일상의 삶속에서 책을 쓴다는 것은 분주한 일상을 멀리하고, 학문의 깊이를 구하며, 생각을 정리하고, 절제된 내용을 경험하고자 하는 것이다. 책에 대한 설명은 제목을 클릭하시면 됩니다. 책에서 사용된 [프로그램과 자료 파일]은 메뉴 Books > Programs에서 다운 받을 수 있습니다. fnctId=bbs,fnctNo=5845 RSS 2.0 33 건 게시물 검색 제목 작성자 공통(상단고정) 공지 게시글 게시글 리스트 (2025.10) R과 Python 함께하는 기초 통계학과 응용 작성자 최용석 조회수 35 첨부파일 1 머 리 말 기초 통계학 수준에서 자료를 활용하여 한 집단, 두 집단, 여러 집단 간의 비교 검정은 기본적이면서 매우 중요한 역할을 한다. R과 Python 함께하는 기초 통계학과 응용 은 통계 사용자에게 잘 알려진 R과 최근 소프트웨어 개발자에 의해서 사용 빈도가 높아진 Python을 활용하고 있다. 각 장별로 R이 다양한 보기의 기초 통계처리를 하며 이에 대응하여 각 장의 마지막 절에 Python을 위한 실습을 제공하고 있다. 이 책에는 일반 기초 통계학 관련 책에서는 잘 다루지 않는 · 7장 일반화 선형모형분석: 로지스틱 회귀분석과 판별분석/반복측정 분산분석/공분산분석 · 8장 비모수 비교 검정: 부호검정과 윌콕슨 부호순위검정/순위합검정/크러스칼-월리스 검정/순위상관 분석 을 다루고 있다. 경우에 따라 7장과 8장 그리고 5장의 5.5절 다중회귀분석을 제외한 강의계획을 세울 수도 있다. 부록 II와 부록 III에서 각각 R, RStudio와 Python 설치와 사용법을 제공한다. 실제로 R과 Python의 활용은 매뉴얼적인 차원의 자세한 설명은 자제하고 다양한 보기의 자료와 관련된 기초 통계적 기법의 응용, 활용, 결과 해석에 초점을 맞추었다. 본문의 다양한 [보기]와 [연습문제]에서 사용되는 자료와 R-코드 그리고 [Python-코드 실습]의 Py-코드를 저자(yschoi.pusan.ac.kr) 또는 경문사(www.kyungmoon.com)에서 받아 갈 수 있도록 하였다. 끝으로 이 책이 기초 통계학을 이해하고 R과 Python을 활용하여 응용의 차원에서 실제 자료를 분석해 보려는 학생들과 타 전공의 학생들에게 도움이 되기를 희망한다. 2025년 10월 저자 드림 (2023.10) R, SAS, SPSS 함께하는 범주형 자료의 시각화 - 대응분석 작성자 최용석 조회수 61 첨부파일 0 머리말 One picture is worth ten thousand words. Fred R.(8, December 1921) 대응분석(correspondence analysis)은 범주형 자료(categorical data)에서 분할표로 구성 가능한 자료의 행(row)과 열(column)을 저차원 공간상의 점들로 동시에 나타내어 그들의 관계를 탐구하려는 탐색적 자료분석 기법이다. 1930년대 히르슈벨트(Hirshfeld)에 의해서 개발되어 1960년대 벤제크리(Benz?cri)에 의해서 더욱 발전된 대응분석은 범주형 자료분석에서 시각화 기법으로 아주 뛰어 나다. 저자도 국내에서 처음으로 1993년 대응분석 (고려대학교 통계연구소 통계분석 강의총서 17)과 2001년 대응분석의 이해와 응용 을 집필하였다, 그 이후 본인의 졸작에 이를 요약하거나 R의 패키지 ca를 활용하기도 하여 분할표 자료의 시각화 기법으로 대응분석을 소개하였다. 이번 신작 R, SAS, SPSS 함께하는 범주형 자료의 시각화 ? 