• 응용통계연구
• /
• 제23권6호
• /
• pp.1169-1178
• /
• 2010

본 논문은 불균형 자료에서 선형혼합모형에 적용되는 Akaike Information Criterion(AIC)의 효율에 대한 연구이다. Vaida와 Balanchard (2005)에 의해 제안된 cAIC(conditional AIC)는 mAIC(marginal AIC)가 임의효과의 예측에 대한 불확실성을 모형선택에서 반영하지 못하는 단점을 극복할 수 있는 방법이다. cAIC에 대한 이론적인 성질과 확장은 Liang 등 (2008)과 Greven과 Kneib (2010)에 의하여 연구되었다. cAIC의 형태는 자료의 구조에 영향을 받지는 않지만 선형혼합모형에서 모수의 추정 효율은 자료의 불균형의 정도에 따라 많은 영향을 받는 것이 알려져 있다. 기존의 연구에서 실시한 모든 모의실험이 자료가 균형인 경우에만 실행되어 자료의 불균형이 AIC에 근거한 혼합모형 선택 방법의 효율에 어떤 영향을 미치는지 알려져 있지 않다. 본 논문은 자료의 불균형이 모형선택 방법의 효율에 미치는 영향을 모의실험을 통하여 알아보았다. 자료의 불균형이 심해짐에 따라 AIC에 근거한 모형선택방법은 복잡한 모형을 선택하는 경향이 낮아짐을 보였다.

• 응용통계연구
• /
• 제28권2호
• /
• pp.241-250
• /
• 2015

경시적 자료 연구의 중요한 주제 중의 하나는 시간이 지남에 따라 개인의 건강 상태가 어떻게 변하는지를 추적하는 확률이다. 질병의 상태를 시간의 흐름에 따라 추적하는 것은 장기간에 걸친 임상적 관찰 연구의 계획과 분석, 그리고 질병의 예방과 치료에 중요한 의미를 지닌다. 본 논문에서는 두 다른 시점에서 각 개인의 건강 상태에 대한 조건부 확률을 추정해내는 순위 추적 확률에 대하여 연구하였다. 순위 추적 확률과 순위 추적 확률비를 추정하기 위하여 선형 혼합 효과 모형을 고려하였다. 본 논문의 방법은 아동을 대상으로 심혈관계 질환의 위험요인을 연구하는 역학 자료에 적용되었다.

• 응용통계연구
• /
• 제27권2호
• /
• pp.317-330
• /
• 2014

양극성 장애는 조증 삽화(manic episode)와 주요 우울삽화(major depressive episode)를 특징으로 하는 정신질환이다. 주요 우울삽화 시기에는 양극성 장애 환자들의 810%가 자살하는 것으로 알려져 있다. 그러므로 양극성 장애 환자를 치료할 때, 우울증상의 정도를 측정하는 것이 중요하다. 우울증상의 정도를 측정하기 위해 가장 많이 사용하는 검사법은 해밀턴 우울평가 척도(Hamilton depression rating scale)이다. 본 논문에서는 해밀턴 우울평가척도 점수를 이용하여 환자들의 치료 효과를 예측하기 위해 선형혼합효과모형(linear mixed effects model)과 전이모형(transition model)을 제시하였다. 예측을 위해 사용된 자료는 분당서울대학교병원을 방문하여 초진일 당시의 해밀턴 우울평가 척도 점수가 8 점 이상인 환자들의 정보를 사용하였다. 첫 조사시점부터 6개월, 12개월 후 세 차례에 걸쳐 관측된 해밀턴 우울평가 척도 점수를 선형혼합효과모형과 전이모형에 적합시켰다. 그 결과를 토대로 특정시점의 해밀턴 우울평가 척도 점수를 예측하였다. 첫 조사시점부터 6개월, 12개월 후의 해밀턴 우울평가 척도 점수를 사용해 선형혼합효과모형과 전이모형에 적합 시켰다. 이 모델들을 이용해 조사시점부터 24개월 후의 해밀턴 우울평가 척도 점수를 예측한다. 이 예측모델은 조사된 24개월 후의 점수와 예측된 24개월의 후의 점수를 비교하여 평가하였다.

