Econometrics phd level

Easy Econometrics (Korean Lecture Series) — Router

이 skill은 한국어 12편 강의 시리즈 '수학없는 쉬운 계량경제학'(2026년 3월 11일 ~ 4월 29일)의 분석·요약·재설명을 돕는 Progressive Disclosure 라우터다. 본문은 의사결정 트리이며, 실제 정의·식·STATA 코드·강의자 비유의 본문은 모두 references/*.md 에 위임한다. Claude는 사용자의 질문 키워드에서 가장 가까운 references 파일 1~3개를 골라 그 파일만 읽고 답해야 한다.

When to Use

다음 중 하나라도 해당하면 이 skill 을 호출하라.

1. 사용자가 이 시리즈의 특정 회차(260311, 260313, 260316, 260318, 260323, 260401, 260408, 260410, 260414, 260415, 260420, 260429) 또는 그 강의에서 다룬 주제를 언급할 때.
2. 시리즈에 등장한 표준 데이터셋(auto.dta, card.dta, R_data9_1.dta, R2.dta, grunfeld.dta, mus207mepspresdrugs, RD.dta, panelf3.dta, nlswork.dta)을 언급할 때.
3. 다음 토픽 키워드가 등장할 때: 회귀분석, 단순/다중회귀, OLS, argmin Σε², 행렬 닫힌형, 상수항/noconstant, 외생성/직교, 표준오차/t값/p값/신뢰구간, R², 다중공선성/풀랭크, 더미변수/트랩, 상호작용/교차항, 패널/고정효과/xtreg/vce(robust), 도구변수/IV/2SLS/GMM, DiD/이중차분/사전평행추세/이벤트 스터디, RD/회귀단절/cutoff/placebo, 다항식/로그/DGP/탄성, MLE/최우추정/로짓/프로빗, LPM.
4. 사용자가 강의자 비유(맛 비유, 단물, 강북-강남, 마티즈/에쿠스, '아쉽게/재수 좋게', 찌그러진 동전, 3인방)나 호명한 학자(David Card, David Lee, Card-Krueger, Cameron & Trivedi, KCTDI 매뉴얼)를 언급할 때.
5. 사용자가 시리즈 전체의 페다고지 패턴, 누적 흐름, 강의자 화법, 흔한 오해 카탈로그를 묻거나, 한 회차의 narrative 요약을 요청할 때.

이 skill 은 한국어 강의 도메인에 특화된 라우터다. 일반적인 영어 계량 질문(예: 'how to run feols in R')은 이 skill 보다 r-econometrics 또는 regression-modeling skill 이 더 적합하다.

Topic Index

references/ 디렉터리의 15개 파일. 각 파일은 1500~2500단어이며 첫 문단이 한 문장 정의로 시작한다.

