[논문]상관관계와 표본 크기에 따른 BLS 무응답 보정의 효율성 비교

김석; 신기일

doi:10.5351/kjas.2009.22.6.1301

[국내논문] 상관관계와 표본 크기에 따른 BLS 무응답 보정의 효율성 비교
A Study on the Efficiency of the BLS Nonresponse Adjustment According to the Correlation and Sample Size 원문보기

응용통계연구 = The Korean journal of applied statistics, v.22 no.6, 2009년, pp.1301 - 1313

김석 (한국외국어대학교 통계학과) , 신기일 (한국외국어대학교 통계학과)

초록
AI-Helper

미국 노동통계청에서 사용하고 있는 BLS 방법의 효율성과 민감성에 관한 연구 결과에 의하면 표본 틀 (Sample frame) 자료와 조사된 자료의 상관관계가 높을수록 BLS 무응답 보정 효과는 커지는 것으로 알려져 있다 (이석진과 신기일, 2008). 그러나 표본 틀 자료와 조사된 자료의 상관계수가 층별로 크기가 다른 경우, BLS 보정 효과는 달라질 수 있다. 따라서 일반적으로 실시되는 표본 설계에서는 층화추출 방법이 사용되기 때문에 각 층의 표본 크기와 상관계수가 다른 경우의 BLS 보정 효과률 살펴보는 것은 매우 중요하다. 본 논문에서는 층의 표본 크기와 상관계수 그리고 무응답 비율에 따른 BLS 무응답 보정 효과를 살펴보았다. 이를 위해 사용된 자료는 노동부의 월별 자료인 2007년 매월노동통계 자료이다.

Abstract ▼ AI-Helper

Efficiency and sensitivity of BLS adjustment method have been studied and the method is known to provide more accurate estimate of total by using properly adjusted weights of samples. However, BLS methods provide different efficiencies according to the magnitudes of correlation coefficients and the sizes of samples in strata. In this paper we study the efficiency of the BLS adjustment according to the sample sizes and correlations in strata. For this study, 2007 monthly labor survey data is used.

Keyword

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

즉 일반적인 표본 설계는 지역별, 규모별, 대분류별 등 특정 층으로 나눈 후 가중치를 구하게 된다. 이에 본 논문에서는 실제적인 표본설계에서처럼 층을 나누어 설계 가중치가 구해졌을 경우를 고려하여 분석하였다. 특히 패널 조사처럼 매년 또는 매월 자료가 얻어질 경우, 전년 또는 전월 자료가 존재하게 되기 때문에 전년 또는 전월 자료를 이용한 BLS 보정 방법이 적용될 수 있다.
특히 패널 조사처럼 매년 또는 매월 자료가 얻어질 경우, 전년 또는 전월 자료가 존재하게 되기 때문에 전년 또는 전월 자료를 이용한 BLS 보정 방법이 적용될 수 있다. 이에 본 연구에서는 노동부의 매월노동통계자료 중 1월 자료와 5월 자료를 이용하여 패널 자료와 같은 구조가 될 수 있도록 만들었으며 각 층별로 상관계수 및 표본 크기에 따른 BLS 보정 방법의 효과를 살펴보았다. 따라서 본 논문에서 얻어진 결과는 일반적인 BLS 보정 방법 뿐만 아니라 패널 자료의 무응답 가중치 보정에서도 적용이 가능하다.
본 연구에서는 BLS에서 사용하는 4단계 중에서 큰 관심을 끌고 있는 무응답 보정을 살펴보았다. 일반적으로 관심변수와 상관이 높다고 생각되는 자료가 있을 경우 식 (2.
본 연구에서는 일반적인 표본설계에서 사용되는 방법인 층화추출로 표본설계가 이루어진 경우를 살펴보았다. 이 경우 h층의 설계 가중치 w_hi는 N_h/n_h = w_h로 구해진다.
그러면 z_yh, z_xh는 독립이고 점근적으로 표준 정규분포를 따른다. 이제 BLS 무응답 보정인자를 살펴보자. 그러면
모집단은 각 사업체의 상용근로자 수를 기준으로 7개 층으로 구분 되어있다. 본 모의실험에서는 전체 모집단 총계를 추정하는 것이 목적이 아니라 다양한 상관관계를 갖는 층을 만들어 층별 특성을 보는 것을 목적으로 하였다. 이를 위하여 추가로 몇 개 층을 합하여 새로운 층을 만들었다.
이제 Ratio-MSE 기준 결과를 살펴보자. 먼저 상관계수가 0.
본 논문에서는 무응답이 발생했을 경우 가중치를 이용하여 보정하는 방법을 살펴보았다. 현재 일반적으로 사용하는 단위 무응답 가중치 보정 방법은 모집단 크기와 유효 표본 크기를 이용하여 가중치를 보정하고 있다 (김호진 등, 2008).

