1 세 부 제 3 장 분 석 방 법
히 주의를 기울여야 한다. 시공간적 분석에 특화된 모형 도출을 위해서 공 간적 변이성(spatial variability), 시간적 변이성(temporal variability), 이 둘간의 교효작용 등을 모두 고려할 필요가 있다. 이 모든 문제는 시공간 분포자료의 평활문제(smoothing issue)와 관련이 있다.
베이지안 추론은 측정되지 못한 혼란변수의 영향, 공간적 의존성, 측정오 차, 위험요소 추정 등과 관련된 문제 해결에 유용하다(MacNab, 2004). 계 층적 베이지안 분석으로 공간적 임의효과를 구현할 수 있을 뿐만 아니라 소지역 추정 시 공간적 평활이나 자료통합(data pooling)에도 장점을 발휘 한다. 이는 질병노출 인구집단의 크기가 작은 소지역 단위 질병 조발생율 (crude rate)의 경우 변이성이 대단히 높을 수 있기 때문이다. 베이지안 공 간분석(계층적 베이지안 분석)은 위험요소의 평활을 통해서 공간적 변이성 을 통제하여 신뢰성 높은 위험요소 추정을 가능하게 한다.
본 연구에 적용된 준모수적 방법인 스플라인회귀법은 질병 발생의 시간 적 변이성을 반영하기 위함인데 기존의 Gaussian이나 Poisson 회귀분석 방법보다 진화된 분석법으로 인식되고 있다(MacNab, 2003). 스플라인 회 귀법은 분절적(piecewise) 다항식의 평활곡선을 의미하는 것으로 비선형적 효과의 예측이나 경향분석에 적용된다.
질병 발생의 소지역 분석을 위하여 스플라인방법을 적용한 계층적 베이 지안 분석법의 장점은 소지역 정보나 감시자료를 활용함으로써 보다 신뢰 성 있는 시공간 위험요소 예측이 가능하고 단일 분석틀 내에서 계층적 지 역단위의 질병발생 경향을 모형화함으로써 전체지역(global)와 하부 소지역 (local)을 동시에 비교가능하고 단일 시공간 분석틀을 적용함으로써 질병발 생의 시공간적 변화과정을 생생하게 감시할 수 있게 된다는 점이다 (MacNab, 2003).
가. 지역상관성 분석
의료이용의 지역적 상관성을 살펴보기 위하여 Moran's I 검정을 시행하
42
43
제 1 세 부 제 3 장 분 석 방 법
분면의 경우 낮은 값주위에 높은 값이 존재하는 경우를 4사분면은 높은 값 주위에 낮은 값이 존재하는 음(-)의 상관성을 나타낸다(조대헌, 2001).
일반적으로 Moran scatterplot은 scatter map(Moran I 상관성 값을 4가지 로 구분한 것(high-high, low-low, high-pow, low-high)을 지도상에 표현 한 그림)과 함께 사용된다.
국지적 공간자기상관은 공간관계의 국지적 패턴을 찾는 측정법으로, 국 지적 Moran's I인 와 Gi* 통계가 주로 사용된다.
(13)
여기서 은 관측 개체의 수이며, 는 지역 와 사이의 가중치이다.
는 변수 의 분석대상 전체의 분산이며 는 변수 의 분석대상지역 모두를 포함하는 평균값이다. 가 0이면 공간자기상관성이 없는 것이며 0 보다 크면 양의 공간자기상관으로 군집 패턴을, 0보다 작으면 음의공간자기 상관으로 표현한다. 음의 상관성은 이웃 지역들의 속성이 다른 대상 지역과 다른 분산 패턴을 가지는 것을 의미한다. 국지적 Moran's I인 은 이웃 지역이 대상 비역과 비교하여 군집 속성이 높은 값인지 또는 낮은 값인에 대한 통계량을 제공하지는 못하지만 군집 지역의 위치가 어디인지를 알 수 있게 해 준다(최현우, 2007). 군집 패턴을 보다 유의성 있게 해석하기 위해 서는 와 더불어 의 Z-score인 Z() 및 속성 에 대한 값 자체의 분 포도를 함께 검토해야 한다. 왜냐하면 결과는 유사한 값들이 어디에 몰 려 군집을 이루는지를, Z()는 군집이 통계적으로 유의한지를 알 수 있으 며, 속성 값의 가시적 분포도는 군집을 이루는 속성이 높은 값인지 낮은 값인지를 판단할 수 있게 하기 때문이다.
(14)
44
45
제 1 세 부 제 3 장 분 석 방 법
분포를 가정하여 국소적 Moran's I 값을 산출한다(Bivand RS, 2008).