최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
Hongmin Yang, Jingtao Zhi, Xianqun Yu, Jingjing Bao, Xiaoxiang Jiang
2016 / Korean Journal of Chemical Engineering
데이터가 존재하지 않습니다.
loading...
본 연구는 잠재성장모형의 선형 성장궤적 가정으로 인한 모형 적합도 미달 문제를 해결하기 위해 연관규칙 기법을 활용한 방법론을 제안한다. 종단자료를 분위별로 나누어 순차 패턴을 도출하고, 이를 통해 모형 적합도를 향상시키는 것을 목표로 한다. 청년 패널 자료 분석 결과, 제안된 방법론이 기존 선형 함수 가정보다 모형 적합도를 높이는 것을 확인했다.
다중회귀분석과 구조방정식모형분석 : 다중회귀분석을 넘어
구조방정식모형으로 논문 쓰기
(SPSSAMOS를 활용한) 구조방정식모형 분석과 응용
R을 이용한 다층모형 =
R을 활용한 인과모형과 구조방정식모형 분석
Latent variable modeling and applications to causality
Methods and applications of longitudinal data analysis
Higher-order growth curves and mixture modeling with Mplus : a practical guide
R을 이용한 마이크로데이터 분석 =
R과 SAS를 이용한 경시적 자료분석
Higher-order growth curves and mixture modeling with Mplus : a practical guide
Generalized latent variable modeling : multilevel, longitudinal, and structural equation models
Longitudinal data analysis using structural equation models
STATA : 고급통계분석 : 16-17 version =
Higher-order growth curves and mixture modeling with Mplus : a practical guide
Longitudinal data analysis : a practical guide for researchers in aging, health, and social sciences
Linear mixed models for longitudinal data
Qualitative aspects of large scale systems : developing design rules using APL
가족의 사회경제적 특성과 아동발달
디지털융복합연구
조영빈한국데이터정보과학회지
이화정, 강석복대한경영학회지
조영빈, 이석기, 노광현교육평가연구
이영준, 강상진, 이규민인간발달연구
신택수인간발달연구
신택수한국데이터정보과학회지
이화정; 강석복교육평가연구
박산하, 김성은교육평가연구
박소영, 정혜원교육문화연구
김선미, 서공주, 박찬호융합정보논문지
조영빈교육평가연구
김수영, 김민주, 서영숙Structural Equation Modeling: A Multidisciplinary Journal
Tenko Raykov; Christine DiStefano; Natalja Menold교육평가연구
홍세희, 노언경Psychological Methods
Johnson T.L.,Hancock G.R.Structural Equation Modeling
Miller, M.L.; Ferrer, E.Structural Equation Modeling
McNeish D.Journal of pediatric psychology
Berlin KS; Parra GR; Williams NADrug and Alcohol Dependence
Greenwood C.J.,Youssef G.J.,Betts K.S.,Letcher P.,Mcintosh J.,Spry E.,Hutchinson D.M.,Macdonald J.A.,Hagg L.J.,Sanson A.,Toumbourou J.W.,Olsson C.A.Journal of Pediatric Psychology
Mara C.A.,Carle A.C.전선 / 대학원
