은닉층을 갖는 로지스틱회귀에서의 로버스트추정법 = Robust Estimation in the Logistic Regression Model with Hidden Layer

국문 초록 (Abstract)

데이터마이닝 기법으로 많이 사용되고 있는 로지스틱회귀분석은 반응변수가 이항형인 경우에 적용되는데, 반응변수의 관측치가 참값이 아니고 일종의 추정치에 해당되는 경우가 있다. 이러한 상황에서는 은닉층을 갖는 로지스틱회귀모형을 적용할 수 있다. 이 모형에서의 추정법으로는 추정된 우도를 최대화시키는 최대추정우도추정법을 사용할 수 있는데, 이 추정법은 최우추정법과 달리 설명번수의 관측치들이 완전분리된 상황에서도 추정량을 얻을 수 있다는 장점을 가지고 있다. 그러나 취우추정량과 같이 최대추정우도추정량은 이상점에 대해서 로버스트하지 않다는 단점의 적합성과 타당성을 최우추정량 및 최대추정우도추정량과 비교분석을 하였는데, 로버스트최대추정우도추정량의 적합성과 타당성이 상대적으로 우수한 것으로 평가되었다.

다국어 초록 (Multilingual Abstract)

The logistic regression analysis, one of the data mining techniques, is widely used when response variable is dichotomous. There are data sets in which the observed response in not equal to the unobservable true response, due to the misclassification. In these situations a logistic regression model with a hidden layer can be employed. This model is called the hidden logistic model since the unobservable true responses are considered as a hidden layer in neural network. To this model the maximum estimated likelihood estimator can be applied, which always exists even when there is separation in the data set. However this estimator is not robust against the outliers. Thus, a robust estimator is proposed that is called the robust maximum estimated likelihood estimator. And it is shown that the estimator is superior to other estimators in terms of the goodness-of-fit and validity.