소상공인의 경영지표는 외부 충격에 따라 불연속적이고 국지적인 변화 양상을 보이는 경우가 많으며, 이러한 변화 시점을 정밀하게 포착하는 것은 현장 기반 정책 설계에 필수적이다. 본 연구는 변화점 탐지에 유용한 Fused Lasso Signal Approximator(FLSA)의 블록 구조 추정 및 신호 선택 성능을 향상시키는 방법을 제안한다. 먼저 BIC(Bayesian Information Criterion) 기반의 기준이 과도한 블록 분할을 방지하며 최소한의 과적합 추정을 보장함을 수학적으로 입증하였다. 이어서, 사전 검정 통계량(preliminary test statistics)을 바탕으로 설정한 임계값을 통해 거짓 발견률(FDR)을 제어하는 새로운 소프트-스레숄딩 선택 절차를 고안하였다. 제안된 절차는 기존보다 신뢰도 높은 신호 탐지가 가능하며, 한국의 COVID-19 시계열 데이터를 활용한 사례 분석을 통해 그 유용성이 확인되었다. 이 방법은 소상공인 상권 변화나 소비 패턴 변화 탐지 등에 효과적으로 활용될 수 있다.

소상공인의 매출, 고객 유입, 상권 내 경쟁 환경 등은 점진적인 구조적 변화를 보일 수 있으며, 이러한 변화의 흐름을 민감하게 포착하는 것이 정책 대응과 경영전략 수립에 중요하다. 본 연구는 시계열 데이터에서 중요한 구조적 전환점을 탐지할 수 있는 Fused Lasso Signal Approximator(FLSA)의 경로 알고리즘을 체계적으로 검토하고, 신호가 계단식(staircase) 구조를 가질 경우 발생할 수 있는 모델 선택 오류를 분석하였다. 특히 기존 기법의 비단조성 문제를 해결하기 위해 제안된 적응형 경로 알고리즘(pathwise adaptive FLSA)은 일정한 변화 감지 성능을 유지하면서 더 해석 가능한 결과를 제공한다. 제안된 기법은 COVID-19 확산 데이터에 적용되어 감염 추이의 변화점을 정확히 파악하였으며, 이는 상권 내 수요 변화나 정책 효과 분석 등 소상공인 데이터를 다루는 실제 상황에도 효과적으로 활용될 수 있다.