• 제목/요약/키워드: 인구 주택 총 조사

검색결과 89건 처리시간 0.026초

2000년 인구주택총조사에 기반한 마이크로타겟의 2000 구축

  • 최종후;서문택;박정윤
    • 한국데이터정보과학회:학술대회논문집
    • /
    • 한국데이터정보과학회 2003년도 추계학술대회
    • /
    • pp.101-105
    • /
    • 2003
  • 본 연구는 2000년 인구주택총조사에 기반하여, 국내 3,516개 읍면동 단위의 소지역을 마케팅 의사 결정 활용의 관점에서 유사한 인구 사회 경제 소비행태를 가지는 26개의 마이크로타겟(Micro Target) 군집을 구축하는데 그 초점을 두고 있다. 마이크로타겟 군집은 마케팅 의사결정과 마케팅 전략수립에 있어 핵심적 요건으로 기능하게 된다.

  • PDF

마이크로타겟의 구축과 그 활용

  • 최종후;서문택;박정윤
    • 한국통계학회:학술대회논문집
    • /
    • 한국통계학회 2003년도 추계 학술발표회 논문집
    • /
    • pp.219-222
    • /
    • 2003
  • 본 연구는 2000년 인구주택총조사에 기반하여, 국내 3,516개 읍면동 단위의 소지역을 마케팅 의사결정 활용의 관점에서, 유사한 인구${\cdot}$사회${\cdot}$경제${\cdot}$소비행태를 가지는 26개의 마이크로타겟(Micro Target) 군집으로 구축하는데 그 초점을 두고 있다. 마이크로타겟 군집은 고객분류, 상권분석, 광고전략 수립, 타겟마케팅(Target Marketing)등의 마케팅 의사결정과 마케팅 전략수립에 있어 핵심적 요건으로 기능하게 된다.

  • PDF

CART를 활용한 결측값 대체방법 : 인구주택총조사 혼인상태 항목을 중심으로 (Missing Value Imputation Method Using CART : For Marital Status in the Population and Housing Census)

  • 김영원;이주원
    • 한국조사연구학회지:조사연구
    • /
    • 제4권2호
    • /
    • pp.1-21
    • /
    • 2003
  • 본 연구예서는 일반적인 사회조사에서 사용될 수 있는 효과적인 결측값 대체방법을 검토하기 위해 인구주택총조사 조사항목 중 혼인상태의 결측값을 대체할 수 있는 두 가지 방법을 제안하고 있다. 첫 번째 방법은 CART(Classification and Regression Tree)모형에서 얻어진 최대 예측확률을 기준으로 결측값을 대체하는 일종의 모형기반 접근법이고, 두 번째 방법은 CART 모형에서 얻어진 결과를 근거로 대체층을 구성하여 핫덱(hot-deck) 방법을 적용하는 대체방법이다. 효율성 비교를 위해 2000년 인구주택총조사를 위한 시험조사에서 얻어진 제조사 결과를 이용하여 오분류율을 검토해 본 결과 두 방법 중 CART 모형을 기반으로 핫덱 방법을 적용하는 것이 효율적이라는 결론을 얻을 수 있었다. 아울러 전국에 대해 동일한 모형을 설정한 경우와 거주지 특성에 따라 광역시$.$도의 동지역, 도의 읍$.$면지역으로 구분하여 대체방법을 적용하는 경우를 비교해 본 결과 지역 구분을 통한 효율성 향상 효과는 미흡한 것으로 파악되었다.

  • PDF

2008 서울서베이 표본추출틀 구축 및 표본추출 사례 연구 (A Case Study on the Construction of the Sampling Frame and Sampling Design for 2008 Seoul Survey)

