예측분석 (Predictive Modeling, 랜덤 포레스트 중심)

언제 쓰나요?

새로운 사람(학습자·직원)의 결과를 미리 맞히는 것이 목적일 때 사용합니다. 평가 기준은 ‘왜 그런가’에 대한 설명보다 ‘처음 보는 사람에게서 얼마나 잘 맞히는가’입니다.
랜덤 포레스트는 널리 쓰이는 예측 방법의 하나입니다. 자료를 무작위로 여러 번 뽑아(부트스트랩) 의사결정나무를 수백 그루 만들고, 각 나무가 일부 변수만 보게 해 서로 다르게 학습시킨 뒤 다수결(분류)이나 평균(회귀)으로 예측합니다.
비선형 관계와 변수 간 상호작용을 사람이 미리 지정하지 않아도 자동으로 찾고, 분포 가정이 거의 없으며, 변수가 많아도 쓸 수 있습니다. 대신 이유를 계수로 설명하기 어렵고 인과를 말할 수 없습니다.
구조방정식모형(SEM)은 이론으로 세운 변수 사이의 구조를 검정하는 설명 중심 방법이고, 랜덤 포레스트는 자료에서 규칙을 찾아 예측 정확도를 높이는 방법입니다. 둘은 목적이 달라 서로 대체하지 않고 보완합니다.

예를 들면

입력변수는 학습자의 1~3주차 접속 횟수·과제 제출·사전성취, 목표변수는 학기 말 중도탈락 여부입니다.
이전 기수 자료로 위험 예측 모형을 만들고, 아직 학기 말 결과를 모르는 새 기수에서 예측합니다.
새 기수에서 실제로 중도탈락한 학습자를 얼마나 찾았는지와 잘못 경고한 비율, 예측 확률이 실제 이탈 비율과 얼마나 맞는지를 제시합니다.

선택할 때 확인할 점

라벨은 맞히려는 실제 결과입니다.
예측할 때 알 수 없었던 정보가 모형에 들어가면 미래 예측처럼 보이는 착시가 생깁니다.

예측분석 (Predictive Modeling, 랜덤 포레스트 중심)에서 처음 볼 용어를 확인하세요 (절차·분석·해석)

먼저 질문과 핵심 개념을 확인하고, 설계·절차에서 분석과 결과 해석으로 이어서 읽어 보세요. 이 방법의 주요 용어를 이해하고 연구문제에 맞는 선택을 돕는 학습 안내입니다. 아래 분석 순서와 점검표도 함께 확인하세요.

1. 질문과 핵심 개념

예측 대상·시점·사용결정: 누구의 어떤 결과를 언제까지 예측하고 결과를 어떤 결정에 쓸지 먼저 정합니다. 예측 시점 뒤에 알 수 있는 결과정보를 쓰면 실제 적용과 다른 문제가 됩니다.
예측과 설명: 예측은 새 사례에서의 오류를 줄이는 것이 목적이고, 설명은 변수 관계나 기제를 이해하는 것이 목적입니다. 예측모형의 높은 성능만으로 변수의 인과효과를 말할 수 없습니다.
랜덤 포레스트: 의사결정나무를 수백 그루 만들어 결과를 모으는 앙상블 방법입니다. 분류는 다수결, 회귀는 평균으로 예측하며 Breiman(2001)이 제안했습니다.

2. 설계와 절차

훈련·검증·시험 자료: 훈련 자료는 모형 적합에, 검증 자료나 교차검증은 설정 선택에, 시험 자료는 최종 성능 평가에 씁니다. 같은 데이터를 반복해 선택과 평가에 쓰면 성능이 낙관적으로 보일 수 있습니다.
자료 누출: 예측 시점에 알 수 없는 변수나 시험자료 정보를 학습 과정에 섞는 오류입니다. 결과 이후 기록, 전체 자료에서 먼저 계산한 표준화 값, 개인별 중복 행 등을 점검합니다.
전처리와 교차검증: 결측 대체·척도화·변수 선택 같은 전처리도 각 훈련 구간 안에서 학습해야 합니다. 전체 자료에 먼저 적용하면 검증자료 정보가 훈련으로 새어 들어갈 수 있습니다.
부트스트랩과 OOB(out-of-bag) 오차: 각 나무는 원자료에서 중복을 허용해 뽑은 표본(약 63%의 사례)으로 학습합니다. 뽑히지 않은 나머지 약 37%의 사례(OOB)로 그 나무를 평가해 평균하면 별도의 교차검증 없이도 예측 오차를 추정할 수 있습니다.

3. 분석과 결과

기준모형과 모형 선택: 평균·다수 범주 예측 같은 단순 기준과 후보 알고리즘을 비교합니다. 복잡한 모형은 같은 검증계획에서 실제로 성능을 개선할 때 채택합니다.
분류·회귀 성능지표: 연속 결과에는 MAE·RMSE, 분류에는 정밀도·재현율·ROC/PR-AUC 등을 질문과 오류 비용에 맞춰 선택합니다. 클래스 불균형에서는 정확도만 보고하면 유용성을 과장할 수 있습니다.
확률 보정: 예측 확률 0.7인 사례들 가운데 실제 사건이 대략 70% 일어나는지 평가하는 성질입니다. 순위 성능과 보정은 서로 다르므로 의사결정에 확률을 쓸 때 따로 살핍니다.
튜닝과 중첩 교차검증: 하이퍼파라미터를 고르는 과정도 성능을 높이기 때문에 별도 검증 층이 필요할 수 있습니다. 중첩 교차검증은 내부에서 튜닝하고 외부에서 선택 편향을 줄여 성능을 평가합니다.
mtry와 ntree: mtry는 나무의 각 분기에서 무작위로 고려할 변수의 수(분류는 보통 √p, 회귀는 p/3), ntree는 나무의 수(500 이상이 흔함)입니다. mtry가 작을수록 나무가 서로 달라져 과적합이 줄어듭니다.
변수 중요도(permutation vs Gini): 변수 값을 무작위로 섞었을 때 예측 정확도가 얼마나 떨어지는지가 순열 중요도입니다. 분기에서 불순도가 줄어든 정도(Gini)는 연속형·범주가 많은 변수에 유리하게 치우치므로 순열 중요도를 권합니다.

