$\require{mediawiki-texvc}$

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.

자기조직화지도 클러스터링을 이용한 종단자료의 탐색적 분석방법론
An Exploratory Methodology for Longitudinal Data Analysis Using SOM Clustering 원문보기

융합정보논문지 = Journal of Convergence for Information Technology, v.12 no.5, 2022년, pp.100 - 106  

조영빈 (건국대학교 국제비즈니스학부 경영학과)

초록
AI-Helper 아이콘AI-Helper

종단연구는 동일 대상에 대하여 반복적으로 측정한 종단자료를 기반으로 하는 연구방법을 말한다. 대부분의 종단분석 방법은 예측이나 추론에 적합하고, 탐색적 목적으로 사용하기에는 적합하지 않은 경우가 많다. 본 연구에서는 종단자료를 분석하는 탐색적 방법을 제시한다. 이 방법은 자기조직화지도기법을 사용하여 종단자료를 군집화 하여 최선의 군집 수를 정한 후 종단궤적을 찾는 방법이다. 제안한 방법론은 고용정보원의 종단자료에 적용되었으며, 총 2,610개의 샘플에 대하여 분석을 하였다. 방법론을 적용한 결과 패널 별로 시계열적으로 군집 화되는 결과를 얻었다. 이는 종단자료를 사전에 클러스터링하고 다층 종단분석을 하는 것이 더욱 효과적이라는 사실을 나타낸다.

Abstract ▼ AI-Helper 아이콘AI-Helper

A longitudinal study refers to a research method based on longitudinal data repeatedly measured on the same object. Most of the longitudinal analysis methods are suitable for prediction or inference, and are often not suitable for use in exploratory study. In this study, an exploratory method to ana...

주제어

#종단자료   #종단분석   #잠재성장모형   #자기조직화지도기법   #종단궤적  

표/그림 (8)

참고문헌 (12)

  1. Y. B. Cho. (2018). A Data Based Methodology for Estimating the Unconditional Model of the Latent Growth Modeling, J. Digital Convergence, 16(6), 85-93. DOI : 10.14400/JDC.2018.16.6.085 

    원문보기 상세보기 crossref

  2. G. M. Fitzmaurice, N. M. Laird & J. H. Ware. (2012). Applied Longitudinal Analysis, 2nd ed. John Wiley & Sons; Hoboken; New Jersey. 

  3. J. D. Singer & J. B. Willet. (2006). Longitudinal data analysis: Present status; future prospects. In Presentation at the 45th Congress of the German Psychological Association, Nurnberg, Germany (pp. 17-21). 

  4. G. S. Kim. (2009). Latent Growth Modeling and Structural Equation Model. Hannarae Academy. 

  5. C. Genolini & B. Falissard. (2011). Kml: a package to cluster longitudinal data, Computer Methods and Programs in Biomedicine, 104, 112-121. 

    상세보기 crossref

  6. T. Kohonen. (1990). The Self-Organizing Map. Proceedings of the IEEE, 78(9), 1464-1480. 

    상세보기 crossref

  7. G. W. Milligan & M. C. Cooper. (1985). An Examination of Procedures for Determining the Number of Clustera in a Data Set. Psychometrika, 50(2), 159-179. DOI : 10.1007/BF02294245 

    상세보기 crossref

  8. Y. Shim, J. Chung & I. Choi. (2006). A Performance Comparison of Cluster Validity Indices based on K-means Algorithm. Asia Pacific Journal of Information Systems, 16(1), 127-144. 

  9. N. D. Teuling, S Pauws & E Heuvel (2022). Clustering of longitudinal data: A tutorial on a variety of approaches-. arXiv preprint arXiv:2111.05469. 

  10. L. Kaufman & P. Rousseeuw. (1990). Finding groups in data: an introduction to cluster analysis. NewYork. 

  11. R. B. Calinski & J. A. Harabasz. (1974). dendrite method for cluster analysis, Communications in Statistics, 3, 1-27. 

  12. S. Hong. (2009). Longitudinal Research Methodology Using Multilevel Model and Latent Growth Model. (Online). https://www.kli.re.kr/klips/downloadCnfrncSjIemFile.do?iemNo237 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

저작권 관리 안내
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