초록 열기/닫기 버튼
본 논문에서는 모집단이 층으로 구성되어 있고 얻고자 하는 민감한 속성에 대한 정보가 이산 양적인 경우에 대하여 덜 민감한 속성을 이용한 층화 조건부 확률화응답모형을 제안하였다. 먼저, 덜 민감한 속성을 이용한 Carr, Marascuilo(1982)의 모형에 층화추출법을 적용하여 층별 민감한 질적 정보를 얻을 수 있는 층화 Carr, Marascuilo의 모형에 대하여 살펴보았다. 다음으로 덜 민감한 속성을 이용한 Lee, Hong, Son(2009)의 조건부 이산 양적모형에 층화추출법을 적용하여 층별 민감한 이산 양적정보를 얻을 수 있는 층화 조건부 이산양적모형을 제안하여 그 이론적 체계를 마련하였다. 그리고 층화 조건부 이산양적모형에서 각 층에 표본을 배분하는 방법으로 비례배분과 최적배분을 다루었다. 또한 Liu-Chow 모형에 층화추출법을 적용한 층화 Liu-Chow 모형을 제안하여 층화 조건부 이산양적모형과의 효율성을 비교한 결과, lh1<1일 때 층화 조건부 이산양적모형이 효율적이었고, lh1=1인 경우 두 층화 모형이 같은 모형이 됨을 알 수 있었다. 마지막으로 층화 조건부 이산양적모형과 층화 Liu-Chow 모형간의 효율성을 수치적으로 비교한 결과 ph값과 th값이 커질수록 2단계 절차를 거친 층화 조건부 이산양적모형이 층화 Liu-Chow 모형보다 효율적인 것으로 나타났다.
When the population is composed of several strata and the information we want to estimate is a sensitive discrete quantitative character we propose a stratified conditional discrete quantitative randomized response model using less than sensitive character. First, we apply stratified sampling to the model of Carr, Marascuilo.(1982) which used less than sensitive character and look the results of obtaining sensitive qualitative information. Then, we applly stratified sampling to the model of Lee, Hong, Son.(2009) which used less than sensitive character as a condition to obtain information for a sensitive discrete quantitative character and establish a theoretical system for obtaining quantitative sensitive information by stratum. We dealt with the proportional and optimal allocations are examined as a method of allocating samples to each stratum. We also propose a stratified Liu-Chow model by applying stratified sampling and compare the efficiency between the suggested two models. Finally, in case of numerical comparison between two models, we find that the values of ph and th are more increasing the stratified conditional discrete quantitative randomized response model is the more efficiency than the stratified Liu-Chow model.
키워드열기/닫기 버튼
Less than sensitive character, Sensitive character, Stratified sampling, Conditional discrete quantitative model.