대응분석 - 에서는 그동안 대응분석에 관한 저서에서 미처 수용하지 못했거나 새로운 관점에서 그 간 연구한 결과를 포함하였다. R은 버전 4.1을 바탕으로 패키지 ca(버전 0.71.1)와 지도학생들과 개발한 다시점 자료(longitudinal data)의 시각화를 위한 패키지 vlda(visualization of multidimensional longitudinal data, 버전 1.1.5)를 활용하였고 SAS는 PROC CORRESP(버전 9.2)와 SPSS는 IBM SPSS Statistics 27을 활용하였다. 특히, R 버전이 4.2 이상에서 한글이 포함된 자료인 경우 함수 read.table()에서 인코딩 옵션 fileEncoding = "euc-kr"을 반드시 사용해야 한다. 이 책의 구성은 다음과 같은 데 패키지 활용은 R을 기본으로 설명하고 SAS와 SPSS 실습을 각 장의 마지막 2개 절로 각각 제공하고 있다. 1장에서 대응분석의 엿보기를 통해 비대칭 분할표, 텍스트 마이닝, 다시점 자료를 위한 다양한 대응분석을 이해하고자 한다. R의 대응분석을 위한 패키지 ca의 적용을 소개하고 SAS/PROC CORRESP와 SPSS의 메뉴 분석(A) ▶ 차원 축소(D)에서 대응일치분석(C)과 최적화 척도법(O)에서 제공하는 대응분석을 실습에서 소개하고 있다. 2장은 범주형 자료 중 이원분할표의 행과 열 범주 간의 대응관계를 시각적으로 보여주는 단순(simple) 대응분석에 대해 소개한다. 더불어 비대칭 분할표의 대칭부분과 반대칭 부분의 수정 단순 대응분석을 제공한다. 3장에서는 삼원 이상의 다원 분할표 내지는 범주변수가 3개 이상인 범주형 자료에 대해 다중(multiple) 대응분석을 고려할 수 있다. 자료의 형태는 분할표, 분류변수가 포함된 자료, 표시행렬과 버트표를 고려할 수 있다. 4장은 텍스트 마이닝에서 텍스트 자료의 처리와 TF-IDF 가중 함수를 활용한 정형화를 통해 얻어진 문서-핵심어 행렬에 의한 이원분할표의 단순 대응분석을 문서와 단어의 연관성을 시각적인 해석을 통해 제공한다. 5장에서는 새로운 정보를 가진 범주를 이미 어떤 분할표 자료의 대응분석에 추가하여 기존의 범주들과 대응관계를 살피는 일은 매우 중요하다. 이를 추가범주라 하는 데 이를 위한 단순과 다중 대응분석 알고리즘을 소개한다. 6장은 범주들의 대응관계를 2차원 대응분석 그림만으로는 충분히 나타낼 수 없는 경우 그림상의 좌표점에 대한 부가적인 정보통계량을 설명한다. 7장에서는 각 개체가 여러 시간에 따라 관찰된 반응을 반복측정(repeated measurement)한 다시점 자료의 시각화를 위해 개발된 R의 패키지 vlda를 활용한다. 이는 긴 형태와 넓은 형태의 다시점 자료를 모두 분석 할 수 있으며 추가 개체와 변수도 다루고 있다. R, SAS와 SPSS는 국내에서 통계적 분석 도구로 가장 잘 알려진 패키지이다. 특히 R은 인기 있는 오픈 소스(http:/www.r-project.org)의 소프트웨어다. 각 장에서 사용되는 [R-코드], [SAS-코드], [SPSS-메뉴] 그리고 [자료 목록]을 부록에 수록해 두며 이는 저자의 홈페이지(http://yschoi.pusan.ac.kr) 메뉴 Researches의 Books에서 받아 갈 수 있다. 끝으로 이 책은 분할표를 포함하여 다양한 형태의 범주형 자료를 이해하고 이에 대한 시각화를 위한 R, SAS와 SPSS를 활용한 대응분석을 소개하는 책을 출간하게 되어 매우 기쁘고 행복하게 생각합니다. 