용어 목록 > 메타회귀분석 (Meta-Regression)

메타회귀분석 (Meta-Regression)

쉽게 풀면

여러 다이어트 클리닉의 체중 감량 성적을 모아봤더니 클리닉마다 결과가 들쭉날쭉하다고 해봅시다.

그냥 "다들 결과가 다르네"로 끝내지 않고, "혹시 프로그램 기간이 길수록 감량 효과가 더 컸던 게 아닐까?", "연령대가 높은 참가자가 많은 클리닉일수록 효과가 작았던 게 아닐까?"처럼 원인이 될 만한 요인을 하나씩 넣어서 관계를 확인하는 것이 메타회귀분석입니다.

즉, 개별 연구를 하나의 관측치처럼 취급하고, "연구 기간", "평균 연령", "표본 크기" 같은 연구별 특성을 설명변수로 놓아 "이 특성이 클수록/작을수록 연구 결과(효과크기)가 어떻게 달라지는가"를 회귀분석 방식으로 검증하는 것입니다.

단순한 회귀분석과 다른 점은 분석 단위가 '개인'이 아니라 '개별 연구'라는 점입니다.

왜 중요한가

메타분석에서 연구 간 결과 차이(이질성)가 확인되었을 때, 그 원인을 통계적으로 검증해보지 않으면 "왜 다른가"에 대한 답은 추측에 머무를 수밖에 없습니다. 메타회귀분석은 이런 이질성의 원인을 정량적으로 탐색할 수 있게 해주기 때문에, 근거기반 의학이나 정책 연구처럼 "어떤 조건에서 효과가 더 크게 나타나는가"를 밝혀야 실질적인 시사점을 줄 수 있는 분야에서 중요하게 다뤄집니다.

언제 쓰나

메타분석에서 연구들 사이의 효과크기가 들쭉날쭉할 때(이질성이 클 때), 그 차이가 연구 특성(중재 기간, 평균 연령, 출판 연도, 연구 설계 등)과 관련되는지 알아보려고 씁니다.

• 종속변수는 연구별 효과크기(표준화 평균차, 로그 오즈비 등), 설명변수는 연구 수준의 공변량입니다. 분석 단위가 환자가 아니라 연구입니다.
• 공변량은 자료를 보기 전에 정해 둔 소수여야 합니다. 변수를 많이 시험할수록 우연한 관계를 찾을 위험이 커집니다.
• Cochrane Handbook은 메타분석에 포함된 연구가 10편 미만이면 일반적으로 메타회귀를 고려하지 말라고 권고합니다.
• “평균 연령”처럼 연구 전체의 평균으로 만든 공변량은 개별 환자 수준의 관계를 그대로 보여 주지 않습니다(집단 수준 관계를 개인에 적용하는 생태학적 오류).

결과는 이렇게 읽는다

연구 i의 효과크기 y_i를 y_i = β₀ + β₁x_i + u_i + e_i로 설명합니다. e_i는 각 연구의 표집오차(분산 v_i는 알려진 값으로 취급), u_i는 공변량으로 설명되지 않는 연구 간 변동(분산 τ²)입니다. 각 연구에는 1/(v_i + τ²)의 가중치를 줍니다.

• β₁: 공변량이 1 늘 때 평균 효과크기가 얼마나 변하는지입니다.
• Q_M(모형 검정)은 공변량 계수가 모두 0인지, Q_E는 공변량으로 설명하고 남은 이질성이 우연 이상인지 봅니다.
• 잔차 τ²: 공변량을 넣은 뒤에도 남는 연구 간 분산입니다. 공변량이 없는 모형의 τ²와 비교해 “설명된 비율”을 어림하지만, 연구 수가 적으면 불안정합니다.
• 연구가 적을 때는 계수의 표준오차를 보정하는 Knapp–Hartung 방법(t 분포 사용)이 권고되기도 합니다.

(가상의 예) 8편의 연구에서 중재 기간(주)을 공변량으로 한 랜덤효과 메타회귀를 직접 계산한 결과입니다.

같은 자료인데도 보정 전에는 p = 0.016, 보정 후에는 p = 0.053로 판단이 갈립니다. 연구 수가 적을 때 결과가 이렇게 흔들린다는 점이 핵심입니다.

논문에는 이렇게 보고한다

방법 절에 공변량과 그 선정 이유(사전 계획 여부), 모형(고정/랜덤효과), τ² 추정법, 표준오차 보정 여부를 적습니다. 결과에는 계수, 표준오차나 신뢰구간, 검정통계량, p, 연구 수를 함께 제시합니다. (아래 수치는 위 가상의 예를 형식에 맞춘 것입니다.)

