• 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.

• 응용통계연구
• /
• 제34권6호
• /
• pp.923-936
• /
• 2021

표본조사에서는 다수의 무응답이 발생하며 이를 적절히 처리하는 다양한 방법이 개발되었다. 특히 무응답이 관심변수에 영향을 받고 이로 인해 발생한 편향은 추정의 정확성을 크게 떨어뜨리며 무응답 처리를 어렵게 한다. 최근 Chung과 Shin (2017, 2020)은 알려진 모수적 초모집단 모형과 응답률 모형을 이용하여 추정의 정확성을 향상한 추정량을 제안하였다. 본 연구에서는 초모집단 모형의 형태를 일반화하여 비모수적 함수 형태를 설정한 후 이를 기반으로 얻어진 편향을 적절히 처리한 편향 보정 평균추정량을 제안하였다. 모의실험을 통해 본 연구에서 제안한 방법의 우수성을 확인하였다.

• 응용통계연구
• /
• 제33권4호
• /
• pp.409-420
• /
• 2020

사업체조사에서는 흔히 수정절사법이 사용되며 이 방법을 사용함으로써 표본의 수를 줄이면서도 추정의 정확성을 향상 시킬 수 있다. 그러나 전수층의 무응답률은 크게 높아지고 있으며 예비표본을 이용한 표본대체가 불가능하기 때문에 전수층에서 발생한 무응답은 추정의 정확성을 크게 떨어뜨리고 있다. 특히 무응답이 관심변수에 영향을 받는 경우에는 편향이 발생할 가능성이 매우 높기 때문에 이를 적절히 처리하는 것은 매우 중요하다. 본 연구에서는 전수층에서 발생한 무응답을 적절히 처리하는 방법의 하나로 편향보정 추정법을 제안하였다. 특히 Chung과 Shin(2020)에서 제안한 편향보정 추정량을 전수층 편향보정에 적용하였으며 전수층이라는 특수한 경우에 맞는 새로운 추정 방법을 제안하였다. 또한 모의실험을 통해 제안된 방법의 우수성을 살펴보았으며 실제 자료 분석을 실시하여 본 논문에서 제안한 방법의 우수성을 확인하였다.

• 응용통계연구
• /
• 제21권3호
• /
• pp.361-375
• /
• 2008

본 논문에서는 패널의 일부를 규칙적으로 교체하는 4-8-4 교체표본설계에서 발생할 수 있는 항목 무응답을 대체하는 방법에 대하여 연구하였다. 특히 소득이나 취업과 같이 민감한 질문에 대하여 발생할 수 있는 무응답에 대하여 무시할 수 없는 무응답(nonignorable nonresponse) 체계하에서 발생하는 무응답을 가정하였다. 무응답들의 대체방법으로 모형에 기반한 대체방법을 고려하였으며 베이지안 방법을 이용하여 사후확률밀도함수를 최대화하는 최대사후우도추정량(maximum posterior likelihood estimator)을 구하였다. 그리고 대체된 자료를 이용하여 면접시점이 달라질 때 발생하는 편향을 추정하였으며 추정된 편향을 제거한 후 연속적인 두 조사기간에서의 각 칸의 확률과 고정된 시점에서의 주변확률을 계산하였다. 모의실험을 통해 최종적으로 도출된 결과를 평균제곱오차와 편향의 관점에서 비교하였다.

• 응용통계연구
• /
• 제37권3호
• /
• pp.283-295
• /
• 2024

무응답을 적절히 처리하기 위한 많은 방법이 연구되었다. 최근 다수의 무응답 대체법이 개발되고 실질적으로 사용되고 있다. 기존에 발표된 다수의 방법은 MCAR (missing completely at random) 또는 MAR (missing at random) 가정을 사용하고 있다. 그러나 관심변수에 영향을 받는 MNAR (missing not at random) 또는 무시할 수 없는 무응답(non-ignorable non-response; NN)은 편향을 발생시켜 대체 결과의 정확성을 크게 떨어뜨리지만 이에 관한 연구는 상대적으로 미미하다. Lee와 Shin (2022)은 등분산 가정하에서 무시할 수 없는 무응답을 적절히 처리할 수 있는 편향수정 무응답 대체법을 제안하였다. 본 연구에서는 Lee와 Shin (2022)이 제안한 방법을 확장한 무응답 대체법으로 초모집단 모형의 오차가 이분산인 경우에서 편향을 제거함으로써 추정의 정확성을 향상하는 방법을 제안하였다. 모의실험을 이용하여 제안된 방법의 타당성을 확인하였다.

