고유벡터공간필터링 접근법에 기반한 피어슨 상관계수의 요소분해

Abstract

본 논문의 주된 연구 목적은 고유벡터공간필터링 접근법에 기반한 피어슨 상관계수 요소분해 기법을 정 련화하고, 이 기법이 공간적 자기상관이 전제된 상태에서의 이변량 상관관계 분석에 어떠한 공헌을 할 수 있을 지를 실험 연구를 통해 검토하는 것이다. 피어슨 상관계수 요소분해 기법은 공간적 패턴 요소분해, 하위 상관계 수의 산출, 결정계수의 요소분해의 과정을 거쳐 이루어지며, 최종적으로 피어슨 상관계수를 네 가지 상관관계 요소, 즉 잔차-잔차 상관관계 요소(EE), 공통-공통 상관관계 요소(CC), 특수-잔차 상관관계 요소(UE), 잔 차-특수 상관관계 요소(EU)로 분해한다. 피어슨 상관계수 요소분해 기법의 유용성을 검토하기 위해 동일한 피 어슨 상관계수 값을 갖지만 서로 다른 수준의 이변량 공간적 자기상관을 보이는 가상의 8개 패턴쌍에 적용하였 다. 실험 연구를 통해 밝혀진 주요 내용을 정리하면 다음과 같다. 첫째, 공간적 패턴 요소분해 결과, 공통 패턴 요 소와 특수 패턴 요소의 존재/부존재의 양상이 매우 다양하게 나타난다. 둘째, 공간적 패턴 요소의 존재/부존재의 양상과 개별 변수의 일변량 공간적 자기상관의 정도에 따라, 하위 상관계수의 상대적 크기, 그리고 공통 결정계 수와 특수 결정계수의 상대적 크기가 다양한 방식으로 나타난다. 셋째, 전체적인 이변량 공간적 자기상관의 수 준뿐만 아니라 일변량 공간적 자기상관의 조합 양상에 따라 상관관계 요소분해의 결과는 달라진다. 본 연구는 공 간데이터분석의 연구 관행에 새로운 제안을 하고자 하는데, 이변량 혹은 다변량 공간통계분석의 경우, 피어슨 상관계수와 그것의 유의성 검정 결과뿐만 아니라 피어슨 상관계수 요소분해 결과도 함께 병기한다면 공간적 자 기상관이 상관계수의 팽창/위축에 어떠한 방식과 강도로 작동하는지에 대한 새로운 통찰력을 제공할 수 있을 것 으로 기대된다.