[논문]R 소프트웨어를 이용한 대기오염 데이터의 시각화

오영창; 박은식

doi:10.7465/jkdi.2015.26.2.399

R 소프트웨어를 이용한 대기오염 데이터의 시각화
Data visualization of airquality data using R software 원문보기

Journal of the Korean Data & Information Science Society = 한국데이터정보과학회지, v.26 no.2, 2015년, pp.399 - 408

오영창 (전남대학교 통계학과) , 박은식 (전남대학교 통계학과)

초록
AI-Helper

본 논문은 대기오염 자료를 여러 가지 방법의 데이터 시각화를 통해 나타내었고, 데이터 시각화 방법별로 통계적인 방법을 활용한 분석과 연계하여 어떤 특징을 알아 볼 수 있는지를 나타냈다. 데이터 시각화 도구로는 통계 패키지인 R을 사용하였다. 분석에 사용된 데이터는 뉴욕시에서 1973년 5월부터 9월까지 공기의 질을 측정한 자료이다. 먼저 단변량 분석과 단순회귀분석을 실시하여 데이터 시각화를 통해 자료의 기본적인 특성을 파악하고 시각화 방법으로 산점도행렬 등을 통해 특성을 한눈에 볼 수 있게 나타내었다. 다중 회귀 분석을 실시하여 로그변환 등을 이용하여 최적의 모형을 찾고 설명변수들을 범주화하여 상자그림이나 3차원 투시도, 3차원 산점도 등 여러 데이터 시각화 방법을 이용해 대기오염 데이터의 전체적인 특성들을 알아보았다.

Abstract ▼ AI-Helper

This paper presented airquality data through data visualization in several ways and described its characteristics related to statistical methods for analysis. Software R was used for visualization tools. The airquality data was measured in New York city from May to September of year 1973. First, simple, exploratory data analysis was done in terms of both data visualization and analysis to find out univariate characteristics. Then through data transformation and multiple regression analysis, model for describing the airquality level was found. Also, after some data categorization, overall feature of the data was explored using box plot and three-dimensional perspective drawing and scatter plot.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

데이터를 파악하기 위하여 각 변수별로 단변량 분석을 실시하고 각 변수 간의 관계를 살피기 위해서 단순 회귀 분석과 다중 회귀 분석을 실시하여 변수 간의 관계를 파악한다. R 프로그램을 이용하여 단변량 자료의 그래프 및 삼변량 이상의 2차원 및 3차원 그래프를 구현하여 다중 회귀 분석 결과와 비교해 보고자 한다.
일반인들도 무료로 접근이 가능하고, 최신 통계분석도 다양하며 그래픽 성능이 우수한 R 프로그램은 데이터 시각화에 적합한 도구라고 할 수 있다 (Kim과 Lee, 2014). R 프로그램을 통해 다양한 방법으로 데이터를 시각화 하여 자료를 한눈에 볼 수 있도록 하고 그에 따른 정보를 쉽게 알 수 있게 하여 효과적으로 데이터를 파악하는데 도움이 되고자 한다(Park, 2007).
본 논문은 데이터 시각화를 통해 자료의 패턴을 파악하여 한눈에 자료의 특징을 알 수 있게 하고자 R을 이용하여 여러 가지 기법으로 그래프를 구현해 보았다. 2차원의 히스토그램과 산점도, 상자그림, 3차원 산점도와 투시도 등 다양한 방법으로 그래프를 구현하였고 이를 통해서 오존농도와 설명변수들간에 어떠한 관련성이 있는지를 더욱 쉽게 파악해볼 수 있었다.
데이터 시각화에 이용된 자료는 R 프로그램에 내재되어 있는 “Airquality”라는 자료이다 (Chambers 등, 1983). 이 자료를 이용하여 오존의 농도에 영향을 주는 기상 자료들과의 연관성을 분석하고자 한다. 데이터를 파악하기 위하여 각 변수별로 단변량 분석을 실시하고 각 변수 간의 관계를 살피기 위해서 단순 회귀 분석과 다중 회귀 분석을 실시하여 변수 간의 관계를 파악한다.

