피어슨 상관계수(r)의 값이 -0.92일 때, 이에 대한 해석으로 가장 옳은 것은?

피어슨 상관계수의 절대값이 0.7 이상이면 강한 상관관계로 해석하며, 음의 부호는 한 변수가 증가할 때 다른 변수가 감소하는 음의 관계를 나타낸다.

보건행정 핵심 해설 이 문제는 보건통계학의 기초이자, 병원 경영 데이터 분석, 의료 연구 결과 해석에 필수적인 상관관계(Correlation)의 개념을 묻고 있어요. 피어슨 상관계수(Pearson correlation coefficient, r)는 두 연속형 변수 간 선형 관계의 방향과 강도를 수치화한 지표예요. 핵심 개념 분석 (Key Concept) 피어슨 상관계수 r의 값은 -1에서 +1 사이를 가져요. - 방향(Direction): 부호(Sign)가 관계의 방향을 나타내요. 핵심! 양의 값(+)은 한 변수가 증가할 때 다른 변수도 증가하는 정비례 관계, 음의 값(-)은 한 변수가 증가할 때 다른 변수가 감소하는 반비례 관계를 의미해요. - 강도(Strength): 절대값(Absolute value)이 관계의 강도를 나타내요. 일반적으로 다음과 같이 해석해요:

절대값 |r|	상관관계 강도 해석
0.7 ≤ |r| ≤ 1.0	강한(Strong) 상관관계
0.3 ≤ |r| < 0.7	중등도(Moderate) 상관관계
0.0 ≤ |r| < 0.3	약한(Weak) 상관관계 (또는 무시할 수 있음)

*정확한 기준은 학문 분야나 컨텍스트에 따라 약간 다를 수 있지만, 보건행정/의료 통계에서는 위 기준이 일반적이에요. 정답 근거 (Answer Rationale) 주어진 값은 r = -0.92입니다. 1. 부호: 음수(-)이므로, 이는 음의 상관관계(Negative correlation)를 의미해요. 2. 절대값: | -0.92 | = 0.92로, 0.7보다 훨씬 커서 강한(Strong) 상관관계에 해당해요. 따라서 두 조건을 종합하면 "강한 음의 선형 상관관계"가 있다고 해석하는 것이 옳습니다. 이는 정답이 ④번임을 뒷받침해요. 오답 분석 (Distractor Analysis) 혼동 주의! 상관계수 해석 시 부호와 절대값을 분리해서 생각하는 훈련이 필요해요. - ①번 "선형 상관관계가 거의 없다": 절대값이 0에 가까울 때(예: r=0.1)의 해석입니다. 0.92는 매우 강한 관계를 나타냅니다. - ②번 "강한 양의 선형 상관관계가 있다": 강도는 맞지만, 방향이 반대입니다. 양의 관계는 r 값이 양수일 때입니다. - ③번 "약한 양의 선형 상관관계가 있다": 방향과 강도 모두 틀렸습니다. 약한 관계는 절대값이 0.3 미만일 때입니다. - ⑤번 "약한 음의 선형 상관관계가 있다": 방향은 맞지만, 강도가 틀렸습니다. 0.92는 약한 관계가 아닌 매우 강한 관계입니다. 연관 개념 정리 (Related Concepts) - 상관관계 vs 인과관계(Correlation vs Causation): r 값이 높다고 해서 한 변수가 다른 변수의 원인(인과)이라는 것을 증명하지는 않아요. 단순히 함께 변하는 경향이 있을 뿐이에요. 이는 연구나 정책 해석 시 가장 중요한 주의사항이에요. - 다른 상관계수: 순위 데이터에는 스피어만 상관계수(Spearman's rank correlation coefficient)를 사용해요. - 산점도(Scatter plot): 상관관계를 시각적으로 확인하는 가장 좋은 방법이에요. 강한 음의 상관관계는 우하향하는 직선에 가까운 점들의 분포를 보여줘요.
개념 정리

구분	의미	예시 (r 값)
강한 양의 상관	한쪽 ↑ → 다른쪽 ↑ (정비례)	r = 0.85
중등도 음의 상관	한쪽 ↑ → 다른쪽 ↓ (반비례)	r = -0.55
약한 상관 / 무상관	뚜렷한 관계 없음	r = 0.15, r = -0.08
완전 상관	완벽한 직선 관계	r = 1.0 (완전 양의), r = -1.0 (완전 음의)

