Grace's today

[통계학 기초/001] 모집단 · 표본 · 표본추출 · 가중치 알아보기

1. 통계학이란?1.1 정의내가 관심있거나 연구의 대상인 모집단의 특성을 파악하는 원리와 방법을 제공하는 학문이다. 1.2 기본절차 1) 모집단1의 일부 자료(표본) 수집2) 수집된 표본을 정리/요약/분석하여 표본의 특성 파악3) 표본의 특성을 활용해 모집단2의 특성에 대해 추론 1.3 모집단(population)이란?연구대상이 되는 모든 개체의 집단을 말한다. 이런 모집단 전체를 대상으로 조사하는 것을 전수조사라고 하며,예를들어 2010년까지는 총 인구에 대한 인구주태총조사를 실시했었다. 하지만, 대부분의 모집단은 너무 커서 조사하기에 어려움을 겪기 때문에, 여기서 일부 자료를 추출해 조사한다.이를 표본이라 한다. 1.4 표본(sample)이란?모집단의로 선택된 일부의 개체를 말한다. 우리는 표본..

[Model] About Contingent Valuation Method(CVM, 조건부 가치 평가법)

▶️ 환경재 가치 평가 방법1. 환경재 가치평가란?환경재 가치평가란 시장에서 거래되지 않는 공공재, 준공공재(ex. 대기질, 수질 등)의 경제적 가치를 화폐 단위로 환산하여 의사결정에 반영하기 위해 수행하는 것을 말한다. 비시장재의 경제적 가치를 계량화함으로써, 의사결정의 객관성을 확보하기 위함이다. 이러한 환경재 가치 평가 방법 중, 오늘 다뤄볼 내용은 비시장 기반 방법의 진술적 선호법 중 조건부 가치평가법(CVM)이다. 순차적으로 어떤 차이가 있는지 알아본 뒤에, CVM에 대해 구체적으로 알아보자 2. 분류 기준1) 시장의 거래 여부시장 기반 방법 : 실제 시장에서 거래되는 상품의 가격을 이용비시장 기반 방법 : 시장에서 거래되지 않는 환경재의 가치를 간접적으로 추정2) 데이터 수집 방식계시적 선..

💻 데이터 과학이란?１. 개념데이터에 근거하여 대상을 탐구하고 문제를 해결하려는 노력 2. 데이터 분석의 과정데이터 수집 → 데이터 전처리 → 데이터 분석 → 시각화💻 데이터 수집1. 데이터 수집 경로데이터 수집경로1차 자료1) 설문조사 : 종이 설문지 / 온라인 설문조사 도구 등 활용2) 내부데이터 활용 : 비식별화1.5차 자료크롤링(스크레핑)- 웹페이지의 데이터 수집- python, AI기반 노코드 크롤링 도구 등 활용2차 자료기존에 모아져 있는 외부데이터 수집- 공공 데이터, 통계청 자료, 패널 데이터 등 공개되어 있는 데이터 아카이브 활용3차 자료기존에 모아져 있고 일부 분석되어 있는 플랫폼을 통해 인사이트를 얻고 추가 데이터 분석 진행2. 데이터 수집2.1 설문지 작성1) 설문번호 포함2) ..

1. 연구의 목적 및 계획1.1 배경 및 선행연구의 한계점1) 배경Greenflation*에 대한 우려 증가 2) 선행 연구의 한계점기존 연구의 경우 시뮬레이션 모델에 의존하거나, 특정 정책(탄소세 등)에 초점이 맞춰져 있어 실제 데이터로 greenflation을 검증한 연구가 부족하였음*greenflation : 녹색전환이 인플레이션 유발 1.2 연구 목적1) 주 연구 계획OECD 26개국의 2005~2019년 패널 데이터*를 토대로 Greenflation 여부를 실증적으로 분석하고자 함 2) 부수적 목적NKPC model 내 쟁점사항인 ①산출갭 vs 단위노동비용 문제와 ②필립스 곡선의 붕괴 현상에 대한 실증적 증거를 제시하여 분석 모델에 대한 신뢰도를 높이고자 함.*Panel Data : 여러 대상을..

