공부합니다. 예를 들어 단순한 OLS(Ordinary Least Squares)를 공부한다 하더라도, 데이터를 넣고 회귀분석을 돌려보는 게 아니라, 이 추정방법이 가지는 mathematical properties, large sample일 때 가지는 properties, 필요한 가정을 수정하거나 완화했을 때 생기는 문제점을 수학적으로 도출하고 증명하는 데 시간을 많이 씁니다. 티라미수님 말씀처럼 방법론 수업을 듣는 게 당장의 논문 결과를 분석하는데는 도움이 훨씬 많이 될 것 같습니다.
그럼에도 불구하고 수학 기초부터 경제학과 석사 수준의 계량 지식을 쌓길 원하신다면, Probability theory와 Linear algebra를 배우시면 좋을 것 같습니다. Mood et al.의 Introduction to the Theory of Statistics 책 (오래됐는데, 아직도 사랑받을 만큼 좋은 책입니다) 과 Strang의 linear algebra 책을 추천합니다.
캄다운님 댓글 감사합니다. econ분야에서 하는 econometrics 수업은 키포인트가 저희 분야와는 차이가 있네요. 물론 econ에서 다루는 내용을 기초부터 배워서 응용한다면 큰 도움이 되겠지만, 시간은 한정되어 있으니, 사회과학 분야의 방법론 수업에 우선 집중하라는 캄다운님이나 티라미수님의 조언도 지당하다고 생각해요. 저희 분야에서 Quasi experimental design을 이용해서 주요 RQ을 해결하신 분들의 대부분이 사실 econ 출신들이셔서 저도 결국은 대학원 수준의 econometrics를 해야 하는 것이 아닌가 고민했던 것이거든요. 시간 상 얼마나 깊이 파고 들 수 있을지는 모르겠지만, 추천해주신 책들부터 살펴보겠습니다.
저도 Social Science 박사과정중이고 방법론 자체에도 관심이 많습니다. 지도 교수님도, 커미티 멤버도 모두 economist들이구요. 박사과정 하면서 수학이랑 방법론에 참 많은 시간을 쏟고 꾸역꾸역 해와서 어려움을 잘 알거 같습니다.
(어쩌면) 학부 수준의 수학 자체를 다시 본다고 해서, 시간대비 효과로 큰 도움이 되지 않을 수 있습니다. 물론 알면 더 좋겠지만요. 위의 댓글 중에 몇몇분이 말씀하시는 experiment와 social science (특히 economist 들이 얘기하는)에서 얘기하는 quasi-experiment는 컨셉 자체가 다릅니다.
수학도 중요하겠지만 quasi-experiment 를 염두해 두신다면 quasi-experiment를 이용한 "리서치 디자인"이 나오는 스터디가 어떤건지 컨셉 자체를 먼저 잡기를 권해드립니다. 아무리 수학/econometrics 지식이 많더라도 리서치 디자인이 나올 수 있는 상황/컨셉을 이해하는건 또 전혀 다른 이야기이니깐요. 위에 캄다운님 말씀처럼 경제학과 econometrics 수업은 또 다른 세계고 (물론 알면 좋지만) 이해하는데 시간대비 효율이 별로 좋지 못합니다. 아시겠지만, Mostly harmless econometrics (이게 책은 우스워 보여도 잘 안읽히는 책이라, 잘 안읽힌다면 좀 쉽게 씌여진 Mastering metrics) 랑 Natural experiments in the social sciences 라는 책을 여러번 보시는걸 추천합니다. 여기서 하는 얘기가 좀 익숙해지신다면 경제학과 석사/박사 수준의 Micro-econometrics 수업을 들으시면 되겠습니다. (수강이 좀 부담되면 청강으로라도요.) 아마도 정책 or program evaluation 쪽으로 quasi-experiment를 이용하시려고 한다면, difference-in-difference(DD/DDD)랑 Regression discontinuity(RD)를 잘 이해해두시면 좋을거 같습니다.
정 수학 자체가 걱정이시라면, 학부 수준의 linear algebra와 probability (or mathematical statistics)를 보시면 될거 같습니다.
유투브에 좋은 강의들이 올라와있습니다.
우선 probability 는 https://www.youtube.com/playlist?list=PL2SOU6wwxB0uwwH80KTQ6ht66KWxbzTIo
linear algebra 는 https://www.youtube.com/playlist?list=PLE7DDD91010BC51F8
를 보시면 되겠습니다.
