• 한국경영과학회지
• /
• 제26권1호
• /
• pp.109-116
• /
• 2001

The detection of corporate failures is a subject that has been particularly amenable to cross-sectional financial ratio analysis. In most of firms, however, the financial data are available over past years. Because of this, a model utilizing these longitudinal data could provide useful information on the prediction of bankruptcy. To correctly reflect the longitudinal and firm-specific data, the generalized linear model with assuming the first order AR(autoregressive) process is proposed. The method is motivated by the clinical research that several characteristics are measured repeatedly from individual over the time. The model is compared with several other predictive models to evaluate the performance. By using the financial data from manufacturing corporations in the Korea Stock Exchange (KSE) list, we will discuss some experiences learned from the procedure of sampling scheme, variable transformation, imputation, variable selection, and model evaluation. Finally, implications of the model with repeated measurement and future direction of research will be discussed.

• International Journal of Control, Automation, and Systems
• /
• 제2권4호
• /
• pp.516-522
• /
• 2004

In this paper we investigate the properties of a generalized impulse response Gramian. The recursive relationship satisfied by the family of Gramians is established. It is shown that the generalized impulse response Gramian contains information on the characteristic polynomial of a linear time-invariant continuous system. The results are applied to model reduction problem.

• 한국경영과학회:학술대회논문집
• /
• 한국경영과학회 2006년도 추계학술대회
• /
• pp.373-376
• /
• 2006

In general, there are three kinds of methods in analyzing dynamic robust design experiment: loss model approach, response function approach, and response model approach. In this talk, we review the three modeling approaches in terms of several criteria in comparison. This talk also generalizes the response model approach based on a generalized linear model. We develop a generalized two-step optimization procedure to substantially reduce the process variance by dampening the effect of both explicit and hidden noise variables. The proposed method provides more reliable results through iterative modeling of the residuals from the fitted response model. The method is compared with three existing approaches in practical examples.

• 한국지능시스템학회논문지
• /
• 제16권2호
• /
• pp.144-149
• /
• 2006

이 연구는 T-S 퍼지 접근법을 이용하여 불확실한 비선형 시스템의 균형화된 모델 차수 축소 방법을 제시한다. 일반화된 가제어성, 가관측성 그래미안을 정의하고 이들을 이용하여 균형화된 상태공간 모델을 얻는다. 균형화된 상태공간 모델로부터 상태변수 뿐만 아니라 불확실한 요소를 절삭하여 간략화된 모델을 얻는 기법을 제시하고 모델오차의 상한치를 제시한다. 균형화된 상해공간은 선형행렬 부등식의 해를 구하여 구현할 수 있으며 제시한 방법의 효용성을 보여주기 위하여 수치 예를 보여준다.

• 응용통계연구
• /
• 제30권5호
• /
• pp.775-791
• /
• 2017

이진 데이터는 일상 생활에서 자주 접할 수 있는 데이터이다. 이진 데이터를 회귀 분석하는 방법으로 로지스틱(Logistic), 프로빗(Probit), Cauchit, Complementary log-log 모형이 주로 쓰이는데, 이 방법 이외에도 Liu(2004)가 제시한 t 분포를 이용한 로빗(Robit) 모형, Kim 등 (2008)에서 제시한 일반화 t-link 모형을 이용한 방법 등이 있다. 유연한 분포를 이용하면 유연한 회귀 모형이 가능해지는 점에 착안하여, 이 논문에서는 Theodossiou(1998)에서 제시된 기운 일반화 t 분포 (Skewed Generalized t Distribution)의 이용하여 우도 함수를 최대로 하는 이진 데이터 회귀 모형을 소개한다. 기운 일반화 t 분포를 R glm 함수, R sgt 패키지를 연결하여 이 논문에서 제시한 방법을 R로 분석할 수 있는 방법을 소개하고, 피마 인디언(Pima Indian) 데이터를 분석한다.

• Journal of the Korean Data and Information Science Society
• /
• 제21권5호
• /
• pp.831-839
• /
• 2010

최소제곱 서포트벡터기계는 비선형회귀분석과 분류에 널리 쓰이는 커널기법이다. 본 논문에서는 금융시계열자료의 평균 및 변동성을 추정하기 위하여 평균의 추정 방법으로는 가중최소제곱 서포트벡터기계, 변동성의 추정 방법으로는 최소제곱 서포트벡터기계를 사용하는 비선형 평균 일반화 이분산 자기회귀모형을 제안한다. 제안된 모형은 선형 일반화 이분산 자기회귀모형 및 선형 평균 일반화 이분산 자기회귀모형보다 더 나은 추정 능력을 가진다는 것을 실제자료의 추정을 통하여 보였다.

• 응용통계연구
• /
• 제30권6호
• /
• pp.957-981
• /
• 2017

관측되지 않는 효과 또는 고정효과로 설명할 수 없는 분산 구조가 포함되어 정확한 모수 추정이 어려운 경우 체계적인 분석을 위해 일반화 선형 모형은 임의효과가 포함된 일반화 선형 혼합 모형으로 확장되었다. 본 연구에서는 일반화 선형 모형 중에서도 이분적인 반응변수를 다루는 로지스틱 회귀모형에 임의효과를 포함한 최대 우도 추정 방법을 설명한다. 그중에서도 라플라스 근사법, 가우스-에르미트 구적법, 적응 가우스-에르미트 구적법 그리고 유사가능도 우도에 대한 최대우도 추정법을 자세히 알아본다. 또한 제안한 방법을 사용하여 한국 복지 패널 데이터에서 정신건강과 생활만족도가 자원봉사활동에 미치는 영향에 대해 분석한다.

• 응용통계연구
• /
• 제25권6호
• /
• pp.1037-1047
• /
• 2012

The generalized linear mixed model(GLMM) is widely used in fitting categorical responses of clustered data. In the numerical approximation of likelihood function the normality is assumed for the random effects distribution; subsequently, the commercial statistical packages also routinely fit GLMM under this normality assumption. We may also encounter departures from the distributional assumption on the response variable. It would be interesting to investigate the impact on the estimates of parameters under misspecification of distributions; however, there has been limited researche on these topics. We study the sensitivity or robustness of the maximum likelihood estimators(MLEs) of GLMM for counts data when the true underlying distribution is normal, gamma, exponential, and a mixture of two normal distributions. We also consider the effects on the MLEs when we fit Poisson-normal GLMM whereas the outcomes are generated from the negative binomial distribution with overdispersion. Through a small scale Monte Carlo study we check the empirical coverage probabilities of parameters and biases of MLEs of GLMM.

• 품질경영학회지
• /
• 제24권2호
• /
• pp.128-141
• /
• 1996

The advent of the quality-improvement movement caused a great expansion in the use of statistically designed experiments in industry. The regression method is often used for the analysis of data from such experiments. However, the data for a quality characterstic often takes the form of counts or the ratio of counts, e.g. fraction of defectives. For such data the analysis using generalized linear models is preferred to that using the simple regression model. In this paper we introduce the generalized linear model and show how it can be used for the analysis of non-normal data from quality-improvement experiments.

• 대한안전경영과학회:학술대회논문집
• /
• 대한안전경영과학회 2009년도 춘계학술대회
• /
• pp.423-427
• /
• 2009

This study proposes the generation mechanism of various design matrix using generalized linear model for design of experiment. Design generation method of GLM analysis, factorial design(FD) with center points, ANOVA design with lack-of-fit test, and response surface design are introduced. In central composite(CC) design, orthogonal blocking and fractional factorial design(FFD) are presented. We compare the design of Box-Benhken(BB) and face-centred central compsite design.