시계열 모형에서의 결측치 보정에 관한 연구

Abstract

최근에 좀더 정확한 분석과 기업의 효과적인 경영을 위한 DB에서의 결측치 문제에 관한 통계적 해결방법의 요구가 증가되어 왔다. 본 논문에서 우리는 결측값 처리에 관한 문제를 통계적으로 다루기 위한 다양한 이론과 프로시져를 정리했으며 시계열 모형에 실제데이터를 적용하여 MAE와 MSE를 통해 이 방법들을 비교해 보았다. 실제 데이터를 이용하여 이 방법들을 비교했을 때 최대우도를 고정한 ARIMA모형과 EM을 적용한 Kalman Filtering을 이용한 상태공간모형에 의한 방법이 다른 방법들보다 실제값과 예측값간의 정확도가 높았다.

Recently, demand in statistical treatment for the missing values in Data Base has been increased for the better data analysis and efficient management of a corporation. In this paper, we summarized the theories and procedures of several statistical methods to deal with the missing values and compared the performance of the methods in time series models with real data by MAE and MSE. When we compared the methods by using the real data, the ARIMA model fitted maximum likelihood and the state space model using the Kalman-filtering algorithm applied the EM are better than the other methods in the part of accuracy between real values and predicted values.