일반화 극단값 분포를 이용한 재현기간별 지진 규모 예측: 한국, 일본, 중국, 대만

하일도(Il Do Ha),장대흥(Dae-Heung Jang),이근우(Kun Woo Rhee),이재은(Jae Eun Lee),이승재(Seung Jae Lee),고낙경(Nak Gyeong Ko),김준철(Jun Cheol Kim) 한국데이터정보과학회 2020 한국데이터정보과학회지 Vol.31 No.1

본 논문에서는 한국을 비롯한 주변국 (일본, 중국, 대만) 지진에 대한 기초 자료를 분석한 다음, 일반화 극단값 (generalized extreme value) 분포에 기초한 극단값 이론을 이용하여 각 국가별 재현기간별 지진 규모 예측 및 분석을 제시하고자 한다. 이를 위해 한국, 일본, 중국의 경우는 1978년부터 2019년까지의 지진 규모 자료를 사용하고, 대만의 경우는 1990년부터 2019년까지의 지진 규모 자료를 사용한다. 일반화 극단값 분포의 모수추정을 위해 최대가능도추정법과 L-적률추정법을 사용한다. 특히 본 논문에서는 일반화 극단값 분포가 연별 최대 지진 규모 자료에 대한 적절한 분석 모형이 될 수 있음을 보인다. In this paper, we first present the basic data analysis of recent earthquake magnitude data of Korea, Japan, China and Taiwan. We also present the predicted return levels of maximum earthquake magnitudes using the extreme value theory with generalized extreme value (GEV) distribution. The data sets used are the years from 1978 to 2019 for Korea, Japan and China, and they are from 1990 to 2019 for Taiwan. For the estimation of parameters in the GEV distribution, we use maximum likelihood and L-moments methods. In particular, we show the fact that the GEV distribution can be a reasonable model for the earthquake data via the model checking methods.

반복측정된 실험자료 분석에 관한 고찰

하일도,노규정,고정환,Ha, Il-Do,No, Gyu-Jeong,Go, Jeong-Hwan 한국데이터정보과학회 1996 한국데이터정보과학회지 Vol.7 No.1

본 논문은 의뢰인의 Pilot Study를 상담한 것으로서 당뇨병 및 암 환자에게 효능이 있는 약으로 밝혀진 Steroid계통의 Methyl Prednisolone이 척수손상 환자에게 효능이 있는지를 알아보기 위해, 토끼를 실험대상으로 하여 얻은 반복측정자료를 분석하였다.

Second-Order REML for Random Effects Models

하일도,조건호,Ha, Il-Do,Cho, Geon-Ho The Korean Data and Information Science Society 2001 한국데이터정보과학회지 Vol.12 No.1

Random effects models which describe the dependence via random effects in various correlated data have recently received considerable attention in the biomedical literature. They include mixed linear models (MLMs), generatized linear mixed models (GLMMS) and hierarchical generalized linear models (HGLMs). For the inference Lee and Nelder (2000) proposed the first-and second-order REML (restricted maximum likelihood) methods based on hierarchical-likelihood of tee and Welder (1996). In this paper, for Poisson-gamma HGLMs the new methods are theoretically compared with marginal likelihood methods and both methods are illustrated by two practical examples.

SRC-Stat 통계패키지를 이용한 생존분석

하일도,노맹석,이영조,임요한,이재용,오희석,신동완,이상구,서진욱,박용태,조성준,박종헌,김유경,유경상,Ha, Il Do,Noh, Maengseok,Lee, Youngjo,Lim, Johan,Lee, Jaeyong,Oh, Heeseok,Shin, Dongwan,Lee, Sanggoo,Seo, Jinuk,Park, Yonhtae,Cho, Sungzoon,Park 한국통계학회 2015 응용통계연구 Vol.28 No.2

본 논문에서는 SRC-Stat 통계패키지를 이용하여 생존자료를 분석하는 방법을 소개한다. 본 패키지는 단변량 생존 자료 분석을 위한 콕스의 비례위험모형 뿐만아니라, 다변량 생존자료분석을 위한 공통 및 지분 프레일티 모형과 같은 고급 생존분석법을 제공한다. 잘 알려져 있는 실제자료의 사용을 통해 본 패키지의 유용성을 예증한다. In this paper we introduce how to analyze survival data via a SRC-Stat statistical package. This provides classical survival analysis (e.g. Cox's proportional hazards models for univariate survival data) as well as advanced survival analysis such as shared and nested frailty models for multivariate survival data. We illustrate the use of our package with practical data sets.