본 강좌는 고급 자료분석을 위한 모형기반 통계분석방법론에 대해 다룬다. 자료의 특징과 분석의 목적에 따라 적합한 통계모형을 제시하고, 자료를 적합, 적합된 통계모형의 해석을 통한 인사이트 제시등에 대해 다룬다. 프로젝트를 통해서 배운 방법들을 실제 데이터에 적용하고 발표한다. ● Linear model and linear mixed model ● Generalized linear model ● Shrinkage method and variable selection ● Graphical methods and causal Inference ● Bayesian methods전선 / 대학원
일변량 시계열자료의 분석을 위해 시간영역에서의 분석모형인 ARIMA 모형의 설정, 적합, 진단 및 예측 방법과 진동수 영역에서의 Spectral theory 이론을 학습하고 실제자료의 분석을 통해 모형을 수립하는 방법을 배운다.전선 / 대학원
본 강좌는 수강생에게 행정학과 정책학에 필요한 다중회귀분석에 대한 심층적 이해를 제공하는데 있다. 수강생은 일반회귀분석에 대한 집중분석과 더불어 프로빗 및 로짓 회귀분석에 대한 학습도 할 것이다. 회귀분석의 주제는 누락변수편의, 측정오류, 다중공선성 문제를 포함한다. 인과관계나 내생성 문제도 도구변수와 이중차이분석기법과 함께 논의될 것이다. 나아가 본 강좌는 다중선택 및 다중순서형 로짓모형과 프롯빗 모형, 토빗모형에 대한 간략한 소개도 할 것이다. 본 강좌는 다양한 통계프로그램을 활용하여 행정 및 정책 쟁점들과 관련된 실제 자료에 대한 분석을 강조하고자 한다.전선 / 대학원
한 개체로부터 다른 실험조건하에서나 여러 다른 관측시간에 반복적으로 얻어진 자료를 분석하기위한 통계기법을 다룬다. 연속형의 반복측정자료를 분석하기 위해 다변량정규분포의 가정을 필요로 하는 고전적인 다변량모형을 소개하고 최근에 널리 사용되고 있는 혼합모형을 다룬다. 이산형의 반복측정자료 분석을 위해서는 가중최소제곱법에 근거한 모형과 랜덤화 모형을 다루고 일반화선형모형을 확장한 일반화추정방정식(GEE)모형을 다룬다.전선 / 대학원
비선형혼합효과모델을 활용한 집단약동학-약력학적 분석은 계량임상약리학의 탑-다운적 이해를 위해 가장 흔하게 사용되는 방법이다. 이 과목의 목표는 계량임상약리학 분야에서 비선형혼합효과모델 분석에 가장 많이 사용되는 프로그램인 NONMEM 소프트웨어 및 연관 소프트웨어의 기본적인 활용법과 구체적인 사용례를 심도있게 검토하고 다양하게 살펴봄으로써 실제 의약품 개발에 활용할 수 있는 능력과 경험을 함양하는 것이다.전선 / 대학원
데이터와 컴퓨팅 역량의 폭발적인 증가로 인해, 비즈니스 의사결정에서 데이터 분석과 정량적 모델링의 활용은 필수적인 요소가 되었다. 이 과목은 데이터 과학과 고급 경영과학을 결합하여, 다양한 비즈니스 환경에서 데이터의 활용을 통한 효율적 의사결정 시스템을 구축하기 위한 기술과 도구들을 다룬다. 전통적인 데이터 처리 및 분석을 넘어, 데이터를 스마트하고 해석 가능하며 실행 가능한 비즈니스 의사결정으로 변환하는 '처방적 분석' 방법론에 중점을 둔다. 구체적으로는 머신러닝 알고리즘, 고급 의사결정 모델링, 최적화와 같은 기술을 결합하여 자원 배분, 공급망 관리, 불확실성 대응, 경제성 분석 등 다양한 문제들을 데이터와 정량적 근거에 기반하여 해결하는 능력을 배양하는 것을 목표로 한다. 고급 엑셀 기능과 기본적이고 쉽게 이용 가능한 파이썬 모델링 기법 등 실무적인 도구들을 익히며, 코딩 기술이 요구되지 않는 상황에서도 이 도구들의 메커니즘을 이해하고 활용할 수 있는 매니저로서의 역량을 기르게 될 것이다. 이 과목은 처방적 분석 방법론의 실무적 유용성에 초점을 맞추어, 다양한 분야에서 해석 가능하고 실행 가능한 의사결정 시스템을 구축하려는 경영 매니저들에게 유용할 것이다.전선 / 대학원
데이터마이닝 (Data Mining)은 대용량 데이터베이스에 존재하는 데이터 간의 관계, 패턴, 규칙 등을 찾아내고 모형화해서 의사결정을 돕고, 유용한 정보로 변환하는 일련의 과정이다. 본 강좌에서는 기술모델링과 예측모델링에 사용되는 통계학, 기계학습, 신경회로망 기법들을 공부하고, 응용 사례 연구와 패키지를 이용한 프로젝트를 수행한다.전선 / 대학원
