[논문]다수준 로지스틱 모형을 이용한 흡연 여부에 미치는 영향 분석

이지혜; 허태영

doi:10.5351/kjas.2014.27.1.089

문제 정의

따라서 개인 수준과 지역 수준의 변수가 흡연여부에 어떠한 영향을 미치고 있는지 알아보기 위하여 지역 의 고정 효과를 제외한 모형인 연구모형1의 예측된 고정 효과와 지역의 고정 효과를 포함시킨 모형인 연구모형2의 예측된 고정 효과를 연구하였다. 적용된 연구모형1과 연구모형2는 식 (3.
본 연구에서는 서울시에서 추진하는 각종 금연 정책 효과를 알아보기 위하여 25개 각 행정구간 흡연율의 차이를 다수준 분석을 통하여 알아보고자 하였다. 이는 다수준 분석을 통해 각 행정구간 흡연율의 차이가 존재하는지에 대한 여부를 판단하여 서울시 금연 정책의 지역적 파급효과의 실효성을 확인할 수 있다는 장점이 있다.
본 연구의 목적을 위해 질병관리본부의 2010년도 지역사회 건강조사 자료를 바탕으로 서울시 25개 행정구역에서 관할하고 있는 보건소의 자료를 추출하여 분석하였다. 지역사회 건강조사는 지역 주민의 건강 수준, 흡연율, 음주율 등 건강 통계를 매년 생산하고 조사내용 및 수행체계 표준화로 주민의 건강수준을 지역 간 비교 가능케 하는 것을 목표로 하고 있다.
이 연구는 지역 주민의 성별, 연령, 연간 소득, 학력이 흡연여부에 미치는 영향과 적합한 모형의 수준을 확인하기 위하여 다수준 로지스틱 모형을 이용하여 모형의 적절성 여부를 통해 살펴보았다.
이에 서울시는 각종 금연 정책을 추진하여 2010년까지 연령별, 성별 흡연율을 감소시켜 “담배연기 없는 건강한 서울”을 만들고자 하였다 (Seoul Metropolitan Government, 2013).
본 연구의 목적을 위해 질병관리본부의 2010년도 지역사회 건강조사 자료를 바탕으로 서울시 25개 행정구역에서 관할하고 있는 보건소의 자료를 추출하여 분석하였다. 지역사회 건강조사는 지역 주민의 건강 수준, 흡연율, 음주율 등 건강 통계를 매년 생산하고 조사내용 및 수행체계 표준화로 주민의 건강수준을 지역 간 비교 가능케 하는 것을 목표로 하고 있다. 개인의 행태는 단순한 개인의 특성만으로 결정되는 것이 아니라 개인이 속한 지역이나 집단의 특성이 공통적으로 결정에 영향을 미치기된다.

가설 설정

본 논문은 설명변수가 범주형 자료와 연속형 자료가 뒤섞여 있는 형태로 1-수준의 분산은 이분산적이기 때문에 각 1-수준 단위마다 다르게 된다. 따라서 총 분산에 대한 각 수준의 분산비율 정도를 살펴보는 것은 의미가 없게 되지만 이 때 1-수준 분산의 척도인수를 1로 고정할 수 있기 때문에 편의상 1-수준의 분산을 1로 가정하였고 본 논문에서는 2-수준 분산만을 설명하였다.
6)에서와 같이 수준-1의 절편 β_0j를 분해한 형태로 절편 γ₀₀와 수준-2 공변량(covariate)인 z_j가 포함 되며 집단 j의 오차항 δ_0j로 이루어져 있다. 이 때, 개인 수준의 변수들의 효과는 고정효과로 다시 말해서, 집단 수준에 의한 변동만이 흡연 여부에 영향을 미치는 것으로 가정하여 모형에 적용하였다.

