• 응용통계연구
• /
• 제3권1호
• /
• pp.59-78
• /
• 1990

지난 30여년간 급격히 발전해 온 다중결정이론 중 부분집합선택론은 매우 중요한 위치를 차지하고 있다. 특히 여러가지 형태의 부분집합선택절차론 중에서 최초로 소개된 Gupta형 선택절차론은 모든 절차론들의 기본이 되어 오고 있음으로 그 중요성은 널리 인식되고 있다. 더우기 응용부문에 있어서도 가장 많이 사용되고 있는 선택절차론들 중의 하나이기도 하다. 따라서 Gupta형 선책절차론에 대한 일반적인 성질들도 많이 규명되어 왔다. 특히 결정론적 측면에서나 베이스 이론적 측면에서의 최적성 및 점근적 효율성에 있어서는 Gupta와 Hsu(1978), Bj$\phi$rnstad(1980), 그리고 Bickel과 Yahav(1982)가 성질 들을 규명내지는 다른 형의 부분집합선택절차론들과 특정분포에 대해 비교 검토하였다. 또한 수집된 자료가 선택절차론의 근본 가정들을 위반할 경우가 실제로 다반사로 일어난다. 따라서 근본가정이 위배될 경우 선택절차론의 강건력에 대해서도 연구가 부분적으로 진행되었다. Gupta형 선택절차론과 중앙값 선택절차론과의 비교도 Gupta와 Singh(1980)과 Sohn(1985)에 의해 진행되었으며, 특히 스피리지 배치에서 점근적 효율성을 연구하였다. 하지만 부분집합선택절차론이 차지하는 중요성에 비해 그 자체에 대한 여러 측면에 있어서의 성질 및 운용특성에 대한 포괄적이고 일반적인 연구는 미흡한 편이다.

• 한국통계학회:학술대회논문집
• /
• 한국통계학회 2005년도 춘계 학술발표회 논문집
• /
• pp.49-51
• /
• 2005

본 연구는 반복분할(recursive partitioning)에 의한 군집화 방법을 제안하고 활용 예를 제시한다. 이 방법은 나무 형태의 해석하기 쉬운 단순한 규칙을 제공하면서 동시에 변수선택기능을 제공한다.

• 디지털융복합연구
• /
• 제15권10호
• /
• pp.559-570
• /
• 2017

이 연구는 베블런효과와 밴드왜건효과가 미용실 선택에 영향을 미치는지를 파악하고자 하는데 목적이 있다. 연구목적의 달성을 위하여 20세 이상의 여성 1,000명을 대상으로 구조화된 설문지를 통하여 자료를 수집하였다. 표본추출은 연구결과의 일반화를 위하여 비례층화표본추출방법을 활용하였다. 수집된 자료는 SPSS ver.19.0을 가지고 빈도분석, 요인분석, 신뢰도분석, 회귀분석을 실시하였다. 연구목적의 달성을 위하여 두 개의 가설을 설정하였다. 가설1은 베블런효과는 미용실 선택에 영향을 미칠 것이다. 가설2는 밴드왜건효과는 미용실 선택에 영향을 미칠 것이다. 분석결과 베블런효과와 밴드왜건효과는 미용실을 선택하는데 영향을 미치는 것으로 검증되었다. 베블런효과는 미용실을 선택하는데 영향을 미칠 것이라는 가설과 밴드왜건효과는 미용실을 선택하는데 영향을 미칠 것이라는 가설은 부분적으로 채택될 수 있는 것으로 나타났다. 연구의 결과는 미용실 이용자의 대부분은 그들의 친구, 지인 또는 함께 교류하는 사람과 미용실을 이용하고 있다는 것을 보여준다.

• 한국철도학회논문집
• /
• 제19권1호
• /
• pp.87-96
• /
• 2016

통행자 수단선택 연구에는 확률 효용 최대화 원칙(RUM)에 입각한 다항로짓모형이 주로 사용되어졌다. 그러나 최근 들어 RUM 원칙을 대신할 대안적 방법론의 제시가 이루어지고 있으며, 이러한 대안적 방법의 하나로 제시된 것이 확률적 후회 이론모형(RRM)이다. 본 연구는 지역간 통행자의 수단선택 행태를 모사함에 있어 RRM 모형을 적용하고, RUM 원칙을 적용한 다항로짓모형의 구축결과와 비교를 통하여 RRM 모형의 적용가능성을 검토하였다. 분석결과, RUM 모형과 RRM 모형 모두 모수 추정결과는 직관과 부합하는 결과를 보였으며, 모형의 자료 적합도는 RUM 모형보다 RRM 모형이 조금 더 높게 도출되었다. 결론적으로 자료적합성 측면에서 RRM 모형이 RUM 모형보다 낫다고 판단할 수 있으나, 아직 일부 사례에만 검토되어졌기 때문에 추후 경로선택, 화물 운송수단 선택 등 더 많은 통행자의 선택상황에 대한 추가적인 검토가 필요하다고 하겠다.

