지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 황범석
- 발행연도
- 2019
- 저작권
- 중앙대학교 논문은 저작권에 의해 보호받습니다.
이용수2
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
이진수 자료(Binary data)에 대한 분석으로는 로지스틱모형과 프로빗 모형이 주로 사용된다. 대칭형 링크함수를 사용하는 로지스틱 모형이나 프로빗 모형을 이용했을 경우 설명변수가 1단위 증가하고 감소할 때, 특정 사건이 일어날 확률이 0에 접근하는 속도와 1에 접근하는 속도가 같은 결과를 얻게 된다. 논문에서 다룬 데이터와 같이 불균형 자료(Unbalanced data)인 경우 일반적으로 사용되는 로지스틱 모형을 사용할 때 편향적인 결과를 얻게 된다. 이러한 문제를 해결하기 위해 비대칭 링크함수(Asymmetric link function)를 사용하는 비대칭 로짓 모형(Skewed logit model)을 베이지안 접근법을 이용해 제안하고자 한다. 모형을 통해 잠재변수를 도입함으로써 flexible하게 모수를 모형에 적용할 수 있고, 로지스틱모형에 비대칭모수를 더한 식으로 Symmetric, Asymmetric모형에 적용 가능한 일반화된 모형을 도출했다. 또한, 베이지안 추론을 이용해 모형이 복잡할 때 모수의 MLE 추정이 어려워지는 점을 극복해 모수의 값을 근사적으로 추정했다. 마지막으로 improper한 사전 분포를 사용했을 때 사후분포의 적절성 또한 보장해주었다. 모형평가 결과, 본 연구에서 제안하는 모형이 고위험 음주군을 예측하기에 적합한 모형임을 확인하였고, 문제적 음주와 관련된 세분화된 건강관리 서비스를 제공하는 기초자료가 될 것이다.
목차
제1장 서론 11.1. 연구 배경 및 목적 1제2장 연구 모형 22.1. 대칭분포를 이용한 방법 22.2. 비대칭분포를 이용한 방법 4제3장 비대칭 로짓 모형의 베이지안 추론 73.1. 우도함수(Complete Data Likelihood Function) 73.2. 사전분포(Prior Distribution) 83.3. 결합 사후분포(Joint Posterior Distribution) 93.4. 조건부 사후분포(Conditional Posterior Distribution) 103.5. Markov Chain Monte Carlo 11제4장 자료분석 결과 134.1. 자료 탐색 134.2. 대칭분포를 이용한 모형 분석 결과 164.3. 비대칭분포를 이용한 모형 분석 결과 194.4. 모형 평가 21제5장 결론 및 논의 22참고문헌 23국문초록 25Abstract 26
최근 본 자료
댓글(0)
0