• 한국조사연구학회지:조사연구
• /
• 제12권3호
• /
• pp.49-62
• /
• 2011

본 논문에서는 패널회귀모형에서 회귀계수 추정량으로 일반최소제곱추정량과 가중최소 제곱추정량의 설계기반 성질을 고찰한다. 회귀계수의 최소제곱추정량을 선형화하여 일반최소제곱추정량의 근사편향, 근사분산, 그리고 근사평균제곱오차의 수식과, 가중최소제곱추정량의 근사분산 수식을 유도한 후, 모의실험을 통하여 두 추정량의 근사분산 및 근사평균 제곱오차의 크기를 수치적으로 비교한다. 모의실험에서는 한국복지패널 3개년 데이터를 모집단으로 간주하고, 가구소득 변수를 관심변수로 하며 가구와 가구주 관련 7개 변수를 설명변수로 하는 유한모집단 회귀계수를 고려한다. 두 추정량의 설계기반 성질을 비교하기 위하여 표본수를 50에서 1,000까지 50 간격으로 설정하여 일반최소제곱추정량의 근사편향, 근사분산 그리고 가중최소제곱추정량의 근사분산을 계산한다. 모의실험을 통하여 다음과 같은 경향을 확인하였다. 첫째, 표본의 크기가 커지면 일반최소제곱추정량의 평균제곱오차가 가중최소제곱추정량의 분산보다 커진다. 둘째, 일반최소제곱추정량의 평균제곱오차를 가중최소제곱추정량의 분산으로 나눈비(ratio)는 설명변수에 따라 크기가 다르게 나타나고, 일반최소제곱추정량의 편향이 클수록 큰 값을 보인다. 셋째, 분산만 비교하면 일반최소제곱추정량의 분산이 가중최소제곱추정량의 분산보다 대부분의 경우에 더 작게 나타난다.

• The Journal of Asian Finance, Economics and Business
• /
• 제5권1호
• /
• pp.11-16
• /
• 2018

This research examines the alternative ways of estimating the coefficient of non-diversifiable risk, namely beta coefficient, in Capital Asset Pricing Model (CAPM) introduced by Sharpe (1964) that is an essential element of assessing the value of diverse assets. The non-parametric methods used in this research are the robust Least Trimmed Square (LTS) and Maximum likelihood type of M-estimator (MM-estimator). The Jackknife, the resampling technique, is also employed to validate the results. According to finance literature and common practices, these coecients have often been estimated using Ordinary Least Square (LS) regression method and monthly return data set. The empirical results of this research pointed out that the robust Least Trimmed Square (LTS) and Maximum likelihood type of M-estimator (MM-estimator) performed much better than Ordinary Least Square (LS) in terms of eciency for large-cap stocks trading actively in the United States markets. Interestingly, the empirical results also showed that daily return data would give more accurate estimation than monthly return data in both Ordinary Least Square (LS) and robust Least Trimmed Square (LTS) and Maximum likelihood type of M-estimator (MM-estimator) regressions.

• 전기학회논문지
• /
• 제57권5호
• /
• pp.866-874
• /
• 2008

Motor frequency can be measured by a hall sensor. Among the many hall sensors, a linear type hall sensor is good at high accuracy frequency measuring problem. However, in general, this linear type hall sensor has DC offset which can vary along sensor's operating voltage change. Therefore, In motor frequency measurement problem using the linear hall sensor, it needs an estimator that can estimate frequency and DC offset simultaneously. In this paper, we propose the least mean square estimator to estimate motor frequency. To verify its performance, we compare the LMS estimator with a commercial analog tachometer. Experimental results shows the proposed LMS estimator works well in varying frequency and stationary DC offset.

• Communications for Statistical Applications and Methods
• /
• 제19권1호
• /
• pp.23-32
• /
• 2012

본 논문은 유한모집단에서 회귀계수추정량의 근사편향과 근사분산을 다루고 있다. 유한모집단에서 고정크기 포함확률비례표본을 추출하고 이 표본에서 조사된 데이터에 기초하여 회귀계수를 일반최소제곱추정량과 가중최소제곱추정량으로 추정할 때 두 추정량의 편향, 분산 그리고 평균제곱오차의 근사식을 유도하였다. 그리고 두 추정량의 효율을 비교하기 위하여 두 추정량의 분산을 비교하는 필요충분조건을 제시하였다. 또한 수치적인 비교를 위하여 간단한 예제를 소개하였다.

• Communications for Statistical Applications and Methods
• /
• 제8권3호
• /
• pp.633-641
• /
• 2001

The least squares method is usually applied when estimating the parameters in the regression models. However the least square estimator is not very efficient when the distribution of the error is skewed. In this paper, we propose the asymmetric least square estimator for a particular nonlinear time series regression model, and give the simple and practical sufficient conditions for the strong consistency of the estimators.

• 품질경영학회지
• /
• 제38권4호
• /
• pp.480-490
• /
• 2010

In this paper, two estimation methods(least square estimation and maximum likelihood estimation) were compared for Weibull distribution and Type I censoring. Data obtained by Monte Carlo simulation were analyzed using two estimation methods and analysis results were compared by MSE(Mean Squared Error). Comparison results show that maximum likelihood estimator is better for censored data and complete data with more than 30 samples and least square estimator is better for small size complete data(less than and equal to 20 samples).