제안 방법

Table 3.6을 토대로 다른 모형에 비해 더 큰 정확성을 나타내는 모형을 알아보기 위하여 민감도(sensitivity)와 특이도(specificity), 정확도(PCC; percentage of correctly classified observations)를 계산하였다. 여기서 민감도는 실제 흡연을 하고 있음(1)으로 관측되었을 때 예측값 또한 흡연을 하고 있음(1)으로 나타날 확률을 뜻하며 특이도는 실제 흡연을 하고 있지 않음(0)으로 관측되었을 때 예측값 또한 실제 흡연을 하고 있지 않음(0)으로 나타날 확률을 뜻한다.
개인의 관측치를 1-수준 변수로 하고 지역을 2-수준 변수로 투입한 다수준 로지스틱 회귀모형을 적합시켰다. 본 연구에서는 다수준 로지스틱 분석을 위해 세가지 모형을 고려하였다.
다수준 로지스틱 모형에 대한 분석에 앞서 일반적인 로지스틱 회귀 모형을 자료에 적합시켰다. 종속변수는 개인의 흡연여부이며 설명변수로는 개인의 성별, 연령, 연간 소득, 학력이 사용되었으며 모형은 식 (3.
첫째로, 자료의 기초정보를 확인하기 위하여 1-수준과 2-수준의 변수를 투입하지 않은 절편만을 포함하는 기초모형을 살펴볼 것이다. 둘째, 기초모형을 바탕으로 식 (2.5)와 같이 지역의 고정 효과를 제외한 임의 효과만을 포함하는 (1-수준 변수만을 포함시킨 모형) 연구모형1에 대해서 살펴볼 것이다.
따라서 다수준 로지스틱 모형에서 두 가지 예측값 중 어느 모형의 예측값이 더 정확성을 나타내는지 알아보기 위하여 전체 관측치에 대한 예측값 결과를 이용하여 만든 실제 관측치와 예측값의 교차표를 작성하였으며 비교를 위하여 일반적인 로지스틱 모형에서의 실제 관측치와 예측값의 교차표를 작성하였다. 그 결과는 Table 3.
본 연구에서 사용된 지역사회 건강조사 자료는 서울시에서 25개의 각 구에 속하는 총 20330명의 개인으로 이루어진 계층적 자료이므로 같은 구에 속하는 개인은 상관성이 존재한다. 또한 종속변수는 개인의흡연여부로 현재 흡연을 하고 있음과 현재 흡연을 하고 있지 않음 두 가지로 나뉘어지는 이분형 구조이며 설명변수는 Kim (1999)의 연구에 근거하여 범주형 변수의 형태인 성별, 학력과 연령, 연속형 변수의형태인 연간 소득을 이용하였다. 이 때, 지역사회 건강조사 원자료에서는 연령이 연속형 변수의 형태이나 본 연구에서는 연령대별 흡연율의 차이를 알아보고자 범주형 변수의 형태로 변환하였다.
모형을 살펴본 후 각 수준의 모형을 이용하여 행정구별로 보건소의 흡연율을 비교하고 개인의 흡연여부를 예측한 결과는 다음과 같이 나타났다. 보건소 프로파일링을 이용하여 각 행정구 보건소의 흡연율을비교한 결과 연구모형1과 연구모형2에서 모두 통계적으로 유의한 차이를 보이는 행정구 보건소가 존재 하지 않는 것으로 나타나 서울시 행정구 보건소 간 흡연율의 차이가 존재하지 않는 것을 알 수 있다.
연구모형1에 사용된 변수로 종속변수는 개인의 흡연여부이며 설명변수는 1-수준 변수인 개인 수준에 해당하는 성별, 연령, 연간 소득, 학력을 이용하였다. 마지막으로 연구모형1에 지역 수준의 고정 효과를 포함시키기 위하여 2-수준 변수를 추가하여 식 (2.
또한 종속변수는 개인의흡연여부로 현재 흡연을 하고 있음과 현재 흡연을 하고 있지 않음 두 가지로 나뉘어지는 이분형 구조이며 설명변수는 Kim (1999)의 연구에 근거하여 범주형 변수의 형태인 성별, 학력과 연령, 연속형 변수의형태인 연간 소득을 이용하였다. 이 때, 지역사회 건강조사 원자료에서는 연령이 연속형 변수의 형태이나 본 연구에서는 연령대별 흡연율의 차이를 알아보고자 범주형 변수의 형태로 변환하였다.
는 평균 학력으로 지역 수준의 변수를 의미한다. 이 때, 학력 변수는 범주형 변수로 평균을 계산하는 것이 불가능하지만 지역 수준의 변수로 변형하기 위하여 학력을 1부터 7까지 저학력에서 고학력 순으로 나열하여 연속형 변수로 취급하여 평균을 계산하였다. 연구모형1과 연구모형2의 예측된 고정 효과 결과는 Table 3.
본 연구에서는 다수준 로지스틱 분석을 위해 세가지 모형을 고려하였다. 첫째로, 자료의 기초정보를 확인하기 위하여 1-수준과 2-수준의 변수를 투입하지 않은 절편만을 포함하는 기초모형을 살펴볼 것이다. 둘째, 기초모형을 바탕으로 식 (2.
흡연 비율에 관하여 각 행정구의 보건소별로 차이가 존재하는지 확인하기 위해 보건소 프로파일링을 적용시켰다. 프로파일링은 특정 행정구의 보건소의 흡연율과 특정 행정구를 제외한 나머지 보건소의 흡연율의 평균을 비교하는 방법이며 귀무가설은 식 (3.

