음주 소비 자료를 적용한 영 과잉 순서형 프로빗 모형에 대한 베이지안 분석
저자
발행사항
서울 : 이화여자대학교 대학원, 2011
학위논문사항
학위논문(석사)-- 이화여자대학교 대학원 : 통계학과 2011. 2. 졸업
발행연도
2011
작성언어
한국어
발행국(도시)
서울
형태사항
viii, 56 p. : 삽화(일부천연색).
일반주기명
지도교수: 오만숙
참고문헌: p. 45-46
소장기관
보통 순서화된 이산형 랜덤변수를 모델링 하는 데에 일반적으로 사용해 온 방법은 순서형 프로빗 모형 또는 로짓 모형이었다. 하지만 대부분의 이산형 자료들은 과도한 양의 영 값을 포함하고 있다는 특징이 있다. 이 같은 영 과잉 자료는 분석하는데 어려움이 따른다. 적절한 모형을 채택하지 못할 경우, 많은 양의 영 값이 분석의 분포가정과 추론을 모두 무용지물로 만들어 버릴 수 있기 때문이다.
일반적인 순서형 프로빗 모형은 과도한 양의 영 값을 설명함에 있어서 제한된 능력을 가진다. 특히 영 값의 선택이 두 개의 구별된 영역에 관련되어져 있을지도 모를 때는 더욱 그렇다. 그러므로 본 연구에서는 OP모형의 확장 개념인 영과잉 순서형 프로빗 모형을 적용시켜 영 과잉을 모형에 고려할 뿐만 아니라 과도한 영 값에 대한 정확한 분석과 결과를 통한 설명을 덧붙여 영과잉 순서형 프로빗 모형이 순서형 프로빗 모형보다 더 적합함을 보일 것이다. 두 개의 잠재변수 방정식을 이용한 영과잉 순서형 프로빗 모형은 영 값을 잠재성을 가지고 있는 타입과 그렇지 않은 타입 두 가지 타입으로 나누어 보기 때문에 적용한 모형의 한계효과를 보면 같은 설명변수임에도 서로 다른 효과를 나타낼 것이다.
본 연구에서는 통계청으로부터 얻은 음주관련 데이터를 모형에 적용시켰으며 데이터는 약 43000개의 관측치로 이루어져 있고 전체의 약 53%가 영 값을 가지는 데이터이다. 음주관련 데이터를 영과잉 순서형 프로빗 모형에 적용시킴으로써 설명변수들이 음주에 미치는 효과에 대해서 보다 정확한 결과를 얻을 것이다.
In general, an ordered probit(OP) or logit model is used in modelling a discrete ordered random variable. However, many ordered discrete data sets are characterized by excess of zeros. This kind of data have difficulty in analysing.
Traditional OP model have limited capacity in explaining such a preponderance of zero observations, especially when the zeros may relate to two distinct sources.
If such underlying processes are modelled incorrectly, it could invalidate any subsequent policy implications. Additionally, even the same explanatory variable could have different effects on the two decisions.
Therefore, we apply zero-inflated ordered probit models and carry out the analysis using the Bayesian approach. This model involves two latent equations: a probit selection equation and an OP equation. This split the observations into two regimes that relate to potentially two different sets of explanatory variables.
In this paper, The model is applied to Alcohol dataset from National Statistical Office, which involves an estimation sample of nearly 43000 individuals and 53% of zero observations. The application clearly illustrates the extra insights provided by the ZIOP model in analysing the effects of some important explanatory factors.
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)