• Communications for Statistical Applications and Methods
• /
• 제17권6호
• /
• pp.917-925
• /
• 2010

일반적으로 정준상관 행렬도(canonical correlation biplot)는 정준상관분석에서 두 변수집단에 의해서 측정된 다변량 자료에서 변수 집단 간의 관계와 개체들의 관계를 탐색하기 위한 2차원 그림이다. 최근에 이를 활용하여 최태훈과 최용석 (2008)은 2006년도 한국여자골프협회(KLPGA) 선수에 대한 기술요인 변수군과 경기성적요인 변수군간의 관련성을 살펴보았고 최태훈 등 (2009)은 테니스 그랜드 슬램대회 선수특성요인과 경기요인에 대한 분석을 하였다. 더군다나 세 변수군 이상의 정준상관분석을 일반화 정준상관분석(generalized canonical correlation analysis)이라 하며 이와 관련하여 허명회 (1999, 6장)는 수량화 플롯을 제안하고있다. 이를 행렬도의 의미에서 일반화 정준상관 행렬도(generalized canonical correlation biplot)라하자. 본 연구에서는 대한 테니스협회(KTA)에 등록된 남자선수들 중 상위50명의 체격요인, 체력요인 및 기초기술요인에 대한 분석을 일반화 정준상관 행렬도를 적용하여 살펴보고 프로크러스티즈 분석을 통하여 전체선수, 상위랭킹과 하위랭킹 선수간의 행렬도 형상비교를 시도 하였다.

• 응용통계연구
• /
• 제21권3호
• /
• pp.429-439
• /
• 2008

정준상관 행렬도(canonical correlation biplot)는 정준상관분석에서 두 변수 집단에 의해서 측정된 다변량 자료에서 변수 집단 간의 관계와 개체들의 관계를 탐색하기 위한 2차원 그림이다. 이는 일반적으로 최용석 (2006, 1장)의 한 변수 집단에 의한 행렬자료에 대한 일반적인 행렬도를 두 변수 집단에 의한 행렬자료로 확장한 것으로 볼 수 있다. 최근에 Choi와 Kim (2008)은 개체들이 많은 대용량 자료에서 행렬도의 해석상 힘든 문제점을 지적하고 이를 극복하는 데 군집분석을 활용하는 방법을 제시하고 있다. 일반적인 행렬도에서 발생하는 대용량 자료에 대한문제는 정준상관 행렬도에서도 동일하게 발생하곤 한다. 본 연구에서는 2006년도 KLPGA 선수 중 상금 순위 상위 50명을 대상으로 정준상관 행렬도를 통해 기술요인변수군(평균 퍼팅수. 그린 적중율, 파 세이브율, 파 브레이크율)과 경기성적요인변수군(상금, 평균 타수)간의 관련성을 살펴보고 군집분석을 활용하여 각 선수들의 군집을 시도하려한다.

• 응용통계연구
• /
• 제24권3호
• /
• pp.559-566
• /
• 2011

행렬도는 이원표 자료행렬의 행과 열을 탐색하기에 유용한 그래프적 방법이다. 특히, 정준상관 행렬도는 정준상관분석의 결과를 이용하여 두 변수군과 개체간의 관계를 기하적으로 살펴볼 수 있다. 그 반면에 자료의 성격에 따라 세개 이상의 변수군이 존재하는 경우에는 정준상관분석의 개념에서 확장한 일반화 정준상관분석을 이용하여 일반화 정준상관 행렬도를 고려할 수 있다. 그러나 자료의 성격에 따라 두 변수군 외에 이들 두 변수군에 선형적 영향을 미치는 공변량변수로 이루어진 다른 한 변수군이 존재하는 경우에, 일반화 정준상관 행렬도를 적용한다면 공변량변수군의 영향력 때문에 주 관심인 두 변수군에 대하여 잘못 해석할 수 있다. 따라서 본 연구에서는 Rao (1969)의 공변량 변수군의 영향력을 제거한 편정준상관분석을 살펴보고, 이를 기하적으로 해석하기 위한 편정준상관 행렬도를 제안한다.

• 응용통계연구
• /
• 제22권4호
• /
• pp.855-864
• /
• 2009

정준상관 행렬도(canonical correlation biplot)는 정준상관분석(canonical correlation analysis)에서 두 변수 집단에 의해서 측정된 다변량 자료에서 변수 집단 간의 관계와 개체들의 관계를 탐색하기 위한 2차원 그림이다. 최근에 최태훈과 최용석 (2008)는 2006년도 KLPGA 선수를 대상으로 정준상관 행렬도를 통해 기술요인변수군과 경기성적요인변수군간의 관련성을 살펴보고 군집분석을 활용하여 각 선수들의 군집을 시도하였다. 프로크러스티즈 분석(Procrustes analysis)은 두 형상(shape)의 유사성을 비교하는 데 사용되는 기법이다. 본 연구에서는 테니스 그랜드슬램대회의 선수특성요인변수군과 경기요인변수군에 대한 분석연구를 정준상관 행렬도를 적용하여 살펴보고 프로크러스티즈 분석을 통하여 행렬도 형상비교를 하였다.