선형시스템의 최적추정자인 칼만필터를 기본으로 하여 모델의 불확실성을 고려한 적응필터 및 강인필터, 계산량을 줄이기 위한 슈미트필터, 다양한 측정치에 대한 내고장을 높이기 위한 분산필터를 소개한다. 또한 비선형 모델에 대한 확장칼만필터를 기반으로 최근에 많은 연구가 되고 있는 무향 칼만필터 (Unscented Kalman Filter)에 대한 특성을 분석한다. 마지막으로 상태변수가 정규분포를 가지지 않을 때 최적의 필터로 최근에 각광을 받고있는 다양한 입자필터 (Particle Filter)를 소개한다. 수업에서 소개된 필터는 INS/GPS 결합시스템과 레이더 추적문제에 적용한다.전필 / 학사
본 과목에서는 정형 데이터와 비정형 데이터를 효과적으로 관리하고 분석하는 데에 필요한 제반 이론 및 기법을 배운다. 구체적으로, 본 과목의 전반부에서는 데이터베이스 (DB)를 기반으로 한 정보 시스템의 설계 및 구현, 그리고 DB 마이닝과 DB 기반 추천 시스템과 관련된 모형과 기법을 다루고, 후반부에서는 텍스트 데이터를 대상으로 정보 검색, 문서 분류 및 군집화를 위한 주요 이론과 방법론들을 소개한다. 아울러, 본 과목은 소개된 모형 및 기법들을 구현하여 다양한 형태의 데이터에 실적용해보는 프로젝트들을 포함하는 바, 이를 통해 실제 문제에 대한 해결 능력을 기르고, 관련된 기술적 이슈들을 경험해보는 것을 목표로 한다.전선 / 대학원
보건학 자료는 이진형, 연속형 등 다양한 유형의 자료들로 이루어져 있으며 subjects사이의 상관성으로 인하여 분석이 쉽지 않다. 이러한 보건학 자료의 분석을 위하여 선형혼합모형, 일반화선형모형, 일반화선형혼합모형 등이 주로 활용되어 왔다. 고급보건통계이론에서는 이러한 분석 방법론에 활용되고 있는 다양한 모수 추정방법론과 관련 이론을 학습할 것이다. 예를 들어, 최대가능도추정량과 제한가능도추정량의 점수함수와 모수추정 방법론을 배우고 동시에 일반화추정방정식과 관련된 다양한 이론을 학습하고 연습함으로써 보건통계자료 분석의 기본 이론을 배울 수 있는 기회가 될 것이다.전선 / 학사
과학연구와 산업응용에서의 과정개선, 비용절감 및 복잡한 시스템에 대한 이해를 위한 효과적인 데이터 수집과 분석의 방법을 배운다. 하나의 요인에 대한 완전확률화법, 라틴방격법, 요인배치법, 블록계획, 일부실시법, 반응표면분석 등의 이론을 소개하고 각 계획법에 따라 수집된 자료의 분석 방법을 배운다. 선수과목으로서는 <회귀분석 및 실습>이 요구된다.전선 / 대학원
중도절단 생존시간 자료를 분석하는 고급 통계적 기법들을 다룬다. 생존함수의 추정을 위한 일반적인 방법인 KaplanㅡMeier 추정량의 정의 및 여러 성질들을 다룬다. 좌 절단 자료의 분석을 위하여 필수적인 셈 과정에 대한 이론을 배우고, 이를 이용한 위험함수의 추정방법을 설명한다. 생존시간 자료의 회귀모형을 위하여 비례위험모형에 대하여 다루고, 회귀계수의 점근적 일치성 및 근사분포를 유도한다.전선 / 대학원
이 과목에서는 대도시와 중소도시, 농촌 등 지역의 성장과 퇴보, 인적 자원과 경제 자원의 공간적 집중과 분산, 경제활동의 공간 배분, 공간 효과의 정태성과 동태성, 비공간적인 정책의 공간적인 투영 과정 등을 해석하는데 경제학, 지리학, 경영학, 공간학 방법론들이 어떻게 적용될 수 있는 지를 검토한다. 자료의 구축과 분석, 모형 구조의 설정, 모형의 추정, 모형 적합도 분석 및 실험 등 분석 방법론의 전체 과정을 검토한다.전선 / 학사
여러 가지 통계 모형에서 나타나는 함수에 대하여 비모수적 추정 방법을 배우며, 이론적인 측면보다는 주로 방법론 및 그 응용에 초점을 맞춘다. 비모수 방법으로서 커널 추정법, 국소 다항 적합법, 웨이블릿 추정법, 스플라인 추정법 등을 다룬다. 밀도함수, 회귀함수, 생존함수, 분위수함수 등의 추정 방법을 배우며, 분류 및 판별분석, 일반화 선형모형, 중도절단회귀 모형, 비례위험 모형 등에 응용하는 방법을 간략하게 소개한다.전필 / 대학원
