다음 산점도에서 하나의 극단적인 이상치(outlier)가 관찰된다면, 이 이상치는 상관계수 계산에 어떤 영향을 미치는가?

이상치는 상관계수 계산에 민감하여, 실제 관계를 과대 또는 과소 추정하게 하거나 심지어 관계의 방향을 바꿀 수도 있어 해석을 왜곡할 수 있다.

보건행정 핵심 해설 이 문제는 보건통계학에서 상관분석(Correlation Analysis)의 핵심 원리와 이상치(Outlier)의 영향을 묻고 있어요. 보건행정 현장에서는 의료 데이터(예: 치료 비용과 재원일수, 환자 만족도와 병원 성과 지표) 간의 관계를 분석할 때 상관계수를 자주 사용하므로, 데이터의 질이 통계 결과에 미치는 영향을 정확히 이해하는 것이 매우 중요해요. 핵심 개념 분석 (Key Concept) 상관계수(Correlation Coefficient, r)는 두 변수 간 선형 관계의 강도와 방향을 -1에서 +1 사이의 값으로 나타내는 지표예요. 핵심! 피어슨 상관계수(Pearson's r)는 계산 공식상 모든 데이터 점의 좌표값을 사용하기 때문에, 다른 점들과 현저히 떨어진 이상치(Outlier) 하나가 전체 계산 결과에 막대한 영향을 미칠 수 있어요. 이는 통계적 민감도가 높기 때문이에요. 정답 근거 (Answer Rationale) 정답은 ②번 "상관계수에 큰 영향을 미쳐 해석을 왜곡할 수 있다."입니다. 이상치의 위치에 따라 상관계수는 다양한 방식으로 왜곡될 수 있어요. 1. 혼동 주의! 부호 반전: 만약 대부분의 데이터가 약한 양의 상관을 보이는데, 하나의 극단적인 음의 방향 이상치가 있다면, 전체 상관계수가 음(-)으로 계산되어 관계의 방향 자체를 오해할 수 있어요. (①번은 "항상" 반대로 바꾼다는 절대적 표현이 틀렸어요) 2. 과대/과소 추정: 대부분의 데이터가 무상관(0에 가까움)인데, 하나의 극단적인 양/음의 방향 이상치가 있으면 상관계수의 절대값이 크게 증가해, 존재하지 않는 강한 관계가 있는 것처럼 보일 수 있어요. 반대로, 강한 상관 관계를 약하게 만들 수도 있어요. 3. 따라서 이상치는 상관계수 계산에 "아무런 영향이 없다"(③번)거나, "항상 감소"(④번) 또는 "항상 증가"(⑤번)시킨다는 절대적 주장은 모두 틀린 명제예요. 영향의 방향과 정도는 이상치의 구체적인 위치에 따라 달라지기 때문이에요. 오답 분석 (Distractor Analysis) 혼동 주의! - ①번 "상관계수의 부호를 반대로 바꾼다.": 이상치가 부호를 반대로 바꿀 "수도" 있지만, "항상" 그렇다는 것은 거짓이에요. 조건부로 가능한 현상을 절대적인 규칙으로 잘못 설명한 오답이에요. - ③번 "이상치는 상관계수 계산에 아무런 영향을 미치지 않는다.": 상관계수는 모든 데이터 점을 고려하므로, 극단값의 영향을 매우 크게 받는 민감한 지표예요. 이 주장은 통계학의 기본 원리에 정면으로 위배돼요. - ④번 "상관계수의 절대값을 항상 감소시킨다." & ⑤번 "상관계수의 절대값을 항상 증가시킨다.": "항상"이라는 단어가 문제예요. 이상치는 절대값을 증가시킬 수도, 감소시킬 수도, 거의 변화를 주지 않을 수도 있어요. 이는 이상치가 데이터 군집과 어떤 위치 관계를 가지는지에 따라 결정돼요. 연관 개념 정리 (Related Concepts) - 스피어만 순위 상관계수(Spearman's rank correlation coefficient): 데이터를 순위로 변환하여 계산하므로, 이상치에 대한 민감도가 피어슨 상관계수보다 낮아요. 비모수적 방법의 예시예요. - 회귀분석(Regression Analysis)에서도 이상치는 회귀선의 기울기와 절편을 크게 왜곡시켜, 예측 모델의 정확도를 떨어뜨려요. - 보건행정 데이터 분석 시, 상관계수를 계산하기 전에 산점도(Scatter plot)를 그려 이상치를 시각적으로 확인하는 것이 필수적인 전처리 단계예요.
개념 정리

용어	의미	보건행정 적용 예
상관계수(r)	두 변수 간 선형 관계의 강도(-1~1)와 방향(+/−) 측정	병원 마케팅 비용과 신환자 수 간 관계 분석
이상치(Outlier)	다른 관측치들과 현저히 다른 극단값	의료비 데이터에서 오기입된 천문학적 금액, 매우 드문 초고액 진료 건
해석 왜곡	이상치로 인해 실제 관계를 잘못 판단함	실제로는 관계가 약한데, 이상치 때문에 강한 상관이 있다고 잘못된 정책 결정

한눈에 비교!