  • 강현철;박승열;김지연;김인수;이동수;황재일;박민규
    • 한국조사연구학회지:조사연구
    • /
    • 제10권3호
    • /
    • pp.157-172
    • /
    • 2009
  • 추출된 표본을 바탕으로 관심 모집단의 특성을 파악하는 조사연구에 있어서는 실제로 표본이 추출되는 표본추출틀의 모집단 대표성이 매우 중요하다. 표본추출틀이 관심 모집단을 적절한 수준으로 포함하지 못하는 경우 심각한 표본추출틀 편향이 발생하게 되고 이로 인하여 효율적인 추출법에 의하여 추출된 표본의 통계적 신뢰도 역시 손상된다. 그러나 대규모 조사를 위한 표본추출틀의 구축은 시간과 비용의 측면에서 비효율적이고 따라서 국가에서 제공하는 전수 조사 기반의 표본추출틀이 흔히 사용된다. 대표적으로 국내의 가구조사를 위한 표본추출틀로는 매 5년마다 시행되는 인구주택총조사 기반의 자료가 사용된다. 그러나 인구주택총조사 기반 표본추출틀의 경우 인구주택총조사 시점과 실제 조사 시점과의 시간적 차이로 인한 표본추출틀의 모집단 대표성에 문제가 발생하게 된다. 특별히 인구 유동성이 심한 서울과 같은 대도시의 경우 시간의 경과에 따른 모집단 분포의 변화가 심하게 나타나리라 예측할 수 있다. 따라서 본 연구에서는 2008 서울서베이 가구 조사를 위해 새롭게 표본추출틀을 구축한 것과 새 표본추출틀을 기초로 하여 표본을 추출한 사례를 다룬다. 기존 인구주택총조사 기반 표본추출틀이 시간이 지남에 따라 대표성을 상실하는 문제점을 지적하고 주민등록 DB와 과세대장 DB를 기반으로 한 새로운 표본추출틀을 2008년 서울서베이 가구조사를 위한 표본추출틀로 제시하였다. 새롭게 작성된 표본추출틀로부터의 가구표본추출과정과 가중치 및 모평균 추정량 또한 제시되었다.

  • PDF

예제기반의 학습을 이용한 한국어 표준 산업/직업 자동 코딩 시스템 (An Automatic Coding System of Korean Standard Industry/Occupation Code Using Example-based Learning)

  • 임희석
    • 한국콘텐츠학회논문지
    • /
    • 제5권4호
    • /
    • pp.169-179
    • /
    • 2005
  • 통계청에서 실시하는 사업체 기초 조사와 인구주택총조사 과정에 업체와 개인에 대한 정보를 기술한 자연어를 표준 산업/직업 코드를 할당하는 수동 코딩 작업이 필요하다. 수동 코딩 작업은 막대한 인건비와 비용을 초래하고 수동 코딩 전문가의 능력과 기분에 따른 작업 결과의 비일관성이 매우 큰 문제로 지적되고 있다. 본 논문은 수작업으로 구축한 규칙베이스를 사용하는 규칙 기반 방법과 수작업으로 분류한 데이터를 이용하는 자동 학습 방법을 통합한 한국어 산업/직업 표준 코드 자동 생성 시스템을 제안한다. 제안하는 시스템은 인구주택총조사 40만 레코드, 사업체기초조사 40만 레코드를 이용하여 학습되었고, 실험데이터를 이용하여 평가되었다. 10-best 성능 평가 결과 제안된 시스템은 인구주택총조사 직업분류 데이터에 대해서 76.63%, 인구주택총조사 산업분류 데이터에 대해서 82.249%의 성능을 보였으며, 사업체기초 조사 산업분류 데이터에 대해서는 99.68%의 정확도를 보였다.

  • PDF

주민등록자료와 인구주택총조사의 연령별 비교에 관한 연구 (Comparison of Resident Register With Census Data According to Age Groups)

  • 서우석;이명진
    • 한국조사연구학회지:조사연구
    • /
    • 제9권3호
    • /
    • pp.23-53
    • /
    • 2008
  • 이 연구는 주민등록자료와 인구주택총조사의 연령별 비교를 통하여 주민등록자료의 활용가능성을 분석하였다. 연령대 비교 결과, 주민등록인구와 총조사인구의 차이가 생애주기와 밀접하게 관련되었다. 주민등록 신고의 부정확성 때문으로 추정되는 노인층 이외는 주로 경제적 사회적인 이유로 활동이 활발한 연령층에서 총조사에 포함되지 않는 인구가 늘어남으로써 주민등록과의 차이가 커지는 것으로 나타났다. 특히 $15{\sim}24$세의 연령층에서는 대학 진학이나 경제활동 등의 이유로 인하여 대학과 공단 소재지로 집중 이동하면서 주민등록이전을 수반하지 않는 경우가 많아서 주민등록과 총조사인구 사이에 큰 차이가 나타나는 것을 확인하였다. 이상의 분석은 연령대별로 차이율을 파악하는 것이 주민등록의 활용가능성을 평가하는데 매우 중요하다는 사실을 보여준다. 주민등록인구와 총조사인구의 차이가 우연하게 나타나는 것이 아니라 구조적인 성격을 가진다는 사실은 두 조사의 차이를 예측하고 설명할 수 있는 가능성과 오차에 대한 개선의 가능성을 제시한다.

  • PDF