보건행정 핵심 해설
이 문제는
보건통계학 및
연구방법론의 기초가 되는
회귀분석(Regression Analysis)의 핵심 개념을 묻고 있어요. 보건행정 현장에서는 의료 서비스 이용량과 비용의 관계, 질병 위험요인의 영향력 분석 등 다양한 데이터 분석에 회귀분석이 활용되므로, 그 원리를 정확히 이해하는 것이 중요해요.
핵심 개념 분석 (Key Concept)
단순선형회귀분석(Simple Linear Regression)은 하나의 독립변수(X)가 하나의 종속변수(Y)에 미치는 선형적 영향을 추정하는 통계 기법이에요. 기본 모형은
Y = β0 + β1X + ε로 표현됩니다.
여기서
핵심! β1 (회귀계수, Regression Coefficient)은
"독립변수 X가 1단위 증가할 때, 종속변수 Y의 평균이 얼마나 변화하는지"를 나타내는 기울기(slope)에요. 이 값이 양수면 X 증가 시 Y도 증가하는 정(+)의 관계, 음수면 반대 방향의 부(-)의 관계를 의미해요.
정답 근거 (Answer Rationale)
정답은 ①번 "
X가 한 단위 증가할 때 Y의 평균 변화량"이에요. 이는 회귀계수 β1의 정의 그 자체입니다. 보건행정 연구에서 예를 들면, "흡연량(X, pack-year)이 1단위 증가할 때 폐암 발생 위험도(Y, odds ratio)의 평균 변화량"을 추정하는 데 사용될 수 있어요.
오답 분석 (Distractor Analysis)
혼동 주의! 다른 선택지들은 회귀분석의 다른 개념들과 혼동하기 쉬운 내용들이에요.
②번 '오차항의 분산을 나타내는 값': 이는
잔차(Residual)의 분산, 즉 모형이 설명하지 못하는 변동성(σ²)을 의미해요. β1은 계수(coefficient)이고, 분산(variance)은 또 다른 모수(parameter)입니다.
③번 'X와 Y 사이의 상관계수 제곱 값': 이는
결정계수(R-squared, R²)를 설명한 거예요. R²는 회귀모형이 종속변수의 변동을 얼마나 잘 설명하는지(설명력)를 나타내는 지표로, 0에서 1 사이의 값을 가져요.
④번 '회귀모형의 전체 설명력을 나타내는 값': 이 역시 결정계수(R²)를 가리키는 설명이에요.
⑤번 '종속변수 Y의 평균값': Y의 평균은 회귀직선이 지나는 중심점을 나타내지만, β1은 변화량(기울기)을 나타내므로 전혀 다른 개념이에요. β0(절편, intercept)이 X=0일 때 Y의 평균값을 추정하는 역할을 하긴 해요.
연관 개념 정리 (Related Concepts)
-
β0 (절편, Intercept): 독립변수 X가 0일 때 종속변수 Y의 평균값을 추정합니다. (실제 해석 시 X=0이 의미 있는지 확인 필요)
-
ε (오차항, Error Term): 모형으로 설명되지 않는 무작위 변동을 나타냅니다.
-
가설검정(Hypothesis Testing) for β1: 보건연구에서 "β1 = 0"이라는 귀무가설을 검정하여 X와 Y 사이에 통계적으로 유의한 관계가 있는지 판단합니다.
개념 정리
| 용어 | 기호 | 의미 | 비고 |
|---|
| 회귀계수 | β1 | X 1단위 변화 시 Y의 평균 변화량 | 본 문제의 핵심 |
| 절편 | β0 | X=0일 때 Y의 평균값 | 상수항 |
| 결정계수 | R² | 모형의 설명력 (0~1) | ③, ④번 오답 관련 |
| 오차분산 | σ² | 모형이 설명 못하는 변동 | ②번 오답 관련 |
한눈에 비교!
| 구분 | 회귀계수 (β1) | 상관계수 (r) | 결정계수 (R²) |
|---|
| 의미 | 인과/영향의 크기 | 선형 관계의 방향과 강도 | 모형의 설명력 비율 |
| 범위 | -∞ ~ +∞ | -1 ~ +1 | 0 ~ 1 |
| 단위 | Y단위 / X단위 | 무차원 | 무차원 |
| 관계 | 단순회귀에서 R² = (r)² | R² = 설명변동 / 총변동 |
실무 포인트
보건행정/정책 연구에서 회귀분석 결과를 해석할 때는 β1의
크기, 방향(부호), 통계적 유의성(p-value)을 함께 확인해야 해요. 예를 들어, "진료비(Y)에 대한 연령(X)의 영향"을 분석했다면, "연령이 1세 증가할 때 진료비는 평균 β1원 증가한다(p