추가 적립 안내

R과 파이썬을 활용한 『논문연구법』은 〈참고문헌 읽는 법〉, 〈R & Python 준비하기〉, 〈Regression model〉, 〈Diffusion model〉 등 논문연구법에 대한 기초적이고 전반적인 내용이 수록되어 있다.

Chapter 01 참고문헌 읽는 법
1. 참고문헌 읽는 순서 ··························· 13
2. 좋은 연구란? ··························· 14
3. 왜 기존 문헌연구가 필요한가? ··························· 15
4. 위키피디아 ··························· 16
5. 논문의 구성 ··························· 17
6. 가설의 설정 ··························· 19
Chapter 02 R & Python 준비하기
1. R 설치하기 ··························· 29
2. Python 설치하기 ··························· 33
Chapter 03 Regression model
1. 회귀분석 ···························· 47
2. 표준화된 계수 ···························· 52
3. 설정오류 ···························· 58
4. 다양한 회귀분석 모형들 ···························· 60
5. 회귀분석으로 이원분산 분석하기 ···························· 61
6. 최적치 추정하기 ···························· 62
7. R 실습 ···························· 63
8. Python 실습 ···························· 68
9. 컨조인트 분석을 회귀분석으로 ··························· 69
10. 논문작성의 예 ··························· 78

Chapter 04 Diffusion model
1. Bass Diffusion model ····························· 83
2. 확산모형의 한계와 개선점 ····························· 86
3. Generalized Bass Diffusion model과 다양한 시도들 ······· 87
4. R 실습 ····························· 89
5. Python 실습 ····························· 96
6. 논문작성의 예 ························ 96
Chapter 05 Price response model
1. 가격변화에 따른 수요반응 모형들 ····························· 103
2. Asymmetric model 추정방법 ······························ 107
3. R 실습 ······························ 113
4. Python 실습 ······························· 116
5. 논문작성의 예 ·································· 117
Chapter 06 Marketing dynamics
1. Leeflang et al.(2000) ································ 121
2. 논문작성의 예 ································· 126
Chapter 07 Time series model
1. ARIMA model ······························ 131
2. White Noise Process ···························· 135
3. R 실습 ··························· 137
4. Python 실습 ······························· 138
5. 논문작성의 예 ·································· 140
Chapter 08 Panel data model
1. Models for panel data ··························· 145

2. Fixed effect model ···························· 148
3. Random effect model ····························· 149
4. Test for model selection ······························ 150
5. R 실습 ······················ 151
6. Python 실습 ···························· 160
7. 논문작성의 예 ························· 166
Chapter 09 System equation model
1. System equation ····················· 171
2. Vector Autoregressive model ······················· 176
3. Vector Error Correction model ························ 180
4. Seemingly Unrelated Regression ·························· 182
5. R 실습 ····························· 184
6. Python 실습 ···························· 189
7. 논문작성의 예 ···························· 191
Chapter 10 Limited dependent model
1. Logit ···························· 197
2. Probit ······························ 200
3. Logistic regression ······························ 202
4. Multinomial ······························· 203
5. Censored, Truncated case ························ 203
6. R 실습 ························ 205
7. Python 실습 ··························· 213
8. 논문작성의 예 ······························· 216
Chapter 11 Count data model
1. Poisson Regression ······················· 221
2. Negative Binomial Model ······················· 223
3. Test for model selection: Likelihood ratio test ············ 226
4. R 실습 ······················· 226
5. Python 실습 ·························· 234
6. 논문작성의 예 ····························· 236
Chapter 12 Network centrality
1. 사회연결망 분석 ······················· 241
2. Granovetter(’73) ················· 257
3. Recommendation Algorithm ···················· 258
4. 논문작성의 예 ······················ 277
Chapter 13 Difference-in-Difference
1. DiD ···························· 281
2. Endogeneity ·························· 282
3. Difference-in-Difference ························ 283
Chapter 14 Regression Discontinuity Design
1. RDD ······················· 287
2. RDD model ···························· 288
3. 논문작성의 예 ························· 290
부 록 통계 분포들
1. 이산형 확률분포 ······················ 295
2. 연속형 확률분포 ························ 296
■찾아보기 ···························· 301

머리말

단순한 모형부터 시도하고, 복잡한 모형을 사용할 필요가 있는지 확인하라!
Be parsimonious!

