• 응용통계연구
• /
• 제28권2호
• /
• pp.353-360
• /
• 2015

공간적으로 관측되는 연속형 자료를 분석하는 모형으로 공간적 상관관계를 고려한 다양한 정규모형이 지난 수십 년간 제안되었다. 그 중에서 공간효과를 랜덤효과로 모형화하는 공간선형모형(Spatial Linear Mixed Model; SLMM)이 가장 널리 활용되는 모형 중 하나일 것이다. 연결함수(link function)을 사용하면 SLMM을 비정규 데이터도 적용할 수 있는 일반화된 공간선형모형(Spatial Generalized Linear Mixed Model; SGLMM)으로 자연스럽게 확장할 수 있다. 이 논문에서는 가장 널리 활용되는 SGLMM을 알아보고 실제 데이터 적용사례를 R 패키지를 활용하여 제시하고자 한다.

• Communications for Statistical Applications and Methods
• /
• 제29권3호
• /
• pp.373-391
• /
• 2022

The distribution of observations in most econometric studies with spatial heterogeneity is skewed. Usually, a single transformation of the data is used to approximate normality and to model the transformed data with a normal assumption. This assumption is however not always appropriate due to the fact that panel data often exhibit non-normal characteristics. In this work, the normality assumption is relaxed in spatial mixed models, allowing for spatial heterogeneity. An inference procedure based on Bayesian mixed modeling is carried out with a multivariate skew-elliptical distribution, which includes the skew-t, skew-normal, student-t, and normal distributions as special cases. The methodology is illustrated through a simulation study and according to the empirical literature, we fit our models to non-life insurance consumption observed between 1998 and 2002 across a spatial panel of 103 Italian provinces in order to determine its determinants. Analyzing the posterior distribution of some parameters and comparing various model comparison criteria indicate the proposed model to be superior to conventional ones.

• 한국환경과학회지
• /
• 제20권12호
• /
• pp.1541-1551
• /
• 2011

This study applied the Bayesian method for the quantification of the parameter uncertainty of spatial linear mixed model in the estimation of the spatial distribution of probability rainfall. In the application of Bayesian method, the prior sensitivity analysis was implemented by using the priors normally selected in the existing studies which applied the Bayesian method for the puppose of assessing the influence which the selection of the priors of model parameters had on posteriors. As a result, the posteriors of parameters were differently estimated which priors were selected, and then in the case of the prior combination, F-S-E, the sizes of uncertainty intervals were minimum and the modes, means and medians of the posteriors were similar to the estimates using the existing classical methods. From the comparitive analysis between Bayesian and plug-in spatial predictions, we could find that the uncertainty of plug-in prediction could be slightly underestimated than that of Bayesian prediction.

• 한국통계학회:학술대회논문집
• /
• 한국통계학회 2003년도 춘계 학술발표회 논문집
• /
• pp.69-74
• /
• 2003

The estimation of pest density is a prime concern of Integrated Pest Management (IPM) because the success of artificial intervention such as spraying pestcides or natural enemies depends on pest density. Also, the spatial pattern of pest population within plants or plots has been studies in various ways. In this study, we applied generalized linear mixed model to Tetranychus urticae Koch , two-spotted spider mite count in glasshouse grown roses. For this analysis, the subject-specific as well as pupulation-averaged approaches are used.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2003년도 Proceedings of ACRS 2003 ISRS
• /
• pp.727-731
• /
• 2003

ASTER image has some advantages for classification such as 15 spectral bands and 15m ${\sim}$ 90m spatial resolution. However, in the classification using general remote sensing image, shadow areas are often classified into water area. It is very difficult to divide shadow and water. Because reflectance characteristics of water is similar to characteristics of shadow. Many land cover items are consisted in one pixel which is 15m spatial resolution. Nowadays, very high resolution satellite image (IKONOS, Quick Bird) and Digital Surface Model (DSM) by air borne laser scanner can also be used. In this study, mixed pixel analysis of ASTER image has carried out using IKONOS image and DSM. For mixed pixel analysis, high accurated geometric correction was required. Image matching method was applied for generating GCP datasets. IKONOS image was rectified by affine transform. After that, one pixel in ASTER image should be compared with corresponded 15×15 pixel in IKONOS image. Then, training dataset were generated for mixed pixel analysis using visual interpretation of IKONOS image. Finally, classification will be carried out based on Linear Mixture Model. Shadow extraction might be succeeded by the classification. The extracted shadow area was validated using shadow image which generated from 1m${\sim}$2m spatial resolution DSM. The result showed 17.2% error was occurred in mixed pixel. It might be limitation of ASTER image for shadow extraction because of 8bit quantization data.

