• 제목/요약/키워드: 공분산 행렬 모형화

검색결과 8건 처리시간 0.025초

다변량 경시적 자료 분석을 위한 공분산 행렬의 모형화 비교 연구 (Comparison study of modeling covariance matrix for multivariate longitudinal data)

  • 곽나영;이근백
    • 응용통계연구
    • /
    • 제33권3호
    • /
    • pp.281-296
    • /
    • 2020
  • 같은 개체로부터 반복 측정한 자료를 경시적 자료(longitudinal data)라고 한다. 이러한 자료를 분석하려면 흔히 사용되는 횡단 자료 분석과는 다른 분석 방법이 필요하다. 즉, 경시적 자료에서 공변량의 효과를 추정할 때에는 반복 측정된 결과 간의 상관성을 고려해야 하며, 따라서 공분산행렬을 모형화 하는 것이 매우 중요하다. 그러나 추정해야 할 모수가 많고, 추정된 공분산행렬이 양정치성을 만족해야 하므로 공분산 행렬의 모형화는 쉽지 않다. 특히 다변량 경시적 자료분석을 위한 공분산행렬의 모형화는 더욱더 심층적인 방법론을 사용해야 한다. 본 논문은 다변량 경시적 자료분석을 위한 공분산행렬을 모형화하기 위해 두 가지 방법론을 고찰한다. 두 방법 모두 수정된 콜레스키 분해(modified Cholesky decomposition)를 이용하여 시간에 따른 응답변수들의 상관관계를 설명하고 있다. 하지만 같은 시간에서 관측된 응답변수들간의 상관관계를 설명하는 방법이 다르다. 첫 번째 방법론에서는 향상된 선형 공분산 모형(enhanced linear covariance models)을 사용하여 공분산행렬이 양정치성을 만족하도록 한다. 두 번째 방법론에서는 분산-공분산 분해(variance-correlation decomposition)와 초구분해(hypersphere decomposition)을 이용하여 공분산 행렬을 모형화 한다. 이 두 방법론의 성능을 비교하고자 모의실험을 진행한다.

일반 선형 모형에 대한 공분산 행렬의 비교 (Comparison of the covariance matrix for general linear model)

  • 남상아;이근백
    • 응용통계연구
    • /
    • 제30권1호
    • /
    • pp.103-117
    • /
    • 2017
  • 경시적 자료분석에서 공변량 효과를 추정할 때 반복 측정된 결과들의 상관성은 고려되어야 한다. 따라서 공분산 행렬을 모형화하는 것은 매우 중요하다. 그러나 공분산 행렬의 추정은 모수들의 수가 많고 추정된 공분산행렬이 양정치성을 만족해야 하므로 쉽지 않은 문제이다. 이러한 제한을 극복하기 위해, 공분산행렬의 모형화를 위한 여러가지 방법을 제안하였다: 자기회귀/이동평균/자기회귀-이동평균 구조를 각각 적용한 수정 콜레스키분해 (Pourahmadi, 1999), 이동평균 콜레스키분해 (Zhang과 Leng, 2012)와 자기회귀-이동평균 콜레스키 분해 (Lee 등, 2017) 이들 구조를 가지는 공분산 행렬의 특징을 비교연구하고자 한다. 이 세 가지 모형의 성능을 비교하기 위한 모의실험을 실시한다.

일반화 선형혼합모형의 임의효과 공분산행렬을 위한 모형들의 조사 및 고찰 (Survey of Models for Random Effects Covariance Matrix in Generalized Linear Mixed Model)

  • 김지영;이근백
    • 응용통계연구
    • /
    • 제28권2호
    • /
    • pp.211-219
    • /
    • 2015
  • 일반화 선형혼합모델은 일반적으로 경시적 범주형 자료를 분석하는데 사용된다. 이 모델에서 임의효과는 반복 측정치들의 시간에 따른 의존성을 설명한다. 임의효과 공분산행렬의 추정은 여러가지 제약조건들 때문에 쉽지 않은 문제이다. 제약조건으로는 행렬의 모수들의 수가 많으며, 또한 추정된 공분산행렬은 양정치성을 만족하여야 한다. 이러한 제한을 극복하기 위해, 임의효과 공분산행렬의 모형화를 위한 여러가지 방법이 제안되었다: 수정 단냠레스키분해, 이동평균 단냠레스키분해와 부분 자기상관행렬을 이용한 방법이 있다. 이 논문에서 위의 제안된 방법들을 소개한다.

