천연염색제품에 대한 소비자의 구매의사와 지불의사금액(WTP)에 관한 연구

서경화 고려대학교 대학원 통계학과 2007 통계상담 Vol.사례 20 No.1

의사결정나무분석과 로지스틱 회귀분석을 이용한 우울 예측요인 비교연구

윤지선 ( Youn Ji Sun ) 한국사회복지경영학회 2020 사회복지경영연구 Vol.7 No.2

본 연구는 노년기 삶의 질을 저해하는 우울증에 대한 관심으로부터 수행되었다. 의사결정나무(decision tree) 분석을 활용하여 노인의 우울 요인을 분류 및 예측하고, 이를 로지스틱 회귀분석 결과와 비교하여 예측 정확성을 정의하는 서술적 조사연구이다. 연구대상자는 국민연금연구원의 국민노후보장패널(KReIS) data 중, 7차 개인조사에 참가한 65세 이상 노인 총 2,096명이다. 자료분석은 SPSS 23.0 프로그램을 이용하여 기술통계, 교차분석, Roc Curve, 의사결정나무 분석, 로지스틱 회귀분석을 하였다. 연구결과, 의사결정나무 분석에서 우울 예측요인은 일상 및 사회생활 제한과 주관적 경제 불만족으로 나타났다. 로지스틱 회귀분석에서는 일상 및 사회생활 제한과 주관적 경제 불만족, 대인관계 불만족으로 나타났다. 노인의 우울에 영향을 미치는 예측력을 로지스틱 회귀분석과 의사결정나무 분석을 통해 비교한 결과, 우울을 예측하는 민감도는 로지스틱 회귀분석(44.4%)이 의사결정나무 분석(33.6%) 보다 높게 나타났다. 또한 실제 우울을 예측하는 특이도는 의사결정나무 분석(91.9%)이 로지스틱 회귀분석(86.3%) 보다 높은 것으로 나타났다. 분류정확도는 로지스틱 회귀분석(71.6%)이 의사결정나무 분석(71.4%)보다 조금 높게 나타났다. 연구결과를 기초로 두 기법의 예측 및 분류도 구로서의 유용성 판단은 민감도와 분류 정확도가 더 높게 나타난 로지스틱 회귀분석방법이 노인의 우울 예측모형을 구축하는데 더 유용한 자료로 사용될 수 있을 것으로 사료된다. 반면, 의사결정나무 분석은 분석의 정확도보다는 분석과정의 특정 경로설명이 필요한 경우에 유용하게 사용될 수 있을 것으로 보인다. This study was carried out from the interest in depression, which undermines the quality of life in old age, which has been extended by life expectancy. It is a descriptive investigation study that utilizes decision tree analysis with data mining technique to classify and predict depression factors of the elderly, and compare them with logistic regression results to define prediction accuracy. Among the data of the National Pension Research Institute's Korea National Age Security Panel(KReIS), a total of 2,096 senior citizens aged 65 or older participated in the seventh personal survey conducted in 2017. The data analysis was performed using the SPSS 23.0 program, including technical statistics, cross-analysis, logistic regression, Loc Curve, and decision tree analysis. The results of the study showed that the factors of depression prediction in decision tree analysis were daily and social life restriction and subjective economic dissatisfaction. Logistic regression showed limitations in daily and social life, subjective economic dissatisfaction and interpersonal dissatisfaction. Comparing the predictive power that affects the depression of the elderly through logistic regression and decision tree analysis, the sensitivity of predicting depression was higher than that of the decision tree(33.6%). In addition, the specificity of predicting actual depression was higher than that of logistic regression(86.3%) with decision tree analysis(91.9%). Classification accuracy was slightly higher than logistic regression(71.6%) in decision tree analysis(71.4%). Based on the results of the study, it is estimated that the logistic regression method, which shows higher sensitivity and accuracy of classification, can be used as more useful data to build a depression prediction model for the elderly. On the other hand, decision tree analysis may be useful when specific path descriptions of the analysis process are needed rather than the accuracy of the analysis.