• Journal of the Korean Statistical Society
• /
• 제33권3호
• /
• pp.313-321
• /
• 2004

We consider the problem of testing cell probabilities in sparse multinomial data. Aerts et al. (2000) presented T=${{\Sigma}_{i=1}}^{k}{[{p_i}^{*}-E{(p_{i}}^{*})]^2$ as a test statistic with the local least square polynomial estimator ${{p}_{i}}^{*}$, and derived its asymptotic distribution. The local least square estimator may produce negative estimates for cell probabilities. The local maximum likelihood polynomial estimator ${{\hat{p}}_{i}}$, however, guarantees positive estimates for cell probabilities and has the same asymptotic performance as the local least square estimator (Baek and Park, 2003). When there are cell probabilities with relatively much different sizes, the same contribution of the difference between the estimator and the hypothetical probability at each cell in their test statistic would not be proper to measure the total goodness-of-fit. We consider a Pearson type of goodness-of-fit test statistic, $T_1={{\Sigma}_{i=1}}^{k}{[{p_i}^{*}-E{(p_{i}}^{*})]^2/p_{i}$ instead, and show it follows an asymptotic normal distribution. Also we investigate the asymptotic normality of $T_2={{\Sigma}_{i=1}}^{k}{[{p_i}^{*}-E{(p_{i}}^{*})]^2/p_{i}$ where the minimum expected cell frequency is very small.

• 한국통신학회논문지
• /
• 제22권7호
• /
• pp.1468-1476
• /
• 1997

상태축약심볼열추정(RSSE: Reduced State Sequence Estimation) 수신기는 비터비 복호기와 채널 추정기로 구성된다. 이동통신과 같이 채널이 변하는 환경에서는 적응 채널추정기(adaptive channel estimator)로 채널의 변화를 계속적으로 추정해야 한다. 일반적으로 사용되는 채널 추정기는 임시결정된 비터비 복호기의 출력을 사용하여 채널을 추정 하는데, 비터비 복호기에서 잘못된 결정을 내릴 경우 이로 인해 오류전파(error propagation)가 발생할 수있다. 본 논문에서는 좀더 정확한 채널 추정과 오류전파를 막기 위해 경로 메모리를 사용하는 새로운 채널추정기를 사용한다. 이 채널 추정기는 비터비 복호기의 여러 경로중에서 가장 작은 경로를 선택하여 그 경로상의 신호를 이용하여 채널 추정을 행한다. 그리고 채널 추정기의 적응 알고리듬으로서 LMS(Least Mean Square)알고리듬과 Recursive Least Square(RLS) 알고리듬을 사용하여 비교한다. 실험 결과를 통해 제안된 채널 추정기를 사용하는 RSSE 수신기가 기존의 채널 추정기를 사용하는 RSSE 수신기에 비해 더 나은 성능을 나타내는 것을 볼 수있으며, 페이딩이 존재하는 이동통신 환경에서는 LMS 알고리듬이 적합하지 않음을 알 수있다.

• Journal of the Korean Data and Information Science Society
• /
• 제7권2호
• /
• pp.263-272
• /
• 1996

임의의 기계에 대한 수명의 분포는 와이블분포를 하는 경우가 흔하다. 그리고 현실적으로 기계의 수명시간을 검정할 때, 시험시간및 여러 환경적인 제약에 의하여 표본으로 주어진 기계의 수명을 모두 관측하기는 어렵다. 그래서, 본 연구에서는 임의 중단모형 하에서 와이블분포의 모수를 최소제곱법(least squares method)을 이용하여 추정하고 기존의 최대우도추정량(maximum likelihood estimates)과 효율성의 측면에서 비교하고자 한다.

• 제어로봇시스템학회논문지
• /
• 제14권5호
• /
• pp.415-419
• /
• 2008

Detecting and correcting defects on LCD glasses early in the manufacturing process becomes important for panel makers to reduce the manufacturing costs and to improve productivity. Many attempts have been made and were successfully applied to detect and identify simple defects such as scratches, dents, and foreign objects on glasses. However, it is still difficult to robustly detect low-contrast defect region, called Mura or blemish area on glasses. Typically, these defect areas are roughly defined as relatively large, several millimeters of diameter, and relatively dark and/or bright region of low Signal-to-Noise Ratio (SNR) against background of low-frequency signal. The aim of this article is to present a robust algorithm to segment these blemish defects. Early 90's, a highly robust estimator, known as the Model-Fitting (MF) estimator was developed by X. Zhuang et. al. and have been successfully used in many computer vision application. Compared to the conventional Least-Square (LS) estimator the MF estimator can successfully estimate model parameters from a dataset of contaminated Gaussian mixture. Such a noise model is defined as a regular white Gaussian noise model with probability $1-\varepsilon$ plus an outlier process with probability $varepsilon$. In the sense of robust estimation, the blemish defect in images can be considered as being a group of outliers in the process of estimating image background model parameters. The algorithm developed in this paper uses a modified MF estimator to robustly estimate the background model and as a by-product to segment the blemish defects, the outliers.