단순 선형회귀분석에서 독립변수 X가 종속변수 Y에 미치는 영향력을 나타내는 모수는 무엇인가?

단순 선형회귀식 Y = β0 + β1X + ε에서 β1은 독립변수 X의 단위 변화에 따른 종속변수 Y의 평균 변화량을 나타내는 회귀계수이다.

보건행정 핵심 해설 이 문제는 통계 분석 기법 중 단순 선형회귀분석(Simple Linear Regression Analysis)의 기본 구조와 구성 요소를 이해하고 있는지 묻는 기본적인 문제예요. 보건행정 및 병원 경영에서 데이터 분석은 정책 효과 평가, 자원 배분 효율성 분석, 환자 만족도 예측 등 다양한 분야에 활용되는 핵심 도구입니다. 핵심 개념 분석 (Key Concept): 단순 선형회귀분석은 하나의 독립변수(Independent Variable, X)와 하나의 종속변수(Dependent Variable, Y) 사이의 선형 관계를 모델링하는 통계 방법이에요. 기본 모델은 Y = β₀ + β₁X + ε로 표현됩니다. 여기서 핵심! 회귀계수(β₁)는 독립변수 X가 한 단위 변화할 때 종속변수 Y가 평균적으로 얼마나 변화하는지를 나타내는, 바로 그 '영향력'을 수치화한 모수(Parameter)입니다. 정답 근거 (Answer Rationale): 정답은 ① '회귀계수'입니다. 문제에서 묻는 "독립변수 X가 종속변수 Y에 미치는 영향력을 나타내는 모수"는 수학적 정의에 따라 회귀계수(Regression Coefficient, β₁)가 명확한 정답이에요. 보건 데이터 분석에서 예를 들어, '진료 시간(X)'이 '환자 만족도 점수(Y)'에 미치는 영향을 분석할 때, 회귀계수 β₁의 값(예: +0.5)은 진료 시간이 1분 증가할 때 만족도 점수가 평균적으로 0.5점 증가한다는 영향을 정량적으로 보여줍니다. 오답 분석 (Distractor Analysis):
혼동 주의! ②번 '잔차(Residual, ε)'는 관측값(Y)과 회귀선으로 예측된 값(Ŷ) 사이의 차이, 즉 오차를 말해요. 영향력이 아니라 모델이 설명하지 못하는 부분입니다.
③번 '절편(Intercept, β₀)'은 독립변수 X가 0일 때 종속변수 Y의 평균값을 의미해요. X의 영향력과는 직접적인 관련이 없는 상수항입니다.
④번 '상관계수(Correlation Coefficient, r)'는 두 변수 간 선형 관계의 방향과 강도를 나타내지만, 인과 관계나 영향력의 크기를 나타내지는 않아요. 회귀계수(β₁)와 부호는 일치할 수 있지만, 개념과 단위가 다릅니다.
⑤번 '결정계수(Coefficient of Determination, R²)'는 회귀 모형이 종속변수의 변동을 얼마나 잘 설명하는지 나타내는 설명력의 지표(0~1)입니다. 개별 변수의 영향력 자체를 나타내는 계수는 아닙니다. 연관 개념 정리 (Related Concepts): - 회귀계수(β₁)의 해석: β₁ > 0 이면 양의 영향, β₁ < 0 이면 음의 영향. 통계적 유의성은 p-value로 판단합니다. - 다중 선형회귀(Multiple Linear Regression): 독립변수가 여러 개일 때 사용. 각 독립변수마다 고유의 회귀계수를 가져요. - 표준화 회귀계수(Beta Coefficient): 변수들을 표준화(Z-score)한 후의 회귀계수로, 서로 다른 단위를 가진 변수들의 상대적 영향력 크기를 비교할 때 사용해요. 개념 정리

용어	기호	의미	역할
회귀계수	β₁	X 한 단위 변화에 따른 Y의 평균 변화량	독립변수의 영향력 측정
절편	β₀	X=0일 때 Y의 평균값	회귀선의 위치 결정
잔차	ε	관측값(Y) - 예측값(Ŷ)	모델의 오차(설명되지 않는 부분)
상관계수	r	-1 ~ +1 사이의 값, 선형 관계의 방향과 강도	변수 간 연관성 측정
결정계수	R²	0 ~ 1 사이의 값, 종속변수 변동의 설명 비율	모델의 설명력/적합도 평가

한눈에 비교!

