다중선형회귀모형의 적합성을 평가할 때, 독립변수의 수가 많아질수록 일반적으로 증가하는 결정계수(R²)의 단점을 보완하기 위해 사용되는 지표는?

수정된 결정계수(Adjusted R²)는 모형에 유의미하지 않은 변수가 추가될 때 패널티를 주어, 변수의 수를 고려한 모형의 설명력을 평가한다. 따라서 R²와 달리 불필요한 변수 추가 시 감소할 수 있다.

보건행정 핵심 해설 이 문제는 보건통계 및 연구방법론에서 모형 적합도를 평가하는 핵심 지표에 대한 이해를 묻고 있어요. 특히, 다중선형회귀분석(Multiple Linear Regression)에서 변수를 무분별하게 추가할 때 발생하는 문제와 그 해결책을 알아야 해요. 핵심 개념 분석 (Key Concept) 핵심! 결정계수(R-squared, R²)는 종속변수의 변동 중 독립변수들로 설명 가능한 비율을 나타내는 지표예요. 그러나 R²는 독립변수의 수가 증가하면 무조건 증가하는 성질이 있어요. 이는 통계적으로 유의미하지 않은 변수를 추가해도 모형의 설명력이 높아지는 것처럼 보이는 착시를 일으키죠. 이를 혼동 주의! 과적합(Overfitting)의 위험 신호로 볼 수 있어요. 따라서, 변수의 수를 고려하여 패널티를 부여하는 지표가 필요해요. 정답 근거 (Answer Rationale) 정답은 수정된 결정계수(Adjusted R²)입니다. Adjusted R²는 R² 공식에 독립변수의 개수(k)와 표본 크기(n)를 고려한 패널티 항을 도입해요. 공식은 다음과 같아요: Adjusted R² = 1 - [(1-R²)(n-1)/(n-k-1)]. 따라서, 설명력이 거의 없는 변수를 추가하면 k가 증가하여 Adjusted R² 값이 감소할 수 있어요. 이는 변수 선택과 모형 비교에 훨씬 더 유용한 지표를 만들어 줍니다. 오답 분석 (Distractor Analysis) 혼동 주의! 다른 선택지들은 모형 평가와 관련이 있지만, 문제에서 요구하는 "R²의 단점을 보완"하는 특수한 목적에 부합하지 않아요.
① F-통계량: 전체 회귀모형이 통계적으로 유의미한지(즉, 모든 회귀계수가 0인지 검정)를 평가하는 지표예요. 개별 변수의 영향이나 R²의 단점 보완과는 직접적인 관련이 없어요.
② AIC(Akaike Information Criterion): 이 지표도 변수 수에 대한 패널티를 주어 모형을 비교하는 데 사용되요. Adjusted R²와 목적이 유사하지만, 문제에서 명시적으로 "R²의 단점을 보완하기 위해 사용되는 지표"라고 했을 때, 가장 직접적이고 대표적인 답은 Adjusted R²입니다. AIC는 정보이론에서 유래한 지표로, 값이 작을수록 좋은 모형으로 판단해요.
③ 평균제곱오차(MSE, Mean Squared Error): 모형의 예측 정확도를 평가하는 지표로, 잔차의 크기를 평균낸 값이에요. R²와 관련은 있지만, R²의 단점(변수 수 증가에 따른 증가)을 직접적으로 보완하는 지표는 아니에요.
④ 잔차제곱합(SSE, Sum of Squared Errors): 모형이 설명하지 못하는 오차의 총합이에요. SSE는 R² 계산의 구성 요소이지만, 단독으로는 모형 비교나 R²의 단점 보완 지표로 사용되지 않아요. 연관 개념 정리 (Related Concepts) 모형 선택 기준(Model Selection Criteria)에는 Adjusted R² 외에도 BIC(Bayesian Information Criterion), Mallow's Cp 등이 있어요. 모두 적은 변수로 좋은 예측력을 내는 간명한 모형(parsimonious model)을 선호하는 방향으로 설계되었답니다. 개념 정리

지표	의미	특징
결정계수 (R²)	종속변수 변동의 설명 비율	변수 수 증가 시 무조건 증가 (단점)
수정된 결정계수 (Adjusted R²)	변수 수를 고려한 설명 비율	불필요한 변수 추가 시 감소 가능 (R² 단점 보완)
AIC / BIC	모형의 적합도와 복잡도에 대한 정보량 기준	값이 작을수록 좋은 모형, 모형 비교에 용이

한눈에 비교!

