본 연구에서는 대파의 가락시장 도매가격을 이용하여 기존 시계열 모형인 ARIMA 모형, 홀트-윈터스 평활법과 대표적인 기계학습 방법인 랜덤 포레스트(Random forest) 분석 기법의 가격 예측력을 비교하였다. 세 모형의 예측력을 분석한 결과는 다음과 같다. 가장 예측력이 높게 나타난 모형은 3년(36개월)을 주기로 설정한 ARIMA 모형이었다. 또한 ARIMA 모형과 홀트-윈터스 평활법은 일별 데이터보다 월별 데이터를 이용한 예측 결과의 정확도가 더 높아 훈련 데이터에 대한 과적합(overfitting)이 오히려 예측력을 낮추는 현상을 보였다. 반면, 랜덤 포레스트는 월별 데이터 보다 일별 데이터를 사용한 모형의 예측력이 더 높았다. 이는 학습량이 많을수록 높은 예측력을 보여주는 기계학습의 특징을 보여주었다. 그러나 기계학습 방법을 활용한 가격 예측에는 가격에 영향을 주는 설명변수를 찾고, 양질의 훈련 데이터 축적이 필요하다는 것을 알 수 있었다. 향후 연구에서는 다양한 설명변수와 기계학습 및 딥러닝 기법을 적용한다면 농축산물 가격 예측력을 높이는데 도움이 될 것으로 판단된다.

본 연구는 스포츠팬의 심리적 특성이 스포츠 관전행동에 영향을 미친다고 가정하고, 스포츠 관전동기와 스포츠팬 정체성의 다양한 차원들 중 스포츠 관전행동을 결정하는 요인들을 밝히고자 하였다. 질문지 조사를 통한 연구 결과 정체성현출성, 친지관계동기, 대리만족동기, 성별의 네 가지 변인이 스포츠 관전행동을 결정하는 요인으로 밝혀졌다. 또한 관전자 특성에 따라 관저행동에 영향을 미치는 관전동기 및 스포츠팬 정체성 요인에 차이가 있는 것으로 나타났다. 즉, 스포츠팬의 성별 및 소극적 관전수준에 따라 관전행동에 영향을 미치는 관전동기 및 스포츠팬 정체성의 구성요소가 달라졌다. 이러한 연구 결과를 스포츠 마케팅에 활용한다면, 관전자 특성에 따라 보다 세분화된 마케팅 전략을 수립할 수 있을 것이다.