• references/regression-basics-and-ovb.md — 회귀분석의 좌표 직관, 산점도, 단순회귀와 다중회귀, mpg-price 부호 반전을 통한 누락변수 편향(OVB) 메커니즘, auto.dta 표준 시연. 시리즈 진입점.
• references/correlation-vs-causation.md — 시리즈 전체의 메타 메시지 '상관 ≠ 인과'. KCTDI 매뉴얼의 내생성 4분류(OVB·역인과·측정오류·선택편향), David Card 호명, 인과 ⊂ 상관 다이어그램.
• references/ols-mechanics-and-matrix-form.md — β̂=argmin Σε² 정의식과 행렬 닫힌형 β̂=(X'X)⁻¹X'y, n=3 가상 DGP 손계산, STATA·Python·Microsoft Mathematics 멀티-도구 일치 검증, 표본 직교 X'ê=0으로부터의 자기완결적 도출.
• references/intercept-and-noconstant.md — 상수항 β₀를 '항상 1인 보이지 않는 설명변수'로 재정의, _cons의 기하학, STATA noconstant 옵션이 mpg 계수 부호를 -238.89→+253.63으로 반전시키는 시연.
• references/exogeneity-assumption-hierarchy.md — 외생성/직교성 가정의 3단계 위계(독립 ⊃ 평균조건부 독립 ⊃ 직교), 단물 비유, 패널의 Strict Exogeneity 강화, 강의자 자기교정('독립 → 직교') 패턴, 가정은 약할수록 좋다는 메타 명제.
• references/inference-se-t-p-ci.md — 회귀계수의 표본분포 직관, SE·t값·신뢰구간(0 포함 여부), p값='임계 유의수준' 통찰, set level 시연, '유의(有意)' 어원, R²·F·N의 직관적 해석.
• references/multicollinearity-and-rank.md — card.dta의 age=6+exper+educ 항등식으로 완전 다중공선성, STATA omit 메시지, near multicollinearity의 SE 폭증, '단맛을 두고 두 X가 싸운다'는 맛 비유, 3D 회귀평면 인터랙티브 시각화.
• references/dummy-variables-and-trap.md — 0/1 더미 인코딩, k-1 원칙, 더미변수 트랩, R_data9_1.dta 인종 더미의 평행선 회귀(같은 기울기·다른 절편), OVB 시연(D2 계수 -0.17→-0.09).
• references/interaction-terms.md — 더미×연속변수 곱항으로 두 집단의 절편차+기울기차를 분리, 더미값 0/1 대입 산술, 인종 부채꼴 그래프, STATA 4가지 동치 표기(수동 곱 / i.race#c.ttl_exp / i.race##c.ttl_exp / xi:), 기준범주 변경의 거울 대칭.
• references/panel-data-and-fixed-effects.md — i×t 패널 구조, grunfeld.dta xtset, LSDV(reg i.company)와 within(xtreg fe)의 슬로프 동치성, sigma_u/sigma_e/rho 분산 분해, 샌드위치 분산행렬과 vce(robust), 양방향 고정효과(TWFE).
• references/iv-2sls-gmm.md — 도구변수 Z의 두 조건(연관성·외생성), 2SLS의 '교육 핵' 추출, IV DAG, mus207mepspresdrugs로 OLS→단일 IV→over-identified 2SLS→GMM 4단계 위계, 약한 도구 진단, Cameron & Trivedi 정당화.
• references/did-difference-in-differences.md — Card-Krueger 최저임금 자연실험, 4셀 i×t 매트릭스, 잠재결과 프레임워크, 사전평행추세 가정, '3인방'(α_i + λ_t + β·교차항) 회귀식 산술 도출, 이벤트 스터디, 다항 t로의 확장, 연속 처치변수 DiD.
• references/rd-regression-discontinuity.md — cutoff 근처 국소 무작위화 가정, 장학금-수능 가상 사례, David Lee(2008) RD.dta 미국 하원 선거 replicate, t-1 placebo test, 4차 다항 RD, 비모수 RD(WLS+대역폭 h의 편의-분산 상충관계).
• references/functional-forms-polynomial-log.md — 다항식 차수='굽은 횟수+1', log/log-log 모형의 탄성·반탄성 해석, cubic/quartic DGP 시뮬레이션 진짜 vs OLS 추정 비교, x³ 누락에 의한 OVB 시연, '쓸데없는 파라미터'와 overfitting.
• references/mle-logit-probit-gmm.md — OLS 너머의 추정법. 찌그러진 동전 비유로 MLE 역발상, 베르누이 PMF 압축표기, 로그우도함수 도출, F 함수형 선택(로지스틱 CDF=로짓, 정규 CDF=프로빗), LPM vs Logit S자 곡선, STATA mylogit ml 사용자 정의, GMM이 OLS 적률조건의 일반화임.

Decision Tree

사용자 질문의 트리거 키워드 → references 매핑. 가장 위쪽 규칙부터 순차 적용한다.

1. 회귀의 정의·산점도·OVB 도입

• 키워드: "회귀분석", "회귀", "regression", "산점도", "scatter", "단순회귀", "다중회귀", "누락변수", "OVB", "통제", "controlling for", "auto.dta", "mpg-price", "lfit"
• → regression-basics-and-ovb.md
• 추가로 OVB가 인과 해석을 막는다는 메타 메시지가 핵심이면 correlation-vs-causation.md 도 함께.

