Exact Inference for Media Data Contingency Table Analysis

Abstract

미디어 채널 사용이 급격히 증가함에 따라 고객들의 프라이버시 침해우려가 증가하고 있다. 이러한 행태를 분석하기 위해 분할표 분석이 사용될 수 있으며, 분할표 분석을 위해 주로 근사적인 분포를 이용한다. 하지만 빈도수가 작을 경우에는 정확추론이 선호되며, 이에 대해 다양한 몬테카를로 방법이 사용되고 있지만 그 결과가 만족스럽지 못하다. 이에 대한 대안으로 최근에 확률적근사 몬테카를로 주표집(SAMCIS; Cheon et al., 2014) 알고리즘이 제안되었다. 본 연구는 SAMCIS를 이용하여 2016년과 2018년 기간의 미디어패널 자료에서 다양한 분할표 분석을 진행하였다. SAMCIS 알고리즘은 국소 트랩의 문제를 해결하였고 적절한 표본공간을 조절할 수 있는 능력을 갖추고 있다. 이에 본 논문에서는 SAMCIS 알고리즘을 이용하여 연도별 프라이버시 침해 우려와 관련 있는 여러 변수를 선택한 후 분할표 분석을 실시하였다. 분석 결과, 셀 빈도수가 작을 경우 근사추론보다 정확추론이 선호되며 SAMCIS 알고리즘이 CaB 알고리즘에 비해 보다 정확한 추론을 제공함을 알 수 있었다. 특히 반려동물소유와 SNS 활동이 2016년에는 프라이버시 침해 차이가 있었으나 2018년에는 차이가 없음을 알 수 있었고, 성별, 카페활동 유무, 반려동물 소유유무에 따라 프라이버시 침해의 차이는 2016년에는 없었으나 2018년에는 있었다.With the rapid increase in media channel usage, there is an increasing concern for customers privacy breaches. To analyze these behaviors, contingency table analysis can be used, mainly using approximate distributions. However, if the cell frequency is small, exact inference is preferred, and various Monte Carlo methods are used, but the result is not satisfactory. As an alternative, a stochastic approximation Monte Carlo importance sampling (SAMCIS; Cheon et al., 2014) algorithm has recently been proposed. This study analyzed various contingency tables in media panel data for 2016 and 2018 using SAMCIS which has abilities to escape the local trap problem and to achieve reasonable valid tables. In this paper, SAMCIS was used to analyze contingency tables with variables related to the privacy invasion. As a result, when cell frequency is small, exact inference is preferred, and SAMCIS provides more accurate estimates than CaB. In particular, pet owners and SNS activities showed a difference in privacy in 2016 but no difference in 2018. There were no differences in privacy violations in 2016, but in 2018, depending on gender, cafe activity, and pets.