• The Korean Journal of Applied Statistics
• /
• v.26 no.3
• /
• pp.511-520
• /
• 2013

Detection outliers and robust estimators are crucial in regression models with outliers. In such studies the focus is on detecting outliers and estimating the coefficients using leave-one-out. Our study introduces Rice estimator which is an error variance estimator without estimating the coefficients. In particular, we study a comparison of the statistical properties for Rice estimator with and without outliers in simple regression models.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.878-878
• /
• 2012

도시개발에 따른 인구증가와 강수의 계절적 편중 등으로 인하여 우리나라의 수자원량은 부족한 실정이다. 따라서 이러한 수자원을 효율적으로 이용하기 위해서는 유역의 가용 수자원량의 파악과 이에 따른 최적배분이 필요하다. 이러한 하천유량은 우량이나 수위와 같이 연속관측이 어렵기 때문에 관측치가 한정되어 있는 것이 일반적이며 자연하천에서 실시간으로 유량자료를 생산하는 것은 많은 인력과 장비, 경비가 필요하게 된다. 따라서 본 연구에서는 유량자료의 생산에 있어서 시간과 비용의 경제성 등을 고려하고 좀 더 효율적인 방법을 찾기 위하여 낙동강 유역의 제 1지류인 금호강 유역 내에 위치한 동촌 수위관측소의 유량자료를 이용하여 상류에 위치한 금호 단포교 지점을 미계측 유역이라 가정한 후 유량추정방법에 따른 적용성 검토를 위해 강우-유출모형인 SWAT(Soil and Water Assessment Tool)과 유역면적만을 활용하는 비유량법(Drainage-area ratio method), 유출에 영향을 주는 지형인자를 이용하는 지역회귀방법(Regional regression method)을 적용하여 그 타당성을 비교하였다. 모의된 결과, 동촌 금호 단포교 지점의 연간 상하류 유량비교에서 유량반전은 없었으며 비유량법의 유량추정에서는 높은 상관성을 보였으나 2008년과 2009년의 가뭄으로 인하여 강우-유출모형의 유량추정에서는 낮은 상관성을 보여주었다. 지역회귀방법에서는 수위관측소별 유황자료를 종속변수로 유역면적, 유역평균경사, 유로연장을 독립변수로 하는 회귀식을 산정하여 비교하였으나 본 연구에서는 사용된 자료수가 적고 수리구조물을 이용한 회귀수량 등으로 인하여 갈수량이 실측유량과는 다소 차이가 발생하였다. 미계측 유역의 유량추정시에는 자료의 축척기간과 연도별로 안정된 호우사상, 유역의 적절한 배분에 따라 결과치가 좌우되며 본 연구에서 사용된 유량추정은 관측 자료를 기초로 한 간접적인 방법들이였다. 결과적으로 금호강 유역의 동촌 지점을 이용하여 유량추정방법들을 적용해본 결과 비유량법과 강우-유출모형을 사용하는 것이 적정하였으나 관측 자료의 축적기간이 길고 상하류 간의 유량이 안정된 유역에서는 지역회귀방법의 적용으로도 안정된 유량을 산정할 것이라고 판단된다.

• 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 Applied Statistics
• /
• v.14 no.2
• /
• pp.463-473
• /
• 2001

선형모형의 회귀계수의 L$_1$-추정량의 점근분포는 오차항의 중앙값에 종속되어있는데, 이 값은 잔차의 순서통계량의 함수로 추정될 수 있다. 본 논문에서는 오차항 중앙값의 추정량을 유도하는 몇 가지 방법을 소개하고 몬테칼로 실험을 통하여 가장 바람직한 추정량의 형태를 제안하였다. 또한 제안한 추정량을 이용하면 검정문제에서도 좋은 결과를 얻을 수 있음을 보였다.

• Proceedings of the Korean Statistical Society Conference
• /
• 2005.05a
• /
• pp.209-213
• /
• 2005

본 논문에서는 1차 자기회귀모형에서 자기회귀계수에 대한 여러 가지 추정량들의 분포함수에 대한 근사적추론 방법에 대해 연구하였다. 이차형식에 대한 안장점근사의 결과를 이용한 이 근사법은 여러 형태의 추정량들에 대해 근사분포의 유도과정이 불필요하며, 소표본은 물론 통계적 추론의 주요 관심영역에서의 근사정도가 매우 뛰어난 장점을 가지고 있다. 모의실험을 통해 Edgeworth근사를 비롯한 기존의 여러 근사법보다 효율이 뛰어남을 확인하였다.

