• 품질경영학회지
• /
• 제26권1호
• /
• pp.143-160
• /
• 1998

This article is concerned with the selection of subsets of predictor variables to be included in bulding the binary response logistic regression model. It is based on a Bayesian aproach, intended to propose and develop a procedure that uses probabilistic considerations for selecting promising subsets. This procedure reformulates the logistic regression setup in a hierarchical normal mixture model by introducing a set of hyperparameters that will be used to identify subset choices. It is done by use of the fact that cdf of logistic distribution is a, pp.oximately equivalent to that of $t_{(8)}$/.634 distribution. The a, pp.opriate posterior probability of each subset of predictor variables is obtained by the Gibbs sampler, which samples indirectly from the multinomial posterior distribution on the set of possible subset choices. Thus, in this procedure, the most promising subset of predictors can be identified as that with highest posterior probability. To highlight the merit of this procedure a couple of illustrative numerical examples are given.

• Journal of the Korean Data and Information Science Society
• /
• 제13권2호
• /
• pp.129-138
• /
• 2002

This paper deals with logistic regression models for analysing separation rates from majors. The model building procedure shows how to incoporate the effects of some factors causing from three-way nested sampling scheme and discusses what type of characteristics as independent variables directly affecting the rates should be considered.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2003년도 ISIS 2003
• /
• pp.431-434
• /
• 2003

In this paper we introduce a modified objective function for fuzzy c-means clustering with logistic regression model in the presence of noise cluster. The logistic regression model is commonly used to describe the effect of one or several explanatory variables on a binary response variable. In real application there is very often no sharp boundary between clusters so that fuzzy clustering is often better suited for the data.

• Journal of the Korean Data and Information Science Society
• /
• 제22권1호
• /
• pp.107-113
• /
• 2011

We present methods for studying the log-density ratio, which allow us to select which predictors are needed, and how they should be included in the logistic regression model. Under multivariate normal distributional assumptions, we investigate the form of the log-density ratio as a function of many predictors. The linear, quadratic and crossproduct terms are required in general. If two covariance matrices are equal, then the crossproduct and quadratic terms are not needed. If the variables are uncorrelated, we do not need the crossproduct terms, but we still need the linear and quadratic terms.

• Communications for Statistical Applications and Methods
• /
• 제14권1호
• /
• pp.1-9
• /
• 2007

A three-state Markov logistic regression model is suggested to forecast the probability of tomorrow's precipitation based on the current meteorological situation. The suggested model turns out to be better than Markov regression model in the sense of the mean squared error of forecasting for the rainfall data of Seoul area.

• 한국ITS학회 논문지
• /
• 제13권2호
• /
• pp.68-79
• /
• 2014

본 연구는 고령자의 통행사슬(trip chaining)의 유형별 특성을 살펴보고, 시 공간적 분포 패턴을 분석한다. 또한 순서형프로빗모형(ordered probit model)과 이항로지스틱모형(binary logistic model)을 구축하여 고령자 통행사슬에 영향을 미치는 다양한 요인을 규명하고, 고령자 통행의 수단선택 특성을 분석해 본다. 이를 위해 2006년과 2010년에 실시한 수도권 가구통행실태조사의 고령자 자료를 활용하였다. 분석결과, 고령자 통행사슬은 전반적으로 증가추세이며, 단순통행사슬이 전체의 85% 이상을 차지하는 것으로 나타났다. GIS 맵핑을 통해 통행사슬의 공간적 이동 패턴을 분석하였으며, 단순직장 통행사슬이 과거 서울과 인접지역에 집중되어 있던 반면 2010년에는 경기도 지역으로 점차 확산되고 있음을 알 수 있었다. 또한 모형구축을 통해 2010년에 통행사슬에 영향을 미치는 개인 가구 통행특성이 과거에 비해 상대적으로 많아지고, 통행시간보다는 통행비용이 고령자가 교통수단을 결정하는 요인임을 규명하였다. 본 연구의 결과는 다가오는 초고령사회에 대응한 교통정책을 수립하기 위한 기초자료로 활용될 수 있을 것이다.

• Journal of the Korean Statistical Society
• /
• 제29권4호
• /
• pp.407-422
• /
• 2000

This article is concerned with the selecting predictor variables to be included in building a class of binary response t-link regression models where both probit and logistic regression models can e approximately taken as members of the class. It is based on a modification of the stochastic search variable selection method(SSVS), intended to propose and develop a Bayesian procedure that used probabilistic considerations for selecting promising subsets of predictor variables. The procedure reformulates the binary response t-link regression setup in a hierarchical truncated normal mixture model by introducing a set of hyperparameters that will be used to identify subset choices. In this setup, the most promising subset of predictors can be identified as that with highest posterior probability in the marginal posterior distribution of the hyperparameters. To highlight the merit of the procedure, an illustrative numerical example is given.

• Journal of the Korean Data and Information Science Society
• /
• 제26권1호
• /
• pp.141-150
• /
• 2015

로지스틱회귀에서 모형을 평가하거나 진단할 때 가설검정이 주로 사용되지만 이것만으로는 놓칠 수 있는 부분이 많고 이에 대한 보완을 위하여 그래픽적 방법의 사용이 요구된다. 그래프를 이용한 모형의 적절성 평가를 위한 도구로 잔차산점도가 널리 이용되고 있으나 적용 범위가 선형회귀에 국한되는 문제점이 있다. 해결 방안으로 주변모형산점도를 이용하여 모형의 적절성을 평가하는 방법이 있으나 역시 문제점을 가지고 있다. 본 논문에서는 주변모형산점도의 대안으로 카이잔차산점도를 제안하고 그 효용성을 알아본다.

• 한국항공운항학회지
• /
• 제23권4호
• /
• pp.42-48
• /
• 2015

This paper has its purpose on constructing a prediction model of the arrival sequencing strategy which reflects the actual sequencing patterns of air traffic controllers. As the first step, we analyzed a pair-wise sequencing of two aircraft entering TMA from different entering points. Based on the historical trajectory data, several traffic factors such as time, speed and traffic density were examined for the model. With statistically significant factors, we constructed a prediction model of arrival sequencing through a binary logistic regression analysis. With the estimated coefficients, the performance of the model was conducted through a cross validation.

• 응용통계연구
• /
• 제14권1호
• /
• pp.71-80
• /
• 2001

로지스틱 회귀모형은 이항 반응자료에 대한 가장 보편적인 일반화 선형모형으로 독립변수에 대한 확률함수를 추정하는데 이용된다. 많은 실제적 상황에서 확률함수가 종형의 곡선형태로 표현되는데 이 경우에는 2차항을 포함한 로지스틱 회귀모형을 이용한 분석은 대칭성을 갖는 확률함수에 대한 가정으로 인해 비대칭 형태의 종형곡선에서는 확률함수의 신뢰성이 저하되고, 2차항을 포함하기 때문에 독립변수의 효과를 설명하기가 쉽지 않다는 제한점을 가지고 있다. 본 논문에서는 이러한 문제점을 해소하기 위해서 로지스틱 회귀분석과 반복적 이분법을 이용하여 종형의 형태에 관계없이 확률곡선을 추정하는 방법론을 제안하고 모의 실험을 통해 2차항을 포함한 로지스틱 회귀모형과 비교하고자 한다.