• 한국콘텐츠학회논문지
• /
• 제21권4호
• /
• pp.278-291
• /
• 2021

본 연구는 문제음주와 빈곤의 다차원성과 불평등을 의미하는 다차원적 박탈과의 인과관계를 성별 차이(gender difference) 중심으로 종단적 연구를 수행하였다. 이를 위해 2013년을 기준으로 2018년도까지 6개년도 한국복지패널조사 데이터를 활용하여 남성 3,770명, 여성 5,632명을 대상으로 잠재계층성장분석을 통해 문제음주 변화궤적의 잠재집단을 규명하고, 이 잠재집단에 다차원적 박탈요인의 영향력을 검증하기 위해 다항 로지스틱회귀분석을 하였다. 주요 연구결과는 다음과 같다. 첫째, 성별에 따른 문제음주의 변화궤적의 잠재집단은 남성, 여성 모두 3개의 잠재집단으로 분류되었지만, 그 발달양상은 상이하게 나타났다. 남성의 '중간수준' 이상의 잠재집단은 여성에 비해 문제음주 수준이 높았으나, 성별에 따른 '높은 수준의 음주군'의 경우 시간이 경과함에 따라 남성은 유지하는 추세를 보였고, 여성은 증가하는 추세를 보였다. 둘째, 다차원적 박탈이 문제 음주 변화궤적의 잠재집단에 미치는 영향을 살펴본 결과 남성은 사회적 박탈 경험이 많을수록, 여성은 사회보장 박탈 경험이 많을수록 '낮은수준 음주군' 대비 '높은수준의 음주군'에 속할 가능성이 높게 나타났다. 이상의 연구결과를 토대로 성별에 따른 문제음주에 대한 예방 및 개입방안에 대해 논의하였다.

• 한국노년학
• /
• 제29권3호
• /
• pp.917-933
• /
• 2009

본 연구는 새롭게 도입된 노인장기요양보험제도 체계 내에서 공적보호서비스(시설보호서비스와 재가보호서비스)를 이용하게 되는 요인과 두 서비스유형간의 선택을 결정하게 되는 요인을 밝히고자 한다. Andersen의 행동모델에 기반하여 노인장기요양서비스 이용형태를 결정하는 소인요인과 자원요인, 욕구요인의 영향을 검증하는 연구모형을 구성하였으며, 노인장기요양보험 2차 시범사업의 서비스 이용권리가 있는 요양 1~3등급의 노인 5,497명의 서비스 이용자료와 개인적 특성 자료를 활용하여 다항 로지스틱 회귀분석을 실시하였다. 주요 분석결과는 다음과 같다. 첫째, 서비스 이용의 본인부담금을 나타내는 소득수준에 따라 서비스 이용형태에 차이가 나타났다. 국민기초생활보호대상자, 일반소득계층, 차상위계층의 순으로 서비스 이용이 높았으며, 재가보호서비스에 비해 시설보호서비스의 이용이 높게 나타났다. 둘째, 군지역에 비해 대도시와 중소도시가 시설보호서비스 또는 재가보호서비스를 이용할 확률이 높으며, 특히 중소도시의 경우 재가보호서비스보다는 시설보호서비스 이용이 높은 것으로 나타났다. 셋째, 요양 1~2등급이 3등급에 비해 시설보호서비스 또는 재가보호서비스 이용이 높으나, 등급에 따른 서비스 이용 유형간 차이는 나타나지 않았다. 넷째, 일상생활수행능력(ADL), 수단적 일상생활수행능력(IADL), 인지기능과 문제행동의 기능이 나쁠수록 시설보호서비스 이용이 높으며, 재가보호보다는 시설보호를 이용하는 것으로 나타났다. 그러나 간호처치영역은 기능상태가 나쁠수록 서비스 이용이 적고, 재활영역의 기능상태는 통계적 유의미성을 나타내지 못하였다. 이와같은 연구결과를 통해 현 노인장기요양보험제도의 본인부담금의 조정과 지역별 균형적인 서비스인프라 구축의 필요성을 제기하며, 또한 요양등급판정체계의 재검증의 필요성을 제기하는 바이다.