• 응용통계연구
• /
• 제27권6호
• /
• pp.923-932
• /
• 2014

허들모형은 영이 과잉 가산자료를 분석하기 위해서 사용되어 왔다. 이 모형은 이산부분을 위한 로짓모형과 절삭된 가산부분을 위한 절삭된 포아송모형의 혼합모형이다. 이 논문에서 우리는 경시적 영과잉 가산자료를 분석하기 위해서 수정된 콜레스키 분해을 이용하여 일반적인 이분산성을 가지는 변량효과 공분산행렬을 제안한다. 수정된 콜레스키 분해는 변량효과 공분산행렬을 일반화자기상관 모수와 혁신분산모수로 분리되면, 이러한 모수들은 베이지안 일반화 선형모형을 통해 추정된다. 그리고 실제 자료분석을 통하여 설명한다.

• 응용통계연구
• /
• 제29권7호
• /
• pp.1155-1163
• /
• 2016

본 논문은 혼합효과의 선형모형에서 분산성분들의 추정방법으로 사영을 다루고 있다. 상수적합법에서 이용되는 제곱합에서의 감소(reductions in sums of squares) 대신에 사영을 이용하여 구하는 방법을 제시하고 있다. 단계별 방법에 의한 잔차모형으로부터 각 분산성분의 추정과 관련된 사영행렬을 구성하는 방법을 제공하고 있다. 사영행렬로 표현되는 이차형식의 기댓값을 이용하여 선형방정식계를 구성하고 적률법으로 분산성분을 추정하게 된다. 고정효과는 가중최소제곱법으로 추정되고 분산성분의 신뢰구간추정에 Satterthwaite의 근사과정으로 자유도를 계산하는 방법을 설명하고 있다.

• 응용통계연구
• /
• 제22권1호
• /
• pp.181-188
• /
• 2009

본 논문은 실험단위들의 구조적 특성으로 지분관계를 갖는 실험을 행해야 하는 경우를 가정한다. 지분계획하에서 처리를 구성하는 요인으로 반복측정 요인을 고려한다. 반복측정 요인의 수준들이 비확률화에 의해 지분구조의 실험단위들에 배정될 때, 비확률화에 따른 실험의 특성을 감안한 모형으로 복합대칭의 공분산 구조하에서 혼합효과 모형을 논의하고 있다. 처리의 일부 요인들이 시간 또는 공간상의 제약으로 인해 지분구조의 실험단위들에 임의적으로 배정될 수 없을 때, 지분구조의 실험단위들에 대한 반응 값들은 어떤 구조적 상관관계를 나타내는 값들로 관측될 수 있음을 예상할 수 있다. 자료의 구조적 상관성을 고려한 공분산 구조하의 선형모형으로 확률요인과 고정요인을 포함하는 혼합효과의 모형을 제시하고 모형내 미지모수들에 대한 추론방법을 다루고 있다.

• Journal of the Korean Data and Information Science Society
• /
• 제28권1호
• /
• pp.1-10
• /
• 2017

경시적 자료를 이용한 아동 학업성취도에 영향을 주는 요인을 찾기 위한 기존의 분석들은 각 아동의 반복 측정된 자료들이 독립이라고 가정한 모형을 주로 이용하였다. 본 연구에서는 기존 연구들에서 고려한 아동 학업성취도에 영향을 주는 변수들을 선택하여 반복 측정된 경시적 자료의 종속성을 고려한 고정효과와 임의효과를 포함하는 선형혼합모형으로 분석하여 아동 학업성취도에 영향을 주는 변수들은 무엇인지, 각 아동의 특성들이 반영되는 임의절편과 임의기울기가 있는지를 파악하는 것이 연구의 목적이다. 본 연구에 사용된 자료는 한국복지패널 1, 4, 7차 부가조사 중에서 아동용 설문문항에 대한 자료이고, 국어, 영어와 수학의 학업성취도 점수의 합을 아동 학업성취도로 한다. 선형혼합모형을 이용한 분석 시에 다중공선성의 검토와 결측치의 특성을 파악하고 적절한 오차의 상관행렬을 선택한다.

