군집분석

개체간의 유사성을 수량적으로 측정하는 데는 여러 가지 방법이 있을 수 있다. 그 중에서 개체들 간의 거리(distance)가 가장 널리 쓰이는 측도(measure)이다. 그러나 거리를 이용한 분석 방법은 이상값(outlier)에 영향을 많이 받는 단점이 있으므로 사전에 자료를 걸르는 스크린(screen) 작업이 필요하다. 스크린을 행하는 가장 쉬운 방법은 다음과 같은 프로파일(profile) 그림을 그리는 것이다. 우선 자료를 표준화시키고 가로축에는 변수, 세로축에는 표준화된 값의 프로파일 그림을 그린다. 아래 <그림 13.1>은 5개의 개체에 4개의 변수 값에 관한 그림을 그린 것이다. 여기서는 (1)번의 관측 값이 두드러지게 나타나 이상값임을 알 수 있다. 그러나 이는 표본의 수가 큰 경우에는 너무 번거롭기 때문에, 평균에서 3배의 표준편차 밖으로 벗어나는 관측값들을 제거하는 수식적인 작업이 더 용이하기도 하다. 앞의 분석 방법에 의하면 전체 개체(또는 변수)가 마지막 하나의 군집이 될 때까지 분류를 계속하였다. 그랬을 때 우리가 당면하는 문제는 이러한 분류절차를 어디에서 마감해야 할 것인가이다. 즉 궁극적으로 몇 개의 군집으로 나눌 것인가? 이렇게 나눈 군집들 간에는 어떤 뚜렷한 차이가 존재하는가를 파악할 수 있는가? 군집분석에서는 어떤 군집들간의 유의성 검정과 같은 통계적 수치를 제공하여 주지 않기 때문에 분류된 군집간의 통계적으로 유의적인 차이를 알아낼 수는 없다. 그렇기 때문에 연구자의 직관, 이해에 따라 어느 정도의 차이를 보이는 군집들로 분류를 마감하고, 분류된 군집들의 수치적인 특징으로 그 군집들의 명칭(label)이나 속성을 부여해야 한다.