회귀분석 선택 가이드

같은 숫자로 저장되어 있어도 의미는 다를 수 있습니다. 만족도 1~5점은 순서형 범주일 수 있고, 한 달 방문 횟수 0~5는 횟수 자료입니다. 숫자로 입력되었다는 이유만으로 선형회귀를 선택하지 않습니다.

연속형 결과를 설명할 때

가장 기본적인 출발점은 선형회귀입니다. 하지만 관계가 곡선형이거나 특정 분위수에 관심이 있거나 반복측정 자료라면 다른 모형을 검토해야 합니다.

설명변수가 많거나 서로 비슷할 때

릿지, 라쏘, 엘라스틱넷은 계수에 규제를 적용합니다. 세 방법의 차이는 계수를 얼마나 줄이고 일부를 0으로 만드는지에 있습니다. 특히 예측이 목적일 때 교차검증과 함께 사용합니다.

결과가 범주일 때

범주의 개수뿐 아니라 범주 사이에 순서가 있는지도 중요합니다. 이항·다항·순서형 로지스틱 회귀는 서로 바꿔 쓰는 방법이 아닙니다.

사건 발생 횟수나 비대칭 자료일 때

발생 횟수는 노출 기간이나 관측 기회가 다를 수 있으므로 이를 함께 반영해야 합니다. 양수에 치우친 연속형 결과는 일반적인 정규오차 선형모형보다 감마 GLM 같은 방법을 검토할 수 있습니다.

0이 많거나 관측 한계가 있을 때

영과잉 모형은 0이 발생하는 과정과 횟수가 발생하는 과정을 구분해 설명합니다. 토빗 회귀는 실제 값이 있는데 측정 상한이나 하한 때문에 일부만 관측된 경우에 사용합니다. 처음부터 서로 다른 문제를 다룹니다.

• 측정 단위결과변수와 설명변수의 척도, 단위, 범주 기준을 확인합니다.
• 독립성같은 사람의 반복 관측, 집단 안의 유사성, 시간 순서를 무시하지 않습니다.
• 관계의 형태선형성은 원자료의 직선 모양만이 아니라 모형의 연결함수와 설명변수 구성에 맞춰 확인합니다.
• 분포와 분산횟수 자료의 과산포, 연속형 자료의 잔차와 이분산, 극단값을 검토합니다.
• 결측과 변수 수결측 처리 기준, 표본 크기, 예측변수 수, 범주별 사건 수를 점검합니다.
• 모형 평가설명 중심 분석은 계수와 불확실성·진단 결과를, 예측 중심 분석은 검증 데이터 성능을 함께 봅니다.

아래 상세 가이드 목록에서 각 방법의 가정, 예제, 결과를 읽는 방법까지 확인할 수 있습니다.