고유벡터공간필터링 접근법에 기반한 피어슨 상관계수의 요소분해

이상일

고유벡터공간필터링 접근법에 기반한 피어슨 상관계수의 요소분해

추천

검색

질문

Decomposing the Pearson's Correlation Coefficient Based on the Eigenvector Spatial Filtering Approach

자료유형: 학술저널

저자정보: 이상일 (서울대학교)

저널정보: 대한지리학회 대한지리학회지 대한지리학회지 제54권 제5호(통권 제194호) KCI우수등재

발행연도: 2019.10

수록면: 545 - 560 (16page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

고유벡터공간필터링 접근법에 기반한 피어슨 상관계수의 요소분해

초록· 키워드

오류제보하기

본 논문의 주된 연구 목적은 고유벡터공간필터링 접근법에 기반한 피어슨 상관계수 요소분해 기법을 정련화하고, 이 기법이 공간적 자기상관이 전제된 상태에서의 이변량 상관관계 분석에 어떠한 공헌을 할 수 있을지를 실험 연구를 통해 검토하는 것이다. 피어슨 상관계수 요소분해 기법은 공간적 패턴 요소분해, 하위 상관계수의 산출, 결정계수의 요소분해의 과정을 거쳐 이루어지며, 최종적으로 피어슨 상관계수를 네 가지 상관관계 요소, 즉 ‘잔차-잔차 상관관계 요소(EE)’, ‘공통-공통 상관관계 요소(CC)’, ‘특수-잔차 상관관계 요소(UE)’, ‘잔차-특수 상관관계 요소(EU)’로 분해한다. 피어슨 상관계수 요소분해 기법의 유용성을 검토하기 위해 동일한 피어슨 상관계수 값을 갖지만 서로 다른 수준의 이변량 공간적 자기상관을 보이는 가상의 8개 패턴쌍에 적용하였다. 실험 연구를 통해 밝혀진 주요 내용을 정리하면 다음과 같다. 첫째, 공간적 패턴 요소분해 결과, 공통 패턴 요소와 특수 패턴 요소의 존재/부존재의 양상이 매우 다양하게 나타난다. 둘째, 공간적 패턴 요소의 존재/부존재의 양상과 개별 변수의 일변량 공간적 자기상관의 정도에 따라, 하위 상관계수의 상대적 크기, 그리고 공통 결정계수와 특수 결정계수의 상대적 크기가 다양한 방식으로 나타난다. 셋째, 전체적인 이변량 공간적 자기상관의 수준뿐만 아니라 일변량 공간적 자기상관의 조합 양상에 따라 상관관계 요소분해의 결과는 달라진다. 본 연구는 공간데이터분석의 연구 관행에 새로운 제안을 하고자 하는데, 이변량 혹은 다변량 공간통계분석의 경우, 피어슨상관계수와 그것의 유의성 검정 결과뿐만 아니라 피어슨 상관계수 요소분해 결과도 함께 병기한다면 공간적 자기상관이 상관계수의 팽창/위축에 어떠한 방식과 강도로 작동하는지에 대한 새로운 통찰력을 제공할 수 있을 것으로 기대된다.

The main objective of this paper is to propose a refined version of the Pearson’s correlation coefficient decomposition technique and to examine how much contribution the technique can make to our understanding about what happens to the bivariate correlation when spatial autocorrelation is present. The technique employs sequential steps which are the spatial pattern decomposition, the sub-correlation coefficients calculation, and the determination coefficients decomposition, and it finally divides the Pearson’s correlation coefficient into four correlation components, the residual-residual correlation, the common-common correlation, the unique-residual correlation, and the residual-unique correlation components. The applicability and practicality of the technique is assessed on a hypothetical data set composed of 8 pairs which are identical in terms of the Pearson’s correlation coefficient but are different in terms of the level of bivariate spatial autocorrelation. Main findings from the experimental study are as follows. First, individual variables involved in the 8 pairs are diverse in terms of presence/absence of particular spatial pattern components. Second, the relative size and proportion of the sub-correlation coefficients and the sub-determination coefficients turn out to be substantially influenced by the presence/absence of particular spatial pattern components and the relative strength of spatial autocorrelation of two variables. Third, the correlation decomposition results are significantly subject to the relative strength of univariate spatial autocorrelation of each variable as well as the overall level of bivariate spatial autocorrelation. In conclusion, this paper proposes a new research practice that encourages researchers conducting a bivariate or multivariate spatial statistical analysis to report some of the results from the Pearson’s correlation coefficient decomposition analysis in addition to Pearson’s correlation coefficients and their associated p-values, which may lead to a new insight into our understanding about how spatial autocorrelation is involved in the process of inflating/deflating correlation coefficients.

#피어슨 상관계수 #이변량 공간적 자기상관 #고유벡터공간필터링 #상관계수 요소분해 #Pearson's correlation coefficient #bivariate spatial autocorrelation #eigenvector spatial filtering #correlation coefficients decomposition

참고문헌 (32)

참고문헌 신청

이상일, 2007, “거주지 분화에 대한 공간통계학적 접근 (I): 공간 분리성 측도의 개발,” 대한지리학회지, 42(4), 616-631.

이상일, 2008, “거주지 분화에 대한 공간통계학적 접근 (II): 국지적 공간 분리성 측도를 이용한 탐색적 공간데이터 분석,” 대한지리학회지, 43(1), 134- 153.

이상일·조대헌·이민파, 2017, “공간적 자기상관 통계량의 고유벡터간 비교 연구: 공간근접성행렬의 효과와 공간적 회귀분석에의 함의를 중심으로,” 대한지리학회지, 52(5), 645-660.

이상일·조대헌·이민파, 2018, “피어슨 상관계수의 공간화: 세관련 기법 간의 비교 실험 연구,” 대한지리학회지, 53(5), 761-776.

Bivand, R., 1980, A Monte Carlo study of correlation coefficient estimation with spatially correlate observations, Quaestiones Geographical, 6, 5-10.

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

이상일

소속기관 서울대학교

주요연구분야 사회과학 > 지리학 > 지리학 일반 TOP 10%

논문수 21 이용수 5,659

이 논문과 함께 이용한 논문

위치정보 및 발전량 기반의 태양광 고장진단을 위한 최근접 발전 개소 피어슨 상관계수 검출 기법

전준영 , 김민국 , 손명우 외 1명 한국태양에너지학회 학술대회논문집 2023 .04

심층신경망과 피어슨 상관계수를 활용한 터보팬 엔진 잔여유효수명 예측

홍창우 , 허견 Journal of the KNST 2021 .03

구독 경제 전성시대!

오수연 마케팅 2020 .08

피어슨 상관계수를 이용한 적외선 열화상 안전 진단 시스템 개발

정종문 , 박성훈 , 이용식 외 1명 한국태양에너지학회 논문집 2019 .12

최근 본 자료

언론의 자유와 이데올로기로부터의 자유

김신동한국언론학회1998.12

예비 영어교사의 수업 시연에 나타난 교실영어 유형 분석

나경희한국중원언어학회2015.01

첫번째 댓글을 남겨주세요.

UCI(KEPA) : I410-ECN-0101-2019-981-001328773

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 (32)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)