그리고 통계학 특히, 범주형 자료분석에서 최근 관심과 활용도가 높아지고 있는 시각화 기법과 관련된 이 책을 출간 해주신 경문사 여러분께 고마움을 전합니다.2023년 6월 부산대학교 통계학과 연구실 208호 최용석 (2023.04)4차 산업에서 재료와 표준 작성자 최용석 조회수 53 첨부파일 0 이 책은 4차 산업 시대에서 새롭게 요구되는 재료개발 패러다임에 발맞춰, 빅데이터, 머신러닝 등을 활용한 첨단소재 개발에 대한비전을 제시한다. 재료공학도로서 갖추어야 할 재료에 대한 지식을 습득하고, 4차 산업 시대에서 산업 간 융합의 핵심이 되는 표준에 대하여 배울 수 있다. 재료와 표준에 대한 이해를 바탕으로 첨단소재의 글로벌화 전략으로 표준(국제/국가/단체/기업)을 이해하고, 중요성을 인식할 수 있다. 4차 산업 핵심 기술인 ICT 반도체, 스마트센서, 수소생산, 3D 프린팅 등의 첨단소재에 대한 지식을 습득하고, 이에 대한 국제 표준개발 동향을 파악할 수 있다. 아울러 4차 산업에서 첨단 소재개발 및 표준화 전략을 제시한다. ISBN 979-11-6226-417-1 이희수, 최용석 외 최용석 맡은 부분: 제2장 빅데이터와 재료개발혁신2.1 재료공학의 인프라_데이터 사이언스 빅데이터 2.1.1 데이터 사이언스 2.1.2 빅데이터 2.1.3 빅데이터 분석사례 (2022.08)범주형 자료분석 개론: SAS 및 R의 응용 및 해석:첨부파일(R-code 작성자 최용석 조회수 229 첨부파일 2 2002년에 출간된「범주형 자료분석 개론: SAS의 응용 및 해석」이래에 독 자 여러분의 많은 관심과 충고 속에 교정과 보완 과정을 거쳐 이번에 「범주형 자료분석 개론: SAS 및 R의 응용 및 해석으로 새롭게 선보이게 되었다. 범주형 자료분석은 최근 다양한 학문 분야에서 널리 사 용되는 학문으로서, 특히 사회과학, 행동과학, 생의학, 공중보건, 경영학, 교육 학, 생물학 등의 여러 응용 분야에서 범주반응 모형을 통한 분석에 매우 중요한 역할을 하고 있다. 이번 제3판에서는 통계 프로그램인 SAS와 R을 활용하여 범주형 자료분석 방 법을 공부할 수 있도록 코드를 함께 수록하였다. 각 장에 수록된 예제들에 대해 SAS 및 R 코드를 추가하여 독자들이 스스로 실습할 수 있도록 구성하였다. 1~7 장에서는 범주형 자료분석에서 가장 많이 사용되는 기본적인 카이제곱검정, 연관 성 측도, 로지스틱 회귀모형 및 로그선형모형에 대해 다루었고, 8장에서는 다범 주 로짓모형, 9장에서는 대응짝자료의 모형, 10장에서는 다시점 모형, 11장에서 는 변량효과모형, 12장에서는 대응분석에 대해 다루었다. 복잡한 수리적 이론은 가능한 한 생략한 대신에 보기의 인용 자료를 통해 통계 프로그램을 제시하였으 며, 출력 결과에 대해 자세한 해석을 덧붙임으로써 독자 스스로 다양한 통계절차 를 활용할 수 있도록 하였다. 이 책은 범주형 자료분석 입문서로서 한 학기 강의에 적합하지만, 수강 학생들 의 전공 분야에 따라 선별하여 강의하면 바람직할 것이다. 범주형 자료분석에 관 한 좀 더 복잡한 통계분석에 해당하는 10~11장의 내용은 대학원생이나 연구자 들에게 특히 유용할 것으로 생각한다. 좋은 책을 위해 최선을 다했지만 부족한 부분이 있을 수 있다. 발견된 오류나 수정사항에 대해 독자 여러분의 많은 지적을 기대하며, 잘못된 부분을 찾으면 책 의 판권에 나와 있는 저자들의 E-mail로 알려주기를 바란다.