보건행정 핵심 해설
이 문제는 보건통계 및 연구 방법론에서 핵심적인
다중회귀분석(Multiple Regression Analysis) 결과의 해석 능력을 평가하고 있어요. 보건행정사와 보건의료정보관리사는 병원 경영 데이터 분석, 의료 서비스 품질 평가, 건강 위험 요인 분석 등 다양한 분야에서 통계 모델을 이해하고 해석할 수 있어야 해요.
핵심 개념 분석 (Key Concept): 다중회귀모형의 일반식은 Y = β₀ + β₁X₁ + β₂X₂ + ... + βₖXₖ + ε 이에요. 여기서
핵심! 각 회귀계수(β₁, β₂...)는 "
다른 모든 독립변수가 고정되어 있을 때", 해당 독립변수가 1단위 증가할 때 종속변수 Y의 평균적인 변화량을 의미해요. 이를
부분회귀계수(Partial Regression Coefficient)라고 해요. 절편(β₀)은 모든 독립변수가 0일 때 Y의 평균값을 의미하지만, 실제 해석 시에는 의미가 없을 수 있어요(예: 나이=0).
정답 근거 (Answer Rationale): 정답은 ⑤번이에요. 주어진 모형 Y = 150.2 + 1.05X₁ + 0.85X₂에서 X₂(혈압)의 계수는 0.85예요. 이는 "나이(X₁)가 동일한 상태에서" 혈압이 1 mmHg 증가하면, 혈중 콜레스테롤 수치(Y)가 평균적으로 0.85 mg/dL 증가한다는 것을 의미해요. 이 해석이 다중회귀계수의 정확한 정의에 부합해요.
오답 분석 (Distractor Analysis):
①
혼동 주의! "나이와 혈압이 모두 0일 때 콜레스테롤은 1.05mg/dL이다."는 잘못된 해석이에요. 모든 변수가 0일 때의 Y값은 절편(Intercept)인 150.2 mg/dL이에요. 1.05는 나이(X₁)의 계수로 혼동했어요.
② "혈압이 나이보다 콜레스테롤에 미치는 영향이 더 크다."는 판단할 수 없어요. 회귀계수의 크기(1.05 vs 0.85)만으로 영향의 크기를 직접 비교하는 것은 위험해요. 변수의 측정 단위(세, mmHg)가 다르기 때문이에요. 표준화 계수(Standardized Coefficient, Beta)를 비교해야 상대적 영향력을 논할 수 있어요.
③ "독립변수들 간에는 다중공선성이 존재하지 않는다."는 주어진 정보만으로 알 수 없어요. 다중공선성(Multicollinearity)은 독립변수들 간의 높은 상관관계를 의미하며, 분산팽창지수(VIF)나 공차한계(Tolerance) 등을 통해 진단해야 해요. 단순한 회귀계수 결과표만으로는 그 존재 유무를 판단할 수 없어요.
④ "나이가 1세 증가하면 콜레스테롤은 150.2mg/dL 증가한다."는 절편과 계수를 혼동한 심각한 오류예요. 150.2는 절편이고, 나이의 영향은 계수 1.05에 해당해요. 따라서 올바른 해석은 "혈압이 동일할 때, 나이가 1세 증가하면 콜레스테롤은 평균 1.05 mg/dL 증가한다"가 되어야 해요.
연관 개념 정리 (Related Concepts):
-
단순선형회귀(Simple Linear Regression): 독립변수가 하나인 모형. 해석이 더 직관적이에요.
-
표준화 회귀계수(Beta Coefficient): 모든 변수를 표준점수(Z-score)로 변환 후 구한 계수. 단위의 영향이 제거되어 서로 다른 변수 간 영향력 크기를 직접 비교할 수 있어요.
-
다중공선성(Multicollinearity): 독립변수들 간 강한 상관관계로 인해 계수 추정이 불안정해지고 해석이 어려워지는 문제. VIF > 10이면 심각한 다중공선성으로 판단해요.
개념 정리
| 용어 | 의미 | 문제에서의 예시 |
|---|
| 절편(Intercept, β₀) | 모든 독립변수가 0일 때 종속변수의 기대값 | 150.2 mg/dL (해석상 의미는 제한적) |
| 회귀계수(Regression Coefficient, β) | 다른 변수가 고정일 때, 해당 변수 1단위 변화에 따른 Y의 평균 변화량 | β₁(나이)=1.05, β₂(혈압)=0.85 |
| 다중회귀 해석 원칙 | "다른 조건이 동일할 때(other things being equal)" | "혈압이 1 증가하면 콜레스테롤이 0.85 증가" |
한눈에 비교!
| 구분 | 단순선형회귀 계수 | 다중선형회귀 계수 |
|---|
| 의미 | X가 Y에 미치는 총 영향 | 다른 X들을 통제했을 때의 순수 영향(부분 영향) |
| 해석 | "X가 1 증가하면 Y가 β만큼 변화한다." | "다른 모든 변수가 고정일 때, X가 1 증가하면 Y가 β만큼 변화한다." |
| 비교 가능성 | 변수가 하나뿐 | 계수 크기로 직접 비교 불가. 표준화 계수로 비교. |
실무 포인트
보건행정 실무에서 회귀분석은 다음과 같이 활용돼요:
-
병원 경영: 입원일수(Y)에 영향을 미치는 요인(나이, 중증도, 수술 유무 등) 분석.
-
의료보험: 의료비 지출(Y) 예측 모형 개발을 위한 위험요인(만성질환 수, 연령대 등) 규명.
-
공중보건: 지역별 건강 수준 차이(예: 비만율)의 사회경제적 결정요인 분석.
- 보고 시 주의: 계수 해석 시 반드시 "다른 요인을 통제하였을 때"라는 문구를 포함하고, 통계적 유의성(p-value)과 함께 제시해야 해요.
암기 팁
- **다중회귀 계수 해석 공식**: "다른 것들(Other X's)은 그대로 놔두고(This one) X가 1 오르면, Y는 β만큼 오른다."
- **절편 vs 계수**: 절편(Intercept)은 '막대기'처럼 세워져 있는 고정값, 계수(Coefficient)는 '기울기'처럼 변하는 정도.
국시 빈출 포인트
통계 부분은 핵심! 회귀계수 해석, 상관관계 vs 인과관계, 표본추출 방법, 기본 통계량(평균, 중앙값, 표준편차)의 의미와 차이가 자주 출제돼요. 특히 다중회귀에서 "다른 변수가 고정"이라는 조건을 빼먹고 해석하는 오답이 함정으로 많이 나와요.
기출 변형 주의!
1. **계산형**: 표준화 계수(Beta)를 구하라. (원점수 -> Z점수 변환 공식 활용)
2. **사례형**: "나이, 흡연 여부, 운동량을 독립변수로 한 비만도 예측 모형 결과가 주어졌을 때, 흡연자의 비만도를 해석하라." (더미변수(Dummy Variable) 해석 포함)
3. **진위형**: 다중공선성, 잔차의 등분산성 등 회귀분석 가정에 대한 설명 중 옳은 것 고르기.