메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
저널정보
한국자료분석학회 Journal of The Korean Data Analysis Society Journal of The Korean Data Analysis Society 제21권 제1호
발행연도
2019.1
수록면
131 - 140 (10page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
본 연구에서는 ‘2018년도 부산지역 인력 및 훈련 수요조사’에서 부산지역 기업의 구인인원에 대한 결정요인을 분석하고자 한다. 일반적으로 구인인원은 0을 포함한 자연수를 가지는 계수 데이터이므로, 일반적인 선형회귀모형을 적용하기에는 정규성, 등분산성, 독립성 등에서 많은 문제점이 있다. 이런 문제를 극복하기 위해서 계수 데이터 모형인 포아송 회귀, 영과잉 포아송 회귀, 음이항 회귀 및 영과잉 음이항 회귀모형 등 4개의 모형을 적합하여 최적 모형을 선택한다. 분석의 주요결과를 요약하면 다음과 같다. 첫째, 모형 선택에 대한 가설검정 결과, 영과잉 음이항 회귀모형이 최적의 모형으로 선택되었다. 둘째, 분석결과 부산지역 기업들 가운데 비 IT 서비스업과 기타업종일수록, 기업규모가 클수록, 파견사업체나 용역(도급)업체일수록, 산업단지 이외 지역일수록, 구인인원이 유의하게 높게 나타났다. 셋째, 4차산업혁명 인지도 여부는 인지기업일수록 구인인원이 많으나 통계적으로 유의하지 않은 것으로 나타났다. 마지막으로, 이러한 분석결과는 부산지역 기업 가운데 제조업 및 산업단지 입주기업의 일자리창출에 대한 정책대안의 모색이 필요함을 시사한다.
#heteroscedasticity #negative binomial regression #Poisson regression #zero-inflated negative binomial regression #zero-inflated Poisson regression.

목차

등록된 정보가 없습니다.

참고문헌 (18)

참고문헌 신청
백유민 / 2017 / 영과잉 계수형 자료 분석을 위한 허들 나무모형 구축 / Journal of The Korean Data Analysis Society 19(4):1831~1840 google schola 조장식 / 2014 / 휴학학기 수에 대한 결정요인 분석 / Journal of The Korean Data Analysis Society 16(1):201~210 dbpia 최종후 / 2011 / 제로팽창 모형을 이용한 보험데이터 분석 / 응용통계연구 24(3):485~494 dbpia 전희주 / 2008 / 음이항 모형을 이용한 SMS 확산 요인에 관한 연구 / Journal of The Korean Data Analysis Society 10(4):2065~2073 dbpia Cox, D. R. / 1983 / Some remarks on overdispersion / Biometrika 70:269~274 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0