차익거래 기회가 없는 이자율 변동모형 하에서 확률적 평균만기 및 선물가격과 선도가격과의 관계에 관한 연구 (The Studies of the Stochastic Duration and the Relationship between Futures and Forward Prices under the Arbitrage-free Interest rate Model)

  • 강병호;최종연
    • 재무관리연구
    • /
    • 제19권2호
    • /
    • pp.27-48
    • /
    • 2002
  • 본 논문은 이자율의 기간 구조가 차익 거래의 기회가 없도록 움직일 때 새로운 평균만기 측 정치인 AR 평균만기(arbitrage-free duration)을 도출하고 선물가격과 선도가격과의 관계를 분석한다. 지금까지 평균만기에 관한 많은 연구들은 수익률 곡선이 특정한 형태로 이동한다는 가정 하에서 평균만기를 유도하고 이에 근거하여 채권가격의 변동치를 측정하고 있다. 본 논문에서는 기존의 평균만기의 가정을 완화한 AR 평균만기를 도출하였다. 여기서 제시하는 AR 평균만기는 기존의 Macaulay 평균만기를 포함하는 일반화한 측정치라고 할 수 있다. 아울러 본 논문에서는 선물가격과 선도가격사이에 존재하는 이론적 관계를 규명하고자 하였다. 선물가격은 선도가격에 비해 할인된 가격이라는 것을 보이고 이자율 변동위험이 선물가격의 할인정도에 미치는 영향을 모형화 하였다. 최근 들어 선물을 이용한 채권 면역화에 대한 실증연구에 관심이 지속적으로 증가하고 있다. 전통적 실증연구 방법론에서는 먼저, 선물가격과 기초채권 가격사이에 존재하는 분산-공분산 행렬을 추정한다. 그런 후 추정된 분산-공분산 행렬을 바탕으로 이자율 위험 헤징 전략을 수립한 후 이 전략에 대한 실증 분석을 수행하였다. 그러나, 전통적 접근법의 가장 큰 문제는 비안정적(non-stationary)인 분산-공분산 행렬을 적절히 고려할 수 없었다는 점이다. 따라서, 본 연구의 결과를 기반으로 하면 최적의 헷징 전략을 수립하기 위한 이론적 기틀을 수립할 수 있을 것이다.

  • PDF

유사가능도 기반의 네트워크 추정 모형에 대한 GPU 병렬화 BCDR 알고리즘 (BCDR algorithm for network estimation based on pseudo-likelihood with parallelization using GPU)

  • 김병수;유동현
    • Journal of the Korean Data and Information Science Society
    • /
    • 제27권2호
    • /
    • pp.381-394
    • /
    • 2016
  • 그래피컬 모형은 변수들 사이의 조건부 종속성을 노드와 연결선을 통하여 그래프로 나타낸다. 변수들 사이의 복잡한 연관성을 표현하기 위하여 그래피컬 모형은 물리학, 경제학, 생물학을 포함하여 다양한 분야에 적용되고 있다. 조건부 종속성은 공분산 행렬의 역행렬의 비대각 성분이 0인 것과 대응하는 두 변수의 조건부 독립이 동치임에 기반하여 공분산 행렬의 역행렬로부터 추정될 수 있다. 본 논문은 공분산 행렬의 역행렬을 희박하게 추정하는 유사가능도 기반의 CONCORD (convex correlation selection method) 방법에 대하여 기존의 BCD (block coordinate descent) 알고리즘을 랜덤 치환을 활용한 갱신 규칙과 그래픽 처리 장치 (graphics processing unit)의 병렬 연산을 활용하여 고차원 자료에 대하여 보다 효율적인 BCDR (block coordinate descent with random permutation) 알고리즘을 제안하였다. 두 종류의 네트워크 구조를 고려한 모의실험에서 제안하는 알고리즘의 효율성을 수렴까지의 계산 시간을 비교하여 확인하였다.

