승품 응시자 변화예측을 위한 선형, 비선형, 시계열 모형 검증 - 경기지역을 중심으로 -

김우진; 김기상; 이정일; 이현희

추천

검색

자료유형: 학술저널

저자정보: 김우진 김기상 이정일 이현희

저널정보: 국기원 태권도연구소 국기원태권도연구 국기원태권도연구 제8권 제1호

발행연도: 2017.1

수록면: 169 - 190 (22page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구는 국기원에서 제공하고 있는 통계 및 정책 자료를 활용하여 경기도 지역 “1품 응시자” 변화를 예측하는데 주요 목적이 있다. 이를 위해 공개된 자료 중 2012년 05월부터 2016년 11월까지 총 55개월의 시계열 자료를 활용하였으며, 선형모형, 비선형모형, 시계열 모형 등을 설정한 뒤 모형 비교를 실시하였다. 이상의 내용을 분석하기 위하여 SPSS 18.0과 StataMP 14.0 프로그램을 사용하였으며, 선형회귀분석, 비선형회귀분석, 시계열분석, 모형적합지수 분석, Ramsey’s RESET검증, 자기상관 및 편자상관, Ljung-Box Q 검정 등을 실시하였다. 분석을 토대로 나타난 결과를 요약하면 다음과 같다. 첫째, 선형회귀모형을 검증한 결과 시간이 한 단위 증가할 때 승품 응시자는 38.406씩 증가하는 것으로 나타났으며, 통계적으로 유의한 것으로 나타났다. 또한 자기상관이 없는 것으로 나타나 선형회귀모형이 가능한 것으로 분석되었다. 둘째, 비선형 회귀모형 검증 결과 승품응시자는 시간이 흐를수록 2차 함수 모양, 즉 지수적으로 감소하는 것으로 나타났다. 그러나 Ramsey’s RESET검증 결과 1품 응사자는 비선형적으로 증가하거나 감소하지 않고 선형적으로만 증가하는 것으로 나타났다. 셋째, 시계열 모형 즉 단순지수 평활법, Holt 선형추세, Brown 선형추세, Winters’ Additive, Winters’ Multiplicative 등을 비교해본 결과 Winters’ Additive 모형이 가장 적절한 것으로 나타났으며, 이 모형을 통해 예측해 본 결과 2016년 12월에는 4900.6명, 2017년 1월에는 5873.1명, 2017년 2월에는 3610.9명, 2017년 3월에는 5360.6명, 2017년 4월에는 7629.1명, 2017년 5월에는 5812.5명, 2017년 6월에는 5565.8명으로 예측되었다.

This main purpose of this study is to forecast the change of “1st poom promotion test applicants” at Gyeonggi-do region by using statistic and policy data that is provided by Kukkiwon. For that, total 55 months of time series data ranging from May 2012 to November 2016 was used and model comparison was carried out after setting liner model, non-linear model and time series model. SPSS 18.0 and StataMP 14.0 program were used to analyze the contents and linear regression analysis, non-linear regression analysis, time series analysis, model fit index analysis, Ramsey’s RESET verification, auto-correlation, partial auto-correlation and Ljung-Box Q verification were carried out. A summary of the results that came from the analysis is as following. First, as the results of verifying linear regression model, it appeared that promotion test applicants increased by 38.406 when time increased by one unit and it also appeared to be meaningful statistically. And it was analyzed that linear regression model was possible as it appeared that there was no auto-correlation. Second, it appeared that promotion test applicants increased in the shape of quadratic function that is exponentially as the result of verifying non-linear regression model. But, as the result of Ramsey’s RESET verification, it appeared that the promotion test applicants did not increase or decrease in non-linear way but increased in linear way. Third, as a results of comparing to time series model that is simple exponential smoothing, Holt linear trend, Brown linear trend and Winters’ Additive, Winters’ Multiplicative, it appeared that Winters’ Additive model was most suitable and as the results of forecasting this mode, it was forecasted that 4900.6 in December 2016, 5873.1 in January 2017, 3610.9 in February 2017, 5360.6 in March 2017, 7629.1 in April, 5812.5 in May 2017 and 5565.8 in June 2017.

#승품 응시자 예측 #선형모형 #비선형모형 #시계열 모형분석 #grade increase applicant #linear model #non-linear model #time series model analysis

참고문헌 (9)

참고문헌 신청

Ramsey, J. B. / 1969 / Tests for specification errors in classical linear least squares regression analysis / Journal of the Royal Statical Society 31 : 350 ~ 371

Wiener, N. / 1950 / Cybernetics / Bulletin of the American Mathematical Society 56 (1) : 73 ~ 75

고한석 / 2014 / 빅데이터의 다음 단계는 예측분석이다 / 이지스 퍼블리싱

구유회 / 2007 / 의사결정나무와 로지스틱 회귀분석을 이용한 태권도 수련생 이탈 예측을 위한 비교 연구 / 석사 / 한양대학교 대학원

국기원 / / 통계 및 정책자료

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

김우진

소속기관 국기원 태권도연구소

주요연구분야 예술체육학 > 체육

논문수 2 이용수 18

김기상

소속기관 국기원 태권도연구소

주요연구분야 예술체육학 > 체육

논문수 1 이용수 10

이정일

소속기관 국기원 태권도연구소

주요연구분야 예술체육학 > 체육

논문수 1 이용수 10

이현희

소속기관 국기원 태권도연구소

주요연구분야 예술체육학 > 체육

논문수 2 이용수 18

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (9)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)