두 변수 간의 선형적 관계의 방향과 강도를 -1에서 +1 사이의 값으로 나타내는 통계량은?

피어슨 상관계수(r)는 두 연속형 변수 간 선형 관계의 방향(양/음)과 강도(-1~+1)를 나타낸다. 공분산은 방향만을, 결정계수는 설명력을 나타낸다.

보건행정 핵심 해설 이 문제는 보건통계 및 연구 방법론에서 가장 기초적이면서도 핵심적인 개념인 상관관계(Correlation)를 측정하는 지표를 묻고 있어요. 보건행정 현장에서는 질병 발생률과 환경 요인, 의료비 지출과 환자 만족도 등 다양한 변수 간의 관계를 분석할 때 필수적으로 사용되는 개념이죠. 핵심 개념 분석 (Key Concept): 문제에서 묻는 통계량은 두 변수 간의 선형적 관계(Linear Relationship)를 수치화한 것입니다. "방향"은 한 변수가 증가할 때 다른 변수가 함께 증가하는지(양의 관계, +), 감소하는지(음의 관계, -)를 의미하고, "강도"는 그 관계가 얼마나 밀접한지를 의미해요. 그리고 그 값의 범위가 -1에서 +1 사이로 정규화(normalized)되어 있다는 점이 매우 중요한 특징이에요. 정답 근거 (Answer Rationale): 핵심! 정답인 상관계수(Correlation Coefficient), 특히 피어슨 상관계수(Pearson's r)는 위에서 설명한 모든 조건을 정확히 충족시킵니다. 두 변수 X와 Y의 공분산(Covariance)을 각 변수의 표준편차의 곱으로 나누어 계산함으로써, 단위의 영향을 받지 않고 순수한 관계의 방향과 강도(-1 ~ +1)를 나타낼 수 있게 해줍니다. 오답 분석 (Distractor Analysis):
혼동 주의! ①번 '표준오차(Standard Error)'는 표본 통계량(예: 표본평균)의 표본분포에서의 변동성을 측정하는 지표로, 추정의 정밀도를 나타냅니다. 변수 간 관계를 나타내는 지표가 아니에요.
②번 '결정계수(Coefficient of Determination, R²)'는 회귀 분석에서 독립변수가 종속변수의 변동을 얼마나 설명하는지 그 비율(0~1)을 나타냅니다. 상관계수의 제곱값이지만, 문제에서 묻는 '방향(양/음)' 정보는 포함하지 않아요.
④번 '회귀계수(Regression Coefficient)'는 회귀식에서 독립변수가 한 단위 변화할 때 종속변수의 평균적인 변화량을 나타냅니다. 방향은 알 수 있지만, 그 값의 범위가 -1에서 +1 사이로 제한되지 않으며, 강도를 비교하는 표준화된 척도가 아니에요.
⑤번 '공분산(Covariance)'은 두 변수가 함께 변하는 경향을 측정합니다. 방향(양/음)은 나타내지만, 값의 범위가 변수의 단위와 측정 척도에 따라 달라지기 때문에 관계의 '강도'를 비교하기 어렵다는 한계가 있어요. 상관계수는 공분산을 표준화한 개념이라고 볼 수 있어요. 연관 개념 정리 (Related Concepts): - 상관 vs 인과: 상관계수가 높다고 해서 반드시 인과관계(Causality)가 있다고 단정할 수 없어요. 제3의 변수(교란변수, Confounding Variable)의 영향일 수 있으니 주의해야 해요. - 상관계수 해석: 일반적으로 |r| > 0.7이면 강한 상관, 0.3 ~ 0.7이면 중간 상관, < 0.3이면 약한 상관으로 해석합니다. - 다른 상관계수: 서열척도 자료에는 스피어만 순위상관계수(Spearman's rank correlation coefficient)를 사용해요. 개념 정리

통계량	의미	값의 범위/특징	주요 용도
상관계수 (r)	두 변수 간 선형 관계의 방향과 강도	-1 ≤ r ≤ +1	변수 간 연관성 파악
공분산 (Cov)	두 변수가 함께 변하는 경향	-∞ ~ +∞ (단위 영향 받음)	상관계수 계산의 기초
결정계수 (R²)	회귀모형의 설명력(적합도)	0 ≤ R² ≤ 1	회귀분석 결과 해석
회귀계수 (β)	독립변수 1단위 변화 시 종속변수 변화량	-∞ ~ +∞	회귀식 구성, 영향력 분석

한눈에 비교!

비교 항목	상관계수 (Correlation)	혼동 주의! 회귀계수 (Regression)
관계의 성격	대등한 두 변수의 상호 연관성	독립변수가 종속변수에 미치는 영향력
값의 범위	-1 ~ +1 (표준화됨)	제한 없음 (원 단위)
단위 영향	영향 받지 않음 (무차원)	영향 받음
실무 적용 예	진료 횟수와 환자 만족도 간 관계	진료 시간이 1분 증가할 때 만족도 점수 변화량