• 응용통계연구
• /
• 제32권4호
• /
• pp.631-642
• /
• 2019

다수의 항목무응답이 발생한 표본조사에서는 추정의 정확성이 떨어진다. 이를 해결하기 위한 많은 방법이 개발되었으나 응답률이 관심변수에 의해 영향을 받는 경우임에도 이를 고려하지 않고 랜덤으로 무응답이 발생한다는 가정 하에서 사용하는 무응답 처리 방법을 사용하게 되면 편향이 발생하는 것으로 알려져 있다. Chung과 Shin (2017)과 Min과 Shin (2018)은 응답률이 관심변수의 함수인 경우에서 발생된 편향을 적절히 처리하여 추정의 정확성을 향상시키는 방법을 제안하였다. 본 연구에서는 응답률 함수가 선형(linear)이면서 초모집단 모형의 오차가 정규분포를 따르는 경우를 살펴보았으며 층별 모집단 수가 편향 보정에 영향을 주는지도 살펴보았다. 모의실험을 통하여 제안된 추정량의 성능을 살펴보았으며 실제 자료 분석을 통해 이를 확인하였다.

• 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.

• 한국조사연구학회지:조사연구
• /
• 제10권1호
• /
• pp.169-186
• /
• 2009

본 연구는 사회조사에서 무응답으로 인한 편향을 축소하는 방안으로 성향점수를 이용하는 방법과 사례를 설명하기 위해서 성향점수 방법의 이론적인 개념과 배경을 정리하였다. 또한 성향점수 방법을 처음으로 적용한 역학적인 관찰연구에서 성향점수 모형의 정의와 이론적 배경을 살펴보았고 추정에서 편향의 축소방법으로 이용되는 가지 성향점수 방법을 정리하였다. 성향점수로 짝짓기는 통제그룹의 데이터가 상대적으로 많을 경우에 이용되고 부차분류법은 통제그룹의 모든 데이터를 이용할 수 있으며 회귀모형을 이용한 보정은 다중공변량에서도 사용할 수 있을 뿐만 아니라 각 관찰단위에 성향점수 값을 산출하여 사용할 수 있는 특징이 있다. 그리고 사회여론조사에서 항목무응답으로 인한 편향을 축소하는 데 성향점수 가중법을 적용하는 절차를 제안하고 기존의 데이터를 이용하여 실제 적용에 대한 가능성을 검토하였다.

• 응용통계연구
• /
• 제30권1호
• /
• pp.69-82
• /
• 2017

R-지수(representativeness indicator)는 무응답이 발생했을 때 표본의 대표성을 나타내주는 지표이다. 표본의 대표성은 모수 추정의 정확성(accuracy)과 관계가 있으며 정확성은 편향(bias)와 관계가 있다. 따라서 표본의 대표성을 나타내는 R-지수가 높으면 대표성이 높아 편향이 없고 정확성이 높은 결과를 얻을 수 있다. R-지수는 일반화선형모형의 로짓 또는 프로빗 모형을 적합한 후 얻어진 경향 점수(propensity score)에 의해 계산된다. 본 논문에서는 R-지수와 이질적인 층별 응답률과의 관련성을 연구하였으며 편향, 제곱근 RMSE 등과 같은 비교통계량이 무응답에 얼마나 민감한지 등을 모의실험을 통하여 살펴보았다. 또한 변형된 2010년 경제총조사 자료를 이용하여 실제 자료분석도 실시하였다.

• 응용통계연구
• /
• 제33권1호
• /
• pp.11-23
• /
• 2020

표본조사는 비용과 시간을 절약하면서도 주어진 정확성을 만족하는 통계를 얻을 수 있다. 그러나 최근에는 다수의 무응답 발생으로 인해 조사의 정확성이 크게 떨어지고 있다. 무응답은 다양한 이유로 발생하고 있으나 무응답이 관심변수와 함수 관계가 있는 경우에는 이 정보를 이용하여 무응답을 적절히 처리해야 추정의 정확성이 유지될 수 있다. 최근 Chung과 Shin (2017, 2019), Min과 Shin (2018)은 응답률이 관심변수의 지수 또는 선형함수이고 초모집단모형의 오차가 정규분포를 따를 때 무응답으로 인해 발생한 편향을 제거함으로써 추정의 정확성이 향상되는 것을 확인하였다. 이에 본 연구에서는 사업체조사에서 초모집단모형의 오차가 감마분포 또는 로그-정규분포를 따르는 경우에서의 무응답 편향보정 추정량을 제안하였다. 또한 모의실험을 통하여 제안된 추정량의 우수성을 확인하였다.