4. 해석과 보고

외부·시간 검증: 새 기관·시기 자료에서 성능을 확인해 적용 환경으로 옮겨도 예측이 유지되는지 평가합니다. 내부 교차검증만으로 미래·다른 조직에서의 성능을 보장하지 않습니다.
변수 중요도와 SHAP: 특정 모형의 예측에 변수가 얼마나 기여했는지를 요약하는 설명 도구입니다. 상관된 변수들 사이에서 값이 달라질 수 있으며, 변수를 바꾸면 결과가 어떻게 변하는지에 대한 인과효과는 아닙니다.
집단별 오류와 공정성: 성별·직무·조직 등 관련 집단별로 오류와 보정이 다른지 평가합니다. 평균 성능 하나가 특정 집단의 큰 오류나 부당한 의사결정 위험을 가릴 수 있습니다.
부분의존도와 해석의 한계: 부분의존도는 한 변수가 변할 때 예측값이 평균적으로 어떻게 변하는지 보여 줍니다. 변수 중요도와 부분의존도는 예측에 기여한 정도이지 원인이나 효과의 크기가 아닙니다.
예측 대 설명(SEM과의 차이): SEM은 이론적 구조를 모수로 검정하는 ‘설명’ 방법이고, 랜덤 포레스트는 새 자료에서의 정확도로 평가하는 ‘예측’ 방법입니다. 같은 자료라도 질문이 다르면 다른 방법을 씁니다.

이 용어를 각 방법의 연구 맥락에서 더 확인하려면 해당 방법론 논문을 보세요: 추천논문 1.

01 · 목적

언제, 어떤 목적으로 선택하나요?

다음 기수에서 중도탈락 위험이 높은 학습자를 미리 찾을 수 있을까요? 아직 모르는 결과를 추정하여 지원이나 의사결정에 활용하고, 그 예측이 실제로 얼마나 정확한지 확인하려는 연구에 잘 맞습니다.

이 방법으로 답하는 연구 목적

어떤 요인이 유의한지 설명하기보다 퇴사·중도탈락 위험이나 후속 성취를 미리 예측해 지원하려 할 때 씁니다. 성능과 함께 일반화 가능성, 오류 비용, 집단별 편향도 봅니다.

대표 연구 질문

새로운 사람이나 다음 시기의 결과를 미리 얼마나 정확하게 예측할 수 있는가?

필요한 변수·자료의 형태

분석 단위(학습자·직원 등)와 예측 대상 Y를 정합니다. Y가 수료/중도탈락처럼 범주형이면 분류, 성취점수처럼 연속형이면 회귀 예측 문제입니다.
입력변수 X는 실제 예측 시점에 이미 알 수 있는 정보만 포함합니다. 사후성적·향후 로그처럼 결과 이후에 생기는 정보가 들어가면 자료 누출입니다.
새 사람 또는 미래 시점에 적용할 목적에 맞춰 훈련·검증·시험 자료를 분리합니다. 시간 순서가 중요하면 임의 무작위 분할 대신 과거로 학습하고 이후 시점으로 평가합니다.

분석에서는 무엇을 하나요?

단순 기준모형과 후보 알고리즘을 정하고, 전처리·변수 선택·튜닝을 훈련자료 안에서만 수행합니다. 필요하면 교차검증과 중첩 교차검증을 씁니다.
시험자료에서 분류는 혼동행렬, 민감도·재현율·정밀도·AUC와 확률 보정, 불균형 자료의 적절한 지표를 평가합니다. 연속형 예측은 MAE·RMSE 등 오차 지표를 봅니다.
모형을 실제 사용할 임계값과 오류 비용에 맞춰 평가하고, 하위집단별 성능·불확실성·시간에 따른 성능저하도 살핍니다.

결과를 어떻게 해석하나요?

학습자료 성능보다 새 자료 성능을 중심으로 기준모형과 비교해 지표·신뢰구간을 제시합니다. 어떤 분할·교차검증과 전처리 절차를 썼는지 밝혀야 재현할 수 있습니다.
분류 정확도만 높아도 희귀한 이탈 사례를 놓칠 수 있고, 확률 예측은 보정이 필요할 수 있습니다. 실제 사용 목적과 오류 유형에 따라 성능지표를 해석합니다.
변수 중요도나 SHAP 값은 모형의 예측을 설명하는 정보이지 해당 변수를 바꾸면 결과가 변한다는 인과효과가 아닙니다. 적용 집단과 기간이 달라질 때 재검증합니다.

이런 상황이면 이 분석을 고려하세요

1. 새 사례에서 맞히는 능력

향후 퇴사할 가능성이나 다음 기수의 중도탈락 위험을 예측해 지원 대상을 찾는 경우입니다. 예측으로 언제 어떤 의사결정을 개선하려는지부터 정합니다.

2. 예측할 때 알 수 있는 정보만 사용

3주 차 조기경보라면 그 시점까지의 기록만 사용합니다. 학기 말 결과나 퇴사 후 기록이 특징에 들어가면 실제 운영 시에는 사용할 수 없는 정보를 이용한 셈이 됩니다.

3. 별도 자료에서 성능을 검증

같은 사람·강좌의 정보가 학습과 검증 양쪽에 섞이지 않도록 나누고, 가능하면 다음 시기·기관에서 검증합니다. 전처리와 튜닝도 평가 자료를 미리 보지 않도록 계획합니다.

4. 실제 오류와 위험확률을 평가

중도탈락을 놓치는 비용과 정상 학습자를 위험으로 보는 비용을 고려해 정밀도·재현율·보정 등을 평가합니다. 원인 해석과 예측에 도움이 되는 특징은 구별해서 해석합니다.

5. 랜덤 포레스트와 SEM 중 무엇을 쓸까

이론으로 세운 변수 사이의 경로와 측정모형을 검정하고 싶으면 SEM, 변수가 많고 관계가 복잡해 어떤 변수가 결과를 잘 맞히는지(예측)와 비선형·상호작용을 찾고 싶으면 랜덤 포레스트를 선택합니다. 이론 검정에는 SEM, 변수 탐색과 위험 예측에는 랜덤 포레스트가 적합합니다.

어떤 질문이면 다른 방법을 비교해야 하나요?

다중회귀분석 (Multiple Regression): 관측한 다른 요인을 고려했을 때 각 변수의 관련성이 어떤지가 주목적이면 설명 목적의 회귀를 검토합니다. 알고리즘 이름보다 평가 목적이 선택을 가릅니다.
자기회귀교차지연모형 (Autoregressive Cross-Lagged Panel Model, ARCL): 반복 측정한 두 개념 중 무엇이 시간적으로 선행하는지가 핵심이면 ARCL 계열 모형을 검토합니다. 조기경보 성능과는 다른 질문입니다.
구조방정식모형 (Structural Equation Modeling, SEM): 변수 사이의 구조를 이론으로 가정하고 계수와 적합도로 검정하려면 SEM이, 새 사례의 결과를 얼마나 잘 맞히는지가 목적이면 랜덤 포레스트가 적합합니다.

선택 기준의 방법론 근거: 추천 논문 1. 아래 자료·해석 범위까지 확인해 최종 방법을 정하세요.

02 · 자료와 분석 구조

어떤 자료와 변수로, 어떤 구조를 분석하나요?