경쟁위험 생존자료에 대한 결합 프레일티모형

하일도,조건호,Ha, Il Do,Cho, Geon-Ho 한국통계학회 2015 응용통계연구 Vol.28 No.6

경쟁위험사건들은 다기관 임상시험과 같은 군집화된 임상연구에서 자주 관측되어진다. 본 논문에서는 하나의 군집으로 부터 얻어지는 경쟁위험 생존자료에 대해 공통 프레일티를 허락하는 결합 프레일티모형 접근법을 제안한다. 추론을 위해 어려운 적분 자체를 피하는 다단계 가능도를 사용하여, 대응하는 추론절차를 유도한다. 또한 실제자료 분석을 통해 제안된 방법을 예증한다. Competing-risks events are often observed in a clustered clinical study such as a multi-center clinical trial. We propose a joint modelling approach via a shared frailty term for competing risks survival data from a cluster. For the inference we use the hierarchical likelihood (or h-likelihood), which avoids an intractable integration. We derive the corresponding h-likelihood procedure. The proposed method is illustrated via the analysis of a practical data set.

평균과 산포의 동시 모형화에 대한 모형검토

하일도,이우동,조건호,Ha, Il-Do,Lee, Woo-Dong,Cho, Geon-Ho 한국데이터정보과학회 1997 한국데이터정보과학회지 Vol.8 No.2

The joint modelling of mean and dispersion in quasi-likelihood models which greatly extend the scope of generalized linear models, is required in case that the dispersion parameter, the variance component of response variables, is not constant but changes by depending on any covariates. In this paper, by using statistical package GENSTAT(release 5.3.2, 1996) which makes a easily analyze real data through this joint modelling, we mention necessities that must consider this joint modelling rather than existing mean models through model checking based on graphic methods for esterase assay data introduced by Carrol and Ruppert(1987, pp.46-47), and then study methods finding reasonable joint model of mean and dispersion for this data.

평균-분산 가속화 실패시간 모형에서 벌점화 변수선택

권지훈,하일도,Kwon, Ji Hoon,Ha, Il Do 한국통계학회 2021 응용통계연구 Vol.34 No.3

가속화 실패시간모형은 로그 생존시간과 공변량간의 선형적 관계를 묘사해 준다. 가속화 실패시간모형에서 생존시간의 평균뿐만 아니라 변동성에도 영향을 미치는 공변량 효과를 추론하는 것은 흥미가 있다. 이를 위해 생존시간의 평균뿐만 아니라 분산을 모형화 하는 것이 필요하며, 이러한 모형을 평균-분산 가속화 실패시간모형이라 부른다. 본 논문에서는 벌점 가능도함수를 이용하여 평균-분산 가속화 실패시간모형에서 회귀모수에 대한 변수선택 절차를 제안한다. 여기서 벌점함수로서 LASSO, ALASSO, SCAD 그리고 HL (계층가능도)와 같은 네 가지 벌점함수를 연구한다. 제안된 변수선택 절차를 통해 중요한 공변량의 선택 뿐만 아니라 회귀모수의 추정을 동시에 제공할 수 있다. 제안된 방법의 성능은 모의실험을 통해 평가하고, 하나의 임상 예제자료를 통해 제안된 방법을 예증하고자 한다. Accelerated failure time (AFT) model represents a linear relationship between the log-survival time and covariates. We are interested in the inference of covariate's effect affecting the variation of survival times in the AFT model. Thus, we need to model the variance as well as the mean of survival times. We call the resulting model mean and variance AFT (MV-AFT) model. In this paper, we propose a variable selection procedure of regression parameters of mean and variance in MV-AFT model using penalized likelihood function. For the variable selection, we study four penalty functions, i.e. least absolute shrinkage and selection operator (LASSO), adaptive lasso (ALASSO), smoothly clipped absolute deviation (SCAD) and hierarchical likelihood (HL). With this procedure we can select important covariates and estimate the regression parameters at the same time. The performance of the proposed method is evaluated using simulation studies. The proposed method is illustrated with a clinical example dataset.

