최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기응용통계연구 = The Korean journal of applied statistics, v.26 no.4, 2013년, pp.687 - 696
서한손 (건국대학교 응용통계학과) , 송지은 (건국대학교 응용통계학과) , 윤민 (부경대학교 통계학과)
The detection and the examination of outliers are important parts of data analysis because some outliers in the data may have a detrimental effect on statistical analysis. Outlier detection methods have been discussed by many authors. In this article, we propose to apply Hadi and Simonoff's (1993) m...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
간접적 이상치 탐지방법은 어떠한 방법을 말하는가? | 이상치 탐지방법은 크게 ‘직접적 이상치 탐지방법’과 강건추정의 잔차를 이용한 ‘간접적 이상치 탐지방법’으로 나뉜다. 간접적 이상치 탐지방법은 이상치에 영향을 덜 받는 강건 추정량을 사용하거나 이상치에 영향을 받지 않는 기준을 적용하여 이상치의 영향을 배제하는 방법이다. 간접적 이상치 탐지방법으로는 Huber (1973)에 의해 소개된 M-추정량, Rousseeuw (1984)가 제안한 최소 메디안 제곱추정량, 최소 절사 제곱추정량등이 있다. | |
이상치 탐지방법은 어떻게 나뉘는가? | 이상치 탐지는 이상치로 의심되는 관찰값들을 찾아내고, 그 값들이 실제로 이상치인지 아닌지 판별하는데 목적이 있다. 이상치 탐지방법은 크게 ‘직접적 이상치 탐지방법’과 강건추정의 잔차를 이용한 ‘간접적 이상치 탐지방법’으로 나뉜다. 간접적 이상치 탐지방법은 이상치에 영향을 덜 받는 강건 추정량을 사용하거나 이상치에 영향을 받지 않는 기준을 적용하여 이상치의 영향을 배제하는 방법이다. | |
직접적 이상치 탐지방법의 예는 무엇이 있는가? | 직접적 이상치 탐지방법은 검정등을 통하여 이상 치를 탐지한 후 제거하는 방법이다. 예를 들면 Kianifard와 Swallow (1989)는 이상치를 탐색하는 방법으로 스튜던트화 잔차나 Cook’s Distance와 같은 회귀진단 기준에 따라 관측값을 순서대로 정렬한 뒤 잔차를 계산하는 방법을 제안하였으며, 그 외에도 RSS 최소축소법 (Gentleman과 Wilk, 1975), 다단계 RSS 최소축소법 (Marasinghe, 1985), 순차적 검정법 (Hadi와 Simonoff, 1993) 등이 있다. 이중 Hadi와 Simonoff (1993)는 일정 크기의 양호 관찰치군으로부터 모형을 추정한 후, 양호치군과 이상치 군에서 계산된 내적 스튜던트화 잔차(internally studentized residual)의 순서통계량에 대한 t 검정 결과에 따라 최종 이상치군을 결정하거나 양호치군의 크기를 한 개 늘려서 반복된 절차를 수행한다. |
Davies, L. and Gather, U. (1993). The identification of multiple outliers (with discussion), Journal of the American Statistical Association, 88, 782-801.
Gentleman, J. F. and Wilk, M. B. (1975). Detecting outliers.II.Supplementing The Direct Analysis of Residuals, Biometrics, 31, 387-410.
Hadi, A. S. and Simonoff, J. S. (1993). Procedures for the Identification of Multiple Outliers in Linear Models, Journal of the American Statistical Association, 88, 1264-1272.
Hoeting, J., Raftery, A. E. and Madigan, D. (1996). A method for simultaneous variable selection and outlier identification in linear regression, Computational Statistics & Data Analysis, 22, 251-270.
Huber, P. J. (1973). Robust regression: Asymptotics, conjectures and Monte Carlo, Annals of Statistics, 1, 799-821.
Kianifard, F. and Swallow, W. H. (1989). Using recursive residuals, calculated on adaptively-ordered observations, to identify outliers in linear regression, Biometrics, 45, 571-585.
Kovac, A. and Silverman, B. W. (2000). Extending the scope of wavelet regression methods by coefficient dependent thresholding, Journal of the American Statistical Association, 95, 172-183.
Lee, T. C. M. and Oh, H.-S. (2007). Robust penalized regression spline fitting with application to additive mixed modeling, Computational Statistics, 22, 159-171.
Marasinghe, M. G. (1985). A Multistage procedure for detecting several outliers in linear regression, Technometrics, 27, 395-399.
Neter, J., Wasserman, W. and Kutner, M. H. (1990). Applied Linear Statistical Models (3rd ed.), Richard D. Irwin, Homewood.
Rousseeuw, P. J. (1984). Least median of squares regression, Journal of the American Statistical Association, 79, 871-880.
Ruppert, D. and Wand, M. P. (2003). Semiparametric Regression, Cambridge University Press, Cambridge.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
오픈액세스 학술지에 출판된 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.