• Journal of Information Processing Systems
• /
• 제20권3호
• /
• pp.345-359
• /
• 2024

A regression model represents the relationship between explanatory and response variables. In real life, explanatory variables often affect a response variable with a certain time lag, rather than immediately. For example, the marriage rate affects the birth rate with a time lag of 1 to 2 years. Although deep learning models have been successfully used to model various relationships, most of them do not consider the time lags between explanatory and response variables. Therefore, in this paper, we propose an extension of deep learning models, which automatically finds the time lags between explanatory and response variables. The proposed method finds out which of the past values of the explanatory variables minimize the error of the model, and uses the found values to determine the time lag between each explanatory variable and response variables. After determining the time lags between explanatory and response variables, the proposed method trains the deep learning model again by reflecting these time lags. Through various experiments applying the proposed method to a few deep learning models, we confirm that the proposed method can find a more accurate model whose error is reduced by more than 60% compared to the original model.

• Communications for Statistical Applications and Methods
• /
• 제20권2호
• /
• pp.129-136
• /
• 2013

Linear regression is the most basic statistical model for exploring the relationship between a numerical response variable and several explanatory variables. Logistic regression secures the role of linear regression for the dichotomous response variable. In this paper, we propose a biplot-type display of the multivariate data guided by the linear regression and/or the logistic regression. The figures show the directional flow of the response variable as well as the interrelationship of explanatory variables.

• Communications for Statistical Applications and Methods
• /
• 제16권3호
• /
• pp.495-500
• /
• 2009

Two diagnostic plots, added variable plot and partial residual plot, are proposed when a new explanatory variable is linearly added to constrained regressions. They are useful for investigating the effect of adding an explanatory variable to the constrained regression. They visually give an overall impression of the strength of linear relationship between response variable and added variable. A numerical example is provided for illustration.

• 응용통계연구
• /
• 제34권4호
• /
• pp.589-597
• /
• 2021

단순회귀와 다중회귀에서 회귀계수의 의미는 차이가 있고 회귀계수의 추정값은 같지 않을 뿐 아니라 그 부호가 서로 다른 경우도 발생한다. 회귀모형에서 설명변수의 상대적 기여도의 파악은 회귀분석의 수행의 중요한 부분이다. 표준화 회귀모형에서 표준화 회귀계수는 해당 설명변수를 제외한 나머지 설명변수의 값이 고정되어있는 상황에서 설명변수가 표준편차만큼 증가하였을 때 반응변수가 표준편차를 기준으로 얼마나 변화했는가로 해석할 수 있지만 표준화 회귀계수의 크기가 각 설명변수의 상대적 중요도를 나타내는 척도라고 할 수 없음은 잘 알려져 있다. 본 논문에서는 다중회귀에서 회귀계수의 추정량을 상관계수와 결정계수의 함수로 나타내고 이를 추가적인 설명력과 추가적인 결정계수의 관점에서 생각해 본다. 또한 다양한 산점도에서의 상관계수와 회귀계수 추정값의 관계를 알아보고 설명변수가 두 개인 경우에 구체적으로 적용해 본다.

• Journal of the Korean Data and Information Science Society
• /
• 제25권2호
• /
• pp.403-410
• /
• 2014

이분형 로지스틱 회귀분석은 양적 혹은 질적 설명변수를 이용해서 이분형 반응변수를 설명하는 하나의 통계적인 기법이다. 이 모형에서는 반응변수가 1이 될 확률을 설명변수들의 선형결합의 변환(혹은 함수)으로 설명하고자 한다. 이 개념에 대한 이해가 비통계학자들이 이분형 로지스틱 회귀모형을 이해하는데 있어서 넘어야 할 커다란 장벽 중의 하나이다. 이 연구에서는 이분형 로지스틱 회귀모형의 필요성을 엑셀 VBA를 이용하여 설명하는 교육도구를 개발하고자 한다. 반응변수가 1이 될 확률을 설명변수의 선형함수로 모형화 할 때의 문제점과 선형결합에 대한 변환을 통해 이 문제점이 어떻게 해소되는지 보여준다.