그리고, 이건 좀 짧게 짧게 컨셉을 잡아주는 강의이긴 한데, 저는 정리용으로 괜찮았습니다.
https://www.youtube.com/playlist?list=PLwJRxp3blEvaxmHgI2iOzNP6KGLSyd4dz
1-53강 까지는 matrix algebra로 econometrics 기본 컨셉을 설명한거고
54강 이후부터는 경제학에서 얘기하는 causality를 설명했습니다. 우선 causality 컨셉이 먼저고/그리고 가장 핵심 포인트고, 그 이후에 quasi-experiment (DD, DDD, RD, IV) 를 공부하는게 순서이니, 이걸 보는 것도 괜찮을거 같습니다.
같은 사람이 강의 한 것 중에 학부수준의 econometrics를 정리한것도 있는데 (저는 보지 않았지만) 괜찮을거 같습니다. Econometrics가 부담이 된다면 위의 강의를 보기 전에 보는것도 나쁘지 않을듯 합니다.
https://www.youtube.com/playlist?list=PLwJRxp3blEvZyQBTTOMFRP_TDaSdly3gU
https://www.youtube.com/playlist?list=PLwJRxp3blEvb7P-7po9AxuBwquPv75LjU
제가 공부를 다시한다면, 시간대비 효율을 생각할 때,
위 강의 중에서 우선 54강 이후 causality 컨셉을 먼저 익히고, 그 다음 DD랑 RD공부를 하고 (mostly harmless econometrics에서 causality 부분 읽고, DD, RD순으로), 그 다음 IV를 보는데 이게 쉽지는 않으니 Wooldridge 책(Introductry Econometrics)에서 IV 한번 읽고 다시 mostly harmliess econometrics에서 IV 부분을 읽을거 같습니다. 그리고 군데군데 이해 안가는 부분은 다른 책이나 위의 강의 리스트 중에서 채워나가야죠. 수학을 "처음부터" 한다는 생각은 너무 시간도 오래 걸리고 지겨울거 같습니다. 만약에 econometrics를 아직 한번도 제대로 보신적이 없다면, Wooldridge 책 1-9 장까지 먼저 보셔야할겁니다.
또하나 중요한건, 저 내용 보는데도 시간이 좀 걸리겠지만, 가능한 빨리 실제 데이타셋 가지고 어떻게 소프트웨어 패키지를 갖고 돌릴지도 고민해보셔야 할것 같습니다. 방법론 공부와 실제 데이타를 갖고서 돌리는 건 또 다른 얘기니깐요.
어쨌든 수학 자체보다는 Econometrics와 quasi-experiment 의 컨셉을 단단히 잘 잡고 가시기를 권해드립니다. Econometrics를 좀 공부했다고 깝치는(?) 미국 애들 중에서도, OLS가 결국은 mean value 를 보여준다는 것조차 모르는 애들도 많다는 사실에 가끔씩 놀라곤 합니다.
cray님 댓글 감사합니다. 특히 '시간대비효율'을 고려한 가이드라인이 저 뿐만 아니라 비슷한 처지에 있는 대학원생들에게 큰 도움이 될 것 같습니다. 이번 방학 때에는 quasi experimental design의 기본 컨셉 이해에 중점을 두고 공부하고, 실제 데이터셋을 소프트웨어로 어떻게 돌릴 것인가도 함께 고민해 보겠습니다. 감사합니다.
정 반대의 케이스로 학부 때 수학을 전공했고 Probabilistic Models나 Statistical Inference, 관련 분야인 Machine Learning등에서 연구해온 사람이 Econometrics의 Causality방법론을 익히고 이를 Social Science 리써치에 효과적으로 사용하기 위해서는 어떤 방법으로 공부하는게 좋을까요.
