보건행정 핵심 해설
이 문제는
상관관계 분석(Correlation Analysis)의 기본 원리와 오해하기 쉬운 점을 묻고 있어요. 보건통계학은 의료 데이터 분석, 질병 위험요인 연구, 병원 경영 지표 평가 등에서 핵심 도구로, 상관관계를 올바르게 해석하는 능력은 매우 중요해요.
핵심 개념 분석 (Key Concept):
상관계수(Correlation Coefficient)는 두 연속형 변수 간의
선형적(Linear) 관계의 강도와 방향을 -1에서 +1 사이의 값으로 수치화한 지표예요. 가장 널리 쓰이는
피어슨 상관계수(Pearson's r)는 정규분포를 가정하는 모수적 방법이고,
스피어만 상관계수(Spearman's ρ)는 순위 자료나 비정규 분포에 사용하는 비모수적 방법이에요.
정답 근거 (Answer Rationale): 정답은 ④번이에요.
핵심! 상관계수가 0(r=0)이라는 것은 "두 변수 간에
선형 관계가 없다"는 의미지, "아무런 관계가 없다"는 의미가 아니에요. U자형, 역U자형 등
비선형 관계(Non-linear Relationship)가 강하게 존재할 수도 있어요. 예를 들어, 약물 투여량과 치료 효과가 특정 구간까지는 정비례하다가 그 이상에서는 효과가 감소하는 경우, 피어슨 상관계수는 0에 가까울 수 있지만, 명백한 관계가 존재하는 거죠.
오답 분석 (Distractor Analysis):
①
참! 스피어만 상관계수는 원자료의 순위(rank)를 이용하기 때문에, 순서만 알 수 있는 서열척도(Ordinal Scale) 자료나 정규분포를 따르지 않는 자료에 적용 가능해요.
②
참! 피어슨 상관계수의 정확한 해석과 검정을 위해서는 두 변수가 이변량 정규분포(Bivariate Normal Distribution)를 따른다는 가정이 필요해요. 가정이 충족되지 않으면 결과가 왜곡될 수 있어요.
③
참! 상관계수의 정의 그 자체예요. 절대값이 클수록 강한 관계, 부호(+/-)는 관계의 방향(정/역)을 나타내요.
⑤
참! 혼동 주의! "상관관계는 인과관계를 함축하지 않는다(Correlation does not imply causation)"는 통계학의 금언이에요. 두 변수가 함께 변하는 것만으로는 어느 것이 원인이고 결과인지 알 수 없어요. 제3의 변수(Confounding Variable)가 영향을 줄 수도 있어요.
연관 개념 정리 (Related Concepts):
-
결정계수(Coefficient of Determination, R²): 상관계수(r)의 제곱값으로, 한 변수의 변동이 다른 변수로 설명되는 비율을 나타내요.
-
공분산(Covariance): 두 변수가 함께 변하는 경향을 나타내는 절대적 지표지만, 단위의 영향을 받아 해석이 어려워 상관계수로 표준화해 사용해요.
-
회귀분석(Regression Analysis): 상관관계가 '관계의 강도'를 본다면, 회귀분석은 한 변수(독립변수)가 다른 변수(종속변수)에 미치는 '영향의 크기'를 추정하는 모형을 세우는 분석이에요.
개념 정리
| 용어 | 정의 | 특징/가정 |
|---|
| 피어슨 상관계수 | 두 연속변수 간 선형 관계의 정도 | 정규분포 가정, 구간/비율척도 |
| 스피어만 상관계수 | 두 변수 순위 간의 단조 관계 정도 | 비모수적, 서열척도 이상, 이상치 영향 적음 |
| 상관계수 0 | 선형 관계 없음 | 비선형 관계는 있을 수 있음 |
| 상관 vs 인과 | 함께 변함 vs 원인-결과 관계 | 상관은 인과의 필요조건이지만 충분조건은 아님 |
한눈에 비교!
| 비교 항목 | 피어슨 상관계수 | 스피어만 상관계수 |
|---|
| 측정 척도 | 구간척도, 비율척도 | 서열척도 이상 |
| 분포 가정 | 이변량 정규분포 | 비모수적 (가정 없음) |
| 관계 형태 | 선형 관계(Linear) | 단조 관계(Monotonic) |
| 이상치 영향 | 매우 큼 | 상대적으로 적음 |
| 보건 분야 예시 | 나이와 혈압의 관계 | 통증 정도(1-10점)와 삶의 만족도 순위 관계 |
실무 포인트
보건행정이나 의료 연구에서 데이터를 분석할 때:
1.
분석 전, 산점도(Scatter Plot)를 먼저 그려보세요! 눈으로 비선형 패턴이나 이상치를 확인하는 것이 상관계수 하나의 숫자보다 더 중요한 통찰을 줄 수 있어요.
2.
인과관계 주의: "흡연율이 높은 지역에서 폐암 발생률도 높다(상관)"고 해서 바로 "지역적 요인이 폐암을 유발한다(인과)"고 결론내면 안 돼요. 개인별 흡연 여부 같은 교란변수를 통제해야 해요.
3.
보고서 작성 시: 상관계수 값과 함께 p-value(유의확률)를 반드시 보고하고, "통계적으로 유의한 상관관계가 있었다"고 표현하며, 인과관계를 주장하지 않도록 주의해요.
암기 팁
- "피어슨은
피팅한 정규분포" → 피어슨은 정규분포 가정.
- "스피어만은
스페셜(특별)한 서열" → 스피어만은 서열(순위) 자료용.
- "상관 0 = 선형無, 비선형有" → 상관계수 0은 선형 관계 없음, 비선형 관계는 있을 수 있음.
- "함께 가는
상관, 원인이 되는
인과" → 상관은 동행, 인과는 원인.
국시 빈출 포인트
상관관계는
보건통계학 영역에서 매년 빠지지 않고 출제되는 핵심 주제예요. 특히 "상관계수 0의 의미", "피어슨 vs 스피어만 차이", "상관관계와 인과관계 구분"이 3대 출제 포인트! 계산보다는 개념 이해를 묻는 문제가 대부분이에요.
기출 변형 주의!
-
사례 적용형: "혈중 콜레스테롤 수치와 심장병 발병 위험도를 조사한 연구에서 피어슨 상관계수가 0.65로 나왔다. 이에 대한 해석으로 옳은 것은?" (인과관계 주의 선택지 포함)
-
오개념 확인형: "상관계수에 대한 다음 설명 중 옳은 것 모두 고르시오." (여러 참/거짓 진술 중 고르기)