| 1 |
1
제1 잔차항 산출부가, 처리변수에 대한 처리변수모형 및 상기 처리변수모형에 포함된 제1 오차항에 대한 분포모형에 기초하여 제1 파라미터 값을 산출하고, 해당 제1 파라미터 값을 상기 분포모형의 수학식에 대입하여 성향점수를 산출하고, 상기 처리변수에서 상기 성향점수를 차감한 제1 잔차항을 산출하는 단계;제2 잔차항 산출부가, 상기 제1 파라미터 값에 기초하여 결과변수의 조건부평균값에 대한 근사모형의 수학식에 포함된 적어도 하나의 제2 파라미터 값을 산출하여 상기 근사모형의 수학식에 적용함으로써 상기 제2 파라미터가 적용된 근사모형의 수학식을 생성하고, 상기 결과변수에서 상기 제2 파라미터가 적용된 근사모형의 수학식을 차감한 제2 잔차항을 산출하는 단계; 및처리효과 추정부가, 상기 제1 잔차항 및 상기 제2 잔차항에 기초하여 상기 처리변수가 상기 결과변수에 미치는 처리효과 파라미터를 추정하는 단계를 포함하되, 상기 처리효과 파라미터를 추정하는 단계는,상기 제1 잔차항과 상기 처리효과 파라미터를 곱한 뒤, 상기 제2 잔차항에서 상기 제1 잔차항과 상기 처리효과 파라미터를 곱한 결과를 차감하고, 상기 차감한 결과를 제곱한 결과를 최소로 하는 상기 처리효과 파라미터 값을 추정하는 단계를 포함하는, 성향점수 잔차항을 최소자승회귀분석에 활용하는 처리효과 추정 방법
|
| 2 |
2
제1항에 있어서,상기 제1 잔차항을 산출하는 단계는,상기 처리변수모형 및 상기 분포모형에 대응되는 개인별 우도 함수(likelihood function)를 결정하는 단계;상기 개인별 우도 함수를 모두 곱하여 샘플 우도 함수(sample likelihood function)를 산출하는 단계;상기 샘플 우도 함수가 최대값이 되도록 상기 제1 파라미터 값을 결정하는 단계;상기 제1 파라미터 값 및 상기 분포모형에 기초하여 상기 성향점수를 산출하는 단계; 및상기 처리변수에서 상기 성향점수를 차감한 상기 제1 잔차항을 산출하는 단계를 포함하는, 성향점수 잔차항을 최소자승회귀분석에 활용하는 처리효과 추정 방법
|
| 3 |
3
제2항에 있어서,상기 제1 파라미터 값을 결정하는 단계는,상기 샘플 우도 함수에 로그를 취하여 로그화 샘플 우도 함수를 산출하고, 상기 로그화 샘플 우도 함수를 상기 제1 파라미터에 대해 미분한 결과가 0이 되도록 하는 값을 상기 제1 파라미터 값으로 결정하는 단계를 포함하는, 성향점수 잔차항을 최소자승회귀분석에 활용하는 처리효과 추정 방법
|
| 4 |
4
제1항에 있어서,상기 제2 잔차항을 산출하는 단계는,상기 근사모형에 상기 제1 파라미터 값을 적용하여 제1 파라미터 적용 근사모형을 생성하는 단계;상기 결과변수에서 상기 제1 파라미터 적용 근사모형을 차감하여 제2 오차항을 결정하는 단계;상기 제2 오차항의 제곱이 최소가 되도록 하는 제2 파라미터의 값을 상기 제2 파라미터 값으로 결정하는 단계;상기 제1 파라미터 적용 근사모형에 상기 제2 파라미터 값을 적용하여 상기 파라미터 적용 근사모형을 생성하는 단계; 및상기 결과변수에서 상기 파라미터 적용 근사모형을 차감한 상기 제2 잔차항을 산출하는 단계를 포함하는, 성향점수 잔차항을 최소자승회귀분석에 활용하는 처리효과 추정 방법
