분류 전체보기219 시계열 분석에서 정상성(Stationarity) 시계열 분석에서 정상성(Stationarity)은 매우 중요한 개념이며 시계열 데이터가 정상성을 만족할 때, 통계적 분석 및 모델링이 더 용이해집니다. 정상성은 다음과 같은 세 가지 조건을 충족해야 합니다: 1. 일정한 평균 (Constant Mean): 시계열 데이터의 평균은 시간이 지남에 따라 일정해야 합니다. 즉, 모든 시점에서 평균이 일정한 값을 가져야 합니다. 2. 일정한 분산 (Constant Variance): 시계열 데이터의 분산(또는 표준편차)은 시간에 따라 변동하지 않아야 합니다. 데이터의 분산은 모든 시점에서 안정되어야 합니다. 3. 공분산의 일정성 (Constant Covariance): 시계열 데이터 내의 관측치들 간의 공분산 또는 상관관계는 시간에 따라 변하지 않아야 합니다. 즉.. 2023. 10. 23. 회귀분석의 종류 회귀분석은 다양한 형태로 나타날 수 있으며 다양한 문제를 해결하기 위한 목적에 따라 여러 유형으로 나눌 수 있습니다. 이에 대한 주요 유형은 다음과 같습니다: 1. 단순회귀 (Simple Linear Regression): 단순회귀는 하나의 독립 변수와 하나의 종속 변수 간의 관계를 모델링하는 가장 기본적인 형태의 회귀 분석입니다. 이것은 직선의 형태로 나타날 수 있는 관계를 모델링하는 데 사용됩니다. 2. 다중회귀 (Multiple Linear Regression): 다중회귀는 여러 독립 변수와 하나의 종속 변수 간의 관계를 모델링합니다. 이것은 실제 세계의 복잡한 상황에서 여러 변수가 종속 변수에 미치는 영향을 분석하는 데 사용됩니다. 3. 로지스틱 회귀 (Logistic Regression): 로지.. 2023. 10. 22. 회귀분석의 검정방법 회귀분석(Regression Analysis)은 독립 변수(또는 설명 변수)와 종속 변수(또는 반응 변수) 간의 관계를 이해하고 설명하는 통계적 기법입니다. 회귀분석에서 중요한 부분 중 하나는 모델이 통계적으로 유의미한지 판단하는 검정 과정입니다. 이를 위해 몇 가지 핵심적인 개념을 이해해야 합니다. 1. 귀무가설과 대립가설 (Null Hypothesis and Alternative Hypothesis): 귀무가설 (H0): 이 가설은 일반적으로 "효과가 없다" 또는 "상관관계가 없다"는 주장을 나타냅니다. 즉, 모델에서 설명된 차이가 무작위로 발생한 것이라고 가정합니다. 대립가설 (H1 또는 Ha): 이 가설은 일반적으로 귀무가설의 반대 주장을 나타냅니다. 즉, 모델에서 설명된 차이가 우연이 아니며, .. 2023. 10. 21. 피어슨 상관계수 (Pearson Correlation Coefficient),스피어만 순위 상관계수 (Spearman's Rank Correlation Coefficient) 피어슨 상관계수 (Pearson Correlation Coefficient): 개념: 피어슨 상관계수는 두 연속형 변수 간의 선형 상관성을 측정하는 통계량입니다. 이는 두 변수 간의 직선적 관계의 강도와 방향을 평가합니다. 피어슨 상관계수는 -1과 1 사이의 값을 가지며, -1은 완벽한 음의 선형 관계, 1은 완벽한 양의 선형 관계를 나타내며 0은 선형 관계가 없음을 의미합니다. 특징: 선형 관계를 가정합니다. 따라서 비선형 관계를 감지할 수 없습니다. 이상치에 민감할 수 있습니다. 등간격 또는 비율척도의 데이터에 사용됩니다. 데이터의 정규성을 요구할 수 있습니다. 스피어만 순위 상관계수 (Spearman's Rank Correlation Coefficient): 개념: 스피어만 상관계수는 두 변수 간의.. 2023. 10. 20. 이전 1 ··· 30 31 32 33 34 35 36 ··· 55 다음