제안 방법

각 변수들의 개별적인 특징을 알아보기 위해서 단변량 분석을 실시하였다. 그 결과가 아래의 Table 3.
점을 이분화하여 나타내었고 색상이 선명하면 더 가까이에 있는 것이고 흐릿하면 더 멀리 있는 것이다. 그리고 점들의 분포를 대략적으로 구의 형태로 나타내어 보았다. 위의 두 개의 산점도는 최고 온도를 이분화 하였고, 가운데의 두 개의 산점도는 평균 풍속을 이분화 한 것이다.
단순 회귀 분석을 통해 각 변수가 오존 농도와 어떤 관계가 있는지 파악을 해 보았고 이번에는 다중회귀 분석을 실시하여 여러 변수와 오존 농도와의 관계를 살펴보았다. 그 결과가 아래 Table 3.
이 자료를 이용하여 오존의 농도에 영향을 주는 기상 자료들과의 연관성을 분석하고자 한다. 데이터를 파악하기 위하여 각 변수별로 단변량 분석을 실시하고 각 변수 간의 관계를 살피기 위해서 단순 회귀 분석과 다중 회귀 분석을 실시하여 변수 간의 관계를 파악한다. R 프로그램을 이용하여 단변량 자료의 그래프 및 삼변량 이상의 2차원 및 3차원 그래프를 구현하여 다중 회귀 분석 결과와 비교해 보고자 한다.
자료 “Airquality”는 태양 복사와 평균 풍속 및 최고 온도에 따른 오존의 농도를 나타낸 자료이다. 따라서 오존 농도에 대해서 다른 변수들이 각각 어떠한 관계를 가지고 있는지 단순 회귀 분석을 통해서 살펴보았다 (Table 3.2). 설명변수가 태양 복사 일 때 모형의 적합성도 유의하고 회귀계수도 유의하지만 결정계수가 0.
어떤 요인이 더 오존 농도에 영향을 많이 미치는지 더 알기 쉽게 보기 위해서 3차원으로 산점도를 그려보았다. 3차원 산점도는 드래그를 함으로써 각도를 자유자재로 변경할 수 있다.
자료가 어떤 특성을 가지고 있는지 쉽게 알아보기 위해서 여러 가지 방법으로 시각화를 해보았다. 변환점을 찾는 많은 통계적 연구가 있지만 (Zeileis 등, 2002), 시각적으로 자료를 표현하는 것은 시각적 통찰력이라는 특수한 능력을 활용하여, 숨겨진 채 계속 못 찾을 수 있는 의미있는 패턴을 발견하게 한다 (Stephen, 2007).

대상 데이터

데이터 시각화에 이용된 자료는 R 프로그램에 내재되어 있는 “Airquality”라는 자료이다 (Chambers 등, 1983).
여기서 날짜를 나타내는 Month와 Day를 제외한 나머지 4개의 변수를 분석에 이용하기로 한다. 자료의 출처는 New York State Department of Environmental Conservation에서 Ozone을, National Weather Service에서 나머지 기상 자료를 얻었다. Ozone은 13시 부터 15시 까지 Roosevelt Island에서의 오존의 농도이며 단위는 ppb이다.
R, Wind, Temp는 설명변수이다. 총 관측된 자료의 수는 154개 이지만 결측치가 있는 개체들을 제외하였고 분석을 진행하던 중 극단적인 이상치 1개를 제외하고 총 110개의 개체를 가지고 분석을 진행하였다.

데이터처리

따라서 Ozone을 로그변환을 하여 회귀분석을 실시해 보았다. Wind는 결정계수가 약간 감소했지만 Solar와 Temp는 단순회귀분석에 비해 확실히 결정계수가 증가함을 보여준다.
4이다. 모형의 적합성 검정은 통계적으로 유의하였다. 또한 회귀계수도 모두 통계적으로 유의하고 결정계수는 0.

