계절조정 방법을 이용한 지적측량 업무량 예측

• 영문명: Forecasting Study for Cadastral Survey using Seasonal Adjustment Methods
• 발행기관: 한국자료분석학회
• 저자명: 송명숙(Moung-Suk Song) 최보승(Bo-seung Choi) 김성용(Sung Yong Kim) Raul Moretti
• 간행물 정보: 『Journal of The Korean Data Analysis Society (JKDAS)』Vol.10 No.3, 1579~1589쪽, 전체 11쪽
• 주제분류: 자연과학 > 통계학
• 파일형태: PDF
• 발행일자: 2008.06.30

국문 초록

본 논문은 시계열 자료에 대한 예측 방법으로 공식통계에서 주로 이용되는 계절조정을 통한 시계열 분해 기법 가운데 가장 최신 기법인 X-12 ARIMA 방법을 이용하고자 하였다. X-12 ARIMA 방법을 통하여 시계열을 추세순환, 계절, 불규칙, 거래일, 명절 요인과 같은 여러 요인으로 분해할 수 있으며 분해된 각 요인들로부터 개별적으로 미래 시점에 대한 예측치를 구하고자 하였다. 분해된 요인 가운데 가장 큰 비중을 차지하는 추세순환 요인을 보다 정교하게 분해하기 위하여 본 논문에서는 스펙트럼 분석을 이용하였다. 스펙트럼 분석 모형을 이용하여 분해된 추세순환 요인으로부터 다시 순환요인을 분해하는 방법을 함께 사용하였다. 그리고 X-12 ARIMA와 스펙트텀 분석을 이용한 예측 방법을 지적측량 업무량 예측에 적용하여 예측 결과를 계산하였다. 분석결과 일반적인 ARIMA 모형에 의한 예측방법에 비하여 보다 정확한 결과를 얻을 수 있었다.

영문 초록

We utilize the X-12 ARIMA method in order to forecast time series data. The X-12 ARIMA is the latest method for time series decomposition and is utilized in the official statistics. The X-12 ARIMA method can decompose time series data into trend and cycle factors, seasonal factors, irregular factors, trading day factors and holiday factors and the estimated values of these factors for the future can be forecasted separatively. The trend and cycle factor is the major factors among these factors and we specially use the spectrum analysis to extract the cycle factor from the trend and cycle factor. We applied these X-12 ARIMA and spectrum analysis to a cadastral survey data and we calculated the forecasting values for them. More accurate forecasting results were achieved than when we used the general Box-Jenkins ARIMA method.

목차

1. 서론

2. 지적측량 업무량 예측 방법

3. 자료 분석

4. 결론

참고문헌

키워드

지적측량 스펙트럼 분석 계절조정 예측 Cadastral survey X-12 ARIMA Spectrum Analysis Seasonal Adjustment Forecasting