• Communications for Statistical Applications and Methods
• /
• 제19권1호
• /
• pp.97-105
• /
• 2012

일반화 정준상관 행렬도(generalized canonical correlation biplot)는 정준상관분석에서 세 변수군 이상에 의해서 측정된 다변량 자료에서 변수 집단 간의 관계와 개체들의 관계를 탐색하기 위한 2차원 그림이다. 최근에 이를 활용하여 최태훈과 최용석 (2010)은 2004년 대한테니스협회(KTA)에 등록된 남자선수들 중 상위 50명을 대상으로 세 변수군인 체격요인변수군, 체력요인변수군 그리고 기초기술요인변수군의 상호 연관성을 살펴보았다. 그러나 이들 분석에서 체격요인변수군이 나머지 두 변수군과 독립적이지 못하고 선형적 영향을 미치는 것으로 판단되어 이를 공변량변수군으로 고려하였다. 이와같이 세 변수군에서 한 변수군이 공변량(covariate)으로 영향을 주는 경우 이를 제거한 정준상관분석을 편(partial)정준상관분석이라 하며 이와 관련된 편정준상관 행렬도를 염아림과 최용석 (2011)은 제안하였다. 본 연구에서는 최태훈과 최용석(2010)의 분석에서 체격요인변수군의 영향을 제거하고 체력요인변수군과 기초기술요인변수군의 관계를 살펴보는 편정준상관 행렬도의 활용의 예를 보이고 기존 연구의 일반화 정준상관 행렬도, 편정준상관 행렬도, 정준상관 행렬도의 결과를 서로 비교하고자 한다. 덧붙여 이들 행렬도간의 형상변동 차이를 프로크러스티즈 분석을 활용하여 비교하고자 한다.

• 응용통계연구
• /
• 제23권5호
• /
• pp.955-966
• /
• 2010

정준상관 행렬도는 두 변수군 사이에 연관성이 있는 데이터 행렬을 시각적으로 묘사하고 데이터가 가진 패턴을 찾는데 유용하고, 분석의 더욱 정형화된 방법으로써 결과를 보여주기에도 유용하다. 그럼에도 불구하고, 자료에 결측값이 존재하는 경우에 대부분의 행렬도는 바르게 적용되지 않는다. 이 문제를 해결하기 위해, 결측률에 따라 중앙값과 평균, EM알고리즘, MCMC대체법을 사용해서 결측 자료를 추정한다. 완전하지 않은 자료의 행렬도의 결측값을 추정하더라도, 대체법과 결측률에 따라 행렬도의 모양이 달라진다. 따라서 Shin 둥 (2008)에서 제안한 RMS(root mean square)와 원 행렬도와 추정된 행렬도간의 형상 변동을 측정하고 비교하기 위한 PS(Procrustes statistic)를 사용한다.

• 응용통계연구
• /
• 제37권2호
• /
• pp.157-176
• /
• 2024

생명현상의 복잡한 시스템에 대한 이해를 위한 융합분석의 중요성이 점점 커지고 있다. 하나의 연구대상을 다양한 관점에서 관찰하여 얻게 되는 여러 데이터의 융합분석은 통해 좀 더 대상에 대한 깊은 이해를 가능하게 한다. 본 연구에서는 그중에서도 특히 하나의 샘플에서 두개의 고차원 데이터가 생성된 경우 다룰 수 있는 분석인 공관성분석과 정준상관분석을 비교하였다. 정준상관분석의 경우 고차원 데이터를 다룰 수 없는 단점이 있기에, 해당 문제를 극복하기 위하여 능형상수를 이용하는 방법(CCA-ridge)과 각 데이터의 공분산행렬을 항등행렬로 가정하여 벌점화 특이값분해를 이용한 방법(CCA-PMD) 두 가지를 고려하였으며 각 방법을 NCI60 세포주 패널에서 얻은 RNA 시퀀싱 데이터와 단백질 시퀀싱 데이터 분석에 적용하였다. 그 결과 정준상관분석의 경우 두 정준변수간의 상관관계에 좀 더 집중하는 반면 공관성분석은 각 데이터의 선형조합간의 상관관계뿐 아니라 각 선형조합의 변동성을 함께 고려함을 확인할 수 있었다. 또한 공관성분석의 경우 여러가지의 가중치행렬을 고려하여 그 결과값을 비교하고 중요 시사점을 도출하였다.

• 대한전자공학회논문지SP
• /
• 제49권4호
• /
• pp.105-110
• /
• 2012

정준상관분석 (canonical correlation analysis, CCA)은 두 변수집단 사이의 선형 관계를 측정하는 확률적 분석 기법으로 이를 이용하여 다수의 신호가 혼재되어 수신된 신호로부터 각각의 신호원을 분리하는 것이 가능하다. 기존에 CCA와 자기회귀(auto regressive) 기법을 이용하여 혼재된 신호를 분리하는 기법이 제안되었으나 신호원 분리를 효과적으로 수행하기 위해서는 높은 신호 대 잡음비 (signal-to-noise ratio)가 요구되는 문제가 있다. 본 논문에서는 자기회귀 기법의 파라미터 계산시 잡음성분이 포함되어있는 자기공분산 행렬의 주대각 원소를 제거하여 잡음의 영향을 최소화하고 이를 통하여 신호원 분리 성능을 개선하는 방안을 제안한다. 제안하는 기법은 기존에 제안된 CCA와 자기회귀을 이용한 신호 분리 기법에 비하여 더 우수한 신호 분리 성능을 보일 뿐 만 아니라 신호원 분리 과정에서 요구되는 계산량을 줄일 수 있다.

