• Journal of Preventive Medicine and Public Health
• /
• 제40권6호
• /
• pp.495-504
• /
• 2007

Objectives : This study attempts to show how studies using non-experimental data can strengthen causal inferences by applying propensity score and instrumental variable methods based on the counterfactual framework. For illustrative purposes, we examine the effect of having private health insurance on the probability of experiencing at least one hospital admission in the previous year. Methods : Using data from the 4th wave of the Korea Labor and Income Panel Study, we compared the results obtained using propensity score and instrumental variable methods with those from conventional logistic and linear regression models, respectively. Results : While conventional multiple regression analyses fail to identify the effect, the results estimated using propensity score and instrumental variable methods suggest that having private health insurance has positive and statistically significant effects on hospital admission. Conclusions : This study demonstrates that propensity score and instrumental variable methods provide potentially useful alternatives to conventional regression approaches in making causal inferences using non-experimental data.

• ETRI Journal
• /
• 제31권2호
• /
• pp.121-128
• /
• 2009

In this paper, we describe a fixed-threshold sequential minimal optimization (FSMO) for structured SVM problems. FSMO is conceptually simple, easy to implement, and faster than the standard support vector machine (SVM) training algorithms for structured SVM problems. Because FSMO uses the fact that the formulation of structured SVM has no bias (that is, the threshold b is fixed at zero), FSMO breaks down the quadratic programming (QP) problems of structured SVM into a series of smallest QP problems, each involving only one variable. By involving only one variable, FSMO is advantageous in that each QP sub-problem does not need subset selection. For the various test sets, FSMO is as accurate as an existing structured SVM implementation (SVM-Struct) but is much faster on large data sets. The training time of FSMO empirically scales between O(n) and O($n^{1.2}$), while SVM-Struct scales between O($n^{1.5}$) and O($n^{1.8}$).

• 응용통계연구
• /
• 제29권7호
• /
• pp.1361-1371
• /
• 2016

분위수 회귀모형은 설명변수가 반응변수의 조건부 분위수 함수에 어떻게 관계되는지 탐색함으로서 많은 유용한 정보를 제공한다. 그러나 설명변수와 반응변수가 비선형 관계를 갖는다면 선형형태를 가정하는 전통적인 분위수 회귀모형은 적합하지 않다. 또한 고차원 자료 또는 설명변수간 상관관계가 높은 자료에 대해서 변수선택의 방법이 필요하다. 이러한 이유로 본 연구에서는 벌점화 분위수 회귀나무모형을 제안하였다. 한편 제안한 방법의 분할규칙은 과도한 계산시간과 분할변수 선택편향 문제를 극복한 잔차 분석을 기반으로 하였다. 본 연구에서는 모의실험과 실증 예제를 통해 제안한 방법의 우수한 성능과 유용성을 확인하였다.

• Journal of the Korean Data and Information Science Society
• /
• 제28권3호
• /
• pp.533-545
• /
• 2017

분위수 회귀모형은 반응변수의 조건부 분포에 대하여 포괄적이고 유용한 통계적 정보를 제공한다. 그러나 많은 실제 자료는 설명변수와 반응변수가 비선형의 관계를 갖고 있어 전통적인 선형 분위수 회귀모형은 왜곡되고 잘못된 결과를 초래할 수 있다. 또한 자료의 복잡성이 증가하여 반응변수가 여러개인 다변량 자료의 분석에 대한 보다 정확한 예측과 더불어 풍부한 해석에 대한 요구가 증가하고 있다. 이러한 이유로 본 연구에서는 다변량 분위수 회귀나무 모형을 제안하였다. 본 연구에서는 기존의 다변량 회귀나무 모형의 분할변수 선택 알고리즘의 문제점을 지적하고 향상된 분할변수 선택 알고리즘을 제안하였다. 제안한 알고리즘은 합리적인 계산시간으로 적용 가능하며 분할변수 선택에서 편향 발생의 문제를 갖지 않는 동시에 기존 방법보다 더 정확하게 분할변수를 선택할 수 있있다. 본 연구에서는 모의실험과 실증 예제를 통해 제안한 방법의 우수한 성능과 유용성을 확인하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권3호
• /
• pp.79-84
• /
• 2021