• 응용통계연구
• /
• 제28권2호
• /
• pp.211-219
• /
• 2015

일반화 선형혼합모델은 일반적으로 경시적 범주형 자료를 분석하는데 사용된다. 이 모델에서 임의효과는 반복 측정치들의 시간에 따른 의존성을 설명한다. 임의효과 공분산행렬의 추정은 여러가지 제약조건들 때문에 쉽지 않은 문제이다. 제약조건으로는 행렬의 모수들의 수가 많으며, 또한 추정된 공분산행렬은 양정치성을 만족하여야 한다. 이러한 제한을 극복하기 위해, 임의효과 공분산행렬의 모형화를 위한 여러가지 방법이 제안되었다: 수정 단냠레스키분해, 이동평균 단냠레스키분해와 부분 자기상관행렬을 이용한 방법이 있다. 이 논문에서 위의 제안된 방법들을 소개한다.

• 응용통계연구
• /
• 제29권3호
• /
• pp.525-537
• /
• 2016

본 연구에서는 시계열 자료의 비정상성과 비선형성과 같은 복잡성을 효과적으로 포용할 수 있는 경험적모드분해법(empirical mode decomposition; EMD)을 토대로 시계열 자료의 분석 및 예측을 위한 혼합(hybrid) 모형을 연구한다. EMD에 의하여 생성되는 내재모드함수(intrinsic mode function; IMF)는 해석 및 예측의 편리성을 개선하기 위하여 누적에너지의 개념을 사용하여 그룹화하였으며, 그룹화된 IMF 및 residue의 성분들은 그 성질에 따라서 ARIMA 모형 및 지수평활법과 결합된 혼합 모형으로 예측된다. 제안된 방법은 일별 코스피 지수의 예측을 위해서 적용하였다. 다양한 형태의 혼합 모형을 사용하여 코스피 지수를 예측하였으며 전통적인 예측 방법과 비교하였다. 분석 결과, 그룹화된 성분들은 코스피 지수의 움직임을 단기적, 중기적, 장기적으로 해석하는데 편리함을 주었으며, 그룹화된 IMF 및 residue를 각각 ARIMA 모형과 지수평활법으로 조합한 혼합 모형이 우수한 예측력을 보여주었다.

• 한국산림과학회지
• /
• 제111권1호
• /
• pp.136-149
• /
• 2022

강원지방소나무의 수간곡선 추정에 비선형 혼합효과 모형(nonlinear mixed-effects models: NLME)을 적용하고 몇 가지 성능 척도를 이용하여 비선형 고정효과 모형과 비교하였다. 혼합효과 모형이 고정효과 모형을 개선한 정도를 전체 성능의 측면에서 설명하면, 수간직경에 대해서는 BIAS 26.4%, MAB 42.9%, RMSE 43.1%, FI 0.9%만큼이었고, 수간단면적에 대해서는 BIAS 67.7%, MAB 44.7%, RMSE 45.8%, FI 1.0%만큼이었다. 수간을 12개의 상대수고 구간으로 세분화하여 분석한 결과에서도 수간곡선의 성능은 혼합효과 모형에 의해 크게 개선된 것으로 나타났다. 혼합효과 모형은 모든 상대수고 구간에서 수간직경 및 수간단면적에 대한 성능이 고정효과 모형보다 더 나은 MAB, RMSE, FI를 나타내었고, BIAS의 경우 일부 구간(수간직경: 0.05, 0.2, 0.3, 0.8, 수간단면적: 0.05, 0.3, 0.5, 0.6, 1.0)에서만 고정효과 모형보다 뒤떨어지는 것으로 확인되었다. 특히 지상에 근접한 수간 최하부(수고 0.2 m 지점)에서 수간직경 및 수간단면적 추정 성능이 혼합효과 모형에 의해 크게 향상되었다. 수간직경의 경우 BIAS 84.2%, MAB 69.8%, RMSE 68.7%, FI 3.1%, 수간단면적의 경우 BIAS 98.5%, MAB 70.1%, RMSE 68.7%, FI 3.1%만큼 향상된 것으로 분석되었다. 지상으로부터 0.2 m 높이 지점의 수간단면적이 수간단면적 전체에서 차지하는 비중은 22.7%에 달하였다. 이렇게 수간재적에서 가장 큰 비중을 차지하는 수간 최하부에서의 추정 성능이 크게 향상되었다는 것은 전체 수간재적의 추정 성능 역시 큰 폭으로 향상될 수 있음을 시사한다. 비록 모형 적합 과정이 고정효과 모형보다 까다롭다는 단점이 있지만, 추정 성능의 개선 효과를 고려하면 NLME를 수간곡선 추정의 표준적인 방법으로 사용하는 것을 검토할 필요가 있다.