Earticle

대표적인 종단자료 분석방법인 잠재성장모형(Latent Growth Modeling)은 무조건적 모형과 조건적 모형으로 구분한 다. 잠재성장모형의 무조건적 모형 성장궤적은 선형으로 가정하여 분석하는 경우가 많다. 본 연구는 선형 성장궤적으로 가정 하여 모형 적합도가 미달하는 경우 연관규칙기법을 이용하여 모형 적합도를 제고하는 방법론을 제안한다. 방법론은 연관규 칙 마이닝의 순차패턴(Sequential Pattern)을 사용한다. 이를 위하여 종단자료를 분위별로 나누고, 각 분위에 속한 종단자료 의 기간 변화를 산출한 뒤 이를 순차 패턴 화하였다. SPSS AMOS를 이용하여 한국고용정보원의 2001년부터 6년간 조사한 청년 패널 자료로 효과성을 검증하였다. 기존 단순선형함수를 가정할 때와 비교하여 모형 적합도가 상승하는 것을 확인할 수 있었다.

The Latent Growth Modeling(LGM) is known as the typical analysis method of longitudinal data and it could be classified into unconditional model and conditional model. It is common to assume that the growth trajectory of unconditional model of LGM is linear. In the case of quasi-linear, the methodology for improving the model fitness using Sequential Pattern of Association Rule Mining is suggested. To do this, we divide longitudinal data into quintiles and extract periodic changes of the longitudinal data in each quintiles and make sequential pattern based on this periodic changes. To evaluate the effectiveness, the LGM module in SPSS AMOS was used and the dataset of the Youth Panel from 2001 to 2006 of Korea Employment Information Service. Our methodology was able to increase the fitness of the model compared to the simple linear growth trajectory.

This study investigated one of the contemporary issues in the Korean capital market and two hypotheses of concern were tested on the financial determinants of profitability for the firms belonging to the Korean chaebols during the era of the post-global financial turmoil. The first hypothesis applying conditional quantile regression (CQR) estimation provided the evidence that leverage ratio, fixed asset utilization, and foreign ownership among the nine quantitative explanatory variables, had overall statistical significance relative to the book-valued profitability measure, while additional variables such as a firm's size, fixed and a proxy for the type of exchange market showed their strong impacts on the market-valued profitability indicator. Concerning the formulated 'extended' DuPont system, only two components of EBITDAEBIT and EMULTIPLIER revealed their prominent influence on ROE (Return on Equity) over the two tested periods (the years 2008 and 2012).

Based on the theory of a wedge between the physical and risk-neutral conditional volatilities in Christoffersen, Elkamhi, Feunou, and Jacobs (2009), we develop a modification on the GARCH option pricing model with the filtered historical simulation proposed in Barone-Adesi, Engle, and Mancini (2008). The current conditional volatilities under the physical and risk-neutral measures are the same in the previous model, but should have been allowed to be different. Using extensive data on S&P 500 index options, our approach, which employs the current risk-neutral conditional volatility estimated from the cross-section of the option prices (in contrast to the existing GARCH option pricing models), maintains theoretical consistency under conditional non-normality as well as improves the empirical performances. Remarkably, the risk-neutral volatility dynamics are stable over time under this model. In addition, the comparison between the VIX index and the riskneutral integrated volatility validates our approach economically.

본 연구에서는 기존의 Fama and French의 3요인 모형과 장국현(1998)의 다변량 GARCH-M모형을 동시에 고려하여 한국 증권시장에서 요인모형을 고려한 조건부 CAPM을 검증하고자 하였다. 본 연구의 분석기간은 1990년 8월부터 2011년 12월까지이며 자료는 월 별자료를 사용하였다. CAPM에서 시장포트폴리오의 대용치로는 월별 KOSPI지수를 사용하 였고, 개별포트폴리오는 유가증권시장의 4가지 대표 산업지수인 제조업(MFT), 금융업(FIN), 건설업(CONS) 그리고 유통업(DTB)지수를 사용하였다. 무위험이자율의 경우 5년 만기 국민 주택 1종 채권수익률을 이용하였으며, 요인 모형 등을 분석하기 위해서 사용되는 기업규모 요인(SMB), 가치주요인(HML) 그리고 모멘텀요인(MTM)의 시계열자료는 FnGuide에서 제공 되는 시가총액규모, 시장가 대비 장부가, 그리고 모멘텀 기준으로 산출된 지수를 사용하였 다. VECH 연산자를 사용하여 다변량 GARCH-M의 형태로 표현한 조건부 CAPM에 시장포 트폴리오 이외의 추가적인 요인들을 추가하여 추정한 결과 대부분의 이분산과정을 의미하는 추정치들이 유의하였으며 특히 위험의 시장가격()이 비교적 유의하게 추정되었는데 이는 조건부 CAPM을 기각하였던 장국현(1998)의 연구와는 매우 대조적인 결과로 판단된다.

