지리 가중 정준 상관 분석: 지역별 다변량 연계 탐색

초록

본 논문은 전통적인 정준 상관 분석(CCA)을 지리적 가중치를 도입해 지역별 상관계수를 추정하는 GWCCA(Geographically Weighted Canonical Correlation Analysis)를 제안한다. 합성 데이터와 미국 카운티 수준의 보건·사회 결정 요인 사례를 통해 공간 이질성, 대역폭 선택, RGOF 기반 모델 최적화 등을 검증하고, 도시계획·환경·보건·교통 등 데이터 집약 분야에서 지역적 다변량 연계 해석의 가능성을 제시한다.

상세 분석

본 연구는 CCA가 두 변수 집합 간의 전역적 선형 관계만을 제공한다는 한계를 지리적 비정상성(spatial heterogeneity)을 반영하지 못하는 점에서 출발한다. 이를 극복하기 위해 관측치마다 거리 기반 가중치를 부여하는 GW(Geographically Weighted) 프레임워크를 CCA에 적용하였다. 구체적으로, 각 대상 위치 i 에 대해 거리‑가중 평균 벡터 μ(i)와 가중 공분산 행렬 Σ(i)를 계산하고, 이를 이용해 지역별 정준 상관계수 ρ(i)와 정준 벡터 a(i), b(i)를 추정한다. 가중 행렬 W(i) 는 Gaussian, Exponential, Bi‑square 등 6가지 커널 중 선택 가능하며, 본 논문에서는 적응형 대역폭(adaptive bandwidth)을 사용해 k‑번째 최근접 이웃까지의 거리 d_k를 대역폭 h(i)로 설정한다.

대역폭 선택은 모델의 공간 해상도와 과적합/과소적합 사이의 트레이드오프를 결정한다. 저자는 RGOF(Residual Goodness‑of‑Fit) 지표를 도입해, 선택된 정준 변량 m 에 대해 남은 상관비율을 정량화하고, RGOF 감소율이 1 % 이하로 연속 p 번(기본 p=2) 지속될 경우 조기 종료(Early Stopping) 규칙을 적용한다. 이는 과도한 대역폭으로 인한 전역화 현상을 방지하고, 계산 효율성을 높이는 실용적 전략이다.

합성 데이터 실험에서는 사전 정의된 공간 패턴(예: 중심부에서 강한 상관, 주변부에서 약한 상관)을 삽입하고, GWCCA가 대역폭 h 와 정준 변량 m 을 적절히 선택했을 때 해당 패턴을 정확히 복원함을 확인했다. 기존 SCCA·CSCA와 비교했을 때, GWCCA는 지역별 상관계수 지도와 정준 로딩을 제공함으로써 해석적 가치를 크게 향상시켰다.

실증 사례에서는 미국 3,142개 카운티의 보건 지표(예: 평균 수명, 비만율)와 사회 결정 요인(소득, 교육 수준, 고용률 등)을 각각 Y 와 X 집합으로 설정했다. GWCCA 결과, 동부 대도시권에서는 소득·교육과 보건 지표 간의 정준 상관이 높게 나타났으며, 중서부 농촌 지역에서는 환경 요인(공기 질)과 보건 간의 연계가 더 두드러졌다. 이러한 지역별 차이는 전통적인 전역 CCA가 제공하지 못하는 미세한 공간 변동을 드러내며, 정책 입안자가 지역 특성에 맞는 개입 전략을 설계하는 데 직접 활용될 수 있다.

마지막으로, 논문은 GWCCA의 한계도 언급한다. 고차원 변수 집합에서 정준 벡터의 해석이 복잡해질 수 있으며, 대역폭 선택이 데이터 밀도에 민감함을 지적한다. 향후 연구로는 다중 스케일 대역폭, 비선형 정준 상관(예: 커널 CCA와 결합) 및 베이지안 불확실성 추정 등을 제안한다. 전반적으로 GWCCA는 공간 데이터 과학에서 다변량 연계 분석을 지역 수준으로 확장하는 중요한 도구로 자리매김한다.