가설 설정

이제 BLS 방법을 이용한 무응답 보정 최종 가중치를 구하자. 이 최종 가중치를 w_hi(B)라 하자.
모의실험에 사용된 자료는 2007년 1월과 5월의 매월노동 통계 자료이다. 이 자료는 약 7,000개로 이루어졌으며 월별 상용근로자 수를 모집단으로 가정하고 분석하였다. 또한 1월 자료를 #로 5월 자료를 #로 가정하였다.

제안 방법

즉 Target value 혹은 Benchmark value가 주어지면 조사시점에서 얻은 추정치와의 비율을 이용하여 보정한다.
효율성 분석을 위한 모의실험을 실시하였다. 모의실험에 사용된 자료는 2007년 1월과 5월의 매월노동 통계 자료이다.
C1: 1–4인, C2: 5–9인, C3: 1–9인, C4: 10–29인, C5: 30–99인, C6: 100–299인, C7: 300–499인, C8: 500인 이상, C9: 100인 이상, C10: 30인 이상. 다음으로 각 층에서 자료 수 100, 150, 200, 250, 300, 350, 400인 자료를 추출하였으며 이중에서 일부를 결측 처리하였다. 먼저 자료수 100에서는 결측치 수를 10, 30, 50, 70로 정하여 결측 비율이 매우 큰 경우를 살펴보았다.
다음으로 각 층에서 자료 수 100, 150, 200, 250, 300, 350, 400인 자료를 추출하였으며 이중에서 일부를 결측 처리하였다. 먼저 자료수 100에서는 결측치 수를 10, 30, 50, 70로 정하여 결측 비율이 매우 큰 경우를 살펴보았다. 특히 50개와 70개를 결측한 이유는 C10이 식 (3.
5)을 만족하는지 여부를 확인하기 위해서이다. 다음으로 일정 비율의 결측치를 만들었는데 이때 사용한 결측 비율은 현실적으로 나올 수 있는 3, 5, 10, 15, 20%이다. 각 층별 상관계수와 분산을 계산한 결과는 표 4.
는 k번째 반복에서 구해진 총계 추정치이다. 그리고 비교통계량을 구하기 위해 3,000번을 반복하였다.
3을 살펴보자. 일반적인 표본조사에서는 무응답 비율이 20%이내이므로 이 구간에서의 변화를 자세히 살펴볼 수 있도록 무응답 비율을 조정하였다. 전체적인 결과는 표 4.

대상 데이터

효율성 분석을 위한 모의실험을 실시하였다. 모의실험에 사용된 자료는 2007년 1월과 5월의 매월노동 통계 자료이다. 이 자료는 약 7,000개로 이루어졌으며 월별 상용근로자 수를 모집단으로 가정하고 분석하였다.

이론/모형

본 논문에서 연구될 보정 방법은 BLS 방법으로 미국 노동통계청(Bureau of labor statistics)이 사업체 조사의 보정를 위해 만든 것이다. 이 방법을 사용하기 위해서는 기본적으로 표본에 주어진 설계가중치와 표본 틀에 보조변수가 있어야 한다.
일반 방법과 BLS 보정 방법의 효과를 비교하기 위해 사용된 비교 통계량은 Rao (2003)에서 제안된 통계량을 사용하였으며 정의는 다음과 같다.

