군협동농장경영위원회단위 독립채산제의 본질적 특성

전명식 한국농촌경제연구원 2000 KERI 북한농업동향 Vol.2 No.1

통계자료 비밀보호와 이에 따른 자료공개 방법

전명식 高麗大學校 統計硏究所 1999 應用統計 Vol.14 No.-

통계자료의 공개는 자료의 공유 내지 활용이라는 점에서 당연한 추세이나 공개에 따른 비밀보호 또한 윤리적인 면은 물론 자료수집에서 발생할 수 있는 자료의 질적 저하를 예방하는데 필수적인 요소이다. 본고에서는 자료공개에 따르는 기본개념들과 기존의 자료공개방법에 대한 연구사례들을 정리하였다. Demands for data from statistical offices have been increased. At the same time protection of confidentiality is a private and public issue. So, they face difficulties in protecting confidentiality while providing useful data. In this paper, some basic concepts and methods for confidentiality of statistical data are summarized. Also existing examples are introduced to explain the disclosure-limited methods for protecting the confidentiality of statistical data.

국소 선형 복합 분위수 회귀에서의 평활계수 선택

전명식,강종경,방성완,Jhun, Myoungshic,Kang, Jongkyeong,Bang, Sungwan 한국통계학회 2017 응용통계연구 Vol.30 No.5

국소복합분위수 회귀모형을 활용한 비모수적 함수 추정방법이 높은 효율성과 더불어 활발히 연구되고 있다. 이러한 추정과정에 커널을 사용한 자료 평활방법이 대표적으로 사용되고 있으며, 그 성능은 커널보다는 평활계수의 선택 크게 의존한다. 한편, 회귀함수 추정방법의 성능을 평가하는 기준으로는 통상적으로 $L_2$-노름이 사용되어 평균제곱오차 또는 평균적분제곱오차를 최소화하는 평활계수의 선택에 대한 많은 연구가 진행되어 왔다. 본 논문에서는 국소선형 복합 분위수 회귀방법을 활용한 비모수 회귀모형 추정량의 성능을 결정하는 평활계수 선택의 최적성에 관해 연구하였다. 특히, 여러 장점을 가졌으나 수리적 어려움으로 연구가 미흡한 평균절대오차 및 평균적분절대오차를 최적의 기준으로 삼아 최적의 평활계수를 구하고 그 유일성에 관해 연구하였다. 나아가 기존의 평가기준인 평균제곱오차 및 평균적분제곱오차를 사용한 선택과의 관계를 파악하고 그 성능을 비교하였다. 이러한 과정에서 다양한 상황에서의 모의실험을 통해 제안한 방법의 특성을 규명하였다. Local composite quantile regression is a useful non-parametric regression method widely used for its high efficiency. Data smoothing methods using kernel are typically used in the estimation process with performances that rely largely on the smoothing parameter rather than the kernel. However, $L_2$-norm is generally used as criterion to estimate the performance of the regression function. In addition, many studies have been conducted on the selection of smoothing parameters that minimize mean square error (MSE) or mean integrated square error (MISE). In this paper, we explored the optimality of selecting smoothing parameters that determine the performance of non-parametric regression models using local linear composite quantile regression. As evaluation criteria for the choice of smoothing parameter, we used mean absolute error (MAE) and mean integrated absolute error (MIAE), which have not been researched extensively due to mathematical difficulties. We proved the uniqueness of the optimal smoothing parameter based on MAE and MIAE. Furthermore, we compared the optimal smoothing parameter based on the proposed criteria (MAE and MIAE) with existing criteria (MSE and MISE). In this process, the properties of the proposed method were investigated through simulation studies in various situations.

Electrorheology of Semiconducting Polymers

전명식,최형진,성준희,M. S. Cho 한국공업화학회 2004 Journal of Industrial and Engineering Chemistry Vol.10 No.7

결측치 대치방법들에 대한 비교연구 : 정준판별분석을 중심으로

전명식,신승준 한국자료분석학회 2007 Journal of the Korean Data Analysis Society Vol.9 No.2

Although many researchers have been studied with missing data in applied statistics for several decades, discriminant analysis has not been their interest. In this article, we examined the effect of imputation methods which are one of the most usual treatments on missing data, especially in canonical discriminant analysis and also deal with statistical inference of canonical discriminant coefficients from missing data. We performed a canonical discriminant analysis with missing-imputed data and compared the results of the four imputation methods, which are mean imputation, regression imputation, k-nearest neighbor imputation, and multiple imputation using EM algorithm. Furthermore we estimated the sampling distribution of coefficients by the bootstrap method in order to apply it for statistical inference. 결측값 대한 처리방법은 매우 활발하게 연구되어 왔음에도 불구하고, 그것이 판별분석에 미치는 영향에 대한 연구는 충분치 않았다. 본 논문에서는 결측값에 대한 처리 방법이 정준판별분석에 미치는 영향과 결측 자료로부터 구한 정준판별계수의 통계적 추론에 대해 다루었다. 결측 자료에 평균대치법, 회귀대치법, 최근접이웃대치법, 다중대치법을 적용하여 결측값을 대치시킨 후 정준판별분석을 실시한 결과를 비교하였으며, 나아가 붓스트랩 방법을 이용하여 판별계수의 표본분포를 추정하고 이를 판별계수에 대한 신뢰구간 구축과 가설 검정에 활용해 보았다. 또한 모의실험을 통하여 판별계수에 대한 통계적 추론에 있어서 붓스트랩 방법의 유용성을 확인하였다.

