A Study on Methods for Imputation of Missing Values in Survey Response

서베이 응답에서 발생하는 결측값(missing values)은 시간과 비용 측면에서 조사의 효율성을 저하한다. 이러한 결측값 문제를 적절히 처리하기 위해 여러 통계적 대체 기법을 적용할 것이다. 본 연구에서는 최근 연구 경향을 반영한 분석기법을 적용하여 여러 가지 방법으로 결측값 대체의 효과성을 평가하고자 한다. 특히, 결측값을 처리하기 위한 많은 연구에서 활용되고 있는 MICE, MissForest, Random Forest와 더불어, 최근 머신러닝 연구에서 활발히 다뤄지고 있는 XGBoost까지 총 4가지의 분석기법을 적용하려 한다. 이와 함께 향후 서베이에서 실질적으로 적용할 수 있도록 우수한 성능을 보이는 결측값 대체 방법을 파악하고자 하며, 결측이 발생하였을 때 통계적으로 대체할 수 있는 최적의 결측률을 도출하고자 한다. 성능 평가는 결측값과 실제값간의 분포 시각화를 통한 비교, 정확도(accuracy) 및 NRMSE(normalized root mean squared error) 측정, 마지막으로 통계적 유의성을 검증하기 위한 대응 t-검정까지 총 세 단계로 수행한다. 세 가지의 실증 비교분석 결과, 우수한 성능을 보이는 분석기법에 차이를 나타내는 한 가지의 분석기법을 특정할 수 없었으며, 이는 데이터의 특성에 따라 차이가 있음을 시사한다.