실무 포인트 - 병원 경영 데이터 분석: 입원일수와 환자 만족도(r 음의 값?), 수술 시간과 합병증 발생률(r 양의 값?) 등을 분석할 때 사용해요. - 의료 연구: 신약의 투여량과 혈중 농도(양의 상관), 운동량과 체중(음의 상관) 등 다양한 연구에서 핵심 지표로 활용돼요. - 보고서 작성 시: 단순히 "상관이 있다"가 아니라, "강한 음의 선형 상관관계가 관찰되었다(r = -0.92)"와 같이 수치와 해석을 명확히 기재해야 해요.
암기 팁 "부호는 방향, 숫자는 힘!"
음수(-) → 반대로 움직임 (한쪽 올라가면 다른쪽 내려감).
절대값 0.7 이상 → "강한" 관계 (7이상이면 센 관계).
국시 빈출 포인트 피어슨 상관계수는 r 값 해석과 상관관계와 인과관계 구분 문제로 자주 출제돼요. 주어진 r 값의 부호와 크기를 보고 방향(양/음)과 강도(강함/중등/약함)를 선택하는 문제가 대부분이에요.
기출 변형 주의! - 사례형: "환자 만족도 설문조사 점수와 병원 내 체류 시간을 분석한 결과 r = -0.78이 나왔다. 이 결과를 해석하시오." - 역으로 물어보기: "강한 음의 선형 상관관계를 가장 잘 나타내는 r 값은? ① 0.05 ② 0.88 ③ -0.12 ④ -0.95" - 오개념 확인: "r = 0.9이므로 A가 B의 원인이다. (O/X)" → X (상관 ≠ 인과)

보건행정 실무 가이드 실무 시나리오 (Clinical Scenario) "병원 기획팀에서 최근 1년간 외래 진료 환자의 평균 대기 시간과 전반적 만족도 설문 점수 데이터를 수집했어요. 분석 결과 피어슨 상관계수 r이 -0.81로 계산되었습니다. 병원장님께 이 결과를 보고하고, 개선 방안을 제안해야 해요." 행정 중재 전략 (Admin Intervention) 1. 상황 파악: 두 변수는 강한 음의 상관관계를 보입니다. 즉, 대기 시간이 길어질수록 환자 만족도 점수는 뚜렷하게 낮아지는 경향이 있다는 뜻이에요. 2. 데이터/법적 검토: 상관계수만으로는 "대기 시간 증가가 만족도 하락의 원인"이라고 단정할 수 없지만, 강한 연관성이 확인되었으므로 중요한 관리 지표로 삼아야 해요. 3. 대응 및 처리 (보고 및 제안): - 보고: "분석 결과, 대기 시간과 환자 만족도 간 통계적으로 유의미한 강한 음의 상관관계(r = -0.81)가 확인되었습니다." - 제안: 대기 시간을 줄이기 위한 구체적인 프로젝트(예: 예약 시스템 최적화, 진료 프로세스 재설계)를 기획하고, 시행 후 동일 지표를 다시 측정하여 효과를 검증할 것을 제안해요. 4. 사후 기록/보고: 분석 보고서에 상관계수, 산점도, 해석을 명시하고, 경영진 회의 자료로 보관해요. 법적 안전 및 주의사항 (Precautions) - 핵심! 내부 성과 보고 시 상관관계를 인과관계로 오해하거나 과장해서는 안 돼요. "대기 시간을 줄이면 만족도가 오를 것이다"라는 기대는 할 수 있지만, "대기 시간이 만족도를 결정하는 유일한 원인이다"라고 말하는 것은 통계적으로 옳지 않아요. - 데이터 수집 과정에서의 개인정보보호(Personal Information Protection) 준수는 기본이에요.
업무 프로토콜 상관관계 분석 실무 프로세스 1. 목적 설정: 분석하려는 두 변수 정의 (예: "의사 1인당 일일 처방 건수 vs 약국 조제 오류 건수"). 2. 데이터 수집 및 정제: 정확한 숫자 데이터를 확보. 결측치 처리. 3. 산점도 작성 (필수!): 눈으로 관계 패턴과 이상치(Outlier) 확인. 4. 상관계수 계산: 통계 소프트웨어(Excel, SPSS, R) 활용. 5. 결과 해석 및 보고: r 값, 방향, 강도, 산점도를 포함한 보고서 작성. 6. 의사결정 반영: 분석 결과를 정책 또는 업무 개선에 연결.
선배의 한마디 "통계 숫자는 무서운 게 아니에요! 피어슨 상관계수 r 같은 기본 도구를 잘 이해하면, 병원에 쌓여 있는 방대한 데이터에서 의미 있는 인사이트를 뽑아낼 수 있는 힘이 생겨요. '숫자가 말해주는 이야기'를 읽을 줄 아는 행정가는 병원 경영에 없어서는 안 될 존재랍니다. 부호와 절대값, 이 두 가지만 기억하세요!"