비교 항목	회귀계수 (β₁)	상관계수 (r)
핵심 의미	인과적 영향력 (X가 Y를 변화시키는 정도)	선형적 연관성 (X와 Y가 함께 움직이는 정도)
방향성	인과 방향 가정 (X → Y)	방향성 없음 (X ↔ Y, 상호 연관)
단위	Y의 단위 / X의 단위 (의미 있는 단위)	무차원 수치 (단위 없음)
보건행정 활용 예	예방 프로그램 투자금(X)이 건강 지표(Y) 개선에 미치는 효과 크기 추정	병상 수와 평균 재원일수 간의 관계 강도 측정

실무 포인트 보건행정 현장에서 회귀분석은 주로 정책 효과 분석, 자원 요인 분석, 수요 예측에 사용됩니다.
1. 분석 절차: 가설 설정 → 데이터 수집 및 정제 → 회귀모형 구축 → 회귀계수(β₁) 추정 및 유의성 검정(p-value) → 결과 해석 및 보고.
2. 주의사항: 회귀계수가 통계적으로 유의하다고(p < 0.05) 해서 반드시 인과 관계를 증명하는 것은 아닙니다. 혼동변수(Confounding Variable)의 존재 가능성을 항상 고려해야 해요.
3. 보고 예시: "진료 접근성 점수(X)가 1점 향상될 때, 지역 주민의 만성질환 관리율(Y)은 평균 0.15%p 증가하는 것으로 분석되었습니다(β₁ = 0.15, p < 0.01)." 암기 팁 "회귀계수는 영향력, 상관계수는 친밀도"라고 생각하세요. 회귀계수는 한 변수가 다른 변수를 '얼마나 변화시키는지'(영향력)이고, 상관계수는 두 변수가 '얼마나 함께 움직이는지'(친밀도/연관성)를 나타냅니다. 공식 Y = β₀ + β₁X에서 X 앞에 붙는 것이 β₁, 즉 회귀계수임을 기억하세요. 국시 빈출 포인트 이 주제는 보건통계학 또는 병원 경영과학 영역에서 기본 용어 정의를 묻는 형태로 자주 출제됩니다. 회귀계수, 상관계수, 결정계수의 정의와 차이점을 명확히 구분할 수 있어야 해요. 특히 "영향력을 나타내는 것은?"이라는 질문에는 반드시 회귀계수를 선택하세요. 기출 변형 주의! 동일한 개념을 다음과 같이 변형하여 출제될 수 있어요.
사례형: "어느 보건소에서 건강교육 횟수와 혈압 강하량의 관계를 분석한 결과, 회귀식이 Ŷ = 10 - 0.8X로 나왔다. 건강교육 1회 추가 시 혈압은 평균 얼마나 변화하는가?" (정답: 0.8 감소)
참/거짓형: "단순 선형회귀에서 결정계수(R²)는 독립변수가 종속변수에 미치는 영향의 크기를 나타낸다." (정답: 거짓, 영향력 크기는 회귀계수가 나타냄)

