• 응용통계연구
• /
• 제28권1호
• /
• pp.61-74
• /
• 2015

최근 교육학, 경영학, 심리학 등 사회과학 뿐만 아니라 공정관리, 생물정보학 등 자연과학에서도 널리 사용되고 있는 구조식 모형(structural equation modeling)에서 잠재변수점수(latent variable score)는 직접 측정이 불가능한 잠재변수를 수량화한 추정치이다. 이 연구에서는 구조식 모형을 단계(stage)별로 분할하여 분석하는 단계별 구조식 모형(stagewise SEM; SSEM)을 제안하였다. 기존 방법은 모든 관측변수의 분산-공분산을 한꺼번에 고려하므로 독립변수인 외생잠재변수(exogenous latent variable)가 종속변수인 내생잠재변수(endogenous latent variable)에 의해 영향을 받는, 논리적으로 타당하지 않은 경우가 있다. 단계별 구조식 모형은 이런 문제점을 해결할 뿐만 아니라 모형의 복잡성을 낮추어 쉽게 해를 찾을 수 있으며, 분석과정에서 생성되는 잠재변수점수로 추가 분석도 용이하다.

• Kyungpook Mathematical Journal
• /
• 제48권3호
• /
• pp.411-417
• /
• 2008

In the present paper we derive the distribution of single order statistics, joint distribution of two order statistics and the distribution of product and quotient of two order statistics when the independent random variables are from continuous Kumaraswamy distribution. In particular the distribution of product and quotient of extreme order statistics and consecutive order statistics have also been obtained. The method used is based on Mellin transform and its inverse.

• 응용통계연구
• /
• 제25권2호
• /
• pp.261-267
• /
• 2012

신용평점표(credit scorecard) 작성시 각 특성변수(characteristic variable)들을 몇 개의 속성(attribute)들로 나누고 각 속성에 적절한 가중치를 부여하게 된다. 이 과정을 성김화(coarse classi cation)라 한다. 특성변수들을 속성들로 나눌 때 그 기준이 되는 절단값(cutpoint)을 선택해야 한다. 본 논문에서는 벌점화(penalization) 기반의 절단값 선택법을 제안한다. 또한 여러가지 모의실험과 실제 신용자료의 분석을 통하여 제안된 방법과 기존의 절단값 선택법인 스플라인 분류 기계 (Koo 등, 2009)의 성능을 비교한다.

• 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
• /
• 제29권2호
• /
• pp.279-289
• /
• 2016

최근 식품의약품안전처는 의약품동등성시험기준에 고변동성 제제의 생물학적 동등성(생동성) 평가 기준을 넓혀주는 새로운 규정을 추가하면서 고차 교차설계법을 활용하여 생동성 평가를 하는 논의가 확대되고 있다. 확장된 생동성 기준을 적용하기 위해서는 3기간 이상의 교차설계법이 적용되어야 하지만 아직 관련된 논의가 많이 이루어지지 않고 있다. 본 연구에서는 $3{\times}3$ 교차설계법에 기초한 생동성 평가의 통계적 추론과정을 제시하고 논의한다. 또한 사례를 통해 $3{\times}3$ 교차설계법을 활용한 생동성 평가를 식품의약품안전처 의약품동등성시험기준에 따라 진행하고 그 의미를 논의한다.

• Journal of the Korean Data and Information Science Society
• /
• 제19권3호
• /
• pp.789-800
• /
• 2008

Current credit evaluation models based on financial data make use of smoothing estimated default ratios which are transformed from each financial variable. In this work, some problems of the credit evaluation models developed by financial experts are discussed and we propose improved credit evaluation models based on the stepwise variable selection method and Box-Cox transformed data whose distribution is much skewed to the right. After comparing goodness-of-fit tests of these models, the validation of the credit evaluation models using statistical methods such as the stepwise variable selection method and Box-Cox transformation function is explained.

• Journal of the Korean Data and Information Science Society
• /
• 제27권6호
• /
• pp.1653-1660
• /
• 2016

Smoothly clipped absolute deviation (SCAD) penalty is known to satisfy the desirable properties for penalty functions like as unbiasedness, sparsity and continuity. In this paper, we deal with the regression function estimation and variable selection based on SCAD penalized censored regression model. We use the local linear approximation and the iteratively reweighted least squares algorithm to solve SCAD penalized log likelihood function. The proposed method provides an efficient method for variable selection and regression function estimation. The generalized cross validation function is presented for the model selection. Applications of the proposed method are illustrated through the simulated and a real example.

• Communications for Statistical Applications and Methods
• /
• 제22권1호
• /
• pp.41-54
• /
• 2015

In this article, we propose nonconcave penalties on a reduced-rank regression model to select variables and estimate coefficients simultaneously. We apply HARD (hard thresholding) and SCAD (smoothly clipped absolute deviation) symmetric penalty functions with singularities at the origin, and bounded by a constant to reduce bias. In our simulation study and real data analysis, the new method is compared with an existing variable selection method using $L_1$ penalty that exhibits competitive performance in prediction and variable selection. Instead of using only one type of penalty function, we use two or three penalty functions simultaneously and take advantages of various types of penalty functions together to select relevant predictors and estimation to improve the overall performance of model fitting.

• Communications for Statistical Applications and Methods
• /
• 제27권3호
• /
• pp.285-299
• /
• 2020

In many cases, we are interested in identifying independence between variables. For continuous random variables, correlation coefficients are often used to describe the relationship between variables; however, correlation does not imply independence. For finite discrete random variables, we can use the Pearson chi-square test to find independency. For the mixed type of continuous and discrete random variables, we do not have a general type of independent test. In this study, we develop a independence test of a continuous random variable and a discrete random variable without assuming a specific distribution using kernel density estimation. We provide some statistical criteria to test independence under some special settings and apply the proposed independence test to Pima Indian diabetes data. Through simulations, we calculate false positive rates and true positive rates to compare the proposed test and Kolmogorov-Smirnov test.

• Communications for Statistical Applications and Methods
• /
• 제24권6호
• /
• pp.651-662
• /
• 2017

We propose an alternative procedure to select penalty parameter in $L_1$ penalized robust regression. This procedure is based on marginalization of prior distribution over the penalty parameter. Thus, resulting objective function does not include the penalty parameter due to marginalizing it out. In addition, its estimating algorithm automatically chooses a penalty parameter using the previous estimate of regression coefficients. The proposed approach bypasses cross validation as well as saves computing time. Variable-wise penalization also performs best in prediction and variable selection perspectives. Numerical studies using simulation data demonstrate the performance of our proposals. The proposed methods are applied to Boston housing data. Through simulation study and real data application we demonstrate that our proposals are competitive to or much better than cross-validation in prediction, variable selection, and computing time perspectives.