직교 회귀(Orthogonal Regression)
직교 회귀(Deming 회귀 또는 변수 오차(errors-in-variables) 회귀라고도 함)는 반응 변수만이 아니라 두 변수가 모두 측정 오차를 포함할 때 두 측정 시스템 또는 두 연속형 변수 사이의 관계를 구하는 통계적 방법입니다. Y 변수에만 오차가 있다고 가정하는 표준 회귀와 달리, 직교 회귀는 X와 Y 측정의 불확실성을 동시에 반영하여 더 정확하고 치우침 없는 최적 적합선을 만듭니다.
최종 검토
핵심 요점
직교 회귀(Deming 회귀라고도 함)는 두 측정 시스템 또는 두 연속형 변수가 모두 측정 오차를 포함할 때 이들 사이의 관계를 구하는 통계적 방법입니다.
직교 회귀란?
직교 회귀(Deming 회귀 또는 변수 오차(errors-in-variables) 회귀라고도 함)는 반응 변수만이 아니라 두 변수가 모두 측정 오차를 포함할 때 두 측정 시스템 또는 두 연속형 변수 사이의 관계를 구하는 통계적 방법입니다. Y 변수에만 오차가 있다고 가정하는 표준 회귀와 달리, 직교 회귀는 X와 Y 측정의 불확실성을 동시에 반영하여 더 정확하고 치우침 없는 최적 적합선을 만듭니다.
주로 두 측정 방법, 기기 또는 시험소가 동등한 결과를 내는지 평가하는 데 사용되며, 예를 들어 새로운 시험 방법을 확립된 기준 방법과 비교하여 서로 바꾸어 사용할 수 있는지 판단합니다.
직교 회귀는 언제 사용합니까?
- 동일한 항목 집합에 대해 두 측정 방법을 비교 하여 동등한 결과를 내는지 판단하려 할 때 사용하십시오.
- 비교하는 두 변수가 모두 측정 오차를 포함할 때 사용하십시오. Y 변수에만 오차가 있다면 대신 표준 Fit Line Model을 사용하십시오.
- 예를 들어 더 빠르거나 저렴한 시험 방법을 인정된 기준 표준과 비교하여 검증하는 것처럼 방법의 동등성 또는 호환성을 입증 하려는 목적일 때 사용하십시오.
- X 변수의 오차를 무시하여 왜곡된 관계를 사용하는 대신, 둘 다 부정확하게 측정된 두 변수 사이의 실제 관계를 추정 해야 할 때 사용하십시오.
- 측정 시스템 비교가 핵심 요건인 시험소, 임상, 제조, 교정 연구 에서 사용하십시오.
직교 회귀의 올바른 사용 지침
- 두 변수는 모두 연속형 이어야 합니다. 직교 회귀는 범주형 또는 계수형 데이터에는 적합하지 않습니다.
- 반드시 오차 분산비 (X 측정 오차 분산 대 Y 측정 오차 분산의 비)를 지정하거나 추정해야 합니다. 기본 가정은 두 변수의 측정 오차가 같다는 것(비 = 1)이지만, 알려진 측정 시스템 능력에 따라 이를 검증하거나 조정해야 합니다.
- 충분한 데이터 쌍 을 수집하십시오. 동일한 항목 집합을 두 방법으로 모두 측정합니다. 회귀선의 안정적이고 신뢰할 수 있는 추정값을 얻으려면 쌍체 관측값이 최소 30~50개 필요합니다.
- 측정한 항목의 범위가 관심 있는 전체 운영 범위를 포함하는지 확인하십시오. 측정 범위가 좁으면 기울기와 절편 추정값이 신뢰할 수 없게 되고 방법 동등성에 대한 결론을 뒷받침하기 어려워집니다.
- 적합 후에는 기울기의 신뢰구간 을 검토하십시오. 구간이 1.0을 포함하면 두 방법의 반응이 비례적으로 동등합니다. 절편의 신뢰구간 도 검토하십시오. 0을 포함하면 두 방법 사이에 고정된 체계적 치우침이 없습니다.
- 모형 가정이 충족되는지, 그리고 특이한 관측값이 적합선에 과도하게 영향을 주고 있지 않은지 확인하기 위해 잔차 그림 을 확인하십시오.
- 결론을 시험한 항목의 범위를 벗어나 외삽하지 마십시오. 두 방법의 동등성은 측정한 범위 안에서만 입증됩니다.
대안: 직교 회귀를 사용하지 않아야 할 때
- 만약 반응 변수(Y)에만 측정 오차가 있고 예측변수(X)는 무시할 만한 오차로 측정되거나 관리된 정확한 값이라면 대신 Fit Line Model 또는 Fit Regression Model 을 사용하십시오. 직교 회귀는 과도하게 보정하여 치우친 기울기 추정값을 만들 것입니다.
- 두 측정 시스템을 비교하는 것이 아니라 예측변수로 반응을 예측 하려는 것이라면 대신 Fit Regression Model 을 사용하십시오. 직교 회귀는 예측이 아니라 방법 비교를 위해 특별히 설계되었습니다.
- 만약 오차 분산비를 전혀 알 수 없고 측정 시스템 연구로도 추정할 수 없다면 직교 회귀의 결과는 신뢰할 수 없습니다. 진행하기 전에 먼저 Gauge R&R 또는 측정시스템분석 을 수행하여 각 변수의 오차를 정량화하십시오.
- 동시에 비교하거나 모형화할 변수가 둘 이상 이라면 대신 Fit Regression Model 또는 다변량 분석 을 사용하십시오.
- 비교하는 두 변수가 서로 다른 척도이거나 근본적으로 다른 특성을 측정한다면 방법 비교 연구는 적절하지 않습니다. 직교 회귀는 두 변수가 같은 기저의 양을 측정해야 합니다.
- 반응 변수가 범주형 또는 이항이라면 대신 로지스틱 회귀 를 사용하십시오.
직교 회귀 예제
한 엔지니어가 60명의 수축기 혈압을 두 기기로 측정하여 새 혈압계를 기존 기기와 비교합니다. 두 기기 모두 측정 오차가 있으므로 동등성을 평가하기 위해 직교 회귀를 사용합니다. 이전 연구에서 새 혈압계의 분산은 1.08, 기존 혈압계의 분산은 1.20입니다. 새 혈압계를 반응으로, 기존 기기를 예측변수로 취급하므로 분석의 오차 분산비는 0.90입니다. 단계는 다음과 같습니다.
- 필요한 데이터를 수집했습니다.

