earticle

한국어

본고에서는 Cross Qalidation, Jackknife, Bootsrap 방법을 이용하여 선형판별함수의 Apparent error 와 True error 를 추정하는 방법을 고찰하고 체계적 위험이 높은 기업과 낮은 기업을 판별하는 데에 적용해 볼 것이다. Apparent error 와 True error 는 각각 판별력을 나타내주는 기주능로 이용될 수 있는데, 여기서 Apparent error란 판별함수를 만들 때 이용한 자료집단(data set) 분류할 때 발생하는 오분류확률을 의미한다. 이에 대하여 True error 는 어떤 판별함수에 의해 새로운 관측지 (판별함수를 만들 때 이용한 관측지가 아닌 새로운 관측지) 를 분류할 때의 오분류확률이다. 대개의 경우 Apparent error 의 추정치는 True error 의 추정치보다 작은 값을 갖는다. 이 때 우리가 관심을 가지게 되는 것은 EEE (expected excess error) 로 Apparent error 와 True error 와의 차이의 추정치인데 이를 추정함으로써 True error 의 추정이 가능해진다.
논의의 진행은 1절에서 자료에 대한 설명을, 2절에서는 두가지 판별함수에 대응하는 Apparent error 를 구해서 판별력을 비교, 3절에서 EEE 를 추정하여 이를 Apparent error 에 더해서 True error 의 추정치를 계산하고 판별력을 비교, 마지막으로 5절에서 이 결과들을 비교, 평가하여 본다.