이 책을 쓰기로 마음 먹은 계기가 있었다. 대학원 강의 중에 어떤 학생이 질문했다. Durbin-Watson statistics이 횡단면 자료분석에 필요한지 질문하였다.시계열 자료 분석에 사용되는 내용을 횡단면 자료를 분석할 때 함께 보라고 배운 적이 있다는 것이었다. 횡단면 자료분석에는 필요가 없는 통계량인데 잘못배운 것이었다. 또 저자가 한 논문을 작성하여 학술지에 투고했을 때 어느 심사자가 비율변수를 Logistic regression에서 종속변수로 쓸 수 없다고 심사의견을 보낸 적이 있었다. Logit 모형과 혼동하고 있는 것이었다. 모델링을 위한 방법론 교육이 무언가 잘못되어 가고 있다고 느꼈다.
박사과정 공부할 때 이런 책이 있으면 좋겠다고 생각했다. 교과서로 배우는원서들은 너무 자세한 설명과 사용하지 않을 내용까지 모두 담고 있었다. 그것을 다 공부하기에는 능력도 시간도 부족했다. 논문을 작성할 때 손쉽게 모형을선택하고 추정해 볼 수 있는 책이 있었으면 했다. 그래서 저자는 새로운 모형을 공부할 때 통계 소프트웨어의 사용자 매뉴얼로 익히는 습관이 있다. 그런마음으로 이 책을 쓰기 시작했다. 또 다른 이유는 학자들이 연구할 때마다비교적 비슷한 분석방법만 연속해서 사용하는 것이 이상했다. 그들을 비판하는 것이 아니라, 여러 모형들을 모두 완벽하게 공부하기 어렵기 때문에 검증되고 완전히 이해하는 모형만 사용하는 것이다. 그러나 감기 환자에게 외과수술을 할 필요가 없듯이 종속변수와 데이터의 특성, 목적에 맞는 방법을 찾아 비교적 맞는 처방을 내리는 것이 필요하다고 생각했기 때문이다. 통계적 예측또는 수리모형을 개발할 때, 학자들에게서 교훈처럼 자주 인용되는 용어는“parsimonious”이다. 매우 많은 변수와 어려운 방정식을 넣어 그에 상응한 월등한 결과가 나오지 않는 한 이러한 변수 수의 증가와 복잡한 함수 형태의 선택에 매우 인색해야 한다는 것이다. 간단히 말해 간단한(Simple)한 모형이 좋은 모형이고, 적은 수의 변수를 가지고 종속변수의 많은 것을 설명하면 좋은모형이라는 뜻이다.
R과 Python은 오픈소스(open source) 소프트웨어이다. 고가의 소프트웨어를구입하지 않아도 무료로 사용 가능하다. 특히 Python은 최근 불과 몇 년 만에기업에서 시스템 개발과 데이터 분석, 딥러닝(deep learning)에 주로 사용되고있다. 그래서 이 책은 R과 Python으로 실습내용을 준비하였다. 다만, 이들의결과를 무작정 신뢰하기보다는 다른 소프트웨어의 결과와 비교하여 동일한지확인하고 사용하기를 권한다. 이를 위해 시계열 분석 전문 소프트웨어인E-views9.5의 결과를 함께 수록하였다. 책의 오류가 있으면 kcchaf@gmail.com으로 연락해 주면 발전이 있겠다. 이 책에서 실습을 위해 사용하고 있는 자료는도서출판 창명 홈페이지 또는 kcchaf@gmail.com로 요청하면 다운로드 받을 수있다.
이 책은 저자가 서울대학교 소비자학과 대학원에서 ‘고급소비자학연구법’을세 번 강의한 내용을 기초로 하고 있다. 다른 계량경제학(Econometrics) 책을참조하지 않고, 저자가 논문연구를 하면서 별도로 학습한 내용만으로 구성하였고, 각 장마다 저자가 작성한 관련 논문의 주요 결과를 첨부하였다. 이는 논문을 작성할 때 통계소프트웨어의 결과 중 어떤 내용을 선별적으로 작성하는지 궁금해하는 학생이 많았기 때문이다. 또한 최근 학생들의 책을 읽는 호흡이많이 짧아졌다. 그래서 가급적 길고 자세한 설명보다는 핵심적인 내용을 개조식으로 간략히 설명하는 방법으로 구성하였다. 사회과학분야의 대학원 수업의 교재로 적합하며, 기초 통계를 학습한 사람을 대상으로 작성한 책이다. 이 책의 마지막 Recommendation algorithm의 Python 코드는 동아대학교 경영정보학과 박도명 박사의 도움을 받았다. 저자에게 예측과 통계적 분석방법, 기업의실제 예측문제 해결을 가르쳐주신 KAIST 전덕빈 지도교수님께 감사한 마음을전해 드린다. 항상 힘이 되는 가족(선미, 정민, 아미)과 수업에서 좋은 의견을준 제자들에게도 감사한 마음을 전한다. 도서출판 창명 김사설 대표와 인연이제법 길다. 학술대회에서, 연구실에서 나눈 대화가 진솔하고 거짓이 없었다.널리 팔리지 않을 책을 우리나라 학계를 위해 필요하다며 선뜻 출판을 제안하시고,수식이 많은 데도 편집에 노력을 다하신 직원 분들께 감사를 전한다. 예측의힘(2013), 기초 통계적 연구방법론(2019), 분석적 마케팅 조사론(2019) 이후
네 번째 책이다. 부족한 능력을 과하게 쓴 것이 아닌지 스스로 돌아본다. 차가운 겨울 날들을 연구실에서 홀로 씨름하며 보낸 자신과 건강한 몸을 주신 부모님께도 감사한 마음을 보낸다.

2020. 8.
차경천