국민건강조사에서 무응답 대체에 관한 연구

도세록; 엄정국; 이관제

추천

검색

자료유형: 학술저널

저자정보: 도세록 엄정국 이관제

저널정보: 한국자료분석학회 Journal of The Korean Data Analysis Society Journal of The Korean Data Analysis Society 제10권 제4호

발행연도: 2008.1

수록면: 2,099 - 2,111 (13page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

무응답 조정층을 만드는 방법은 여러 가지가 있다. 비모수적으로 층을 만드는 의사결정나무 방법에서 다지분리(multiway split)가 가능한 CHAID(chi-squared automatic interaction detection)에 의하여 분류된 분할층을 무응답 대체 보조변수로 만들어 다목적 표본조사인 "2001년도 국민건강영양조사" 자료를 바탕으로 효과적인 통계적 무응답 처리 방법을 제시하였다. CHAID 수행을 위하여 최대 나무깊이(tree depth) 수, 한 가지에서 분리 node 수, 카이제곱 통계량의 유의확률을 지정하여 나무구조에 의한 분할층을 만들었다. 분산의 과소추정문제를 해결하기 위하여 일반화회귀 추정량(GREG: generalized regression estimator)을 적용하였고, 일반화회귀 추정 효과를 파악하기 위한 모의실험을 통하여 일반화회귀 추정 후의 결과를 비교하였다.

Nonresponses are unavoidable in sample survey. In multipurpose survey, nonresponses of survey data prevent doing a integrated data analysis. The primary object of this study is to assess the effective ways to impute nonresponses in multipurpose sample survey. We consider the construction of segmentation classes by decision trees algorithm to choose auxiliary variables for multiple imputation. Because decision trees can combine many kinds of variables and classify them into homogeneous classes. In addition to imputation we propose the post weighting adjustment by Generalized regregssion to protect under estimation of variance. A simulation study is done based on the data of 2001 Korean National Health Survey, which consists of Family Interview Survey, Health Behavior survey, and Examination Survey. From the Family Interview Survey, we select 12 variables and input them into CHAID(chi-cquare automatic interaction detection). From CHAID, we obtain 10 nonresponse segmentation classes which describing nonresponse propensities for Health Behavior Survey and 15 segmentations for Examination Survey. We use the segmentation classes as the covariates of multiple imputation for the missing values of the two surveys. In order to evaluate the effects of imputation method, we conduct a simulation and compare the relative biases of the outcomes which use segmentation classes as auxiliarly variables with those of using real variables. We find that segmentation method reduce relative biases a little in both means and variances. Using segmentation classes as covariates in multiple imputation seems to appropriate and overcome the difficulties in building imputation models and choosing auxiliarly variables. In order to estimate unbiased population total, we use GREG(generalized regregssion estimator) calibration estimator, the effects of GREG calibration are stable increases on variance estimation in Examination Survey, but abrupt in Health Behavior Survey.

#무응답 조정층 #의사결정나무 #CHAID #GREG #Nonresponse Imputation #Decision Tree #CHAID #GREG

참고문헌 (16)

참고문헌 신청

Bethlehem, Jelke G. / 1988 / Reduction of Nonresponse Bias Through regregssion Estimation / Journal of The Official Statistics 4 (3) : 251 ~ 260

Fay, R. E. / 1985 / A Jackknifed chi-square test for complex samples / Journal of the American Statistical Association 80 : 148 ~ 157

Fay, R. E. / 1996 / Alternative Paradigms for the Analysis of Imputed Survey / Journal of the American Statistical Association 91 : 490 ~ 498

Kim, J. K. / 2004 / Fractional HotDeck Imputation / Biometrika 91 : 559 ~ 578

Little, R. J. A. / 1986 / Survey Nonresponse Adjustment for Estimates of Means / International Statistical Review 54 (2) : 139 ~ 157

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

도세록

소속기관 한국자료분석학회

주요연구분야 자연과학 > 수학·통계학

논문수 2 이용수 13

엄정국

소속기관 한국자료분석학회

주요연구분야 자연과학 > 수학·통계학

논문수 6 이용수 37

이관제

소속기관 한국자료분석학회

주요연구분야 자연과학 > 수학·통계학

논문수 1 이용수 1

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 (16)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)