단순 선형회귀분석에서 최소제곱법(Ordinary Least Squares)의 목적은 무엇인가?

최소제곱법은 실제 관측치(Y_i)와 회귀선으로 추정된 값(Ŷ_i) 사이의 차이인 잔차(e_i)의 제곱합(∑e_i²)을 최소화하는 회귀계수를 추정하는 방법이다.

보건행정 핵심 해설 이 문제는 통계 분석 방법론 중 단순 선형회귀분석(Simple Linear Regression)의 기본 원리를 묻고 있어요. 보건행정 및 병원 경영에서 데이터 분석은 정책 효과 평가, 자원 배분 효율성 분석, 환자 예후 예측 등 다양한 분야에 활용되므로, 그 기초가 되는 회귀분석 원리를 정확히 이해하는 것이 중요해요. 핵심 개념 분석 (Key Concept): 최소제곱법(Ordinary Least Squares, OLS)은 회귀분석에서 가장 널리 사용되는 추정 방법이에요. 회귀분석의 목적은 하나 이상의 독립변수(X)를 이용하여 종속변수(Y)를 가장 잘 설명하는 직선(또는 곡선)을 찾는 것이죠. "가장 잘 설명한다"는 기준을 수학적으로 정의한 것이 바로 OLS예요. 정답 근거 (Answer Rationale): 핵심! OLS의 핵심 목적은 잔차(Residual) 제곱의 합(Sum of Squared Residuals, SSR)을 최소화하는 회귀계수(β)를 찾는 것이에요. 여기서 잔차란, 각 관측치의 실제 Y값과 회귀선이 예측한 Ŷ(와이 햇) 값 사이의 수직 거리를 의미해요. 이 거리(잔차)를 제곱하여 모두 더한 값(∑(Y_i - Ŷ_i)²)을 최소화하는 직선이 바로 "최적의" 회귀선이 됩니다. 따라서 "관측값과 회귀선 사이의 수직 거리 제곱의 합을 최소화한다"는 설명이 OLS의 정의와 정확히 일치해요. 오답 분석 (Distractor Analysis):
혼동 주의! ①번 '독립변수들의 분산을 최대화한다': 이는 주성분 분석(PCA) 등 차원 축소 기법의 목적이에요. 회귀분석은 독립변수의 분산을 다루기보다는 독립변수와 종속변수 간의 관계를 모델링하는 데 초점을 맞춥니다.
③번 '상관계수의 절대값을 최대화한다': 상관계수(r)는 두 변수 간 선형 관계의 강도와 방향을 나타내지만, 회귀분석의 목표는 상관계수를 최대화하는 것이 아니라 오차를 최소화하는 최적의 예측선을 찾는 것이에요.
④번 '종속변수의 평균을 정확히 추정한다': 회귀선은 종속변수의 조건부 평균(Conditional Mean)을 추정합니다. 즉, X가 주어졌을 때 Y의 평균값을 추정하는 것이지, 단순히 Y의 전체 평균을 추정하는 것은 아니에요. 이는 OLS의 결과물이지 목적 자체는 아닙니다.
⑤번 '잔차의 합을 0으로 만든다': OLS 방법으로 추정된 회귀선은 잔차의 합이 0이라는 성질을 가집니다. 하지만 이는 OLS가 만족시키는 여러 수학적 성질 중 하나일 뿐, OLS의 추정 목적이나 정의는 아니에요. 목적은 "제곱의 합"을 최소화하는 것입니다. 연관 개념 정리 (Related Concepts): - 잔차(Residual, e): e_i = Y_i - Ŷ_i (실제값 - 예측값) - 잔차제곱합(Sum of Squared Residuals, SSR): ∑e_i². OLS는 이를 최소화합니다. - 결정계수(R-squared, R²): 회귀모형이 종속변수의 변동을 얼마나 잘 설명하는지 나타내는 지표로, 0에서 1 사이의 값을 가집니다. 개념 정리

용어	의미	비고
최소제곱법(OLS)	잔차 제곱의 합(SSR)을 최소화하여 회귀계수를 추정하는 방법	회귀분석의 가장 기본적이고 일반적인 추정법
잔차(Residual)	관측값(Y)과 회귀선 예측값(Ŷ)의 차이 (수직 거리)	모델의 오차를 나타냄
회귀계수(β)	독립변수가 종속변수에 미치는 영향의 크기와 방향	OLS로 추정되는 값

한눈에 비교!

