$\require{mediawiki-texvc}$

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.

미세먼지 자료에서의 결측치 대체 방법 비교

Comparision of Missing Imputaion Methods In fine dust data

The journal of Bigdata = 한국빅데이터학회지, v.4 no.2, 2019년, pp.105 - 114  

김연진 (인하대학교 통계학과) ,  박헌진 (인하대학교 통계학과)

초록
AI-Helper 아이콘AI-Helper

자료 분석에 있어서 결측치 대체는 큰 이슈중 하나이다. 결측치의 발생을 무시하고 분석을 진행하게 되면, bias가 발생하여 그에 따른 추정치에 대해 잘못된 결과를 줄 수 있다. 이 논문에서는 미세먼지자료에서 발생한 결측치를 적절한 대체 방법을 찾아 적용하자 한다. 이를 통해 시계열 자료에서 발생한 결측치를 R을 기반으로 한MICE, MissForest 등의 기존 방법과 시계열 기반 모델을 사용하여 여러 가지 상황에 대한 시뮬레이션을 설정해 비교해 밝히고자 하였다. 이 결과에 대해 각각을 변수 별로 비교하였을때 ImputeTS 패키지를 이용한 auto arima 모델의 kalman filter를 적용한 모형과 MissForest 모형이 미세먼지자료 결측치 대체에서는 좋은 결과를 주는 것으로 판단되었다.

Abstract AI-Helper 아이콘AI-Helper

Missing value replacement is one of the big issues in data analysis. If you ignore the occurrence of the missing value and proceed with the analysis, a bias can occur and give incorrect results for the estimate. In this paper, we need to find and apply an appropriate alternative to missing data from...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 특히 미세먼지 자료의 가장 큰 특징 중 하나는 시계열 자료라는 것이다. 따라서, 이 논문에서 논의하고자 하는 내용은 시계열 자료에서의 결측치가 발생하였을 때 적절한 대체 방법을 찾고 논의 하는 것이다.[1]
  • 본 연구에서는 미세먼지자료에서 발생할 수 있는 결측치 발생에 대해 총 3가지 시뮬레이션을 진행하여 각각의 방법에 맞는 결측치 대체 방법들에 대한 비교를 통해 더 성능이 좋은 방법을 파악하였다.
  • 이 논문에서는 시계열 자료에서 결측치 발생시 적절한 대체 방법을 적용하여 비교 연구를 하고자 한다. 비교를 위한 방법은 Mice[5], Amelia[6], MissForest[7], ImputeTS[8], DTWBI[9] 등의 결측치 대체 방법이다.

가설 설정

  • Little's test는 자료가 평균 벡터 μ와 공분산 행렬 ∑을 갖는 Multi Variate Normal(MVN)의 분포임을 가정한다.
  • Imputation : 결측 자료에 대한 Single Imputation을 N번 반복한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
적절한 결측치 처리가 분석에 있어 중요한 요소인 이유는? 미세먼지 같은 역학 연구에서 결측치 처리는 주요 관심사 중 하나이다. 이러한 결측치 발생에 의한 불완전한 자료는 자료 분석 시 모델에서의 편향된 모수 추정등의 요소에서 문제가 발생하여 잘못된 결과를 초래할 수 있기 때문에, 적절한 결측치 처리는 분석을 할 때 중요한 요소라고 할 수 있다. 특히 미세먼지 자료의 가장 큰 특징 중 하나는 시계열 자료라는 것이다.
미세먼지 자료의 가장 큰 특징 중 하나는 무엇인가? 이러한 결측치 발생에 의한 불완전한 자료는 자료 분석 시 모델에서의 편향된 모수 추정등의 요소에서 문제가 발생하여 잘못된 결과를 초래할 수 있기 때문에, 적절한 결측치 처리는 분석을 할 때 중요한 요소라고 할 수 있다. 특히 미세먼지 자료의 가장 큰 특징 중 하나는 시계열 자료라는 것이다. 따라서, 이 논문에서 논의하고자 하는 내용은 시계열 자료에서의 결측치가 발생하였을 때 적절한 대체 방법을 찾고 논의 하는 것이다.
Multiple Imputation 방식은 어떻게 진행되는가? 이러한 과정의 Multiple Imputation의 목적은 관찰 및 관찰되지 않은 자료 f(X)의 분포 함수에 대한 적절한 근사를 하는 데 있다. 이것은 일반적으로 반복적인 메커니즘을 통해 달성되는데, f(X)를 통해 발생하는 다양한 결측 패턴에 대한 조건부 분포 함수에서 샘플링하여 결측치를 대체하는 방식으로 진행된다.
질의응답 정보가 도움이 되었나요?

참고문헌 (11)

  1. Eekhout, I., de Boer, R.M., Twisk, J.W.R., de Vet, H.C.W., Heymans, M.W. Missing data: a systematic review of how they are reported and handled. (2012). 

  2. Rubin, D.B. Inference and missing data. (1976). 

  3. Johannes Bauer, Orazio Angelini and Alexander Denev. Imputation of multivariate time series data performance benchmarks for multiple imputationand spectral techniques. (2013). 

  4. Little, R.J.A. and Rubin, D.B. . Statistical Analysis with Missing Data. (1989). 

  5. Stef van Buuren and Karin Groothuis-Oudshoorn. mice: Multivariate Imputation by Chained Equations in R. (2011). 

  6. James Honaker, Garay King, and Matthew Blackwell. AMELIA II : A Program for Missing Data. 

  7. Daniel J Stekhoven and Peter Buhlmann. MissForest non-parametric missing value imputation for mixed-type data. (2012). 

  8. Seffen Moritz. imputeTS R Cran. (2019). 

  9. Camille Dezecache, T.T.Hong Phan and Emilie Poisson-caillault. DTWBI R cran. (2018). 

  10. Roderic J.A. Little. A test of Missing Completely at Random for Multivariate Data with Missing Values. (2019). 

  11. Geert Molenberghs and Michael G.Kenward. Missing Data in Clinical studies. (2007). 

저자의 다른 논문 :

관련 콘텐츠

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