2. 상관 vs 인과·내생성 4분류

• 키워드: "상관", "인과", "correlation vs causation", "역인과", "reverse causality", "측정오류", "선택편향", "selection bias", "David Card", "KCTDI"
• → correlation-vs-causation.md
• 사용자가 "그럼 어떻게 해결?"이라고 후속 물으면 iv-2sls-gmm.md, did-difference-in-differences.md, rd-regression-discontinuity.md 중 맥락에 맞는 것으로 분기.

3. OLS 계산 메커니즘·행렬 표기

• 키워드: "OLS", "최소제곱", "argmin", "행렬", "(X'X)⁻¹X'y", "닫힌형", "DGP", "시뮬레이션", "SSR", "잔차제곱합", "Data Editor", "n=3 손계산"
• → ols-mechanics-and-matrix-form.md
• 사용자가 직교 X'ê=0의 의미를 추가로 물으면 exogeneity-assumption-hierarchy.md 도.

4. 절편·상수항·noconstant

• 키워드: "상수항", "절편", "intercept", "_cons", "noconstant", "nocons", "β₀", "베타0"
• → intercept-and-noconstant.md

5. 외생성·직교성·가정 위계

• 키워드: "외생성", "exogeneity", "직교", "orthogonality", "독립", "E[Xε]=0", "오차항 vs 잔차", "Strict Exogeneity", "엄격 외생성", "단물 비유"
• → exogeneity-assumption-hierarchy.md

6. 표준오차·t·p값·신뢰구간·R²

• 키워드: "SE", "표준오차", "t값", "p값", "p-value", "신뢰구간", "CI", "신뢰수준", "유의수준", "유의", "R²", "R-squared", "set level", "kdensity"
• → inference-se-t-p-ci.md

7. 다중공선성·풀랭크

• 키워드: "다중공선성", "multicollinearity", "collinearity", "풀랭크", "rank", "near multicollinearity", "VIF", "맛 비유", "회귀평면", "card.dta age educ exper"
• → multicollinearity-and-rank.md

8. 더미변수·트랩·평행선 회귀

• 키워드: "더미", "dummy", "더미변수 트랩", "기준범주", "범주형", "i.race", "k-1 원칙", "R_data9_1", "평행선 회귀"
• → dummy-variables-and-trap.md

9. 상호작용·교차항

• 키워드: "상호작용", "interaction", "교차항", "곱항", "i.race#c", "i.race##c", "##", "ib3.race", "xi:", "메인 효과", "기준범주 변경"
• → interaction-terms.md

10. 패널·고정효과·robust SE

• 키워드: "패널", "panel", "고정효과", "FE", "xtset", "xtreg", "within", "LSDV", "vce(robust)", "TWFE", "양방향 고정효과", "grunfeld", "sigma_u", "rho"
• → panel-data-and-fixed-effects.md

11. 도구변수·2SLS·GMM

• 키워드: "IV", "도구변수", "instrumental variable", "2SLS", "GMM", "ivregress", "exclusion restriction", "약한 도구", "weak instrument", "mus207", "nearc4", "Sargan", "교육 핵"
• → iv-2sls-gmm.md
• 강의자가 GMM을 적률조건의 일반화로 다룬 부분(260429)이 핵심이면 mle-logit-probit-gmm.md 도 함께.

12. DiD·이중차분·사전평행추세·이벤트 스터디

• 키워드: "DiD", "DID", "이중차분", "difference-in-differences", "사전평행추세", "parallel trends", "이벤트 스터디", "event study", "Card-Krueger", "최저임금", "잠재결과", "potential outcomes", "ATT", "3인방", "panelf3.dta"
• → did-difference-in-differences.md

13. RD·회귀단절설계·cutoff·placebo

• 키워드: "RD", "RDD", "회귀단절", "regression discontinuity", "cutoff", "임계값", "running variable", "Sharp RD", "Fuzzy RD", "placebo", "bandwidth", "대역폭", "rdrobust", "Lee 2008", "David Lee", "RD.dta"
• → rd-regression-discontinuity.md
• 4차 다항 회귀의 함수형 측면이 핵심이면 functional-forms-polynomial-log.md 도.

