$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

대졸자 직업이동 경로조사에서 패널탈락분석
An Analysis of Panel Attrition in GOMS(Graduates Occupational Survey) 원문보기

응용통계연구 = The Korean journal of applied statistics, v.22 no.5, 2009년, pp.981 - 993  

천영민 (한국고용정보원 고용조사분석센터) ,  윤정혜 (한국고용정보원 고용조사분석센터) ,  오민홍 (한국고용정보원 인력수급전망센터)

초록
AI-Helper 아이콘AI-Helper

패널조사에서 패널탈락이 특정계층에 집중되어 있다면, 초기에 구축된 샘플의 변화에 따라 패널자료의 대표성에 문제를 야기할 수 있다. 본 연구는 대졸자 직업이동 경로조사(GOMS)를 이용하여 신뢰성과 대표성을 저해하는 표본 탈락편의(non-random attrition bias)가 있는지를 파악하고, 패널탈락의 결정요인을 분석하여 패널탈락을 최소할 수 있는 방안을 모색하고자 한다. 분석결과 패널탈락은 응답자의 문제보다 조사시스템의 문제가 더 큰 것으로 나타났다. 따라서 추가연구를 통해 체계적인 조사시스템의 구축 및 응답자관리방법 개발뿐만 아니라 패널탈락의 편의를 보완하기 위한 가중치 부여 등 다양한 개선책의 도입이 시급한 것으로 판단된다.

Abstract ▼ AI-Helper 아이콘AI-Helper

It would cause a serious problem in the panel data when panel attrition is concentrated on certain socioeconomic groups. Using the GOMS, this study investigates whether there exists non-random attrition bias in the data and seeks for feasible solutions to minimize the bias. The results of logit anal...

주제어

#로짓 모형   #의사결정나무   #패널 탈락  

참고문헌 (17)

  1. 강석훈, 김영원 (2008). , 한국고용정보원 

  2. 강석훈, 김영원 (2009). , 한국고용정보원 

  3. 김대일, 남재량, 류근관 (2000). 한국노동패널 표본의 대표성과 패널조사 표본 이탈자의 특성 연구, , 23, 1-33 

  4. 이상호. (2003). 청년패널의 표본이탈 요인분석, , 한국고용정보원 

  5. 이상호. (2005). 한국노동패널의 표본이탈 분석, , 11, 66-80 

  6. 천영민, 박상현, 정승철, 윤정혜, 이성재 (2008). , 한국고용정보원 

  7. 천영민, 정승철, 윤정혜, 이성재, 이주현, 심재훈, 서지연 (2009). , 한국고용정보원, , 16, 321-329 

  8. Becketti, S., William, G., Lee, L. and Finis, W. (1998). The panel study of income dynamics after fourteen years: An evaluation, Journal of Labor Economics, 6, 472-492 

    상세보기 crossref

  9. Breiman, L., Friedman, J. H., Olshen, R. A. and Stone, C. J. (1984). Classification and Regression Trees, Chapman & Hall, New York 

  10. Fitzgerald, J., Gottschalk, P. and Moffit, R. (1998). An analysis of sample attrition in panel data, The Journal of Human Resources, 33, 251-299 

    상세보기 crossref

  11. Kass, G. V. (1980). An exploratory technique for investigating large quantities of data, Applied Statistics, 29, 119-127 

    상세보기 crossref

  12. Lillard, L. A. and Panis, C. W. A. (1998). Panel attrition from the PSID. The Journal of Human Resources, 33, 437-457 

    상세보기 crossref

  13. MaCurdy, T., Mroz, T. and Gritz, R. M. (1998). An evaluation of the national longitudinal survey on youth, The Journal of Human Resources, 33, 345-436 

    상세보기 crossref

  14. Quinlan, J. R. (1983). Learning Efficient Classification Procedures. Machine Learning: An Artificial Intelligence Approach, Palo Alto, CA:Tioga Press 

  15. Quinlan, J. R. (1993). C4.5: Programs for Machine Learning, Morgan Kaufmann Publishers, San Mateo, CA 

  16. Sonquist, J. A. and Morgan, J. N. (1964). The Detection of Interaction Effects. Ann Arbor: Institute for Social Research, University of Michigan 

  17. Zabel, J. E. (1998). An analysis of attrition in the panel study of income dynamics and the survey of income and program participation with an application to a model of labor, The Journal of Human Resources, 33, 479-506 

    상세보기 crossref

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로