기본 콘텐츠로 건너뛰기

로지스틱 회귀 분석 (9)



 지금까지 로지스틱 회귀 분석 설명은 질병의 유무 처럼 이분형 자료에 대한 설명이었습니다. 하지만 세 가지 이상 범주형 자료 역시 로지스틱 회귀 분석이 가능합니다. 결과 변수가 단순히 질병의 발생이 아니라 질병의 종류나 혹은 경과에 따른 여러 가지 결과 (종양이 성장, 변화 없음, 감소 등)으로 나타나는 경우 이분형이 아니라 다항 로지스틱 회귀 분석 (Multinomial Logistic Regression)을 사용할 수 있습니다. 주의할 점은 다중 로지스틱 회귀 분석 (Mutiple Logistic Regression)과 혼동하지 말아야 한다는 점입니다. 다중 로지스틱 회귀 분석은 이름은 비슷해 보이지만, 그냥 이분형 로지스틱 회귀 분석입니다. 



 다항 로지스틱 회귀 분석은 사실 생각보다 널리 쓰이지 않는 분석 방법입니다. 결과 해석이 복잡하기 때문에 반드시 결과가 셋 이상으로 나타나는 경우를 제외하면 쓰기 꺼려지는 것이죠. 하지만 다양한 결과를 분류해야 하는 예측 모형이나 머신러닝 분야에서는 유용하게 사용될 수 있습니다. 그래서 R에서 다항 로지스틱 회귀 분석 예제가 대부분 nnet 패키지를 사용합니다. nnet 패키지는 앞서 신경망에서 사용한 적이 있는데, 이 신경망 학습의 목적이 올바른 분류라는 점을 생각하면 nnet에 다항 로지스틱 회귀 분석이 포함된 이유도 이해할 수 있을 것 같습니다. 구글에서 가장 쉽게 검색할 수 있는 nnet 예제는 역시 iris입니다. 




 여기서는 다른 예제를 통해 다항 로지스틱 회귀 분석에 대해서 알아보겠습니다. moonBook 패키지에 있는 acs 데이터는 불안정 협십증 (unstable angina), ST 분절 비상승 심근경색증(Non-ST elevation myo- cardial infarction: NSTEMI), ST 분절 상승 심근경색증(ST elevation myo- cardial infarction: STEMI)이 발생한 환자들의 임상 정보를 담고 있는 데이터 입니다. 구조를 확인하면 다음과 같습니다. (우선 moonbook 패키지와 nnet 패키지를 로드합니다)


require(moonBook)
require(nnet)
str(acs)

> str(acs)
'data.frame': 857 obs. of  17 variables:
 $ age             : int  62 78 76 89 56 73 58 62 59 71 ...
 $ sex             : chr  "Male" "Female" "Female" "Female" ...
 $ cardiogenicShock: chr  "No" "No" "Yes" "No" ...
 $ entry           : chr  "Femoral" "Femoral" "Femoral" "Femoral" ...
 $ Dx              : chr  "STEMI" "STEMI" "STEMI" "STEMI" ...
 $ EF              : num  18 18.4 20 21.8 21.8 22 24.7 26.6 28.5 31.1 ...
 $ height          : num  168 148 NA 165 162 153 167 160 152 168 ...
 $ weight          : num  72 48 NA 50 64 59 78 50 67 60 ...
 $ BMI             : num  25.5 21.9 NA 18.4 24.4 ...
 $ obesity         : chr  "Yes" "No" "No" "No" ...
 $ TC              : num  215 NA NA 121 195 184 161 136 239 169 ...
 $ LDLC            : int  154 NA NA 73 151 112 91 88 161 88 ...
 $ HDLC            : int  35 NA NA 20 36 38 34 33 34 54 ...
 $ TG              : int  155 166 NA 89 63 137 196 30 118 141 ...
 $ DM              : chr  "Yes" "No" "No" "No" ...
 $ HBP             : chr  "No" "Yes" "Yes" "No" ...
 $ smoking         : chr  "Smoker" "Never" "Never" "Never" ...