과거 자료로 예측모형(학습 모형)을 만들고, 모형이 보지 못한 새 자료에서 결과를 얼마나 잘 맞히는지(예측 성능)를 평가하는 구조입니다. 목적은 ‘설명’보다 ‘새 사례에 대한 예측’입니다.

분석 구조 한눈에 보기

예측 변수들(출석, 접속 횟수, 과제 점수 …) ──→ [모형] ──→ 예측 결과(탈락 확률)
학습 자료(예: 70%) ─ 모형 만들기
시험 자료(예: 30%, 처음 보는 자료) ─ 성능 평가

식으로 보면

결과 ≈ f(예측변수) (f는 회귀·랜덤포레스트 등)
성능 = 시험 자료에서의 오차(RMSE) 또는 AUC
랜덤 포레스트 예측 = (1/B) × Σ(나무 b의 예측) (B = 나무 수, 분류는 다수결), 각 나무는 부트스트랩 표본과 분기마다 무작위 mtry개 변수로 학습

랜덤 포레스트와 SEM은 무엇이 어떻게 다른가

구분	랜덤 포레스트 (예측)	구조방정식모형 SEM (설명)
연구 목적	새로운 사람의 결과를 정확히 예측한다	이론으로 세운 변수 사이의 구조를 검정한다
접근 방식	자료에서 규칙을 찾는 알고리즘(데이터 중심)	이론으로 모형을 먼저 정하고 자료로 검정(이론 중심)
변수·관계의 지정	관계의 형태를 지정하지 않음(비선형·상호작용 자동 탐색)	경로와 방향, 잠재변수·문항 관계를 연구자가 사전에 지정
측정오차·잠재변수	다루지 않음(관측된 점수 사용)	측정모형으로 측정오차를 반영하는 잠재변수 사용
결과 해석	변수 중요도·부분의존도(예측 기여, 방향·크기의 인과적 의미 없음)	경로계수·간접효과·p값·신뢰구간으로 가설 검증
평가 기준	시험 자료의 AUC·RMSE·정밀도·재현율, OOB 오차	적합도 지수(CFI·TLI·RMSEA·SRMR)와 계수의 유의성
표본·자료 조건	변수가 많아도(p > n) 가능, 분포 가정이 거의 없음	보통 N ≥ 200, 모형 복잡도에 비례해 표본 필요, 정규성·식별 조건
대표 위험	과적합, 데이터 누수, 해석 불가능한 ‘블랙박스’	모형 오설정, 인과 과잉 해석, 모형 수정의 과적합
함께 쓰는 법	변수 탐색·위험 예측 → 이론으로 정리한 뒤 별도 표본에서 SEM으로 검정	SEM으로 이론 검증 → 예측 성능이 필요하면 별도 표본에서 랜덤 포레스트로 예측

필요한 변수와 역할

역할	무엇인가요	예시	형태
결과변수(레이블)	맞히려는 값	중도탈락(0/1), 점수	이분형 또는 연속형
예측변수(특성)	예측 시점에 알 수 있는 정보	3주차 접속 횟수, 사전 성취	연속형·범주
분할 표시	학습/검증/시험을 나누는 열	split(train/valid/test)	범주
ID	같은 사람이 여러 자료에 섞이지 않도록 하는 식별자	student_id	고유 코드

분석용 자료 파일은 이렇게 만듭니다

ID	login_w1_3	quiz_avg	prior	split	dropout(Y)
S01	14	78	3.2	train	0
S02	3	41	2.4	train	1
S03	9	66	2.9	test	0

예시 값입니다(실제 자료가 아님). 한 행은 한 사람의 응답입니다.

자료 파일을 만들 때 지킬 규칙

한 행에 한 사람(또는 한 사람-시점)으로 두고 결과변수는 예측 시점 이후에 생기는 정보를 넣지 않습니다(누수 방지).
분할 표시(split)를 만들어 같은 사람의 모든 행이 한 쪽에만 있게 합니다. 시간 순서가 있으면 과거는 학습, 이후는 시험으로 나눕니다.
범주형 예측변수는 원-핫 코딩이나 소프트웨어의 범주형 처리를 쓰고 결측은 학습 자료에서만 대체값을 계산합니다.
결과변수가 드문 경우(탈락 5~10%) 비율을 확인하고 층화 분할합니다.

분석 프로그램에서 이렇게 설정합니다

R tidymodels: initial_split(d, strata = dropout) → recipe()로 전처리 → logistic_reg()/rand_forest() 적합 → vfold_cv(v = 5)로 조정.
성능은 시험 자료에서 혼동행렬, ROC–AUC, 정밀도·재현율, 보정곡선으로 확인합니다.
기준모형(단순 로지스틱 회귀)과 반드시 비교합니다.
랜덤 포레스트 R 예시: library(ranger); rf <- ranger(dropout ~ ., data = train, num.trees = 500, mtry = 3, min.node.size = 1, importance = "permutation", probability = TRUE); rf$prediction.error(OOB 오차); pred <- predict(rf, data = test)$predictions; pROC::auc(test$dropout, pred[, 2]); vip::vip(rf)

자료 조건과 주의점

예측 시점에 실제 이용 가능한 특징과 이후 결과 라벨이 필요합니다. 결과는 연속형·이분형·다범주일 수 있습니다.
학습·튜닝·최종 검증 자료를 분리하고 가능하면 다른 시기·기관에서 외부 검증합니다.
같은 학습자·팀의 정보가 양쪽 자료에 섞이지 않도록 분할하며 종단 자료는 시간 순서를 지킵니다.
불균형 결과, 결측 처리와 전처리는 학습 자료 안에서 수행하고 평가 자료의 정보 누출을 막습니다.

03 · 예시 연구모형

이런 연구모형으로 분석합니다

연구모형은 연구에서 다룰 변수와 변수 사이의 가설 관계를 그림으로 나타낸 것입니다. 아래 예시에서 변수의 역할(독립·매개·조절·종속·외생·내생 등)과 화살표의 방향을 읽어 본 뒤, 내 연구의 변수를 같은 방식으로 배치해 보세요. 그 구조가 이 방법과 맞는지 보면 알맞은 분석 방법을 고를 수 있습니다.

모형 1. 예측모형의 구조 (학습 → 시험 → 성능 평가)

연구문제 예 수강 초기 학습 기록으로 학기 말 중도탈락을 얼마나 정확히 예측할 수 있는가?

모형 적합·조정
처음 보는 자료
중도탈락 확률
입력 변수 (특성)
결과변수 (레이블)

그림 속 숫자는 이해를 돕기 위한 예시 값입니다. * p < .05 · ** p < .01 · *** p < .001 · n.s. = 유의하지 않음(점선 경로). 실선 경로는 유의한 경로입니다.