임상의를 위한 다변량 분석의 실제

오주한(Joo Han Oh),정석원(Seok Won Chung) 대한견주관절의학회 2013 대한견주관절의학회지 Vol.16 No.1

임상 의학의 연구에 사용되는 대표적 다변량 분석 방법은 다중 회귀 분석 방법인데, 이는 인과 관계를 토대로 여러 개의 변수에 의한 한꺼번에의 영향력을 분석하기 위한 방법이다. 다중 회귀 분석은 기본적으로 회귀분석의 기본 가정을 만족해야 함은 물론, 여러 개의 독립 변수들이 포함되기 때문에 변수들을 모형에 포함시키는 방법 및 다중 공선성 문제에 대한 고려가 필요하다. 다중 회귀 분석 모형의 설명력은 결정 계수 R2으로 표현되어 1에 가까울수록 설명력이 크며, 각 독립 변수들의 결과에의 영향력은 회귀 계수인 β값으로 표현된다. 다중 회귀 분석은 종속 변수의 형태에 따라 다중 선형 회귀 분석, 다중 로지스틱 회귀 분석, 콕스 회귀 분석으로 나눌 수 있다. 종속 변수가 연속 변수인 경우 다중 선형 회귀 분석, 범주형 변수인 경우 다중 로지스틱 회귀 분석, 시간의 영향을 고려한 상태 변수인 경우는 콕스 회귀 분석을 시행해야 하며, 각각 결과에의 영향력은 회귀 계수 β, 교차비, 위험비로 평가한다. 이러한 다변량 분석에 대한 이해는 연구를 계획하고 결과를 분석하고자 하는 임상 의사에게 있어 보다 효율적인 연구를 위해 필수적인 소양이라고 할 수 있다. In medical research, multivariate analysis, especially multiple regression analysis, is used to analyze the influence of multiple variables on the result. Multiple regression analysis should include variables in the model and the problem of multi-collinearity as there are many variables as well as the basic assumption of regression analysis. The multiple regression model is expressed as the coefficient of determination, R2 and the influence of independent variables on result as a regression coefficient, β. Multiple regression analysis can be divided into multiple linear regression analysis, multiple logistic regression analysis, and Cox regression analysis according to the type of dependent variables (continuous variable, categorical variable (binary logit), and state variable, respectively), and the influence of variables on the result is evaluated by regression coefficient β, odds ratio, and hazard ratio, respectively. The knowledge of multivariate analysis enables clinicians to analyze the result accurately and to design the further research efficiently.

로지스틱 회귀분석과 의사결정나무 분석을 이용한 일 대도시 주민의 우울 예측요인 비교 연구

김수진(Soo-Jin Kim),김보영(Bo-Young Kim) 한국콘텐츠학회 2013 한국콘텐츠학회논문지 Vol.13 No.12

본 연구는 로지스틱 회귀분석과 의사결정나무 분석을 활용하여 일 대도시 주민의 우울에 영향을 주는 요인을 예측하고 비교하고자 시도된 서술적 조사연구이다. 연구대상은 20세에서 65세 미만의 일 대도시 주민462명이었다. 자료 수집은 2011년 10월 7일부터 10월 21일까지이었으며, 자료 분석은 SPSS 18.0 프로그램을 이용하여 빈도, 백분율, 평균과 표준편차 및 X²-test, t-test, 로지스틱 회귀분석, roc curve, 의사결정나무 분석으로 분석하였다. 본 연구 결과, 로지스틱 회귀분석과 의사결정나무 분석에서 공통적으로 나타난 우울 예측요인은 사회부적응, 주관적 신체증상 및 가족 지지이었다. 로지스틱 회귀분석에서 특이도 93.8%, 민감도 42.5%이었고, 본 연구의 모형 적합도를 roc curve 검증 한 결과 AUC=.84으로 본 연구 모형은 적합(p=<.001)하다고 할 수 있다. 우울예측에 대한 의사결정나무 분석은 분류에 대한 예측 정확도에서 특이도 98.3%, 민감도 20.8%이었고, 전체 분류 정확도는 로지스틱 회귀분석은 82.0%, 의사결정나무 분석은 80.5%이었다. 본 연구 결과 민감성과 분류 정확도와 더 높게 나타난 로지스틱 회귀분석 방법이 지역 주민의 우울예측 모형을 구축하는데 더 유용한 자료로 사용될 수 있으리라 사료된다. This study is a descriptive research study with the purpose of predicting and comparing factors of depression affecting residents in a metropolitan city by using logistic regression analysis and decision-making tree analysis. The subjects for the study were 462 residents (20≤aged∠65) in a metropolitan city. This study collected data between October 7, 2011 and October 21, 2011 and analyzed them with frequency analysis, percentage, the mean and standard deviation, X²-test, t-test, logistic regression analysis, roc curve, and a decision-making tree by using SPSS 18.0 program. The common predicting variables of depression in community residents were social dysfunction, perceived physical symptom, and family support. The specialty and sensitivity of logistic regression explained 93.8% and 42.5%. The receiver operating characteristic (roc) curve was used to determine an optimal model. The AUC (area under the curve) was .84. Roc curve was found to be statistically significant (p= <.oo1). The specialty and sensitivity of decision-making tree analysis were 98.3% and 20.8% respectively. As for the whole classification accuracy, the logistic regression explained 82.0% and the decision making tree analysis explained 80.5%. From the results of this study, it is believed that the sensitivity, the classification accuracy, and the logistics regression analysis as shown in a higher degree may be useful materials to establish a depression prediction model for the community residents.

