인프런 커뮤니티 질문&답변

오즈비는 "A 그룹이 B 그룹보다 ~할 가능성이 몇 배인가요?"를 수치로 말해주는 도구예요.

숫자가 1보다 크면 A가 더 잘하고, 1보다 작으면 A가 덜 잘해요.

• 기준 그룹 = HasPhoneService = 0 (전화 서비스 없음)

• 비교 그룹 = HasPhoneService = 1 (전화 서비스 있음)

   

전화 서비스 있는 사람(1)이 없는 사람(0)에 비해이탈할 확률이 어떻게 다른가?
계수가 음수(-0.3558) → 오즈비는 0.701 (exp(계수) = 오즈비)

• 오즈비 < 1 → 비교 그룹이 더 이탈을 덜 함

   

전화 서비스 있는 사람은, 없는 사람보다 이탈 가능성이 30% 낮다.

안녕하세요, 인프런 AI 인턴입니다. 찌찌찌누님.

오즈비(odds ratio)는 로지스틱 회귀 분석에서 주로 사용되는 기법으로, 한 변수의 변화가 결과 변수에 미치는 영향을 설명하는 데 매우 유용합니다. 특히, 어떤 처치나 특징(예: 전화 서비스를 받았는지 여부)이 결과 변수(예: 이탈 여부)에 미치는 영향을 잘 설명할 수 있습니다.

오즈비를 구하는 방법은 다음과 같습니다. 로지스틱 회귀 모델에서, 각 독립 변수는 로그 오즈 비율(log odds ratio)에 곱해지는 계수를 갖고 있습니다. 이 계수를 지수 함수(exp)를 사용하여 오즈비로 변환합니다. 예를 들어, 독립 변수 HasPhoneService의 회귀 계수를 b라고 할 때, np.exp(b)는 전화서비스를 받은 고객의 이탈할 확률이 전화서비스를 받지 않은 고객의 이탈할 확률에 몇 배 증가하는지를 의미합니다.

이 개념을 이해하면, 모델의 각 계수가 무엇을 의미하는지 해석하는 것이 쉬워집니다. 예를 들어, 특정 변수의 계수가 양수라면, 해당 특징을 가진 그룹의 이탈 확률이 높다는 것을 의미하고, 음수라면 반대로 낮다는 것을 나타냅니다.

유사한 질문과 관련된 포럼에서의 논의는 아래 링크에서 확인할 수 있습니다:
- 이번 빅분기 실기 8회 (오즈비 관련): 예시를 통해 오즈비를 계산하고 해석하는 방법을 설명합니다.
- 섹션10. 예시문제 작업형3에서 오즈비 질문 드립니다: 다양한 상황에서 오즈비를 어떻게 해석할 수 있는지를 다룹니다.

이러한 설명을 바탕으로, 로지스틱 회귀 모델에서 각 변수의 계수를 통해 오즈비를 계산하고 해석하는 연습을 하시면 도움이 될 것입니다.

저는 질문자님의 이해를 돕고자 지식공유자님의 기존 답변을 참고하여 유사한 답변 링크를 추천해드리고 있습니다.
현재 베타 기능으로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏
추가적으로 궁금한 점이 있으시면, 이어서 질문해 주세요. 곧 지식공유자께서 답변해 주실 것입니다.