본문에 사용된 SAS 및 R 프로그램의 목록은 부록에 정리하였으며, 출간 후 나 올 수 있는 수정사항과 책에서 사용되었던 프로그램은 자유아카데미 홈페이지 (www.freeaca.com)에서 다운받을 수 있으니 참고하기를 바란다. 마지막으로 이 책이 나오기까지 도움을 주었던 많은 분들께 감사의 말씀을 드 린다. 2022년 8월 금정산 기슭에서 양호진·정광모·최용석 올림 R과 함께하는 인과모형의 이해와 응용 - 구조방정식모형-(2021.09): 첨부파일(R- 작성자 최용석 조회수 258 첨부파일 1 머리말 All models are wrong, but some are useful. George Box (1919 ~ 2013) 인과모형분석(causal model analysis)은 사회과학과 자연과학에서 여러 변수들 사이의 인과관계를 밝히는 다양한 모형에 대한 분석이다. 이들 모형에는 잘 알려진 회귀모형(단순, 다중, 다변량), 공분산분석모형(ANCOVA model), 확증적 인자분석모형(confirmatory factor analysis model), 구조방정식모형(structural equation model, SEM)이 있다. 구조방정식모형은 잠재변수가 있는 구조방정식모형과 잠재변수가 없는 구조방정식모형인 경로분석모형(path analysis model)이 있다. 그리고 시점에 따라 반복 측정된 자료에 대한 다싯점(longitudinal) 구조방정식모형의 잠재성장모형(latent growth model)이 있다. 이는 엄밀히 말해서 잠재변수가 있는 구조방정식모형이다. 이번 신작 R과 함께하는 인과모형의 이해와 응용 ? 구조방정식모형 - 은 대학원 과정의 인과모형 수업과 통계연구소 워크숍에서 사용한 강의노트와 김석우·최용석(2001)의 LISREL을 활용한 인과모형의 이해와 응용 에 대한 확장이다. 이 책에서는 최근 활용도가 높은 R의 lavvan 패키지를 활용하고 있다. 특히, Everitt와 Hothorn (2011, 7장)은 이 책을 쓰도록 동기 부여를 주었고 lavvan 패키지 주 개발자 Rosseel (2010, 2012, 2014)과 강현철(2019)도 많은 도움이 되었다. 그동안 인과모형에 대한 대학원 과정의 강의에서 LISREL과 AMOS를 활용하기도 했지만 모형의 구조방정식에 대한 이해가 부족한 사용자들이 특히 메뉴 방식인 AMOS 패키지만 사용하여 모형을 구축하여 해석에 어려움을 겪는 것을 자주 접한다. 이 책은 다양한 사례에 따라 구조방정식모형의 구축과 R에서 구현에 초점을 맞추고 있다. 이 책의 구성은 다음과 같다. 1장에서 다양한 인과모형의 추정과 적합도 지수에 대한 소개와 모형 적합에서 필요한 다변량 정규성 검정과 공분산행렬의 동질성 검정을 담고 있다. 2장은 확증적 인자분석을 구조방정식모형에서 관측변수의 측정모형(measurement model) 관점에서 살펴보고 있으며 군집 간의 모형 비교를 위한 다중 군집분석(multiple group analysis)을 소개한다. 3장에서는 외생(exogenous)변수와 내생(endogenous)변수로 된 관측변수에 의한 구조방정식모형인 경로분석모형과 군집 간의 모형 비교를 위한 다중 군집분석을 소개한다. 자료의 수가 작거나 다변량 정규성이 만족되지 않은 경우 모형 적합을 위한 붓스트랩(bootstrap) 방법을 소개하고 있다. 4장은 잠재변수가 있어 이들 간의 구조모형(structure model)을 고려한 구조방정식모형과 다중 군집분석을 소개한다. 또한 시점에 따라 반복 측정된 자료에 대한 다싯점 구조방정식모형의 잠재성장모형을 다룬다. 5장은 반응변수가 하나인 다중 회귀모형과 여러 개인 다변량 회귀모형을 소개한다. 