PCSE(Panel Corrected Standard Errors, 패널 수정 표준 오차) 분석은 시계열적 특성과 횡단면적 특성을 모두 가진 패널 데이터를 다룰 때 사용되는 분석이다. 이 글에서는 PCSE 분석이 무엇인지, 어떻게 활용되는지에 대해 쉽게 설명하고자 한다.▶️ PCSE 분석이란?1) PCSE 정의패널 데이터 회귀분석에서 표준 오차(standard error)를 보다 정확하게 추정하기 위한 방법이다.일반적인 OLS(Ordinary Least Squares) 회귀분석은 오차항이 서로 독립적이고 분산이 일정하다는 가정을 따르지만, 여러 국가나 기업 등 오랜시간에 걸쳐 추적하는 패널데이터에서는 이러한 가정을 위반 하는 경우가 많기 때문이다.2) 패널 데이터에서 발생하는 문제점분산성 (Heteros..

1. 단일 객체 저장하기import numpy as np#단일 객체 저장array = np.arange(0,10)np.save('saved.npy', array)#객체 불러오기result = np.load('saved.npy')print(result)[0 1 2 3 4 5 6 7 8 9] 1) 저장저장하려는 객체가 단일 항목일 경우 np.save(file, arr)로 저장합니다. arr는 파일에 저장하려는 numpy의 배열을 말해요.실행을 누르면 해당 위치에 파일이 하나 저장된걸 보실 수 있답니다. 2) 불러오기np.load(file) 함수를 통해 객체를 불러올 수 있습니다.2. 복수 객체 불러오기import numpy as np#배열 생성array1=np.arange(0,10)array2=np.aran..

지난번 numpy 라이브러리로 배열에 대한 기초적인 지식을 다지고 배열을 만들어 보았습니다.[Basic Python] 005. numpy (1)오늘은 이 numpy를 통해 연산하는 방법을 공부해보려고 합니다.상수 연산과 배열끼리의 연산은 어떻게 진행되는지 공부해볼까요? 1. numpy 상수 연산import numpy as np#배열 만들기array = np.random.randint(1,10,size=4).reshape(2,2)print(array)#배열에 상수 곱하기result_array = array*10print(result_array)우리가 만든 2*2 배열은 아래와 같습니다.[[4 1] [3 3]]여기에 10씩 곱해준다면, 모든 배열에 10씩 곱해주는 결과가 나옵니다.[[40 10] [30 30..

🎈 numpy 이해하기numpy란 무엇일까?다차원 배열을 효과적으로 처리할 수 있도록 도와주는 도구이다. numpy의 차원은 아래와 같이 구성되어 있다.- 1차원 축(행) : axis 0 => Vector- 2차원 축(열) : axis 1 => Matrix(행렬)- 3차원 축(채널) : axis 2 -> Tensor(3차원 이상) 🎈 배열 만들기1. list를 numpy로 변환해보자#list를 numpy로 가져오기import numpy as np # 넘파이 불러오고, 앞으로 np라고 부른다list_data = [1,2,3] array = np.array(list_data) #list_data를 가지고 배열을 생성한다.print(array) print(array.size) #배열의 크기(원소 몇 개인가..

지난번에 연산자와 조건문을 배워봤습니다.[Basic python] 003. 연산자와 조건문그럼 한 단계 더 나아가 반복문과 제어 키워드에 대해 배워보도록 하겠습니다. ▶️ 반복문1. for 반복문1) 개념for i in [m] : print(i) 반복횟수 n이 데이터의 개수 m과 동일할 때 유리한 반복문입니다. 여기에 우리는 range(n)라는 명령어를 사용하는데요.연속된 int형 데이터를 n개 만들때 사용한답니다.for i in [0,1,2,3,4,5]: print(i)- range(3) : [0,1,2]- range(1,5) : [1,2,3,4] 2) for 반복문 - list 활용하기#for 반복문 + list활용texts = ['가','나','다','라','마']for t in tex..

지난 학습을 통해서 우리는 데이터 입력, 출력, 라이브러리에 대해 배울 수 있었다.[Basic python] 002. 데이터 입출력과 라이브러리그렇다면 이제 연산이나 조건문과 같은 함수를 이용해서 데이터를 사용할 수 있도록 기초를 쌓아보자. 💫 연산자1. 사칙연산자사칙연산자를 표현하는 방법은 아래와 같다+(덧셈) -(뺄셈) *(곱셈) /(나눗셈) %(나머지) //(목) **(거듭제곱)#사칙연산자add = 1+1sub = 5-1mul = 3*3div1 = 8/3 #나누기div2 = 8//3 #몫(소수버림을 가지고 있음)mod = 8%2 #mod 나머지(remainder)구함exp = 3**3print(add, sub, mul, div1, div2, mod, exp)2 4 9 2.666666..