Performance Comparison of Neural Networks and Univerariate Linear Regression Models in the Presence of an Outlier

최근에 컴퓨터의 발달에 따라 컴퓨터를 기본으로 한 여러 가지 통계분석방법이 개발되고 있다. 전통적인 통계분석의 약점을 보완한 새로운 컴퓨터 인공지능기법 중에 하나가 뉴럴네트웍(Neural Network)이다. 뉴럴네트웍은 인공지능(Artificial Intelligence)테크닉의 한 분야로서 인간의 두뇌기능을 근거로 한 컴퓨터 시스템이다. Wasserman에 의하면 뉴럴네트웍은 인간처럼 경험으로부터 배울 수 있고, 과거의 패턴으로부터 새로운 패턴을 이끌 수 있으며, 이상값 또는 Noisy Data로부터 어떤 근본적인 특성을 도출할 수도 있다. 뉴럴네트웍은 전통적인 통계기법처럼 전제가 되는 가정을 요구하지 않는다. 예를 들면 과거의 자료로 통계적 방법에 의해 어떤 변수를 다른 변수로 예측하는 과정을 회귀분석이라고 한다. 그러나 이 회귀분석의 시행은 다음과 같은 회귀모형의 측정오차에 대한 전제조건이 충족되어야 한다. ① 측정오차들은 서로 독립이 되어야 한다. ② 측정오차들은 정규분포를 가져야 한다. ③ 측정오차들의 분산은 일정해야 한다. 또한 뉴럴네트웍은 기존 통계분석처럼 복잡한 수학공식이나 이론적 근거의 이해를 요구하지 않는다. 전통적인 통계분석방법에 비해서 뉴럴네트웍은 다음과 같은 경우에 장점을 보인다. ① 주어진 Data의 패턴이 비선형일 경우 ② 주어진 통계모델의 가정이 위반될 경우 ③ 주어진 Data에 이상값 또는 부적절한 Data가 존재할 경우 ④ On-line 의사결정이 필요한 경우 일반적으로 기존 통계분석방법이 주어진 Data 분석방법에 부적당한 경우 뉴럴네트웍은 여러 가지 통계적 예측분석에 유용하게 쓰일 수 있다. 이에 본 연구에서는 새로운 통계적 경영분석을 위한 뉴럴네트웍을 소개하고, 응용분야로서 이상값의 존재하에서 뉴럴네트웍과 단순회귀분석의 수행을 비교한다. 실증분석결과에 의하면 이상값의 존재하에서 표본의 크기가 증가될 때 뉴럴네트웍은 단순회귀분석보다 더 좋은 수행결과를 보여주었다. 그러나 표본의 크기가 작을 때 뉴럴네트웍은 회귀분석과 마찬가지로 이상값에 의하여 영향을 받았다.