성능/효과

따라서 Ozone을 로그변환을 하여 회귀분석을 실시해 보았다. Wind는 결정계수가 약간 감소했지만 Solar와 Temp는 단순회귀분석에 비해 확실히 결정계수가 증가함을 보여준다. 로그변환을 하는 것이 변환하기 전보다 모형의 설명력이 더욱 증가하였음을 알 수 있다.
2차원의 히스토그램과 산점도, 상자그림, 3차원 산점도와 투시도 등 다양한 방법으로 그래프를 구현하였고 이를 통해서 오존농도와 설명변수들간에 어떠한 관련성이 있는지를 더욱 쉽게 파악해볼 수 있었다. 단순히 회귀분석 결과로만 보았을 때 알 수 없었던 특징들을 R을 이용한 데이터 시각화를 통해 보이지 않았던 자료의 특징들에 대해서도 파악할 수 있었고 자료를 있는 그대로만 해석하는 것이 아니라 변수들의 변환을 통해 다양한 방법으로 그래프를 그려보고 데이터를 시각화 하는 방법이 수많은 방법이 있다는 것을 알게 되었다. 데이터 시각화를 너무 어렵게 생각하기보다 R을 이용하면 누구나 쉽게 구현할 수 있고, 무료 패키지 프로그램인 R은 지금도 개발 중에 있으므로 앞으로는 더욱 다양한 데이터 시각화가 구현되라고 본다.
왼쪽과 오른쪽으로 나눈 것은 자료를 이분화 하였을 때 작은 부분을 왼쪽으로 큰 부분을 오른쪽에 나타내었다. 먼저 태양복사에 대한 투시도는 좌우의 모양이 큰 차이가 없는 것으로 봐서 태양 복사의 변화에 대해서 온도와 풍속이 함께 오존의 농도에 크게 영향을 주지 않는 것을 보여준다. 주로 온도에 의해 오존의 농도가 크게 좌우됨을 알 수 있다.
위의 산점도의 파란색은 온도가 낮은 부분이고 빨간색은 온도가 높은 부분이다. 살펴보면 그룹이 확실히 나눠짐을 알 수 있고, 풍속이 높으면서 온도가 낮을수록 오존의 농도는 낮고 풍속이 낮으면서 온도가 높을수록 오존의 농도는 높다는 것을 알 수 있다. 그리고 위의 상자그림에서도 보았듯이 오른쪽의 산점도로 보아 태양 복사는 온도와는 크게 관련이 없는 형태임을 알 수 있다.
T는 Temp인 최고 온도를, W는 Wind인 평균 풍속을, S는 Solar인 태양 복사를 나타낸다. 상자그림을 보면 단순회귀분석에서 살펴보았듯이 태양 복사는 높을수록, 평균 풍속은 낮을수록, 최고 온도는 높을수록 오존의 농도가 높은 편임을 알 수 있다. 세 가지 요인 중에서 다중회귀분석에서 살펴보았던 대로 온도가 오존의 농도에 가장 큰 영향을 미치고 그 다음으로는 풍속, 마지막으로 태양 복사가 가장 덜 영향을 미치는 것을 알 수 있다
상자그림을 보면 단순회귀분석에서 살펴보았듯이 태양 복사는 높을수록, 평균 풍속은 낮을수록, 최고 온도는 높을수록 오존의 농도가 높은 편임을 알 수 있다. 세 가지 요인 중에서 다중회귀분석에서 살펴보았던 대로 온도가 오존의 농도에 가장 큰 영향을 미치고 그 다음으로는 풍속, 마지막으로 태양 복사가 가장 덜 영향을 미치는 것을 알 수 있다
그리고 다중공선성을 체크하기 위하여 VIF를 살펴보면 모두 10보다 작으므로 다중공선성은 존재하지 않는다고 할 수 있다. 세 변수 중 가장 영향력이 높은 순서를 살펴보면 절대값이 가장 큰 최고 온도가 가장 영향력이 크고 그 다음으로 영향을 미치는 것은 평균 풍속임을 알 수 있다. 태양 복사는 가장 영향력이 적은 것을 알 수 있다.
온도를 나타낸 투시도를 보면 더욱 확실히 알 수 있다. 온도가 낮은 부분은 어떠한 요인으로도 오존의 농도는 크게 변함이 없는 것이 보이지만, 온도가 높은 부분에서는 오존의 농도가 전체적으로 크게 증가를 하였고, 풍속에 의해서만 약간 영향을 받는 것을 보였다. 풍속을 나타내는 투시도를 보면 왼쪽과 오른쪽에 대해서 온도의 변화에 대해 오존 농도의 차이가 있었는데 풍속이 높은 경우는 태양 복사가 낮으면 온도가 아무리 높다고 하더라도 오존의 농도는 상당히 낮음을 알 수 있다.
태양 복사는 가장 영향력이 적은 것을 알 수 있다. 온도가 높을수록, 바람이 적을수록, 태양 복사량이 높을수록 오존의 농도는 커지는 것을 알 수 있다. 그리고 아래에는 잔차그림을 나타내었다.
4809으로 모형의 설명력은 낮음을 알 수 있다. 태양 복사와 최고 온도의 회귀계수 추정치는 양수이므로 태양 복사 값과 최고 온도가 높을수록 오존의 농도는 높아지고 평균 풍속의 회귀계수 추정치는 음수이므로 풍속이 낮으면 오존의 농도가 낮아짐을 알 수 있다.
온도가 낮은 부분은 어떠한 요인으로도 오존의 농도는 크게 변함이 없는 것이 보이지만, 온도가 높은 부분에서는 오존의 농도가 전체적으로 크게 증가를 하였고, 풍속에 의해서만 약간 영향을 받는 것을 보였다. 풍속을 나타내는 투시도를 보면 왼쪽과 오른쪽에 대해서 온도의 변화에 대해 오존 농도의 차이가 있었는데 풍속이 높은 경우는 태양 복사가 낮으면 온도가 아무리 높다고 하더라도 오존의 농도는 상당히 낮음을 알 수 있다. 이렇게 투시도를 통해서 더 자세하게 요인들이 오존의 농도에 어떠한 효과를 주는지를 확인할 수 있었다.

