회귀분석에서 잔차(Residual)에 대한 설명으로 옳은 것은?

잔차(e_i = Y_i - Ŷ_i)는 실제 관측값(Y_i)과 회귀모형으로 추정된 예측값(Ŷ_i)의 차이를 의미하며, 모형의 적합도를 평가하는 데 중요한 정보를 제공한다.

보건행정 핵심 해설 이 문제는 회귀분석의 기본 개념 중 잔차(Residual)의 정의와 역할을 묻고 있어요. 보건행정학에서 통계 분석은 정책 효과 평가, 의료 자원 수요 예측, 병원 경영 지표 분석 등 다양한 분야에 활용되기 때문에, 기본 개념을 정확히 이해하는 것이 중요해요. 핵심 개념 분석 (Key Concept) 잔차(Residual)는 회귀분석 모형이 실제 데이터를 얼마나 잘 설명하지 못하는지, 즉 '설명되지 않는 부분'을 나타내는 지표예요. 핵심! 이는 관측된 종속변수(Y)의 실제 값에서 회귀식에 의해 예측된 종속변수(Ŷ)의 값을 뺀 차이로 정의돼요. 수식으로는 e_i = Y_i - Ŷ_i 로 표현해요. 정답 근거 (Answer Rationale) 정답은 ③번이에요. 그 이유는 위에서 설명한 잔차의 정의와 정확히 일치하기 때문이에요. 회귀분석의 목적은 이 잔차의 제곱합(SSE, Sum of Squares for Error)을 최소화하는 회귀계수를 찾는 것(최소제곱법, Ordinary Least Squares)이에요. 잔차 분석을 통해 모형의 가정(선형성, 등분산성, 독립성, 정규성)이 충족되는지 검토할 수 있어요. 오답 분석 (Distractor Analysis) 혼동 주의! 각 오답이 왜 틀린지 살펴볼게요. ① "독립변수의 실제 값과 평균 값의 차이이다.": 이는 독립변수의 편차(Deviation)를 설명한 것이에요. 잔차는 종속변수에 관한 개념이에요. ② "항상 정규분포를 따르도록 강제 변환해야 한다.": 회귀분석의 가정 중 하나는 잔차가 정규분포를 따른다는 것이지만, 이는 가정일 뿐 항상 강제 변환해야 하는 것은 아니에요. 변환은 가정이 위배될 때 고려하는 방법 중 하나일 뿐이에요. ④ "표준화된 회귀계수를 계산하는 데 사용된다.": 표준화 회귀계수(베타 계수)는 원자료를 표준화(Z-score)한 후 회귀분석을 실시해 계산해요. 잔차 자체가 직접적인 계산에 사용되지는 않아요. ⑤ "모형의 결정계수를 계산할 때 필요하지 않다.": 이 설명은 정반대예요. 결정계수(R²)는 총 변동(SST) 중 회귀모형으로 설명되는 변동(SSR)의 비율로, 설명되지 않는 변동인 잔차제곱합(SSE)을 이용해 간접적으로 계산됩니다 (R² = 1 - SSE/SST). 따라서 잔차는 결정계수 계산에 필수적인 정보를 제공해요. 연관 개념 정리 (Related Concepts) 잔차와 함께 알아야 할 중요한 개념은 오차(Error)예요. 오차는 모집단의 실제 관계와 표본 회귀식 간의 차이(이론적 개념)인 반면, 잔차는 표본 데이터로 적합한 회귀식과의 차이(관측 가능한 값)라는 점에서 미묘한 차이가 있어요. 또한, 잔차의 분산을 추정하는 것은 표준오차(Standard Error) 계산과 모형의 예측 정밀도를 평가하는 데 중요해요. 개념 정리

용어	정의	공식/의미
잔차(Residual)	관측값과 회귀 예측값의 차이	e_i = Y_i - Ŷ_i (설명되지 않는 변동)
잔차제곱합(SSE)	잔차의 제곱을 모두 합한 값	∑(Y_i - Ŷ_i)², 최소화 대상
총제곱합(SST)	종속변수 관측값과 평균의 차이 제곱합	∑(Y_i - Ȳ)² (총 변동)
회귀제곱합(SSR)	예측값과 평균의 차이 제곱합	∑(Ŷ_i - Ȳ)² (설명된 변동)
결정계수(R²)	회귀모형의 설명력	R² = SSR/SST = 1 - SSE/SST

한눈에 비교!

구분	잔차(Residual)	오차(Error)	편차(Deviation)
정의	표본 회귀선과 관측값의 차이	모집단 회귀선과 관측값의 차이 (이론적)	관측값과 평균의 차이
특징	관측 가능, 모형 적합도 평가용	관측 불가, 모형의 가정 대상	분산/표준편차 계산의 기초
주요 사용처	잔차도 분석, 이상치 탐지	통계적 추정 이론	기술통계량 계산

