단순선형회귀분석 결과, 결정계수(R²)가 0.64로 나타났다. 이에 대한 가장 적절한 해석은?

결정계수(R²)는 회귀모형이 종속변수의 총 변동 중 얼마나 설명하는지를 나타내는 지표이다. 0.64는 64%를 설명함을 의미한다.

보건행정 핵심 해설 이 문제는 보건통계 및 연구 방법론에서 핵심 지표인 결정계수(R-squared, R²)의 개념과 해석을 묻고 있어요. 보건행정 분야에서는 정책 효과 분석, 의료 서비스 이용 예측, 병원 경영 지표 분석 등 다양한 연구와 보고서 작성 시 회귀분석을 자주 활용하므로, 그 결과를 정확히 해석하는 능력이 매우 중요해요. 핵심 개념 분석 (Key Concept) 결정계수(R²)는 회귀모형의 설명력을 평가하는 지표예요. 종속변수(예: 입원일수, 의료비)의 총 변동(총제곱합, SST) 중 독립변수(예: 연령, 중증도)에 의해 설명되는 변동(회귀제곱합, SSR)이 차지하는 비율을 의미해요. 공식은 R² = SSR / SST = 1 - (SSE / SST)로 표현되며, 그 값은 0에서 1 사이를 가져요. 핵심! R² 값이 클수록 모형의 적합도가 높고, 독립변수가 종속변수를 잘 설명한다고 볼 수 있어요. 정답 근거 (Answer Rationale) 정답은 ① 독립변수가 종속변수 변동의 64%를 설명한다.입니다. 결정계수 R² = 0.64는 "회귀모형이 종속변수의 총 변이(변동) 중 64%를 설명한다"는 의미로 바로 해석할 수 있어요. 이는 통계학과 보건행정 연구에서 R²에 대한 표준화된 해석 방식이에요. 예를 들어, 환자 만족도(종속변수)를 병실 환경, 의사 소통 시간(독립변수)으로 분석했을 때 R²가 0.64라면, 이 두 가지 요인이 환자 만족도 차이의 64%를 설명한다고 결론지을 수 있어요. 오답 분석 (Distractor Analysis) 혼동 주의! 다른 선택지들은 결정계수와 혼동하기 쉬운 다른 회귀분석 개념들이에요.
②번 '두 변수 간 상관관계가 0.64이다.'는 R²와 상관계수(r)를 혼동한 경우예요. 단순선형회귀에서 상관계수(r)는 두 변수 간 선형 관계의 방향과 강도를, R²는 그 관계의 설명력을 나타내요. 실제로 r = √R² 이므로, R²=0.64라면 r=0.8 또는 r=-0.8이 될 수 있어요. 절대값이 0.64가 아니죠.
③번 '독립변수 1단위 증가 시 종속변수가 0.64 증가한다.'는 회귀계수(β)의 해석이에요. 이는 회귀방정식 Y = a + bX에서 'b'에 해당하는 값으로, R²와는 전혀 다른 개념이에요.
④번 '잔차의 표준오차가 0.64이다.'는 표준오차(Standard Error) 또는 잔차의 표준편차를 의미해요. 이는 모형 예측의 정확도를 나타내는 지표로, R²와 직접적인 수치 관계가 없어요.
⑤번 '회귀모형이 통계적으로 유의하지 않다.'는 R² 값의 크기만으로는 판단할 수 없어요. 모형의 통계적 유의성은 F-검정의 p-value를 통해 판단해요. R²가 높아도 p-value가 유의수준(예: 0.05)보다 크면 모형은 유의하지 않을 수 있어요. 연관 개념 정리 (Related Concepts) - 수정된 결정계수(Adjusted R²): 독립변수의 개수가 증가하면 R²는 자연스럽게 커지는 특성이 있어요. 이를 보정하여 변수 수에 따른 과대평가를 조정한 지표가 수정된 R²예요. 특히 다중회귀분석(Multiple regression)에서 중요하게 봐요. - F-검정(F-test): 회귀모형 전체가 통계적으로 유의한지(즉, 모든 회귀계수가 0이라는 귀무가설을 기각할 수 있는지)를 검정해요. R²와 함께 보고서에 제시되는 핵심 지표예요. 개념 정리

용어	의미	해석 포인트
결정계수 (R²)	종속변수 총 변동 중 회귀모형이 설명하는 비율	0~1 사이 값. 1에 가까울수록 설명력 높음. 예: R²=0.64 → 64% 설명
상관계수 (r)	두 변수 간 선형 관계의 방향과 강도	-1~1 사이 값. 단순선형회귀에서 r² = R²
회귀계수 (β)	독립변수 1단위 변화에 따른 종속변수의 평균 변화량	회귀방정식의 기울기. 통계적 유의성 검정 필요.
잔차 표준오차 (RSE)	회귀선 주위 관측치의 평균적 편차(오차)	값이 작을수록 모형 예측이 정확함.

한눈에 비교!