대상 데이터

본 연구에서 사용된 지역사회 건강조사 자료는 서울시에서 25개의 각 구에 속하는 총 20330명의 개인으로 이루어진 계층적 자료이므로 같은 구에 속하는 개인은 상관성이 존재한다. 또한 종속변수는 개인의흡연여부로 현재 흡연을 하고 있음과 현재 흡연을 하고 있지 않음 두 가지로 나뉘어지는 이분형 구조이며 설명변수는 Kim (1999)의 연구에 근거하여 범주형 변수의 형태인 성별, 학력과 연령, 연속형 변수의형태인 연간 소득을 이용하였다.

데이터처리

이에 본 연구에서는 다수준 모형을 먼저 세운 후 다수준 모형의 타당성 여부를 검정하는 방법을 이용하여 서울시의 금연 정책에 따른 각 행정구간 흡연율의 차이를 알아보기 위해 개인 수준과 지역 수준의 두가지 수준의 변수를 동시에 고려할 수 있는 다수준 로지스틱 회귀분석을 실시하였다. 다수준 로지스틱 회귀분석에는 SAS 9.3의 glimmix 프로시저를 이용하였다.
본 연구에서 제시한 세가지 모형에 대한 타당성을 검토하기 위해 임의 효과에 대한 분산을 추정하고 급내 상관 계수(ICC; intraclass correlation coefficient)를 추정하였으며 Table 3.2와 같다.
본 연구에서는 다수준 로지스틱 회귀분석을 위하여 SAS 9.3에서 제공하고 있는 PROC GLIMMIX 프로시저를 사용하였다. 이는 GLMM(generalized linear mixed model)을 다룰 수 있는 구문으로 GLMM은 GLM(generalized linear model)과 LMM(linear mixed model)을 연결시킨 모형으로써 범주형 자료의 분석에서 자료가 집단의 형태로 얻어진 계층적 자료인 경우 사용할 수 있다.
이에 본 연구에서는 다수준 모형을 먼저 세운 후 다수준 모형의 타당성 여부를 검정하는 방법을 이용하여 서울시의 금연 정책에 따른 각 행정구간 흡연율의 차이를 알아보기 위해 개인 수준과 지역 수준의 두가지 수준의 변수를 동시에 고려할 수 있는 다수준 로지스틱 회귀분석을 실시하였다. 다수준 로지스틱 회귀분석에는 SAS 9.

이론/모형

개인의 관측치를 1-수준 변수로 하고 지역을 2-수준 변수로 투입한 다수준 로지스틱 회귀모형을 적합시켰다. 본 연구에서는 다수준 로지스틱 분석을 위해 세가지 모형을 고려하였다. 첫째로, 자료의 기초정보를 확인하기 위하여 1-수준과 2-수준의 변수를 투입하지 않은 절편만을 포함하는 기초모형을 살펴볼 것이다.

