2026 빅데이터분석기사 실기 10 | 작업형3 OLS 회귀·계수 검정·잔차 — 표·코드·풀이

실기 · 컴퓨터 작업형

잡음이 있는 작은 자료에 절편 포함 단순회귀를 적합합니다. 회귀계수와 R²,기울기 0 검정과 잔차를 구분하며 예측값의 신뢰구간·관측값 예측구간을 비교합니다.

데이터·Python·R 풀이 파일 내려받기 (.zip)

실습 준비

• ZIP을 풀고 데이터 파일과 풀이 코드를 같은 폴더에 둡니다. 원본은 합성된 연습 데이터입니다.
• Python 풀이는 pandas·NumPy와 해당 코드의 scipy 또는 scikit-learn을 사용할 수 있는 환경에서 실행합니다. R 코드가 포함된 경우 base R로 실행할 수 있습니다.
• 먼저 작업 지시만 보고 풀고, 아래 해설에서 결과·분모·자료형을 대조합니다.
• 이 표에서 빈 값은 미입력입니다. 숫자 0이나 문자 NULL로 임의 치환하지 않습니다.

원본 표

작업 1. 가설

기울기에 대한 양측 검정 가설을 쓰세요.

작업 2. 계수

절편과 기울기를 추정하세요.

작업 3. 검산

예측값과 잔차를 구해 잔차 합과 SSE를 확인하세요.

작업 4. 유의성

기울기 t값·p값·자유도를 출력하세요.

작업 5. 구간

x=6에서 평균 반응 신뢰구간과 새 관측 예측구간을 비교하세요.

작업 6. 해석

유의한 양의 계수가 인과효과를 증명하는지 쓰세요.

전체 풀이 — Python

import pandas as pd
import numpy as np
import statsmodels.api as sm
d=pd.read_csv("data.csv")
X=sm.add_constant(d[["x"]],has_constant="add")
m=sm.OLS(d.y,X).fit()
print(m.summary())
print(m.params, "SSE",sum(m.resid**2),"residual_sum",sum(m.resid))
new=sm.add_constant(pd.DataFrame({"x":[6]}),has_constant="add")
print(m.get_prediction(new).summary_frame(alpha=.05))

같은 계산 — R

d<-read.csv("data.csv");m<-lm(y~x,d)
print(summary(m));print(sum(resid(m)^2));print(sum(resid(m)))
print(predict(m,data.frame(x=6),interval="confidence"))
print(predict(m,data.frame(x=6),interval="prediction"))

제출 전 점검

• 요구한 열·행 수·순서·자료형이 맞는지 결과를 다시 읽습니다.
• 평균·분산·검정에서 분모와 보정 옵션을 확인합니다.
• 학습에서 정한 전처리를 검증·시험에 그대로 적용했는지 확인합니다.
• 설명 문장에서는 유의성과 효과 크기, 예측과 인과를 구분합니다.

범위 확인

2026년 학습 범위를 기준으로 구성했습니다. 시험 시행기관의 자격 안내·출제 기준에서 과목과 변경 공지를 확인할 수 있습니다.

예상 모의문제입니다.