[통계] 모형 선택

이름

회귀분석에서 '과대적합(Overfitting)'이 발생했을 때 나타나는 가장 주된 문제점은 무엇인가요?

A

모형이 너무 단순해져서 데이터의 패턴을 제대로 학습하지 못한다.

B

독립변수들 간의 상관관계가 너무 높아져서 회귀계수 추정이 불안정해진다.

C

학습에 사용된 표본 데이터는 잘 설명하지만, 새로운 데이터에 대한 예측 성능이 떨어진다.

D

모형의 결정계수(R-squared) 값이 0에 가까워져 설명력이 거의 없게 된다.

다중 회귀분석에서 독립변수의 개수를 늘릴 때 일반적으로 나타나는 현상으로 옳은 것은 무엇인가요?

A

독립변수가 추가될수록 수정 R제곱(Adjusted R-squared)은 항상 증가한다.

B

독립변수가 추가될수록 AIC와 BIC 값은 항상 감소한다.

C

종속변수와 관련 없는 변수를 추가해도 표본 데이터에 대한 R제곱 값은 감소하지 않거나 오히려 증가하는 경향이 있다.

D

독립변수가 많아질수록 과소적합(Underfitting)의 위험이 커진다.

모형 선택 지표인 수정 R제곱, AIC, BIC에 대한 설명으로 가장 적절한 것은 무엇인가요?

A

세 지표 모두 값이 클수록 더 좋은 모형으로 평가한다.

B

세 지표 모두 값이 작을수록 더 좋은 모형으로 평가한다.

C

이 지표들은 R제곱과 달리 모형의 복잡도(독립변수 개수)를 고려하여 페널티를 부과한다.

D

AIC와 BIC는 주로 모형의 설명력을 백분율로 해석하는 데 사용된다.

단계적 회귀분석(Stepwise Regression)의 주요 목적은 무엇인가요?

A

모든 독립변수를 반드시 포함하는 가장 설명력 높은 모형을 찾는 것

B

독립변수 간의 비선형 관계를 자동으로 찾아 모형에 반영하는 것

C

여러 독립변수 후보 중에서 통계적으로 유의미하거나 예측력을 높이는 변수들을 자동으로 선택하는 것

D

회귀계수의 해석을 용이하게 하기 위해 모든 변수를 표준화하는 것

모든 독립변수를 포함한 상태에서 시작하여, 모형의 성능 저하가 가장 적은 변수를 하나씩 제거해 나가는 방식의 단계적 회귀분석은 무엇인가요?

A

전진 선택 (Forward Selection)

B

후진 제거 (Backward Elimination)

C

양방향 선택 (Bidirectional Selection)

D

최소제곱 선택 (Least Squares Selection)

cement.xlsx 에서 y는 시멘트가 굳을 때 발생하는 열을 나타냅니다. 이것을 종속변수로 회귀분석을 해보세요. x1, x2, x3, x4는 시멘트의 특정 성분의 비율을 나타냅니다. 전진 선택을 통해 단계적 회귀분석을 했을 때 포함되는 독립변수들을 추가된 순서대로 고르세요.

cement.xlsx 에서 y는 시멘트가 굳을 때 발생하는 열을 나타냅니다. 이것을 종속변수로 회귀분석을 해보세요. x1, x2, x3, x4는 시멘트의 특정 성분의 비율을 나타냅니다. 전진 선택을 통해 단계적 회귀분석을 했을 때 포함되는 독립변수들을 추가된 순서대로 고르세요.

위 분석 결과의 수정 R제곱은?

위 분석 결과의 AIC는?

위 분석 결과의 BIC는?

cement.xlsx 에서 y는 시멘트가 굳을 때 발생하는 열을 나타냅니다. 이것을 종속변수로 회귀분석을 해보세요. x1, x2, x3, x4는 시멘트의 특정 성분의 비율을 나타냅니다. 후진 선택을 통해 단계적 회귀분석을 했을 때 독립변수들을 제외된 순서대로 고르세요.

cement.xlsx 에서 y는 시멘트가 굳을 때 발생하는 열을 나타냅니다. 이것을 종속변수로 회귀분석을 해보세요. x1, x2, x3, x4는 시멘트의 특정 성분의 비율을 나타냅니다. 후진 선택을 통해 단계적 회귀분석을 했을 때 독립변수들을 제외된 순서대로 고르세요.