고차원의 데이터를 처리하기 위해서는 데이터의 성질을 유지하면서 특징을 잘 반영할 수 있는 특징 추출 방법이 필요하다. 주성분분석 방법은 고차원 데이터에 포함된 정보를 저차원의 데이터로 변환하여 원래 데이터의 변수 수보다 적은 수의 변수로 고차원 데이터를 표현 할 수 있는 방법으로서 데이터의 특징 추출을 위한 대표적인 방법이다. 본 연구에서는 데이터가 고차원인 경우 데이터 특징 추출을 위한 주성분 분석에 있어서 주성분 변수 선정 시 적응적 상관도를 기반으로 한 주성분 분석 방법을 제안한다. 제안하는 방법은 입력 데이터간의 상관 관계를 기반으로 상관도를 적응적으로 반영하여 데이터의 주성분을 분석함으로써 다른 여러 변수에 중복적으로 상관도가 높은 변수와 주성분을 유도하는데 연관성이 적은 변수를 주성분 변수 후보 대상에서 제외시키고자 한다. 고유벡터 계수 값에 의한 주성분 위계를 분석하고 위계가 낮은 주성분이 변수로 선정이 되는 것을 막고 또한 상관 분석을 통하여 데이터의 중복 발생이 데이터 편향을 유도하는 것을 최소화하 하고자 한다. 이를 통하여 주성분 변수 선정 시 데이터 편향성의 영향을 줄임으로써 실제 데이터의 특징을 잘 나타내는 주성분 변수를 선정하는 방법을 제안하고자 한다.

• Journal of the Korean Data and Information Science Society
• /
• 제26권1호
• /
• pp.217-227
• /
• 2015

In observational study, handling confounders is a primary issue in measuring treatment effect of interest. Historically, a regression with covariate adjustment (covariate-adjusted regression) has been the typical approach to estimate treatment effect incorporating potential confounders into model. However, ever since the introduction of the propensity score, covariate-adjusted regression has been gradually replaced in medical literatures with various balancing methods based on propensity score. On the other hand, there is only a paucity of researches assessing propensity score methods compared with the covariate-adjusted regression. This paper examined the performance of propensity score methods in estimating risk difference and compare their performance with the covariate-adjusted regression by a Monte Carlo study. The study demonstrated in general the covariate-adjusted regression with variable selection procedure outperformed propensity-score-based methods in terms both of bias and MSE, suggesting that the classical regression method needs to be considered, rather than the propensity score methods, if a performance is a primary concern.

• 노동경제논집
• /
• 제35권2호
• /
• pp.79-115
• /
• 2012

본 연구는 우리나라의 세대 간 소득탄력성을 보다 정확히 측정하고자 시도하였다. 먼저 선행연구들에서 세대 간 소득탄력성 추정치가 낮았던 주요한 이유는 표본 선택 문제에서 기인함을 보였고, 이러한 문제를 수정한 OLS추정치는 선행연구들에 비해 다소 높았다. 또한 희귀분석에서 발생하는 하향편의를 희귀분석 방법에 의해 항상소득과 임시소득의 분산을 추정하여 계산하였다. 추가적으로 다른 표본들을 연결하여 도구변수 추정을 함으로써 표본 선택 문제가 야기할 수 있는 편의 정도의 범위를 설정하고자 시도하였는데 이러한 방법들에 의한 추정 결과는 단순 희귀분석에 의한 결과와 비슷하거나 다소 높았다.

