A Comparative Research on Longitudinal Clustering Methods for Exploratory Longitudinal Study

빅데이터 시대를 맞이하여 동일 대상을 반복 측정하는 종단 데이터(longitudinal data)도 증가하고 있다. 종단연구 는 종단 궤적(longitudinal trajectory)을 찾는 과정이 중요한데, 종단 궤적이 서로 다른 하위 그룹은 각각의 종단 궤적을 찾 아서 분석하여야 한다. 본 연구에서는 종단 하위 그룹을 찾는 종단 클러스터링 기법을 비교하였다. 자기조직지도기법 기반 종 단 클러스터링, K-평균 종단 클러스터링, 자동클러스터링 등 3가지 기법을 비교하였고, 클러스터의 성능은 실루엣 지표, 칼 린스키와 하라바즈 지표를 사용하였다. 데이터는 고령화연구패널(KLoSA)의 2006년부터 2020년까지 8차에 걸쳐서 조사한 총 1,888개의 종단 데이터였다. 가장 성능이 우수한 기법은 K-평균 종단 클러스터링이었다. 본 연구는 잠재 성장 모형이나 다층 종단분석 등의 종단연구의 연구 효과성 향상에 이바지할 것으로 기대한다.