음이항 회귀 (Negative Binomial Regression)

한 줄 정의: 사건 발생 횟수 데이터의 흩어진 정도(분산)가 평균보다 훨씬 큰 경우에, 이 초과 흩어짐까지 반영해 횟수를 예측하는 회귀분석 기법입니다.

쉽게 풀면

같은 반 학생들의 결석 일수를 조사한다고 해봅시다. 대부분은 결석이 거의 없지만, 몇몇 학생은 유독 결석이 많아서 전체적으로 들쭉날쭉한 분포가 나타날 수 있습니다. 이렇게 "평균은 낮은데 유난히 튀는 값들이 많아 흩어진 정도가 평균보다 훨씬 큰" 상황을 과대산포(overdispersion)라고 합니다. 음이항 회귀는 이런 상황을 위해 만들어진 방법으로, 평균과 분산이 같다고 가정하는 포아송 회귀와 달리 흩어짐의 크기를 조절하는 값을 하나 더 추정해 더 유연하게 데이터를 설명합니다.

왜 중요한가

사건 발생 횟수를 종속변수로 다루는 연구는 보건의료, 범죄학, 교통사고 분석, 정보학 등 매우 다양한 분야에 걸쳐 있으며, 실제 자료는 흔히 포아송 회귀의 가정보다 큰 변동성을 보입니다. 음이항 회귀는 이런 상황에서 표준적으로 채택되는 방법이기 때문에, 횟수 자료를 다루는 논문에서는 모형 선택의 타당성을 뒷받침하는 근거로 자주 언급됩니다. 잘못된 모형을 쓰면 통계적 유의성 판단이 왜곡될 수 있어, 연구 결과의 신뢰도와 직결되는 방법론적 선택입니다.

논문에서는 이렇게 쓰입니다

"포아송 회귀모형의 과대산포 검정 결과가 유의하여, 음이항 회귀분석(negative binomial regression)으로 재분석을 실시하였다."

이 문장은 처음에는 포아송 회귀로 분석을 시도했으나, 데이터가 평균-분산 동일 가정을 벗어나는 것으로 확인되어(과대산포), 이를 보정할 수 있는 음이항 회귀로 다시 분석했다는 뜻입니다. 의료 이용 횟수, 범죄 발생 건수, 논문 인용 횟수 등 변동성이 큰 횟수 데이터를 다루는 연구에서 흔히 쓰입니다.

"지역별 교통사고 발생 건수를 종속변수로 하여 음이항 회귀모형을 적용한 결과, 도로 조명 밀도가 유의한 예측 변인으로 나타났다."

교통안전 연구에서는 지역 간 사고 건수의 편차가 크기 때문에 음이항 회귀가 흔히 사용되며, 이 문장은 환경적 요인이 사고 발생 빈도에 미치는 영향을 분석한 결과를 설명한 것입니다.

"소셜미디어 게시물의 공유 횟수를 예측하기 위해 음이항 회귀모형을 사용하였으며, 콘텐츠 유형이 유의한 영향을 미치는 것으로 나타났다."

정보학·커뮤니케이션 연구에서도 공유 횟수처럼 소수의 게시물이 극단적으로 많이 공유되는 특성을 가진 자료를 다룰 때 음이항 회귀가 활용된다는 것을 보여줍니다.

조금 더 깊게 보면

음이항 회귀에서 추정되는 산포 모수(dispersion parameter)는 데이터가 포아송분포에서 얼마나 벗어나는지를 나타내며, 논문에서는 이 값과 함께 우도비 검정이나 AIC 비교를 통해 포아송 회귀 대비 적합도 개선 여부를 보고하는 경우가 많습니다. 결과 해석 시에는 회귀계수를 지수변환한 발생률비(incidence rate ratio, IRR)로 제시하는 것이 일반적이며, 이는 설명변수가 한 단위 증가할 때 사건 발생 횟수가 몇 배로 변하는지를 나타냅니다. 0이 지나치게 많은 자료라면 산포 문제와는 별개로 영과잉모형을 함께 고려해야 할 수도 있습니다.

주의할 점

음이항 회귀와 포아송 회귀 중 무엇을 써야 할지는 데이터의 과대산포 여부에 달려 있습니다. 분산이 평균과 비슷하면 더 단순한 포아송 회귀로 충분하지만, 분산이 평균을 크게 웃돈다면 포아송 회귀의 표준오차가 과소 추정되어 잘못된 유의성 판단으로 이어질 수 있으므로 음이항 회귀가 더 안전한 선택입니다.