• Proceedings of the Korea Air Pollution Research Association Conference
• /
• 1999.10a
• /
• pp.203-204
• /
• 1999

대기질의 통계예측모형은 주로 오존 농도 예측에 사용된다. 통계예측 방법은 중회귀 모형, 신경망 모형, Fuzzy 논리 모형 등이 있다. 중회귀 모형은 종래 통계분석 방법으로 예전부터 많이 사용되고 있는 방법인 반면에 신경망 모형과 Fuzzy 논리 모형은 최근에 개발되어 적용가능성을 검토 중인 방법이다. 국내외 연구결과에 의하면 각 방법에 의한 고농도 오존 예측성은 크게 다르지 않았다. 국내에서는 중회귀 모형과 신경망 모형이 적용되었는데, 상관계수는 0.6-0.7저도로 보고되었다.(중략)

• Proceedings of the Korea Contents Association Conference
• /
• 2013.05a
• /
• pp.171-172
• /
• 2013

우울은 군대 내 발생되는 극단적인 사고 중 하나인 자살의 주요 원인으로 제시되어 왔다. 본 연구는 군인들의 우울, 불안 및 자아존중감의 수준을 파악하고, 우울의 영향요인을 탐색하고 이들을 예측하는데 주로 사용해 왔던 다중회귀분석 방법과 효과적인 의사결정방법으로 알려진 회귀나무모형의 효과성을 비교해보고자 하였다. 방법: 횡단적 조사연구이며, 우울측정에는 CES-D, 불안측정은 SAI, 자아존중감은 Rosenberg(1965)의 도구를 사용하였다. 연구대상자는 강원도 전방 부대 근무 중인 군인이며, 534부가 회수되었다. SPSS/WIN 18.0을 이용하여 위계적 다중회귀분석과 회귀나무모형을 실시하였다. 결과: 대상자들의 우울, 불안 및 자아존중감의 정도는 각각 $10.7({\pm}9.8)$, $38.5({\pm}10.2)$과 $31.7({\pm}5.2)$이었다. 대상자의 23.6%(126명)가 경한 우울을 나타내었다. 다중회귀분석에 의한 우울 영향요인은 불안, 자아존중감과 복무기간이었으며, 우울에 대하여 62.0%의 설명력을 가지고 있었다. 또한 회귀나무모형에서는 높은 불안과 불안이 다소 낮더라도 전역 후 진로가 불확실한 집단이 우울 위험군일 것으로 예측되었다. 결론: 본 연구 대상자들의 우울의 주요 영향요인은 불안으로 나타났다. 군대 내에서 적용할 수 있는 불안 조절 방법 개발이 필요할 것으로 보인다. 또한 일부 요인에서 차이가 있어, 반복 연구가 필요하지만, 주요 변인인 불안을 예측했다는 점에서 보면 다중회귀분석과 회귀나무모형은 군인들의 우울을 예측에 유용한 방법으로 보인다.

• Journal of Korea Water Resources Association
• /
• v.36 no.6
• /
• pp.1025-1033
• /
• 2003

In common with workers in hydrologic fields, scientists and engineers relate one variable to two or more other variables for purposes of predication, optimization, and control. Statistics methods have improved to establish such relationships. Regression, as it is called, is indeed the most commonly used statistics technique in hydrologic fields; relationship between the monitored variable stage and the corresponding discharges(rating curve). Regression methods expressed in the form of mathematical equations which has parameters, so called parametric methods. some times, the establishment of parameters is complicated and uncertain. Many non-parametric regression methods which have not parameters, have been proposed and studied. The most popular of these are kernel regression method. Kernel regression offer a way of estimation the regression function without the specification of a parametric model. This paper conducted comparisons of some bandwidth selection methods which are using the least squares and cross-validation.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.407-407
• /
• 2023

최근 환경부에서 발표한 국가물관리기본계획에서 수자원 총량 중 생활·공업·농업·유지용수의 이용량은 365억m³/년으로 약 29.4%로 발표되었다. 유지용수를 제외한 농업용수 이용량의 비중은 약 60.5%이며, 이 중 약 80%가 논에서 활용되고 있다. 이러한 농업용수 이용량 중 사용되지 않고 하천으로의 방류량이 존재하는데 이를 관개회귀수량이라하며, 농업용수의 약 35%가 하천으로 회귀된다 발표하나 지역에 따른 편차가 존재하기에 정확한 회귀수량을 산정하기엔 미흡한 실정이다. 따라서 본 연구에서는 네트워크 모형을 통한 용배수로 구축 이후 회귀수 정량화를 하고자 하며, 정량화를 위한 네트워크 모형은 EPA-SWMM(Storm Water Management Model) 모형을 활용하였다. 해당 모형은 미국 환경 보호국(U.S. Environmental Protection Agency, EPA)에서 개발한 네트워크 물리모형으로 다양한 환경적 요소에 따른 수문 영향을 확인 가능한 모형이다. 해당 모형의 다양한 네트워크 기능을 통해 논배수로 네트워크를 구축하여 회귀수 정량화를 진행하고자 한다. 논배수로 네트워크를 구축하기 이전 현장조사를 진행하였다. 현장조사를 통한 용수계통도를 작성하였으며, 모형의 입력자료로 필요한 네트워크 용배수로관 표고값을 측량하였다. 이후 현장조사 및 측량 자료를 활용하여 네트워크 물리모형의 입력자료 구축을 진행하였으며, 해당 자료 구축은 지리 정보 시스템 중 ArcGIS와의 연계를 통해 구축하였다. 모형의 수리학적 입력자료는 해당지역의 계측자료를 활용하였으며, 필지 사이의 내리흐름 및 펌프를 통한 용수 또한 네트워크 물리모형의 기능을 활용하여 구축하였다. 이후 계측자료와의 비교를 통한 매개변수 보정을 진행하였으며, 전체 논배수로에 대한 농업용수의 흐름 및 회귀수량을 분석하였다. 해당 연구를 통해 농업용수의 회귀수 산정 및 지역 편차에 따른 회귀수 정량화 등의 연구에 활용될 것으로 기대한다.