최근 사물인터넷(IoT) 기술의 고도화로 스마트 홈, 스마트 팩토리, 원격 의료 등 다양한 도메인에서 데이터 수집이 비약적 으로 증가하고 있다. 그러나 이러한 확산과 동시에 DDoS, 데이터 변조, 봇넷 등 사이버 공격 기법이 지능화 및 다변화되면서 보안 위협 또한 심화되고 있다. IoT 환경에서는 이기종 프로토콜과 고차원적인 특징(Feature) 분포를 지니고 있어, 기존의 단 일 탐지 모델로는 연산 복잡성 해소와 실시간 침해 대응에 한계가 있다. 본 논문에서는 이러한 문제를 해결하기 위해 다차원 특징 중요도(Feature Importance) 기반의 조건부 다중 전문가 모델(Conditional Multi-Expert Model)을 제안한다. 제안된 모델 은 입력 데이터의 특징별 중요도를 정량적으로 분석하고 최적의 추론 경로를 동적으로 설정함으로써 탐지 성능을 높이고 연 산자원을 최적화한다. 실험 결과, 제안 모델은 0.9995의 정확도, 0.9948의 F1-Score를 달성하여 기존 단일 모델(Random Forest) 대비 우수한 탐지 성능을 입증하였으며, 특히 재현율(Recall) 0.94%p 향상, 추론시간 약 2.6배 향상시킴으로써 자원 제 약이 심한 IoT 환경에서 실시간 대응이 가능한 수준의 탐지성능과 보안 신뢰성을 확인하였다.

With the recent advancement of Internet of Things (IoT) technology, data collection is increasing exponentially across various domains, including smart homes, smart factories, and telemedicine. However, alongside this expansion, security threats are intensifying as cyber-attack techniques such as DDoS, data manipulation, and botnets become more sophisticated and diversified. Given that IoT environments encompass heterogeneous protocols and high-dimensional feature distributions, conventional single detection models face limitations in reducing computational complexity and achieving real-time incident response. To address these challenges, this paper proposes a Conditional Multi-Expert Model based on high-dimensional feature importance. The proposed model quantitatively analyzes the importance of each feature in the input data and dynamically establishes the optimal inference path, thereby enhancing detection performance and optimizing computational resources. Experimental results demonstrate that the proposed model achieves an accuracy of 0.9995 and an F1-score of 0.9948, proving superior detection performance compared to the conventional single model (Random Forest). In particular, by improving the recall by 0.94%p and accelerating the inference time by approximately 2.6 times, this study confirms a level of detection capability and security reliability capable of real-time response in resource-constrained IoT environments.

연구목적: 본 연구는 재취업 산재 근로자가 지각하는 개인-직무 적합성, 자기효능감, 직무 만족, 후유증 사이의 종단적인 관계를 조사함으로써 그들의 직무 만족을 개선하고, 고용 유지를 돕기 위한방안을 탐구하고자 하였다. 연구방법: 산재보험패널조사의 1차(2018년)와 2차(2019년) 자료를 통해새로운 직장에 취업한 이후에 같은 직장에서 1년 간 재직 중인 산재 근로자 540명의 표본을 선별하였다. 그리고 SPSS Statistics와 Amos, PROCESS Macro 프로그램을 사용하여 교차지연 패널모형분석과 조건부과정 분석을 실시하였다. 연구결과: 자기효능감은 1년 뒤의 개인-직무 적합성과 자기효능감을 거쳐서 직무 만족에 정적 영향을 미쳤다. 한편, 자기효능감이 개인-직무 적합성을 매개로직무 만족에 미치는 영향에 대한 장해 등급과 통증 수준의 조건부효과는 유의하지 않았다. 결론: 자기효능감은 장기적으로 산재 근로자의 직무 적합성을 개선하고 직무 만족을 증진하는 중요한 선행요인이며, 이러한 효과는 후유증의 수준에 의해 감소되지 않는다는 점을 밝혔다는 데에 의의가 있다.

