• 응용통계연구
• /
• 제29권4호
• /
• pp.729-739
• /
• 2016

독립된 세 개 이상의 처리 간에 차이 유무를 검정하는 비모수적 방법에는 Kruskal과 Wallis (1952)가 제안한 검정법이 있다. 세 개 이상의 다른 모집단으로부터 결합된 표본관측 값들의 순위를 이용한 검정기법이다. 본 논문에서는 Chung과 Kim (2007)이 제안한 결합위치 방법을 확장하여 일원배치모형에서 새로운 방법을 제안하였다. 또한 모의실험(Monte Calro simulation study)를 통하여 기존의 검정법과 제안한 방법의 검정력을 비교하였다.

• Journal of the Korean Data and Information Science Society
• /
• 제26권4호
• /
• pp.791-799
• /
• 2015

랜덤워크가설이란 금융시장의 많은 시계열자료가 과거의 값과 관계없이 독립적으로 움직인다는 이론이다. 랜덤워크가설은 ARMA 모형에서 단위근 존재여부 문제로 해석되는데 대부분의 연구는 AR(1) 모형에서 ${\rho}$ < 1 여부를 검정하는 문제에 집중되어 왔다. 그러나, ${\rho}$ > 1인 폭발자기회귀모형을 따르면 거품경제의 위험이 있게 되므로 이를 구분하는 것이 필요하다. 폭발자기회귀모형에서 모수 추정량의 점근분포에 대해 알려져 있으나 그 형태가 모수를 포함하고 있어 통계량으로 부적절하거나 모수에 특정한 구조를 가정하고 있어 사용하기 쉽지 않다. 본 연구에서는 소규모자료에서도 사용할 수 있는 기울기부호를 이용하여 폭발자기회귀모형에 대한 검정을 제시한다. 모의실험을 통해 검정통계량의 성질을 확인한 결과, 오차항의 종속 정도에 따라 통계량의 분포가 일정한 경향을 따르는 것을 알 수 있었다. 대립가설이 참일 경우 통계량의 값이 커지는 성질을 이용하여 검정할 수 있음을 확인할 수 있었다.

• 응용통계연구
• /
• 제29권1호
• /
• pp.61-73
• /
• 2016

본 논문에서는 다변량 시계열 모형 진단을 위해 잔차의 자기상관성 유무를 확인하기 위한 와일드 붓스트랩(wild bootstrap) Ljung-Box(LB) 검정통계량을 연구하였다. 일반적으로 LB 검정은 오차가 서로 독립이며 동일한 분포를 따른다는 IID 가정 하에 유도되는 점근적 카이제곱 분포를 이용한다. 한편 금융시계열 자료는 분산에 조건부 이분산성이 존재하기 때문에 오차의 IID 가정을 만족시키지 못하며 이에 따라 점근적 분포를 이용한 LB 검정은 제1종의 오류를 만족시키지 못하게 된다. 이를 극복하기 위해 와일드 붓스트랩을 이용한 LB 검정법을 제안하고 그 성질을 연구하고자 한다. 벡터자기회귀 모형과 벡터오차수정 모형 등의 다양한 다변량 시계열 모형을 이용하여 모의실험을 실시하는 한편, 코스피 200지수와 지수선물 자료를 이용한 실증분석을 통해 와일드 붓스트랩을 이용한 LB 검정법이 조건부 이분산성의 부정적인 영향을 효과적으로 제거할 수 있음을 입증하였다.

• 응용통계연구
• /
• 제10권1호
• /
• pp.85-104
• /
• 1997

Cox(1972)가 제안한 비례위험모형은 두 표본의 처리를 비교하거나 공변량의 효과와 생존시간의 관계를 회귀적으로 해석하는 등 다양한 상황에 쓰일 수 있어 널리 이용되고 있다. 따라서 비례위험모형에 대하여 많은 통계 학자들이 연구를 하였는데, 그중에서도 적합도 검정법에 대하여 여러 편의 논문이 발표되었다. 본 논문에서는 지금까지 제안된 비례위험모형에 대한 적합도 검정법에 관하여 설명하고, 다양한 형태의 자료에 대한 모의실험을 통하여 비례위험모형을 이용하여 생존분석을 실시하려는 통계분석가들에게 도움이 되도록 각각의 특성에 관하여 논의하였다.

• 한국통계학회:학술대회논문집
• /
• 한국통계학회 2003년도 추계 학술발표회 논문집
• /
• pp.263-268
• /
• 2003

Breiman, Friedman, Olshen and Stone(1984)의 전체탐색법에 의한 회귀나무는 상대적으로 많은 분리가 가능한 변수로 분리기준이 정해지는 편의 현상을 갖고 있다. 본 연구에서는 이런 문제점을 해결할 수 있는 알고리즘을 제안하여 변수선택편의가 없는 회귀나무를 만들고자 한다. 제안하는 알고리즘은 노드의 분리변수를 선택하는 단계와 그 선택된 변수에 의해 이진분리를 위한 분리점을 찾는 단계로 구성되어 있다. 예측변수 중에서 목표변수와 가장 밀접하게 연관된 예측변수는 예측변수의 자료의 종류에 따라 스피어만의 순위상관계수에 의한 검정 혹은 크루스칼-왈리스의 통계량에 의한 검정을 수행하여 가장 통계적으로 유의한 변수로 선택하였고, 선택된 변수에만 Breiman et al.(1984)의 전체선택법을 적용하여 분리점을 결정하였다. 모의실험을 통해 변수선택편의, 변수선택력 , 그리고 평균제곱오차 측면에서 Breiman et al. (1984)의 CART(Classification and Regression Trees)와 제안한 알고리즘을 서로 비교하였다. 또한, 두 알고리즘을 실제 자료에 적용하여 효율을 서로 비교하였다.

• Communications for Statistical Applications and Methods
• /
• 제2권1호
• /
• pp.13-21
• /
• 1995

선형모형에서 오차가 대칭인 분포를 따르는지 또는 한쪽으로 치우친(skewed distribution)분포를 따르는지 검정하는 문제를 다루었다. 또 이러한 검정과정을 분석의 예비단계로 하는 회귀계수의 추정방법에 대해서 연구하고, 모의실험을 통해서 회귀계수 추정법들의 효율을 비교하였다.

• 한국통계학회:학술대회논문집
• /
• 한국통계학회 2000년도 추계학술발표회 논문집
• /
• pp.253-255
• /
• 2000

다변량분석 기법을 사용하기 위해서는 자료가 정규성(normality)가정을 만족해야한다. 본 연구에서는 GUI(graphic user interface)환경 하에서 일변량(univariate)과 다변량자료(multivariate data)의 정규성검정, 이상치(outliers)제거 및 변수변환(variable transformation)을 지원하는 시스템을 구축하여 사용자들이 보다 편리하게 사용할 수 있음을 소개 하고자 한다.

• 응용통계연구
• /
• 제19권2호
• /
• pp.241-256
• /
• 2006

EDF에 근거한 $Cram{\acute{e}}r$-von Mises 통계량을 합교원리를 이용하여 다변량으로 일반화한다. 그리고 제안된 통계량의 귀무가설에서의 극한분포를 적절한 공분산 함수를 가진 가우스 과정의 적분의 형태로 표현하고 통계량의 근사적인 계산방법을 고려한다. 또한 실제 자료에 제안된 통계량을 적용해보고 여러가지 대립가설에서의 검정력을 유사한 통계량과 비교해 본다.

• Communications for Statistical Applications and Methods
• /
• 제2권2호
• /
• pp.33-42
• /
• 1995

종속 관측중단(dependent censoring)이 카이제곱 형태의 적합도 검정에 어떻게 영향을 미치고 종속도와 관측중단된 정도에 따라 검정의 오류와 검정력이 변화하는 형태를 시뮬레이션을 통해 경험적으로 알아보았다. Sakar(1987)가 제안한 이변량 지수분포로부터 종속 관측중단된 자료를 만들어 Kim(1993)이 제안한 방법과 Akritas(1988)가 제안한 적합도의 검정방법을 적용하였다. 전체적으로 Kim(1993)의 검정법이 더 효과적이었으며 관측 중단된 정도가 클 때는 중속도에 따라 검정의 오류와 검정력이 무척 크게 변하였다.

• 응용통계연구
• /
• 제21권2호
• /
• pp.341-353
• /
• 2008

본 연구에서는 이변량 음이항 분포에서 과대산포와 "내재적 상"의 존재유무에 대한 가설검정 문제를 다루었다. 과대산포에 대한 스코어 검정의 표준정규분포 근사는 명목 유의수준을 과소추정한 반면 "내재적 상"에 대한 스코어 검정은 명목유의수준을 과대 추정하고 있음을 보였다. 본 연구에서는 이와 같은 스코어 검정의 표준정규분포 근사의 문제점을 해결하기 위하여 붓스트랩 방법을 제안하였다. 스코어 검정에 대한 붓스트랩 방법은 두 검정에서 명목유의수준을 제대로 유지하고 검정력도 높게 나타나 스코어 검정의 표준정규분포 근사에 존재하는 문제를 해결하는 효율적인 대안으로 판단된다.