• The Korean Journal of Applied Statistics
• /
• v.13 no.2
• /
• pp.307-320
• /
• 2000

It has been studied to find relationships between pine-mushroom yield and climatic factors. Recently, Hyun-Park, Key-I! shin and Hyun-Joong Kim(1998) investigated relationships between pine-mushroom yield and climatic factors by autoregression model. In this paper, to improve the forecast we suggest the conditional autoregression model using probability of existing pine-mushroom production.

• Journal of the Korean Data and Information Science Society
• /
• v.20 no.3
• /
• pp.475-483
• /
• 2009

In this paper we introduced a class of nonlinear time series models to analyse KOSPI data. We introduce the Generalized Power-Transformation TGARCH (GPT-TGARCH) model and the model includes Zakoian (1993) and Li and Li (1996) models as the special cases. We showed the effectiveness and efficiency of the new model based on KOSPI data.

• The Korean Journal of Applied Statistics
• /
• v.27 no.6
• /
• pp.1049-1068
• /
• 2014

Autoregressive models are used to analyze an univariate time series data; however, these methods can be inappropriate when a structural break appears in a time series since they assume that a trend is consistent. Threshold autoregressive models (popular regime-switching models) have been proposed to address this problem. Recently, the models have been extended to two regime-switching models with delay parameter. We discuss two regime-switching threshold autoregressive models from a Bayesian point of view. For a Bayesian analysis, we consider a parametric threshold autoregressive model and a nonparametric threshold autoregressive model using Dirichlet process prior. The posterior distributions are derived and the posterior inferences is performed via Markov chain Monte Carlo method and based on two Bayesian threshold autoregressive models. We present a simulation study to compare the performance of the models. We also apply models to gross domestic product data of U.S.A and South Korea.

• Journal of the Korean Data and Information Science Society
• /
• v.27 no.5
• /
• pp.1133-1146
• /
• 2016

Counts or averages over arbitrary regions are often analyzed using conditionally autoregressive (CAR) models. The spatial neighborhoods within CAR model are generally formed using only the inter-distance or boundaries between the sub-regions. Kyung and Ghosh (2009) proposed a new class of models to accommodate spatial variations that may depend on directions, using different weights given to neighbors in different directions. The proposed model, directional conditionally autoregressive (DCAR) model, generalized the usual CAR model by accounting for spatial anisotropy. Bayesian inference method is discussed based on efficient Markov chain Monte Carlo (MCMC) sampling of the posterior distributions of the parameters. The method is illustrated using a data set of median property prices across Greater Glasgow, Scotland, in 2008.

• The Korean Journal of Applied Statistics
• /
• v.29 no.5
• /
• pp.835-847
• /
• 2016

To analyze lattice or areal data, a conditionally autoregressive (CAR) model has been widely used in the eld of spatial analysis. The spatial neighborhoods within CAR model are generally formed using only inter-distance or boundaries between regions. Kyung and Ghosh (2010) proposed a new class of models to accommodate spatial variations that may depend on directions. The proposed model, a directional conditionally autoregressive (DCAR) model, generalized the usual CAR model by accounting for spatial anisotropy. Properties of maximum likelihood estimators of a Gaussian DCAR are discussed. The method is illustrated using a data set of median property prices across Greater Glasgow, Scotland, in 2008.

• Communications for Statistical Applications and Methods
• /
• v.19 no.3
• /
• pp.507-516
• /
• 2012

We study time series models for seasonal time series data with a covariance structure that depends on time and the periodic autocorrelation at various lags $k$. In this paper, we introduce an ARMA model with periodically varying coefficients(PARMA) and analyze Arosa ozone data with a periodic correlation in the practical case study. Finally, we use a PARMA model and a seasonal ARIMA model for data analysis and show the performance of a PARMA model with a comparison to the SARIMA model.

• The Korean Journal of Applied Statistics
• /
• v.29 no.1
• /
• pp.157-169
• /
• 2016

We compare four methods to estimate a regression coefficient under linear regression models with serially correlated errors. We assume that regression errors are generated with nonlinear autoregressive models. The four methods are: ordinary least square estimator, general least square estimator, parametric regression error correction method, and nonparametric regression error correction method. We also discuss some properties of nonlinear autoregressive models by presenting numerical studies with typical examples. Our numerical study suggests that no method dominates; however, the nonparametric regression error correction method works quite well.

