결측값이 있는 가산 자료에서 이산형 와이블 회귀 모형에 관한 연구 (A study of discrete Weibull regression model with missing data)

서지정보

· 발행기관 : 한국데이터정보과학회
· 수록지 정보 : 한국데이터정보과학회지 / 30권 / 1호 / 11 ~ 22페이지
· 저자명 : 유한나

초록

이산형 와이블 회귀모형 (discrete Weibull regression model) 은 셀 수 있는 가산 자료 (discrete count data) 의 분포 형태와 상관없이 적용시킬 수 있는 모형이다. 자료의 산포 종류에 상관없이 모두 적용가능하다는 장점이 있지만 가산 자료에 대해 이를 적용한 논문들이 많지 않다. 본 연구에서는 이산형 와이블 회귀모형을 결측치가 있는 가산 자료에 적용하여 보았다. 국민건강영양조사 제 7기 1차년도 (2016) 자료를 바탕으로 단일 대체법 (single imputation)을 이용해 결측치들을 대체한 후 이산형 와이블 회귀모형과 영과잉 포아송 모형 (zero-inflated Poisson model)을 비교한 결과 두 모형 중 이산형 와이블 회귀모형이 더 잘 적합이 되었다. 또한 모의실험을 통하여 여러 다양한 세팅 하에 결측치를 대체한 경우와 대체하지 않은 경우의 편향 (bias) 을 비교해 단일 대체법을 사용하는 것이 편향정도를 줄일 수 있는 것을 확인하였다. 따라서 결측치가 있는 가산 자료에 결측치를 대체한 후 이산형 와이블 회귀모형에의 적합은 검정력은 물론 모형의 적함도도 높일 수 있을 것으로 사료된다.

영어초록

Discrete Weibull regression model can be adapted to discrete count data with different type of dispersions. It can be adopted to various types of dispersion however it is not used widely in discrete data and there isn’t much research papers that deal with discrete Weibull regression model. In this paper, discrete Weibull regression model is adapted to data that has missing values. Single imputation method is used to impute the missing values. We analyzed the seventh Korea National Health and Nutrition Examination Survey (KNHANES Ⅶ), 2016 to assess the factors for 1 year hospital stay. We compare the results using discrete Weibull regression model with zero-inflated Poisson model and shown that discrete Weibull regression model provided better fit. We also performed simulation studies to show the accuracy of the discrete Weibull regression with using single imputation under various missing rates and sample size. Through simulation studies, it was shown that using imputation methods yield better results then deleting the missing values. Using imputation with discrete Weibull regression model to discrete data will increase the power and enables the wide applicability to various types of dispersion data.

참고자료

· 없음