Drawing Causal Inferences Using Propensity Score Methods in Educational Research|RISS 상세보기

국문 초록 (Abstract)

관찰자료를 사용하는 교육 프로그램 또는 정책의 효과성 연구에서 인과효과에 대한 추론에는 많은 난점이 있다. 그 주된 이유는 관찰 연구 혹은 준실험 연구에서 실험집단과 통제집단은 거의 모든 경우에 무선 할당되지 않고, 따라서 직접 비교 불가능하기 때문이다. Rubin의 인과모형은 인과적 효과를 규정하고 그에 따라 타당한 인과효과를 추론하기 위해 충족시켜야 하는 가정들을 명확히 하기 위한 중요한 개념적 틀을 제공한다. 또한 이러한 인과모형에 따른 성향점수(propensity score)를 활용한 인과효과 추정방법(Rosenbaum & Rubin, 1983a)은 관찰자료 및 준실험 자료를 이용한 인과효과 추정연구에서 중요한 도구로 활용될 수 있다. 본 연구는 Rubin의 인과모형과 성향점수를 활용한 다양한 인과적 효과의 추정 방법을 소개하고, 이러한 연구방법을 교육평가 연구에 적용하기 위해 고려해야할 중요한 쟁점들에 대해 논의하기 위한 목적으로 수행되었다. 미국의 한 통합 교육구에서 실시된 Early Academic Outreach Program (EAOP)의 효과를 예시적 목적에서 분석하였다.

번역하기

관찰자료를 사용하는 교육 프로그램 또는 정책의 효과성 연구에서 인과효과에 대한 추론에는 많은 난점이 있다. 그 주된 이유는 관찰 연구 혹은 준실험 연구에서 실험집단과 통제...

다국어 초록 (Multilingual Abstract)

In estimating the effect of an educational program or policy using observational data, drawing causal inferences is challenging because the treatment and control groups in such studies are almost always not directly comparable. Rubin’s causal model provides a valuable conceptual framework for defining causal effects and clarifying the assumptions that must be met in order to draw sound causal inferences. In conjunction with this framework, propensity score methodology (Rosenbaum & Rubin, 1983a) provides an important tool in efforts to estimate causal effects when working with observational or quasiexperimental data. Propensity score approaches provide the basis for forming comparable subgroups given the estimated probability of being assigned to treatment. The purpose of this paper is to introduce Rubin’s causal model (RCM) and various propensity score methods for estimation of causal effects in educational program evaluation, and to provide detailed discussion of the critical issues that should be considered when implementing these methods in educational settings. Data from the Early Academic Outreach Program (EAOP), which was implemented in a large U.S. school district, are used for illustrative purposes.

번역하기

목차 (Table of Contents)

Ⅰ. Introduction
Ⅱ. Rubin’s Causal Model
Ⅲ. Propensity Scores and Causal Effects without Randomization
Ⅳ. Use of Propensity Scores for Causal Inference
Ⅴ. An Illustration
Ⅵ. Discussion: Issues for Education Research
References
저자소개
〈요약〉

Ⅰ. Introduction
Ⅱ. Rubin’s Causal Model
Ⅲ. Propensity Scores and Causal Effects without Randomization
Ⅳ. Use of Propensity Scores for Causal Inference
Ⅴ. An Illustration
Ⅵ. Discussion: Issues for Education Research
References
저자소개
〈요약〉

참고문헌 (Reference)

1 Rubin,D.B., "Using propensity score to help design observational studies: Application to the tobacco litigation" 2 : 169-188, 2001

2 Zanutto, E., "Using propensity score subclassification for multiple treatment doses to evaluate a national antidrug media campaign" 30 : 59-73, 2005

3 D'Agostino,R.B., "Tutorial in biostatistics: Propensity score methods for bias reduction in the comparison of a treatment to a non-randomized control group" 17 : 2265-2281, 1998

4 Seltzer,M., "The use of hierarchical models in analyzing data from experiments and quasi?experiments conducted in field settings in:The handbook of quantitative methodology for the social sciences" Sage publications 259-280, 2004

5 Imbens,G., "The role of the propensity score in estimating dose" 83 : 706-710, 2000

6 Hirano, K., "The propensity score with continuous treatment in:Applied Bayesian modeling and causal inference from incomplete?data perspectives" Wiley 73-84, 2004

7 Winship, C., "The estimation of causal effects from observational data" 25 : 659-707, 1999

8 Rosenbaum, P. R., "The central role of the propensity score in observational studies for causal effects" 70 : 41-55, 1983

9 Rubin,D.B., "Teaching statistical inference for causal effects in experiments and observational studies" 29 : 343-367, 2004

10 Seltzer, M., "Studying the sensitivity of inference to possible unmeasured confounding variables in multisite evaluations" Center for the Study of Evaluation 2006