본 연구에서는 '아파트 가격'과 '인터넷 검색량' 간의 관계를 분석하였다. 선행 논문들이 '공표된 아파트 가격'과 '인터넷 검색량' 간의 관계만을 검정했던 것에 비해, 본 논문은 '공표된 아파트 가격'을 '본질적 가격 요소'와 '일시적 가격 요소'로 구분하여 '본질적 가격 요소와 인터넷 검색량' 간의 관계, '일시적 가격 요소와 인터넷 검색량' 간의 관계에 대해서도 분석했다는 것이 선행 연구들과의 차별적 측면이다. Granger 인과관계 분석 결과를 보면, '공표된 아파트 가격'과 '인터넷 검색량'이 서로 양방향의 Granger 인과관계를 갖는 것으로 나타났다. 선행논문들에서 연구가 이루어지지 않았던 부분으로서, 아파트 가격의 추세 요소인 '아파트 본질적 가격 요소'도 '인터넷 검색량'과 피드백적 관계를 보였다. 그리고 '아파트 일시적 가격 요소'는 '인터넷 검색량'에 대해 선행관계를 갖는 것으로 나타났다. 아파트 일시적 가격 요소도 인터넷 검색량과 관계가 있다는 것은 아파트시장 참여자들의 '일시적 심리적 측면, 과잉반응에 의해 발생되는 가격 요소'도 인터넷 검색량에 영향을 준다는 것을 의미한다. 본 연구 결과는 아파트 가격의 움직임이 시장참여자들의 관심에 영향을 준다는 의미를 제시하며, 부동산시장 분석 등에 있어서 가격의 움직임, 인터넷 검색량과 같은 자료를 활용해야 한다는 의미를 갖고 있다.
To determine the effect of air pollution reduction policies, the long-term trend of air pollutants should be analyzed. Kolmogorov-Zurbenko (KZ) filter is a low-pass filter, produced through repeated iterations of a moving average to separate each variable into its temporal components. The moving average for a KZ(m, p) filter is calculated by a filter with window length m and p iterations. The output of the first pass subsequently becomes the input for the next pass. Adjusting the window length and the number of iterations makes it possible to control the filtering of different scales of motion. To break down the daily mean $PM_{10}$ into individual time components, we assume that the original time series comprises of a long-term trend, seasonal variation, and a short-term component. The short-term component is attributable to weather and short-term fluctuations in precursor emissions, while the seasonal component is a result of changes in the solar angle. The long-term trend results from changes in overall emissions, pollutant transport, climate, policy and/or economics. The long-term trend of the daily mean $PM_{10}$ decreased sharply from $59.6ug/m^3$ in 2002 to $44.6ug/m^3$ in 2015. This suggests that there was a long-term downward trend since 2005. The difference between the unadjusted and meteorologically adjusted long-term $PM_{10}$ is small. Therefore, we can conclude that $PM_{10}$ is unaffected by the meteorological variables (total insolation, daily mean temperature, daily mean relative humidity, daily mean wind speed, and daily mean local atmospheric pressure) in Busan.
Recently maximum power demand of our country has become to be under the great in fluence of electric cooling and air conditioning demand which are sensitive to weather conditions. This paper presents the technique and algorithm to forecast the long-term maximum power demand considering the characteristics of electric power and weather variable. By introducing a weather load model for forecasting long-term maximum power demand with the recent statistic data of power demand, annual maximum power demand is separated into two parts such as the base load component, affected little by weather, and the weather sensitive load component by means of multi-regression analysis method. And we derive the growth trend regression equations of above two components and their individual coefficients, the maximum power demand of each forecasting year can be forecasted with the sum of above two components. In this case we use the coincident dry bulb temperature as the weather variable at the occurence of one-day maximum power demand. As the growth trend regression equation we choose an exponential trend curve for the base load component, and real quadratic curve for the weather sensitive load component. The validity of the forecasting technique and algorithm proposed in this paper is proved by the case study for the present Korean power system.
비관측요인(unobserved-component)모형을 이용한 GDP의 추세-순환요인 분해에서, 통상적으로 추세는 확률보행 과정을 갖는 것으로 가정된다. 본 연구는 추세를 ARIMA 과정으로 표현하는 경우, GDP 변동에서 갖는 추세요인의 의미가 어떻게 달라지는가를 살펴보고, GDP에 대한 예측력이 개선될 수 있는가의 여부를 미국의 데이터를 이용하여 실증적으로 분석하였다. 모형은 GDP만의 단일변수모형과 물가를 포함하는 2변수모형의 두 가지를 고려하여 설정하였으며, 모형 추정은 비관측요인모형을 상태-공간모형으로 전환한 후 칼만 필터(Kalman filter)를 이용한 최대우도추정법을 사용하였다. GDP에 대한 예측은 축차적 추정(recursive estimation)을 이용한 동적 표본외예측(dynamic out-of-sample) 방식을 사용하였으며, 예측력 비교결과에 대한 검정은 Diebold-Mariano 검정을 이용하였다. 분석 결과는 첫째, 모형의 추정결과에서 ARIMA 추세의 계수가 통계적으로 유의적인 값을 가지며, 둘째, ARIMA 추세 모형이 확률보행 추세 모형보다 GDP 변동의 분산 및 자기 상관성(autocorrelation)을 보다 잘 설명하며, 셋째, 예측력에서 단일변수보다는 2변수모형의 예측력이 그리고 확률보행 추세보다는 ARIMA 추세를 갖는 모형의 예측력이 통계적으로 유의하게 높은 것으로 나타났다. 이러한 결과들은 GDP 추세-순환 요인 분해에서 추세를 ARIMA 과정으로 표현하는 것이 보다 타당하다는 것을 시사하고 있다.
