군집분석 (Cluster Analysis)
쉽게 풀면
미리 정해진 집단 구분 없이, 여러 특성이 서로 비슷한 사례들끼리 자동으로 묶어주는 방법이다. 예를 들어 소비자들을 구매 패턴이 비슷한 몇 개의 그룹으로 나누어 마케팅 전략을 다르게 세울 수 있다. 군집을 나누는 방식에 따라 k-평균 군집화이나 계층적 군집분석 등 여러 세부 기법이 존재한다.
왜 중요한가
연구 대상을 미리 정해진 기준 없이 자료 자체의 패턴에 따라 유형화할 수 있다는 점에서, 군집분석은 마케팅의 소비자 세분화부터 생물학의 종 분류, 유전자 발현 패턴 분석, 사회과학의 집단 유형화까지 폭넓게 쓰인다. 새로운 이론적 분류체계를 세우기 전 탐색적으로 자료의 구조를 파악하는 단계에서 특히 자주 활용되며, 이후 회귀분석이나 판별분석 등 후속 분석의 기초 자료로도 이어지는 경우가 많다.
논문에서는 이렇게 쓰입니다
설문 응답자들을 비슷한 소비 성향끼리 묶어서 세 가지 유형의 집단으로 자동 분류했다는 뜻이다.
여러 유전자의 발현 수준 데이터를 바탕으로, 비슷하게 움직이는 유전자들끼리 묶어 그룹을 찾아냈다는 뜻이다.
여러 지역의 소득, 인구, 산업 구조 등 지표를 함께 고려해, 비슷한 특징을 가진 지역들을 몇 개의 유형으로 묶어냈다는 뜻이다.
조금 더 깊게 보면
군집분석은 크게 사전에 군집 수를 정하고 반복적으로 중심을 갱신하는 K-평균 방식과, 유사도가 높은 대상부터 점차 묶어 나가는 위계적(응집형) 방식으로 나뉜다. 어떤 방식을 쓰든 결과는 대상 간 유사도(또는 거리)를 어떻게 정의하느냐에 크게 좌우되며, 유클리드 거리 외에도 다양한 거리·유사도 측도가 쓰인다. 군집이 잘 나뉘었는지는 군집 내 응집도와 군집 간 분리도를 함께 고려하는 지표로 평가하는 것이 일반적이며, 변수의 척도가 서로 다르면 결과가 왜곡될 수 있어 분석 전 표준화 과정을 거치는 경우가 많다.
주의할 점
군집의 개수를 몇 개로 정할지는 자료가 스스로 알려주지 않으므로, 여러 통계적 기준과 이론적 판단을 함께 고려해 결정해야 한다.