• The Korean Journal of Applied Statistics
• /
• v.20 no.3
• /
• pp.561-571
• /
• 2007

Local linear regression estimator is the most widely used nonparametric regression estimator which has a number of advantages over the traditional kernel estimators. It is well known that local linear estimator can produce erratic result in sparse regions in the realization of the design and the interpolation method of Hall and Turlach (1997) is the very efficient way to resolve this problem. However, it has been never pointed out that Hall and Turlach's interpolation method is very sensitive to outliers. In this paper, we propose the robust version of the interpolation method for adapting to sparse design. The finite sample properties of the method is compared with Hall and Turlach's method by the simulation study.

• Survey Research
• /
• v.11 no.1
• /
• pp.1-18
• /
• 2010

We compare various imputation methods for compensating wave nonresponse that are commonly adopted in many panel surveys. Unlike the cross-sectional survey, the panel survey is involved a time-effect in nonresponse in a sense that nonresponse may happen for some but not all waves. Thus, responses in neighboring waves can be used as powerful predictors for imputing wave nonresponse such as in longitudinal regression imputation, carry-over imputation, nearest neighborhood regression imputation and row-column imputation method. For comparison, we carry out a simulation study on a few income data from the Korean Welfare Panel Study based on two performance criteria: predictive accuracy and estimation accuracy. Our simulation shows that the ratio and row-column imputation methods are much more effective in terms of both criteria. Regression, longitudinal regression and carry-over imputation methods performed better in predictive accuracy, but less in estimation accuracy. On the other hand, nearest neighborhood, nearest neighbor regression and hot-deck imputation show higher performance in estimation accuracy but lower predictive accuracy. Finally, the mean imputation shows much lower performance in both criteria.

• Journal of the Korean Data and Information Science Society
• /
• v.20 no.2
• /
• pp.251-260
• /
• 2009

In this study, we propose a new estimation method based on autocovariance for selecting optimal estimators of the regression coefficients in the simple linear regression model. Although this method does not seem to be intuitively attractive, these estimators are unbiased for the corresponding regression coefficients. When the exploratory variable takes the equally spaced values between 0 and 1, under mild conditions which are satisfied when errors follow an autoregressive moving average model, we show that these estimators have asymptotically the same distributions as the least squares estimators. Additionally, under the same conditions as before, we provide a self-contained proof that these estimators converge in probability to the corresponding regression coefficients.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.169-173
• /
• 2008

본 연구는 저수량 지역 빈도분석(regional low flow frequency analysis)을 수행하기 위하여 일반최소자승법(ordinary least squares method)을 이용한 Bayesian 다중회귀분석을 적용하였으며, 불확실성측면에서의 효과를 탐색하기 위하여 Bayesian 다중회귀분석에 의한 추정치와 t 분포를 이용하여 산정한 일반 다중회귀분석의 추정치의 신뢰구간을 비교분석하였다. 각 재현기간별 비교결과를 보면 t 분포를 이용하여 산정된 평균 추정치와 Bayesian 다중회귀분석에 의한 평균 추정치는 크게 다르지 않았다. 그러나 불확실성 측면에서 평가해볼 때 신뢰구간의 상한추정치와 하한추정치의 차이는 Bayesian 다중회귀분석을 사용한 경우가 기존 방법을 사용한 경우보다 훨씬 작은 것으로 나타났으며, 이로부터 저수량(low flow) 지역 빈도분석을 수행하는 경우 Bayesian 다중회귀분석이 일반 회귀분석보다 불확실성을 표현하는데 있어서 우수하다는 결과를 얻을 수 있었다. 또한 낙동강 유역에 2개의 미계측 유역을 선정하고 구축된 Bayesian 다중회귀모형을 적용하여 불확실성을 포함한 미계측 유역에서의 저수량(low flow)을 추정하였으며 이와 같은 방법이 미계측 유역에서의 저수(low flow) 특성을 나타내는 데 있어서 효과적일 수 있음을 입증하였다.

• The Korean Journal of Applied Statistics
• /
• v.15 no.1
• /
• pp.139-151
• /
• 2002

This study is concerned with model selection and diagnostics for nonlinear regression model through Bayes factor. In this paper, we use informative prior and simulate observations from the posterior distribution via Markov chain Monte Carlo. We propose the Laplace approximation method and apply the Laplace-Metropolis estimator to solve the computational difficulty of Bayes factor.