성능/효과

Table 3.5를 살펴보면 첫 번째 줄의 흡연을 하는 개인에 대하여 예측값을 계산한 결과 두 가지 모형의 예측값 모두 0.5 이상으로 나타나 흡연을 하는 것으로 예측이 적절히 되었으며 두 번째 줄에 서술된 흡연을 하지 않는 개인에 대하여 예측값을 계산한 결과 두 가지 모형의 예측값 모두 0.5 이하로 나타나 흡연을 하지 않는 것으로 예측이 적절히 되었다.
개인의 흡연여부를 두 가지 모형의 예측값을 이용하여 예측한 결과에서는 ROC curve를 작성해본 결과 다른 모형에 비해 AUC가 더 크게 나타난 임의 효과를 포함하는 연구모형1이 다른 모형에 비해 더 좋은 모형이라 할 수 있다.
다수준 로지스틱 모형 검정 결과 연구모형1에서는 개인 수준에서 살펴볼 때 남성이 여성에 비해 흡연율이 높으며 연령에서는 70대 이상의 경우가 다른 연령대에 비해 흡연율이 낮게 나타나며 70대를 기준으로 60대, 10대, 50대 20대, 40대, 30대 순으로 흡연율이 높아지는 것을 알 수 있다. 또한 연간 소득이 증가할수록 흡연을 적게 하며 학력의 경우에는 대학원 이상을 기준으로 4년제 대학, 2년/3년제 대학, 중학교, 고등학교, 초등학교, 서당, 무학 순으로 흡연을 많이 하는 것으로 나타나 학력이 낮아질수록 흡연율 이 높은 것을 알 수 있다.
앞서 각 행정구의 보건소에 대하여 흡연율을 예측한 것과는 달리 20330명의 각 개인에 대하여 흡연여부를 예측하였다. 두 가지 모형의 예측값이 예측에 사용되었으며 그 값이 0.5보다 작은 경우 흡연을 하지 않는 것으로 판단하고 0.5보다 큰 경우에는 흡연을 하는 것으로 판단하였다.
따라서 연구모형1의 프로파일링 결과 강동구와 용산구가 다른 구에 비해 흡연율이 높으며 양천구와 중랑구가 다른 구에 비해 흡연율이 낮은 것처럼 보이나 통계적으로 유의한 의미는 갖지 않으므로 서울시 보건소 간에 흡연율의 차이가 없는 것을 알 수 있다. 연구모형2에서도 통계적으로 유의한 값이 존재하지 않아 보건소 간에 흡연율의 차이가 없는 것으로 나타나 연구모형1과 동일한 결과를 보이는 것을 알 수 있다.
68%로 매우 높은 수준으로 나타났다. 또한 여성, 청소년의 흡연율이 지속적으로 증가하며 흡연 시작 연령이 감소하는 추세를 보였다. 이에 서울시는 각종 금연 정책을 추진하여 2010년까지 연령별, 성별 흡연율을 감소시켜 “담배연기 없는 건강한 서울”을 만들고자 하였다 (Seoul Metropolitan Government, 2013).
여기서 추정값의 지수 변화값은 특정 행정구의 보건소와 나머지 행정구 보건소의 흡연율 평균을 비교할수 있는 척도이다. 만약 특정 행정구 보건소의 추정값의 지수 변화값이 다른 행정구 보건소의 값보다 유의하게 크다면 특정 행정구 보건소는 나머지 행정구 보건소들의 평균 흡연율보다 흡연율이 높다는 것을의미하며, 특정 행정구 보건소의 추정값의 지수 변화값이 다른 행정구 보건소의 값보다 유의하게 작다면 특정 행정구 보건소는 나머지 행정구 보건소들의 평균 흡연율에 비해 흡연율이 낮다는 것을 의미한다.
모형을 살펴본 후 각 수준의 모형을 이용하여 행정구별로 보건소의 흡연율을 비교하고 개인의 흡연여부를 예측한 결과는 다음과 같이 나타났다. 보건소 프로파일링을 이용하여 각 행정구 보건소의 흡연율을비교한 결과 연구모형1과 연구모형2에서 모두 통계적으로 유의한 차이를 보이는 행정구 보건소가 존재 하지 않는 것으로 나타나 서울시 행정구 보건소 간 흡연율의 차이가 존재하지 않는 것을 알 수 있다.
본 자료의 기초모형에서는 지역 수준의 분산이 0.0118로 ICC 값이 약 0.0035로 나타났으며 이를 통해 전체 분산 중에서 지역 수준의 분산이 차지하는 비율이 0.35%정도임을 확인할 수 있다.
즉, 지역 보건소의 속성이 흡연의 유의한 설명변수가 될 수 없다고 할 수 있다. 연구모형1과 연구모형2의 결과를 종합해 볼 때 개인의 특성은 흡연여부의 유의한 설명변수가 될 수 있는 것으로 나타났으나 지역 보건소의 속성은 흡연의 유의한 설명변수가 될 수 없는 것으로 나타났다.
연구모형2의 결과를 살펴보면 개인 수준에서 고려할 때 성별의 경우 여성을 기준으로 남성과 오즈비(odds ratio)를 비교한 결과 남성이 여성에 비해 더 많이 흡연을 하는 것으로 나타났다. 연령별로는 70대 이상의 경우가 다른 연령대보다 흡연율이 낮음을 알 수 있으며 70대를 기준으로 60대, 10대, 50대 20대, 40대, 30대 순으로 흡연율이 높아지는 것을 알 수 있다.
위의 결과를 AUC를 이용하여 비교한 결과, 일반적인 로지스틱 모형의 AUC는 0.8424로 계산되고 임의 효과를 포함하는 경우에서 연구모형1의 AUC는 0.8432로 나타났으며 연구모형2의 AUC는 0.8410으로 나타났다. 고정 효과를 포함하는 경우에서는 연구모형1의 AUC는 0.
위의 결과를 종합해보면 기초 모형에서는 각 행정구 간 흡연율의 차이가 존재한다고 나타났으나 개인 수준과 지역 수준의 변수가 추가된 모형에서는 각 행정구 간 흡연율의 차이가 존재하지 않는 것으로 나타났다. 이는 개인 수준과 지역 수준의 변수가 흡연여부에 영향을 미치고 있는 유의한 변수라는 사실을 유추할 수 있다.
이를 이용하여 연구모형1을 개인 수준에서 살펴볼 때 성별의 경우 여성을 기준으로 남성과 오즈비(odds ratio)를 비교한 결과 남성이 여성에 비해 더 많이 흡연을 하는 것으로 나타났다. 연령별로는 70대 이상의 경우가 다른 연령대보다 흡연율이 낮음을 알 수 있으며 70대를 기준으로 60대, 10대, 50대 20대, 40대, 30대 순으로 흡연율이 높아지는 것을 알 수 있다.
5 이상으로 흡연을 한다고 예측하였다. 이처럼 두 가지 모형 모두에서 정확한 예측 결과를 보이는 경우도 있었으나 서로 상반된 예측 결과를 보이는 경우도 있는 것으로 나타났다.

