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
- 이근백
- 발행연도
- 2020
- 저작권
- 성균관대학교 논문은 저작권에 의해 보호받습니다.
이용수3
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
다변량 경시적 자료에서 반복 측정된 자료들 사이에는 응답변수들 간의 세 가지 형태의 상관관계가 존재한다: 다른 시점에서 반응변수들 간의 상관관계, 다른 시점에서의 동일한 변수들 간의 상관관계, 그리고 같은 시점에서의 서로 다른 변수들 간의 상관관계. 따라서 다변량 경시적 자료분석에서는 이러한 상관관계들을 모두 고려한 공분산 행렬을 고려하여 모형화하는 것이 매우 중요하다. 하지만 그러한 공분산 행렬은 양정치성을 만족해야 하고 여러 제약이 존재한다. 또한 반복 측정 횟수가 증가함에 따라 모수의 수는 기하급수적으로 증가한다. 이 어려움들을 해결하기 위해 자기회귀 구조(AR), 자기회귀-이동평균(ARMA) 구조를 가지는 공분산 행렬의 모형화 방법이 제안되었다. Lee 등(2019a)와 Lee 등(2019b)는 다변량 경시적 자료분석에서 각각 자기회귀 구조와 자기회귀-이동평균 구조의 공분산 행렬을 가정한 분해방법을 제안하였고 이를 추정한 모형을 제안하였다. 본 논문에서는 이 두 방법을 모의실험을 통하여 서로 비교하고자 한다.
목차
1. 서론 12. 다변량 경시적 자료분석을 위한 선형모형 42.1 ARMD를 이용한 공분산 행렬의 모형화 42.2 ARMACD를 이용한 공분산 행렬의 모형화 83. 모의실험 113.1 실제 모형이 ARMA(1,1)구조를 가지는 경우 113.1.1 결측치가 없는 데이터의 경우 113.1.2 결측치가 있는 데이터의 경우 183.2 실제 모형이 AR(1)구조를 가지는 경우 243.2.1 결측치가 없는 데이터의 경우 243.1.2 결측치가 있는 데이터의 경우 254. 결론 29References 31
최근 본 자료
댓글(0)
0