 이제 BMI가 급성 관상동맥 질환에 미치는 영향에 대해서 알아보겠습니다. 우선 boxplot을 그려봅니다.

boxplot(BMI~Dx, outline=FALSE, data=acs)



  여기서 보면 사실 그룹간 유의한 차이는 없어 보입니다. 아무튼 acs 데이터 자체에 BMI 25를 기준으로 비만 여부를 구분했기 때문에 obesity를 기준으로 다항 회귀분석을 해볼 수 있습니다. 결과는 질병 분류이고 독립변수는 비만 유무입니다. 방법은 이항 로지스틱 회귀 분석과 비슷하나 glm 대신 multinom을 사용합니다. 



out=multinom(Dx~factor(obesity),family=binomial,data=acs)
summary(out)
exp(coef(out))
exp(confint(out))

> out=multinom(Dx~factor(obesity),family=binomial,data=acs)
# weights:  9 (4 variable)
initial  value 941.510731 
final  value 881.798002 
converged
> summary(out)
Call:
multinom(formula = Dx ~ factor(obesity), data = acs, family = binomial)

Coefficients:
                (Intercept) factor(obesity)Yes
STEMI             0.6789012         0.02482306
Unstable Angina   0.8659933         0.28106546

Std. Errors:
                (Intercept) factor(obesity)Yes
STEMI             0.1192421          0.2145262
Unstable Angina   0.1157681          0.2035572

Residual Deviance: 1763.596 
AIC: 1771.596 
> exp(coef(out))
                (Intercept) factor(obesity)Yes
STEMI              1.971710           1.025134
Unstable Angina    2.377366           1.324540
> exp(confint(out))
, , STEMI

                       2.5 %   97.5 %
(Intercept)        1.5607883 2.490819
factor(obesity)Yes 0.6732486 1.560938

, , Unstable Angina

                       2.5 %   97.5 %
(Intercept)        1.8947596 2.982896
factor(obesity)Yes 0.8887856 1.973937



그냥 보기에도 결과를 어떻게 정리할지 눈에 들어오지 않습니다. 아무튼 이 결과는 비만의 유무에 따라 NSTEMI에 비해 unstable angina나 STEMI가 생길 OR값 (exp(coef(out)))과 그 95% CI 값 (exp(confint(out)))을 보면 각각 1.324540 (95% CI 0.8887856 1.973937) 1.025134 (95% CI 0.6732486 1.560938) 입니다. 헷갈릴 수 있는데, 보통 95% CI 값 중간에 OR 값이 온다는 점을 참조하면 도움이 될 것입니다. (아래 사진 참조) 



 참고로 여기서는 NSTEMI를 기준으로 삼았지만, 만약 기준을 바꾸고 싶다면 0,1,2로 이름을 바꾸면 0을 기준으로 수치를 알려주게 됩니다. 


 하지만 다항 로지스틱 회귀 분석의 어려움은 결과 변수와 독립 변수의 숫자가 3보다 더 많을 때 발생합니다. 결과가 3x3, 4x4 하는 식으로 복잡해지기 때문이죠. 여기서는 obesity를 정상 (BMI 23이하), 과체중 (23-25) 비만 (25 이상)으로 세 군으로 나눠보겠습니다. 


acs$obesity2[acs$BMI<23 span="">
acs$obesity2[acs$BMI>=23]=1
acs$obesity2[acs$BMI>=25]=2
table(acs$obesity2)

out=multinom(Dx~factor(obesity2),family=binomial,data=acs)
summary(out)
exp(coef(out))
exp(confint(out))


 > exp(coef(out))
                (Intercept) factor(obesity2)1 factor(obesity2)2
STEMI               1.90741          0.851940          1.059696
Unstable Angina     2.12963          1.138696          1.478629
> exp(confint(out))
, , STEMI