14. 함수형·다항식·로그·DGP

• 키워드: "함수형", "functional form", "다항식", "polynomial", "log", "log-log", "탄성", "elasticity", "cubic", "quartic", "ln_wage", "DGP", "overfitting", "차수"
• → functional-forms-polynomial-log.md

15. MLE·로짓·프로빗·LPM·GMM 일반화

• 키워드: "MLE", "최우추정", "maximum likelihood", "로짓", "logit", "프로빗", "probit", "LPM", "선형확률모형", "베르누이", "Bernoulli", "로그우도", "log-likelihood", "이산종속변수", "ml mylogit", "찌그러진 동전"
• → mle-logit-probit-gmm.md

16. 회차별 요약 요청

사용자가 "260311 회차 요약" 같은 식으로 회차를 직접 묻는 경우, 아래 Lecture Map 표를 참조해 그 회차에서 다룬 토픽 ID들에 해당하는 references 파일들을 모두 읽는다(보통 1~4개). 그리고 회차별 narrative arc(아래 Lecture Map)에 따라 시간순으로 응답을 구성한다.

17. 페다고지·화법·오해 카탈로그

• 키워드: "강의자 화법", "비유", "페다고지", "수업 패턴", "흔한 오해", "사이비 패턴"
• → 본 SKILL.md의 Lecturer's Pedagogical Style 섹션을 우선 사용. 구체 비유의 출처는 해당 토픽 references 로 fallback.

Prerequisites Graph

토픽 간 선행관계 DAG. 사용자가 후속 토픽을 물었는데 선행 토픽 이해가 부족해 보이면 prerequisite 토픽의 references 도 함께 로드한다.

regression-basics-and-ovb (root)
├── correlation-vs-causation
│   ├── iv-2sls-gmm
│   ├── did-difference-in-differences
│   └── rd-regression-discontinuity
├── ols-mechanics-and-matrix-form
│   ├── exogeneity-assumption-hierarchy
│   │   └── panel-data-and-fixed-effects
│   ├── inference-se-t-p-ci
│   ├── multicollinearity-and-rank
│   │   └── dummy-variables-and-trap
│   │       ├── interaction-terms
│   │       │   └── did-difference-in-differences
│   │       └── panel-data-and-fixed-effects
│   │           ├── iv-2sls-gmm
│   │           └── did-difference-in-differences
│   │               └── rd-regression-discontinuity
│   ├── functional-forms-polynomial-log
│   │   └── rd-regression-discontinuity (다항 RD)
│   └── mle-logit-probit-gmm
└── intercept-and-noconstant

핵심 위계:

• 모든 토픽의 root는 regression-basics-and-ovb.
• ols-mechanics는 추론·다중공선성·외생성 등 이론 가지의 공통 분기점.
• panel-data-and-fixed-effects는 IV·DiD·RD의 공통 선행(고정효과·robust SE 어휘를 모두 사용).
• mle-logit-probit-gmm은 시리즈 마지막 회차의 메타-챕터 전환점, OLS 계열을 모두 마치고 진입.

Lecture Map

12편 강의가 시간순으로 어떤 토픽을 다뤘는지. 사용자가 회차를 직접 물으면 이 표에서 토픽 ID를 찾아 references 파일을 골라 읽는다.

