http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
이용구,최연임,Lee, Yong-Goo,Choi, Youn-Im 한국통계학회 2009 Communications for statistical applications and me Vol.16 No.3
범주형 자료의 시각화에서 범주가 많지 않은 경우에는 기존의 Hayashi의 수량화 제3방법을 이용하여 두변수의 범주들 사이의 연관성에 대한 시각화를 구할 수 있다. 그러나, Hayashi방법은 큰 빈도의 범주들보다 작은 빈도의 범주들을 두드러지게 수량화하므로 결과가 불안정하다는 문제점이 있다 (허명회와 이용구, 2006). 이 연구의 목적은 범주수가 "큰" 두 범주형 변수 R과 C에 대하여 각 변수 벌주들 사이의 연관성을 살펴보기 위한 시각화 방법을 제안하는 데 있다. 이를 위하여 우리는 2개 변수군 수치형 자료를 시각화하는 방법으로 제안된 허명회 등 (2007)의 PLS 시각화 방법을 범주형 자료에 적용하고자 한다. 즉, 범주형 변수 R과 C의 범주들 각각을 0/1로 더미 코드화하여 각각 R개와 C개의 범주군으로 변환한 다음 허명회 등 (2007)에서 제시한 PLS 시각화 방법을 적용하고자 한다. 이러한 방법은 Hayashi 수량화 방법의 문제점을 해결할 수 있을 뿐만 아니라 행변수와 열변수 각각이 여러 개의 범주형 변수들의 집합인 변수군의 경우에도 확대 적용 가능하다. 순치 예로서 German Credit 자료에서 10개 금융관련 변수의 34개 범주를 R로 간주하고 10개 사회인구적 변수의 46개 범주를 C로 간주하여 새 방법론을 적용해 보인다. On the visualization of categorical data, if the number of categories is small, we can consider Hayashi Quantification Method 3 for visualization of the categories of the variables. But it is known that the method is unstable because it quantifies more significantly for the small frequency categories rather than large frequency categories. The purpose of this research is to propose the visualization of large two-way crosstabulation data by PLS methods for checking the relationship between the categories of row and column variables. In this research, we utilize the PLS visualization methods (Huh et al., 2007) that is proposed for visualization of the qualitative data to visualize the categories of the large categorical data. We also compared both methods by applying them to real data, and studied the results from PLS visualization method on the real categorized data with many categories.
이용구,김용희 중앙대학교 통계연구소 1994 統計論文集 Vol.- No.1
수량화 분석방법은 질적자료에 수치값을 할당하고, 케이스들과 변수들사이의 관계를 구하는 다변량분석방법의 한 종류이다. 수량화 방법 Ⅰ,Ⅱ는 반응변수들을 가진 자료에 적용할 수 있고, 수량화 방법 Ⅲ,Ⅳ는 반응변수들이 없는 자료에 적용하는 분석방법이다. 수량화 방법 Ⅰ은 질적인 설명변수와 양적인 반응변수 사이의 관계를 구하기 위한 자료분석이며, 수량화 방법Ⅱ는 양적인 설명변수와 질적인 반응변수들 사이의 관계를 구하기 위한 자료분석방법이다. 본 논문은 널리 알려지지 않은 수량화 방법 Ⅰ,Ⅱ를 소개하고, 이 방법과 잘 알려진 통계적분석방법을 비교하고자 한다. 특히, 수량화 방법Ⅰ과 모든 설명변수들이 가변수들을 가진 다중회귀방법을 비교하였고, 수량화 방법Ⅱ와 정준상관분석방법을 비교함으로써 그 차이점을 알아보고자 한다. Quantification method is kind of multivariate data analysis that assign numerical values to the qualitative data and find relationships between cases of variables. The qualitification methods can be classified by the existence of dependent variables such that quantification method Ⅰ,Ⅱ can be applied to the data with response variables and quantification method Ⅲ,Ⅳ can be applied to the data without response variables. Quantification method Ⅰ is a data analysis to find the relationships between qualitative explanatory variable and quantitative response variable. And quantification method Ⅱ is a data analysis to find the relationship between quantitative explanatory and response variables. In this research, we have tried to introduce the quantification method Ⅰ,Ⅱ that have not been know widely and tried to compare these methods with well known statistical analysis. Especially we have tried to compare the quantification method Ⅰ with multiple regression method with all the explanatory variables are dummy variables, and quantification method Ⅱ with canonical correlation analysis.
李鎔九,尹美淑 중앙대학교 경제연구소 1991 經濟論文集 Vol.- No.5
Categorical data analysis is the statistical method to analyse the relationship between the variables whose values are discrete. Basic objection of this method is to test where the related variables are independent each other. For doing test, we have to calculate the expected value of each cell based on the given hypothesis and calculate the test statistic based on the observed valued and expected values of each cell. There are two kinds of test statistics, one is the Pearson X^2 statistic and the other is the likelihood ratio test statistic. And the two test statistics are assumed to have χ^2―distribution asymptotically. In this research, we have summarized the basic structure of categorical data analysis and have checked how well the two test statistics follow the χ^2―distribution as increasing the total number of observation, by simulation. we have done the simulation study for the case of two and three variables model.
15대 대통령선거 여론조사 분석 : 나무구조를 이용한 지지 성향 분류
이용구,이윤숙 중앙대학교 통계연구소 1998 統計論文集 Vol.- No.5
1997년도에 실시된 제 15대 대통령 선거는 선거여론조사가 실시된 13대 이후 가장 예측하기 어려운 선거이었다. 따라서 선거여론조사 결과도 개표가 어느 정도 진행된 뒤에 발표되었다. 본 논문에서는 여론조사 기관인 리서치 앤드 리서치사에서 실시한 여론조사자료를 가지고 판별/분류분석 방법들인 CHAID, Exhaustive CHAID, CART 등을 활용하여 여러 가지 설명변수들의 조합에 의한 후보별 지지성향을 분석하였다. The 15th Presidential Election held in 1997 was the hardest one to predict since the 13th Election that was the first case fo the election poll. so the results of the election poll has not been publicized until the ballot counting processed several hours. In this paper, we have tried to analyze the patterns of the support of each candidate based on the results of election poll by the Research and Research by applying the Discriminant/Classification Analysis such as CHAID, Exhaustive CHAID and CART.