실무 포인트 보건행정 실무에서 회귀분석은 병원 입원 환자 수 예측, 지역별 의료비 지출 영향 요인 분석, 신규 정책(예: 본인부담상한제(Out-of-pocket maximum) 조정)의 효과 평가 등에 활용돼요. 분석 후 반드시 잔차도를 확인해야 해요. 잔차가 무작위로 분포하지 않고 패턴을 보이면 모형 선형성 가정 위반, 잔차의 분산이 일정하지 않으면 등분산 가정 위반일 수 있어요. 이러한 문제는 예측의 신뢰성을 떨어뜨리므로 모형을 수정하거나 변수 변환을 고려해야 해요. 암기 팁 잔차는 '남은 차이'라는 뜻이에요. 회귀선이라는 '예측 모델'로 설명하고도 남은, 즉 설명되지 않는 부분의 차이라고 생각하면 쉽게 기억할 수 있어요. "실제 값(Y) - 예측 값(Ŷ) = 잔차(e)"라는 공식은 매우 직관적이에요. 국시 빈출 포인트 보건의료정보관리사/병원행정사 시험에서는 잔차의 정의와 결정계수(R²)의 의미를 연결 지어 출제하는 경우가 많아요. "잔차제곱합(SSE)이 클수록 결정계수는 어떻게 되는가?" (정답: 작아진다) 같은 형태로 물어보기도 해요. 잔차의 가정(정규성, 등분산성 등)을 검토하는 방법(잔차도, Q-Q plot)도 함께 복습하세요. 기출 변형 주의! 동일한 개념을 다음과 같이 변형하여 출제될 수 있어요. - 사례형: "병원 매출액(Y)을 광고비(X)로 예측하는 회귀모형을 만들었다. 특정 월의 실제 매출액이 1억 원, 예측 매출액이 1.2억 원일 때 잔차는 얼마인가?" (정답: -0.2억 원) - 서술형: "잔차 분석을 통해 확인하고자 하는 회귀분석의 기본 가정 3가지를 쓰시오." (정답: 선형성, 등분산성, 독립성 - 정규성 포함 4가지로 묻기도 함)

보건행정 실무 가이드 실무 시나리오 (Clinical Scenario) "보건소에서 지역 주민의 당뇨병 유병률에 영향을 미치는 요인을 분석하기 위해 회귀분석을 실시하려고 해요. 연령, 소득 수준, 운동 빈도 등을 독립변수로, 당화혈색소(HbA1c) 수치를 종속변수로 설정했어요. 분석 결과를 검토하는 과정에서 잔차 분석을 어떻게 수행하고, 그 결과를 어떻게 해석해야 할까요?" 행정 중재 전략 (Admin Intervention) 1. 상황 파악: 회귀분석 결과, 결정계수(R²)는 0.45로 나왔어요. 모형이 데이터 변동의 45%를 설명한다는 의미지만, 나머지 55%는 설명되지 않은 상태예요. 2. 법적/규정 검토: 통계 분석 자체에 법적 규정은 없지만, 결과 해석과 정책 제안의 타당성을 위해 통계학적 원칙을 준수해야 해요. 3. 대응 및 처리: - 핵심! 잔차도(Residual Plot) 생성: 가로축을 예측값(Ŷ), 세로축을 잔차(e)로 하는 산점도를 그려요. - 패턴 확인: 잔차들이 무작위로 0 주위에 분포하는가? 특정한 곡선 패턴(깔때기 모양 등)을 보이는가? - 해석 및 조치: * 패턴 없이 무작위 분포: 모형의 선형성 가정이 적절할 가능성이 높아요. * 곡선 패턴: 비선형 관계가 있을 수 있으므로, 변수 변환(로그, 제곱근)이나 비선형 모형을 고려해요. * 깔때기 모양(분산 증가): 등분산 가정 위반. 가중최소제곱법(Weighted Least Squares)을 적용하거나 변수 변환을 검토해요. 4. 사후 기록/보고: 분석 보고서에 회귀계수, p-value, 결정계수와 함께 잔차 분석 결과 및 모형 가정 검토 내용을 반드시 포함해야 해요. 이는 분석 결과의 신뢰성을 입증하는 중요한 근거가 돼요. 법적 안전 및 주의사항 (Precautions) 통계 분석 결과를 공표하거나 정책 근거로 사용할 때는 과도한 인과 관계 주장을 피해야 해요. 회귀분석은 상관 관계를 보여줄 뿐, 인과 관계를 증명하지는 않아요. 또한, 개인정보보호법(PIPA)에 따라 분석에 사용된 개인 데이터는 익명화 처리해야 하며, 분석 목적 외 사용을 금지해야 해요. 업무 프로토콜 회귀분석 및 잔차 검토 프로토콜 1. 목적 설정: 분석 목표(예측? 요인 탐색?)와 변수 선정. 2. 데이터 전처리: 결측치 처리, 이상치 확인, 변수 스케일링 고려. 3. 모형 적합: 통계 소프트웨어(R, SPSS, SAS)를 이용한 회귀분석 수행. 4. 잔차 분석 (필수 단계): - 잔차도, Q-Q plot(정규성), 자기상관 함수도(시계열 데이터) 확인. - Shapiro-Wilk 검정 등 정규성 검정 수행. 5. 모형 수정: 가정 위반 시 변수 변환, 모형식 변경, 다른 회귀 기법(예: 능형회귀) 검토. 6. 결과 보고: 최종 모형의 계수, 유의성, 설명력(R², 수정 R²)과 함께 잔차 분석 결과 요약 제시. 선배의 한마디 "보건행정에서 데이터는 말을 해요. 하지만 그 목소리를 제대로 듣기 위해서는 회귀분석과 같은 통계 도구를 정확히 이해하고 사용해야 해요. 잔차는 모형이 '잘못 듣고 있는 부분'을 알려주는 신호예요. 이 신호를 무시하고 계수와 p-value만 보면 완전히 잘못된 결론에 도달할 수 있어요. 모형을 진단하는 의사처럼 잔차를 꼼꼼히 분석하는 습관을 들이세요!"