본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색
결과 내 검색 동의어 포함
결과 내 검색 동의어 포함

-

목차보기

목차 1

가계동향조사 지출부문 시계열 연계 방안에 관한 연구 ＝ A study on time series linkage in the Household Income and Expenditure Survey / 김시현 ; 성병찬 ; 최영근 ; 여인권 1

Abstract 1

1. 서론 1

2. 가계동향조사 자료의 특성과 개편내용 2

2.1. 가계동향조사 자료의 특성 2

2.2. 가계동향조사 개편내용 2

3. 분석모형 4

3.1. 로지스틱 회귀모형+로그변환 회귀모형 4

3.2. 로지스틱 회귀모형+일반화 선형모형 5

3.3. AutoML& 랜덤 포레스트 6

3.4. 지수평활모형 6

3.5. ARIMA 모형, ARIMAX 모형 & 자기회귀오차모형 7

4. 계층 간 시계열 조정 8

5. 시계열 연계 분석결과 9

5.1. 분석 자료 및 프로그램 10

5.2. 적합 모형 선택 및 합성 예측값 10

5.3. 시계열 계층 구조 보정 12

6. 결론 14

References 15

요약 16

권호기사

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 목차
장기요양 필요 발생의 고위험 대상자 발굴을 위한 예측모형 개발 = Development of prediction model identifying high-risk older persons in need of long-term care 송미경, 박영우, 한은정 p. 457-468

보기
무시할 수 없는 무응답에서 편향 보정을 이용한 무응답 대체 = Bias corrected imputation method for non-ignorable non-response 이민하, 신기일 p. 485-499

보기
두꺼운 꼬리 분포와 레버리지효과를 포함하는 확률변동성모형에 대한 최우추정 : Maximum likelihood estimation of stochastic volatility models with leverage effect and fat-tailed distribution using hidden Markov model approximation / HMM근사를 이용한 최우추정 김태형, 박정민 p. 501-515

보기
의사결정나무의 분기법 변화가 예측력에 미치는 영향 = The impact of the change in the splitting method of decision trees on the prediction power 장영재 p. 517-525

보기
불균형 텍스트 데이터의 변수 선택에 있어서의 카이제곱통계량과 정보이득의 특징 = Properties of chi-square statistic and information gain for feature selection of imbalanced text data 문혜인, 손원 p. 469-484

보기
직장 네트워크 데이터에 대한 통계적 ERGM 분석 = Statistical ERGM analysis for consulting company network data 박예진, 엄정민, 홍수빈, 한유진, 김재희 p. 527-541

보기
머신러닝을 사용한 서리 예측 연구 = A study on frost prediction model using machine learning 김효정, 김삼용 p. 543-552

보기
가계동향조사 지출부문 시계열 연계 방안에 관한 연구 = A study on time series linkage in the Household Income and Expenditure Survey 김시현, 성병찬, 최영근, 여인권 p. 553-568

보기
통계모형을 이용하여 모의실험 결과 분석하기에 대한 보완연구 = A complementary study on analysis of simulation results using statistical models 김지현, 김봉성 p. 569-577

보기

참고문헌 (15건) : 자료제공( 네이버학술정보 )

참고문헌 목록에 대한 테이블로 번호, 참고문헌, 국회도서관 소장유무로 구성되어 있습니다.
번호 참고문헌 국회도서관 소장유무
1 Box GEP and Jenkins GM (1970). Time Series Analysis Forecasting and Control, Holden-Day, Inc., San Francisco. 미소장
2 Breiman L (2001). Random forests, Machine Learning, 45, 5–32. 미소장
3 Duan N (1983). Smearing estimate - A nonpar ametric retransformation method, Journal of the American Statistical Association, 78, 605–610. 미소장
4 Dunn DM, Williams WH, and DeChaine TL (1976). Aggregate versus subaggregate models in local area forecasting, Journal of the American Statistical Association, 71, 68–71 미소장
5 Hamilton JD (1994). Time Series Analysis. Princeton University Press, Princeton. 미소장
6 Hong Y and Park M (2019). A study on the linked time series methods according to the Household Income and Expenditure Survey Reorganization, SRI Open-Access Research Reports 2019. 미소장
7 Hyndman RJ and Athanasopoulos G (2018). Forecasting: Principles and Practice (2nd Ed), OTexts. 미소장
8 Hyndman RJ, Ahmed RA, Athanasopoulos G, and Shang HL (2011). Optimal combination forecasts for hierarchical time series, Computational Statistics and Data Analysis, 55, 2579–2589. 미소장
9 Kwiatkowski D, Phillips PCB, Schmidt P, and Shin Y (1992). Testing the null hypothesis of stationarity against the alternative of a unit root: How sure are we that economic time series have a unit root?, Journal of Econometrics, 54, 159–178. 미소장
10 Kwon S and Hong Y (2019). A study on annual statistics production plans according to the Household Income and Expenditure Survey Reorganization, SRI Open-Access Research Reports 2019–21. 미소장
11 Lim K and Park S (2016), A study on ways to improve Household Income and Expenditure Survey, Research on Improvement of Household Income and Expenditure Survey, p1-51, Statistics Research Institute. 미소장
12 Orcutt GH, Watts HW, and Edwards JB (1968). Data aggregation and information loss, The American Economic Review, 58, 773–787 미소장
13 Park M and Nassar M (2014). Variational Bayesian inference for forecasting hierarchical time series, Divergence Methods in Probabilistic Inference (DMPI) workshop at International Conference on Machine Learning (ICML), Beijing, China. 미소장
14 Shlifer E and WolffRW (1979). Aggregation and proration in forecasting, Management Science, 25, 594–603. 미소장
15 Wickramasuriya SL, Athanasopoulos G, and Hyndman RJ (2019). Optimal forecast reconciliation for hierarchical and grouped time series through trace minimization. Journal of the American Statistical Association, 114, 804–819 미소장

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차