• 지능정보연구
• /
• 제23권4호
• /
• pp.147-168
• /
• 2017

오래 전부터 학계에서는 정확한 주식 시장의 예측에 대한 많은 연구가 진행되어 왔고 현재에도 다양한 기법을 응용한 예측모형들이 연구되고 있다. 특히 최근에는 딥러닝(Deep-Learning)을 포함한 다양한 기계학습기법(Machine Learning Methods)을 이용해 주가지수를 예측하려는 많은 시도들이 진행되고 있다. 전통적인 주식투자거래의 분석기법으로는 기본적 분석과 기술적 분석방법이 사용되지만 보다 단기적인 거래예측이나 통계학적, 수리적 기법을 응용하기에는 기술적 분석 방법이 보다 유용한 측면이 있다. 이러한 기술적 지표들을 이용하여 진행된 대부분의 연구는 미래시장의 (보통은 다음 거래일) 주가 등락을 이진분류-상승 또는 하락-하여 주가를 예측하는 모형을 연구한 것이다. 하지만 이러한 이진분류로는 추세를 예측하여 매매시그널을 파악하거나, 포트폴리오 리밸런싱(Portfolio Rebalancing)의 신호로 삼기에는 적합치 않은 측면이 많은 것 또한 사실이다. 이에 본 연구에서는 기존의 주가지수 예측방법인 이진 분류 (binary classification) 방법에서 주가지수 추세를 (상승추세, 박스권, 하락추세) 다분류 (multiple classification) 체계로 확장하여 주가지수 추세를 예측하고자 한다. 이러한 다 분류 문제 해결을 위해 기존에 사용하던 통계적 방법인 다항로지스틱 회귀분석(Multinomial Logistic Regression Analysis, MLOGIT)이나 다중판별분석(Multiple Discriminant Analysis, MDA) 또는 인공신경망(Artificial Neural Networks, ANN)과 같은 기법보다는 예측성과의 우수성이 입증된 다분류 Support Vector Machines(Multiclass SVM, MSVM)을 사용하고, 이 모델의 성능을 향상시키기 위한 래퍼(wrapper)로서 유전자 알고리즘(Genetic Algorithm)을 이용한 최적화 모델을 제안한다. 특히 GA-MSVM으로 명명된 본 연구의 제안 모형에서는 MSVM의 커널함수 매개변수, 그리고 최적의 입력변수 선택(feature selection) 뿐만이 아니라 학습사례 선택(instance selection)까지 최적화하여 모델의 성능을 극대화 하도록 설계하였다. 제안 모형의 성능을 검증하기 위해 국내주식시장의 실제 데이터를 적용해본 결과 ANN이나 CBR, MLOGIT, MDA와 같은 기존 데이터마이닝 기법들이나 인공지능 알고리즘은 물론 현재까지 가장 우수한 예측 성과를 나타내는 것으로 알려져 있던 전통적인 다분류 SVM 보다도 제안 모형이 보다 우수한 예측성과를 보임을 확인할 수 있었다. 특히 주가지수 추세 예측에 있어서 학습사례의 선택이 매우 중요한 역할을 하는 것으로 확인 되었으며, 모델의 성능의 개선효과에 다른 요인보다 중요한 요소임을 확인할 수 있었다.

• 경영정보학연구
• /
• 제16권3호
• /
• pp.161-177
• /
• 2014

기업신용등급은 금융시장의 신뢰를 구축하고 거래를 활성화하는데 있어 매우 중요한 요소로서, 오래 전부터 학계에서는 보다 정확한 기업신용등급 예측을 가능케 하는 다양한 모형들을 연구해 왔다. 구체적으로 다중판별분석(Multiple Discriminant Analysis, MDA)이나 다항 로지스틱 회귀분석(multinomial logistic regression analysis, MLOGIT)과 같은 통계기법을 비롯해, 인공신경망(Artificial Neural Networks, ANN), 사례기반추론(Case-based Reasoning, CBR), 그리고 다분류 문제해결을 위해 확장된 다분류 Support Vector Machines(Multiclass SVM)에 이르기까지 다양한 기법들이 학자들에 의해 적용되었는데, 최근의 연구결과들에 따르면 이 중에서도 다분류 SVM이 가장 우수한 예측성과를 보이고 있는 것으로 보고되고 있다. 본 연구에서는 이러한 다분류 SVM의 성능을 한 단계 더 개선하기 위한 대안으로 유전자 알고리즘(GA, Genetic Algorithm)을 활용한 최적화 모형을 제안한다. 구체적으로 본 연구의 제안모형은 유전자 알고리즘을 활용해 다분류 SVM에 적용되어야 할 최적의 커널 함수 파라미터값들과 최적의 입력변수 집합(feature subset)을 탐색하도록 설계되었다. 실제 데이터셋을 활용해 제안모형을 적용해 본 결과, MDA나 MLOGIT, CBR, ANN과 같은 기존 인공지능/데이터마이닝 기법들은 물론 지금까지 가장 우수한 예측성과를 보이는 것으로 알려져 있던 전통적인 다분류 SVM 보다도 제안모형이 더 우수한 예측성과를 보임을 확인할 수 있었다.