이중 다단계 일반화 선형모형 적합을 위한 SRC-stat의 사용

노맹석,하일도,이영조,임요한,이재용,오희석,신동완,이상구,서진욱,박용태,조성준,박종헌,김유경,유경상,Noh, Maengseok,Ha, Il Do,Lee, Youngjo,Lim, Johan,Lee, Jaeyong,Oh, Heeseok,Shin, Dongwan,Lee, Sanggoo,Seo, Jinuk,Park, Yonhtae,Cho, Sungzoon,Park 한국통계학회 2015 응용통계연구 Vol.28 No.2

We introduce how to fit random effects models via a SRC-Stat statistical package. This package has been developed to fit double hierarchical generalized linear models where mean and dispersion parameters for the variance of random effects and residual variance (overdispersion) can be modeled as random-effect models. The estimates of fixed effects, random effects and variances are calculated by a hierarchical likelihood method. We illustrate the use of our package with practical data-sets. 본 논문에서는 SRC-Stat 통계패키지를 이용하여 변량효과를 적합하는 방법에 대해서 소개하고자 한다. 본 패키지를 통하여 단변량 평균 뿐만 아나리 산포 및 분산에도 변량효과를 고려하는 이중 다단계 일반화 선형모형을 적합할 수 있다. 고정효과 및 변량효과의 추정치는 다단계 우도 방법을 이용하고 있으며, 실제 자료 적합을 통해 패키지의 사용법에 대해서 설명하고자 한다.

frailtyHL 통계패키지를 이용한 프레일티 모형의 변수선택: 유방암 생존자료

김보현,하일도,노맹석,나명환,송호천,김자혜,Kim, Bohyeon,Ha, Il Do,Noh, Maengseok,Na, Myung Hwan,Song, Ho-Chun,Kim, Jahae 한국통계학회 2015 응용통계연구 Vol.28 No.5

통계적 모형에서 적절한 변수를 선택하는 것은 회귀분석에서 매우 중요하다. 최근 벌점 함수(예: LASSO 및 SCAD)와 함께 벌점화 가능도를 사용하는 변수 선택 방법들이 선형모형 및 일반화 선형모형과 같은 단순한 통계 모형에서 널리 연구되고 있다. 이러한 방법들의 주요 장점은 중요한 변수를 선택하고 동시에 회귀계수를 추정하는 것이다. 그러므로 이 방법들은 0으로 회귀계수를 추정함으로써 중요하지 않은 변수를 삭제한다. 이 논문에서는 콕스 비례 위험 모형의 한 확장인 준 모수적 프레일티 모형에서 벌점화된 다단계 가능도(h-likelihood; HL)를 기반으로 적절한 변수를 선택하는 방법을 연구한다. 이를 위해 세 가지 벌점 함수 LASSO, SCAD 및 HL을 사용한다. 본 논문에서는 변수선택을 효율적으로 하기 위해 "frailtyHL" R 패키지 (Ha 등, 2012)를 기반으로 하여 새로운 함수를 개발하였다. 개발된 방법의 예증을 위해 전남대 의과대학 병원에서 수집된 유방암 생존자료를 이용하여 세 가지 변수 선택 방법의 결과를 비교하고, 이 변수선택방법들의 상대적 장 단점에 대해 토론한다. Determining relevant variables for a regression model is important in regression analysis. Recently, a variable selection methods using a penalized likelihood with various penalty functions (e.g. LASSO and SCAD) have been widely studied in simple statistical models such as linear models and generalized linear models. The advantage of these methods is that they select important variables and estimate regression coefficients, simultaneously; therefore, they delete insignificant variables by estimating their coefficients as zero. We study how to select proper variables based on penalized hierarchical likelihood (HL) in semi-parametric frailty models that allow three penalty functions, LASSO, SCAD and HL. For the variable selection we develop a new function in the "frailtyHL" R package. Our methods are illustrated with breast cancer survival data from the Medical Center at Chonnam National University in Korea. We compare the results from three variable-selection methods and discuss advantages and disadvantages.

깁스 표본 기법을 이용한 베이지안 계층적 모형: 야생쥐의 예

송재기,이군희,하일도,Song, Jae-Kee,Lee, Gun-Hee,Ha, Il-Do 한국데이터정보과학회 1996 한국데이터정보과학회지 Vol.7 No.2

In this paper, we applied bayesian hierarchical model to analyze the field mice example introduced by Demster et al.(1981). For this example, we use Gibbs sampler method to provide the posterior mean and compared it with LSE(Least Square Estimator) and MLR(Maximum Likelihood estimator with Random effect) via the EM algorithm.