비교 항목	R²	Adjusted R²
변수 수 영향	항상 증가하거나 유지	감소할 수 있음 (패널티)
주요 용도	단일 모형의 설명력 확인	서로 다른 변수를 가진 모형들 간 비교
값 범위	0 ~ 1	음수값 가능 (설명력 매우 낮을 때)

실무 포인트 보건행정이나 의료연구에서 위험요인 분석이나 결과 예측 모형을 개발할 때, Adjusted R²는 필수 확인 지표예요. 예를 들어, 환자의 재원일수를 예측하는 모형을 만들 때, 나이, 성별, 중증도 외에 의미 없는 변수(예: 혈액형)를 추가하면 R²는 살짝 오르지만 Adjusted R²는 떨어질 거예요. 이는 "그 변수는 모델에 필요 없다"는 강력한 신호가 됩니다. 암기 팁 "R²는 변수 늘면 무조건 Up, Adjusted R²는 의미 없으면 Down!"
"Adjusted는 조정된, 변수 개수 조정(패널티) 고려한 R²" 국시 빈출 포인트 통계 및 연구방법론 파트에서 회귀분석의 가정 및 진단과 함께 모형 적합도 지표의 의미와 선택 기준이 자주 출제돼요. R²와 Adjusted R²의 차이, 언제 어떤 지표를 사용해야 하는지는 반드시 구분해서 알아두세요. 기출 변형 주의! 이 개념은 "다음 중 변수의 수가 증가할 때 감소할 수 있는 지표는?" 또는 "AIC와 Adjusted R²의 공통점은?" 같은 형태로 변형 출제될 수 있어요. 모든 지표의 본질적인 목적(모형 비교, 설명력 평가, 예측 오차 평가)을 이해하면 변형 문제에도 대응할 수 있어요.

보건행정 실무 가이드 실무 시나리오 (Clinical Scenario) "병원 기획팀에서 입원 환자의 평균 재원일수(LOS, Length of Stay)를 줄이기 위한 프로젝트를 진행 중이에요. 여러 가지 잠재적 영향 요인(나이, 수술 유무, 동반질환 수, 입원 경로 등)을 데이터로 수집했고, 어떤 요인들이 실제로 재원일수에 유의미한 영향을 미치는지 분석하려고 해요. 분석 담당자가 처음 내놓은 회귀분석 결과, R² 값은 꽤 높게 나왔지만 모형에 포함된 변수가 15개나 되요." 행정 중재 전략 (Admin Intervention) 1. 상황 파악: 높은 R² 값만 보고 "모형이 훌륭하다"고 결론 내리기에는 변수가 너무 많아요. 불필요한 변수가 포함되어 과적합되었을 가능성이 있어요. 2. 법적/규정 검토: 통계학적 모형 선택 원칙에 따라, 간명하면서도 설명력 있는 모형을 선호해야 해요. 3. 대응 및 처리: 분석 담당자에게 핵심! Adjusted R² 값을 확인하도록 요청해요. 만약 15개 변수 모형의 Adjusted R²가, 예를 들어 5개의 핵심 변수만 있는 더 간단한 모형의 Adjusted R²보다 낮다면, 후자의 모형이 더 나은 모형이라고 판단할 수 있어요. 또는 AIC 값을 비교하는 방법도 사용해요. 4. 사후 기록/보고: 최종 보고서에는 R² 값과 함께 Adjusted R² 값을 반드시 병기하고, 변수 선택의 근거(Adjusted R² 또는 AIC 비교 결과)를 명시해야 해요. 이렇게 해야 경영진에게 제시하는 정책 권고안(예: "동반질환 수 관리에 집중하라")의 신뢰도가 높아집니다. 법적 안전 및 주의사항 (Precautions) 연구 결과를 공표하거나 정책 근거로 사용할 때, 통계적 유의성만 강조하고 모형의 적절성을 평가하지 않으면 잘못된 결론을 도출할 위험이 있어요. 이는 자원 배분의 오류로 이어질 수 있으니 주의해야 해요. 업무 프로토콜 회귀분석 모형 평가 프로토콜 1. 1단계: 기본 모형 적합 - 모든 후보 변수를 포함한 모형을 적합하고 R², Adjusted R², AIC를 기록. 2. 2단계: 변수 선택 - 단계적 선택법(Stepwise), 전진 선택법(Forward), 후진 제거법(Backward) 등을 사용하거나, 전문가 의견을 반영해 여러 모형 후보 생성. 3. 3단계: 모형 비교 - 각 후보 모형의 Adjusted R² (높을수록 좋음) 또는 AIC (낮을수록 좋음)를 비교. 4. 4단계: 최종 선정 및 해석 - 최적 모형을 선정하고, 회귀계수의 통계적 유의성(p-value)과 실질적 의미를 해석. 선배의 한마디 "보건행정에서 데이터 분석은 결국 '의사결정'을 돕는 도구예요. R²가 0.9라도 Adjusted R²가 낮고 변수가 20개라면, 그 모형은 현장에서 쓰기 어려운 '보기 좋은 허수아비'에 불과할 수 있어요. 진짜 유용한 통찰은 간결하고 강력한 모형에서 나온다는 걸 기억하세요. Adjusted R²는 그런 모형을 가려내는 훌륭한 필터랍니다!"