단순 선형회귀분석의 가정으로 옳지 않은 것은?

단순 선형회귀의 기본 가정은 선형성(linearity)으로, X와 Y의 관계가 선형(직선)이라고 가정한다. 비선형 관계는 선형회귀 모형의 가정을 위반한다.

보건행정 핵심 해설 이 문제는 보건통계학 및 연구방법론의 기초인 단순 선형회귀분석(Simple Linear Regression Analysis)의 기본 가정을 묻고 있어요. 회귀분석은 병원 경영 데이터(예: 환자 수와 수익), 역학 연구(예: 흡연량과 폐암 발생률) 등 다양한 보건행정 분야에서 인과 관계나 예측 모델을 구축할 때 핵심적으로 사용되는 도구예요. 이 가정들이 충족되지 않으면 분석 결과가 신뢰할 수 없게 되므로, 데이터를 해석하거나 연구를 설계할 때 반드시 점검해야 할 사항들이에요. 핵심 개념 분석 (Key Concept) 단순 선형회귀분석은 하나의 독립변수(X)가 하나의 종속변수(Y)에 미치는 선형적 영향을 모델링하는 방법이에요. 모델의 신뢰성과 추정치(회귀계수)의 유효성을 보장하기 위해 몇 가지 중요한 통계적 가정을 세우는데, 이를 고전적 선형회귀모형(Classical Linear Regression Model, CLRM)의 가정이라고 해요. 정답 근거 (Answer Rationale) 핵심! 정답은 ⑤번 "종속변수 Y와 독립변수 X의 관계는 반드시 비선형이어야 한다"입니다. 이는 정반대로 틀린 설명이에요. 단순 선형회귀분석의 가장 기본적인 가정은 바로 선형성(Linearity)이에요. 즉, 모집단에서 X와 Y의 관계는 `Y = β₀ + β₁X + ε`와 같은 직선적(선형) 관계로 표현될 수 있다고 가정해요. 만약 실제 관계가 비선형(예: 곡선, 지수)이라면 선형 회귀 모형을 사용하는 것은 부적절하며, 모형의 적합도가 매우 낮아지거나 잘못된 결론을 이끌어낼 수 있어요. 오답 분석 (Distractor Analysis) ① "독립변수 X와 오차항은 서로 독립이다." : 혼동 주의! 이는 옳은 가정이에요. 오차항(ε)은 모델에서 설명되지 않는 무작위 변동을 의미하는데, 만약 X와 ε이 상관관계가 있다면(예: X가 커질수록 오차도 커진다면), 회귀계수(β₁)의 추정치가 편향(biased)되어 신뢰할 수 없게 돼요. ② "독립변수 X는 확률변수가 아니라 고정된 값이다." : 이는 회귀분석의 한 관점(고정설)에서 옳은 설명이에요. 실험 연구 등에서는 X 값을 연구자가 조절할 수 있어 고정된 값으로 간주하기도 해요. 그러나 관찰 연구에서는 X도 확률변수일 수 있지만, 조건부 분포를 통해 분석이 가능해요. 엄밀한 고전 가정에서는 X를 고정된 값 또는 확률변수이더라도 오차항과 독립이라고 가정해요. ③ "오차항은 평균이 0이고 분산이 일정한 정규분포를 따른다." : 이는 매우 중요한 옳은 가정이에요. 오차항의 평균이 0이라는 것은 모델에 체계적 오류가 없다는 뜻이고, 분산이 일정하다는 것은 등분산성(Homoscedasticity) 가정이에요. 또한 정규분포를 따른다는 가정은 회귀계수에 대한 가설검정(예: t-test, F-test)의 타당성을 보장해줘요. ④ "오차항들은 서로 독립이다." : 이는 독립성(Independence) 또는 자기상관 없음(No Autocorrelation) 가정으로 옳아요. 한 관측치의 오차가 다른 관측치의 오차에 영향을 주어서는 안 된다는 뜻이에요. 시계열 데이터에서 자주 위반되는 가정이에요. 연관 개념 정리 (Related Concepts) - 다중공선성(Multicollinearity): 단순 선형회귀에는 해당되지 않지만, 다중 회귀분석에서 중요한 문제로, 독립변수들 간에 높은 상관관계가 있을 때 발생하며 회귀계수 추정을 불안정하게 만들어요. - 가정 위반 시 대처: 선형성 위반 → 변수 변환(로그, 제곱근) 또는 비선형 회귀 사용. 등분산성 위반 → 가중최소제곱법(Weighted Least Squares) 사용. 정규성 위반 → 표본 크기가 크면 중심극한정리에 의해 어느 정도 견고함(Robustness)을 보임.
개념 정리

가정	의미	위반 시 문제점
선형성	X와 Y의 관계가 직선적	모형 적합도 저하, 잘못된 예측
독립성	오차항들 간 상관관계 없음	표준오차 과소평가, 검정 오류
등분산성	오차항의 분산이 모든 X에서 동일	회귀계수 추정은 불편추정치이지만 비효율적
정규성	오차항이 정규분포를 따름	표본이 작을 경우 가설검정의 타당성 저하
X와 ε의 독립	설명변수와 오차는 무관	회귀계수 추정치의 편향 발생

한눈에 비교!