후속연구

본 연구에서는 일반적인 다수준 모형과 다수준 로지스틱 모형을 적용하였으나 이를 토대로 하여 매년 조사가 시행되는 지역사회 건강조사의 특성을 이용한 패널 다수준 모형의 개발과 공간적 상관성을 반영한 공간 다수준 모형의 개발의 필요성이 제기되었으며 향후 연구 계획 중에 있다.

핵심어	질문	논문에서 추출한 답변
	연령별에 따른 흡연율은 어떠한가?	이를 이용하여 연구모형1을 개인 수준에서 살펴볼 때 성별의 경우 여성을 기준으로 남성과 오즈비(odds ratio)를 비교한 결과 남성이 여성에 비해 더 많이 흡연을 하는 것으로 나타났다. 연령별로는 70대 이상의 경우가 다른 연령대보다 흡연율이 낮음을 알 수 있으며 70대를 기준으로 60대, 10대, 50대 20대, 40대, 30대 순으로 흡연율이 높아지는 것을 알 수 있다.
	연간 소득과 흡연의 상관성은?	연간 소득의 경우에는 소득이 증가할수록 흡연을 적게 하는 것으로 나타났다. 학력의 경우에는 대학원 이상을 기준으로 4년제 대학, 2년/3년제 대학, 중학교, 고등학교, 초등학교, 서당, 무학 순으로 흡연을 많이 하는 것으로 나타나 학력이 낮아질수록 흡연율이 높은 것을 알 수 있다.
	흡연 시작 연령이 감소하고 많은 흡연자들을 위해 금연 정책을 추진하며 서울시는 무엇을 만들고자 하였나?	또한 여성, 청소년의 흡연율이 지속적으로 증가하며 흡연 시작 연령이 감소하는 추세를 보였다. 이에 서울시는 각종 금연 정책을 추진하여 2010년까지 연령별, 성별 흡연율을 감소시켜 “담배연기 없는 건강한 서울”을 만들고자 하였다 (Seoul Metropolitan Government, 2013).

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

다수준 로지스틱 모형을 이용한 흡연 여부에 미치는 영향 분석
A Study of Effect on the Smoking Status using Multilevel Logistic Model 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (13)

이 논문을 인용한 문헌

저자의 다른 논문 :

연구과제 타임라인

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

다수준 로지스틱 모형을 이용한 흡연 여부에 미치는 영향 분석 A Study of Effect on the Smoking Status using Multilevel Logistic Model 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (13)

이 논문을 인용한 문헌

저자의 다른 논문 :

허태영 (28)

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

다수준 로지스틱 모형을 이용한 흡연 여부에 미치는 영향 분석
A Study of Effect on the Smoking Status using Multilevel Logistic Model 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper