• The Korean Journal of Applied Statistics
• /
• v.29 no.1
• /
• pp.133-144
• /
• 2016

This paper proposes a parsimonious periodic autoregressive (PAR) model. The proposed model performance is evaluated through an analysis of Korean unemployment rate series that is compared with existing models. We exploit some common features among each seasonality and confirm it by LR test for the parsimonious PAR model in order to impose a parsimonious structure on the PAR model. We observe that the PAR model tends to be superior to existing seasonal time series models in mid- and long-term forecasts. The proposed parsimonious model significantly improves forecasting performance.

• The Korean Journal of Applied Statistics
• /
• v.32 no.6
• /
• pp.909-922
• /
• 2019

In this paper, we study the adaptive least absolute shrinkage and selection operator (LASSO) for the unstable autoregressive (AR) model. To identify the existence of the unit root, we apply the adaptive LASSO to the augmented Dickey-Fuller regression model, not the original AR model. We illustrate our method with simulations and a real data analysis. Simulation results show that the adaptive LASSO obtained by minimizing the Bayesian information criterion selects the order of the autoregressive model as well as the degree of differencing with high accuracy.

• Journal of the Korean Data and Information Science Society
• /
• v.23 no.4
• /
• pp.643-648
• /
• 2012

There are lots of analysis to determine the relation between dependent variable and explanatory variables. Often the regression analysis is used to do this, and we can analyze the how much the explanatory variable can be related with dependent variable and how much the regression model can explain the data. But the validation check of regression model is usually determined by coefficient of determination. We should check the validation of regression coefficient with different methods. This paper introduces the method for validation check the regression coefficient using the jackknife regression and bootstrap regression in clinical data.

• Journal of Korea Technology Innovation Society
• /
• v.13 no.2
• /
• pp.231-251
• /
• 2010

The numbers of SCI paper or patent in science and technology are expected to be related with the number of researcher and knowledge stock (R&D stock, paper stock, patent stock). The results of the regression model showed that severe multicollinearity existed and errors were made in the estimation and testing of regression coefficients. To solve the problem of multicollinearity and estimate the effect of the independent variable properly, principal component regression model were applied for three cases with S&T knowledge production. The estimated principal component regression function was transformed into original independent variables to interpret properly its effect. The analysis indicated that the principal component regression model was useful to estimate the effect of the highly correlate production factors and showed that the number of researcher, R&D stock, paper or patent stock had all positive effect on the production of paper or patent.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2004.05b
• /
• pp.630-634
• /
• 2004

현재까지 대부분의 유출 모형들은 우리나라 농업지역에 내한 적용에 있어 많은 수정이 요구되고, 그에 따른 모의 결과 또한 불확실성을 내포하고 있으며, 이의 원인중 상당수는 농업지역에서 발생하는 관개와 회귀에 따른 것이라 찰 수 있다. 특히 농업지역에서의 유출 및 물사용에 대한 정확한 계측이 제대로 이루어지고 있지 못하기 때문에, 그에 따른 정확한 수자원 평가가 어려운 현실이다. 이에 본 논문에서는 본 연구진에서 기 개발한 순물소모량 산정방법과 회귀 관계식으로 보청천 유역의 회귀특성을 규명하고자 하였으며, 본 연구에서 사용한 모형은 SWAT모형의 농업용수 관개 기능을 보완한 SWAT-AGRIMANAGEMENT모형을 개발 이용하였다. 유역규모에서의 농업용수 사용에 따른 하천유량의 변화 및 유역내 회귀관계를 파악할 수 있었으며, 기존에 주로 관개지구 단위에서의 회귀수량 조사 결과 및 가정에 의하여 사용되던 농업용수 회귀율에 대한 보다 의미있는 기준을 제시할 수 있을 것으로 기대된다.

• Journal of Korean Society of Transportation
• /
• v.29 no.2
• /
• pp.101-109
• /
• 2011

In most of the urbanized cities, socio-economic attributes tend to cluster as patterns of similarity in space, namely spatial autocorrelation, by agglomeration forces. The classical linear regression model, the most frequently adopted in the trip generation step, cannot sufficiently represent this effect. In order to take into account the effect properly, we need a model which adequately deals with the spatial dependence patterns. In this study, the Geographically Weighted Regression (GWR) model is adopted as an alternative method for the local analysis of relationships in multivariate data sets; that is GWR extends this traditional regression framework by estimating local rather than global parameters. This study shows the existence of spatial effects in the production and attraction of home base/non-home based trips through the GWR model using travel data collected in Daegu metropolitan area. Furthermore, LISA is employed to verify the fact that the local spatial autocorrelation exists.

• 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.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.38 no.6
• /
• pp.801-808
• /
• 2018

The learning of the linear regression model is stable on the assumption that the sample size is sufficiently larger than the number of explanatory variables and there is no serious multicollinearity between explanatory variables. In this study, we investigated the difficulty of model learning when the assumption was violated by analyzing a real heavy rain damage data and we proposed to use a principal component regression model or a ridge regression model after integrating data to overcome the difficulty. We evaluated the predictive performance of the proposed models by using the test data independent from the training data, and confirmed that the proposed methods showed better predictive performances than the linear regression model.

• The Korean Journal of Financial Studies
• /
• v.8 no.1
• /
• pp.231-252
• /
• 2002

2000년 7월부터 채권시가평가의 실행으로 채권운용자들도 채권포트폴리오의 위험을 채권선물을 이용하여 통제하거나 감소시키기 위해 헤지를 하여야 한다. 이때 헤지비율을 추정하는 방법으로는 전통적 회귀분석모형, 백터오차수정모형(Vector Error Correction Model : VECM)과 VAR모형(Vector AutoRegressive Model)이 있다. 전통적인 회귀분석모형에 의하여 추정된 헤지비율은 시계열자료의 불안정성(nonstationary) 등으로 인하여 잘못 추정될 가능성이 있어 면밀한 검토와 분석 후 사용하여야 한다. 시계열자료의 불안정성으로 말미암아 야기되는 문제점들을 개선할 수 있는 모형으로서 VECM과 VAR모형이 널리 이용되고 있다. 따라서 본 연구는 VECM과 VAR모형을 사용하여 추정된 헤지비율과 전통적 회귀분석모형을 사용하여 추정한 헤지비율을 비교하여 어떤 모형으로 추정한 헤지비율이 더 정확한지를 평가하는데 목적을 두고 있다. 즉, 본 연구는 KTB 현 선물의 헤징에 대한 연구로 2000년 1월 4일부터 2001년 7월 27일까지 385일간의 KTB 현 선물 자료와 불룸버그 국채지수를 대상으로 VECM 및 VAR모형과 전통적 회귀분석모형에 의한 헤지비율을 추정하고 각 모형의 설명력과 예측력을 비교하고자 한다. 이 연구의 실증분석 결과, KTB 현물가격과 KTB 선물가격간, 블룸버그 국채지수와 KTB 선물가격간에는 공적분 관계가 존재하며, VECM 및 VAR와 전통적 회귀분석모형을 이용하여 추정한 최적헤지비율의 크기는 대동소이(大同小異)하며, 전통적 회귀분석방법을 이용하는 것이 VECM과 VAR모형을 이용할 때 보다 설명력과 예측력이 우월한 것으로 나타났다.

• The Korean Journal of Applied Statistics
• /
• v.32 no.2
• /
• pp.199-211
• /
• 2019

This paper is concerned with issues in the finite mixture of regression modeling as well as the simultaneous selection of the number of mixing components and relevant predictors. We propose a penalized likelihood method for both mixture components and regression coefficients that enable the simultaneous identification of significant variables and the determination of important mixture components in mixture of regression models. To avoid over-fitting and bias problems, we applied smoothly clipped absolute deviation (SCAD) penalties on the logarithm of component probabilities suggested by Huang et al. (Statistical Sinica, 27, 147-169, 2013) as well as several well-known penalty functions for coefficients in regression models. Simulation studies reveal that our method is satisfactory with well-known penalties such as SCAD, MCP, and adaptive lasso.