• Journal of the Korean Data and Information Science Society
• /
• 제25권4호
• /
• pp.941-949
• /
• 2014

Unit level logistic regression model with mixed effects has been used for estimating small area proportions, which treats the spatial effects as random effects and assumes linearity between the logistic link and the covariates. However, when the functional form of the relationship between the logistic link and the covariates is not linear, it may lead to biased estimators of the small area proportions. In this paper, we relax the linearity assumption and propose two types of kernel-based logistic regression models for estimating small area proportions. We also demonstrate the efficiency of our propose models using simulated data and real data.

• Current Optics and Photonics
• /
• 제4권6호
• /
• pp.530-539
• /
• 2020

Hyperspectral images feature a relatively narrow band and are easily disturbed by noise. Accurate estimation of the types and parameters of noise in hyperspectral images can provide prior knowledge for subsequent image processing. Existing hyperspectral-noise estimation methods often pay more attention to the use of spectral information while ignoring the spatial information of hyperspectral images. To evaluate the noise in hyperspectral images more accurately, we have proposed a spectral-spatial cooperative noise-evaluation method. First, the feature of spatial information was extracted by Gabor-filter and K-means algorithms. Then, texture edges were extracted by the Otsu threshold algorithm, and homogeneous image blocks were automatically separated. After that, signal and noise values for each pixel in homogeneous blocks were split with a multiple-linear-regression model. By experiments with both simulated and real hyperspectral images, the proposed method was demonstrated to be effective and accurate, and the composition of the hyperspectral image was verified.

• Journal of the Korean Data and Information Science Society
• /
• 제27권5호
• /
• pp.1169-1182
• /
• 2016

한국인의 전형적인 사망 원인인 암은 보건 분야에서 중요한 문제이다. 통계청이 제시한 Cause of death statistics (2014)에 따르면, 7대 광역시 중 부산의 표준화 사망률 (standardized mortality rate; SMR)이 가장 높게 나타났다. 이 논문에서는 부산지역암센터의 암등록자료를 이용하여 암발생률과 암사망률의 정도를 추정하고자 한다. 2003~2009년 자료를 대상으로 구/동과 같은 소지역 단위를 고려하였으며, 전체 암과 4대 주요암 (위암, 대장암, 폐암, 간암)에 대해 분석하였다. 공간 상관성을 고려한 공간 다수준 모형을 통해 모형 선택과 모수 추정을 수행하였다. 공간 효과에 대해서는 조건부 자기회귀 (conditional autoregressive; CAR)를 가정하였으며 WinBUGS를 이용하였다. 분석의 결과로 각 지역에서의 공간 효과를 어떻게 분석하고 해석하는지 제시하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2011년도 학술발표회
• /
• pp.413-413
• /
• 2011

강우의 공간분포에 대한 신뢰성 있는 추정은 수자원 해석 및 설계에 있어서 필수적인 요소이다. 강우장의 공간변동성에 대한 고해상도 추정은 홍수, 특히 돌발홍수의 원인이 되는 국지성 호우의 확인 및 분석에 있어서 중요하다. 또한 강우의 공간 변동성에 대한 고려는 면적평균강우량 추정의 정확도를 향상시키는데 있어서 중요하며, 강우-유출모델의 모의결과에 대한 신뢰도를 향상시키는데 큰 영향을 미친다. 최근 공간자료에 대한 공간분포예측에 있어서 공간상관성을 고려할 수 있는 공간통계학적 기법의 적용이 증가하고 있으며, 이러한 공간통계학적 기법의 적용에 있어서 신뢰성 있는 모델 매개변수의 추정 및 불확실성 평가는 공간분포 예측결과에 대한 신뢰성을 향상시키는데 중요한 역할을 한다. 외국의 경우 공간분포예측 및 모의, 매개변수의 불확실성 평가 등과 관련하여 활발한 연구가 이루어지고 있는 반면 국내 수자원 분야에서는 아직까지 활발한 연구가 이루어지고 있지 않은 실정이다. 따라서 본 연구에서는 계층구조로 구성된 가우시안 공간선형혼합모델을 적용하여 확률강우량의 공간분포를 추정함에 있어서 모델 매개변수에 대한 추정기법을 비교하였으며, 매개변수 추정기법으로서 경험베리오그램에 대한 곡선적합기법인 보통최소제곱법 및 가중최소제곱법, 우도함수를 기반으로 하는 최우도법 및 REML과 같은 기존의 매개변수 추정기법들과 최근 공간통계학 분야에서 적용이 증가하고 있는 Bayesian 기법을 비교하였다. 이로부터 매개변수 추정기법 간의 매개변수 추정치에 대한 정량적 비교결과를 제시하였으며, Bayesian 기법의 적용을 통해 매개변수에 대한 불확실성 추정결과를 제시하였다. 이러한 결과들은 확률강우량의 공간분포 추정에 있어서 공간예측모델의 매개변수 추정 및 예측에 대한 신뢰성을 향상시킬 수 있는 기초자료로 활용될 수 있을 것이다.