추가적으로 공변량이 있는 공분산분석모형을 소개하며 여러 군집의 모형 비교인 다중 군집분석도 회귀모형과 공분산분석모형에서 소개하고 있다. R은 최근 인기 있는 통계적 분석 도구로 오픈 소스(http:/www.r-project.org)의 소프트웨어다. 이 책에서는 인과모형을 위한 lavaan 패키지의 활용과 응용에 주안점을 두어 여러 보기를 위해 비교적 자세히 R-코드를 작성하여 소개하고 있다. 각 장에서 사용되는 [R-코드 및 자료 목록]은 부록에 수록해 두었고 저자의 홈페이지(http://yschoi. pusan.ac.kr) 메뉴 Researches의 Books에서 받아 갈 수 있다. 끝으로 이 책은 구조방정식모형을 이해하고 응용하려는 독자들이 쉽게 따라 할 수 있도록 구성되어 있다. 인과모형에 대한 체계적인 교재가 별로 없는 현실에서 이 책을 출간하게 되어 매우 기쁘고 행복하게 생각합니다. 그리고 코로나로 어려운 시기에 졸작을 출판해 주신 경문사 여러분께 고마움을 전합니다. 부산대학교 통계학과 연구실 208호 최용석차 례 1장 인과모형 Causal Model 1.1 인과모형의 이해 1.2 인과모형과 구조방정식모형 1.3 측정모형과 구조모형 1.4 구조방정식모형의 모수 1.5 모형의 추정과 검정 적합도 지수 1.5.1 모형의 추정과 적합 1.5.2 모형의 적합도 지수 1.5.3 다양한 인과모형의 미리 보기 1.6 다변량 정규성 검정 1.7 공분산행렬의 동질성 검정 1.8 연습문제 2장 확증적 인자분석 Confirmatory Factor Analysis 2.1 인자분석의 정의 2.2 확증적 인자분석모형 2.3 탐색적 인자분석모형 2.4 확증적 인자분석모형의 다중 군집분석 2.5 연습문제 3장 경로분석모형 Path Analysis Model 3.1 경로분석모형 3.1.1 경로도 3.1.2 경로분석모형에서 사용하는 변수 3.1.3 선형방정식 3.1.4 모형의 적합도 3.1.5 모수의 추정 및 유의성 검정 3.1.6 효과의 분할 3.1.7 상관분해 절차 3.2 적용 사례 3.2.1 사례 1 : 사회적 열망과 성취의 인과관계 3.2.2 사례 2 : 제조업 종사자의 근무환경 인식의 인관관계 3.3 경로분석모형의 다중 군집분석 3.4 붓스트랩 방법의 모형 적합 3.5 순환모형과 비순환모형 3.6 연습문제 4장 잠재변수가 있는 구조방정식모형 Structural Equation Model with Latent Variables 4.1 잠재변수 4.2 잠재변수가 있는 경로도 4.3 잠재변수가 있는 구조방정식모형의 구축 4.4 적용 사례 4.4.1 사례 1: 교장의 수업지도성 행위가 학교효과성에 미치는 영향 연구 4.4.2 사례 2: 진로 결정 수준에 영향을 미치는 가족변수와 개인변수에 관한 연구 4.4.3 사례 3: 해병대 복무 만족도에 미치는 요인 연구 4.5 잠재변수가 있는 구조방정식모형의 다중 군집분석 4.5.1 사례를 통한 이해 4.5.2 측정계수 제약모형 적합 후 두 군집의 구조모형의 경로계수의 비교 4.5.3 측정계수 제약모형 적합 후 잠재변수에 관한 두 군집의 효과분할 4.6 다싯점 구조방정식모형 4.7 연습문제 부록: 설문지 5장 회귀모형과 공분산분석모형 Regression Model and ANCOVA Model 5.1 다중 회귀모형 5.2 다변량 회귀모형 5.3 다변량 회귀모형의 다중 군집분석 5.4 공분산분석모형 5.4.1 두 처리 군집의 공분산분석모형 5.4.2 여러 처리 군집의 공분산분석모형 5.5 연습문제 R과 함께하는 다변량 통계적 형상분석(2021.02):첨부파일(R-codes-ShapeAn 작성자 최용석 조회수 396 첨부파일 1 머리말 형상분석(shape analysis)은 기하적 공간상에서 형상점(landmarks)에 의해 나타낸 개체(objets)들의 형상(shape)을 측정하고, 기술하며 비교하려는 분석 방법이다. 