본 교과목은 데이터과학 분야에 관심있는 통계학 석사 과정 대학원생을 대상으로, 데이터 랭글링 및 시각화, 회귀분석, 선형 모형, 일반화 선형 모형, 혼합 모형, 분류를 포함하여 모든 데이터 과학자가 익숙해야 하는 통계 방법론 및 이를 통계 소프트웨어를 사용해 적용하는 실례를 다룬다. 기존의 통계학 과목과 비교하여 본 교과목은 이론에 대한 강조가 덜한 대신, 통계 방법론을 구현하고 주요 개념을 실제 자료에 적용하여 데이터를 분석하기 위해 어떻게 소프트웨어를 사용하는지에 대해 더 중점을 둔다. 주요 개념에 대해서는 그것이 “작동하는 이유”에 대한 직관적 설명을 위주로 한다. 본 과목의 모든 통계 분석은 R과 Python을 사용한다.전선 / 대학원
이 과목은 ‘도시통계분석’의 고급과정으로서 도시 연구에서 제기되는 문제들을 계량적으로 분석하는 데 사용되는 방법의 원리와 응용방법을 심도 있게 살펴보는 데 목적이 있다. 이 과목을 수강한 학생들은 계량분석을 이용한 최신의 도시 연구 논문들을 이해할 수 있고, 자신의 연구 질문에 맞는 자료와 분석방법을 이용하여 스스로 접근할 수 있는 능력을 갖추게 될 것이다. 세부적으로 고전적 선형회귀 모형, 일반화 선형모형(generalized linear models), 연립방정식모형(simultaneous equations models), 패널자료 모형(panel data models), 다수준 회귀모형(multi-level regression models), 이산선택모형(discrete choice models), 시계열분석(time series analysis), 공간계량분석(spatial econometrics) 등을 학습하게 된다. 수업시간을 통해 기본 원리를 습득할 뿐만 아니라, 과제를 통해 Stata 등 통계 패키지(학생선택에 따라 R, Python, MATLAB 등을 이용할 수도 있음)를 이용하여 실제 자료에 분석방법을 적용하는 실습을 할 기회를 갖는다.전선 / 대학원
이 과목은 ‘도시통계분석’의 고급과정으로서 도시 연구에서 제기되는 문제들을 계량적으로 분석하는 데 사용되는 방법의 원리와 응용방법을 심도 있게 살펴보는 데 목적이 있다. 이 과목을 수강한 학생들은 계량분석을 이용한 최신의 도시 연구 논문들을 이해할 수 있고, 자신의 연구 질문에 맞는 자료와 분석방법을 이용하여 스스로 접근할 수 있는 능력을 갖추게 될 것이다. 세부적으로 고전적 선형회귀 모형, 일반화 선형모형(generalized linear models), 연립방정식모형(simultaneous equations models), 패널자료 모형(panel data models), 다수준 회귀모형(multi-level regression models), 이산선택모형(discrete choice models), 시계열분석(time series analysis), 공간계량분석(spatial econometrics) 등을 학습하게 된다. 수업시간을 통해 기본 원리를 습득할 뿐만 아니라, 과제를 통해 Stata 등 통계 패키지(학생선택에 따라 R, Python, MATLAB 등을 이용할 수도 있음)를 이용하여 실제 자료에 분석방법을 적용하는 실습을 할 기회를 갖는다.전선 / 학사
본 수업에서는 데이터를 이용한 모형의 추론과 예측모형 생성을 배우며, 그 과정을 통해 질문의 구조화, 데이터 수집과 정리, 통계추론, 예측모델링, 의사결정과정의 핵심원리를 배운다. 중급수준의 데이터의 변환, 데이터 정제, 모형적합, 모형선택, 모형진단 등에 대한 기초이론을 배우며, 데이터 실습을 통해 그 과정을 익힌다.전선 / 대학원
다른 과목에서 배운 계량적 분석방법을 현실 농업문제에 응용한다. 비교정학(comparative statics)에 의한 모형분석, 칼만 필터(Kalman filter), 뉴럴 네트워크(neural network), 유전자 알고리즘(genetic algorithm), 부트 스트랩핑(boot strapping), 커널 추정(kernel estimation) 등을 다룬다.일선 / 학사
본 과목은 위상수학과 조합론에 기반한 데이터 분석 및 네트워크 이론에의 응용에 관심을 둔 학생들을 대상으로 한다. 빅데이터 분석에 있어“데이터의 형태”가 중요한 분류 기준으로 자리 잡게 되었으며 이러한 형태를 위상수학을 이용하여 인식하고 평가하는 방법을 배운다. 또한 조합론과 그래프이론에 기반하여 위상수학적 데이터 분석 결과를 고도화하고 네트워크에 응용하는 방법을 배운다. 관련한 선형대수의 주제들은 필요에 따라 복습을 병행한다.