중재 기간을 공변량으로 한 랜덤효과 메타회귀에서 기간이 1주 길어질 때마다 효과크기가 평균 0.06 증가하였다(k = 8, β = 0.06, 95% CI [0.01, 0.10], p = 0.016). Knapp–Hartung 보정 후에는 유의하지 않았다(p = 0.053).

• 연구 수가 적다는 한계와 탐색적 분석이라는 점을 함께 밝힙니다.
• 버블 도표(점의 크기가 연구 가중치)로 회귀선을 보여 주면 이상치 연구의 영향을 확인할 수 있습니다.

논문에서는 이렇게 쓰입니다

실제 논문에서

이 용어를 직접 쓴 국내 논문 문장을 아직 수집하지 못했습니다. 수집되는 대로 출처와 함께 싣겠습니다.

예시 문장

아래는 용어의 쓰임을 보여 주려고 만든 예시로, 실제 논문에서 가져온 문장이 아닙니다.

이 문장은 "메타분석에 포함된 연구들 사이의 효과 차이(이질성) 중 일부가 '중재 기간'이라는 요인으로 설명된다"는 뜻입니다. 메타회귀분석은 주로 연구 간 결과 차이가 큰 경우, 그 차이를 만드는 후보 요인(연령, 지역, 연구 설계, 출판 연도 등)을 찾아내 보고할 때 사용됩니다.

연구방법론 분야에서는 시간이 지나면서 연구 방법이 정교해지거나 초기의 과장된 효과가 점차 보정되는 경향을 확인하기 위해, 출판 연도 자체를 설명변수로 넣어 메타회귀분석을 수행하는 경우가 있다.

의학 분야의 메타분석에서는 연구 대상자의 인구학적 특성이 치료 효과의 크기와 어떤 관계가 있는지를 확인함으로써, 특정 집단에 대한 치료 효과를 더 정교하게 해석하는 근거로 메타회귀분석을 활용한다.

조금 더 깊게 보면

메타회귀분석은 형태상 일반적인 회귀분석과 비슷하지만, 각 연구(관측치)의 정밀도가 서로 다르다는 점을 반영해 표본 크기가 크거나 분산이 작은 연구에 더 큰 가중치를 부여하는 가중회귀 방식으로 수행되는 경우가 많습니다. 또한 공변량을 여러 개 동시에 투입하면 연구 수에 비해 추정해야 할 계수가 많아져 과적합의 위험이 커지므로, 포함된 연구 수 대비 투입 가능한 공변량 개수를 제한해서 다루는 것이 일반적인 원칙으로 언급됩니다.

주의할 점

메타회귀분석은 이질성이 왜 발생했는지 '탐색'하는 도구이지, 그 관계를 인과관계로 확정 짓는 도구가 아닙니다. 또한 포함된 연구 수가 적으면(보통 10편 미만) 검정력이 부족해 결과를 신뢰하기 어렵습니다. 먼저 이질성 지수로 연구 간 차이가 실제로 존재하는지 확인한 뒤에 메타회귀분석으로 그 원인을 탐색하는 순서가 일반적입니다.

헷갈리기 쉬운 용어

모두 “왜 연구마다 결과가 다른가”에 답하려는 도구이지만 하는 일이 다릅니다.

참고 문헌

1. Thompson, S. G., & Higgins, J. P. T. (2002). How should meta-regression analyses be undertaken and interpreted? Statistics in Medicine, 21(11), 1559–1573.
2. Borenstein, M., Hedges, L. V., Higgins, J. P. T., & Rothstein, H. R. (2009). Introduction to Meta-Analysis. Wiley.
3. Knapp, G., & Hartung, J. (2003). Improved tests for a random effects meta-regression with a single covariate. Statistics in Medicine, 22(17), 2693–2710.
4. Viechtbauer, W. (2010). Conducting meta-analyses in R with the metafor package. Journal of Statistical Software, 36(3), 1–48.
5. Higgins, J. P. T., Thomas, J., Chandler, J., et al. (Eds.). (2019). Cochrane Handbook for Systematic Reviews of Interventions (2nd ed.). Wiley.

표의 기준값은 위 문헌에 근거한 관례이며, 분야·학술지마다 다른 기준을 쓸 수 있습니다.

관련 용어