이미 수학이 준비되있으니, 컨셉 잡는게 좋지 않을까요? 위에서 말씀드린 강의 https://www.youtube.com/playlist?list=PLwJRxp3blEvaxmHgI2iOzNP6KGLSyd4dz
(근데 저양반이 영국 사람이라..저는 알아듣는데 발음이.... ㅠㅠ) 여기서 54강 이후부터 끝가지 보시고 Mastering Matics나 Mostly harmless econometrics를 보시기를 권합니다. 전혀 들은 풍월 없이 책부터 보면 좀 힘듭니다. 참, 이건 제가 구글질로 우연히 찾아둔건데, 스테레오타입인진 모르지만, 역시 아시안은 정리를 잘해요. https://causaldatalab.wordpress.com/2017/02/24/causal-inference-and-big-data-spring-2017 대만 양반인거 같은데, 캐나다에서 경제학 전공을했더군요. 강의 노트 정리가 정말 잘되어있습니다. 책이랑 같이 보시면 될거같습니다. 책 어지간히 보시고나면, AEA Contiuing Education에서 Anglist (Mostly harmless econometrics 저자)강의 좀 들어보는 것도 좋습니다. https://www.aeaweb.org/conference/cont-ed/2017-webcasts 이거랑 https://www.aeaweb.org/webcasts/2014/conted.php 정도요. 이 양반들이 어쨌든 젤 유명하고 엣지에 있는 양반들이니 들어보시는걸 추천합니다.
ㅋ 수학 전공하셨다니 부럽습니다. 저는 미국와서 박사하면서 linear algbra부터 시작했는데 ㅠㅠ
저도 통계학과랑 시스템 엔지니어링까지 가서 Bayesian, Statistical learning 등등 들어봤는데, 전혀 다른 세계고, 적어도 저한테는 intuitive 하지 않아서 다시 Micro-econometrics 로 돌아온 케이스입니다. 그래서 아직까지 졸업을 못 ㅠㅠ
자세한 안내 감사드립니다. 말씀하신 Bayesian / Statistical Learning같은 것이 제 전공 연구분야인데, 기존에 주로 다루던 i.i.d. 데이터들외에 점점 observational한 data들을 다뤄보고 싶어져서 Causal Inference로 연구방향을 확장하려는 중에 이 글을 보게 되었습니다. 경제학 과목은 Game Theory외에 배워본 것이 없어 쉽지 않겠지만, 다가오는 데드라인을 잘 넘기면 천천히 살펴보겠습니다. 감사합니다!
제가 너무 노땅 티를 내는거 아닌지 모르겠습니다만,
어지간한 학부 수학은 필요하시다면 한국책 수학정석 수II 로 개념 잡으시고,
그냥 quasi experimental design 쪽을 치중 하시는게 나으실것 같습니다.
어차피 이해를 위한 수학은 그렇게 크지 않습니다.
보통 실험 디자인을 위해서 수학이 필요 한거지 이미 디자인이 다 끝난 상태에서는 수학의 이해 보다는 적용이 더 필요 하지 않을까 싶습니다.
마모에 많은 박사님들이 계시겠지만 수학/경제 석사생의 경험을 공유합니다. 일단 quasi experimental design 은 제가 석사공부하면서 들어본 적 조차 없을 정도로 생소합니다ㅎㅎ 아마 수학과 박사레벨정도되는 Experimental design 들었다면... 나왔을라나요.. 일단 quasi experimental design 구글링을 해도 경제학과쪽 소스로 렉쳐노트나 핸드아웃이 나오는 건 거의 없네요. 저 역시도 적적적님이 대학원생이라 시간도 부족하실텐데 처음부터 Econometrics를 다 공부하시겠다는건 욕심이라고 생각합니다. 물론 교수님들이 Econometrics를 잘하시니까 quasi experimental design 에서도 뭔가 이해나 직관이 좋으실 순 있지만, 그렇다고 Econometrics를 잘 알면 quasi experimental design 를 잘 할 것이라는 것도 아니라고 생각되네요. (비전문가적입장입니다)
일단 석사수준에서 Econometrics와 관련된 수학관련 과목들은 Math Stat, Analysis, Linear Algebra, Calculus 정도인 것 같습니다. Math Stat에서는 probabilities나 distribution, convergence, consistency, sufficiency, completeness, asymptotic 정도 배우는 것 같은데요, 이 개념들은 우리가 Econometrics에서는 이런게 있으니까 모델이 이 것을 만족하는걸 보여라 하는 정도입니다. Math Stat에서는 이런게 더 수학적이고 일반적이게 어떤 개념인지 정리하고 증명하는 쪽입니다.. 그래서 Analysis가 필요하구요.. 그렇다고 또 엄청 많이 쓰는건 아닙니다.... Linear Algebra는 Matrix때문에 배워야하는데 생각보다 어렵지 않으실 겁니다. 보통 multiple equation을 많이 쓰니까 그게 결국 matrix로 표현되는거라... Econometrics에서는 거의 필수죠. 그리고 Matrix properties이용해서 증명도 꽤 합니다. 그냥 Calculus는 기본 중의 기본이구요. 필요하신 부분만 쏙쏙쏙 찾아서 수학적 개념 보시고 Econometrics에서도 쏙쏙 골라보시는 수준이면 충분하지 않을까 합니다...
