• Journal of the Korean Data and Information Science Society
• /
• v.23 no.1
• /
• pp.71-77
• /
• 2012

This paper introduces the projection methods by nonlinear regression model. To predict the student numbers, a log model and an involution model as the kind of a trend-extrapolation method are used. Empirical evidence shows that a projection by log model is better than by involution model with the confidence interval estimations for the coefficients of determination.

• The Korean Journal of Financial Management
• /
• v.17 no.1
• /
• pp.161-180
• /
• 2000

본 연구는 주가를 예측하는데 있어서 선형 회귀모형을 이용하는 방법과 비선형 인공신경망 모형을 이용하는 방법을 비교 분석하여, 어떤 모형이 더 우수한 예측성과를 내는지를 검증한다. 자본시장에서 투자자들은 접근하는 정보가 다르고 각기 상이한 예측 변수들을 토대로 나름대로의 예측치를 만들어 낸다. 이렇게 볼 때 개별 투자자들이 이용하는 다양한 정보집합을 결합하여 단일의 뛰어난 정보집합을 만들어내는 것은 매우 어려운 과제이다. 따라서 본 연구에서는 이용 가능한 소수의 예측 변수들을 어떤 방식으로 결합하는 것이 예측오차의 분산을 최소화할 수 있는지에 대한 현실적인 접근방법을 모색하고자 한다. 거시경제변수나 시장자료를 입력변수로 사용한 기존 연구와는 달리 본 연구에서는 재무제표 정보를 입력변수로 사용하였다 즉, 대차대조표의 최종요약치인 주당 지분의 장부가치와 손익계산서의 최종요약치인 주당 순이익을 입력변수로 사용했으며 1991년부터 1995년까지의 추정(학습)결과를 토대로 모형을 선택하여 1996년의 제무제표 정보로 1997년의 주가를 예측하는 것이 본 연구의 과제이다. 연구결과, 대체로 선형회귀모형에 비해 비선형 신경망 모형이 예측오차의 분산을 감소시키는 것으로 나타났다.

• Journal of the Korean Data and Information Science Society
• /
• v.27 no.6
• /
• pp.1585-1592
• /
• 2016

Estimation of winning percentage in baseball has always been particularly interesting to many baseball fans. We have fitted models including linear regression and Pythagorean formula to the Korean baseball data of seasons from 1982 to 2015. Using RMSE criterion for both the linear formula and the Pythagorean formula, we compared two models in predicting the actual winning percentage. Pythagorean expectation is superior to linear formula when there is either high or low winning percentage. Two methods yield very similar efficiencies when the actual winning percentage is about 50%. To understand and use for estimating winning percentage, it is easier linear formula as estimated equations.

• The Korean Journal of Applied Statistics
• /
• v.18 no.3
• /
• pp.701-712
• /
• 2005

The suppression for logistic regression models has been debated no longer than that for linear regression models since, among many other reasons, sum of squares for regression (SSR) or coefficient of determination ($R^2$) could be defined into various ways. Based on four kinds of $R^2$'s: two kinds are most preferred, and the other two are proposed by Liao & McGee (2003), four kinds of SSR's are derived so that the suppression for logistic models is explained. Many data fitted to logistic models are generated by Monte Carlo method. We explore when suppression happens, and compare with that for linear regression models.

• Communications for Statistical Applications and Methods
• /
• v.2 no.1
• /
• pp.13-21
• /
• 1995

선형모형에서 오차가 대칭인 분포를 따르는지 또는 한쪽으로 치우친(skewed distribution)분포를 따르는지 검정하는 문제를 다루었다. 또 이러한 검정과정을 분석의 예비단계로 하는 회귀계수의 추정방법에 대해서 연구하고, 모의실험을 통해서 회귀계수 추정법들의 효율을 비교하였다.

• Journal of Korean Society of Industrial and Systems Engineering
• /
• v.17 no.30
• /
• pp.59-65
• /
• 1994

선형회귀모형에서 새로운 변수가 모형에 도입될때 몇몇 비정상적인 관찰치들은 변수들 간에 내재되어 있는 다공선성을 감추거나 혹은 오히려 더욱 크게 부풀림으로써 도입변수에 대한 해석을 매우 어렵게 만든다. 본고에서는 이러한 관찰치들을 식별할 수 있는 방법을 제안하였는데, 이와 같은 식별법은 postulated model의 회귀계수추정치에 대한 도입변수의 섭등(perturbations)을 분해함으로써 가능하였다.

• The Korean Journal of Applied Statistics
• /
• v.13 no.2
• /
• pp.371-381
• /
• 2000

In this paper, we describes smoothing spline in nonparametric regression and some asymptotic results for estimates of the regression cofficients in the parametric part were biased on semi parametric regression estimator.

• The Korean Journal of Applied Statistics
• /
• v.14 no.2
• /
• pp.321-332
• /
• 2001

본 논문에서는 반응변수가 두 가지의 값을 갖는 회귀분석에 적용할 수 있는 사영추적회귀를 고려하였다. 회귀모형에 필요한 설명변수들의 선형결합이 하나이고 연결함수의 형태를 사전에 알지 못한다는 가정하에서 모의담금질 기법을 이용하여 모형에 필요한 선형결합을 찾는 알고리즘을 제시하였다. 이진 반응변수의 경우에는 평활모수의 값에 따라 잔차이탈도함수의 반응표면이 단봉의 형태를 갖지 않는 경우가 있어 비동질적 마코프체인을 이용한 모의담금질 기법을 적용하면 효율적으로 선형결합을 탐색할 수 있다.

• The Korean Journal of Applied Statistics
• /
• v.10 no.2
• /
• pp.403-411
• /
• 1997

Fuzzy linear regression model introduced by Tanaka et al. 91982) has been proposed and developed as alternative to statistical linear regression when our understanding of a phenomenon is imprecise or vague. In this paper we review fuzzy linear regression model and its parameter estimation and examine its strengths and weaknesses through case study. In addition another fuzzy linear model is introduced and applied to an economic study.

• Communications for Statistical Applications and Methods
• /
• v.16 no.2
• /
• pp.265-275
• /
• 2009

This paper considers a linear regression model with a spatial autoregressive disturbance with ill-posed data and proposes the generalized maximum entropy(GME) estimator of regression coefficients. The performance of this estimator is investigated via Monte Carlo experiments. The results show that the GME estimator provides efficient and robust estimate for the unknown parameter.