불균형 자료의 분류분석에서 샘플링 기법을 이용한 로지스틱 회귀분석

박재신,방성완 한국자료분석학회 2015 Journal of the Korean Data Analysis Society Vol.17 No.4

The logisitic regression is widely used in binary data classification areas with its flexibility and a high level of classification accuracy. However, when analyzing imbalanced data with different class sizes, the classification accuracy in minority class (sensitivity) may drop significantly because logistic regression classifiers is biased toward the majority class so that it classifies almost all observations to majority class. Therefore, we study logistic regression with various sampling technique to increase classification accuracy in minority class. Furthermore, we study lasso logistic regression in analyzing an imbalanced data not only to increase classification accuracy, but also to select important explanatory variables. In this study, we demonstrate the effectiveness of the proposed methods through simulation studies and a real data analysis in terms of classification accuracy and model selection. 로지스틱 회귀분석(logistic regression)은 이항 범주형 자료의 분류분석에서 높은 분류정확도와 유연성을 바탕으로 다양한 분야에서 널리 활용되고 있다. 그러나 소수집단과 다수집단의 개체수가 현저하게 차이나는 불균형 자료(imbalanced data)의 분류분석에서 로지스틱 회귀분석은 다수집단에 편향된 분류함수를 추정하여 대부분의 자료를 다수집단으로 분류함으로써 소수집단의 분류 정확도가 현저히 감소하게 되는 제한사항이 있다. 따라서 로지스틱 회귀분석을 이용한 불균형 자료의 분류분석에서 소수집단의 분류 정확도를 높이기 위하여 본 논문에서는 다양한 샘플링 기법을 이용한 로지스틱 회귀분석 방법론에 대하여 연구하였다. 또한 설명변수(explanatory variable)가 고차원인 불균형 자료의 분류분석에서 잡음변수(noise variables)를 제거하고 중요한 설명변수들을 모형에 선택하기 위하여 라소 로지스틱 회귀분석(lasso logistic regression)에 샘플링 기법을 적용한 방법론에 대해서도 연구하였다. 본 논문에서는 모의실험과 실제자료의 분석을 통하여 분류정확도와 모형의 간결성 측면에서 제안한 방법론의 우수한 성능과 유용성을 확인하였다.

가중치 세분화 기반의 로지스틱 회귀분석 모델

이창환(Chang-Hwan Lee) 대한전자공학회 2016 전자공학회논문지 Vol.53 No.9

로지스틱 회귀분석은 오랫동안 다양한 분야에서 예측을 위한 기술 혹은 변수 간의 관계를 설명하기 위하여 사용되어 왔다. 로지스틱 회귀분석에서 각 속성은 목적 값에 대한 중요도를 가지는데 본 연구에서는 이를 세분화하여 각 속성의 값에 따라서 중요도를 부여하는 새로운 방법을 제시한다. 점진적 하강법을 이용하여 알고리즘의 성능을 최대화하는 각 속성값 가중치의 값을 계산하였다. 제안된 방법은 다양한 데이터를 이용하여 실험하였고 본 연구의 속성값 기반 로지스틱 회귀분석 방법은 기존의 로지스틱 회귀분석보다 우수한 학습 능력을 보임을 알 수 있었다. Logistic regression (LR) has been widely used for predicting the relationships among variables in various fields. We propose a new logistic regression model with a fine-grained weighting method, called value weighted logistic regression, by assigning different weights to each feature value. A gradient approach is utilized to obtain the optimal weights of feature values. We conduct experiments on several data sets and the experimental results show that the proposed method shows meaningful improvement in prediction accuracy.

