초록 ▼

□연구개요
본 연구에서는 고차원 대용량 경시적 자료의 분석을 위한 일반화 부분선형모형에서 반응변수에 대한 설명변수의 효과가 유의한 지를 검증하고, 유의한 효과가 선형적인지 비선형적인지를 동시에 검증하는 문제를 해결하고자 하였다. 또한 비선형적 따라서, 설명변수의 효과에 대한 유의성과 비선형성을 동시에 검증할 수 있는 모형선택 방법을 개발하였고, 대용량 경시적 자료에서 이질적인 개체들을 설명변수의 선형/비선형 효과가 유사한 군집으로 나눌 수 있는 함수적 군집화 방법을 개발하였으며, 모형선택 및 함수적 군집화 하에서 잠재적인 선택

□연구개요
본 연구에서는 고차원 대용량 경시적 자료의 분석을 위한 일반화 부분선형모형에서 반응변수에 대한 설명변수의 효과가 유의한 지를 검증하고, 유의한 효과가 선형적인지 비선형적인지를 동시에 검증하는 문제를 해결하고자 하였다. 또한 비선형적 따라서, 설명변수의 효과에 대한 유의성과 비선형성을 동시에 검증할 수 있는 모형선택 방법을 개발하였고, 대용량 경시적 자료에서 이질적인 개체들을 설명변수의 선형/비선형 효과가 유사한 군집으로 나눌 수 있는 함수적 군집화 방법을 개발하였으며, 모형선택 및 함수적 군집화 하에서 잠재적인 선택편향을 보정하는 선택적 추론방법을 개발하였다.

□연구 목표대비 연구결과
본 연구의 첫 번째 연구 목표는 설명변수의 유의성과 비선형성을 동시에 검증하는 모형선택방법을 개발하는 것으로, 이를 위해 변수선택의 편차를 줄일 수 있는 잠재조절모수와 비선형함수 추정의 편차를 줄일 수 있는 잠재 조절모수를 정의하고, g-사전분포 유형의 새로운 사전분포를 제안하고, 부분붕괴법을 통해 모형선택과 모수 추정을 위한 새로운 MCMC 유형의 알고리즘을 개발하였다. 두 번째 연구 목표는 이질적인 개체들을 유사한 선형 및 비선형 관계를 가지는 군집으로 나눌 수 있는 함수적 군집화 방법을 개발하는 것으로, 이를 위해 일반화 부분선형모형 하에서 디리슐레 과정을 일반화한 피트만-요 과정 혼합모형을 적용하고, 복잡한 모형의 구조를 부분붕괴법으로 체계화하고, 램덤 블록화를 활용한 메트로폴리스-헤스팅즈 방법을 이용해 효율적인 추정 방법을 개발하였다. 세 번째 연구 목표는 모형선택 및 함수적 군집화 하에서 잠재적인 편향을 보정하는 선택적 추론방법을 개발하는 것으로, 이를 위해 베이지안 변수선택에서 흔히 사용되는 영 과잉 사전분포 하에서 국소적인 오류 발견율을 바탕으로 하고 대용량 경시적 자료에 확장이 가능한 베이지안 최적화 방법을 개발하였다.

□연구개발결과의 중요성
설명변수의 유의성과 비선형성을 동시에 검증하고, 모형선택 하에서 베이지안 함수적 군집분석 방법을 개발하는 것은 지금까지 없었던 독창적인 연구로 이론적으로나 실용적으로나 매우 도전적이고 유용하다고 할 수 있다. 특히, 대용량 경시적 자료에서 설명변수가 반응변수에 미치는 복잡한 관계를 효율적으로 요약하는 결과는 실용적인 면에서도 파급효과가 매우 클 것으로 생각되고, 응용 분야로의 연구 확산 효과도 클 것으로 기대된다. 또한, 일반화 부분선형모형에 대한 선택적 추론방법은 지금까지 시도되지 않은 획기적인 주제로, 대용량 경시적 자료를 빠른 시간에 효율적으로 분석하고 효과적으로 결과를 해석하는 것이 가능해져 일반화 부분선형모형의 해석력 및 실용성을 향상시킨다.

(출처 : 요 약 문 2p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 3
• 2. 연구수행내용 및 연구결과 ... 4
• 2.1. 설명변수의 유의성 및 비선형성을 동시에 검증하는 모형선택방법의 개발 ... 4
• 2.2. 이질적인 개체들을 유사한 선형/비선형 관계를 가지로 분리하는 함수적 군집화 방법의 개발 ... 7
• 2.3. 모형선택 및 함수적 군집화 하에서 잠재적인 편향을 보정하는 선택적 추론방법의 개발 ... 10
• 3. 연구개발결과의 중요성 ... 10
• 4. 참고문헌 ... 11
• 5. 연구성과 ... 13
• 끝페이지 ... 14