• 토지주택연구
• /
• 제13권1호
• /
• pp.11-22
• /
• 2022

본 논문은 충남 신혼부부의 공공임대주택에 대한 수요를 추정한다. 이는 조사자료와 행정자료를 연계하여 분석함으로써 자료의 한계를 일정 부분 극복한다는 점에서 관련 선행연구와 차별화될 수 있다. 먼저, 충남사회조사 2019년 자료를 이용한 신혼부부의 공공임대주택 입주의향에 대한 이항로짓모형 추정결과는 거주지, 학력수준, 주택유형, 차가 주택점유 여부가 통계적으로 유의한 영향을 미침을 제시한다. 추정된 계수들을 행정을 위한 통계청의 신혼부부통계에 연결하여, 충남 신혼부부의 공공임대주택에 대한 수요량을 추정할 수 있다. 추정결과에 의하면, 충남 전체 신혼부부 43,705쌍의 공공임대주택에 대한 수요는 11,424호이며, 차가주택을 점유하고 있는 신혼부부 21,685쌍에 의한 수요는 9,436호로 추정된다. 향후, 충남도에서 신혼부부를 대상으로 공공임대주택을 공급하고자 하는 주된 이유가 이들의 출산율을 제고하기 위함임을 고려할 때, 공급에 따른 출산율 제고의 효과에 대한 추정을 고민할 필요가 있을 것이다. 다만, 공공임대주택에 대한 수요와 자녀 출산 간 나타날 수 있는 내생성 문제를 통제하기 위한 방법론에 대한 고민이 필요할 것이다.

• 지능정보연구
• /
• 제18권2호
• /
• pp.29-45
• /
• 2012

회사채 신용등급은 투자자의 입장에서는 수익률 결정의 중요한 요소이며 기업의 입장에서는 자본비용 및 기업 가치와 관련된 중요한 재무의사결정사항으로 정교한 신용등급 예측 모형의 개발은 재무 및 회계 분야에서 오랫동안 전통적인 연구 주제가 되어왔다. 그러나, 회사채 신용등급 예측 모형의 성과와 관련된 가장 중요한 문제는 등급별 데이터의 불균형 문제이다. 예측 문제에 있어서 데이터 불균형(Data imbalance) 은 사용되는 표본이 특정 범주에 편중되었을 때 나타난다. 데이터 불균형이 심화됨에 따라 범주 사이의 분류경계영역이 왜곡되므로 분류자의 학습성과가 저하되게 된다. 본 연구에서는 데이터 불균형 문제가 존재하는 다분류 문제를 효과적으로 해결하기 위한 다분류 기하평균 부스팅 기법 (Multiclass Geometric Mean-based Boosting MGM-Boost)을 제안하고자 한다. MGM-Boost 알고리즘은 부스팅 알고리즘에 기하평균 개념을 도입한 것으로 오분류된 표본에 대한 학습을 강화할 수 있으며 불균형 분포를 보이는 각 범주의 예측정확도를 동시에 고려한 학습이 가능하다는 장점이 있다. 회사채 신용등급 예측문제를 활용하여 MGM-Boost의 성과를 검증한 결과 SVM 및 AdaBoost 기법과 비교하여 통계적으로 유의적인 성과개선 효과를 보여주었으며 데이터 불균형 하에서도 벤치마킹 모형과 비교하여 견고한 학습성과를 나타냈다.