2020_postechian_summer

기획특집 - ③

선거 빅데이터 기술 Big Data Technology 올해 봄, 선거의 계절이 다시 돌아왔었습니다! 선거 전에는 선거 결과를 예측하기 위해 여론조사를 시행하는데요. 하지만 2016년 국회의원 선거와 지난 미국 대선의 선거 결과와 예측 결과를 비교했을 때, 여론조사보다 빅데이터를 이용한 분석이 더 정확했다고 합니다. 점차 4차 산업혁명 시대로 가면서 빅데이터 분석은 선거를 비롯해 더욱 다양한 분야에 적용되며 중요하게 다뤄지고 있습니다. 그럼 지금부터 실제 선거에 사용되는 선거 결과 예측 알고리즘에 대해 알아보도록 할까요?

알리미 25기 무은재학부 19학번

김은진

선거 결과를 예측하는 상관 분석 선거 결과를 예측하는 알고리즘으로는 대표적으로 구글 검색 결과

두 변수가 함께 증가하거나 감소하는 경향이 있으면 계수가 양수이며,

개수를 나타내는 Google trend와 같은 빅데이터를 상관 분석에

두 변수의 상관을 나타내는 선이 오른쪽 위의 방향으로 기울어집니다.

이용하는 방법이 있습니다. 먼저 상관 분석을 하기 위해서는 상관관계에

반대로 한 변수가 증가할 때 다른 변수는 감소하는 경향이 있으면 계수가

대해 알아야 하는데요. 상관관계 Correlation는 서로 독립적인 관계이거나

음수가 되며, 두 변수의 상관을 나타내는 선이 오른쪽 아래의 방향으로

상관된 관계인 두 변수 간의 관계 정도를 말합니다. 이를 이용하여

기울여지게 됩니다.

확률적, 통계학적으로 두 변수 간에 어떤 선형적 또는 비선형적 관계가

다음은 두 변수의 데이터 값의 분포에 따른 피어슨 상관 계수와 그

있는지를 분석하는 방법을 상관 분석이라고 합니다. 상관관계의 정도를

분석의 예시입니다.

파악하기 위해 다양한 상관 계수를 사용할 수 있는데요. 대표적으로 두 변수 간의 관련성을 나타내는 피어슨 상관 계수 Pearson correlation coefficient를

사용하며 r로 이 값을 나타냅니다. 이외에도 자료의 값 대신

순위를 이용하는 스피어만 상관 계수 Spearman correlation coefficient, 검사

이 그림은 r =0으로 점들이

문항들이 동질적인 요소로 되어있는가 등을 판단할 수 있도록 내적

무질서하게 배치되어 있으며 변수 사이에 선형 관계가 없다는 것을

일관성 신뢰도를 나타내는 크론바흐 알파 계수 Cronbach's alpha coefficient

나타냅니다.

등이 있습니다. 이때 상관 계수는 두 변수 간의 연관된 정도를 나타낼 뿐이지 인과관계를 설명할 수는 없다는 것을 유의해야 합니다. 이 그림은 r=0.476으로 일부 점들은 선에 가깝고 일부는 멀게 있어서 변수 사이에 적절한 선형

피어슨 상관 계수를 이용한 분석

관계가 있다는 것을 의미합니다.

지금부터는 상관 분석에서 가장 일반적으로 쓰이는 피어슨 상관 계수를 이용하여 분석하는 방법을 알아보겠습니다. 두 변수의 선형 관계를 분석하기 위해 주로 사용되는 피어슨 상관 계수는 r로 나타내게 되며, r에 대한 식은 다음과 같습니다.

r=

(두 변수가 함께 변하는 정도)

이 그림은 r=0.93으로 변수 사이에 강한 선형 관계가 있으며 한 변수가 증가하면 다른 변수도 증가합니다.

(두 변수가 각각 변하는 정도)

상관계수의 값은 -1과 1 사이의 범위에 존재하며 절댓값 1은 완전한

이 그림은 r=-0.968로 변수

선형 관계를 나타내고 0에 가까운 상관 값은 변수 사이에 선형 관계가

사이에 강한 음의 선형 관계가

없음을 의미합니다. 대체로 0.3 이상이면 상관관계가 존재한다고 보지만

있으며 한 변수가 증가하면 다른

연구의 성격과 자료의 특성에 따라 다르게 평가될 수 있습니다. 피어슨

변수는 감소합니다.

상관 계수의 부호는 상관관계의 방향을 의미합니다.

PROGRESS • 기획특집

36