                      2.5 %   97.5 %
(Intercept)       1.3722523 2.651272
factor(obesity2)1 0.5098546 1.423547
factor(obesity2)2 0.6555833 1.712910

, , Unstable Angina

                      2.5 %   97.5 %
(Intercept)       1.5412883 2.942555
factor(obesity2)1 0.6975375 1.858866
factor(obesity2)2 0.9327947 2.343864


 읽는 법은 앞서와 동일하지만, 결과가 두 배로 늘어났습니다. 이렇기 때문에 다항 로지스틱 회귀 분석은 반드시 써야 할 경우가 아니라면 잘 사용하지 않게 되는 것입니다. 차라리 결과를 심근 경색과 불안정 협심증으로 이분형으로 바꾸는 편이 결과가 더 깔끔할 수 있습니다. 아무튼 어떻게 사용하는지 알고 있으면 혹시라도 도움이 될지 모릅니다. 


 참고로 이항 로지스틱 회귀분석과는 달리 다항 로지스틱 회귀 분석은 모델을 평가할 수 있는 방법이 많지 않은 것 같습니다. 여러 모로 의학 연구에서는 잘 사용되지 않아 방법을 습득하는데도 다소 어려움이 있습니다. 

댓글

이 블로그의 인기 게시물

통계 공부는 어떻게 하는 것이 좋을까?

 사실 저도 통계 전문가가 아니기 때문에 이런 주제로 글을 쓰기가 다소 애매하지만, 그래도 누군가에게 도움이 될 수 있다고 생각해서 글을 올려봅니다. 통계학, 특히 수학적인 의미에서의 통계학을 공부하게 되는 계기는 사람마다 다르긴 하겠지만, 아마도 비교적 흔하고 난감한 경우는 논문을 써야 하는 경우일 것입니다. 오늘날의 학문적 연구는 집단간 혹은 방법간의 차이가 있다는 것을 객관적으로 보여줘야 하는데, 그려면 불가피하게 통계적인 방법을 쓸 수 밖에 없게 됩니다. 이런 이유로 분야와 주제에 따라서는 아닌 경우도 있겠지만, 상당수 논문에서는 통계학이 들어가게 됩니다.   문제는 데이터를 처리하고 분석하는 방법을 익히는 데도 상당한 시간과 노력이 필요하다는 점입니다. 물론 대부분의 학과에서 통계 수업이 들어가기는 하지만, 그것만으로는 충분하지 않은 경우가 많습니다. 대학 학부 과정에서는 대부분 논문 제출이 필요없거나 필요하다고 해도 그렇게 높은 수준을 요구하지 않지만, 대학원 이상 과정에서는 SCI/SCIE 급 논문이 필요하게 되어 처음 논문을 작성하는 입장에서는 상당히 부담되는 상황에 놓이게 됩니다.  그리고 이후 논문을 계속해서 쓰게 될 경우 통계 문제는 항상 나를 따라다니면서 괴롭히게 될 것입니다.  사정이 이렇다보니 간혹 통계 공부를 어떻게 하는 것이 좋겠냐는 질문이 들어옵니다. 사실 저는 통계 전문가라고 하기에는 실력은 모자라지만, 대신 앞서서 삽질을 한 경험이 있기 때문에 몇 가지 조언을 해줄 수 있을 것 같습니다.  1. 입문자를 위한 책을 추천해달라  사실 예습을 위해서 미리 공부하는 것은 추천하지 않습니다. 기본적인 통계는 학과별로 다르지 않더라도 주로 쓰는 분석방법은 분야별로 상당한 차이가 있을 수 있어 결국은 자신이 주로 하는 부분을 잘 해야 하기 때문입니다. 그러기 위해서는 학과 커리큘럼에 들어있는 통계 수업을 듣는 것이 더 유리합니다. 잘 쓰지도 않을 방법을 열심히 공부하는 것은 아무래도 효율