회차	topics_covered	한 줄 요약
260311	regression-basics-and-ovb, correlation-vs-causation, exogeneity-assumption-hierarchy	회귀분석의 직관에서 출발해 단순/다중회귀, OVB 메커니즘, 외생성/직교성 가정까지 — 시리즈 페다고지 골격을 도입한 첫 회차. auto.dta로 mpg-price 부호 반전 시연.
260313	intercept-and-noconstant, ols-mechanics-and-matrix-form, exogeneity-assumption-hierarchy, inference-se-t-p-ci	상수항 β₀와 noconstant로 절편의 의미 정착, n=3 가상 DGP 시뮬레이션과 멀티-도구 검증으로 OLS argmin Σε²과 행렬 닫힌형의 작동 원리 시연. (※ ASR loop로 후반 80% 결손)
260316	inference-se-t-p-ci, multicollinearity-and-rank, dummy-variables-and-trap, functional-forms-polynomial-log	p값='임계 유의수준' 통찰과 신뢰구간 0 포함 여부 판정 정착, card.dta 다중공선성·near multicollinearity, 더미변수 트랩 진입. set level 시연.
260318	multicollinearity-and-rank, exogeneity-assumption-hierarchy, dummy-variables-and-trap	맛 비유와 3D 회귀평면 시각화로 다중공선성 마무리, R_data9_1.dta 인종 더미로 평행선 회귀와 OVB(D2 -0.17→-0.09) 시연. (※ ASR loop 결손)
260323	dummy-variables-and-trap, interaction-terms	더미×연속변수 상호작용항 정식 도입 — 두 집단 회귀선의 절편차+기울기차 분리. 인종 부채꼴 그래프, STATA 4가지 동치 교차항 표기.
260401	interaction-terms, panel-data-and-fixed-effects, exogeneity-assumption-hierarchy, correlation-vs-causation	교차항 정착 후 패널/FE 챕터 진입. grunfeld로 LSDV vs xtreg fe 슬로프 동치성, vce(robust) 학계 표준 처방. 내생성 3대 원천으로 마무리.
260408	correlation-vs-causation, iv-2sls-gmm	내생성 해결의 4가지 식별전략 카탈로그 박제, David Card OVB 도식 + 회귀식 외생성 정식화로 IV 본격 진입 직전까지 도달. (※ 후반 ASR/시각 이중 결손)
260410	iv-2sls-gmm	도구변수 Z의 두 조건과 2SLS '교육 핵' 추출 정식화, mus207mepspresdrugs로 OLS→단일 IV→over-identified 2SLS→GMM 4단계 위계 시연(부호 반전).
260414	did-difference-in-differences	Card-Krueger 최저임금 자연실험에서 출발해 4셀 매트릭스, 잠재결과, 사전평행추세, '3인방' 회귀식 Y_it=α_i+λ_t+β·(M_t·C_i)+X_it+ε_it 산술 도출.
260415	did-difference-in-differences	DiD를 다항 t로 확장, 시간 FE λ_t와 처치후 더미 M_t 분리, 이벤트 스터디 회귀식과 panelf3.dta 외국인 노동자 STATA 시연, 연속 처치변수 DiD까지.
260420	rd-regression-discontinuity, functional-forms-polynomial-log	잠재결과 메타-프레임으로 4가지 식별전략 통합 카탈로그 후 RD 도입 — Lee(2008) RD.dta, t-1 placebo, cubic/quartic DGP, 4차 다항 RD, 비모수 RD(WLS+대역폭).
260429	ols-mechanics-and-matrix-form, exogeneity-assumption-hierarchy, mle-logit-probit-gmm, iv-2sls-gmm	외생성 3단계 위계와 X'ê=0으로부터 β̂=(X'X)⁻¹X'y 자기완결적 도출, OLS 너머의 추정법(MLE/로짓/프로빗/GMM)으로 메타-챕터 전환. (※ ASR loop로 96% 결손)

회차 간 누적 흐름의 핵심: 강의자는 매 회차 도입에서 직전 회차의 미완 주제를 짧게 환기한 뒤 새 토픽으로 진입한다. 따라서 회차 N을 분석할 때는 회차 N-1의 마무리 부분과 회차 N의 도입부가 연결되어 있다고 가정해도 좋다.

Lecturer's Pedagogical Style

강의자는 '수학없는 쉬운'이라는 시리즈 콘셉트에 맞춰 수식 도출 대신 직관·STATA 시연·산점도·일상 비유의 4채널 동시 운용을 페다고지의 핵심 도구로 삼는다. 매 회차의 표준 호흡은 '직관 도입(좌표·점·일상 비유) → STATA 시연 → 직관에 반하는 결과 노출 → 왜? 질문 던지기 → 누락변수 후보 발굴 → 다중회귀로 확장 → 부호/크기 변화 시연 → 가정의 정식화 → 그래도 인과는 아닙니다 못 박기'의 9단계 아크다. 시각 자료는 항상 (1) 삼성노트 손글씨 판서, (2) STATA 콘솔과 Data Editor, (3) VS Code do 파일, (4) 외부 매뉴얼·교과서(KCTDI, Cameron-Trivedi, David Lee 2008, 강의자 본인 논문)의 4채널이 같은 개념의 다른 표현으로 결부되며, 노란 형광펜(핵심 숫자)·빨간 X자/타원(잘못된 패턴·주의)·파란 펜(이론 정식화)의 색 코딩이 일관된다. STATA 시연은 '명령 → 출력 즉시 해석 → 산점도/판서식/행렬 표기 1대1 결부'의 3단 구조로 진행되며, 같은 회귀를 의도적 변형(noconstant, vce(robust), set level 변경, 한 행만 깨뜨리기)으로 반복 실행해 계수·SE·CI·p값의 변화를 시각화한다.