분석 방법	주요 목적	OLS와의 관계
회귀분석 (Regression)	변수 간 인과/예측 관계 모델링	OLS는 회귀계수 추정을 위한 방법론
상관분석 (Correlation)	변수 간 관계의 강도와 방향 측정	관계를 수치화하지만, 예측선을 구하지는 않음
주성분분석 (PCA)	데이터의 차원 축소, 변수 변환	분산을 최대화하는 새로운 축을 찾는 것이 목적

실무 포인트 보건행정 실무에서 회귀분석은 예를 들어, '병상 수(X1), 의사 수(X2)가 병원 매출(Y)에 미치는 영향 분석', '환자 만족도에 영향을 주는 요인 분석', '지역별 의료비 지출 예측 모형 개발' 등에 활용될 수 있어요. OLS로 분석할 때는 선형성, 독립성, 등분산성, 정규성이라는 기본 가정을 만족하는지 먼저 확인하는 절차가 필수적이에요. 암기 팁 "제곱 최소"라는 키워드로 기억하세요! Ordinary Least Squares → 최소(Least)로 만드는 것은 제곱(Squares)의 합입니다. 국시 빈출 포인트 통계 파트에서 OLS의 정의는 기본 중의 기본으로 출제됩니다. "잔차의 합을 0으로 만든다"는 성질과 "잔차 제곱의 합을 최소화한다"는 목적을 혼동하지 않도록 주의하세요. 또한, 결정계수(R²)의 의미나 회귀계수의 해석과 결합된 문제도 나올 수 있어요. 기출 변형 주의! "최소제곱법으로 추정된 회귀선이 반드시 만족하는 성질은?" (정답: 잔차의 합이 0) 같은 형태로 변형 출제될 수 있어요. 정의(목적)와 성질을 구분해서 공부해야 합니다.

보건행정 실무 가이드 실무 시나리오 (Clinical Scenario): "병원 기획팀에서 최근 5년간 외래 환자 수와 병원 총 매출 데이터를 분석하여, 내년도 예산을 보다 과학적으로 편성하려고 해요. 두 변수 간의 관계를 파악하기 위해 단순 선형회귀분석을 시행했어요. 분석 결과, 회귀계수는 양수로 나왔고 결정계수(R²)는 0.85였습니다. 이 결과를 어떻게 해석하고, 예산 편성에 어떻게 반영해야 할까요?" 행정 중재 전략 (Admin Intervention): 1. 상황 파악: 독립변수(X) = '외래 환자 수', 종속변수(Y) = '총 매출'로 설정한 회귀분석 결과를 평가합니다. 2. 결과 해석: - 핵심! 회귀계수가 양수: 외래 환자 수가 증가할수록 총 매출도 증가하는 정적 관계가 있음을 의미해요. - 결정계수 R²=0.85: 총 매출 변동의 약 85%가 외래 환자 수의 변동으로 설명된다는 뜻이에요. 모형의 설명력이 매우 높다고 볼 수 있어요. 3. 실무 적용: 내년도 외래 환자 수 전망(예측치)을 이 회귀모형에 대입하면, 예상 매출액을 산출할 수 있어요. 이 예상 매출액을 기반으로 인건비, 물자비, 장비 투자 등 세부 예산을 보다 합리적으로 배분할 수 있게 됩니다. 4. 주의사항: 회귀분석은 인과 관계를 증명하지는 않습니다. 상관 관계를 보여줄 뿐이에요. 또한, 과거 데이터의 패턴이 미래에도 동일하게 유지될 것이라는 가정이 필요하므로, 팬데믹 같은 외부 충격이 있을 경우 모형의 예측력이 떨어질 수 있어요. 업무 프로토콜 1. 데이터 수집 및 전처리: 정확한 기간별 환자 수와 매출 데이터 확보. 2. 분석 도구 선택: Excel, SPSS, R, Python 등 통계 소프트웨어 활용. 3. 회귀분석 수행: OLS 방법으로 회귀계수 추정 및 모형 적합도(R²) 확인. 4. 가정 검정: 잔차 분석을 통해 OLS 기본 가정 위반 여부 확인 (중요!). 5. 결과 보고 및 의사결정 지원: 분석 결과를 직관적인 언어와 차트로 변환하여 경영진에게 보고. 선배의 한마디 "데이터는 현대 병원 경영의 핵심 자산이에요. 회귀분석 같은 기본적인 통계 방법을 이해하면, 단순한 '느낌'이나 '경험'이 아닌, '숫자와 증거'에 기반한 의사결정을 할 수 있어요. OLS의 원리를 이해하면 분석 결과를 맹신하지 않고, 그 한계도 정확히 파악할 수 있는 전문가가 될 거예요!"