가설

H1: 초기 학습 행동 변수로 시험 자료에서 중도탈락을 기준모형보다 더 정확히 예측할 것이다.
H2: 다음 학기 자료(외부 검증)에서도 예측 성능이 크게 떨어지지 않을 것이다.

예시 분석 결과 읽기

H1 지지: 시험 자료의 AUC = .84로 기준모형(.76)보다 높습니다. AUC .80 이상이면 양호하다고 보는 관행이 있습니다.
정밀도 .71은 탈락으로 예측한 학생 중 71%가 실제 탈락이라는 뜻, 재현율 .68은 실제 탈락자의 68%를 찾아냈다는 뜻입니다. 탈락처럼 드문 결과는 PR-AUC도 함께 봅니다.
p값이 아니라 처음 보는 자료에서의 예측 성능으로 판단합니다.

이렇게 읽습니다 인과 경로가 아니라 자료 흐름입니다. 모형은 학습 자료에서만 만들고, 처음 보는 시험 자료로 성능을 평가합니다. 예측 시점에 알 수 있는 변수만 입력합니다(누수 방지).

모형 2. 여러 모형을 비교하는 예측 설계

연구문제 예 단순한 기준모형보다 복잡한 머신러닝 모형이 정말 더 잘 예측하는가?

(층화 분할)
모형 비교·조정
단순 로지스틱
LASSO·Ridge
비선형 모형
시험·외부 자료

그림 속 숫자는 이해를 돕기 위한 예시 값입니다. * p < .05 · ** p < .01 · *** p < .001 · n.s. = 유의하지 않음(점선 경로). 실선 경로는 유의한 경로입니다.

가설

H1: 랜덤포레스트는 기준모형보다 교차검증에서 더 정확히 예측할 것이다.
H2: 선택한 모형은 시험 자료와 외부 자료에서도 성능을 유지할 것이다.

예시 분석 결과 읽기

H1 지지: 교차검증 AUC가 기준모형 .71, 정규화 회귀 .78, 랜덤포레스트 .83으로 랜덤포레스트가 가장 높습니다.
H2 지지: 시험 자료 AUC .82, 다음 학기 외부 자료 .79로 성능이 크게 떨어지지 않습니다. 외부 자료에서 성능이 크게 떨어지면 과적합이나 분포 변화를 의심합니다.
학습 AUC와 시험 AUC의 차이가 크면 과적합 신호입니다.

이렇게 읽습니다 모형 선택과 하이퍼파라미터 조정은 학습 자료 안의 교차검증에서만 하고, 시험 자료는 마지막에 한 번만 사용합니다.

모형 3. 랜덤 포레스트의 구조 (부트스트랩 → 나무 → 투표)

연구문제 예 수강 초기 학습 기록 10개 변수로 중도탈락을 맞히는 숲(나무 500그루)은 어떻게 만들어지고 평가되는가?

원자료
중복 허용, 약 63% 사례
분기마다 변수 3개만 후보 (mtry)
예측 확률 (중도탈락)

그림 속 숫자는 이해를 돕기 위한 예시 값입니다. * p < .05 · ** p < .01 · *** p < .001 · n.s. = 유의하지 않음(점선 경로). 실선 경로는 유의한 경로입니다.

가설

H1: 랜덤 포레스트는 단순 로지스틱 회귀(기준모형)보다 시험 자료에서 중도탈락을 더 정확히 예측할 것이다.
H2: 접속 횟수와 과제 제출률이 예측에 가장 크게 기여할 것이다(변수 중요도).

예시 분석 결과 읽기

H1 지지: 시험 자료 AUC = .84로 로지스틱 회귀(.76)보다 높고 OOB AUC(.81)와 비슷해 과적합 정도가 작습니다.
H2 지지: 순열 중요도 상위 변수는 접속 횟수, 과제 제출률, 사전성취입니다. 연령·성별은 예측 기여가 작습니다.
중요도와 부분의존도는 예측에 기여한 정도이며 ‘접속 횟수를 늘리면 탈락이 줄어든다’는 인과 효과로 해석하지 않습니다.

이렇게 읽습니다 각 나무는 원자료에서 중복을 허용해 뽑은 부트스트랩 표본으로 학습하고, 분기마다 무작위로 뽑은 일부 변수(mtry)만 후보로 삼습니다. 모든 나무의 예측을 다수결(분류)이나 평균(회귀)으로 합칩니다. 각 나무가 보지 못한 사례(OOB)로 오차를 추정할 수 있습니다. SEM처럼 경로를 지정하지 않고 자료가 변수의 관계를 정합니다.

변수, 가설, 계수는 이해를 돕기 위해 교육·HRD 맥락으로 만든 학습용 예시이며 실제 연구 결과가 아닙니다. 특정 논문의 모형을 옮긴 것은 아닙니다. 이 방법을 실제로 쓴 논문의 예: Jang, Y., Choi, S., Jung, H., & Kim, H. (2022).

04 · 제시하고 싶은 결과

분석 후 무엇을 보여 줄 수 있나요?

새로운 자료나 다음 시기의 자료에서 예측이 얼마나 맞았는지와 예측의 불확실성을 보여 줍니다.
위험확률·오류표·보정 결과: 어떤 사람을 얼마나 잘 식별하고 무엇을 놓치는가
기준모형·알고리즘 비교와 시기·집단별 성능

유의한 결과나 높은 적합도를 얻는 것 자체가 연구의 목적은 아닙니다. 결과가 연구문제에 어떤 답을 주는지, 무엇이 아직 불확실한지 함께 설명해야 합니다.

결과는 이렇게 제시합니다 (예시)

결과 그림 1. 변수 중요도

랜덤 포레스트가 어떤 변수로 중도탈락을 가장 잘 맞히는지 순열 중요도 막대로 제시합니다.

이렇게 읽습니다 막대가 긴 변수가 예측에 많이 기여합니다. SEM의 경로계수나 회귀계수와 달리 효과의 방향과 크기, 인과를 말해 주지 않으며, 핵심 변수의 부분의존도 그림을 함께 제시하면 관계의 모양(문턱 효과 등)을 볼 수 있습니다.

결과 그림 2. 나무 수에 따른 OOB 오차

나무를 늘려 가며 OOB(학습에 쓰이지 않은 사례)의 오분류율이 안정되는 지점을 확인합니다.

이렇게 읽습니다 오차가 더 이상 줄지 않는 지점 이후에는 나무를 늘려도 정확도가 거의 좋아지지 않습니다. 시험 자료를 쓰기 전에 학습 자료 안에서 모형이 안정되었는지 보는 근거입니다.

그림의 값은 이해를 돕기 위해 만든 예시이며 실제 연구 결과가 아닙니다.

05 · 궁극적으로 밝힐 것

내가 끝까지 답하고 싶은 질문과 맞나요?

