흡연여부 데이터분석 (팀별 분석)

1. 프로젝트 개요

• 흡연 여부는 건강에 큰 영향을 주지만 직접 조사에는 한계가 있음
• 건강검진 데이터를 활용해 흡연 여부에 따른 건강 지표 차이를 분석

분석 목표

• 흡연자와 비흡연자 간의 건강 지표 차이 분석
• 주요 변수들의 분포, 상관관계, 통계적 유의성 검증
• 시각화를 통한 데이터 인사이트 도출
• 추후 흡연 여부 예측 모델 개발을 위한 기초 분석 기반 마련

2. 데이터 구조 및 처리

• 자료 : 7000개
• Column 개수 : 18개
• Data Type : float64(8개), int64(9개), object(1개)
• 결측치 : 시력, 공복혈당, 혈압, 중성지방에서 140개

[이상치 확인]

• 시력, 혈청 크레아티닌, 저밀도 지단백

a. 파생변수 생성

b. 중복 데이터 처리

c. 결측치 대체

• 혈압 → 중앙값 대체
• 시력 → 최빈값 대체
• 나이대별 중성지방 → 그룹 평균
• 공복혈당 → 평균

d. 이상치 처리

• 시력 : 3.0 초과의 값을 None 값으로 변경 후 최빈값으로 대체
• 혈청 크레아티닌 : 8 초과의 값을 None 값으로 변경 후 중앙값으로 대체
• 저밀도 지단백 : 500 초과의 값을 None 값으로 변경 후 나이대별 중앙값으로 대체

결측치, 이상치 처리 후 데이터

3.데이터 시각화

4.단변량 분석

단변량 분석 결과

• 전체 표본 수 : 7000명 ➢ 6,834명 (중복, 이상치, 결측치 X)
• 166개의 중복 데이터, 140개의 결측치 대체

이상치 처리

• 시력 : 최대 9.9 → 입력 오류 또는 이상치
• 혈청 크레아티닌 : 최대 10→ 신장기능 이상 또는 이상치
• 저밀도지단백: 190이상의 고위험군 존재 / 최대 1340→ 이상지질혈증 또는 이상치

분포

• 정규분포에 가까움 : 키, 나이, 몸무게
• 우측 치우침 : 저밀도지단백, 혈당, 중성지방, BMI, 혈청 크레아티닌

5.이변량 분석

순위	변수	상관계수	방향	의학적 근거
1	헤모글로빈	0.403	흡연자⬆️	흡연 시 흡입되는 일산화탄소(CO)가 헤모글로빈과 결합해 산소운반을 방해하고, 이에 대한 보상 반응으로 적혈구 생성이 높아질 것임.
2	중성 지방	0.247	흡연자⬆️	흡연이 지질 대사를 방해해 지단백 분해효소 활성을 억제해 중성 지방 수치를 높일 것임.
3	혈청 크레아티닌	0.225	흡연자⬆️	흡연의 혈관 수축 작용으로 인해 사구체 여과율 (GFR)을 저하시키고, 장기적으로 크레아티닌 배출이 감소함
4	간 효소율	0.182	비흡연자⬆️	교란변수(나이, 음주 습관 등) 가능성 있어 추가 분석 필요
5	고밀도지단백	0.179	비흡연자⬆️	HDL 합성 효소 활성을 억제해 HDL 수치를 낮춤

흡연 여부에 따른 변수 분포 비교

통계적 유의성 검증

label vs 범주형	Chi-squared Test
lable vs 연속형	t-test

카이제곱 검정결과

변수	p-value	유의
나이대	5.80e-48	✅
BMI 구간	4.37e-22	✅
충치	7.32e-15	✅
요 단백	0.486	❌

t-test결과

변수	p-value	유의
헤모글로빈	6.03e-265	✅
중성 지방	2.64e-95	✅
혈청 크레아티닌	5.30e-79	✅
간 효소율	7.18e-52	✅
고밀도지단백	3.12e-50	✅
혈압	0.172	❌
콜레스테롤	0.404	❌

Effect Size Summary

변수	V	해석
나이대	0.186	Weak
BMI 구간	0.127	Weak
충치	0.094	Negligible

*️⃣ V 기준

• < 0.1 : Negligible
• 0.1-0.3 : Weak
• 0.3-0.5 : Moderate
• ≥ 0.5 : Strong

헤모글로빈 : label 상관 최고 (r = 0.40)

중성지방 : label과 중관 상관 (r = 0.25)

HDL : 음의 상관, 비흡연자 우위

6. 결론

• 흡연 여부와 가장 강하게 연관된 변수
  헤모글로빈 (d = 0.913, Large)
  중성 지방(d = -0.528, Medium)
  혈청 크레아티닌(d = -0.478, Medium)

• 통계적으로 유의하지 않은 변수
  혈압, 콜레스테롤, 요단백 -> 흡연과 관련성 낮음

• 분석의 한계
  관찰 데이터로 연관성 확인 가능, 인과관계 증명 불가.
  나이, 성별 등 교란변수 미통제.
  간 효소율 방향성은 추가 분석 필요.

---

이틀(26.4.28-4.29) 동안 팀 활동에서 조원들과 자료를 취합 후 코드를 작성하고 정리하는 역할을 맡게 되었다.
처음에 같은 주제로 개인 프로젝트를 작성했을 때 놓쳤던 부분들을 발견하게 되는 좋은 시간이었다.

1️⃣ 처음에 데이터의 형태를 잘 파악해야 카이제곱, t-test같은 방법을 사용하는데 어려움이 없다는 것을 배웠다.
2️⃣ 혼자 프로젝트를 진행했을 때는 결측치에만 신경을 쓰고, 이상치에 대해서는 생각하지 못했었다. 이런 미흡했던 부분이 단체로 같이 분석을 했을 때 볼 수 있게 됐다.
3️⃣ 가장 많이 배운 점은 그래프를 만드는 방법에 이전보다 더 익숙해졌다는 것 같다.