국내에서 잘 알려지지 않은 형상분석은 의학, 생물학, 정보기술, 유전학, 인류학, 고고학, 농업 등 다양한 분야에서 응용되며 이미지분석, 자동인식 등의 기술에서 활용되어 질 수 있는 아주 유용한 분석으로 알려져 있다. 이번 신작 과 함께하는 다변량 통계적 형상분석 는 영국 리즈대학 방문 연구 결과물로 출간한 최용석·현기홍(2006) 통계적 형상분석의 이해와 응용 -프로크러스티즈 분석의 저항 버전 연구 및 개발- 에서 제2부를 제외한 제1부를 포함하여 다양한 다변량분석 방법을 접목시킨 것이다. 특히, Mardia와 Dryden(2016)의 Statistical Shape Analysis with Application in R 과 그들이 개발 해둔 R의 shapes 패키지 도움이 매우 컸다. 이번 신작을 쓰게 된 이유는 형상분석에 대한 첫 번째 저서에 대한 개정판을 생각하고 있었고 부산대학교 치의전 김용일 교수께서 본인 연구에 졸작을 많이 활용하셨고 그동안의 공동 작업의 결과에 힘을 입은 바 크다. 실제로 과 함께하는 다변량 통계적 형상분석 은 여러 군집의 형상간의 차이를 판별하고 검정하는 기법에 초점을 두고 있다. 더군다나 여러 군집의 형상을 시각적으로 판단하기 위해 개체간의 형상거리에 다차원척도법(MDS)을 적용하였다. 다변량통계학에서 변수의 차원 축소에 이용되는 주성분분석(principal component analysis)과 독립성분분석(independent component analysis)은 형상변동을 평가하는데 응용되었고 형상의 판별과 분류에도 활용되었다. 특히, 판별분석에서는 다변량 정규분포 가정이 필요한 전통적인 선형과 이차 판별분석 외에 분포와 관련이 없는 기계학습(machine learning) 중에서 서포트벡터머신(support vevtor machine)을 응용하였다. 평균형상 비교에는 다변량 추정과 검정에 의한 군집 간의 평균형상을 호텔링 통계량에 바탕을 둔 검정을 활용하였다. 이는 다변량 정규성과 군집 간의 공분산행렬의 동질성 가정이 요구되는 데 이를 만족하지 못할 경우 다변량 비모수검정으로 부호검정과 순위검정 그리고 붓스트랩검정을 활용하였다. 각 장에서 사용되는 R과 관련된 [R-코드 및 자료 목록]은 부록에 수록해 두었고 저자의 홈페이지(yschoi.pusan.ac.kr)에서 받아 갈 수 있다. R과 함께하는 다변량 자료분석을 위한 추정과 검정(2019.11): 첨부파일(R-codes 작성자 최용석 조회수 702 첨부파일 1 머리말다변량 통계학에서 추정과 검정에 관한 이론은 다변량 정규분포를 바탕으로 일변량 통계학과는 다른 호텔링(Hoteling)-T^2 분포, 위샤트(Wishart)분포 또는 U-분포를 따르는 윌크스(Wilks) 등과 같이 다소 복잡한 통계량에 바탕을 둔다.《R과 함께하는 다변량 자료분석을 위한 추정과 검정》은 Srivastava(2002)의 Method of Multivariate Statistics, John Wiley Sons, INC.에서 1장∼7장을 주되게 참고하였다.