댓글을 통해 이미 여러분들께서 짐작을 하셨겠지만, "quasi" experiment라는 말을 쓰는 학문들 자체가 외부효과가 배제된 깔끔한 실험 실행을 할 수 없는 혼탁한(?) real world data를 다루는 학문들이라서요. 실제사회의 흐름이나 인간의 삶을 실험할 수는 없기 때문에 기타 변수의 효과를 배제한 관심 변수의 효과를 보겠다고 공을 들이고 들여서 나름 인과관계를 정립하기 위한 노력입니다. 즉, experimental design 수업을 제대로 듣는 전공자일수록 quasi experiment 쪽을 고민할 필요가 없죠. 위에도 언급됐듯이 Woolbridge나 Green 정도 이해하는 수준이라면 수학과/통계학과 수준으로 수식에 해박할 필요는 굳이 없는거죠. 수식에 대한 증빙은 그쪽 분들께서 깊이 파시고, 혼탁한 세상 공부하는 자들은 순수한 가정 하에서 도출된 공식을 어떻게 혼탁한 세상에 적용해야 본래의 가정이 충족되지 않는 혼탁한 세상을 설명할 수 있는건가를 계속 고민하는 게 맞는거고요.
원글자분의 고민을 충분히 이해할 것 같아요. 개인적으로 저는 석사 때 나름 저를 영영 떠나가려던 수학을 붙들고 씨름도 좀 해보고 비록 학부지만 경제학과 가서 수업도 들어보고 econometrics 분야의 클래식한 책들 성경말씀 한장 한장 통독하듯이 정말 literally "Bible"처럼 여기며 소중하게 모셨던 기억이 있습니다. 박사하면서는 사실 전공 공부 따라가느라 그렇게까지 수학적인 분야에 한눈(?)을 팔진 못했는데요. 그래도 운좋게도 다른 과 박사수업들 몇 개 들으면서 causal inference 정말 제대로 하시는 methodologist 분들의 수업을 통해 다른 측면에서 정말 시야가 트였어요.
그렇지만 말씀하신대로 그분들이 수학적인 설명을 많이 해주시진 않으므로, 만약 석사 때 그렇게 고민했던 시간들이 없었다면 이해도도 다르고 갈증도 있었을 것 같긴합니다. 지금 어느 정도의 배경지식이 있고 어느 정도로 quasi experimental design을 신경써야하는 공부를 하시는지는 모르겠습니다만, 혹시라도 학부 수준의 econometrics, Woolbridge, Green 등이 매끄럽게 넘어가지 않는다면 박사과정 바쁘고 또 공부해도 나중에 까먹기도 하겠지만, 그래도 한번쯤은 차근차근 정독해보시는 거 추천드려요. 사전처럼 그냥 두고있으면 가끔 한번씩 손이 가는 내용들이예요. 그리고 본인의 research context에 따라 up-to-date한 research design도 계속 연마하셔야 할거고요. 아직 초기에 있으시다면 matching, instrumental variable, 조금 다르지만 Heckman selection 등의 장단점 보시고 본인이 공부하려는 컨텍스트에서 어떤 방법이 적용 가능한지 보시고 그 후에 각 방법의 세부방법의 example들 많이 파셔야할거예요 (정말 드물게 super macro한 연구를 하시는 분들은 실제 사회에 intervention을 하기도 합니다만 사회과학 연구자의 대부분이 이런 케이스는 아닐 거라고 가정하고 말씀드립니다).
굳이 돌이켜보면 저도 박사과정 중에 이런걸 누가 딱히 가이드해주진 않았던 것 같기도하네요. 상당히 trial and error를 통해 익혀진 면이 있는데, 조금이라도 효과적인 방법을 찾으셔서 논문 작성 수월하게 잘하시면 좋겠습니다!
댓글 [37]