• Journal of the Korean Data and Information Science Society
• /
• 제25권6호
• /
• pp.1397-1405
• /
• 2014

설문조사에서는 대부분 단위무응답 또는 항목무응답이 발생한다. 무응답 발생비율이 높은 경우 무응답을 무시한 분석은 잘못된 결과를 초래할 수도 있으므로 무응답에 대한 특성 파악도 필요하다. 횡단자료에서는 항목무응답 특성에 대한 연구는 가능하나 단위무응답의 특성을 파악하기가 어렵다. 단위무응답의 특성을 파악하기 위하여 본 논문에서는 종단자료인 한국아동 청소년패널조사 중 중1패널자료를 이용하였다. 최근까지 공개된 한국아동 청소년패널조사자료를 이용한 논문들의 무응답 처리 실태를 파악하고, 그 중 단위무응답의 특성에 대하여 분석하였다. 이 자료를 이용한 논문에서는 대부분 단위무응답의 처리를 제거하는 방식을 취하고 있으며, 이 자료에서 제공하고 있는 가중치를 이용한 논문은 거의 없었다. 이에 단위무응답의 처리방법 중 가중치를 이용한 방법과 그 대상을 제외하는 두 가지 방법에 대해 여러 가지 특성들의 분석을 비교하였다. 많은 항목에서 두 가지 방법의 결과가 상이하게 나타났으며, 가중치를 이용한 경우가 제거법에 의한 결과에 비해 통계적으로 유의한 결과가 더 많이 나타나 무응답에 대해 많은 논의가 필요할 것으로 생각된다.

• 한국통계학회:학술대회논문집
• /
• 한국통계학회 2002년도 춘계 학술발표회 논문집
• /
• pp.13-18
• /
• 2002

이중추출(two-phase)접근방법 이용의 주목적은 관심변수와 보조변수사이의 관계를 이용해서 더 좋은 추정을 하고자 하는 것이다. 특히 이 방법은 층화, 무응답 문제에 적용하는 경우 상당히 효과적이다. 본 논문에서는 무시할 수 있는 무응답이 발생했을 때 이중추출기법을 이용해서 g-가중치와 응답확률을 각 단계별로 조정해줌으로써 무응답 보정추정량과 분산추정량을 구했다.

• Journal of the Korean Data and Information Science Society
• /
• 제23권6호
• /
• pp.1183-1194
• /
• 2012

설문조사를 실시할 경우 무응답이 발생하지 않는 경우는 매우 드문일이며 무응답이 발생할 경우 무응답처리에 대해서는 다양한 방법이 적용되고 있다. 본 논문에서는 무응답의 두 가지 유형인 단위무응답과 항목무응답의 발생비율을 기존에 조사된 실제 사례를 이용하여 파악하였으며, 무응답률에 따른 분석결과의 차이를 비교하였다. 또한, 대학생들을 대상으로 집단면접조사를 통해 직접 자료를 수집하였고 이 자료를 바탕으로 무응답률과 무응답이 발생하는 이유를 제시하였다.

• 응용통계연구
• /
• 제26권3호
• /
• pp.375-387
• /
• 2013

통계조사에서 단위 무응답은 표본크기를 축소시켜 추정값의 효율을 떨어뜨릴 뿐만 아니라, 주요 관심변수에 대해 응답자와 무응답자간의 차이가 존재하는 경우 무응답 편향(bias)을 발생시키는 요인으로 일반적으로 가중값 조정방법을 이용하여 보정한다. 대부분의 조사에서 무응답 표본에 대한 정보를 얻는 것은 현실적으로 매우 어려우며, 무응답으로 인한 추정값의 편향 정도를 파악하는 것 또한 쉽지 않다. 통계청에서는 2010년, 2011년 가구패널조사인 가계 금융조사를 실시하였다. 2010년 1차 웨이브는 1만 가구에 대해 모두 응답한 정보를 가지고 있으며, 2011년 2차 웨이브에는 부재, 거부 등으로 인한 무응답 표본(약 10%)이 존재한다. 본 연구에서는 2차 웨이브의 무응답 표본들을 무응답 성향이 강한 표본으로 가정하고 1차 웨이브에서 무응답가구로 분류한 후 무응답 가구의 특성과 무응답 편향정도 및 무응답 조정 효과를 분석하였다.

• 한국조사연구학회:학술대회논문집
• /
• 한국조사연구학회 2001년도 춘계학술논문발표대회 발표논문집
• /
• pp.57-70
• /
• 2001

단위 무응답 상황에서의 사후층화 추정, 회귀 추정, 보정 추정 또는 일반화 래킹 추정을 포함하는 다양한 추정 방법에 대해 살펴보았다. 이러한 모든 방법들은 무응답하에서 보정 추정의 일반적인 형태로 나타나며, 또한 이들은 주어진 범주형 보조변수하에서의 사후층화 이론에 기초를 두고 있다.