로지스틱 회귀분석과 인공신경망을 적용한 내부회계관리제도 평가모형의 성과비교

김명종(Kim, Myoung Jong) 한국국제회계학회 2012 국제회계연구 Vol.0 No.46

본 연구에서는 로지스틱 회귀분석 및 인공신경망을 적용한 내부회계관리제도 평가모형을 개발하고 각 모형의 성과를 설명력, 검정력 및 예측력 등의 다양한 적합도 관점에서 비교함으로써 내부회계관리제도 평가모형의 효과적인 구축 방안을 제안하고자 한다. 이를 위하여 2006년부터 2009년까지 중요한 취약점을 보고한 111개 취약 기업과 취약점이 발견되지 않은 333개 정상 기업을 표본기업으로 선정하였다. 모형개발에 사용된 변수는 기존 선행연구에서 사용된 23개 변수 중 요인분석과 ROC분석을 이용하여 6개의 재무변수(총자산, 자기자본순이익률, 총자본회전률, 유동비율, 유보비율, 영업현금흐름비율)를 선정하였다. 설명모형 비교분석에서 로지스틱 회귀분석은 자기자본순이익률, 유보비율, 영업현금흐름비율이 내부통제 취약점의 발생가능성과 유의적인 음(-)의 관계성을 가지고 있음을 보여주었다. 인공신경망의 경우 유보비율, 유동비율, 자기자본순이익률, 총자본회전률, 영업현금흐름비율, 총자산 순으로 내부통제 취약점의 발생가능성에 영향을 미칠 수 있음을 분석하였다. 또한 ROC분석을 통한 모형의 적합성 검증에서는 인공신경망이 로지스틱 회귀분석보다 우수한 검정력을 보유하고 있음을 확인하였다. 예측모형의 비교분석을 위하여 총 30회의 교차타당성 분석을 수행하였다. 예측력 검증 결과 로지스틱 회귀분석 및 인공신경망의 평균 예측력은 각각 75.9% 및 77.9%로 인공신경망의 정확도가 우수한 것으로 나타났으며 모형의 예측력 차이에 대한 t-test 결과에서도 1% 유의수준에서 인공신경망의 성과가 우수함을 확인하였다. 또한 ROC분석 결과는 예측모형에 있어서도 인공신경망이 보다 우수한 검정력을 보유하고 있음을 보여주었다. 본 연구는 내부통제 평가모형에 주로 활용되어 왔던 로지스틱 회귀분석과 인공신경망의 성과를 적합도 관점에서 비교분석하였다. 분석 결과 인공신경망 기법을 이용하여 우수한 설명력, 검정력 및 예측력을 보유한 내부통제 평가모형을 구성할 수 있음을 보여주었고 결과적으로 효과적인 내부관리회계제도 평가모형의 구축 가능성을 제시하였다. The objectives of this study are to develop internal accounting control assessment models by applying logistic regression(LR) and neural networks(NN), and to compare the performances of both models in the perspective of various goodness-of-fit tests including explanatory capacity, power and prediction accuracy. We collect 444 firms, a quarter of which announced ICW problem on their internal accounting control review report and the rest of which did not. The 6 independent variables are selected from factor analysis and ROC analysis. In the comparison of explanatory model, LR shows that three variables(net income/equity, retained earning/asset and OCF/asset) have negative relation with likelihood of ICW, meanwhile NN shows that 6 firm-specific variables have the effect on likelihood of ICW in the order of retained earnings/total asset, current assets/current liabilities, ROE, total assets/sales, OCF/total assets, and total assets. ROC analysis also shows that NN has higher power than LR. In the comparison of prediction model, the prediction accuracy of LR and NN is 75.9% and 77.9%, respectively. The results of t-test show that the prediction accuracy of each model is significantly different at 1% significance level. The results of ROC analysis show that NN also has higher power than LR in prediction model. This study analyzes the performances of LR and NN in terms of the goodness of fit, thus the results demonstrate an effective implementation method of internal accounting control assessment models.