구분	결정계수 (R²)	상관계수 (r)
의미	설명력 (Explanation)	연관성 (Association)
범위	0 ≤ R² ≤ 1	-1 ≤ r ≤ 1
관계	단순선형회귀에서: R² = r² (상관계수의 제곱)
보건행정 적용 예	"진단관련군(DRG)과 연령이 입원비용 변동의 70% 설명"	"의사 수와 지역 건강 수준 간 강한 정적 상관"

실무 포인트 병원 경영 데이터 분석이나 보건정책 효과 평가 보고서를 작성할 때, 회귀분석 결과를 제시한다면 반드시 R² 값을 명시하고 해석해야 해요. 단, R² 값이 낮다고 해서 모형이 무의미한 것은 아니에요. 보건 분야에서는 복잡한 인간 행동과 사회적 요인이 관여하기 때문에 R²가 0.3~0.5만 되어도 꽤 좋은 설명력을 가진 모형으로 평가받을 수 있어요. 보고 시에는 R² 값과 함께 p-value, 회귀계수, 신뢰구간을 종합적으로 제시하는 것이 전문성을 보여줘요. 암기 팁 "결정계수 R²는 설명력의 비율!"이라고 기억하세요. R²에서 '²'가 '제곱=면적=비율'을 연상시킨다고 생각하면 도움이 돼요. 상관계수 r을 제곱하면 R²가 된다는 관계도 함께 외우면 좋아요. 국시 빈출 포인트 결정계수(R²)는 보건통계 과목에서 매년 빠지지 않고 출제되는 초핵심 개념이에요. 출제 패턴은 크게 두 가지: 1) 주어진 R² 값의 해석을 묻는 문제 (이 문제처럼), 2) R²와 상관계수(r), 회귀계수(β) 등의 개념을 구분하는 문제. 정의와 해석을 정확히 알고 있어야 해요. 기출 변형 주의! 이 개념은 다음과 같이 변형 출제될 수 있어요. - 사례형: "의료기관의 병상 수와 연간 입원 환자 수를 회귀분석한 결과 R²=0.81이 나왔다. 이 결과를 해석하시오." - 계산/관계형: "상관계수 r이 -0.7일 때 결정계수 R²는 얼마인가?" (정답: 0.49) - 다중회귀 적용형: "다중회귀분석에서 독립변수를 추가하면 일반적으로 R²는 (증가/감소)한다. 그 이유는?"

보건행정 실무 가이드 실무 시나리오 (Clinical Scenario) "병원 기획팀에서 최근 1년간 외래 환자 수 감소 원인을 분석하고 있어요. 인구사회학적 요인(지역 내 경쟁 병원 수, 인구 이동률)과 병원 내부 요인(평균 대기 시간, 전문의 수) 데이터를 수집해 다중회귀분석을 실시했어요. 분석 결과 R² 값이 0.52로 나왔을 때, 팀장님께 이 결과를 어떻게 보고해야 할까요?" 행정 중재 전략 (Admin Intervention) 1. 상황 파악: R²=0.52는 선택한 독립변수들이 외래 환자 수 변동의 약 52%를 설명한다는 의미예요. 2. 법적/규정 검토: 통계적 보고에는 특별한 법규는 없지만, 투명하고 정확한 해석이 요구돼요. 3. 대응 및 처리: 보고 시 다음과 같이 설명해야 해요. - "분석 모형이 환자 수 변동의 절반 이상(52%)을 설명하고 있어, 유의미한 인과 관계 탐색에 도움이 됩니다." - 동시에 "약 48%는 모형에 포함되지 않은 다른 요인(예: 경제 상황, 언론 보도 등)에 의해 설명됩니다."라고 한계점도 명시해야 해요. - R²만 강조하지 말고, 각 독립변수의 회귀계수와 p-value를 함께 제시하여 어떤 요인이 구체적으로 얼마나 영향을 미치는지 설명해야 해요. 4. 사후 기록/보고: 분석 보고서에 R² 값, 수정된 R² 값, F-통계량의 p-value, 각 변수의 계수와 유의성을 모두 기록하여 의사결정의 근거로 삼아요. 법적 안전 및 주의사항 (Precautions) 통계 결과를 왜곡하거나 과장하여 보고하는 것은 연구 윤리 및 정책 결정의 오류를 초래할 수 있어요. R² 값이 높다고 해서 반드시 인과관계가 있다고 주장해서는 안 돼요. 회귀분석은 연관성을 보여줄 뿐, 인과관계를 증명하려면 실험 설계나 추가 분석이 필요해요. 업무 프로토콜 회귀분석 결과 보고 프로토콜 1. 모형 적합도 지표 제시: R², 수정된 R², F-검정 결과(p-value)를 명시. 2. 계수 해석: 유의한 독립변수의 회귀계수(β), 표준오차, t-value, p-value, 95% 신뢰구간을 표로 정리. 3. 가정 검토: 잔차의 정규성, 등분산성, 독립성 가정이 충족되었는지 간단히 언급 또는 검정 결과 첨부. 4. 한계점 진술: 설명되지 않은 변동, 표본의 대표성, 인과관계 추론의 한계 등을 기술. 선배의 한마디 "보건행정가에게 통계는 무기가 돼요. 숫자 뒤에 숨은 이야기를 읽어내야 진짜 문제를 해결할 수 있죠. R²가 0.6이면 '꽤 잘 설명하는구나'라고 생각할 수도 있지만, 동시에 '왜 40%는 설명이 안 될까? 우리가 놓친 중요한 변수가 있나?'라고 질문하는 자세가 더 중요해요. 데이터를 의심하고, 해석을 깊게 하는 습관이 전문가와 아마추어를 가르는 기준이에요!"