다음 중 상관계수(r)에 대한 설명으로 옳은 것은?

상관계수는 두 연속형 변수 간 선형 관계의 방향(+/-)과 강도(0~1)를 나타낸다. 0에 가까울수록 관계가 약하다. 상관관계는 인과관계를 의미하지 않는다.

보건행정 핵심 해설 이 문제는 보건통계 및 연구 방법론의 기초인 상관계수(Correlation Coefficient)의 개념을 정확히 이해하고 있는지 묻고 있어요. 보건행정에서 데이터 분석, 정책 효과 평가, 병원 경영 지표 분석 등 다양한 분야에서 필수적으로 사용되는 통계 개념이니 꼭 명확히 구분해야 합니다. 핵심 개념 분석 (Key Concept) 상관계수(r)는 두 개의 연속형 변수(Continuous Variable) 간에 존재하는 선형적 관계(Linear Relationship)의 방향(Direction)과 강도(Strength)를 수치화한 지표예요. 방향은 양의 상관관계(+), 음의 상관관계(-)로, 강도는 절대값(|r|)이 0에서 1 사이로 표현됩니다. 이는 인과관계(Causality)를 증명하는 도구가 아니라는 점이 가장 중요한 감별 포인트입니다. 정답 근거 (Answer Rationale) 핵심! 정답인 ①번 "두 변수 간 선형적 관계의 방향과 강도를 나타낸다"는 상관계수의 정의를 그대로 정확히 설명하고 있어요. 상관계수는 '선형적' 관계만을 측정하며, 비선형 관계는 포착하지 못합니다. 방향은 부호(+, -)로, 강도는 절대값 크기로 판단합니다. 오답 분석 (Distractor Analysis)

• ②번: "혼동 주의! 0에 가까울수록 강한 관계를 나타낸다"는 설명이 정반대입니다. 상관계수의 절대값이 0에 가까울수록 관계가 약하다고 해석합니다. 1이나 -1에 가까울수록 강한 선형 관계를 의미해요.
• ③번: "혼동 주의! 인과관계를 증명하는 통계적 방법이다"는 가장 흔한 오개념입니다. 상관관계(Correlation)는 인과관계(Causation)가 아닙니다. 두 변수가 함께 변하는 경향이 있다는 것만 보여줄 뿐, 'A가 B를 일으킨다'는 증거는 되지 않아요. 인과관계를 밝히려면 실험 연구(Experimental Study) 등 다른 방법이 필요합니다.
• ④번: "범주형 변수 간의 관계를 분석할 때 주로 사용된다"는 틀린 설명입니다. 범주형 변수(Categorical Variable, 예: 성별, 혈액형) 간의 관계를 분석할 때는 카이제곱 검정(Chi-square test) 등을 사용하며, 상관계수는 주로 연속형 변수(예: 나이, 혈압, 체중)에 적용됩니다.
• ⑤번: "한 변수의 변화가 다른 변수의 변화를 설명하는 비율을 의미한다"는 결정계수(Coefficient of Determination, R²)에 대한 설명입니다. 결정계수 R²는 상관계수 r의 제곱이며, 한 변수의 분산이 다른 변수로 설명되는 비율(0~1 또는 0~100%)을 나타냅니다.

연관 개념 정리 (Related Concepts) 상관계수에는 피어슨 상관계수(Pearson's r, 선형 관계 측정)와 스피어만 순위 상관계수(Spearman's ρ, 순위 기반 비선형 관계 측정) 등이 있습니다. 또한, 상관분석(Correlation Analysis)과 회귀분석(Regression Analysis)을 구분해야 해요. 회귀분석은 인과관계를 가정하고 한 변수가 다른 변수에 미치는 영향을 예측하는 모델을 만드는 것이에요.
개념 정리

용어	정의	범위/특징
상관계수(r)	두 연속형 변수 간 선형 관계의 방향과 강도	-1 ≤ r ≤ +1
결정계수(R²)	한 변수의 분산이 다른 변수로 설명되는 비율	0 ≤ R² ≤ 1 (r²)
인과관계	원인(A)이 결과(B)를 발생시킨다는 관계	상관관계만으로는 증명 불가

한눈에 비교!

구분	상관분석	회귀분석
목적	관계의 방향/강도 파악	인과 예측 모형 구축 및 영향력 분석
변수 역할	대등한 두 변수	독립변수(원인)와 종속변수(결과) 구분
결과 해석	"함께 변한다" (상관)	"~에 의해 ~만큼 변한다" (예측)
대표 지표	상관계수(r)	회귀계수(β), R²