상관계수 종류	특징	이상치 영향	사용 시기
피어슨(Pearson's r)	연속형 데이터, 선형 관계 가정, 가장 일반적	매우 민감함	데이터가 정규분포에 가깝고 이상치가 없을 때
스피어만(Spearman's ρ)	순위 데이터, 비선형 단조 관계도 측정 가능	상대적으로 덜 민감함	데이터가 정규분포가 아니거나 이상치가 있을 때

실무 포인트 병원 경영 데이터(예: 진료실 사용률과 환자 만족도 조사 점수)를 분석할 때는 다음 프로토콜을 따르세요. 1. 시각화 필수: 분석 전 반드시 산점도를 그려 이상치를 확인하세요. 2. 이상치 처리: 오기입인지, 진짜 특이 사례인지 확인하세요. 오류는 수정/제거, 진짜 사례는 별도 분석하세요. 3. 견고한(Robust) 방법 고려: 데이터에 이상치가 많다면 스피어만 상관계수나 중위수를 이용한 방법을 고려하세요. 4. 보고서 작성: 상관계수를 보고할 때는 "이상치를 포함/제외한 분석 결과"를 함께 명시하여 결과 해석의 투명성을 높이세요.
암기 팁 "상관계수는 이상치에 민감(Sensitive)"이라는 키워드로 기억하세요. 민감하다 = 큰 영향을 받는다 = 해석을 왜곡할 수 있다. 구체적인 영향(부호 변경, 값 증가/감소)은 이상치의 '위치'에 달려 있다는 점을 추가로 이해하세요.
국시 빈출 포인트 보건의료정보관리사 시험에서 통계 파트는 상관계수와 회귀분석의 기본 가정 및 해석이 단골 출제예요. 특히 "이상치의 영향"은 높은 확률로 묻는 개념이니, "항상"이라는 절대적 표현이 들어간 선택지를 주의 깊게 걸러내세요.
기출 변형 주의! 동일 개념을 다음과 같이 변형 출제할 수 있어요. - 사례형: "어느 병원의 진료비와 재원일수 데이터를 분석했더니 상관계수가 0.8로 나왔다. 그러나 한 건의 매우 고액의 장기입원 환자 데이터를 제외하자 상관계수가 0.2로 크게 감소했다. 이는 무엇을 의미하는가?" → 이상치가 상관계수를 과대 추정하게 했다. - 용어 연결형: "이상치의 영향을 덜 받는 상관계수는?" → 스피어만 순위 상관계수

보건행정 실무 가이드 실무 시나리오 (Clinical Scenario) "병원 기획팀에서 최근 1년간 외래 진료 건수와 병원 매출액의 관계를 분석하여 예산을 편성하려고 해요. 엑셀에서 피어슨 상관계수를 계산했더니 0.9의 매우 강한 양의 상관이 나왔어요. 하지만 산점도를 그려보니, 한 달의 데이터가 다른 달들과 현저히 떨어져 있는 것을 발견했어요. 조사해 보니 그 달에는 대규모 단체 건강검진 계약이 체결되어 검진 수익이 급증했지만, 이는 일반 외래 진료와는 성격이 다른 일회성 사업이었어요." 행정 중재 전략 (Admin Intervention) 1. 상황 파악: 산점도 시각화를 통해 이상치(단체 검진 월)를 식별하고, 그 원인(일회성 사업 수익)을 규명해요. 2. 법적/규정 검토: 통계 분석의 정확성과 투명성 원칙에 따라, 분석 목적(일반 외래 진료 트렌드 파악)에 부합하지 않는 데이터는 처리 방안을 검토해요. 3. 대응 및 처리: - 핵심! 두 가지 분석 실시: ① 이상치를 포함한 전체 데이터 분석(r=0.9), ② 이상치를 제외한 일반 외래 데이터 분석. 두 결과를 비교해요. - 보고서 작성: "일반 외래 진료 건수와 매출액 간에는 중간 정도의 상관(r=0.5)이 관찰되지만, 단체 검진 특수 사례를 포함할 경우 상관관계가 과대 추정됨"이라고 명시해요. 4. 사후 기록/보고: 분석 방법(이상치 처리 기준)과 두 가지 결과를 예산 편성 근거 자료에 모두 첨부하여, 보다 현실적인 외래 진료 예측 모델을 수립하는 데 활용해요.
업무 프로토콜 데이터 기반 의사결정을 위한 상관분석 절차 1. 목적 정의: 무슨 관계를 알고 싶은가? (예: 간호사 충원율과 환자 낙상률) 2. 데이터 정제: 오기입 수정, 결측치 처리, 산점도로 이상치 탐색. 3. 방법 선택: 데이터 분포 확인 → 정규성 & 이상치多 → 스피어만 상관 / 정규성 & 이상치少 → 피어슨 상관. 4. 분석 및 해석: 상관계수 값과 p-value(유의성) 확인. 주의! 상관관계는 인과관계를 의미하지 않습니다. 5. 보고 및 활용: 분석의 제한점(이상치 영향 등)을 명시한 보고서 작성 및 정책/예산 반영.
선배의 한마디 "보건행정에서 데이터는 우리의 눈이에요. 하지만 그 데이터에 '먼지'(이상치)가 묻어 있다면 세상을 제대로 볼 수 없죠. 상관계수 하나를 계산할 때도 '이 데이터는 정말 믿을 만한가?'부터 질문하는 습관을 들이세요. 통계 숫자 뒤에 숨은 이야기를 읽는 능력이야말로 데이터를 경영과 정책에 살려 쓰는 보건행정 전문가의 핵심 역량이에요!"