두 변수 간의 선형적 관계의 강도와 방향을 나타내는 지표는?

상관계수는 두 변수 간 선형 관계의 강도와 방향(양의 관계, 음의 관계)을 수치화한 지표이다.

보건행정 핵심 해설 이 문제는 통계학적 분석의 기초 개념 중, 두 변수 간 관계를 측정하는 핵심 지표를 묻고 있어요. 보건행정 및 의료정보 분석에서 데이터 간의 연관성을 파악하는 것은 정책 효과 평가, 질병 위험요인 분석, 의료 자원 배분의 효율성 검증 등에 필수적이죠. 핵심 개념 분석 (Key Concept): 상관계수(Correlation Coefficient)는 두 연속형 변수 사이의 선형적(직선적) 관계의 강도와 방향을 하나의 수치(-1 ~ +1)로 요약해주는 지표예요. 강도는 절대값(0에 가까울수록 약함, 1에 가까울수록 강함)으로, 방향은 부호(양수: 정비례, 음수: 반비례)로 판단합니다. 정답 근거 (Answer Rationale): 핵심! 문제에서 요구하는 "두 변수 간의 선형적 관계의 강도와 방향을 나타내는 지표"는 통계학에서 상관계수의 정의 그 자체입니다. 가장 대표적인 피어슨 상관계수(Pearson correlation coefficient)가 이 역할을 합니다. 오답 분석 (Distractor Analysis):
혼동 주의! ①번 '평균'과 ②번 '표준편차', ④번 '분산'은 모두 단일 변수의 분포 특성(중심 경향, 퍼짐 정도)을 설명하는 기술통계량이에요. 두 변수 간의 관계를 설명하지 않습니다.
혼동 주의! ⑤번 '회귀계수'는 두 변수 간의 관계를 분석하는 회귀분석(Regression Analysis)에서 나오는 개념이에요. 이는 인과 관계나 예측 모델을 세울 때, 한 변수의 단위 변화가 다른 변수에 미치는 평균적인 영향을 수치화한 것입니다. 관계의 '방향'은 알 수 있지만, 관계의 '강도'를 직접적으로 나타내는 지표는 아닙니다. 관계 강도를 보려면 결정계수(R²) 등을 봐야 해요. 연관 개념 정리 (Related Concepts): - 상관 vs 인과: 상관계수가 높다고 해서 반드시 인과 관계가 있는 것은 아닙니다. 제3의 변수(교란 변수)에 의해 동시에 영향을 받아 나타난 허위 상관(spurious correlation)일 수 있어요. - 상관계수의 종류: 피어슨(연속형), 스피어만(서열형), 점이연(한 변수는 연속형, 다른 변수는 명목 이분형) 상관계수 등이 있어요. - 결정계수(R²): 회귀분석에서 나오며, 한 변수의 분산이 다른 변수로 설명되는 비율을 나타냅니다. 상관계수의 제곱과 같아요. 개념 정리

용어	의미	범위/특징
상관계수	두 변수 간 선형 관계의 강도와 방향	-1 ~ +1 (0: 무관계)
평균	단일 변수의 중심 경향	데이터 값들의 대표값
표준편차/분산	단일 변수의 퍼짐 정도(변동성)	분산은 제곱값, 표준편차는 원 단위
회귀계수	회귀모형에서 변수 간 영향력의 크기	예측 또는 인과 분석용

한눈에 비교!

비교 항목	상관분석	회귀분석
주요 목적	관계의 강도와 방향 측정	변수 간 인과/예측 모델 구축
대표 지표	상관계수(r)	회귀계수(β), 결정계수(R²)
변수 역할	대칭적 (X와 Y 구분 없음)	비대칭적 (독립변수 X → 종속변수 Y)
실무 적용 예	흡연량과 폐암 표지자 수치의 연관성 확인	나이, 흡연량으로 폐암 발병 확률 예측 모델 만들기

실무 포인트 보건행정이나 병원 경영 데이터 분석에서 상관계수는 매우 유용해요. - 의료 질 지표 분석: 병원 내 감염률과 손 소독제 사용량 간의 상관관계를 분석하여 예방 정책 효과를 간접 평가. - 자원 배분 효율성 검증: 특정 진료과의 의사 수와 환자 만족도 점수 간 상관관계를 파악. - 보험 청구 데이터 탐색: 환자 재원일수와 총 진료비 간의 상관관계를 확인하여 포괄수가제(DRG) 등 수가제도 평가에 활용. - 주의사항: 상관계수는 선형 관계만 측정합니다. U자형이나 곡선형 관계는 탐지하지 못하므로, 반드시 산점도(Scatter plot)를 함께 그려 확인해야 해요. 암기 팁 "강도와 방향은 상관계수"라고 외우세요! 회귀계수는 "영향력의 크기"를 담당한다고 구분하면 됩니다. 단일 변수 통계량(평균, 분산 등)과 다변량 관계 통계량(상관, 회귀)을 카테고리로 나누어 이해하는 것이 중요해요. 국시 빈출 포인트 통계 부분은 상관계수의 정의와 해석(예: "r=0.8"의 의미), 그리고 혼동 주의! 상관과 인과의 구분이 가장 자주 출제됩니다. "상관관계가 있다고 해서 반드시 인과관계가 성립하는 것은 아니다"라는 문장을 꼭 기억하세요. 기출 변형 주의! 1. 사례 적용형: "A 병원에서 수술 건수와 합병증 발생률을 조사한 결과 상관계수가 0.05로 나왔다. 이 결과를 어떻게 해석해야 하는가?" → "두 변수 간에는 실질적으로 유의미한 선형 관계가 없다고 해석한다." 2. 오개념 판단형: "상관계수가 -0.9이므로, 한 변수가 증가하면 다른 변수가 원인으로 작용하여 감소한다고 말할 수 있다." → 틀림. 상관은 인과를 증명하지 않습니다.

보건행정 실무 가이드 실무 시나리오 (Clinical Scenario): "병원 기획팀에서 최근 1년간 외래 환자 수와 병원 매출액 데이터를 분석해 보니, 상관계수가 0.95로 매우 높게 나왔습니다. 팀장님은 '환자 수가 매출을 결정하는 가장 중요한 요소니, 마케팅 예산을 더 늘려 외래 환자를 유치해야 한다'는 결론을 내리려고 합니다. 보건행정 담당자로서 어떤 점을 추가로 검토해야 할까요?" 행정 중재 전략 (Admin Intervention): 1. 상황 파악: 높은 상관계수(r=0.95)는 환자 수와 매출액이 강한 정적 선형 관계가 있음을 보여줍니다. 2. 법적/규정 검토: 통계적 원칙에 따른 분석이 필요합니다. 상관관계만으로는 인과 방향(환자 수 증가 → 매출 증가)을 확정할 수 없습니다. 반대 방향(매출 증가 → 시설 투자 → 환자 수 증가)이나 제3의 변수(예: 지역 인구 증가, 경쟁 병원 폐업)의 영향일 수 있어요. 3. 대응 및 처리: - 핵심! 회귀분석을 추가 수행하여, 환자 수 1명 증가가 매출에 미치는 평균적 영향(회귀계수)을 정량화해야 합니다. - 시계열 분석을 통해 선행 관계(어떤 것이 먼저 변하는가)를 확인합니다. - 다른 잠재적 변수(1인당 진료비, 중증도 혼합 변화, 수가제도 변경 등)의 영향을 통제한 분석을 제안합니다. 4. 사후 기록/보고: 분석 결과와 함께 "상관관계는 인과관계를 함의하지 않음"이라는 통계학적 주의사항을 보고서에 명시하여, 경영진의 의사결정이 데이터에 근거하되 오해 없이 이루어지도록 합니다. 법적 안전 및 주의사항 (Precautions): 데이터 분석 결과를 근거로 한 예산 배분이나 정책 결정은 신중해야 합니다. 잘못된 인과 추론은 자원의 비효율적 배분과 기회 비용을 초래할 수 있어요. 항상 데이터의 질(왜곡, 결측치), 분석 방법의 적절성, 해석의 한계를 명확히 인지하고 보고해야 합니다. 업무 프로토콜

단계	행동	산출물/도구
1. 문제 정의	분석 목표(관계 파악? 예측? 인과 추정?) 설정	분석 계획서
2. 데이터 탐색	산점도 시각화, 기초 통계량(평균, 표준편차) 계산	산점도, 기술통계표
3. 관계 분석	상관계수 계산 및 유의성 검정(p-value)	상관행렬(Correlation Matrix)
4. 심화 분석 (필요 시)	회귀분석, 다변량 분석 수행	회귀분석 결과표
5. 결과 해석 및 보고	통계적 유의성, 실질적 중요성, 한계점 명시	데이터 분석 보고서

선배의 한마디 "보건행정가는 데이터를 읽는 눈을 가져야 해요. 숫자 하나에 현혹되지 말고, 그 숫자가 만들어지는 배경과 의미를 꼼꼼히 따져보는 습관이 중요합니다. '상관계수 0.95'라는 멋진 숫자 뒤에는 우리가 놓치고 있는 어떤 이야기가 숨어 있을지 항상 의심해보세요. 그것이 진정한 데이터 리터러시(Data Literacy)이고, 병원 경영의 합리적 의사결정을 돕는 첫걸음이에요!"