실무 포인트 보건행정 실무에서 상관분석은 병원 경영 데이터(예: 입원일수와 총진료비 간 관계), 공중보건 정책 평가(예: 예방접종률과 유행병 발생률 관계) 등에 활용됩니다. 분석 시 항상 "상관 ≠ 인과" 원칙을 염두에 두고, 결과 해석에 조심해야 합니다. 예를 들어, 아이스크림 판매량과 익사 사고 건수가 높은 상관관계를 보인다 해서 아이스크림이 익사의 원인이라고 결론지으면 안 되죠. 이는 더운 날씨라는 제3의 변수(교란변수, Confounding Variable)의 영향일 수 있어요.
암기 팁 "상관은 선이다, 인과는 아니다!"
상관계수는 선형 관계만 본다. 그리고 상관관계를 보고 인과관계라고 절대 단정하지 않는다!
국시 빈출 포인트 상관계수는 통계학 기초 파트에서 매년 빠지지 않고 출제됩니다. 핵심! 출제 포인트는 ① 정의(방향/강도), ② 범위(-1 ~ +1), ③ 상관관계와 인과관계의 구분, ④ 결정계수(R²)와의 차이점 이렇게 네 가지로 집중됩니다. 지문에 "인과관계를 증명한다"는 표현이 나오면 거의 확실히 오답입니다.
기출 변형 주의! 이 개념은 다음과 같이 변형 출제될 수 있어요.

• 사례형: "어느 연구에서 흡연량과 폐암 발병률 간에 r=0.65의 강한 양의 상관관계가 발견되었다. 이 결과로부터 어떤 결론을 내릴 수 있는가?" → 정답은 "흡연량이 많을수록 폐암 발병률이 높은 경향이 있다"이며, "흡연이 폐암을 일으킨다"는 인과적 결론은 내릴 수 없음.
• 계산/해석형: 상관계수 r 값이 주어졌을 때, 관계의 방향과 강도를 묻거나, 결정계수 R² 값을 계산해보는 문제.

보건행정 실무 가이드 실무 시나리오 (Clinical Scenario) 병원 기획팀에서 "응급실 체류 시간이 길어질수록 환자 만족도 조사 점수가 낮아지는가?"라는 질문에 답하기 위해 데이터를 분석하려고 합니다. 6개월간의 응급실 데이터(체류 시간, 만족도 점수)를 수집해 상관분석을 실시한 결과, 상관계수 r = -0.45가 나왔습니다. 행정 중재 전략 (Admin Intervention) 1. 상황 파악: 두 변수(체류 시간-연속형, 만족도 점수-연속형) 간 관계 분석이 목적이므로 상관분석이 적절한 방법입니다. 2. 결과 해석: r = -0.45는 중등도의 음의 상관관계를 의미합니다. 즉, "응급실 체류 시간이 길수록 환자 만족도 점수가 낮아지는 경향이 있다"고 해석할 수 있습니다. 3. 주의사항 및 보고: 핵심! 이 결과를 "체류 시간을 줄이면 만족도가 향상될 것이다"라는 인과적 정책 제안의 유일한 근거로 사용해서는 안 됩니다. 체류 시간과 만족도를 동시에 낮추는 다른 숨은 변수(예: 중증 환자 비율 증가, 의료진 부족)가 있을 수 있기 때문입니다. 보고서에는 "상관관계가 관찰되나, 인과관계를 입증하기 위해서는 추가 연구가 필요함"이라는 문구를 반드시 포함해야 합니다. 법적 안전 및 주의사항 (Precautions) 통계 결과를 오해의 소지가 있게 발표하거나, 허위/과장 광고에 이용할 경우 표시·광고의 공정화에 관한 법률 등에 저촉될 수 있습니다. 특히 건강기능식품이나 의료기기 마케팅에서 "A 성분과 건강 개선의 상관관계가 있다"는 결과를 마치 "인과관계"인 것처럼 홍보하는 것은 법적 문제를 일으킬 수 있어요.
업무 프로토콜 상관분석 수행 및 보고 프로토콜 1. 데이터 확인: 분석할 두 변수가 모두 연속형(또는 순서형)인지 확인. 2. 분석 도구 선택: 정규분포를 따르는 선형 관계 → 피어슨 상관계수. 순위 관계 또는 비선형 → 스피어만 상관계수. 3. 결과 해석: - |r| > 0.7: 강한 상관 - 0.3 < |r| ≤ 0.7: 중등도 상관 - |r| ≤ 0.3: 약한 상관 4. 보고서 작성: 상관계수 값, 유의확률(p-value), 산점도(Scatter plot)를 함께 제시. 인과관계 주의 문구 필수 포함.
선배의 한마디 "데이터는 말을 하지 않습니다. 우리가 해석을 해야 해요. 상관계수 하나만 보고 '아하! 원인을 찾았다!'라고 성급하게 결론내리는 것은 보건행정 전문가로서 지녀서는 안 될 태도예요. 데이터 뒤에 숨은 맥락, 사회적 요인, 교란변수를 항상 의심하는 '비판적 사고'가 진짜 실력이에요. 통계는 강력한 도구이지만, 잘못 사용하면 오히려 잘못된 결정으로 이어질 수 있다는 점, 꼭 기억하세요!"