|
| 5 |
5
삭제
|
| 6 |
6
처리변수에 대한 처리변수모형 및 상기 처리변수모형에 포함된 제1 오차항에 대한 분포모형에 기초하여 제1 파라미터 값을 산출하고, 해당 제1 파라미터 값을 상기 분포모형의 수학식에 대입하여 성향점수를 산출하고, 상기 처리변수에서 상기 성향점수를 차감한 제1 잔차항을 산출하는 제1 잔차항 산출부;상기 제1 파라미터 값에 기초하여 결과변수의 조건부평균값에 대한 근사모형의 수학식에 포함된 적어도 하나의 제2 파라미터 값을 산출하여 상기 근사모형의 수학식에 적용함으로써 상기 제2 파라미터가 적용된 근사모형의 수학식을 생성하고, 상기 결과변수에서 상기 제2 파라미터가 적용된 근사모형의 수학식을 차감한 제2 잔차항을 산출하는 제2 잔차항 산출부; 및상기 제1 잔차항 및 상기 제2 잔차항에 기초하여 상기 처리변수가 상기 결과변수에 미치는 처리효과 파라미터를 추정하는 처리효과 추정부를 포함하되,상기 처리효과 추정부는,상기 제1 잔차항과 상기 처리효과 파라미터를 곱한 뒤, 상기 제2 잔차항에서 상기 제1 잔차항과 상기 처리효과 파라미터를 곱한 결과를 차감하고, 상기 차감한 결과를 제곱한 결과를 최소로 하는 상기 처리효과 파라미터 값을 추정하는, 성향점수 잔차항을 최소자승회귀분석에 활용하는 처리효과 추정 장치
|
| 7 |
7
제6항에 있어서,상기 제1 잔차항 산출부는,상기 처리변수모형 및 상기 분포모형에 대응되는 개인별 우도 함수(likelihood function)를 결정하고,상기 개인별 우도 함수를 모두 곱하여 샘플 우도 함수(sample likelihood function)를 산출하고,상기 샘플 우도 함수가 최대값이 되도록 상기 제1 파라미터 값을 결정하고,상기 제1 파라미터 값 및 상기 분포모형에 기초하여 상기 성향점수를 산출하고,상기 처리변수에서 상기 성향점수를 차감한 상기 제1 잔차항을 산출하는, 성향점수 잔차항을 최소자승회귀분석에 활용하는 처리효과 추정 장치
|
| 8 |
8
제7항에 있어서,상기 제1 잔차항 산출부는,상기 샘플 우도 함수에 로그를 취하여 로그화 샘플 우도 함수를 산출하고, 상기 로그화 샘플 우도 함수를 상기 제1 파라미터에 대해 미분한 결과가 0이 되도록 하는 값을 상기 제1 파라미터 값으로 결정하는, 성향점수 잔차항을 최소자승회귀분석에 활용하는 처리효과 추정 장치
|
| 9 |
9
제6항에 있어서,상기 제2 잔차항 산출부는,상기 근사모형에 상기 제1 파라미터 값을 적용하여 제1 파라미터 적용 근사모형을 생성하고,상기 결과변수에서 상기 제1 파라미터 적용 근사모형을 차감하여 제2 오차항을 결정하고,상기 제2 오차항의 제곱이 최소가 되도록 하는 제2 파라미터의 값을 상기 제2 파라미터 값으로 결정하고,상기 제1 파라미터 적용 근사모형에 상기 제2 파라미터 값을 적용하여 상기 파라미터 적용 근사모형을 생성하고,상기 결과변수에서 상기 파라미터 적용 근사모형을 차감한 상기 제2 잔차항을 산출하는, 성향점수 잔차항을 최소자승회귀분석에 활용하는 처리효과 추정 장치
|
| 10 |
10
삭제
|
