RISS 학술연구정보서비스

검색

인기 검색어

    다국어 입력

    http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.

    변환된 중국어를 복사하여 사용하시면 됩니다.

    예시)
    • 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
    • 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
    닫기

    일반선형모형을 이용한 식중독 발생건수 예측에 관한 연구 = A Study on the Estimation of Foodborne Occurrence by Generalized Linear Model

    한글로보기

    https://www.riss.kr/link?id=T11670484

    • 0

      상세조회
    • 0

      다운로드
    서지정보 열기
    • 내보내기
    • 내책장담기
    • 공유하기
    • 오류접수
    인용문이 복사되었습니다.

    부가정보

    국문 초록 (Abstract) kakao i 다국어 번역

    우리나라의 식중독 발생률은 1990년대 이후, 식생활의 서구화, 다양화와 더불어 단체급식이나 외식산업의 발달로 증가 추세를 보이고 있다. 이러한 식중독 발생추세에 대응한 체계적인 관리를 위해서는 사후관리시스템에 집중된 현재의 식중독 관리체계보다 사전관리체계가 요구된다. 본 연구는 최근 3년간(2004~2006년)의 실제 식중독 발생건수를 조사하여 향후 잠정적인 발생건수를 예측하여 국민들에게 식중독에 대한 경각심을 줌으로써 식중독 발생건수를 감소시키고자 한다. 식중독 발생건수 예측에 사용된 자료는 식중독 발생현황 자료와 기상자료이며, 24시간(1일), 48시간(2일)의 식중독 발생건수, 기상자료, 인구수 등의 관측치를 사용하였다. 48시간(2일)의 발생건수 예측에서는 날짜와 지역별로 자료를 결합한 후, 48시간(2일) 최고기온, 습도의 평균값, 각 지역별 인구가중치를 사용하여 일반선형모형(Generalized Linear Model)에 적합시켜 발생 예측건수를 수량화하였다. 또한, 서울/경기/인천 지역만 사용한 선행연구 결과와 전국 7개 지역으로 확장하여 포아송 분포(Poisson Distribution)와 음이항 분포(Negative Binomial Distribution)를 이용한 식중독 발생건수 예측값을 비교하였다. 그 결과 48시간(2일), 인구가중치를 발생건수 예측모형에 적합시킨 일반선형모형(포아송, 음이항)의 식중독 발생건수 예측값은 다른 모형들보다 식중독 실제 발생건수를 반영함에 있어서 설명력이 더 우수한 것으로 나타났다.
    번역하기

    우리나라의 식중독 발생률은 1990년대 이후, 식생활의 서구화, 다양화와 더불어 단체급식이나 외식산업의 발달로 증가 추세를 보이고 있다. 이러한 식중독 발생추세에 대응한 체계적인 관리...

    우리나라의 식중독 발생률은 1990년대 이후, 식생활의 서구화, 다양화와 더불어 단체급식이나 외식산업의 발달로 증가 추세를 보이고 있다. 이러한 식중독 발생추세에 대응한 체계적인 관리를 위해서는 사후관리시스템에 집중된 현재의 식중독 관리체계보다 사전관리체계가 요구된다. 본 연구는 최근 3년간(2004~2006년)의 실제 식중독 발생건수를 조사하여 향후 잠정적인 발생건수를 예측하여 국민들에게 식중독에 대한 경각심을 줌으로써 식중독 발생건수를 감소시키고자 한다. 식중독 발생건수 예측에 사용된 자료는 식중독 발생현황 자료와 기상자료이며, 24시간(1일), 48시간(2일)의 식중독 발생건수, 기상자료, 인구수 등의 관측치를 사용하였다. 48시간(2일)의 발생건수 예측에서는 날짜와 지역별로 자료를 결합한 후, 48시간(2일) 최고기온, 습도의 평균값, 각 지역별 인구가중치를 사용하여 일반선형모형(Generalized Linear Model)에 적합시켜 발생 예측건수를 수량화하였다. 또한, 서울/경기/인천 지역만 사용한 선행연구 결과와 전국 7개 지역으로 확장하여 포아송 분포(Poisson Distribution)와 음이항 분포(Negative Binomial Distribution)를 이용한 식중독 발생건수 예측값을 비교하였다. 그 결과 48시간(2일), 인구가중치를 발생건수 예측모형에 적합시킨 일반선형모형(포아송, 음이항)의 식중독 발생건수 예측값은 다른 모형들보다 식중독 실제 발생건수를 반영함에 있어서 설명력이 더 우수한 것으로 나타났다.

    더보기

    목차 (Table of Contents)

    • 초 록 i
    • Abstract ii
    • Ⅰ. 서 론 1
    • 초 록 i
    • Abstract ii
    • Ⅰ. 서 론 1
    • Ⅱ. 식중독 모형의 이론적 배경 3
    • A. 식중독 발생건수 예측의 배경 3
    • B. 포아송 모형과 음이항 모형 4
    • Ⅲ. 데이터 탐색 6
    • A. 기초통계량 및 인구 가중치 부여 6
    • 1. 24시간(1일) 기초통계량 7
    • 2. 48시간(2일) 기초통계량 8
    • 3. 인구가중치 9
    • B. 발생건수 빈도표 10
    • 1. 24시간(1일) 발생건수 빈도표 11
    • 2. 48시간(2일) 발생건수 빈도표 11
    • C. 상관관계 12
    • 1. 상관관계 13
    • 2. 다중공선성 14
    • Ⅳ. 모형 적합 16
    • A. 모형 구축 17
    • 1. 데이터 확장에 따른 모형비교 17
    • 2. 예측값 분포 18
    • 3. 식중독 실제 발생건수와 예측값 19
    • B. 포아송 로그선형모형 22
    • 1. 24시간(1일) 자료 22
    • 2. 48시간(2일) 자료 25
    • C. 음이항 로그선형모형 28
    • 1. 24시간(1일) 자료 28
    • 2. 48시간(2일) 자료 31
    • Ⅴ. 모형비교 및 검토 34
    • Ⅵ. 결론 및 향후과제 37
    • 참고문헌 39
    더보기

    분석정보

    View

    상세정보조회

    0

    Usage

    원문다운로드

    0

    대출신청

    0

    복사신청

    0

    EDDS신청

    0

    동일 주제 내 활용도 TOP

    더보기

    주제

    연도별 연구동향

    연도별 활용동향

    연관논문

    연구자 네트워크맵

    공동연구자 (7)

    유사연구자 (20) 활용도상위20명

    이 자료와 함께 이용한 RISS 자료

    나만을 위한 추천자료

    해외이동버튼