코스닥기업의 기업부실예측모형 판별력 비교분석에 관한 연구

안창호(An, Chang Ho) 한국전시산업융합연구원 2016 한국과학예술융합학회 Vol.25 No.-

세계경제의 침체가 장기화되면서 수출에 의존하는 우리나라 경기는 매우 어려운 상황에 직면해 있다. 수출이 중심인 우리나라 경기구조에서 수출 부진은 기업의 수익성 저하로 이어진다. 수익성 저하는 기업의 부실로 이어지며 기업부실은 우리나라 경제 전반에 많은 문제를 발생시킨다. 따라서 본 연구에서는 코스닥기업의 방송통신 및 정보서비스업, 제조업, 유통업 분야의 재무변수를 이용하여 기업부실예측모형을 제시하였다. 이를 위하여 사용된 재무변수는 유동성지표, 레버리지지표, 수익성지표를 사용하였다. 분석방법으로는 다중인자분석을 실시하여 재무변수의 공통요인을 추정하였고, 추정된 재무변수를 이용하여 로지스틱회귀함수와 다변량 선형판별함수의 판별력을 비교하였다. 다중인자모형에서 인자적재행렬의 추정은 주성분방법을 사용하였고, 직교회전 방법인 베리맥스 회전으로 재무변수의 구조를 단순화시켜 복잡한 특징을 해석하였다. 로지스틱회귀모형에서는 최우추정방법으로 회귀계수를 추정하였고, 모든 변수를 포함한 모형이 적합한 모형임을 확인하였으며 절편을 제외한 모형의 유의성 검정을 통하여 회귀계수의 적합함을 확인하였다. 다변량 판별분석모형에서는 두 집단의 공분산행렬이 서로 다르게 나타났으나 선형함수와 이차함수의 오분류율을 비교하여 정규분포를 가정한 선형판별함수를 선택하였다. 그리고 정분류율을 계산한 결과 두 모형의 판별력은 로지스틱회귀모형이 더 좋은 것으로 나타났다. 그러므로 로지스틱회귀모형의 예측정확도를 나타내는 ROC곡선과 통계량을 제시하였다. As the downturn in the global economy is prolonged, South Korean business conditions depending on the export is faced with a very difficult situation. The slump in exports in the country"s economic structure leads to a deterioration of profitability, which leads to the degradation of companies, and the insolvent companies eventually generate a lot of problems throughout our economy. Accordingly this study suggests a corporate insolvency prediction model using financial variables of companies in broadcast communications, information services, manufacturing, and retail sectors in KOSDAQ. Financial variables used were fluidity indices, leverage indicators, and profitability indicators. As analysis method, the common cause of financial variables was estimated by conducting a multi-factor analysis, and the discrimination power in the logistic regression function and the multivariate linear discriminant function was compared respectively. We used the principal component method for the estimation of factor loading matrix in the multi-factor model, and analyzed complex features by simplifying the structure of the financial variables using the Varimax rotation method which is an orthogonal rotation method. We estimated the regression coefficients by maximum likelihood estimation method in logistic regression models, verified them through the significance test of the model without an intercept, and found that the model with all variables was appropriate. In multivariate discriminant analysis model, covariance matrix between the two groups were differently resulted, but we selected linear discriminant function with the assumption of a normal distribution by comparing the misclassification rate of the of the linear function and the quadratic function. It was found that the discrimination power of logistic regression model was superior between the two models based on the rate of classified information. Finally we suggested the ROC curves and statistics presenting the predictive accuracy of the logistic regression model.