화법 측면에서는 '이거/요거/얘네' 지시대명사가 화면 동그라미·형광펜과 결합되며, '여러분' 호명 직후 핵심 명제가 박힌다. '~잖아요/그렇죠?' 동의 구하기로 누적 흐름을 이어붙이고, '그냥 쉽게 얘기해서/느낌만 알려드릴게요' 같은 페다고지 면책 화법으로 학생 부담을 미리 덜어준다. '주의하세요/이건 인과로 해석하면 안 돼요' 같은 선제적 경고와 '반드시/무조건/항상'(k-1개 더미, vce(robust) 항상, Y는 무조건 하나) 박제 시그널이 흔한 오해를 막는다. 자기교정 화법('독립이 아니라 직교여야 하는')과 기술적 디버깅(matain 미인식, SSL 오류, Claude AI 자문)을 정직하게 노출해 '교수도 헷갈릴 수 있다'는 인간적 신호를 보낸다. 비유는 '맛 비유/단물/잔여물/강북-강남/마티즈-에쿠스/금방/아쉽게-재수 좋게/찌그러진 동전' 등 신체 감각으로 변환된 일상어가 매번 호명되며, 한 번 도입된 비유는 후속 회차에서 반복 재호명되어 누적 어휘로 자리잡는다. 영어 용어('베타/엡실론/콘스턴트/리그레이션/디스컨티뉴이티')는 한국어 발음으로 그대로 사용해 STATA 출력·논문과 직결된다. 평어체 친근한 톤('~예요/~거든요')과 면책 선언 직후의 긴 정적 호흡이 결합되어 형식 강의보다는 1:1 설명에 가까운 거리감을 만든다.

Common STATA Workflows

이 시리즈는 STATA를 주된 시연 도구로 사용한다. references 파일에서 자주 등장하는 STATA 워크플로우 패턴은 다음과 같다(코드 본문은 references에 있고 여기서는 패턴만 명시).

• 데이터 로딩: sysuse auto, clear / use card, clear / use R_data9_1, clear / use grunfeld, clear / use mus207mepspresdrugs, clear / use RD, clear / use panelf3, clear / use nlswork, clear.
• 회귀 표준 패턴: reg y x1 x2 → 출력 표 해석 → reg y x1 x2, vce(robust) 비교.
• 시각화 표준: twoway (scatter y x) (lfit y x), twoway (scatter y x) (line yhat x, sort), twoway (function y = ..., range(...)).
• 신뢰수준 변경 시연: set level 99 / set level 43 으로 같은 회귀의 유의성 판정 변화 비교.
• noconstant 시연: reg y x, noconstant 로 절편 강제 0이 만드는 부호 반전.
• 다중공선성 검증: gen check = age - exper - educ / tab check 로 항등식 확인.
• 더미 생성: tab race, gen(D) 로 D1/D2/D3 자동 생성, i.race 로 자동 더미 처리.
• 상호작용 4가지 동치: 수동 gen D2_x = D2*x, i.race#c.x, i.race##c.x, xi: ... I.race*x.
• 패널 선언과 FE: xtset id year → xtreg y x, fe / reg y x i.id 슬로프 동치성 검증.
• IV 4단계 위계: reg y x1 x2 endog → ivregress 2sls y x1 x2 (endog = z1) → ivregress 2sls y x1 x2 (endog = z1 z2 z3 z4) → ivregress gmm y x1 x2 (endog = z1 z2 z3 z4).
• DiD/이벤트 스터디: xtreg y i.ym i.ind treat#post, fe vce(robust) 와 xtreg y i.ym i.event_time i.ind, fe.
• RD replicate: graph twoway (scatter y_local x, ms(O)) (line y_fit x, sort) with xline(0).
• 시뮬레이션: clear all / set seed 20260420 / set obs 2000 / gen x = runiform(...) / gen y = ... + rnormal(0, σ) / reg y x x2 x3 / di "True b1 = ... | Est = " _b[x].
• MLE 사용자 정의: program define mylogit_lf / ml model lf mylogit_lf (...) / ml maximize.