수학적 모형화 기법이 GPS 기준점 측량 정확도 표현에 미치는 영향 (Impact of Mathematical Modeling Schemes into Accuracy Representation of GPS Control Surveying)

  • 이흥규;서완수
    • 한국측량학회지
    • /
    • 제30권5호
    • /
    • pp.445-458
    • /
    • 2012
  • GPS 기준점 측량은 관측과 데이터 처리를 통해 측지계에 대한 물리적인 표지의 위치를 목표 정확도 범위 이내로 결정하기 위해 실시하며, 이러한 이유로 측량 정확도를 실제와 유사하게 표현하는 것이 매우 중요한 문제이다. 망조정을 통해 산정되는 기준점 성과의 정확도는 사용되는 수학적 모형에 민감한 영향을 받는 추정좌표의 분산-공분산 행렬에 의해 정량적으로 표현된다. 본 연구는 GPS 망조정에 사용되는 함수모형과 통계모형이 기준점 위치 추정과 정확도 표현에 미치는 영향을 연구하여 향후 정확도 표현의 표준화를 위한 기초자료 확보를 위해 실시하였다. 이를 위하여 단일기선해석 다중세션 망조정 이론과 절차와 방법을 실제 관측데이터 처리를 통한 수치적 분석을 병행한 연구를 수행 하였다. 그 결과 절대정확도와 상대정확도를 보다 현실적으로 반영하여 표현하기 위해서는 잔존하는 관측오차의 모형화가 가능한 경험적 통계모형을 사용하는 다점가중제약조정이 GPS 기준점 성과산정을 위한 수학적 모형으로 보다 타당한 것으로 분석되었다.

베이지안 다변량 선형 모형을 이용한 청소년 패널 데이터 분석 (KCYP data analysis using Bayesian multivariate linear model)

  • 이인선;이근백
    • 응용통계연구
    • /
    • 제35권6호
    • /
    • pp.703-724
    • /
    • 2022
  • 다변량 경시적 자료 분석은 반복 측정된 자료에 존재하는 상관관계를 올바르게 추정하면서 자료를 분석해야 한다. 경시적 연구에서는 다변량 경시적 자료가 주로 생성되지만, 기존 통계적 모형은 대부분 단변량으로 분석되어 다변량 경시적 자료에 존재하는 복잡한 상관관계를 제대로 설명하지 못하게 된다. 따라서 본 논문에서는 복잡한 상관관계를 설명하기 위해 공분산 행렬을 모형화하는 다양한 방법에 대해 고찰한다. 그 중 수정된 콜레스키 분해, 수정된 콜레스키 블록분해와 초구분해를 살펴본다. 그리고 일반화 자기회귀모수 행렬이 가지는 희박성 문제를 해결하기 위해 베이지안 방법을 이용하여 청소년 패널 데이터를 분석한다. 청소년 패널 데이터는 다변량 경시적 자료이며, 반응 변수로는 학교 적응도, 학업 성취도, 휴대전화 의존도를 고려한다. 자기 상관 구조와 혁신 표준 편차 구조를 달리 가정하여 여러 모형을 비교한다. 가장 적합한 모형에 대해 학교 적응도와 학업 성취도에 대해 모든 설명 변수가 유의미하며, 휴대전화 의존도가 반응 변수일 때 사교육 시간을 제외한 모든 설명 변수가 유의미한 것으로 나타난다.

강우-유출모형을 이용한 실시간 홍수예측(I) : 이론과 모형화 (Real-Time Flood Forecasting Using Rainfall-Runoff Model(I) : Theory and Modeling)

  • 정동국;이길성
    • 물과 미래
    • /
    • 제27권1호
    • /
    • pp.89-99
    • /
    • 1994
  • 현재까지 국내의 홍수예측업무는 과거에 수집된 자료집단을 이용한 변수추정에 의하여 시행되고 있으나, 최근 여러 가지 순환추정 알고리즘을 적용한 홍수예측 또는 변수추정에 관한 많은 연구가 이루어지고 있다. 본 논문은 실시간 홍수예측 및 변수추정에 관한 연구로서, 특히 강우-유출모형의 상태 및 매개변수의 동시추정에 관한 추계학적 현상을 고려하였다. 홍수예측에 관한 시스템은 $\phi$ 지수에 의한 유효강우의 산정과 지체효과를 고려한 n개의 비선형 저수지모형에 의한 홍수축적으로 구성하였다. 그리고 변수추정모형과 홍수추적 모형을 상호연계하여 변수를 포함하는 확대 상태-공간모형으로 상태 및 매개변수의 동시추정에 관한 시스템을 구성하였다. 상태-공간모형에 대한 상태 및 변수추정기법으로 GLS 추정과 MAP 추정에 대하여 비교 검토하였다. 모형의 식별을 위한 민감도 분석은 추정변수의 공분산 행렬을 사용하였다.

  • PDF