메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
저널정보
한국자료분석학회 Journal of The Korean Data Analysis Society Journal of The Korean Data Analysis Society 제8권 제1호
발행연도
2006.1
수록면
167 - 178 (12page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
선거예측조사에서 발생하는 어려운 점 중 하나는 후보자에 대해 자신의 지지여부를 밝히지 않는 의사결정유보층을 처리하는 것이다. 특히 전화조사방식에 의한 선거예측조사에서는 상당수의 의사결정유보층이 나타나게 되므로 이에 대한 분류 및 예측의 엄밀성은 조사의 성패를 결정짓는 중요한 문제이다. 따라서 본 연구는 의사결정유보층의 분류 및 예측에 대한 제 방법의 비교와 평가에 그 목적을 두고 있으며, 의사결정나무기법의 C&RT, CHAID, Exhaustive CHAID, QUEST 알고리즘을 분석도구로 사용하였다. 이와 더불어 지지빈도의 추정에 관한 새로운 방법을 제안하였다.주요용어 : 의사결정나무분석, 선거예측조사, 의사결정유보층, 지지빈도.1. 연구배경 및 연구목적선거예측조사(election forecasting survey)에서 흔히 발생하는 문제는 지지후보에 대한 의사결정유보층(non-respondents, 흔히 이를 무응답층이라고도 한다)의 문제이다. 특히 선거 막바지 조사에서 의사결정유보층이 다수 발생하는 경우 이들의 후보지지양태에 대한 정확한 분류 및 예측은 선거예측조사의 성패를 가늠하는 중요한 문제이다. 따라서 본 연구의 목적은 의사결정유보층의 분류 및 예측에 대한 제 방법의 비교와 평가에 그 목적을 두고 있다.사회여론조사 전문기관에서는 의사결정유보층에 대한 분류 및 예측문제를 다루기 위하여 선형판별분석(linear discriminant analysis)을 주로 활용해 왔다. 예컨대 한국갤럽은 1997년 실시된 15대 대통령선거의 선거예측조사에서 무응답층의 분류를 위하여 선형판별분석을 활용한 바 있는데, 이때 고려되었던 판별변수는 성별, 연령, 교육수준, 원적 등이었다(최종후 외, 1999). 그러나 선거예측조사에서는 판별변수가 주로 범주형(예컨대, 거주지역, 성별, 학력 등)이어서 선형판별분석에서 요구되는 소위 다변량정규성 및 분산공분산행렬의 동질성(homogeneity) 가정을 충족하지 못하게 된다(Goldstein, Dillon, 1978). 한편 최종후 외(2000)는 의사결정나무모형(decision tree model)을 이용하여 15대 대선 선거예측조사 사례분석을 시도한 바 있는데, 이 연구에서는 CHAID 알고리즘을 이용하여 지지율을 예측하는 연구가 수행된 바 있다.
#Decision tree analysis #Election forecasting survey #Non-respondents #Support frequency.

목차

등록된 정보가 없습니다.

참고문헌 (11)

참고문헌 신청
/ 1980 / An exploratory technique for investigating large quantities of categorical data 29 : 119 ~ 127 google schola / 1991 / A Method of choosing multiway partitions for classification and decision trees Journal of Applied Statistics : 49 ~ 62 google schola / 1997 / Split selection methods for classification trees 7 : 815 ~ 840 google schola / 1999 / 데이터마이닝 의사결정나무의 응용 4 (1) : 61 ~ 83 google schola / 2000 / 의사결정나무를 이용한 15대 대선 선거예측조사 사례 분석 : 93 ~ 103 google schola

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0