• Journal of the Korean Data and Information Science Society
• /
• 제27권5호
• /
• pp.1317-1325
• /
• 2016

본 연구에서는 한국고용정보원에서 실시한 "2013 고졸자 취업진로조사" 자료를 활용하여 특성화고 졸업자의 임금결정요인을 분석하였다. 일반적으로 임금은 개인의 취업여부와 임금의 크기에 대한 두 가지의 복합적인 정보를 담고 있다. 그러나 임금 결정요인분석의 많은 선행연구에서는 후자의 정보만을 대상으로 최소제곱법에 기초한 선형 회귀분석을 수행함으로써 표본선택에 의한 편의 (sample selection bias) 문제가 발생하게 된다. 본 연구에서는 임금결정요인분석에서 표본선택에 의한 편의 문제를 극복하기 위해 Tobit 모형과 Heckman의 표본선택 모형을 분석에 활용하였다. 주요 분석 결과를 요약하면 다음과 같다. 먼저 Tobit 모형과 Heckman의 표본선택 모형에 대한 타당성은 통계적으로 유의함을 알 수 있었다. 성별은 취업확률과 임금의 크기에서 모두 통계적으로 유의한 것으로 나타났다. 마이스터고 졸업생은 취업확률과 임금의 크기 모두 기타고 졸업생에 비해서 높은 것을 알 수 있었으며, 부모소득이 높을수록 취업확률과 임금의 크기가 모두 통계적으로 유의하게 증가하였다. 부모학력이 고졸이하에 비해서 대졸이상이 취업확률은 통계적으로 유의하게 낮지만, 임금의 크기는 높게 나타났다. 고교성적은 높을수록, 고교 만족도가 높을수록, 그리고 자격증 수가 많을수록 취업확률과 임금의 크기 모두 통계적으로 유의하게 높은 것을 알 수 있다.

• 응용통계연구
• /
• 제28권5호
• /
• pp.1035-1046
• /
• 2015

분산성분모형은 다양한 임의 요인들이 반응변수에 미치는 영향을 선형식의 형태로 나타내는 매우 유용하고 널리 사용되는 통계적 모형이다. 분산성분모형은 요인의 배치나 관측 자료의 구조에 따라 크게 교차배치와 지분배치로 나누어진다. 본 논문은 분산성분모형에서 요인의 배치구조와 분산성분의 크기에 따라 모형선택법의 경험적인 성질이 다르게 나타나는 현상을 체계적인 모의실험을 통하여 제시하고자 한다. 이원배치 분산성분모형에서 정보기준에 근거한 모형선택법, 즉 BIC 또는 AIC를 사용하는 경우 요인의 배치구조와 분산성분의 크기에 따라 모형선택법의 경험적인 성질이 다르게 나타나는 현상을 소규모 모의실험을 통하여 보여준다. 모의실험 결과에서 모형선택법의 경험적 성질이 요인의 배치 설계에 따라 다르게 나타난다는 사실을 확인하였으며 특히 요인의 배치구조가 지분 설계구조일때 내포된 요인의 분산성분의 상대적인 크기가 커짐에 따라 자료를 생성하는 모형보다 작은 모형을 선택하는 경향이 있다는 것이 모의실험으로 확인되었다.

• 한국항만경제학회지
• /
• 제25권2호
• /
• pp.1-24
• /
• 2009

본 연구는 네트워크 이론 관점을 통해 50개 글로벌 해운선사의 항만 선택 결정요인을 규명하기 위해 중국과 한국의 주요 항만을 대상으로 분석했다. Conditional Logit Model을 통한 분석 결과, 글로벌 해운선사는 항만 선택에 있어 역내보다는 글로벌 차원에서의 네트워크를 상대적으로 더 중요하게 고려함을 규명할 수 있었다. 글로벌 해운선사는 항만의 역내 네트워크 중심성이 클수록, 그리고 글로벌 네트워크 연계성과 중심성이 높을수록 해당 항만을 선택하는 것으로 나타났다. 특히 한국 항만과 중국 항만을 별도로 분석한 경우, 본 연구에서 사용한 변수의 유의도와 계수의 크기로 볼 때, 글로벌 선사들은 한국의 항만 보다는 중국 항만을 더 중요하게 생각하고 있다는 것을 알 수 있었다. 본 연구는 설문조사가 아닌 2차 자료를 활용하고, AHP 기법이 아닌 CLM 모형을 통해 항만 선택에 관한 연구를 최초로 시도했다는 점에서 연구의 의미를 가질 수 있다. 그러나 설문이 아닌 2차 자료를 통한 분석이기 때문에, 글로벌 선사의 항만선택에 정의 또는 부의 영향을 미칠 수 있는 규명 가능한 변수들을 충분히 포함시키지 못하고 있다는 한계를 안고 있다.