“앞으로 일어날 결과를 미리 알아 지원·의사결정을 개선하고 싶다.”

이 질문에 답하는 분석 구조

학습 자료로 Y를 예측하는 모형(회귀·기계학습)을 만들고, 모형이 보지 못한 새 자료에서 예측 오차·AUC 같은 성능을 평가합니다.

왜 하나요? ‘새로운 사람의 결과를 얼마나 잘 맞히는가’를 알고 싶을 때. 원인 설명보다 위험 조기 발견이나 선별 같은 실제 의사결정에 쓰기 위해 합니다.

알고 싶은 내용이 다르다면, 아래 방법은 이렇게 다른 질문에 답합니다

다중회귀분석 (Multiple Regression): 분석 구조 결과변수(Y) 하나를 여러 설명변수(X1, X2, X3…)와 통제변수로 동시에 설명하는 회귀모형 Y = b0 + b1X1 + b2X2 + …을 추정하고, 각 X의 고유한 회귀계수와 모형의 설명력(R²)을 봅니다.이럴 때 선택 ‘여러 요인 중 무엇이 결과와 따로 관련되는가’를 알고 싶을 때. 요인끼리 서로 겹치는 부분을 통제하고 각 요인의 고유한 관련을 나누어 보기 위해 합니다.
잠재프로파일분석 (Latent Profile Analysis, LPA): 분석 구조 여러 연속형 지표의 점수 조합을 바탕으로 사람들을 숨은 유형(잠재집단)으로 나누고, 유형 수별 모형을 비교해 가장 적절한 유형 수와 유형별 평균 프로파일을 찾습니다.이럴 때 선택 ‘사람마다 점수의 조합이 다른 하위 집단이 있는가’를 알고 싶을 때. 평균으로 가려지는 서로 다른 사람 유형을 발견하기 위해 합니다.
자기회귀교차지연모형 (Autoregressive Cross-Lagged Panel Model, ARCL): 분석 구조 같은 사람을 여러 시점에 측정해 각 변수의 자기회귀 경로와 X(t)→Y(t+1), Y(t)→X(t+1) 교차지연 경로를 한 모형에서 추정하고 서로 비교합니다.이럴 때 선택 ‘두 변수 중 무엇이 먼저 다음 시점의 다른 변수를 예측하는가’를 알고 싶을 때. 시간 순서에 따른 선행관계와 서로 영향을 주는 방향을 확인하기 위해 합니다.

06 · 분석 순서

분석은 어떤 순서로 진행하나요?

사용 도구 R(ranger·randomForest·tidymodels·vip·iml), Python(scikit-learn·SHAP), SPSS 로지스틱 회귀(기준모형) 기준.

기준의 출처 Hastie·Tibshirani·Friedman(2009), James 외(2021), Kuhn·Johnson(2013), Collins 외(2015, TRIPOD), Steyerberg(2019), Riley 외(2020), Hosmer·Lemeshow(2013), Breiman(2001), Liaw·Wiener(2002), Strobl 외(2007), Probst·Wright·Boulesteix(2019), Wright·Ziegler(2017), Shmueli(2010), Yarkoni·Westfall(2017).