각 워크플로우의 상세 코드와 출력 해석은 해당 토픽의 references/*.md 에서 로드한다. scripts/ 디렉터리는 별도 두지 않는다 — 이 시리즈는 do 파일 하나(계량강의용.do)에 누적되며, 회차별 분량의 코드 블록이 references 안에 인용 형태로 박제되어 있다.

Caveats and Limitations

이 skill 을 사용할 때 반드시 인지해야 할 한계.

1. ASR 결손이 있는 회차: 260313(후반 80%), 260316(후반 50%), 260318(약 90%), 260401(약 95%), 260408(약 80~90%), 260410(약 88%), 260415(후반 약 50%), 260420(후반 약 60%), 260429(약 96%) 회차는 자동 음성 전사가 stuck/loop 오류로 결손되어 있다. references 의 해당 부분은 화면 증거(판서·STATA 출력·do 파일)로부터 역추적된 추정이며, 강의자 발화의 정확한 단어가 아니다. 사용자에게 답할 때 '강의자가 정확히 이 표현을 썼다'고 단정하지 말고, '시각 증거상 ~로 추정된다'로 표현할 것.
2. 인과 vs 상관의 메타 메시지: 시리즈 전체에서 강의자는 '회귀계수가 통계적으로 유의해도 인과가 아니다'를 매 회차 반복 강조한다. 사용자가 한 회차 결과만 보고 인과적 표현을 쓰면 즉시 교정해야 한다.
3. 표준 정의에서 벗어난 강의자 표현: 강의자가 '독립'과 '직교'를 혼용하거나 '잔차'와 '오차항'을 혼용할 때가 있다. 이 경우 references 파일의 '강의자 자기교정 패턴' 섹션을 따르고, 회귀 식별에 필요한 건 가장 약한 직교 조건임을 항상 명시할 것.
4. STATA 버전·문법: 시리즈는 STATA 17~18을 가정한다. 구버전 xi: 문법과 신버전 i.race##c.x 문법이 동치임을 references 가 함께 박제하므로, 사용자가 어떤 버전이든 답할 수 있다.
5. 다른 통계 패키지: 사용자가 R/Python으로 같은 분석을 묻는 경우, 이 skill 은 STATA 중심 라우터이므로 부분적으로만 답할 수 있다. R의 feols/fixest 워크플로우는 별도 r-econometrics skill 이 더 적합하다.
6. 추론 한계: 강의자가 명시적으로 다루지 않은 주제(예: Bayesian, machine learning, 시계열 단위근, GARCH)는 이 skill 의 범위 밖이다. references 에 없는 주제를 사용자가 묻는다면 추측하지 말고 'uncertain' 으로 분리할 것.
7. 회차 간 누적 의존성: 회차 N을 단독으로 분석하면 누락된 맥락이 많다. 사용자가 한 회차의 특정 발화를 묻더라도, prerequisite 회차의 토픽 references 를 함께 읽어야 정확히 답할 수 있다.
8. 강의자 본인 논문: 외국인 노동자 DiD-IV 논문, 한국-이스라엘 FTA 확장 DiD 등 강의자 본인의 미발표/발표 논문이 사례로 등장한다. references 에서 그 식 (1)을 박제했지만 출판본의 정확한 표기와 다를 수 있다 — '강의 시연 기준' 임을 명시할 것.

이 모든 한계를 인지한 채로 사용자 질문에 답하라. 가장 가까운 references 1~3개를 골라 읽고, 그 본문이 박제한 정의·식·STATA 코드·강의자 비유를 그대로 인용 형태로 사용하라. 본 SKILL.md 는 라우터일 뿐, 실제 답변의 본문은 references 가 만든다.