기초통계·회귀분석·다변량분석 강의노트

저자

권세혁

강의노트 소개

본 강의노트는 기초통계부터 회귀분석, 다변량분석까지 총 21개 노트로 구성된 체계적인 통계학 학습 자료이다.

데이터를 이해하고 탐색하는 기초 단계부터, 변수 간 관계를 모델링하는 회귀분석, 그리고 고차원 복합 데이터를 다루는 다변량 기법까지 단계적으로 학습한다. 파이썬(Python) 코드와 실제 데이터를 활용한 풍부한 사례분석을 통해 이론과 실습을 동시에 습득할 수 있도록 구성하였다.

강의노트 대상 독자

대상	활용 방향
통계학·데이터분석 입문자	기초통계 → 회귀분석 순서로 체계적 학습
사회과학·경영학 연구자	논문통계·실증분석을 위한 방법론 습득
머신러닝·AI 입문자	전통 통계 기반을 닦은 후 ML로 확장
공공·산업 데이터 분석가	다변량분석으로 복합 데이터 구조 파악

기초통계

데이터를 읽고 이해하는 힘 — 통계학적 사고의 출발점

📚 기초통계 9개 노트

노트	핵심 내용
📄 통계학의 개념	기술통계·추론통계, 모집단·표본, 통계적 사고
📄 데이터와 통계	데이터 유형·척도 수준·수집 방법·전처리 기초
📄 일변량 분석	평균·분산·왜도·첨도, 히스토그램·박스플롯
📄 교차표 분석	범주형 자료, 카이제곱 검정, 연관성 분석
📄 적합성 검정	카이제곱 적합성 검정, 기대빈도, 모형 적합성
📄 정규성 검정	Shapiro-Wilk·KS 검정, Q-Q Plot 해석
📄 상관분석	Pearson·Spearman 상관계수, 상관 vs 인과
📄 분산분석(ANOVA)	집단 평균 비교, 일원·이원분산분석, 사후검정
📄 시계열 분석	추세·계절성·자기상관, ARIMA 기초

회귀분석

변수 간 관계를 모델링하고 예측하는 방법론

📚 회귀분석 5개 노트

노트	핵심 내용
📄 개념·추정	단순·다중회귀, OLS 추정, 결정계수 R²
📄 변수선택	Forward·Backward·Stepwise, AIC/BIC 기준
📄 다중공선성	VIF, 조건수, 공선성 진단 및 해결 방법
📄 회귀진단	잔차분석, 이상치·영향점 탐지, 등분산성
📄 로지스틱회귀 = 예측분류	로짓함수, 오즈비, 혼동행렬, ROC 곡선

다변량분석

여러 변수를 동시에 분석하여 숨겨진 구조를 발견한다

📚 다변량분석 7개 노트

노트	핵심 내용
📄 다변량분석 개요	인과·상관·유사성 분류, 확률분포, 고유값
📄 PCA 주성분분석	차원축소, 분산 최대화, 주성분 해석, MLB 사례
📄 FA 요인분석	잠재요인, EFA·CFA, 신뢰도, 항공 서비스 사례
📄 판별분석 = 예측분류	LDA·QDA, 로지스틱 판별, 혼동행렬, ROC
📄 군집분석	계층적·K-means·PAM, Dendrogram, CCC
📄 다차원척도·대응분석	MDS Stress, Biplot, 카이제곱 거리, CA
📄 정준상관·MANOVA	CCA 정준변수, MANOVA 검정, Wilks’ Lambda

학습 로드맵

단계별 학습 순서

① 기초통계 (9개)
   통계학 개념 → 데이터 이해 → 단변량 분석 → 범주형 분석 → 검정 → 상관·분산분석

② 회귀분석 (5개)
   단순회귀 → 다중회귀 → 변수선택 → 다중공선성 → 진단 → 로지스틱

③ 다변량분석 (7개)
   개요 → PCA → 요인분석 → 판별분석 → 군집분석 → MDS/CA → 정준상관·MANOVA

추가 심화: 머신러닝·딥러닝 강의노트로 확장 학습 가능

분석 도구

활용 언어 및 패키지

언어	주요 패키지	활용 분야
Python	`pandas`, `numpy`, `scipy`	데이터 처리·기초 통계
Python	`statsmodels`, `sklearn`	회귀분석·다변량분석
Python	`matplotlib`, `seaborn`, `plotly`	시각화
Python	`factor_analyzer`, `prince`, `semopy`	요인분석·대응분석·SEM