예측 목표·시점·의사결정 정하기
어떻게 하나요
무엇을, 언제, 누구에 대해 예측해 어떤 결정에 쓰는지, 오류 비용(놓친 위험 vs 잘못 경고)을 정합니다.
확인할 값과 해석 기준
예측 시점(예: 학기 3주차)에 실제로 알 수 있는 정보만 입력 변수로 씁니다.
왜 하고, 무엇을 알 수 있나요
실제로 쓸 수 있는 예측 과제를 정합니다.
데이터 누수(leakage) 점검
어떻게 하나요
각 변수가 예측 시점 이후에 생기는 정보(학기 말 성적, 결과를 반영한 점수)가 아닌지 확인하고 결과변수의 대리 변수를 제외합니다.
확인할 값과 해석 기준
누수가 하나라도 있으면 성능이 비현실적으로 높게 나옵니다. 의심 변수는 빼고 성능이 어떻게 바뀌는지 확인합니다.
왜 하고, 무엇을 알 수 있나요
현장에서 재현될 수 있는 성능만 평가하게 됩니다.
연구설계와 표본 크기(검정력) 계획
어떻게 하나요
자료를 모으기 전에 분석 모형, 넣을 변수 수, 기대하는 효과 크기를 정해 필요한 표본 수를 계산합니다. G*Power(F 검정, 선형 다중회귀 등)나 해당 방법의 시뮬레이션 지침을 사용합니다. 예측모형에서는 사건 수(예: 탈락자 수)와 예측변수 수의 비율이 중요합니다.
확인할 값과 해석 기준
보통 유의수준 α = .05, 검정력 .80 이상으로 잡습니다. 효과 크기는 Cohen(1988)의 참고치(회귀 f² = .02 작음·.15 중간·.35 큼, 상관 r = .10·.30·.50, 평균차 d = .20·.50·.80)나 선행연구에서 가져옵니다. 기대하는 효과가 작을수록 표본이 많이 필요합니다. 이분형 결과에서는 사건당 예측변수 10~20개 이상(EPV)이 흔한 권고이며 Riley et al.(2020)의 방법으로 최소 표본을 계산할 수 있습니다.
왜 하고, 무엇을 알 수 있나요
표본이 충분한지는 자료를 모으기 전에 따져 봐야 합니다. 표본이 부족하면 실제 효과가 있어도 유의하지 않게 나올 수 있고(제2종 오류), 나중에 표본 수를 끼워 맞추면 결과를 믿기 어렵습니다.
변수 정의, 척도 점수 계산, 역채점·더미 코딩
어떻게 하나요
SPSS [변환 > 변수 계산]·[다시 코딩]으로 역문항을 뒤집고(예: 5점 척도에서 6 − 응답), 하위 개념별 문항 평균(또는 합계) 점수를 만듭니다. 범주형 변수(성별, 직급 등)는 0/1 더미변수로 바꾸고 기준 집단을 정합니다. 변수 이름·값 설명을 코드북으로 정리합니다.
확인할 값과 해석 기준
역채점 후 같은 개념의 문항끼리 양의 상관인지 확인합니다. 범주가 k개이면 더미변수는 k−1개를 만들며, 기준 집단은 표본이 충분하고 의미 있는 집단으로 정합니다. 문항 평균을 쓸 때는 결측 문항 허용 기준(예: 한 척도에서 문항의 80% 이상 응답)을 미리 정합니다.
왜 하고, 무엇을 알 수 있나요
점수가 높을수록 무엇을 뜻하는지가 분명해집니다. 역채점을 빠뜨리면 상관과 신뢰도가 크게 왜곡되니 꼭 확인하세요.
결측치 확인과 처리
어떻게 하나요
[분석 > 결측값 분석]이나 빈도분석으로 변수별·사례별 결측 비율과 패턴을 확인하고, Little의 MCAR 검정으로 결측이 무작위인지 봅니다.
확인할 값과 해석 기준
변수별 결측이 5% 이하면 영향이 작다고 보는 관행이 있습니다. MCAR이 기각되지 않으면(p > .05) 목록별 삭제도 가능하지만 표본이 줄어듭니다. 결측이 많거나 무작위가 아닐 때는 다중대체(MI)나 완전정보 최대우도(FIML)를 사용합니다. 평균 대체는 분산을 줄여 권하지 않습니다. 결측 처리 방법과 최종 분석 표본 수를 보고합니다.
왜 하고, 무엇을 알 수 있나요
몇 명의 자료가 실제 분석에 쓰이는지, 결측 때문에 결과가 치우칠 위험은 없는지 가늠합니다.
이상값(극단값) 점검
어떻게 하나요
변수별 상자그림과 표준화 점수(z)로 단변량 이상값을, [분석 > 회귀분석 > 선형 > 저장]의 Mahalanobis 거리로 다변량 이상값을 확인합니다.
확인할 값과 해석 기준
|z| > 3.29(양측 p < .001)이면 단변량 이상값으로 봅니다(작은 표본에서는 |z| > 3 사용도 흔함). Mahalanobis 거리는 투입 변수 수를 자유도로 한 χ² 분포에서 p < .001이면 다변량 이상값 후보입니다. 입력 오류면 바로잡으면 됩니다. 실제 응답이면 지우지 말고 포함했을 때와 제외했을 때의 결과를 비교해 보고합니다.
왜 하고, 무엇을 알 수 있나요
극단적인 응답 몇 개가 평균, 상관, 회귀계수를 흔들고 있는지 봅니다.
기초통계와 결과변수 분포(불균형) 확인
어떻게 하나요
예측변수 분포와 결과변수의 비율(탈락자 비율 등)을 확인합니다.
확인할 값과 해석 기준
드문 결과(예: 5~10% 이하)는 정확도(accuracy)만으로 평가하면 무의미해질 수 있어 층화 분할, 가중치, PR-AUC를 사용합니다. 과·소표집(SMOTE 등)은 반드시 학습 자료 안에서만 적용합니다.
왜 하고, 무엇을 알 수 있나요
모형을 어떻게 평가해야 공정한지 정합니다.
자료 분할과 교차검증 설계
어떻게 하나요
학습·검증·시험 자료로 나누고 같은 사람의 여러 기록은 한 쪽에만 둡니다. 학습 자료 안에서는 k겹(5 또는 10) 교차검증을 하고 결과가 드문 경우 층화합니다.
확인할 값과 해석 기준
시간 순서가 있는 자료는 과거로 학습하고 이후로 평가합니다. 전처리(표준화, 결측 대체, 변수 선택)는 학습 자료에서만 학습해 시험 자료에 적용합니다. 시험 자료는 최종 한 번만 사용합니다.
왜 하고, 무엇을 알 수 있나요
처음 보는 사람에게 적용했을 때의 성능을 정직하게 추정합니다.
기준모형(baseline) 적합
어떻게 하나요
평균·다수 범주 예측, 단순 로지스틱·선형 회귀를 같은 분할에서 적합합니다.
확인할 값과 해석 기준
복잡한 모형은 단순한 기준모형보다 눈에 띄게 좋을 때만 채택합니다.
왜 하고, 무엇을 알 수 있나요
머신러닝을 쓸 가치가 있는지 판단할 기준선을 얻습니다.
후보 알고리즘 적합과 하이퍼파라미터 조정
어떻게 하나요
정규화 회귀(LASSO·Ridge·Elastic Net), 랜덤포레스트, 그래디언트 부스팅 등을 같은 분할에서 비교하고 조정은 학습 자료 안의 교차검증에서만 합니다.
확인할 값과 해석 기준
조정에 시험 자료를 쓰면 과적합된 성능이 보고됩니다. 모형 복잡도(과적합 정도)를 학습 대 검증 성능 차이로 확인합니다.
왜 하고, 무엇을 알 수 있나요
예측에 어느 정도 복잡한 모형이 필요한지 봅니다.
랜덤 포레스트의 원리와 설정값 이해
어떻게 하나요
의사결정나무 한 그루는 자료를 변수 기준으로 반복해 둘로 나누어 예측하지만 자료가 조금만 달라도 크게 변합니다. 랜덤 포레스트는 (1) 부트스트랩 표본을 B번(ntree) 뽑고 (2) 각 나무의 각 분기마다 무작위로 mtry개 변수만 후보로 삼아 나무를 키운 뒤 (3) 다수결(분류)·평균(회귀)으로 합칩니다.
확인할 값과 해석 기준
ntree는 500 이상(OOB 오차가 안정될 때까지), mtry는 분류 √p·회귀 p/3이 기본값이며 min.node.size(분류 1, 회귀 5)로 나무의 깊이를 조절합니다. 불균형 결과는 클래스 가중치나 층화 표집을 씁니다.
왜 하고, 무엇을 알 수 있나요
여러 나무를 합치고 변수를 무작위로 제한하는 이유(과적합 감소)를 알아야 결과를 제대로 읽습니다.
랜덤 포레스트 적합과 튜닝
어떻게 하나요
R ranger로 ranger(dropout ~ ., data = train, num.trees = 500, mtry = 3, importance = "permutation", probability = TRUE)처럼 적합하고, mtry·min.node.size를 격자(grid)로 바꿔 교차검증(5~10겹)에서 AUC나 RMSE가 최고인 조합을 찾습니다.
확인할 값과 해석 기준
조정은 학습 자료 안의 교차검증이나 OOB 오차에서만 합니다. OOB 오차가 나무 수가 늘어도 더 줄지 않으면 충분합니다. 시험 자료는 최종 한 번만 씁니다.
왜 하고, 무엇을 알 수 있나요
과적합 없이 가장 잘 예측하는 설정을 고릅니다.
변수 중요도와 부분의존도 해석
어떻게 하나요
순열 중요도(permutation importance)로 상위 변수를 정렬하고 핵심 변수의 부분의존도(PDP)나 개별 조건부 기대(ICE) 그림으로 예측값이 변수에 따라 어떻게 변하는지 봅니다. 사례별 설명에는 SHAP을 병행합니다.
확인할 값과 해석 기준
Gini 중요도는 연속형이나 범주가 많은 변수에 유리하게 치우칩니다. 상관이 높은 변수는 중요도가 나뉘어 낮게 보일 수 있습니다. 중요도는 예측 기여도입니다. 원인이나 효과의 크기를 뜻하지 않고, 방향(+/−)도 알려 주지 않습니다.
왜 하고, 무엇을 알 수 있나요
예측에 가장 기여한 변수와 관계의 모양(비선형·문턱 효과)이 보입니다.
랜덤 포레스트와 SEM 중 선택하기
어떻게 하나요
연구 질문이 ‘무엇이 왜 결과에 영향을 주는가(이론 검정)’이면 SEM, ‘누가 결과를 보일지 맞히거나 어떤 변수가 예측에 중요한가’이면 랜덤 포레스트를 선택합니다. 위 비교표를 기준으로 합니다.
확인할 값과 해석 기준
랜덤 포레스트의 변수 중요도 순위를 SEM의 경로계수처럼 읽지 않습니다. 같은 자료로 변수를 고르고 같은 자료로 SEM을 검정하면 결과가 부풀려지므로 표본을 나누거나 새 자료로 검정합니다.
왜 하고, 무엇을 알 수 있나요
연구 질문에 맞는 방법을 고르고, 필요하면 두 방법을 순서대로 써서 서로 보완합니다.
성능 평가: 연속형 결과
어떻게 하나요
MAE, RMSE, R²(시험 자료 기준)와 예측값 대 실제값 도표를 확인합니다.
확인할 값과 해석 기준
RMSE는 큰 오차에 민감하고 MAE는 평균 오차를 같은 단위로 보여 줍니다. 기준모형 대비 개선율을 보고합니다.
왜 하고, 무엇을 알 수 있나요
예측이 평균적으로 얼마나 빗나가는지 봅니다.
성능 평가: 분류 결과
어떻게 하나요
혼동행렬에서 민감도(재현율), 특이도, 정밀도, F1, ROC–AUC, PR-AUC, 보정도(calibration)를 확인합니다. 분류 기준(threshold)은 오류 비용에 맞춰 정합니다.
확인할 값과 해석 기준
AUC는 .70~.80 수용, .80~.90 우수로 해석하는 관행이 있으나 오류 비용에 따라 기준이 달라집니다(Hosmer & Lemeshow). 불균형 자료에서는 PR-AUC를 함께 봅니다. 보정곡선의 기울기가 1, 절편이 0에 가까울수록 확률이 믿을 만합니다.
왜 하고, 무엇을 알 수 있나요
예측이 얼마나 정확하고 어떤 종류의 오류를 내는지 봅니다.
외부 검증과 집단별 공정성 점검
어떻게 하나요
다음 학기·다른 기관 자료에서 성능을 다시 측정하고 성별·직급·학과 등 집단별 오류율과 보정도를 비교합니다.
확인할 값과 해석 기준
성능이 외부 자료에서 크게 떨어지거나 특정 집단에서 오류가 크면 활용 범위를 제한합니다.
왜 하고, 무엇을 알 수 있나요
모형을 현장에 써도 되는지 판단할 근거를 얻습니다.
해석 가능성 점검 (변수 중요도·SHAP)
어떻게 하나요
변수 중요도, 부분의존도, SHAP 값으로 어떤 변수가 예측에 기여했는지 확인합니다.
확인할 값과 해석 기준
변수 중요도는 ‘예측 기여’를 뜻할 뿐 원인을 뜻하지 않습니다. 상관된 변수가 많으면 중요도가 분산됩니다.
왜 하고, 무엇을 알 수 있나요
예측 근거를 설명하고 현장 지원 방안을 끌어낼 수 있습니다.
보고와 윤리
어떻게 하나요
TRIPOD 보고 지침에 따라 표본, 변수, 분할, 전처리, 모형, 조정값, 성능, 한계를 모두 적고 코드를 공개합니다.
확인할 값과 해석 기준
개인정보 보호, 예측 결과가 개인에게 미치는 영향, 공정성을 윤리적 고려로 적습니다.
왜 하고, 무엇을 알 수 있나요
예측 결과를 책임 있게 재현하고 쓸 수 있게 합니다.

