여러 가지 가중행렬을 가진 공간 시계열 모형들의 예측

Prediction for spatial time series models with several weight matrices
  • 이성덕; 
  • 주수인; 
  • 이소현

초록

시간의 변화뿐만 아니라 공간 위치의 변화를 함께 고려한 자료를 공간 시계열 자료라고 한다. 공간 시계열 자기회귀 이동평균 모형과 공간 시계열 중선형 모형에 대해 소개하고 각각의 Kalman Filter 방법에 의한 모수 추정의 과정을 거쳐 최종 선택된 모형의 예측력을 비교하였다. 또한 공간 시계열 자료의 모형에 포함되는 가중행렬에 대하여 기존의 방법인 동일한 가중치와 더불어 거리에 비례한가중치와 인구수에 비례한 가중치를 제안하였다. 실증분석을 위해 한국질병관리본부에서 수집한 유행성 이하 선염 자료를 활용하여 가중치를 달리한 공간 시계열 모형을 적합시키고 예측하였다. 예측오차 제곱합을 활용하여 어느 모형이 가장 효과적인 모형인지 판정하였다.

키워드

가중행렬; 예측 오차 제곱합; 유행성 이하 선염; Kalman Filter; STARMA 모형; STBL 모형.; Kalman filter; Mumps; SSF; STARMA model; STBL model; weight matrix.
제목
여러 가지 가중행렬을 가진 공간 시계열 모형들의 예측
제목 (타언어)
Prediction for spatial time series models with several weight matrices
저자
이성덕; 주수인; 이소현
DOI
10.7465/jkdi.2017.28.1.11
발행일
2017-01
저널명
한국데이터정보과학회지
권
28
호
1
페이지
11 ~ 20