베이지안 분석에서 사전분포의 이해와 적용

이지윤; 김수영

doi:http://dx.doi.org/10.22257/kjp.2021.12.40.4.567

추천

검색

자료유형: 학술저널

저자정보: 이지윤 (이화여자대학교) 김수영 (이화여자대학교)

저널정보: 한국심리학회 한국심리학회지:일반 한국심리학회지:일반 제40권 제4호

발행연도: 2021.12

수록면: 567 - 596 (30page)

DOI: http://dx.doi.org/10.22257/kjp.2021.12.40.4.567

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

최근 베이지안 추정 방법이 사회과학 분야에서 많은 관심을 받고 있다. 베이지안 방법에는 연구자의 배경지식을 추정에 반영할 수 있는 사전분포라는 특별한 요소가 있으며, 이를 어떻게 지정하는지가 추정 전반에 영향을 미친다. 사전분포는 베이지안 분석에서 가장 중요한 요소임에도 불구하고, 사전분포를 이해하고 적절히 지정하기 위해 참고할 수 있는 방법론적 연구는 부족한 상황이다. 본 연구는 사전분포의 중요성과 사전분포 지정에 대한 전반적인 내용을 다룬다. 먼저, 연구자가 사전분포를 직접 지정하지 않는, 즉 프로그램이 제공하는 디폴트 사전분포 방법을 알아본다. 자주 사용되는 프로그램들의 디폴트 사전분포를 알아봄과 더불어 디폴트 사전분포의 알려진 문제점도 확인한다. 다음으로는 연구자가 사전분포를 직접 지정하는 방법에 대해 다룬다. 직접 지정할 수 있는 사전분포에는 무정보 사전분포와 정보 사전분포가 있으며, 어떤 사전분포를 이용할지는 모수에 대한 사전 정보의 유무에 따라 결정된다. 무정보 사전분포의 필요성과 이를 지정할 때 참고할 수 있도록 제안된 방법을 다루고, 정보 사전분포를 지정할 때 참고할 수 있는 연구들을 제공하며, 여러 연구의 기준을 종합해 연구자의 정보성 선택에 참고할 수 있는 기준을 탐색한다. 이후 본문에서 논의한 방법들을 적용한 자료 예시를 통해 실질적 도움을 제공하고자 하였으며, 마지막으로 본 연구의 의의와 한계에 대해 논의한다.

The Bayesian estimation method has recently received a lot of attention in the social sciences. The Bayesian method has a special factor of prior distribution that can reflect researchers’ background knowledge in the estimation process. The specification of the prior distribution affects the overall estimation. Despite prior distribution being the most important factor in Bayesian analysis, there is a lack of methodological research for understanding and appropriately specifying the prior distribution. Therefore, the present study tries to help researchers to apply the prior distribution to their estimation by addressing the importance of the prior distribution and the overall content of the prior specification. First, we explore the method that researchers do not directly specify the prior distribution. This method means selecting the default prior distribution automatically provided by the program, and if you want to use this option, you must know exactly what kind of the default prior distribution is actually provided. For this, we discuss the default priors of frequently used programs, as well as the known problem of the default priors. Second, we address the method that researchers do specify the prior distribution by themseleves. The prior distributions that can be directly specified include noninformative prior distributions and informative prior distributions. Which prior distribution to use is determined by the presence of prior information on parameters. This study deals with the necessity of noninformative prior distributions and the proposed method when specifying them, provides studies that can be referenced when specifying informative prior distributions, and explores criteria that can be referenced for the select of informativeness by synthesizing the criteria across many studies. We provide practical help through data examples applying the methods discussed in the text, and finally discuss the significance and limitations of the present study.

#베이지안 방법 #사전분포 #디폴트 사전분포 #무정보 사전분포 #정보 사전분포 #Bayesian method #prior distribution #default priors #non-informative priors #informative priors

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

이지윤

소속기관 이화여자대학교

주요연구분야 사회과학 > 심리과학 농수해양학 > 식품과학

논문수 2 이용수 40

김수영

소속기관 이화여자대학교

주요연구분야 사회과학 > 사회과학 일반 TOP 10% 사회과학 > 심리과학

논문수 18 이용수 1,634

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 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)