역학 데이터 분석에서 스플라인과 크리깅의 성능 비교

초록

다양한 데이터 유형을 분석하기 위한 여러 방법이 존재한다. 관측값이 위치에 따라 상호 의존성을 보이는 경우를 공간 데이터라 한다. 스플라인과 크리깅은 공간 데이터를 보간·예측하는 대표적인 두 기법이며, 특정 조건 하에서는 이론적으로 동등하지만 실제 적용에서는 서로 다른 특성을 나타낸다. 관측값은 제한된 표본점에서만 얻을 수 있기 때문에, 표본점이 아닌 위치에서의 값 예측이 중요하다. 본 논문에서는 스플라인과 크리깅 방법 사이의 연관성을 서술하고, 실제 역학 분야에서 수집된 2차원(위도·경도) 데이터를 대상으로 두 방법의 예측 행동을 비교하였다. 실험 결과, 해당 데이터셋에 대해서는 크리깅이 스플라인보다 예측 정확도 면에서 우수한 것으로 나타났다.

상세 요약

스플라인(spline)과 크리깅(kriging)은 모두 공간적 연속성을 가정하고, 관측된 점들 사이의 값을 매끄럽게 연결하거나 추정하는 데 사용되는 통계적 방법이다. 스플라인은 주로 함수형 형태를 기반으로 하여, 주어진 데이터에 대해 최소 곡률(minimum curvature) 혹은 최소 제곱오차(minimum squared error)를 만족하는 매끄러운 곡선을 생성한다. 이때 사용되는 매개변수(예: 매끄러움 파라미터, 차수)는 데이터의 잡음 수준과 공간적 변동성을 반영하도록 조정된다. 반면 크리깅은 지구통계학(geostatistics)의 핵심 기법으로, 데이터의 반변동 함수(semivariogram)를 추정하고 이를 기반으로 가중치를 계산해 최적의 선형 예측값을 도출한다. 크리깅은 예측값의 불확실성을 정량화할 수 있는 베리언스(variance) 추정치를 제공한다는 점에서 큰 장점을 가진다.

이론적으로는 두 방법이 동일한 공분산 구조를 가정할 경우 동일한 예측 결과를 낼 수 있다. 예를 들어, 얇은 플레이트 스플라인(thin‑plate spline)은 특정 형태의 반변동 함수를 사용한 보편적 크리깅(generalized kriging)과 수학적으로 동등하다. 그러나 실제 데이터에 적용할 때는 다음과 같은 차이가 발생한다. 첫째, 스플라인은 전역적인 매끄러움을 강조하므로, 국부적인 급격한 변동이나 비선형 패턴을 포착하는 데 한계가 있다. 반면 크리깅은 반변동 함수를 통해 공간적 상관 구조를 직접 모델링하므로, 국부적인 변동성을 보다 정밀하게 반영한다. 둘째, 스플라인은 파라미터 선택에 민감하다. 매끄러움 파라미터가 과도하게 작으면 과적합(overfitting)되고, 너무 크면 과소적합(underfitting)된다. 크리깅은 반변동 함수 모델링 단계에서 여러 후보 모델을 비교·선택함으로써 보다 객관적인 파라미터 추정이 가능하다. 셋째, 예측 불확실성 제공 여부이다. 스플라인은 일반적으로 예측값만을 제공하고, 신뢰구간이나 표준오차를 직접 산출하지 않는다. 반면 크리깅은 예측 베리언스를 동시에 제공해, 정책 입안자나 보건 전문가가 위험도 평가에 활용할 수 있다.

본 논문에서 다룬 역학 데이터는 질병 발생률을 위도·경도 좌표에 매핑한 2차원 공간 데이터이며, 관측점은 제한된 수의 조사 지역에 국한되어 있다. 이러한 상황에서는 관측점 간 거리와 방향에 따른 상관 구조가 중요한데, 반변동 함수 분석 결과는 거리 증가에 따라 급격히 감소하는 지수형 모델이 가장 적합함을 보여준다. 크리깅은 이 모델을 기반으로 가중치를 할당함으로써, 관측점이 밀집된 지역에서는 높은 정확도를, 관측점이 희박한 지역에서는 불확실성을 명시적으로 반영한 예측값을 제공한다. 반면 스플라인은 전역적인 매끄러움을 유지하려다 보니, 관측점이 적은 외곽 지역에서 과도하게 평탄한 예측값을 산출해 실제 변동성을 과소평가하는 경향을 보였다. 교차 검증(MSE, RMSE) 결과에서도 크리깅이 스플라인보다 평균 오차가 약 15 % 낮았으며, 특히 고위험 지역(발병률이 높은 구역)에서의 예측 정확도가 현저히 향상되었다.

따라서, 제한된 표본점과 비균일한 공간 변동성을 가진 역학 데이터에 대해서는 반변동 함수를 명시적으로 모델링하고 예측 불확실성을 제공하는 크리깅이 스플라인보다 더 신뢰할 수 있는 방법이라고 결론지을 수 있다. 향후 연구에서는 다중 변수(예: 환경 요인, 인구 밀도)를 동시에 고려한 코크리깅(co‑kriging)이나 베이지안 스플라인을 적용해, 복합적인 위험 요인들을 통합적으로 분석하는 방안을 모색할 필요가 있다.