• 한국항만경제학회지
• /
• 제38권3호
• /
• pp.29-51
• /
• 2022

본 연구의 목적은 국제해사기구(IMO)의 배출규제해역(ECA) 시행에 따른 환경규제가 페리 선사들의 재무지표로 구성된 효율성에 어떠한 영향을 미쳤는지 실증적으로 분석하는데 있다. 이에 따라 본 연구에서는 2004년부터 2017년 까지 북유럽, 지중해, 북미 지역의 8개 페리선사의 재무데이터를 수집하여, ECA가 페리선사의 재무성과에 미친 영향을 효율성의 관점에서 지역별로 추정하였다. 방법론적 측면에서 본 연구의 학술적 기여는 다음과 같다. DEA의 자의적인 변수 선정 문제를 완화하기 위하여 Dyson et al.(2001)이 제시한 변수 선정 기준을 적용했으며, Network SBM DEA 모형을 통하여 기업의 규모를 고려하는 동시에 기업의 수익 창출 과정을 단계별로 구분하여 재무성과를 보다 세밀하게 측정하였다. 또한 BTR 모형을 적용하여 편의(Bias)를 최소화한 결과를 도출하였다. 연구 결과 가장 강한 규제를 받았던 북유럽 선사의 경우 오히려 효율성의 꾸준한 증가가 관측되었다. 북미지역 선사들의 경우 정부지원금이 효율성에 큰 영향을 미친 것으로 드러났으며, 상대적으로 ECA와 유가에 의한 영향은 적었던 것으로 관측되었다. 반면 지중해 지역의 경우 가장 낮은 수준의 규제를 받았음에도 불구하고, 규제 이후로 효율성 값이 낮아지는 모습이 관측되었다. 본 연구는 향후 ECA가 확대될 예정인 아시아의 페리선사와 정책당국에 의사결정의 참고자료로서 기능할 수 있을 것으로 생각된다.

• 한국조사연구학회지:조사연구
• /
• 제5권1호
• /
• pp.93-101
• /
• 2004

사업체조사에서 절사법이 흔히 이용되고 있다. 이 경우, 절사되는 사업체가 모집단에서 차지하는 비중이 모집단 전체에 비하여 매우 작다. 따라서 절사층에 속한 사업체는 목표모집단에서 제외되고, 나머지 부분에 대한 추정만이 이루어지고 있다. 이는 목표모집단 총계 추정에 영향을 작게 미치는 사업체 정보를 활용하지 않겠다는 의미이며, 더불어 작은 사업체에 응답 부담을 덜어 주겠다는 의도로 볼 수 있다. 그러나 예산의 부담을 덜기 위해서 절사층의 크기를 증가시키는 것은 목표모집단의 모수 추정에 상당한 편의를 제공한다는 점을 간과해서는 안 된다. 본 연구에서는 사례를 이용하여 모집단을 절사층, 표본층, 전수층으로 구분하고, 보조변수를 이용하여 절사층을 추정하는 방법을 보였다.

• 응용통계연구
• /
• 제32권2호
• /
• pp.199-211
• /
• 2019

주어진 회귀자료에 유한혼합회귀모형을 적합하는 경우 적절한 성분의 수를 선택하고 선택된 각각의 회귀모형에서 의미있는 예측변수들의 집합을 선택하며 동시에 편의와 변동이 작은 회귀계수 추정치들을 얻는 것은 매우 중요하다. 본 연구에서는 혼합선형회귀모형에서 성분의 개수와 회귀계수에 벌점함수를 적용하여 적절한 성분의 수와 각 성분의 회귀모형에 필요한 설명변수들을 동시에 선택하는 방법을 제시하였다. 성분에 대한 벌점은 성분들의 로그값에 SCAD 벌점함수를 적용하였고 회귀계수들에는 SCAD와 더불어 MCP 및 Adplasso 벌점함수들을 사용하여 가상자료와 실제자료들에 대한 결과를 비교하였다. SCAD-SCAD 벌점함수 조합과 SCAD-MCP 조합의 경우 기존의 Luo 등 (2008)의 방법에서 문제가 되었던 과적합 문제를 해결함과 동시에 선택된 성분의 수와 회귀계수들을 효과적으로 선택하였으며 회귀계수들의 추정치에 대한 편의도 크지 않았다. 본 연구는 성분의 수가 알려져 있지 않은 회귀자료에서 적절한 성분의 수와 더불어 각 성분에 대한 회귀모형에서 모형에 필요한 예측변수들을 동시에 선택하는 방법을 제시하였다는데 의미가 있다고 하겠다.