일반화추정방정식 (Generalized Estimating Equations)

한 줄 정의: 같은 대상을 반복측정하거나 군집(예: 같은 학급, 같은 병원)으로 묶인 데이터에서, 관측치 간 상관을 고려하면서도 비교적 단순하게 회귀계수를 추정하는 통계 기법입니다.

쉽게 풀면

같은 환자 50명을 6개월간 매달 방문하게 해서 혈압을 측정했다고 해봅시다. 한 사람의 이번 달 혈압과 다음 달 혈압은 완전히 독립적이지 않고 서로 닮아 있습니다(원래 혈압이 높은 사람은 계속 높은 편이죠). 이런 상관을 무시하고 일반적인 회귀분석을 하면 표준오차가 잘못 계산되어 통계적으로 유의하지 않은 결과를 유의하다고 착각할 수 있습니다. GEE는 "같은 사람 안에서의 상관 구조"를 대략적으로 지정해준 뒤, 그 상관을 반영해 평균적인 효과(예: 시간이 지나면서 혈압이 평균적으로 얼마나 변하는가)를 더 정확하게 추정하는 방법입니다.

왜 중요한가

임상시험, 코호트 연구, 패널조사처럼 같은 대상을 여러 번 측정하거나 병원·학급 같은 군집 단위로 자료를 모으는 연구 설계는 매우 흔한데, 이런 자료의 상관 구조를 무시하면 효과 추정치의 표준오차가 왜곡되어 실제로는 유의하지 않은 결과를 유의하다고 잘못 판단할 위험이 있습니다. GEE는 개인별 효과의 세부적인 형태를 정확히 모형화하지 않고도 이런 상관을 적절히 보정할 수 있어, 반복측정 임상시험이나 역학 연구에서 집단 수준의 평균적 개입 효과를 안정적으로 추정하는 표준적인 방법으로 자리잡았습니다.

논문에서는 이렇게 쓰입니다

"환자 내 반복측정에 따른 상관을 고려하기 위해 교환가능 상관구조(exchangeable correlation)를 가정한 GEE 모형을 적용하였으며, 중재군은 대조군보다 혈압이 유의하게 더 감소하였다 (β = -6.2, p = .01)."

이 문장은 반복측정 데이터의 상관 구조를 명시적으로 지정한 뒤, 집단 간 평균적인 변화 차이를 추정했다는 뜻입니다.

"학급 단위로 군집화된 학생 자료의 특성을 고려하여 GEE를 적용한 결과, 교수법 개입은 학급 내 상관을 보정한 이후에도 학업성취도에 유의한 정적 효과를 보였다."

교육학 논문에서는 같은 학급 학생들의 성적이 서로 비슷해지는 경향(군집 효과)을 보정하기 위해 GEE를 적용하는 경우가 많습니다.

"이항형 결과변수인 재입원 여부에 대해 로짓 링크함수를 사용한 GEE 모형을 적합하여, 반복 입원 이력이 있는 환자 내 상관을 고려한 위험요인을 분석하였다."

의학 논문에서는 연속형 결과뿐 아니라 이항형·범주형 반복측정 결과에도 GEE를 확장해 적용하는 사례가 흔합니다.

조금 더 깊게 보면

GEE는 관측치 간 상관 구조를 교환가능형, 자기회귀형, 비구조형 등 여러 형태 중 하나로 가정해 사용하는데, 상관 구조를 다소 잘못 지정하더라도 표본이 충분히 크면 계수 추정치 자체는 편향되지 않고 견고한(robust) 표준오차를 통해 타당한 추론이 가능하다는 특징이 있습니다. 다만 이런 견고성은 어디까지나 평균 구조에 대한 것이므로, 개인 수준의 예측이나 개인차의 크기 자체가 연구 관심사라면 GEE보다 혼합효과모형이 더 적합하다는 점이 함께 논의됩니다.

주의할 점

GEE는 "집단 전체의 평균적인 효과"를 추정하는 데 초점을 두는 반면, 혼합효과모형은 개인마다 다른 효과(개인차)까지 추정할 수 있다는 차이가 있습니다. 연구 목적이 개인별 변화 양상 파악이라면 혼합효과모형이 더 적합할 수 있습니다.