성능/효과

BLS 보정 방법의 효과를 보기 위하여 이석진과 신기일(2008)은 BLS의 민감도를 살펴보았다. 결과에 의하면 상관계수가 0.9 이상으로 높은 경우에 BLS를 사용하면 MSE를 기준으로 약 30%의 정밀도를 향상시킬 수 있는 것으로 알려졌다. 그러나 이석진과 신기일 (2008)은 일반적인 표본 설계에서처럼 전체 자료를 층화화지 않고 분석하였기 때문에 현실적인 결과로 해석하기에는 다소 무리가 있다.
이에 본 연구에서는 노동부의 매월노동통계자료 중 1월 자료와 5월 자료를 이용하여 패널 자료와 같은 구조가 될 수 있도록 만들었으며 각 층별로 상관계수 및 표본 크기에 따른 BLS 보정 방법의 효과를 살펴보았다. 따라서 본 논문에서 얻어진 결과는 일반적인 BLS 보정 방법 뿐만 아니라 패널 자료의 무응답 가중치 보정에서도 적용이 가능하다. 2장에는 미국의 BLS 보정 방법을 간단히 설명하였고 3장에는 무응답 보정에 관한 간단한 이론을 살펴보았다.
결과를 보면 무응답 수에 상관없이 모든 비교 통계량의 값이 “1”에 가까운 것을 확인 할 수 있다.
상관계수를 보면 모두 0.998 이상으로 나와 있어 상관계수가 “1”에 가까운 경우 무응답 수에 상관없이 좋은 결과를 얻을 수 있음을 확인 할 수 있다.
먼저 층 C1 결과를 살펴보면 무응답의 수가 증가 할수록 MSE를 포함한 모든 비교 통계량이 급격히 증가하는 것을 확인 할 수 있다. 이러한 경향은 BLS 방법 뿐만 아니라 일반적인 방법에서도 나타나고 있다.
이러한 경향은 BLS 방법 뿐만 아니라 일반적인 방법에서도 나타나고 있다. 다음으로 BLS 방법과 일반적인 방법을 비교해 보면 어떤 방법을 사용하여도 큰 차이가 없음을 확인할 수 있다. 이는 #와 #의 상관계수가 0.
그러나 층 C2에서 C10을 보면 상황은 달라진다. 특히 상관계수가 높은 C8에서 C10을 살펴보면 약 3배에서 4배 정도로 BLS 방법이 효과적인 것을 확인할 수 있다. 따라서 상관계수가 매우 작은 경우에는 어떤 방법을 사용하여도 좋으나 상관계수가 존재하거나 높은 경우에는 BLS 방법을 사용하는 것이 타당할 것이다.
표와 그림을 살펴보면 무응답 비율이 증가할수록, 상관계수가 증가할수록 BLS 보정 방법이 효과적임을 보여주고 있다. 그러나 무응답 비율이 일정할 경우 표본 크기에 따른 BLS 보정 방법의 효과는 존재하지 않는 것을 확인 할 수 있다.
본 논문에서는 상관관계가 높은 층이 있을 경우에는 BLS 방법이 매우 좋은 결과를 주는 것을 확인할 수 있었으며 많은 경우 표본 설계는 층화추출법을 사용하고 있기 때문에 본 논문에서 얻어진 결과는 매우 유용하리라 생각된다. 이러한 결론은 비추정의 분리비추정과 결합비 추정과의 관계를 이해하면 쉽게 얻어질 수 있는 결론이다.
결론적으로 nh, rh가 상대적으로 충분히 큰 경우에 # ≈ nh/rh가 성립된다.

후속연구

이 결과는 보조자료와 실사 자료와의 상관관계가 존재한다는 조건이 필요하다. 본 논문에서는 상관관계가 높은 층이 있을 경우에는 BLS 방법이 매우 좋은 결과를 주는 것을 확인할 수 있었으며 많은 경우 표본 설계는 층화추출법을 사용하고 있기 때문에 본 논문에서 얻어진 결과는 매우 유용하리라 생각된다. 이러한 결론은 비추정의 분리비추정과 결합비 추정과의 관계를 이해하면 쉽게 얻어질 수 있는 결론이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	BLS 방법을 사용하기 위해서는 무엇이 필요한가?	본 논문에서 연구될 보정 방법은 BLS 방법으로 미국 노동통계청(Bureau of labor statistics)이 사업체 조사의 보정를 위해 만든 것이다. 이 방법을 사용하기 위해서는 기본적으로 표본에 주어진 설계가중치와 표본 틀에 보조변수가 있어야 한다. 기본적으로 사용될 수 있는 보조변수로는 종사자수가 있다.
	미국 노동통계청(Bureau of Labor Statistics)의 BLS 방법은 무엇인가?	미국 노동통계청(Bureau of Labor Statistics)의 BLS 방법은 사업체 조사 시 표본 틀의 보조 자료와 실사에서 얻어진 자료 사이에 상관관계가 높은 경우에 사용하는 방법으로 무응답이 랜덤하게 발생(MAR)한 경우에 사용하는 방법이다. BLS 가중치 방법의 가장 대표적인 보정 단계는 다음의 4단계이다.
	표본설계에서 고려해야 할 가장 중요한 부분은 무엇인가?	표본설계에서 고려해야할 가장 중요한 부분은 모집단을 잘 대표할 수 있도록 표본의 대표성을 확보하는 것이다. 최근 기업의 잦은 휴폐업과 무응답 그리고 이상치 등 조사과정에서 발생하는 비표본 오차는 커지고 있는 실정이다.

참고문헌 (9)

김규성 (2000). 무응답대체방법과 대체효과, , 1, 1-14

원문보기 상세보기
김호진, 류정진, 장영석, 류기섭 (2008). , 한국장애인고용촉진공단, 고용개발원
신민웅, 이상은 (2001). , 교우사
이석진, 신기일 (2008). BLS 보정방법의 민감도에 관한 연구, , 15, 843-858

원문보기 상세보기
Burdete, T. (2003). Survey of Occupational Injuries and Illnesses, Sample Design, Bureau of Labor Statistics, manuscript
Little, R. J. A. and Rubin, D. B. (1987). Multiple Imputation for Nonresponse in Surveys, John Wiley & Sons, New York
Little, R. J. A. and Rubin, D. B. (2002). Statistical Analysis with Missing Data, John Wiley & Sons, New Jersey
Oh, H. L. and Scheuren, F. (1987). Modified raking estimation, Survey Methodology, 13, 209-219
Rao, J. N. K. (2003). Small Area Estimation, John Wiley & Sons, New York

저자의 다른 논문 :

활용도 분석정보

상세보기

다운로드

내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증