• The Korean Journal of Financial Management
• /
• v.16 no.2
• /
• pp.285-308
• /
• 1999

증권의 가격형성에 유리한 뉴스와 불리한 뉴스가 도착할 때 이 뉴스가 주가의 변동성에 미치는 영향의 정도는 차이가 있다. 불리한 뉴스가 변동성에 미치는 영향도가 유리한 뉴스가 변동성에 미치는 영향도보다 크다. 따라서 불리한 뉴스가 발생할 때 형성되는 변동성의 양이 유리한 뉴스의 도착시보다 크다. 그리고 충격의 크기에 따라 이 충격이 야기하는 변동성의 양의 크기에도 차이가 존재한다. 일반 자기회귀 조건부 이분산 과정은 유리한 뉴스와 불리한 뉴스를 대칭적으로 반영하고 있다. 이 뉴스들을 비대칭적으로 포착하는 자기회귀 조건부 이분산 과정의 모형들을 실증적으로 분석하였다. 뉴스의 비대칭성과 규모를 적절히 포착하고 있는 모형들이 비선형 일반 자기회귀 조건부 이분산 과정, 지수 일반 자기회귀 조건부 이분산 과정과 정보 포착 자기회귀 조건부 이분간 과정임이 발견되었다. 이 중 비선형 일반 자기회귀 조건부 이분산 과정이 가장 좋은 모형으로 보인다. 비선형 일반 자기회귀 조건부 이분산 과정의 경우 예측오차의 승멱(power)이 약 1.5이다. 따라서 일반 자기회귀 조건부 이분산 과정의 예측오차의 승멱인 2에 비하여 작다. 이 사실은 일반 자기회귀 조건부 이분산의 예측오차의 승멱이 과도하게 측정되고 없음을 알 수 있다. 뉴스의 비대칭성과 규모를 반영하고 있는 모형들은 한결같이 예측오차의 크기에 적절한 가중치를 부여하여 예측오차의 크기를 조정하고 있다. 이 모형의 성질과 실증분석의 결과에 의하여 예측오차의 승멱은 2 이하로 수정하여 사용해야 한다는 점이 시사되고 있다. 음의 충격이 양의 충격보다 주가의 변동성을 크게 하고 없음이 발견되었다. 주가형성에 유리한 뉴스와 불리한 뉴스가 주가의 변동성에 미치는 영향의 차이와 충격의 중대성을 양으로 표시하는 규모의 차이를 반영해주는 변수들의 추정된 계수가 미국과 일본보다 절대값에 있어서 상당히 작다. 이 현상은 뉴스의 비대칭성과 규모보다는 발생하는 충격, 즉 뉴스 자체에 보다 민감하게 반응하고 있음을 보여주고 있다. 물론 투자자들이 뉴스의 비대칭성과 규모를 완전히 무시하고 투자활동을 전개하고 있다는 것을 의미하는 것은 아니다.

• Proceedings of the KSMRM Conference
• /
• 2001.11a
• /
• pp.173-173
• /
• 2001

목적： 1.5T 생체용 자기공명영상기기를 이용한 수소자기공명분광법으로 용액 내 물질의 정량분석에 대한 가능성을 알아보고자 하였다. 대상 및 방법： 0.01％에서 50％까지의 여러 농도를 갖는 포도당+증류수 혼합액의 모델용액을 만들어 생체용 자기공명영상기기와 시험관 nuclear magnetic resonance (NMR) 분광기에서 각각 수소 자기공명분광법을 시행하여 스펙트럼을 얻었다. 또한 12명의 당뇨환자에서 방광내의 소변에 대해 생체용 자기공명영상기기에서 스펙트럼을 얻고 소변을 추출하여 시험관 NMR 분광기에서 수소자기공명분광법을 시행하였다 각각의 방법으로 얻은 스펙트럼 상에서 포도당 농도에 따른 포도당/물 피크의 면적 비의 변화를 구하였고, 통계처리는 상관분석과 단순선형회귀분석을 시행하였고 회귀식을 산출하였다. 또한 생체용 자기공명영상기기를 이용하여 얻은 결과가 객관적인지 알아보기 위해 시험관 NMR 분광기에서 얻은 결과와의 상관관계를 분석하였다.

• Journal of Korean Society of Transportation
• /
• v.25 no.1 s.94
• /
• pp.121-132
• /
• 2007

Up to now Permanent traffic volumes have been counted by Automatic Vehicle Classification (AVC) on National Highways. When counted data have missing items or errors, the data must be revised to stay statistically reliable This study was carried out to estimate correct data based on outoregression and seasonal AutoRegressive Integrated Moving Average (ARIMA). As a result of verification through seasonal ARIMA, the longer the missed period is, the greater the error. Autoregression results in better verification results than seasonal ARIMA. Traffic data is affected by the present state mote than past patterns. However. autoregression can be applied only to the cases where data include similar neighborhood patterns and even in this case. the data cannot be corrected when data are missing due to low qualify or errors Therefore, these data shoo)d be corrected using past patterns and seasonal ARIMA when the missing data occurs in short periods.