방법 선택을 위한 안내입니다. 실제 실행에서는 해당 방법의 원문과 교과서, 소프트웨어 문서를 함께 확인하세요.

07 · 사례

사례를 통해 내 연구에 어떻게 적용할지 살펴보세요

학습용 연구설계 사례입니다. 실제 논문의 연구 결과나 수집된 자료를 재현한 것이 아닙니다. 분석 방법의 근거는 아래 추천 문헌에서 확인할 수 있습니다.

사례 1 · HRD · 조직행동

여성 관리자의 퇴사 위험 예측

연구목적

향후 퇴사 위험이 높은 구성원을 미리 파악할 수 있는지 평가합니다.

알고 싶은 것

현재 확보된 직무경험과 경력 자료로 다음 조사 시점의 퇴사를 얼마나 잘 예측하는가?

사용할 자료

예측 시점 이전의 설문·인사정보와 이후 퇴사 여부
개인 식별자로 분리한 시기별 자료

방법을 적용하는 방식

로지스틱 기준모형과 랜덤포레스트 등을 비교하고 시기별 검증, 재현율·정밀도·보정을 평가합니다.

제시할 결과

새 시기 자료에서 기준모형과 랜덤포레스트의 성능 비교
위험확률의 보정
오탐·미탐과 집단별 오류를 제시합니다

이 사례에서 밝힐 수 있는 것

퇴사의 원인을 확정하는 분석과 다릅니다. 지원 대상 선정에는 오탐·미탐 비용과 집단별 오류를 고려합니다.

사례 2 · 학습분석

3주 차 중도탈락 조기경보

연구목적

학습 초기에 추가 지원이 필요한 학습자를 찾습니다.

알고 싶은 것

1~3주 차 정보만으로 학기 말 중도탈락을 다음 기수에서도 예측할 수 있는가?

사용할 자료

초기 접속·과제·퀴즈·사전성취와 학기 말 중도탈락 라벨

방법을 적용하는 방식

과거 기수로 튜닝하고 이후 기수에서 최종 평가합니다. 최종 수료 활동은 특징에서 제외합니다.

제시할 결과

다음 기수의 정밀도·재현율 등 조기경보 성능과 오류표
보정·기준모형 비교
지원 기준별 탐지 결과를 제시합니다

이 사례에서 밝힐 수 있는 것

예측 성능이 좋아도 경보 기반 지원이 학습을 개선하는지는 별도의 개입평가로 검증합니다.

08 · 해석 범위

이 결과로 어디까지 말할 수 있을까요?

최종시험 점수나 퇴사 후 기록을 조기 예측의 특징에 넣으면 정보 누출입니다.
정확도 하나는 희귀한 중도탈락·퇴사의 위험 탐지 성능을 숨길 수 있습니다.
변수 중요도 또는 SHAP 값은 변수에 개입했을 때의 인과효과를 뜻하지 않습니다.