R 스튜디오 설치 및 업데이트

 R을 설치한 후 기본으로 제공되는 R 콘솔창에서 코드를 입력해 작업을 수행할 수도 있지만, 보통은 그렇게 하기 보다는 가장 널리 사용되는 R 개발환경인 R 스튜디오가 널리 사용됩니다. 오픈 소스 무료 버전의 R 스튜디오는 누구나 설치가 가능하며 편리한 작업 환경을 제공하기 때문에 R을 위한 IDE에서 가장 널리 사용되어 있습니다. 아래 링크에서 다운로드 받습니다.    https://www.rstudio.com/  다운로드 R 이나 혹은 Powerful IDE for R로 들어가 일반 사용자 버전을 받습니다. 오픈 소스 버전과 상업용 버전, 그리고 데스크탑 버전과 서버 버전이 있는데, 일반적으로는 오픈 소스 버전에 데스크탑 버전을 다운로드 받습니다. 상업 버전의 경우 데스크탑 버전의 경우 년간 995달러, 서버 버전은 9995달러를 받고 여러 가지 기술 지원 및 자문을 해주는 기능이 있습니다.   데스크탑 버전을 설치하는 과정은 매우 쉽기 때문에 별도의 설명이 필요하지 않을 것 같습니다. 인스톨은 윈도우, 맥, 리눅스 (우분투/페도라)에 따라 설치 파일이 나뉘지만 설치가 어렵지는 않을 것입니다. 한 가지 주의할 점이라면 R은 사전에 반드시 따로 설치해야 한다는 점입니다. R 스튜디오만 단독 설치하면 아무것도 할 수 없습니다. 뭐 당연한 이야기죠.   설치된 R 스튜디오는 자동으로 업데이틀 체크하지 않습니다. 따라서 업데이트를 위해서는 R 스튜디오에서 Help 로 들어가 업데이트를 확인해야 합니다.     만약 업데이트 할 내용이 없다면 최신 버전이라고 알려줄 것이고 업데이트가 있다면 업데이트를 진행할 수 있도록 도와주게 됩니다. R의 업데이트와 R 스튜디오의 업데이트는 모두 개별적이며 앞서 설명했듯이 R 업데이트는 사실 기존 버전과 병행해서 새로운 버전을 새롭게 설치하는 것입니다. R 스튜디오는 실제로 업데이트가 이뤄지기 때문에 구버전을 지워줄 필요는

R 패키지 설치 및 업데이트 오류 (1)

 R 패키지를 설치하거나 업데이트 하다보면 여러 가지 문제가 생기는 경우들이 있습니다. 이 경우 아예 R을 재설치하는 것도 방법이지만, 어떤 경우에는 이렇게해도 해결이 안되고 계속해서 사용자는 괴롭히는 경우도 있습니다. 이런 경우 중 하나를 소개합니다.  새로운 패키지를 설치, 혹은 업데이트 하는 과정에서 같이 설치하는 패키지 중 하나가 설치가 되지 않는다는 메세지가 계속 나왔는데, 사실은 백신 프로그램 때문이었던 경우입니다.   dplyr 패키지를 업데이트 하려고 했는데, 제대로 되지 않아 다시 설치를 진행했습니다. 그런데 일부 패키지가 제대로 설치되지 않는다는 메세지가 나왔습니다.  > install.packages("dplyr") Error in install.packages : Updating loaded packages > install.packages("dplyr") Installing package into ‘C:/Users/jjy05_000/Documents/R/win-library/3.4’ (as ‘lib’ is unspecified) also installing the dependencies ‘bindr’, ‘bindrcpp’, ‘Rcpp’, ‘rlang’, ‘plogr’ trying URL ' https://cran.rstudio.com/bin/windows/contrib/3.4/bindr_0.1.1.zip ' Content type 'application/zip' length 15285 bytes (14 KB) downloaded 14 KB trying URL ' https://cran.rstudio.com/bin/windows/contrib/3.4/bindrcpp_0.2.2.zip ' Content type 'application/zip' length 620344 b