• Communications for Statistical Applications and Methods
• /
• 제16권1호
• /
• pp.103-113
• /
• 2009

표본조사에서 무응답은 비 표본추출오차를 발생시키는 중요한 원인 중 하나이다. 단위무응답이 발생하는 경우 무응답에 의한 편향을 줄이는 동시에 추정의 정도를 향상시키기 위해 단위무응답 조정층을 구성해 무응답 가중치 조정을 하는 것이 일반적이다. 본 연구에서는 무응답 조정층 구성과 관련된 기존의 이론들을 정리하고 어업총조사 자료를 이용한 실증적인 모의실험을 통해 효과적으로 무응답 조정층을 구성하는 방안에 대해 살펴본다. 모의실험결과 응답성향에 따른 조정층 구성보다는 예측평균을 기준으로 한 조정층 구성이 효율성 측면에서 효과적인 것으로 나타났으며, 아울러 다른 관심변수에도 적용될 수 있는 로버스트한 조정층 구성을 위해서는 예측평균만을 고려하는 것보다 응답성향과 예측평균을 모두 고려한 조정층 구성방법이 효과적인 것으로 나타났다. 한편 무응답 조정을 위한 응답률 산출에 있어서 설계가중치의 적용 필요성에 대해 살펴본 결과 설계가중치 적용 여부는 추정결과에 거의 영향을 주지 않는다는 사실을 확인할 수 있었다.

• 응용통계연구
• /
• 제16권1호
• /
• pp.33-44
• /
• 2003

조사과정에서 필연적으로 발생하는 무응답을 보정하기 위해 보조정보를 사용해야 한다. 이 때, 이용 가능한 보조정보의 차원이 크면, 계산과정에서 많은 시간이 소요되며 데이터를 다루기가 매우 어렵다. 또한 추정량의 분산이 보조전보의 차원에 의존하기 때문에 과소추정의 문제가 발생한다. 이러한 문제를 해결하기 위해 무응답 보정에서 적절한 보조정보의 선택 방법을 제안하였고, 이에 대한 효율성을 모의실험을 통해 살펴보았다.

• 한국통계학회:학술대회논문집
• /
• 한국통계학회 2001년도 추계학술발표회 논문집
• /
• pp.63-68
• /
• 2001

조사과정에서 필연적으로 발생하는 무응답을 보정하기 위해 보조정보를 사용한다. 이 때, 이용 가능한 보조정보의 차원이 크면, 계산과정에서 많은 시간이 소요되며 데이터를 다루기가 매우 어렵다. 또한 추정량의 분산이 보조정보의 차원에 의존하기 때문에 과소추정의 문제가 발생한다. 이러한 문제를 해결하기 위해 무응답 보정에서 적절한 보조정보의 선택 방법을 제안하였고, 이에 대한 효율성을 모의실험을 통해 살펴보았다.

• 한국조사연구학회:학술대회논문집
• /
• 한국조사연구학회 2005년도 추계학술대회 발표논문집
• /
• pp.169-183
• /
• 2005

가중치 조정(weighting adjustment)으로 단위 무응답(unit nonresponse)을 처리하는 문제에서 성향점수를 추정하는 모형을 만들기 위해 응답변수와 관심변수를 동시에 고려하는 다변량 회귀나무(multivariate regression tree)기법을 제안하였다. 효과적인 무응답 조정층 구축을 위해 응답한 개체들만 사용하는 경우와 모든 개체들을 사용하는 경우를 제시하고 이 두방법을 편향의 관점으로 비교한다.

• 응용통계연구
• /
• 제34권5호
• /
• pp.685-696
• /
• 2021

경제활동인구조사는 고용 관련 통계를 생성하는 국가조사로서, 국민의 경활상태(취업/실업/비경활)를 파악하는 것이 주요 목적이다. 정확한 통계를 내기 위해 무응답률을 낮추는 것이 중요하고, 이미 발생한 무응답을 보완하기 위한 방법으로 무응답 대체가 가능하다. 경제활동인구조사는 응답 방식이 순차적 흐름을 따라가기 때문에 구조적인 무응답이 존재한다. 또한 전체 가구원내 무응답 항목이 하나라도 있으면 해당 가족 구성원 전체를 무응답 처리하기에 최종 자료에는 항목 무응답이 아닌 단위 무응답만 존재한다는 특징이 있다. 본 연구에서는 구조적 무응답 이해 및 연계자료를 통한 과거 자료의 활용 등을 통해 기존의 방법보다 효과적인 무응답 대체 모형을 제시하고자 한다. 대체 모형의 성능을 일치도/비일치도를 기반으로 평가한다. 이를 위해, 2019년 11월 경제활동인구조사 자료를 기반으로 모의실험을 실시한다. 총 59,996명의 응답자 중 일부를 랜덤하게 선택한 뒤, 경활상태를 판정하는데 결정적인 설명변수 6개와 경활상태를 무응답 처리한다. 기존 무응답 대체 모형에서 사용하였던 설명 변수 이외에 산업변수와 종사상지위 변수를 추가함으로써 모형을 개선한다. 이는 과거자료의 연계 및 활용을 가정한 것으로, 기존의 모형모다 성능이 향상되는 것을 확인한다. 또한, 경활상태별 무응답자 수에 대한 다양한 시나리오를 고려한다.