Purpose: This study investigated the longitudinal relationship between person-job fit, self-efficacy, job satisfaction, and sequelae perceived by re-employed injured workers. Method: Based on the 1st (2018) and 2nd (2019) data of the Panel Study of Worker's Compensation Insurance, we selected a sample of 540 injured workers who have been working at the same workplace for one year after starting a new job. SPSS Statistics, Amos, and PROCESS Macro were used to perform cross-delay panel model analysis and conditional process analysis. Results: Self-efficacy had a positive effect on job satisfaction through person-job fit and self-efficacy after one year. On the other hand, there were no significant conditional effects of disability grade and pain level on the impact of self-efficacy on job satisfaction through person-job fit. Conclusion: This study is significant because it revealed that self-efficacy is a vital predisposing factor for improving injured workers’ job suitability and job satisfaction in the long term and that the level of sequelae does not reduce this effect.

This article develops a new conditional jump model to study jump dynamics in Korean stock market index return. We propose a simple filter to infer the ex post distribution of jumps. This permits construction of the shock affecting the time t conditional jump intensity and is the main input into an autoregressive conditional jump intensity model. The model allows the conditional jump intensity to be time-varying and follows an approximate autoregressive moving average(ARMA) form. The time series characteristics of 11 years of four East-asian daily index returns are analysed using the jump model coupled with a generalized autoregressive conditional heteroskedasticity(GARCH) specification of volatility. We find significant time variation in the conditional jump intensity and evidence of time variation in the jump size distribution. Also, the most proper model is varied by sample data or period. And, the jump intensity and jump size are also different between countries. The jump shock is persistent, but the expected result of the switching in the jump direction did not found. This issue should be explored in future works.

본 논문은 DCC-MGARCH모형을 이용하여 중국 주식시장의 동태적 조건부 상관관계를 추정했다. 중국 주식시장과 한국, 홍콩 등 주식시장의 동태적 상관관계는 상대적으로 상승한 추세를 보이는 반면, 미국 주식시장과는 뚜렷한 추세를 보이지 않고 일정한 범위 내에서 변동이 지속되었으며, 중국 국내 주식시장 간 변동 폭이 제일 컸고, 중국 주식시장의 변동성과 금융위기가 상관관계에 미치는 영향은 Longel and Solnik(1995)의 두 주식시장 자체 변동성 확대는 상관관계의 증가를 초래한다는 결과와 Cheng(1998)의 두 주식시장의 상관관계는 침체기에 증가한다는 연구결과와 다름을 알 수 있었다. MA(1)-GARCH(1,1)-M모형을 이용하여 분석한 결과, 중국 주식시장의 변동성 확대는 주가수익률을 높이는 경향이 있다. 또한 중국 증시는 세계증시의 충격에 유의적인 반응을 보이지 않았다.

In this paper, we estimate the dynamic conditional correlation(DCC) coefficients for the stock markets of China versus U.S., Korea, and Hong Kong, following the DCC-MGARCH model of Engle(2002). We further identify the sources of cross-border co-movements of stock prices and volatility. The main empirical implications are as follows: First, the DCC estimate between the Shanghai and Shenzhen exchanges is shown to be the highest. Second, volatility and returns are positively correlated in the mainland Chinese stock markets, unlike the findings of Longin and Solnik(1995) and Cheng(1998). Third, the U.S. appears to significantly affect China in terms of stock price movements, however, with a relatively small magnitude per MA(1)-GARCH(1,1)-M model.

본 연구는 레벨 3(조건부 자동화) 이상 자율주행자동차에서 생성되는 자동운전시스 템(ADS) 데이터를 중심으로, 데이터 거버넌스와 사이버보안 쟁점을 분석하고 치안현 장 적용을 위한 통합적 활용 모델을 제시하는 것을 목적으로 한다. 자율주행자동차는 센서·통신·인공지능이 결합된 대표적 사이버-물리 시스템으로, 운행 과정에서 대용량· 고빈도·시계열 데이터를 생성한다. 이러한 데이터는 교통사고 조사, 형사책임 판단, 보 험 분쟁 해결, 범죄 수사 및 재난 대응에서 핵심 증거로 활용될 수 있는 잠재력을 가진 다. 그러나 자율주행 데이터의 접근·보존·제출을 둘러싼 법·제도적 기준은 아직 충분히 정립되지 않았으며, 네트워크 해킹, GPS 스푸핑, 센서 교란 등 다양한 사이버보안 위협 과 함께 프라이버시 침해 및 감시사회화 우려가 제기되고 있다. 이에 본 연구는 국제규범과 국내 법제 등 분석하여, 차량(EDR·DSSAD·ADSDL) → 통신·클라우드 → 경 찰 시스템 → 분석·재현 단계로 이어지는 치안현장 중심 데이터 흐름 모델을 제안하였 다. 또한 최소수집, 목적제한, 보존기간 설정, 역할기반 접근통제(RBAC), 암호화 및 무 결성 검증 등을 통합한 보안·프라이버시 결합형 데이터 거버넌스 원칙을 제시하였다. 본 연구는 자율주행 시대에 적합한 치안 데이터 인프라 설계 방향을 제시하고, 공공 안전과 기본권 보호의 균형을 모색하는 정책적·제도적 함의를 제공한다는 점에서 의의 를 가진다.