- 이제 Zometric Statistical Software에서 데이터를 분석합니다: https://statsai.zometric.com/.
- 직교 회귀를 찾으려면 다음 경로를 선택합니다: Statistical module> Regression>Orthogonal Regression.
- 도구 안에서 다음과 같이 데이터와 다른 입력값을 입력합니다.

5. 위 도구를 사용하면 다음과 같은 출력을 얻습니다.


직교 회귀 분석 방법
절차는 다음과 같습니다.
- Zometric Statistical Software에 로그인합니다: https://statsai.zometric.com/
- 홈 페이지에서 Statistical Tool> Regression > Orthogonal Regression을 선택합니다.
- 다음으로, 데이터를 직접 입력하거나 Excel 시트에서 데이터 전체를 복사(Ctrl+C)하여 붙여넣습니다(Ctrl+V). 또는 Load Example 옵션을 사용하면 예제 데이터가 로드됩니다.
- 다음으로, 필요한 옵션을 입력해야 합니다.
- 마지막으로, 페이지 하단의 calculate를 클릭하면 원하는 결과를 얻을 수 있습니다.
직교 회귀 도구 화면은 두 부분으로 나뉩니다.

왼쪽 부분에는 데이터 창(Data Pane)이 있습니다. Data Pane에서는 각 행이 하나의 부분군이 됩니다. 데이터를 직접 입력하거나 Excel 시트에서 데이터 전체를 복사(Ctrl+C)하여 여기에 붙여넣을(Ctrl+V) 수 있습니다.
Load example:예제 데이터가 로드됩니다.
오른쪽 부분에는 다음과 같은 여러 옵션이 있습니다.
- Response(Y): 평가하려는 방법 또는 기기의 측정값이 들어 있는 열을 선택하며, 일반적으로 확립된 기준과 비교하여 평가하는 새로운 방법, 대체 방법 또는 시험 방법 입니다. 세로축에 표시되는 변수입니다. 방법 비교 연구에서는 보통 기준과의 동등성을 입증해야 하는 더 새롭거나, 더 빠르거나, 더 저렴한 측정 시스템입니다.
- Predictor (X): 이미 신뢰할 수 있고 정확하다고 인정된 측정 시스템인 기준 방법, 확립된 방법 또는 표준 방법 의 측정값이 들어 있는 열을 선택합니다. 가로축에 표시되는 변수입니다. Response 열과 Predictor 열에는 모두 동일한 항목 또는 표본 집합 에서 측정한 값이 들어 있어야 합니다. 각 행은 두 방법으로 측정한 항목 하나를 나타냅니다.
- Error Variance Ratio (Y/X): Y 변수의 측정 오차 분산과 X 변수의 측정 오차 분산 사이의 가정된 비를 정의합니다. 이것은 직교 회귀에서 가장 중요하고 고유한 입력값으로, 각 변수에 서로 상대적으로 어느 정도의 오차가 있는지 모형에 알려 주어 적합선이 두 측정의 부정확성을 올바르게 반영하도록 합니다.
자주 묻는 질문
직교 회귀란 무엇입니까?
직교 회귀는 Deming 회귀 또는 변수 오차(errors-in-variables) 회귀라고도 하며, 두 측정 시스템 또는 두 연속형 변수가 모두 측정 오차를 포함할 때 이들 사이의 관계를 구합니다. Y에만 오차가 있다고 가정하는 표준 회귀와 달리 X와 Y의 불확실성을 모두 반영하여 더 정확하고 치우침 없는 최적 적합선을 제공합니다.
단순 선형 회귀 대신 직교 회귀는 언제 사용합니까?
두 변수가 모두 측정 오차를 포함할 때 두 측정 방법, 기기 또는 시험소를 비교하는 데 직교 회귀를 사용하며, 예를 들어 새로운 시험 방법을 기준 방법과 비교하여 검증합니다. Y에만 오차가 있고 X가 관리된 값이거나 정확한 값이라면 대신 Fit Line Model 또는 Fit Regression Model을 사용하십시오. 직교 회귀는 기울기를 과도하게 보정하기 때문입니다.
직교 회귀 결과는 어떻게 해석합니까?
기울기의 신뢰구간을 검토하십시오. 1.0을 포함하면 두 방법의 반응이 비례적으로 동등합니다. 절편의 신뢰구간을 검토하십시오. 0을 포함하면 두 방법 사이에 고정된 체계적 치우침이 없습니다. 잔차 그림을 확인하고, 시험한 항목의 범위를 벗어나 동등성을 외삽하지 마십시오.
직교 회귀에서 오차 분산비란 무엇입니까?
오차 분산비는 Y의 측정 오차 분산 대 X의 측정 오차 분산의 비입니다. 각 변수에 서로 상대적으로 어느 정도의 오차가 있는지 모형에 알려 줍니다. 기본값은 오차가 같다고 가정하지만(비 1), 예를 들어 Gage R&R 연구로 검증하거나 추정해야 합니다. 쌍체 관측값을 최소 30~50개 사용하십시오.