실무 포인트 보건행정이나 병원 경영에서 데이터 기반 의사결정(Data-Driven Decision Making)을 할 때 상관분석은 매우 유용해요. 예를 들어, 입원 기간과 재입원율, 병상 가동률과 간호사 1인당 환자 수, 특정 건강검진 항목 수치와 만성질환 발병 위험도 등의 관계를 파악하여 자원 배분이나 질 관리(Quality Improvement) 프로그램의 초점을 설정하는 데 활용할 수 있어요. 분석 시 핵심! 산점도(Scatter Plot)를 먼저 그려서 선형 관계가 성립하는지 육안으로 확인하는 습관이 중요합니다. 암기 팁 "상하관계? NO! 상관계수는 대등한 관계를 -1에서 +1 사이의 표준 점수로 나타낸다!" 라고 기억하세요. 범위는 주민등록번호 뒷자리 첫 번째 숫자가 1 또는 2(남/여 구분)로 제한되는 것처럼, 상관계수도 -1과 +1 사이로 제한된다고 연상하면 좋아요. 국시 빈출 포인트 보건의료정보관리사/병원행정사 시험에서는 상관계수의 정의, 값의 범위, 해석 방법이 단순 지식 확인형으로 자주 출제됩니다. 또한, 공분산, 결정계수, 회귀계수 등 유사 개념과의 비교를 통한 감별 문제도 높은 빈도로 나오니 위의 비교표를 꼭 익혀두세요. 기출 변형 주의! 이 개념은 다음과 같이 변형되어 출제될 수 있어요. - 사례 적용형: "어느 병원에서 조사한 결과, 환자 교육 시간과 약물 복용 순응도 간의 통계량이 0.85로 나왔다. 이 통계량의 명칭과 해석으로 옳은 것은?" - 참/거짓 판단형: "상관계수가 0에 가까울수록 두 변수 간 인과관계가 없다고 말할 수 있다. (O/X)" - 계산/공식 연결형: "상관계수 계산 공식에 포함되지 않는 요소는? (보기: 공분산, 표준편차, 평균, 분산 등)"

보건행정 실무 가이드 실무 시나리오 (Clinical Scenario): "병원 기획팀에서 최근 1년간 외래 진료 과목별 평균 대기 시간과 해당 과목의 환자 만족도 설문 조사 점수 데이터를 수집했어요. 두 가지 지표 간에 어떤 관계가 있는지 분석하여 대기 시간 관리가 만족도 제고에 얼마나 중요한지 경영진에게 보고해야 합니다. 어떤 통계 분석 방법을 사용하고, 그 결과를 어떻게 해석하면 좋을까요?" 행정 중재 전략 (Admin Intervention): 1. 상황 파악: 분석 목표는 '대기 시간(연속형 숫자)'과 '만족도 점수(연속형 숫자)' 간의 선형적 관계 파악입니다. 2. 법적/규정 검토: 통계 분석에는 특별한 법적 제약은 없지만, 환자 만족도 데이터는 개인정보보호법(Personal Information Protection Act)에 따라 익명화 처리되어야 합니다. 3. 대응 및 처리: - 먼저 산점도를 그려 데이터가 선형 패턴을 보이는지 확인합니다. - 피어슨 상관계수(Pearson's r)를 계산합니다. 통계 소프트웨어(SPSS, R, Excel 등)를 활용하면 쉽게 구할 수 있어요. - 예를 들어, 계산 결과 r = -0.65가 나왔다고 가정해봅시다. 4. 사후 기록/보고: - 결과 해석: "대기 시간과 만족도는 음의 상관관계(r = -0.65)를 보여, 대기 시간이 길어질수록 만족도 점수가 낮아지는 중간 정도의 강한 연관성이 확인되었습니다." - 보고서에 상관계수 값, 통계적 유의성(p-value), 그리고 해석을 명확히 기재합니다. - 인과관계를 주장하지 않도록 주의하며, "대기 시간 단축이 만족도 향상에 기여할 가능성이 있다"와 같이 신중하게 표현합니다. 법적 안전 및 주의사항 (Precautions): - 상관관계를 혼동 주의! 인과관계로 오해하여 잘못된 경영 결정을 내리는 것을 막아야 합니다. 예를 들어, 만족도가 낮은 과목이 단순히 대기 시간 때문이 아니라 의사-환자 소통 시간 부족 등 다른 요인 때문일 수 있어요. - 통계적 유의성(p < 0.05)이 있다 하더라도, 실제 현장에서 의미 있는 차이(실제적 유의성, Practical Significance)를 갖는지 판단해야 합니다. 업무 프로토콜 상관분석 수행 단계 1. 데이터 준비: 분석할 두 연속형 변수 데이터를 정리(결측치 제거 또는 대체). 2. 탐색적 분석: 산점도 작성 → 선형성 확인. 3. 계산: 통계 도구를 이용해 상관계수(r)와 유의확률(p-value) 도출. 4. 해석 및 보고: - r의 부호와 크기 해석. - p-value를 기준으로 통계적 유의성 판단 (일반적 기준: p < 0.05). - 결과를 시각화(산점도에 회귀선 추가)하여 보고서에 포함. 선배의 한마디 "보건행정에서 데이터는 말을 해요. 상관계수는 그 '말'의 강세와 어조를 숫자로 전해주는 통역사와 같아요. 하지만 이 통역사의 말을 곧이곧대로 믿기보다는, '왜 이런 관계가 생겼을까?'라는 질문을 던지며 데이터 뒤에 숨은 진짜 이야기(맥락)를 찾는 것이 진정한 분석가의 자세예요. 통계는 도구일 뿐, 해석과 판단은 여러분의 몫이에요!"