구분	단순 선형회귀	다중 선형회귀	로지스틱 회귀
종속변수(Y)	연속형	연속형	범주형(이항/다항)
관계 가정	선형	선형	로짓(Logit) 변환 후 선형
주요 가정	선형성, 등분산, 정규성 등	단순 회귀 가정 + 다중공선성 없음	오차항의 정규성 가정 필요 없음
보건행정 적용 예	진료 시간과 만족도 관계	나이, BMI, 혈압이 당뇨 수치에 미치는 영향	위험인자(흡연, 음주)가 질병 발병 여부에 미치는 영향

실무 포인트 병원 경영 데이터(예: 월별 마케팅 비용 대비 신환자 수)를 분석할 때, 먼저 산점도(Scatter Plot)를 그려 X와 Y의 관계가 대략 직선적인지 확인하는 것이 첫걸음이에요. 분석 후에는 잔차도(Residual Plot)를 확인하여 등분산성, 독립성, 선형성 가정이 잘 충족되는지 점검해야 해요. 이러한 기본적인 검증 없이 회귀분석 결과(예: "마케팅 비용 100만원 증가 시 환자 5명 증가")를 맹신하면 잘못된 경영 결정으로 이어질 수 있어요.
암기 팁 선형회귀 가정은 영어 머리글자를 따서 LINE으로 외울 수 있어요. - Linearity (선형성) - Independence of Errors (오차의 독립성) - Normality of Errors (오차의 정규성) - Equal Variance of Errors (오차의 등분산성) (+ X와 ε의 독립은 기본 전제로 생각하세요!)
국시 빈출 포인트 보건의료정보관리사/병원행정사 시험에서는 통계 부분에서 핵심! 회귀분석의 가정을 거꾸로 물어보는 문제가 자주 출제돼요. "옳은 것"을 고르라면 모든 가정을, "옳지 않은 것"을 고르라면 선형성 가정을 반대로 기술한 선택지(비선형이어야 한다)나, 다중공선성 관련 내용(단순회귀에는 해당 안 됨)을 함정으로 내는 패턴이 많아요.
기출 변형 주의! - 사례형: "어느 병원에서 병상 수(X)와 월 평균 수익(Y) 데이터를 분석했을 때, 잔차도를 보니 잔차의 분산이 X가 증가함에 따라 점점 커지는 패턴을 보였다. 이는 어떤 가정을 위반한 것인가?" → 정답: 등분산성 가정 위반(이분산성, Heteroscedasticity) - 용어 연결형: "오차항이 정규분포를 따른다는 가정이 위반되었을 때 가장 영향을 받는 분석 단계는?" → 정답: 회귀계수에 대한 유의성 검정(가설검정)

보건행정 실무 가이드 실무 시나리오 (Clinical Scenario) 보건소의 건강증진팀에서 "지역 주민의 주당 운동 시간(X)과 혈중 HDL(좋은 콜레스테롤) 수치(Y)의 관계"를 조사하여 운동 프로그램의 효과를 입증하려고 해요. 데이터를 수집한 후 연구원이 단순 선형회귀분석을 실시했는데, 결정계수(R²)가 매우 낮게 나왔고, 산점도를 보니 점들이 U자형 곡선을 그리는 것 같아요. 행정 중재 전략 (Admin Intervention) 1. 상황 파악: 낮은 R²와 U자형 패턴은 핵심! 선형성 가정의 명백한 위반을 시사해요. 운동 시간이 너무 적거나 너무 많을 때 HDL 수치가 낮고, 적당할 때 가장 높은 비선형 관계일 수 있어요. 2. 법적/규정 검토: 통계분석 보고 지침(예: 연구윤리, 통계적 정확성)에 따라 부적합한 모형 사용은 잘못된 정책 결론을 초래할 수 있어요. 3. 대응 및 처리: - **1차 대안**: 독립변수(X)를 변환해보세요. 예를 들어, 운동 시간의 제곱 항(X²)을 모형에 추가하여 다항회귀(Polynomial Regression)를 시도할 수 있어요. - **2차 대안**: 데이터를 두 그룹(예: 적당한 운동 그룹, 과도한 운동 그룹)으로 나누어 각각 분석하거나, 비선형 회귀 모형을 검토해보세요. - **필수 확인**: 분석 전 항상 시각적 탐색(산점도)을 하고, 분석 후 잔차도를 꼭 확인하는 절차를 표준 업무 프로토콜로 정립하세요. 4. 사후 기록/보고: 최종 보고서에는 사용한 모형, 가정 검증 결과(예: 잔차도 첨부), 그리고 모형 선택 이유를 명시해야 해요. 단순히 "운동 시간과 HDL은 유의한 관계가 없다"고 결론내리는 것은 데이터의 진실을 놓칠 수 있어요.
업무 프로토콜 회귀분석 수행 체크리스트 1. 데이터 수집 및 정제 → 2. 산점도 작성(선형성 1차 점검) → 3. 단순 선형회귀 모형 적합 → 4. 잔차도 분석(등분산성, 독립성, 선형성 재점검) → 5. 오차항 정규성 검정(QQ-plot, Shapiro-Wilk 검정 등) → 6. 가정 위반 시 대체 모형 탐색 → 7. 결과 해석 및 보고서 작성.
선배의 한마디 "통계는 단순히 숫자를 넣고 결과를 받는 게 아니에요. 데이터가 우리에게 이야기하는 '언어'를 이해하려면 그 도구(회귀분석)가 작동하기 위한 '조건(가정)'을 먼저 알아야 해요. 보건행정가로서 데이터 기반 의사결정을 할 때, 분석 결과의 맹신보다는 분석 과정의 타당성을 항상 질문하는 비판적 사고가 더 중요해요. 이 가정들을 이해하면, 잘못된 연구 보고서도 걸러낼 수 있는 눈이 생길 거예요!"