후속연구

단순히 회귀분석 결과로만 보았을 때 알 수 없었던 특징들을 R을 이용한 데이터 시각화를 통해 보이지 않았던 자료의 특징들에 대해서도 파악할 수 있었고 자료를 있는 그대로만 해석하는 것이 아니라 변수들의 변환을 통해 다양한 방법으로 그래프를 그려보고 데이터를 시각화 하는 방법이 수많은 방법이 있다는 것을 알게 되었다. 데이터 시각화를 너무 어렵게 생각하기보다 R을 이용하면 누구나 쉽게 구현할 수 있고, 무료 패키지 프로그램인 R은 지금도 개발 중에 있으므로 앞으로는 더욱 다양한 데이터 시각화가 구현되라고 본다.

질의응답

핵심어	질문	논문에서 추출한 답변
	빅데이터의 시각화가 중요해지는 이유는 무엇인가?	빅데이터 시장은 시간이 지날수록 더욱 더 커지고 있으며 (Bae 등, 2013), 일상생활에서도 다양한 분야에서 이용되고 일반 사람들에게도 많은 정보가 공유되고 있다. 하지만 빅데이터 분석은 매우 복잡하고 난해하여 자료가 의미 하는 것이 무엇인지 어떤 방향성을 나타내는지 이해하기 어려운 부분이 많기 때문에 빅데이터의 시각화가 중요해지고 있다 (Choi 등, 2013).
	Airquality 데이터의 출처는 어디인가?	여기서 날짜를 나타내는 Month와 Day를 제외한 나머지 4개의 변수를 분석에 이용하기로 한다. 자료의 출처는 New York State Department of Environmental Conservation에서 Ozone을, National Weather Service에서 나머지 기상 자료를 얻었다. Ozone은 13시 부터 15시 까지 Roosevelt Island에서의 오존의 농도이며 단위는 ppb이다.
	R 프로그램의 특징은 무엇인가?	다양한 시각화 기법들이 개발되고 있으며 (Joo 등, 2013), 여러 가지 컴퓨터 프로그램들을 사용하여 구현 할 수 있다. 일반인들도 무료로 접근이 가능하고, 최신 통계분석도 다양하며 그래픽 성능이 우수한 R 프로그램은 데이터 시각화에 적합한 도구라고 할 수 있다 (Kim과 Lee, 2014). R 프로그램을 통해 다양한 방법으로 데이터를 시각화 하여 자료를 한눈에 볼 수 있도록 하고 그에 따른 정보를 쉽게 알 수 있게 하여 효과적으로 데이터를 파악하는데 도움이 되고자 한다(Park, 2007).

참고문헌 (11)

Bae, D., Park, H. and Oh, K. (2013). Big data trends and policy implications. International Telecommunications Policy Review, 25, 37-74.
Chambers, J. M., Cleveland, W. S., Kleiner, B. and Tukey, P. A. (1983). Graphical Methods for Data Analysis, Wadsworth.
Cho, J. (2014). Analysis of employee's characteristic using data visualization. Journal of the Korean Data & Information Science Society, 25, 727-736.

원문보기 상세보기
Choi, K., Ham, Y. and Kim, S. (2013). Big data visualization. KSCI Review, 21, 33-43.
Joo, S., Jung, J. and Ryu, K. (2013). Big data technology trends, visualizations of big and public data. Smart Media Journal, 2, 37-43.
Kim, K. and Lee, K. (2014). A web application for open data visualization using R. Journal of the Korean Association of Geographic Information Studies, 17, 72-81.

원문보기 상세보기
Lim, Y., Baek, S. and Yeon, S. (2012). Choice and focus for competitiveness of big data era. Nurimedia Korean Studies Journals, 29, 3-10.
Park, D. (2007). Teaching statistical graphics using R. The Korean Journal of Applied Statistics, 20, 619-634.

원문보기 상세보기
Park, S. (2014). Visualization and interpretation of cancer data using linked micromap plots. Journal of the Korean Data & Information Science Society, 25, 1531-1538.

원문보기 상세보기
Stephen, F. (2007). Visualizing change : an innovation in time-series analysis. Visual Business Intelligence Newsletter, September 2007.
Zeileis, A., Leisch, F., Hornik, K. and Kleiber, C. (2002). Strucchange: an R package for testing for structural change in linear regression models. Journal of Statistical Software, 7, 1-38.

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

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