지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 황진섭
- 발행연도
- 2022
- 저작권
- 대구대학교 논문은 저작권에 의해 보호받습니다.
이용수3
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
기존 연구들을 통해 효율적인 소지역 추정을 위한 Fay-Herriot 모형의 확장 버전이 다양하게 제안되었으며, 특히 여러 가지 결과변수의 형태(정규분포, 이항분포, 포아송분포)와 공변량의 측정오차를 고려할 수 있는 확장모형들을 개발하였다. Chandra, Aditya, Kumar(2018)은 0보다 큰 정규분포의 형태가 아닌 비대칭 형태의 결과변수를 고려할 수 있는 로그 변환된 소지역 모형을 제안하였으며 이는 공변량의 측정오차를 고려할 수 없는 모형으로 본 연구를 통해 공변량의 측정오차를 고려할 수 있는 소지역 모형으로 확장하고자 한다. 모형의 적합과 모수의 추정을 위해 MCMC(Markov chain Monte Carlo) 방법 중 하나인 깁스 표집(Gibbs sampling)을 바탕으로 하는 계층적 베이지안 추정법을 활용하였다. 깁스 표집을 위해 모든 모수에 대한 조건부분포를 계산하였으며 모의실험을 통해 본 연구에서 개발한 모형의 우수성을 확인하였다. 또한, 실증분석을 통해 2010년 국민건강영양조사 데이터를 활용하여 본 연구의 모형이 기존 모형보다 적합성이 향상됨을 확인하였다.
목차
Ⅰ. 서론 1Ⅱ. 연구 방법 31. 소지역 추정 기법 32. 소지역 모형 51) 단위 수준 모형 52) 지역 수준 모형 53. 측정오차 모형 64. 마르코프 연쇄 몬테칼로(MCMC) 75. 모형 수렴 진단 및 평가 81) 수렴 진단 82) 모의실험에서의 모형 평가 83) 실증자료 분석에서의 모형 비교 9Ⅲ. 연구 결과 111. 모형 제안 112. 계층적 베이지안 접근법 121) 계층적 베이지안 모형 122) 사후분포의 적절성 133) 완전 조건부분포 164) 베이지안 추정치 173. 모의실험 184. 실증자료 분석 28Ⅳ. 결론 및 고찰 30참고문헌 31영문초록 35부 록 36
최근 본 자료
댓글(0)
0