ANCOVA : 개념과 활용, 오용 (1) 기본 콘텐츠로 건너뛰기

ANCOVA : 개념과 활용, 오용 (1)

 ANCOVA 는 Analysis of Covariance 의 abbreviation 으로 "ANOVA + Linear regression" 을 합친 개념이라고들 많이 배운다.


 이번 주제로 ANCOVA를 정한 이유는 ANCOVA가 medical research에서 너무나도 광범위하게 misuse 되고 있기 때문이다. 이러한 사례를 모은 관련 논문들도 아주 많이 나왔지만 아직도 medical research 분야에서 잘못 사용되고 있는 경우가 매우 많다.


가장 많은 오류 중 한 가지는 confounding variable 일 수 있는 age와 같은 변수들이 교란변수임에도 단지 "보정 (control)"을 목적으로 적절한 변환이나 고려 없이 마구잡이(?)식으로 투입된다는 점이 있다.


Miller & Chapman (2001) 의 "Misunderstanding Analysis of Covariance" 논문에는 다음과 같은 문장이 있다.

ANCOVA was developed to improve the power of the test of the independent variable, not to "control" for anything.

많은 medical research에서 ANCOVA를 '보정 control' 을 목적으로 사용하는데, Miller & Chapman이 논문에서 언급했듯이, ANCOVA는 사실 어떤 변수를 보정하기 위한 목적으로 만들어진 것이 아니라 독립변수의 검정력을 향상시키고자 발전했다고 할 수 있다.


그럼 ANCOVA를 어떤 식으로 이해하면 좋을까? 이에 대해서 Miller & Chapman은 다음과 같이 저술하였다.

It is helpful here to place ANOVA and ANCOVA in the more general framework of multiple regression and correlation, understood within the general linear model.

ANCOVA를 다중회귀, General Linear Model (=GLM) 의 틀 안에서 이해하는 것이다.



Covariates (공변량) 은 Y(=종속변수), X(=독립변수)와 모두 연관성이 있는 변수이다.


라벨:

댓글

댓글 쓰기

이 블로그의 인기 게시물

민감도와 특이도 - 예측력 측도

민감도와 특이도   Predicted Total Pos Neg Actual Pos a b a+b Neg c d c+d 민감도 sensitivity 는 조건부확률로 실제 양성일 때, 양성으로 판정할 확률이다. $$ Sensitivity = P(Y=1|X=1) , Specificity = P(Y=0|X=0) $$ 이를 위 표에 적용해보면 민감도는 $$ \frac{a}{a+b} $$ 특이도 specificity 는 실제 음성일 때 음성으로 판정할 확률이다. 위 표로부터 구한 특이도는 다음과 같다. $$ \frac{c}{c+d} $$ 따라서 민감도와 특이도가 높을수록 예측력이 좋다고 할 수 있다.
댓글 쓰기
자세한 내용 보기

범주형 변수 ; Categorical Variables

 범주형 변수 (categorical variables)의 정의와 예시에 대해 살펴보고 다음 글부터 범주형 변수의 분석 방법에 대해 다루고자 한다. ✅범주형 변수 의 정의: 측정 단위가 여러 범주들의 집합으로 구성되어 있는 변수 범주형 변수는 질적 변수 (qualitative variables) 라고도 일컬어 진다. 📋범주형 변수의 예시 ex 1) 영화장르: 액션 - 로코 - 코미디 - 드라마 ex 2) 백신 접종 여부: 예 - 아니오 ex 3) 최종 학력: 중졸 - 고졸 - 전문대졸 - 대졸 - 대학원졸 ex 4) 행복 수준: 없음 - 가끔 - 꽤 행복 - 항상 행복 범주형 변수는 하위 세 가지 타입의 변수를 갖는다. 1. 이항변수 (Binary variables)        ⇨ 위 예시 2번이 해당       ⇨ [예 or 아니오] 혹은 [찬성 or 반대] 두 가지의 범주만을 갖는 변수들 2. 명목형변수 (Nominal variables)        ⇨ 위 예시 1번이 해당      ⇨ 3개 이상의 범주를 갖고 변수들 사이에 순서에 대한 의미가 없는 변수들 3. 순서형변수 (Ordinal variable)        ⇨ 위 예시 3번과 4번이 해당     ⇨ 범주들이 일정한 순서를 갖는 변수들 (순서에 의미가 있음)  범주형 변수들을 어떻게 분석할 것인가?     ⇨ GLM (Generalised Linear Model) 일반화 선형모형 이용함. 자세한 분석 방법들은 다음 글들에서 다루고자 한다.
댓글 쓰기
자세한 내용 보기

Odds Ratio and Relative Risk ; 오즈비와 상대위험도 part. 2

 지난 글에서 2X2 분할표에서 많이 사용되는 오즈비와 상대위험도의 개념에 대해서 살펴보았다. 그 중에서도 지난 글에서는 오즈비를 사용할 수밖에 없는 경우에 대해 살펴보았다.  상대위험도가 직관적으로 이해하기 쉽고 위험비에 대한 쉬운 해석을 가능하게 하지만, 그럼에도 불구하고 보건 or 의학 계열에서 오즈비를 많이 사용 할 수밖에 없는 이유에 대해 살펴보았다. 또한 오즈비와 상대위험도는 가끔 동일하게 해석되기도 한다. (자세한 내용은 이전 글로..) 그럼 이번 글에서는 오즈비와 상대위험도를 동일하게 해석할 수 있는 경우 에 대해 살펴보도록 하겠다. 먼저 다음과 같은 오즈비의 특성을 이해해야 한다. 오즈비의 중요 특성: 상대적인 위험도를 과장하는 측면 이 있다. 이는 굉장히 중요한 오즈비의 특성인데, Relative Risk 값보다 항상 큰 값을 가진다. 그리고 이는 해당 Event가 흔하게 일어날 수록 더욱 더 과장 된다. 📋예를 들어 보자. 따듯한 차를 마셨을 때와 방안 온도의 차를 마셨을 때 체온이 상승하는지 아니면 그대로 유지되는지에 대해 조사하고 다음과 같은 분할표를 얻었다.   체온 상승 유지 Total Warm tea 90 10 100 Normal temp 20 180 200 먼저 Relative Risk 상대위험도 를 구해보자. $$ \frac{90/100}{20/200} = 9 $$ 이번엔 Odds Ratio 오즈비 를 구해보자. (유도과정은 이전 글 참고) $$ \frac{90 * 180}{20 * 10} = 81 $$ 이번엔 방금 구한 상대위험도와 오즈비를 해석해보자. 📉 RR : 상대위험도는 9로, 이는 따듯한 차를 마신다면 체온이 상승할 확률이 방안 온도의 차를 마셨을 때보다 체온이 상승할 확률...
댓글 쓰기
자세한 내용 보기