2026 빅데이터분석기사 필기 3과목 2장 1절 | 회귀분석·회귀계수·모형 진단 — 객관식 10문제

정답 ④

최소제곱법은 관측값과 예측값의 차이인 잔차의 제곱합을 최소화합니다. 잔차는 y-ŷ입니다. 절편을 포함한 일반적인 학습 OLS에서 잔차 합은 0이지만 절편 없는 모형이나 새로운 자료에서는 같은 성질을 그대로 기대할 수 없습니다. 잔차 제곱은 큰 오차에 더 큰 가중을 주므로 이상값의 영향을 살펴야 합니다. 예측 오차를 평가할 때는 학습 잔차뿐 아니라 검증 자료에서의 오차를 별도로 계산합니다.

정답 ①

잔차 10-8=2, 제곱오차 2²=4입니다.

정답 ③

다중회귀의 계수는 다른 설명변수를 고정했을 때 해당 변수가 1단위 변하면 예측값이 얼마나 변하는지를 뜻합니다. y=10+2x이면 x가 3일 때 16입니다. 범주형 변수는 기준 범주와의 차이로 해석합니다. 회귀계수는 자료와 모형 조건 아래의 관계이며 인과효과가 자동 증명된 것은 아닙니다. 상호작용이나 로그 변환이 포함되면 계수 해석도 바뀌므로 식의 형태와 단위를 함께 봅니다.

정답 ④

x의 변화 2에 계수 2를 곱해 4 증가합니다.

정답 ④

절편을 포함한 OLS의 R²=1-SSE/SST는 학습 자료 변동 중 모형이 설명한 비율입니다. 변수를 추가하면 학습 R²는 보통 감소하지 않지만 수정 R²는 불필요한 변수 추가에 패널티를 줍니다. 검증 자료의 R²는 음수가 될 수 있습니다. 학습 R²가 높아도 과적합·누수·잘못된 외삽이면 미래 성능이 나쁠 수 있습니다. 모델 선택에는 교차검증 오차와 해석 가능성도 함께 고려합니다.

정답 ①

1-20/100=0.8입니다.

정답 ④

선형회귀의 추론에서는 선형성·오차 독립성·등분산성·정규성 등을 검토합니다. 정규성은 보통 설명변수 자체가 아니라 오차에 대한 가정입니다. 잔차-예측값 그림, Q-Q plot, 시간 순서 잔차를 목적에 맞게 봅니다. 잔차가 깔때기 모양이면 이분산을 의심할 수 있고 시간적 패턴이면 독립성 문제를 살펴야 합니다. 가정 위반의 성격에 따라 변환·강건 표준오차·다른 모형 등을 검토합니다.

정답 ④

오차 분산이 예측 수준에 따라 달라질 수 있으므로 이분산을 검토합니다.

정답 ②

설명변수 간 강한 선형 관계는 다중공선성으로 계수 추정이 불안정해질 수 있습니다. VIF가 큰 변수를 살펴보고 변수 구성·도메인·예측 목적을 검토합니다. 상관이 높다는 이유만으로 모든 변수를 무조건 삭제하지 않습니다. Ridge는 L2, Lasso는 L1 벌점을 사용하며 Lasso는 계수를 0으로 만들어 선택 효과를 낼 수 있습니다. 벌점 강도는 검증으로 정하고 스케일의 영향을 관리합니다.

정답 ①

서로 비슷한 설명변수가 계수의 분산과 불안정을 키울 수 있습니다.