This study examines data governance and cybersecurity issues surrounding Automated Driving System (ADS) data generated by Level 3 (Conditional Automation) and higher autonomous vehicles, and proposes an integrated operational model for policing applications. Autonomous vehicles represent a typical cyber-physical system that combines sensors, communication networks, and artificial intelligence, continuously generating high-volume, high-frequency, time-series data during vehicle operation. Such data holds significant potential as digital evidence in traffic accident investigations, criminal liability determinations, insurance dispute resolutions, crime investigations, and disaster response. However, legal and institutional standards governing data access, retention, and disclosure remain insufficiently established. In addition, autonomous vehicle data environments are exposed to various cybersecurity threats, including network hacking, GPS spoofing, and sensor manipulation, while also raising concerns regarding privacy infringement and the risk of surveillance expansion. This study analyzes international regulatory frameworks alongside domestic legal developments. Based on this analysis, it proposes a policing-centered data flow model structured as: Vehicle (EDR·DSSAD·ADSDL) → Communication & Cloud → Police Systems → Analysis & Reconstruction. Furthermore, the study presents an integrated governance framework combining security and privacy principles, including data minimization, purpose limitation, retention control, role-based access control (RBAC), encryption, and integrity verification. The findings contribute to the design of policing data infrastructure suitable for the autonomous vehicle era and offer policy implications for balancing public safety and fundamental rights protection.

이 연구는 한국어 문법 교육에서 효율적으로 사용될 수 있는 교수 모형을 제안하고 이 모형이 한국 어 조건 표현 연결어미 교육에서 어떤 효과가 있는지를 검증해 보았다. 이 연구의 결과 첫째, 플립 러 닝, 형태 초점 교수법, 시각화 등의 교수 기법을 기반으로 ‘통합적 교수 모형’을 설계하였다. 둘째, ‘통합적 교수 모형’은 조건 표현 연결어미의 의미에 대한 정확한 인지, 유사 의미 이해, 세분된 문 법 사용 상황에 대한 이해 등에서 유의미한 효과가 있었다. 통합적 교수 모형은 과제 단계에서의 학습 자 선행 학습, 강화 단계에서 학습자의 이미지 강화 활동 등으로 학습자의 능동적 학습 참여를 유도할 수 있다. 또한, 목표 문법이 사용되는 상황을 이미지화하면서 학습 흥미도 높일 수 있고, 교육 효과도 높일 수 있다. 이러한 교수 모형의 개발과 교수 모형 적용에 관한 연구가 누적된다면 한국어 문법 교 육은 더욱 발전할 수 있을 것이다.

This study proposed a teaching model that can be effectively used in Korean grammar education and verified the effectiveness of this model in Korean condition connection ending education. As a result of this study first an ‘integrated teaching model’ was designed based on teaching techniques such as flip learning, focus-on-form instruction and visualization. Second, the ‘integrated teaching mod el' had a significant effect in terms of accurate perception of the meaning of conditional connection ending, understanding of similar meanings, and understanding of detailed grammar usage situations. The integrated teaching model can induce learners to actively participate in learning through prior learning of learners at the task stage and image enhancement activities of learners at the reinforcement stage. It can also increase interest in learning and increase the effectiveness of education while imaging the situation in which target grammar is used. Korean grammar education can be further developed if research on the development of these teaching models and the application of teaching models is accumulated.

Crowd motion analysis in public places is an important research subject in the monitoring field. This paper proposes an approach for detecting abnormal crowd motion using Hidden Conditional Random Fields Model (HCRF). This approach derives variations of motion patterns from direction distribution of the crowd motion obtained by the optical flow and these variations are encoded with HCRF to allow for the detection of abnormal crowd motion. Modeling the temporal neighborhood relations in a video sequence based on HCRF can incorporate hidden states and label the video depending on long range observations. The experimental results show that this proposed algorithm can achieve better results than HMM and CRF.

