[논문 리뷰] Dummy variables and their interactions in regression analysis: examples from research on body mass index

Manfred te Grotenhuis, P.E. Thijs|arXiv (Cornell University)|2015. 11. 18.

Obesity, Physical Activity, DietMedicine참고 문헌 5인용 수 18

한 줄 요약

이 논문은 체질량지수(BMI) 데이터를 활용하여 명목형 및 순서형 예측변수를 사용한 회귀분석에서 더미 변수와 그 상호작용을 실용적이고 비기술적인 방법으로 사용하는 방법을 안내한다. 이는 성별과 교육 수준에 따른 차이를 모델링하는 데 초점이 맞춰져 있으며, 명목형 및 순서형 예측변수에 대한 정확한 코딩, 해석 및 통계적 추론 방법을 설명한다. 적용 사례, SPSS 문법, 온라인 데이터가 포함되어 있어, 카테고리형 변수를 사용한 회귀모델링에 익숙하지 않은 학부생 및 연구자들에게 이상적인 자료이다.

ABSTRACT

This paper is especially written for students and demonstrates the correct use of nominal and ordinal scaled variables in regression analysis by means of so-called dummy variables. We start out with examples of body mass index (BMI) differences between males and females, and between low, middle, and high educated people. We extend our examples with several explanatory (dummy) variables and the interactions between dummy variables. Readers learn how to use dummy variables and their interactions and how to interpret the statistical results. We included data, SPSS syntax, and additional information on a website (http://www.ru.nl/sociology/mt/bmi/downloads/) that goes with this text. No mathematical knowledge is required.

연구 동기 및 목표

• 명목형 및 순서형 변수에 대해 더미 변수를 정확히 적용할 수 있도록 학부생 및 연구자들에게 지도하는 것.
• 더미 변수와 그 상호작용을 사용할 경우 회귀계수를 어떻게 해석할 것인지 보여주는 것.
• 실제 BMI 데이터를 활용한 접근적인 사례를 통해 성별과 교육 수준에 따른 체질량지수의 차이를 설명하는 것.
• 실습 학습과 결과 재현을 지원하기 위해 SPSS 문법과 보조 자료를 제공하는 것.
• 회귀모델에서 카테고리형 예측변수의 코딩 및 해석에 대한 일반적인 오해를 정리하는 것.

제안 방법

• 선형 회귀에서 명목형 및 순서형 변수(예: 성별, 교육 수준)를 표현하기 위해 더미 코딩을 사용하는 것.
• 성별 차이가 교육 수준에 따라 달라지는지 평가하기 위해 더미 변수 간의 상호작용 항을 포함하는 것.
• 체질량지수(BMI)를 카테고리형 예측변수와 그 상호작용의 기능으로 모델링하기 위해 일반최소제곱(OLS) 회귀를 적용하는 것.
• 더미 변수 코딩의 맥락에서 회귀계수가 군 평균과 차이를 어떻게 나타내는지 단계별로 설명하는 것.
• SPSS 문법을 사용해 모델을 구현하고 출력을 생성하며, 회귀표 및 효과 크기의 상세한 해석을 제공하는 것.
• 모델의 재현과 실습 학습을 가능하게 하기 위해 전용 웹사이트에 보조 데이터와 문법을 포함하는 것.

실험 결과

연구 질문

• RQ1 교육 수준을 통제할 때 남성과 여성의 BMI 수준은 어떻게 다를까?
• RQ2 낮은, 중간, 높은 교육 수준 그룹 간에 BMI 수준는 어떻게 변하는가?
• RQ3 성별과 교육 수준 간의 상호작용은 BMI 예측에 어떤 성격을 지닌가?
• RQ4 더미 변수와 그 상호작용을 사용할 경우 회귀계수는 어떻게 해석해야 하는가?
• RQ5 회귀분석에서 카테고리형 변수에 대해 올바른 코딩 및 해석 방법은 무엇인가?

주요 결과

• 모든 분석에서 남성은 여성보다 뚜렷하게 더 높은 BMI를 보이며, 이는 통계적으로 유의미한 차이를 보였다.
• 높은 교육 수준을 가진 individuals는 낮은 교육 수준을 가진 사람들보다 더 낮은 BMI를 보였으며, 세 교육 그룹 간의 추세는 유의미했다.
• 성별과 교육 수준 간의 상호작용 분석 결과, 낮은 교육 수준 그룹에서 남성과 여성 간의 BMI 차이가 더 두드러져 조건부 효과가 확인되었다.
• 적절한 더미 변수 코딩을 통해 회귀계수가 기준군과 비교군 간의 의미 있는 대비를 나타내도록 보장할 수 있다.
• 상호작용 항을 포함함으로써 주효과만으로는 드러나지 않는 부분군 간의 차이를 탐지할 수 있다.
• 제공된 SPSS 문법과 데이터를 통해 모든 모델의 정확한 재현이 가능하며, 실습 응용을 통해 학습을 촉진할 수 있다.