이 책은 현재 대학원 과정에서 한 학기용으로 사용하고 있다. 또한 다변량 통계학의 대표적 고전인 Muirhead(1982)의 Aspects of Multivariate Statistical Theory, John Wiley Sons, INC.도 이론적 바탕에 도움을 주었고 국내에 잘 알려진 Johnson과 Wichern(2007)의 Applied Multivariate Statistical Analysis, 6th Edition, Prentice Hall Inc.과 Rencher(1995). Methods of Multivariate Analysis. John Wiley Sons, Inc.도 도움이 많이 되었다.이 책에는 2018년 3월에 출간된 《R과 함께하는 다변량 자료분석》에서 소개하는 다양한 다변량 자료, 다변량 정규분포, 주성분분석, 판별분석에서 활용되는 공분산행렬의 동질성 검정도 소개하고 있다. 따라서 이 책은 《R과 함께하는 다변량 자료분석》을 제1부로하면 제2부에 해당한다고 여겨도 된다. 실제 독자는 두 권의 책을 함께 활용한다면 다변량 통계학과 자료분석에 대한 보다 나은 이해를 하리라 여겨진다.이 책에는 1장 다변량 정규분포에서 5장 다변량 실험계획까지 다음과 같이 구성되어있다.1장에서는 다변량 정규분포를 바탕으로 평균벡터와 공분산행렬의 추정과 이를 위한 행렬의 편미분을 소개하고 있다. 2장은 다변량 자료의 다변량 정규성 및 이상치 평가를 시각적으로 수리적으로 하는 다양한 방법을 소개하고 있다. 3장에서는 한 집단 또는 두 집단의 비교와 대응표본의 비교를 위해 호텔링 T^2 -검정, 우도비 검정 그리고 공분산행렬의 동질성 검정을 소개한다. 4장은 일원 다변량 분산분석, 다변량 공분산분석, 반복측정 분산분석을 소개한다. 끝으로 5장에서는 이원 다변량 분산분석, 확률화 완전 블록 설계, 라틴방격 설계, 프로파일 분석을 다변량 실험계획의 범주에서 소개하고 있다.각 장에서 활용하는 R과 관련된 [자료 이름]과 [R-코드]를 본문 중에 추가해서 독자들이 이용하는 데 어려움이 없도록 하였고, 이를 참고 목록 차원에서 부록에도 수록해 두었으며, 저자의 홈페이지(yschoi.pusan.ac.kr)에서 받아갈 수 있다.끝으로 다변량 통계학을 전공하는 학자로 《R과 함께하는 다변량 자료분석》에 이어《R과 함께하는 다변량 자료분석을 위한 추정과 검정》을 출간하게 되어 매우 기쁘고 행복하게 생각한다. 다만 부족한 부분이 많으나 독자 여러분에게 다변량 통계학에 대한 깊은 이해와 애정을 부탁드리고 싶다. R과 함께하는 의학통계 : 치의학을 위한 통계적 방법과 응용(2018.09) 작성자 최용석 조회수 448 첨부파일 0 머 리 말 치의학에서 자료를 활용하여 연구 보고서나 논문을 작성할 때 통계학은 매우 중요한 역할을 한다. 과 함께하는 의학통계 : 치의학을 위한 통계적 방법과 응용 은 치의학 현장에서 환자를 대상으로 얻어진 실제 자료부터 정보를 얻고 비교 연구를 통해 원인을 규명할 다양한 기초 통계분석 기법을 소개하고 있다. 더불어 빅데이터 시대에 각광 받고 있는 오픈 소스 형태의 R의 활용을 위해 R-코드 실습을 각 장에서 제공하고 있다. 이 책에는 일반 기초 통계학 관련 책에서는 잘 다루지 않는 · 일반화 선형모형: 다중 회귀분석/로지스틱 회귀분석/반복측정 분산분석/공분산분석 · 비모수 통계분석: 부호검정과 윌콕슨 부호순위검정/순위합검정/크러스칼-월리스 검정/순위상관 분석 을 다루고 있다. R의 활용은 매뉴얼적인 차원의 자세한 설명은 자제하고 다양한 치의학 자료와 관련된 통계적 기법의 응용, 활용, 결과 해석에 초점을 맞추었다. 