• 응용통계연구
• /
• 제35권3호
• /
• pp.335-346
• /
• 2022

통계적 공정관리에서 프로파일 관리도란 다수의 품질 특성치 간 함수관계의 변화를 탐지하는 것을 말한다. 두 변수 간 선형의 관계가 있는 경우, 선형 프로파일을 가정하고 절편과 기울기가 일정한지 모니터링한다. 이때 선형 프로파일에 관한 대부분의 기존 연구에서는 모든 프로파일에서 설명변수의 관측치가 동일하다고 가정한다. 그러나 프로파일마다 설명변수의 값이 랜덤하게 관측되는 경우도 존재한다. 본 논문에서는 단순 선형 프로파일 모니터링에서 설명변수가 프로파일마다 랜덤하게 관측된다는 가정하에 기존의 방법을 확장 적용하고자 한다. 모의실험을 통해 제안한 방법의 탐지 성능을 확인하고 네트워크 침입 탐지 알고리즘 성능을 비교하기 위한 NSL-KDD 데이터를 이용하여 제안된 침입 탐지 결과를 비교해 보았다.

• 응용통계연구
• /
• 제20권1호
• /
• pp.195-204
• /
• 2007

기하학적인 방법을 사용하여 다중회귀모형 자료를 그래프로 구현하는 회귀제곱합 그림을 제안한다. 두 설명변수의 회귀제곱합은 한 변수의 단순회귀제곱합과 한 변수의 회귀모형에 다른 변수가 추가되었을 때 회귀제곱합의 증가분의 합으로 표현되는 관계식을 이용하여 회귀제곱합 그림을 반원의 형태로 구현한다. 회귀제곱합 그림은 설명변수에 대응하는 벡터로 표현되고, 반응변수에 영향력 정도를 시각적으로 구현하는 그래픽적인 방법이다. 수평축에 가까운 벡터에 대응하는 설명변수가 반응변수에 더 많은 영향을 주는 설명변수라고 판단할 수 있다 또한 두개의 설명변수에 대응하는 벡터 사이의 각도 크기로 서프레션의 발생여부를 진단 가능하다.

• Physical Therapy Rehabilitation Science
• /
• 제11권2호
• /
• pp.181-188
• /
• 2022

Objective: The purpose of this study to investigate the correlations among the motor function, balance, and gait velocity and the strength that could explain the variation of gait velocity of chronic stroke survivors. Design: This was a cross-sectional cohort study. Methods: Thirty hemiplegic stroke survivors hospitalized in an inpatient rehabilitation center were participated. The muscle tone of ankle plantarflexor and muscle strength of ankle dorsiflexor were measured respectively with modified Ashworth scale (MAS) and hand-held dynamometer. And the motor recovery and function with Fugl-Meyer assessment (FMA), balance with Berg balance scale (BBS) and timed up and go (TUG) test were measured. Gait velocity was measured with GAITRite. The correlation among motor function, muscle tone, muscle strength, balance, and gait were analyzed. In addition, the strength of the relationship between the response (gait velocity) and the explanatory variables was analyzed. Results: The gait velocity had positive correlations with FMA, muscle strength, and BBS, and negative correlation with MAS and TUG. Regression analysis showed that TUG (𝛽=-0.829) was a major explanatory variable for gait velocity. Conclusions: Our results suggest that gait velocity had correlations with muscle strength, MAS, FMA, BBS, and TUG. The tests and measurements affecting the variation of gait velocity the greatest were TUG, followed by FMA, BBS, muscle strength, and MAS. This study shows that TUG would be a possible assessment tool to determine the variation of gait velocity in stroke rehabilitation.

• 한국지능시스템학회논문지
• /
• 제23권4호
• /
• pp.366-370
• /
• 2013

설명변수와 반응변수 사이의 통계적 관계를 설명하기 위해 사용되는 회귀모형을 분석하는 방법을 회귀분석이라 한다. 본 논문에서는 독립변수와 종속변수에 대한 퍼지관계를 표현하는 퍼지회귀모형를 추정하기 위하여 이상치에 민감하지 않은 로버스트한 추정량인 Theil방법을 소개한다. Theil방법은 설명변수와 반응변수의 ${\alpha}$-수준집합의 각 성분으로 구성된 집합에서 선택한 임의의 두 쌍 자료로부터 계산된 변화율의 중위수를 두 변수에 대한 변화량의 추정량으로 간주한다. 본 논문에서 제안된 Theil방법이 최소자승법을 이용하여 추정된 퍼지회귀모형보다 더 정확할 수 있음을 예제를 통하여 확인한다.

• Journal of applied mathematics & informatics
• /
• 제41권6호
• /
• pp.1341-1364
• /
• 2023

This article introduces a method for estimating the conditional hazard function of a real-valued response variable based on a functional variable. The method uses local linear estimation of the conditional density and cumulative distribution function and is applied to a functional stationary ergodic process where the explanatory variable is in a semi-metric space and the response is a scalar value. We also examine the uniform almost complete convergence of this estimation technique.