• 한국산림과학회지
• /
• 제77권4호
• /
• pp.429-444
• /
• 1988

편백(扁栢) (Chamaecyparis obtusa)은 1924년(年) 일본(日本)에서 도입(導入)된 후(後) 한국(韓國) 남부지방(南部地方)의 주요조림종(主要造林種)으로 식재(植栽)되고 있다. 그러나 현존(現存)하는 편백림(扁栢林)의 대부분(大部分) 유령림(幼令林)에 속(屬)하고 있으며 임목(林木)의 다각적(多角的) 용도(用途) 개발(開發)이라는 최근(最近)의 추세(趨勢) 고려(考慮)할 때, 합리적(合理的)인 경영관리(經營管理)에 필요(必要)한 종합적(綜合的)인 정보구명(情報究明)이 시급(時急)한 과제(課題)라고 할 수 있다. 이러한 관점(觀點)에서 전남(全南) 장성군(長成郡) 삼서면(三西面) 식재(植栽)된 23년생(年生) 편백림(扁栢林)을 대상(對象)으로 83본(本) 표본목(標本木)을 선정대목(選定代木)하여 각종(各種) 수간장성인자(樹幹長成因子)들을 측정(測定)한 후(後) 정준상관분석법(正準相關分析法), 주성분분석법(主成分分析法) 및 인자분석법(因子分析法)을 적용(適用)하여 성장(成長) 특성(特性), 성장인자간(成長因子間)의 관계(關係), 잠재적(潛在的) 및 종합적(綜合的) 정보구명(情報究明)을 위하여 조사분석(調査分析)한 결과(結果)를 요약(要約)하면, 간재적(幹材積)과 질적성장인자(質的成長因子)의 정준상관분석(正準相關分析)에서 정준상관계수(正準相關係數) $0.988^{**}$이며, 정준변량(定準變量) 계수(系數)에서 비대성장인자(肥大成長因子)에서는 흉고직경(胸高直徑), 상장성인자(上長成因子)에서는 수고(樹高)가 유력(有力)한 인자(因子)로 밝혀 졌으며, 흉고직경(胸高直徑)과 수고(樹高)를 1조(組)로 선형(線形) 종합(綜合)한 정준변량(正準變量)과 간재적간(幹材積間)의 상관(相關)을 분석(分析)한 결과(結果)는 간재적((幹材積)에 대한 영향력(影響力)은 흉고직경(胸高直徑)이 수고(樹高)에 비(比)하여 높았다. 12개(個)의 수간(樹幹) 제성장인자(諸成長因子)들에 대(對)한 주성분(主成分) 분석결과(分析結果)에서 설정(設定)된 유효목표(有效目標) 85.00%에 합당(合當)하도록 채택(採擇)된 제(第)1~(第)2 주성분(主成分)까지의 누적기여율(累積奇與率)은 88.16%이며, 제(第)1, 제(第)2 주성분(主成分)은 각각(各各) "크기인자(因子)", "형상인자(形狀因子)"로 해석(解釋)되었다. 유효주성분(有效主成分) 각변량(各變量)에 대한 기여율(奇與率)은 수관직경(樹冠直徑), 지하고(枝下高) 및 망고(望高)를 제외(除外)한 모든 변량(變量) 정보(情報)가 87.00% 이상(以上)을 설명(說明)해 주었다. 상관행렬(相觀行列) 대각선요소(對角線要素)를 SMC로 하여 얻어진 고유치(固有値) 의(衣)해서 공통인자(共通因子)를 2개(個)로 정하였으며 $f^*_1$은 수간(樹幹) 비대성장계(肥大成長系)의 $f^*_1$은 상장성장수(上長成長系)의 형질인자(形質因子)의 잠재적인자(潛在的因子)로 해석(解析)되었다. 각종성장인자(各種成長因子)의 내재현상(內在現像)은 지하고(枝下高), 수관직경(樹冠直徑)을 제외(除外)한 공통성(共通性)이 78.62~98.30%의 높은 설명력(說明力)을 가진다. 공시목(供試木) 83본(本)은 인자득점(因子得點)의 표준편차(標準偏差)(1)를 반경(半徑)으로 한 원내(員內)의 표준목(標準木)은 중간형(中間型)으로 그리고 제(第) 1, 2, 3, 4 상한별(象限別)의 수간형질분류(樹幹形質分類)는 각각(各各) 비대(肥大), 수고성장(樹高成長)의 총합형(總合型), 세장형(細長型) 왜소형(矮小型) 및 단비형(短肥型) 등(等)의 5개유형(個類型) 분류(分類)할 수 있다.