|
분석표에서 얻은 결과 >
● 결정계수(Coefficient of Determination) : 총변동 중 회귀선에 의한 변동이 기여하는 비율로 회귀선의 자료에 대한 설명력을 측정하는 통계량으로 독립변수가 하나인 단순회귀에서는 상관계수와 일치한다. < 결정계수
|
|
|
)단순 회귀분석의 예측
①자료
지원자 5명에게 적성검사를 실시하였다. 이들의 적성검사 점수를 토대로 장차의 업무수행을 예측하고자 한다. 기존 사원의 적성검사(X) 및 업무수행평가(Y) 자료와 지원자에 대한 자료가 같이 입력되어 있다. 「S
|
|
|
상관 및 회귀분석
두 변수 간의 상호관계는 표본상관계수와 산점도를 이용하여 분석한다.
1. 상관계수
[1] (시료)상관계수(r)
[2] (모)상관계수
[3] 결정계수: 기여율
[4] (측정)회귀계수(b)
2. 상관에 관한 검추정
3. 단순회귀분석
[1] 단순회
|
|
|
단순회귀분석에서와 마찬가지로 1993년을 기준으로 나누어서, 1981년부터 1983년까지 13년간의 연도별 시계열 자료를 사용하여 담배소비함수를 추정한 결과를 살펴보면 LN_DI(2000년 불변가격 기준 1인당 국민처분가능소득)의 추정치는 0.2372 그리
|
|
|
회귀모형은
ln ( p over {1-p} ) = -2.5359 + 0.5965 x
이 된다. 제 1 장 통계적 가설검정에 대하여
제 2 장 단순회귀분석
제 3 장 단순회귀에 관한 추론
제 4 장 중회귀분석
제 5 장 중회귀분석의 추론
제 6 장 다항회귀 및 가변수
제 7
|
|
 |
분석(학현사 2002.2)
7. 안윤기, 박동련 : 가설검정(민영사, 1999)
8. 오택섭, 최현철 : 사회과학 데이터 분석법(나남출판사, 2003)
9. 박광배 : 변량분석과 회귀분석(학지사 2003.4)
10. http://blog.naver.com/kbluewin.do?Redirect=Log&logNo=60003105392
11. http://www.niceshot.c
|
|
|
분석할 수 있는 힘을 키워야 할 것이다.
- 참고 문헌
1. 단행본
강성도 『화이트헤드의 과정철학 입문』서울: 조명문화사, 1992.
2. 정기 간행물
김상일 “과정신학의 발달과 전개” 기독교 사상사, 제 30권, 7호, 1986.
김상일 “화이트헤드의 종
|
|
|
회귀
제 III 장 수도권 환경분석 및 해외사례
제 1 절 수도권 환경 분석
1. 인구동향 및 주택보급 변화 추이
2. 택지개발 환경 분석
3. 산업단지 개발환경
4. 뉴타운개발 환경
제 2 절 해외사례
1. 주요 외국사례
|
|
|
느낌점.............................16
(부록Ⅰ)
국내 대표 기업의 6시그마 추진 system 사례 분석
(부록 Ⅱ)
세종공업(주) 품질보증부 6-시그마 프로젝트 완료 보고서
(부록 Ⅲ)
삼성종합기술원 6 sigma 연구혁신
◇ 6시그마 관련 용어 정리 ◇
|
|
|
회귀식의 전체설명력인 R2값의 차이도 나타나지 않고 있다. 따라서 성×성역할태도라는 독립변수는 대인관계 문제에 영향을 주지 않는 것으로 볼 수 있다.
- 회귀분석을 할 때, 독립변수 중에 명목변수나 서열변수가 있을 때 그 변수를 더미변
|
|
 |
(주)단순한부띠끄에 대한 재무제표 및 기업정보를 중심으로 분석한 상세보고서(종합신용등급, 현금흐름등급, Watch등급, 기업개요, 주요재무상황, 주요재무비율, 재무신용평정, 신용도 분석의견, 기업현황, 주요 주주현황, 경영진현황, 관계사
|
|
 |
(주)단순한부띠끄에 대한 재무제표 및 기업정보를 중심으로 분석한 상세보고서(종합신용등급, 현금흐름등급, Watch등급, 기업개요, 주요재무상황, 주요재무비율, 재무신용평정, 신용도 분석의견, 기업현황, 주요 주주현황, 경영진현황, 관계사
|
|
 |
단순 회귀분석을 보완하기 위해, 랜덤 포레스트(Random Forest) 및 LSTM(Long Short-Term Memory) 모델을 적용하여 시계열 데이터를 보다 정밀하게 분석하였습니다.
또한, 데이터 노이즈를 줄이기 위해 Feature Engineering을 수행하여 주요 변수만을 선별하고,
|
|
 |
분석을 수행했으며, 분석결과를 시각화하고 보고서로 정리하는 전반적인 기획·실행을 주도했습니다. 단순 수치 해석이 아니라 정책 설계로 이어질 수 있도록 분석 목적을 명확히 정의한 점에서 높은 평가를 받았고, 이 경험을 통해 KERIS의 교
|
|
|
통해 경영의사결정에 실질적으로 기여하고 싶습니다.
13. 데이터 분석 경험 중 가장 기억에 남는 프로젝트는?
보험 해지율 예측 모델을 만들면서 Cox 회귀분석을 활용한 경험이 있습니다. 단순한 예측보다, 어떤 요인이 해지에 영향을 미치는지
|
|
 |
어떻게 의료현장에 적용할 수 있을까?’라는 질문을 스스로에게 던지며 공부하는 편입니다. 예컨대 회귀분석을 배울 때 단순히 모델 적합도를 높이는 것보다는, 그 결과가 환자나 정책결정자에게 어떤 의미를 가질지 생각합니다. 누군가는
|
|
 |
을 정리하고, 부족한 데이터를 보완하기 위해 다양한 데이터 소스를 검토하며 변수를 추가하는 방식으로 문제를 해결해 나갔습니다. 또한, 단순한 회귀 분석뿐만 아니라 머신러닝 기반의 랜덤 포레스트, 로지스틱 회귀 등을 활용하여 예측 모
|
|
메뉴펼치기