최근 인공지능(AI)은 다양한 산업 분야에서 핵심 기술로 자리잡고 있으며, 특히 컴퓨터 비전, 자연어 처리, 의료 진단, 스마트 시티와 같은 영역에서 활용이 확대되고 있고, 이러한 발전은 클라우드 중심의 처리 구조에서 Edge 및 On-Device 환경으로의 전환을 촉진하고 있다. On-Device AI는 네트워크 지연 감소, 개인정보 보호 강화, 통신비용 절감 등 다양한 장점을 제공하지만, 스마트폰·웨어러블·IoT 센서와 같은 embedded device는 연산 능력과 저장용량의 제한 및 소비 전력의 제약으로 인해 대규모 AI 딥러닝 모델을 직접 운용하기 어렵다. 따라서 이러한 자원 제약 환경에서도 성능 저하를 최소화하면서 모델 크기와 연산량을 줄일 수 있는 경량화 기술이 필수적이다. 본 연구에서는 경량화 기술 중 하나인 pruning 기법을 확장하여, 각 layer에서 pruning 대상 node 비율이 80% 이상일 경우해당 layer를 삭제하는 조건부 Layer 삭제 pruning 기법을 제안하고, 모의실험을 통해 그 성능을 평가하였다. CIFAR-100 데이터 세트 기반 모의실험 결과, 본 논문에서 제안한 기법이 모델 크기와 연산량을 줄이면서도 정확성을 유지함으로써 임베디드 장치의 제한된 환경에서 AI 딥러닝 모델을 적용하는데 효과적임이 입증되었다.

Artificial intelligence (AI) has become a core technology across various fields, including computer vision, natural language processing, medical diagnosis, and smart cities. This shift has accelerated the transition from cloud-centric processing to edge and on-device environments, where advantages such as reduced latency, enhanced privacy, and lower communication costs are critical. However, resource-constrained embedded devices like smartphones, wearables, and IoT sensors face difficulties in running large-scale deep learning models due to limited computation, storage capacity, and power consumption. To address this challenge, we propose a conditional layer deletion pruning method that removes an entire layer when more than 80% of its nodes are pruned in this paper. Experiments on the CIFAR-100 dataset show that our approach reduces model size and computational demand while maintaining competitive accuracy, demonstrating its effectiveness for deploying AI deep learning models in constrained environments.

The study explores a long memory conditional volatility model on international grain markets, demonstrating importance of modeling both temporal effects of volatility and long memory process. This study adopts six different volatility models, nested in an ARMA(p,q)- FIGARCH(P,D,Q), to capture dependence of grain cash price volatility and compares the performance of the six models. It also visits a related question about non-normal behaviors of grain prices and adopts the student-t density intended to account for fat-tailed properties of the data. We find suitability of the FIGARCH type models under the student-t distribution and competitiveness of the parsimonious FIGARCH(1,d,0) for modeling long memory volatility.

Existing power plants may consume significant amounts of fuel and require high operating costs, partly because of poor electrical power output estimates. This paper suggests a continuous conditional random field (C-CRF) model to predict more precisely the full-load electrical power output of a base load operated combined cycle power plant. We introduce three feature functions to model association potential and one feature function to model interaction potential. Together, these functions compose the C-CRF model, and the model is transformed into a multivariate Gaussian distribution with which the operation parameters can be modeled more efficiently. The performance of our model in estimating power output was evaluated by means of a real dataset and our model outperformed existing methods. Moreover, our model can be used to estimate confidence intervals of the predicted output and calculate several probabilities.

We suggest a quantitative conditional unrelated question model that can be used in obtaining more sensitive information. For whom say "yes" about the less 7han sensitive question .B we ask only about the more sensitive variable X. We extend our model to two sample case when there is no information about the true mean of the unrelated variable Y. Finally we compare the efficiency of our model with that of Greenberg et al.′s.

In this paper, we propose a new conditional randomized response model that has improved the Carr et al.'s model in view of he variance and the protection of privacy of respondents. We show that he suggested model is more effective and protective than the Loynes' model and Carr et al.' model.

In this paper we suggest a conditional unrelated question randomized response model by using the Carr et. al.’s model(1982) and Greenberg et. al.’s model(1969). Our model can obtain more comprehensive information about the sensitive character A. We suggest the conditions that make our model efficient compared with models of Greenberg et. al. and Carr et al.. AMS Mathematics Subject Classification : 65D05

In this paper, we extend the conditional unrelated question model which was suggested by Lee and Hong(2000) to two-sample case when there is no information about the true proportion of the unrelated character Y. Conditions are obtained under which the proposed model is more efficient than Carr et al.\`s conditional modal and Greenberg et al.'s two-sample unrelated question model.