09 · 나의 연구에 대입하기

이 방법의 선택 조건을 스스로 확인해 보세요

자신의 연구목적과 자료를 떠올리며 답해 보세요. 세 조건이 모두 맞더라도 실제 연구를 시작하기 전에는 표집·측정·윤리·분석 가정을 구체적으로 검토해야 합니다.

함께 비교하면 좋은 방법

이 방법을 이해하는 추천 연구논문

아래 논문에서 방법의 논리와 실제 연구에 적용하는 방식을 확인할 수 있습니다. 읽을 초점을 따라 연구목적·자료·결과를 비교해 보세요.

방법 설명SSCI
Yarkoni, T., & Westfall, J. (2017). Choosing Prediction Over Explanation in Psychology: Lessons From Machine Learning. Perspectives on Psychological Science, 12(6), 1100-1122.
읽을 초점 설명과 예측의 목적 차이를 읽고 새 자료에서의 성능 검증이 왜 필요한지 확인하세요.
DOI: 10.1177/1745691617693393 · ISSN: 1745-6916 / 1745-6924
교수님 Research listKCI
주재홍, 송지훈 (2023). 랜덤 포레스트를 활용한 여성 관리자의 퇴사 예측 모델 개발. HRD연구, 25(1), 61-90. https://doi.org/10.18211/kjhrdq.2023.25.1.003
읽을 초점 연구실의 관련 연구가 이 방법을 어떤 목적으로 사용했는지 읽어 보세요. 제목과 서지에서 방법과의 관련성을 확인한 논문이며, 구체적인 표집·분석 절차·결과는 원문에서 확인해야 합니다.
논문 찾아보기 ↗ · 교수님 목록 확인
적용 논문KCI
Jo, M. H., Kim, E. J., & Lee, H. W. (2018). Exploring a Model for Predicting Academic Warning with Learning Analytics. 교육공학연구, 34(4), 877-900.
읽을 초점 이 방법을 어떤 연구문제와 자료에 적용했고, 결과를 어떻게 보고했는지 읽어 보세요. 제목이나 초록에서 방법을 확인한 논문을 골랐으며, 구체적인 절차와 결과는 원문에서 확인해야 합니다.
DOI: 10.17232/kset.34.4.877 · Crossref 인용 수 4회 (2026-11-02 확인)
적용 논문SSCI
Jang, Y., Choi, S., Jung, H., & Kim, H. (2022). Practical early prediction of students’ performance using machine learning and eXplainable AI. Education and Information Technologies, 27(9), 12855-12889.
읽을 초점 이 방법을 어떤 연구문제와 자료에 적용했고, 결과를 어떻게 보고했는지 읽어 보세요. 제목이나 초록에서 방법을 확인한 논문을 골랐으며, 구체적인 절차와 결과는 원문에서 확인해야 합니다.
DOI: 10.1007/s10639-022-11120-6 · Crossref 인용 수 108회 (2026-11-02 확인)

확인일 2026-11-02 · ‘방법 설명’ 논문의 SSCI 표시는 확보한 학술지 목록의 ISSN 대조 결과입니다. 다만 일부 문헌은 이 목록으로 대조하지 못했으니 Clarivate Master Journal List에서 다시 확인해 주세요. 표시는 현재나 출판 당시의 등재를 보증하지 않습니다. ‘적용 논문’은 Crossref 서지로 확인했고, SSCI·KCI 표시는 학술지 기준이며 목록과 전수 대조하지 않았습니다.

← 연구 고민 다시 살펴보기 나의 연구 발전시키기(실습) →

1. 질문과 핵심 개념

2. 설계와 절차

3. 분석과 결과

4. 해석과 보고

언제, 어떤 목적으로 선택하나요?

이 방법으로 답하는 연구 목적

대표 연구 질문

필요한 변수·자료의 형태

분석에서는 무엇을 하나요?

결과를 어떻게 해석하나요?

이런 상황이면 이 분석을 고려하세요

1. 새 사례에서 맞히는 능력

2. 예측할 때 알 수 있는 정보만 사용

3. 별도 자료에서 성능을 검증

4. 실제 오류와 위험확률을 평가

5. 랜덤 포레스트와 SEM 중 무엇을 쓸까

어떤 질문이면 다른 방법을 비교해야 하나요?

어떤 자료와 변수로, 어떤 구조를 분석하나요?

분석 구조 한눈에 보기

식으로 보면

랜덤 포레스트와 SEM은 무엇이 어떻게 다른가

필요한 변수와 역할

분석용 자료 파일은 이렇게 만듭니다

자료 파일을 만들 때 지킬 규칙

분석 프로그램에서 이렇게 설정합니다

자료 조건과 주의점

이런 연구모형으로 분석합니다

모형 1. 예측모형의 구조 (학습 → 시험 → 성능 평가)

가설

예시 분석 결과 읽기

모형 2. 여러 모형을 비교하는 예측 설계

가설

예시 분석 결과 읽기

모형 3. 랜덤 포레스트의 구조 (부트스트랩 → 나무 → 투표)

가설

예시 분석 결과 읽기

분석 후 무엇을 보여 줄 수 있나요?

결과는 이렇게 제시합니다 (예시)

결과 그림 1. 변수 중요도

결과 그림 2. 나무 수에 따른 OOB 오차

내가 끝까지 답하고 싶은 질문과 맞나요?

이 질문에 답하는 분석 구조

알고 싶은 내용이 다르다면, 아래 방법은 이렇게 다른 질문에 답합니다

분석은 어떤 순서로 진행하나요?

예측 목표·시점·의사결정 정하기

데이터 누수(leakage) 점검

연구설계와 표본 크기(검정력) 계획

변수 정의, 척도 점수 계산, 역채점·더미 코딩

결측치 확인과 처리

이상값(극단값) 점검

기초통계와 결과변수 분포(불균형) 확인

자료 분할과 교차검증 설계

기준모형(baseline) 적합

후보 알고리즘 적합과 하이퍼파라미터 조정

랜덤 포레스트의 원리와 설정값 이해

랜덤 포레스트 적합과 튜닝

변수 중요도와 부분의존도 해석

랜덤 포레스트와 SEM 중 선택하기

성능 평가: 연속형 결과

성능 평가: 분류 결과

외부 검증과 집단별 공정성 점검

해석 가능성 점검 (변수 중요도·SHAP)

보고와 윤리

사례를 통해 내 연구에 어떻게 적용할지 살펴보세요

여성 관리자의 퇴사 위험 예측

3주 차 중도탈락 조기경보

이 결과로 어디까지 말할 수 있을까요?

이 방법의 선택 조건을 스스로 확인해 보세요

함께 비교하면 좋은 방법

이 방법을 이해하는 추천 연구논문