보건행정 실무 가이드 실무 시나리오 (Clinical Scenario): "병원 기획팀에서 외래 환자 수 예측 모델을 개발 중입니다. 과거 데이터를 분석하여 '지역 노인 인구 비율(X)'과 '당원 외래 환자 수(Y)'의 관계를 단순 선형회귀분석으로 모델링했습니다. 분석 결과 회귀계수(β₁)가 2.5로 추정되었고, p-value는 0.001로 매우 유의했습니다. 이 결과를 가지고 병원장님께 자원 계획을 어떻게 보고해야 할까요?" 행정 중재 전략 (Admin Intervention): 1. 상황 파악: 회귀계수 β₁=2.5는 "지역 노인 인구 비율이 1%p 증가할 때, 당원 외래 환자 수가 평균 2.5명 증가한다"는 인과적 영향력을 나타냅니다. p-value의 유의성은 이 관계가 우연이 아닐 확률이 높음을 의미해요. 2. 법적/규정 검토: 통계 분석 결과 보고에는 핵심! 회귀계수의 실질적 의미 해석과 함께 모델의 설명력(R²), 신뢰구간을 함께 제시해야 결과를 과대 해석하는 오류를 피할 수 있습니다. 3. 대응 및 처리: 기획팀은 다음과 같이 보고서를 작성할 수 있습니다. "분석 결과, 노인 인구 비율 증가는 외래 환자 수 증가에 통계적으로 유의한 양의 영향을 미치는 것으로 확인되었습니다(β₁ = 2.5, p < 0.01). 이 모델은 환자 수 변동의 약 40%를 설명합니다(R² = 0.40). 따라서 인구 고령화가 예상되는 A지역에 신규 노인 전문 클리닉 개설 및 관련 인력 증원을 제안합니다." 4. 사후 기록/보고: 분석 가정, 사용 데이터 출처, 분석 방법(단순 선형회귀)을 명시하여 보고서에 첨부합니다. 이는 향후 검증이나 모델 업데이트 시 기준이 됩니다. 법적 안전 및 주의사항 (Precautions): - 혼동 주의! 회귀분석은 상관 관계를 인과 관계로 오해하게 만들 수 있습니다. 노인 인구 증가와 환자 수 증가 사이에 실제로는 제3의 요인(예: 해당 지역 전체 의료 시설 부족)이 영향을 줄 수 있어요. - 분석 결과를 바탕으로 한 대규모 자원 투자 결정 전에는 반드시 다양성 분석(Sensitivity Analysis)이나 다른 예측 모델과의 비교를 통해 결과의 견고성(Robustness)을 확인해야 합니다. 업무 프로토콜 회귀분석 결과를 활용한 보건 정책/자원 계획 수립 프로토콜 1. 문제 정의 및 가설 설정: 분석 목적 명확화 (예: "어떤 요인이 환자 만족도에 가장 큰 영향을 미치는가?") 2. 데이터 준비: 관련 변수(종속변수 Y, 독립변수 후보 X들) 데이터 수집, 결측치/이상치 처리. 3. 모델 구축 및 분석: 통계 소프트웨어(SPSS, R, SAS)를 이용한 회귀분석 수행. 회귀계수(β), p-value, R² 값 확인. 4. 결과 해석 및 보고: - 통계적 유의성(p-value) 검토. - 회귀계수의 실질적 의미 해석 (단위 변화에 따른 효과 크기). - 모델 설명력(R²) 평가. - 신뢰구간 제시. 5. 의사결정 지원: 분석 결과를 바탕으로 정책 대안 또는 자원 배분 방안 제안. 선배의 한마디 "데이터는 현대 보건행정의 핵심 자산이에요. 회귀분석 같은 통계 도구는 그 데이터에서 의미 있는 인사이트를 뽑아내는 '해석 도구'입니다. 회귀계수 하나의 숫자 뒤에는 '왜 이런 관계가 생겼을까?'라는 깊은 질문이 따라와야 해요. 단순히 숫자 읽는 것을 넘어, 그 숫자가 보건 현장과 병원 경영에 어떤 함의를 가지는지 생각하는 것이 진정한 데이터 리터러시(Data Literacy)입니다. 건강보험 빅데이터 분석, 지역 보건 사업 평가 등에서 이 기본기가 빛을 발할 거예요!"