Spatial downscaling with fine resolution auxiliary variables has been widely applied to predict precipitation at fine resolution from coarse resolution satellite-based precipitation products. The spatial downscaling framework is usually based on the decomposition of precipitation values into trend and residual components. The fine resolution auxiliary variables contribute to the estimation of the trend components. The main focus of this study is on quantitative analysis of impacts of trend component estimates on predictive performance in spatial downscaling. Two regression models were considered to estimate the trend components: multiple linear regression (MLR) and geographically weighted regression (GWR). After estimating the trend components using the two models,residual components were predicted at fine resolution grids using area-to-point kriging. Finally, the sum of the trend and residual components were considered as downscaling results. From the downscaling experiments with time-series Tropical Rainfall Measuring Mission (TRMM) 3B43 precipitation data, MLR-based downscaling showed the similar or even better predictive performance, compared with GWR-based downscaling with very high explanatory power. Despite very high explanatory power of GWR, the relationships quantified from TRMM precipitation data with errors and the auxiliary variables at coarse resolution may exaggerate the errors in the trend components at fine resolution. As a result, the errors attached to the trend estimates greatly affected the predictive performance. These results indicate that any regression model with high explanatory power does not always improve predictive performance due to intrinsic errors of the input coarse resolution data. Thus, it is suggested that the explanatory power of trend estimation models alone cannot be always used for the selection of an optimal model in spatial downscaling with fine resolution auxiliary variables.
The performance of spatial downscaling models depends on the quality of input coarse scale products. Thus, the impact of intrinsic errors contained in coarse scale satellite products on predictive performance should be properly assessed in parallel with the development of advanced downscaling models. Such an assessment is the main objective of this paper. Based on a synthetic satellite precipitation product at a coarse scale generated from rain gauge data, two synthetic precipitation products with different amounts of error were generated and used as inputs for spatial downscaling. Geographically weighted regression, which typically has very high explanatory power, was selected as the trend component estimation model, and area-to-point kriging was applied for residual correction in the spatial downscaling experiment. When errors in the coarse scale product were greater, the trend component estimates were much more susceptible to errors. But residual correction could reduce the impact of the erroneous trend component estimates, which improved the predictive performance. However, residual correction could not improve predictive performance significantly when substantial errors were contained in the input coarse scale data. Therefore, the development of advanced spatial downscaling models should be focused on correction of intrinsic errors in the coarse scale satellite product if a priori error information could be available, rather than on the application of advanced regression models with high explanatory power.
Trend of sea level change has been analysed by using the tidal data gathered at the 12 tide stations along the coast of Korean peninsula. Analysis and prediction of the sea level change were performed by Principal Component Analysis (PCA). For the period of 20 years from 1976 to 1995, the trend generally shows a rising pattern such as 0.22 cm/yr, 0.29 cm/yr, and 0.59 cm/yr along the eastern, southern, and western coast of Korea, respectively. On the average the sea level around the Korean peninsula seems to be rising at a rate of 0.37 cm/yr. Adopting the average rate to the sea level prediction model proposed by EPA (Titus and Narrayanan, 1995), the sea level may be approximately 50$\~$60 cm higher than the present sea level by the end of the next century.
Communications for Statistical Applications and Methods
/
제29권3호
/
pp.353-371
/
2022
This paper analyzes death counts after World War II of several countries to identify and to compare their stochastic structures. The stochastic structures that this paper entertains are three structural time series models, a local level with a random walk model, a fixed local linear trend model and a local linear trend model. The structural time series models assume that a time series can be formulated directly with the unobserved components such as trend, slope, seasonal, cycle and daily effect. Random effect of each unobserved component is characterized by its own stochastic structure and a distribution of its irregular component. The structural time series models use the Kalman filter to estimate unknown parameters of a stochastic model, to predict future data, and to do filtering data. This paper identifies the best-fitted stochastic model for three types of death counts (Female, Male and Total) of each country. Two diagnostic procedures are used to check the validity of fitted models. Three criteria, AIC, BIC and SSPE are used to select the best-fitted valid stochastic model for each type of death counts of each country.
Principal Component Analysis (PCA) is a powerful technique in data analysis and widely used to detect anomalies in Wireless Sensor Networks. However, the performance of conventional PCA is not high on time-series data collected by sensors. In this paper, we propose a Joint Exponential Smoothing and Trend-based Principal Component Analysis (JES-TBPCA) for Anomaly Detection which is based on conventional PCA. Experimental results on a real dataset show a remarkably higher performance of JES-TBPCA comparing to conventional PCA model in detection of stuck-at and offset anomalies.
Communications for Statistical Applications and Methods
/
제12권1호
/
pp.101-115
/
2005
We propose in this article a procedure for testing unit and fractional orders of integration, with the roots simultaneously occurring in the trend, the seasonal and the cyclical component of the time series. The tests have standard null and local limit distributions. However, finite sample critical values are computed, and several Monte Carlo experiments conducted across the paper show that the rejection frequencies against unit (and fractional) orders of integration are relatively high in all cases. The tests are applied to the UK consumption and income series, the results showing the importance of the roots corresponding to the trend and the seasonal components and, though the unit roots are found to be fairly suitable models, we show that fractional processes (including one for the cyclical component) may also be plausible alternatives in some cases.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.