머리말

   형상분석(shape analysis)은 기하적 공간상에서 형상점(landmarks)에 의해 나타낸 개체(objets)들의 형상(shape)을 측정하고, 기술하며 비교하려는 분석 방법이다. 국내에서 잘 알려지지 않은 형상분석은 의학, 생물학, 정보기술, 유전학, 인류학, 고고학, 농업 등 다양한 분야에서 응용되며 이미지분석, 자동인식 등의 기술에서 활용되어 질 수 있는 아주 유용한 분석으로 알려져 있다.

    이번 신작 <R과 함께하는 다변량 통계적 형상분석>는 영국 리즈대학 방문 연구 결과물로 출간한 최용석·현기홍(2006) <통계적 형상분석의 이해와 응용 -프로크러스티즈 분석의 저항 버전 연구 및 개발->에서 제2부를 제외한 제1부를 포함하여 다양한 다변량분석 방법을 접목시킨 것이다. 특히, Mardia와 Dryden(2016)의 <Statistical Shape Analysis with Application in R>과 그들이 개발 해둔 R의 shapes 패키지 도움이 매우 컸다. 이번 신작을 쓰게 된 이유는 형상분석에 대한 첫 번째 저서에 대한 개정판을 생각하고 있었고 부산대학교 치의전 김용일 교수께서 본인 연구에 졸작을 많이 활용하셨고 그동안의 공동 작업의 결과에 힘을 입은 바 크다.

  실제로 <R과 함께하는 다변량 통계적 형상분석>은 여러 군집의 형상간의 차이를 판별하고 검정하는 기법에 초점을 두고 있다. 더군다나 여러 군집의 형상을 시각적으로 판단하기 위해 개체간의 형상거리에 다차원척도법(MDS)을 적용하였다. 다변량통계학에서 변수의 차원 축소에 이용되는 주성분분석(principal component analysis)과 독립성분분석(independent component analysis)은 형상변동을 평가하는데 응용되었고 형상의 판별과 분류에도 활용되었다. 특히, 판별분석에서는 다변량 정규분포 가정이 필요한 전통적인 선형과 이차 판별분석 외에 분포와 관련이 없는 기계학습(machine learning) 중에서 서포트벡터머신(support vevtor machine)을 응용하였다. 평균형상 비교에는 다변량 추정과 검정에 의한 군집 간의 평균형상을 호텔링 통계량에 바탕을 둔 검정을 활용하였다. 이는 다변량 정규성과 군집 간의 공분산행렬의 동질성 가정이 요구되는 데 이를 만족하지 못할 경우 다변량 비모수검정으로 부호검정과 순위검정 그리고 붓스트랩검정을 활용하였다.

    각 장에서 사용되는 R과 관련된 [R-코드 및 자료 목록]은 부록에 수록해 두었고 저자의 홈페이지(yschoi.pusan.ac.kr)에서 받아 갈 수 있다.