• Journal of the Korean Data and Information Science Society
• /
• v.27 no.5
• /
• pp.1133-1146
• /
• 2016

Counts or averages over arbitrary regions are often analyzed using conditionally autoregressive (CAR) models. The spatial neighborhoods within CAR model are generally formed using only the inter-distance or boundaries between the sub-regions. Kyung and Ghosh (2009) proposed a new class of models to accommodate spatial variations that may depend on directions, using different weights given to neighbors in different directions. The proposed model, directional conditionally autoregressive (DCAR) model, generalized the usual CAR model by accounting for spatial anisotropy. Bayesian inference method is discussed based on efficient Markov chain Monte Carlo (MCMC) sampling of the posterior distributions of the parameters. The method is illustrated using a data set of median property prices across Greater Glasgow, Scotland, in 2008.

• International Journal of Highway Engineering
• /
• v.11 no.2
• /
• pp.151-158
• /
• 2009

This study deals with the rear-end collisions in the rural aiea. The objectives of this study are 1) to analyze the characteristics of rear-end accidents of signalized intersections, and 2) to develop the accident models for Cheongju-Cheongwon. In pursing the above, this study gives the particular attentions to comparing the characters of urban and rural area. In this study, the dependent variables are the number of accidents and value of EPDO(equivalent property damage only), and independent variables are the traffic volumes and geometric elements. The main results analyzed are the followings. First, the statistical analyses show that the Poisson accident model using the number of accident as a dependant variable are statistically significant and the negative binomial accident model using the value of EPDO are statistically significant. Second, the independent variables of Poisson model are analyzed to be the ratio of high-occupancy vehicles, total traffic volume and the sum of exit/entry, and those of negative binomial regression are the main road width, total traffic volume and the ratio of high-occupancy vehicles. Finally, the specific independent variables to the rural area are the main road width, the ratio of high occupancy vehicle, and the sum exit/entry.

• The Korean Journal of Applied Statistics
• /
• v.27 no.6
• /
• pp.1049-1068
• /
• 2014

Autoregressive models are used to analyze an univariate time series data; however, these methods can be inappropriate when a structural break appears in a time series since they assume that a trend is consistent. Threshold autoregressive models (popular regime-switching models) have been proposed to address this problem. Recently, the models have been extended to two regime-switching models with delay parameter. We discuss two regime-switching threshold autoregressive models from a Bayesian point of view. For a Bayesian analysis, we consider a parametric threshold autoregressive model and a nonparametric threshold autoregressive model using Dirichlet process prior. The posterior distributions are derived and the posterior inferences is performed via Markov chain Monte Carlo method and based on two Bayesian threshold autoregressive models. We present a simulation study to compare the performance of the models. We also apply models to gross domestic product data of U.S.A and South Korea.

• The Korean Journal of Applied Statistics
• /
• v.21 no.4
• /
• pp.603-613
• /
• 2008

We often encounter the situation that discrete count data have a large portion of zeros. In this case, it is not appropriate to analyze the data based on standard regression models such as the poisson or negative binomial regression models. In this article, we consider Bayesian analysis for two commonly used models. They are zero-inflated poisson and negative binomial regression models. We use the Bayes factor as a model selection tool and computation is proceeded via Markov chain Monte Carlo methods. Crash count data are analyzed to support theoretical results.

• The Korean Journal of Applied Statistics
• /
• v.29 no.5
• /
• pp.835-847
• /
• 2016

To analyze lattice or areal data, a conditionally autoregressive (CAR) model has been widely used in the eld of spatial analysis. The spatial neighborhoods within CAR model are generally formed using only inter-distance or boundaries between regions. Kyung and Ghosh (2010) proposed a new class of models to accommodate spatial variations that may depend on directions. The proposed model, a directional conditionally autoregressive (DCAR) model, generalized the usual CAR model by accounting for spatial anisotropy. Properties of maximum likelihood estimators of a Gaussian DCAR are discussed. The method is illustrated using a data set of median property prices across Greater Glasgow, Scotland, in 2008.

• Journal of the Korean Data and Information Science Society
• /
• v.28 no.1
• /
• pp.173-183
• /
• 2017

We investigate the factors affecting the price of apartments using the spatial and temporal data of private real estate prices. The factors affecting the price of apartment were analyzed using geographical and temporal weighted regression (GTWR) model which incorporates the temporal and spatial variation. In contrast to the OLS, a general approach used in previous studies, and GWR method which is most widely used for analyzing spatial data, GTWR considers both temporal and spatial characteristics of the house price, and leads to better description of the house price determination. Year of construction and floor area are selected as the significant factors from the analysis, and the house price are affected by them temporally and geographically.