• 한국수학교육학회지시리즈E:수학교육논문집
• /
• 제18권1호
• /
• pp.277-288
• /
• 2004

수학 학습 능력이 낮고 의욕이 없는 학생들에게 수학에 대한 관심과 흥미를 불러일으키고 학습의욕을 유발하는 자료를 개발하여 제시함으로서 도움을 주려고 한다. 학습자료는 시각적으로 이해를 쉽게 하고 학생 수준에 적합한, 관심을 가질 수 있는 내용을 중심으로 실질적인 효과를 기대할 수 있도록 선택한다. 이들 자료에 대한 학생들의 반응을 알아보고 단원별로 체계적으로 학습에 도움을 주는 자료 개발에 활용하려고 한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 봄 학술발표논문집 Vol.28 No.1 (A)
• /
• pp.322-324
• /
• 2001

분산 환경에서 여러 호스트들간의 자료를 공유하는 것은 네트워크에 부하를 줄이고 가용도를 높일 수 있지만 복제된 공유 자료들의 일치성을 유지하는 것이 필요하다. 전통적으로 분산된 공유자료의 일치성을 위해서 무효화방식(invalidate protocol), 갱신방식(update protocol) 그리고 이주방식(migratory protocol)등이 사용되었다. 분산 환경뿐만 아니라 이동컴퓨팅 환경에서도 분산된 호스트들간에 공유자료의 일치성을 유지하기 위해서 적절한 프로토콜을 선택하는 것은 중요하다. 본 논문에서는 이동 컴퓨팅 환경에 효과적으로 적용 할 수 있는 공유자료의 일치성 유지하기 위한 프로토콜을 제안하고 성능 분석을 하였다.

• 한국농림기상학회지
• /
• 제25권2호
• /
• pp.80-98
• /
• 2023

본 연구에서는 계절내-계절(Subseasonal to seasonal, S2S) 기후예측의 주별 예측 성능을 개선하기 위해서 딥러닝 기반의 후보정(post processing) 기술을 개발하였다. 그 첫 단계로, 일 최고, 최저기온과 일 강수를 목표 변수로, 자료의 특성과 분포에 적합한 자료 변환 및 특성 공학 기법을 규명하고자 하였다. 먼저, 6개 개별 기후모델의 S2S 예측 자료를 딥러닝 모델에 입력하기 위한 훈련자료로 변환하고, 이로부터 다중모델앙상블(Multi-Model Ensemble, MME) 기반 훈련자료를 구축하였다. 참값(label)으로는 ECMWF의 ERA5 재분석 자료를 사용하였다. 자료 변환 알고리즘은 최고 및 최저 차이를 계산하여 입력자료의 범위를 변형시키는 MinMax 및 MaxAbs 변환, 표준편차를 이용하는 Standard 변환 및 분위수를 지정하여 변형하는 Robust와 Quantile 변환으로 구성된 전처리 파이프라인을 구축하였으며, 변환된 훈련자료와 예측 변수와의 상관관계를 계산하여 순위에 따라 훈련자료의 특성을 선택하는 특성 선택 기법을 추가하였다. 본 연구는 U-Net 모델에 TimeDistributed wrapper를 모든 합성곱 층(convolutional layer)에 적용하여 활용하였다. 5개 알고리즘으로부터 변환된 6개 개별 기후모델 및 MME S2S 훈련자료(일 최고 및 최저기온, 강수)에 훈련 모델을 적용한 결과와 훈련 모델을 적용하지 않은 결과를 ERA5와의 공간상관계수(spatial Pattern Correlation Coefficient)를 계산하고 그 개선율인 기술 점수(skill score)를 평가한 결과, 일 강수의 PCC 기술 점수는 Standard 및 Robust 변환으로 처리된 것에서 전체 예측선행(1~4주)에 대해 모두 높았고, 일 최고 및 최저기온에서는 예측 선행시간 3~4주에서만 높게 나타났다. 또한, 일 강수에서 특성 선택에 따른 훈련자료의 차원 감소가 예측 성능 변화에 영향을 미치지 않는 것으로 나타났다. 일 최고 및 최저기온의 경우에는 특성 선택에 의한 훈련자료의 특성 정보 감소가 오히려 예측 성능을 저하시킬 수 있는 것으로 확인되었으며, 원시자료에서 예측성이 높은 1~2주 기온 예측 개선을 위한 적합한 전처리 변환 알고리즘이나 특성 선택을 찾을 수 없었다. 후속 연구에서는 원시 예측 성능이 강수에 비해 높으나 딥러닝 훈련 모델에 의한 후보정 효과가 미미한 예측 선행 1~2주 기온 예측의 저조 원인에 대해 탐색하고, 다양한 딥러닝 훈련 모델로의 적용 및 초매개변수 조정 등 학습 과정의 최적화를 통해 S2S 기후 예측 성능을 개선하고자 한다.