로지스틱 회귀분석과 의사결정나무 분석을 통한 노인의 인지기능장애 예측요인 비교분석: 디지털 리터러시 변인을 중심으로

노미영 ( Roh Mi-young ) 미래융합통섭학회 2024 현대사회와 안전문화 Vol.7 No.1

연구목적 본 연구는 로지스틱 회귀분석과 의사결정나무 분석을 활용하여 노인의 디지털 리터러시에 초점을 두고 인지 기능장애 예측요인을 규명하고자 한다. 연구방법 대상은 2020년도 노인실태조사 자료에 기초해 65세 이상 노인 9,920명이었다. 분석은 로지스틱 회귀분석과 의사결정나무 분석을 시행하였다. 결과 첫째, 로지스틱 회귀분석에서 인지기능장애를 예측하는 주요한 요인으로 디지털 리터러시, 친목 활동, 교육수준, IADL 제한, 연령, 우울, 성별, 가구형태로 나타났다. 둘째, 로지스틱 회귀분석과 의사결정나무 분석의 공통 요인으로 디지털 리터러시 연령, 교육수준, 주관적 건강상태, 우울, 친목 활동으로 나타났다. 셋째, 로지스틱 회귀분석과 의사결정나무 분석 결과, 각각 특이도 84.2%와 85.3%, 민감도 52.5%와 47.9%, 정확도 73.2%와 72.5%로 나타나 모두 높은 예측 정확도를 보였다. 결론 노인의 인지기능장애를 예방하기 위하여 디지털 리터러시가 낮은 노인의 연령대를 고려하여 친목 활동을 독려하는 프로그램을 개발하고 평가하는 연구의 필요성을 제언한다. PURPOSE The purpose of this study was to identify factors that can predict cognitive impairment in the elderly, focusing on digital literacy, through logistic regression (LR) and decision tree analysis (DT). METHOD The subjects were 9,920 elderly people from the 2020 survey on the welfare and living conditions of the elderly. Data analysis was performed using LR and DT analysis. RESULT First, in the LR analysis, the main factors predicting cognitive impairment were digital literacy, social activities, education, IADL limitation, age, depression, gender, and living arrangement. Second, common predicting factors of cognitive impairment were digital literacy, age, education, subjective health status, depression, and social activities in both analyses. Third, the model accuracy results of the LR and DT analysis showed specificity 84.2% and 85.3%, sensitivity 52.5% and 47.9% and accuracy 73.2% and 72.5%, respectively, and both showed high prediction accuracy. CONCLUSION To prevent cognitive impairment, it is necessary to develop and evaluation interventions that encourage social activities by considering age group of the elderly with low digital literacy.

로버스트추정에 바탕을 둔 주성분로지스틱회귀

김부용,강명욱,장혜원,Kim, Bu-Yong,Kahng, Myung-Wook,Jang, Hea-Won 한국통계학회 2009 응용통계연구 Vol.22 No.3

로지스틱회귀분석은 고객관계관리를 위한 데이터마이닝 분야에서 많이 사용되는 기법인데, 이 분야의 모형설정 과정에서는 연관성이 매우 높은 설명변수들이 모형에 함께 포함되어 다중공선성의 문제를 유발하며, 더욱이 회귀자료에 이상점들이 포함되면 최우추정량은 심각한 결함을 갖게 된다. 두 가지 문제점을 동시에 해결하기 위하여 로버스트주성분로지스틱회귀를 적용할 수 있는데, 본 논문에서는 주성분의 선정기준을 결정하는 모형을 개발하고, 주성분모형에서의 추정치에 미치는 이상점의 영향을 축소하기 위한 로버스트추정법을 제안하였다. 제안된 추정법은 다중공선성과 이상점이 유발하는 문제들을 적절히 해결해 준다는 사실이 모의실험을 통하여 확인되었다. Logistic regression is widely used as a datamining technique for the customer relationship management. The maximum likelihood estimator has highly inflated variance when multicollinearity exists among the regressors, and it is not robust against outliers. Thus we propose the robust principal components logistic regression to deal with both multicollinearity and outlier problem. A procedure is suggested for the selection of principal components, which is based on the condition index. When a condition index is larger than the cutoff value obtained from the model constructed on the basis of the conjoint analysis, the corresponding principal component is removed from the logistic model. In addition, we employ an algorithm for the robust estimation, which strives to dampen the effect of outliers by applying the appropriate weights and factors to the leverage points and vertical outliers identified by the V-mask type criterion. The Monte Carlo simulation results indicate that the proposed procedure yields higher rate of correct classification than the existing method.