메타분석에서 수축추정량의 활용에 관한 연구

전명식,권예일 高麗大學校統計硏究所 2001 應用統計 Vol.16 No.-

메타분석(meta analysis)은 여러 독립적인 연구결과들을 종합해서 전반적인 평가를 내리거나 새로운 연구를 계획하는데 필요한 결론을 얻는 통계적 분석방법으로 정의될 수 있다. 본 연구에서는 이항반응변수에 대한 메타분석에 필수적인 유효크기의 추론에 필요한 방법으로 수축추정방법(shrinkage estimation)을 제안하고 추정량의 표본분포를 붓스트랩방법으로 근사하는 모의실험을 통해 그 성질을 기존방법과 비교 연구하고자 한다. Estimation for common effect size from independent experiments is essential for meta analysis. In this paper, we suggest shrinkage estimator and compared the results with the existing maximum likelihood estimator for binary response case. For the shrinkage estimation, bootstrap method is used for the estimation of the sampling distribution. A simulation study is carried out for the comparison.

집락(cluster)검정을 위한 붓스트랩(bootstrap)분포

전명식 高麗大學校統計硏究所 1988 應用統計 Vol.3 No.1

로버스트 회귀모형을 이용한 자료결합방법

전명식,정시송,박혜진,Jhun, Myoung-Shic,Jung, Ji-Song,Park, Hye-Jin 한국통계학회 2008 응용통계연구 Vol.21 No.6

Statistical matching techniques whose aim is to achieve a complete data file from different sources. Since the statistical matching method proposed by Rubin (1986) assumes the multivariate normality for data, using this method to data which violates the assumption would involve some problems. This research proposed the statistical matching method using robust regression as an alternative to the linear regression. Furthermore, we carried out a simulation study to compare the performance of the robust regression model and the linear regression model for the statistical matching. 서로 다른 출처로부터 얻어진 데이터 파일들을 하나의 데이터 파일로 만드는 통계적 자료결합방법은 공통변수와 서로 다른 고유변수를 포함하여 변수들 간에 존재하는 관련성에 대해 살펴볼 수 있다. Robin (1986)이 제안한 일반회귀모형의 예측값을 이용한 통계적 결합방법은 자료에 대한 다변량 정규성을 가정하기 때문에 이 가정을 위반하는 자료를 이용하는 것은 많은 문제를 수반한다. 본 연구는 제공파일의 고유변수에 모분포를 반영하지 못하는 특이점이 존재하는 경우, 일반회귀모형을 이용한 통계적 결합방법의 대안으로 로러스트 회귀추정방법을 이용한 자료결합방법을 제안하였다. 나아가 로버스트 회귀모형을 이용한 결합방법과 일반회귀모형을 이용한 결합방법에서의 상관관계 및 결정계수 보존에 관한 성능을 비교하기 위하여 모의실험을 수행하였다.

Adaptive Nearest Neighbors를 활용한 판별분류방법

전명식,최인경,Jhun, Myoung-Shic,Choi, In-Kyung 한국통계학회 2009 응용통계연구 Vol.22 No.3

비모수적 판별분류방법으로 널리 사용되는 ${\kappa}$-Nearest Neighbors Classification(KNNC) 방법은 자료의 국소적 특징을 고려하지 않고 전체 자료에 대해 고정된 이웃의 개수 ${\kappa}$를 사용하여 개체를 분류하는 방법이다. 본 연구에서는 KNNC의 대안으로 자료의 국소적 특징을 고려하는 Adaptive Nearest Neighbors Classificaion(ANNC) 방법을 제안하였다. 제안된 방법의 특징을 규명하기 위하여 실제 자료에 대한 분석을 통하여 제안된 방법의 응용 가능성을 제시하였으며, 나아가 모의실험을 통하여 기존의 방법과의 효율성을 비교하였다. The ${\kappa}$-Nearest Neighbors Classification(KNNC) is a popular non-parametric classification method which assigns a fixed number ${\kappa}$ of neighbors to every observation without consideration of the local feature of the each observation. In this paper, we propose an Adaptive Nearest Neighbors Classification(ANNC) as an alternative to KNNC. The proposed ANNC method adapts the number of neighbors according to the local feature of the observation such as density of data. To verify characteristics of ANNC, we compare the number of misclassified observation with KNNC by Monte Carlo study and confirm the potential performance of ANNC method.

이변량 음이항 모형에서 붓스트랩 방법을 이용한 과대산포에 대한 검정

전명식,정병철,Jhun, Myoung-Shic,Jung, Byoung-Cheol 한국통계학회 2008 응용통계연구 Vol.21 No.2

본 연구에서는 이변량 음이항 분포에서 과대산포와 "내재적 상"의 존재유무에 대한 가설검정 문제를 다루었다. 과대산포에 대한 스코어 검정의 표준정규분포 근사는 명목 유의수준을 과소추정한 반면 "내재적 상"에 대한 스코어 검정은 명목유의수준을 과대 추정하고 있음을 보였다. 본 연구에서는 이와 같은 스코어 검정의 표준정규분포 근사의 문제점을 해결하기 위하여 붓스트랩 방법을 제안하였다. 스코어 검정에 대한 붓스트랩 방법은 두 검정에서 명목유의수준을 제대로 유지하고 검정력도 높게 나타나 스코어 검정의 표준정규분포 근사에 존재하는 문제를 해결하는 효율적인 대안으로 판단된다. The bootstrap method for the score test statistic is proposed in a bivariate negative binomial distribution. The Monte Carlo study shows that the score test for testing overdispersion underestimates the nominal significance level, while the score test for "intrinsic correlation" overestimates the nominal one. To overcome this problem, we propose a bootstrap method for the score test. We find that bootstrap methods keep the significance level close to the nominal significance level for testing the hypothesis. An empirical example is provided to illustrate the results.