본문의 다양한 [보기]에서 사용되는 자료와 R-코드는 각 장의 [R-코드 실습]에서 독자들이 이용하는 데 어려움이 없도록 하고 저자의 홈페이지(최용석:yschoi.pusan.ac.kr)에서 받아 갈 수 있도록 하였다. 끝으로 이 책이 치의학을 연구하는 학생들과 연구자들에게 도움이 조금이라도 되기를 희망한다. 2018년 7월 저자 드림 R과 함께하는 다변량자료분석(2018.03) 작성자 최용석 조회수 1167 첨부파일 1 빅데이터와 인공지능 시대에서는 자연과학, 인문, 사회과학의 복잡한 현상을 설명하고 예측하기 위해서는 매우 많은 개체와 변수들에 의해서 측정한 고차원(high dimension)의 다변량 자료(multivariate data)의 이해와 필요성이 요구된다. 과 함께하는 다변량자료분석 은 다변량 자료로부터 정보를 얻고 이를 수치적으로 시각적으로 보여줄 다양한 다변량 통계분석 기법과 이를 도와 줄 도구로 최근 각광을 받고 있는 R의 활용을 포함하고 있다. 이 책에는 다변량 통계적분석 기법에 관하여 1장 다변량 자료분석에서 10장 형상분석까지 구성되어 있다. 특히, 다변량 자료의 변수와 개체의 유사성과 군집 정보를 얻기 위한 관점에서 저자의 주관적 기준으로 분류해 보면 다음과 같다. - 변수들의 정보를 위한 기법 : - 주성분분석 Principal Component Analysis - 인자분석 Factor Analysis- 정준상관분석 Canonical Correlation Analysis - 개체들의 정보를 위한 기법 :- 판별분석과 분류나무 Discriminant Analysis and Classification Tree - 군집분석 Cluster Analysis- 다차원척도법 Multidimensional Scaling - 시각적 정보를 위한 기법 :- 행렬도 Biplot - 대응분석 Correspondence Analysis- 형상분석 Shape Analysis 2017년 2월부산대학교 통계학과 연구실 208호(4.19혁명 기념일에 출판사로 원고를 넘김) 최용석 드림. 논문작성을 위한 스포츠 데이터분석 - 한글 SPSSWIN 적용 - (2017.04) 작성자 최용석 조회수 305 첨부파일 1 스포츠에서 데이터분석 또는 통계처릴의 필요성은 어제, 오늘 일이 아니라는 것은 체육 또는 스포츠를 전공하노 관련된 분야서 종사하는 많은 사람들은 알고 있을 것이다. 그러나 기본적인 수리적인 사고를 필요로 하지만 통계적인 결과를 얻는데 그 과정이 쉽지않아 대부분 포기 또는 데이터분석가 또는 통계처리를 하는 곳에 부탁하여 처리한다. 본 교재는 일반적으로 데이터분석 및 통계처리에 많이 사용되고 있는 SPSS(Stistical package for the Social Scienes)를 이용하여 기초부터 최종결과를 논문형식 결과표와 해석까지를 구성하여 처음 접하는 이들도 쉽게 기초적인 내용으로 구성하였다. 구성내용은 스포츠 또는 체육관련 학부생이나 통계처리를 처음 접하는 대학원생 그리고 관련 종사자들에게 자신이 데이터를 입력하고 연구문제에 맞게 프로그램을 실행시켜 논문 형식에 맞는 결과표와 해석을 할 수 있도록 통계이론은 될 수 있는 한 언급하지 않고 반드시 알아야 할 사항들만 하나 하나 실습을 통해 알 수 있도록 되어 있다. 최태훈, 최용석(2017) 충주문화사, ISBN : 979-11-86714-05-8 처음 1 2 3 4 다음 페이지 끝 처음 다음 끝