피어슨 상관계수(r)가 +0.85로 계산되었다. 이 결과를 가장 올바르게 해석한 것은?

피어슨 상관계수의 절대값이 0.7 이상이면 강한 상관관계로 해석하며, 부호가 양수이므로 정적 상관관계이다.

보건행정 핵심 해설 이 문제는 보건통계 및 연구 방법론에서 가장 기초적이면서도 중요한 개념인 피어슨 상관계수(Pearson correlation coefficient)의 해석을 묻고 있어요. 병원 경영 데이터 분석, 질 관리(Quality Improvement) 연구, 환자 만족도와 서비스 품질 간 관계 분석 등 보건행정 실무 전반에서 활용되는 핵심 통계 지표예요. 핵심 개념 분석 (Key Concept) 피어슨 상관계수(r)는 두 연속형 변수 간 선형적 관계의 방향과 강도를 나타내는 지표입니다. 값의 범위는 -1부터 +1까지이며, 절대값(|r|)이 클수록 관계가 강하고, 0에 가까울수록 관계가 약하거나 없음을 의미해요. 부호는 관계의 방향을 나타냅니다.

정답 근거 (Answer Rationale) 문제에서 r = +0.85입니다. 일반적으로 통계학에서 상관계수의 강도는 다음과 같이 해석해요: - |r| ≥ 0.7: 강한 상관관계 - 0.4 ≤ |r| < 0.7: 중간 정도의 상관관계 - |r| < 0.4: 약한 상관관계
0.85는 0.7보다 크므로 강한 상관관계입니다. 또한 부호가 양수(+)이므로, 한 변수의 값이 증가하면 다른 변수의 값도 증가하는 경향을 보이는 정적 상관관계(Positive correlation)입니다. 따라서 "두 변수 간에 강한 정적 상관관계가 있다."는 해석이 가장 올바릅니다.

오답 분석 (Distractor Analysis) 혼동 주의! ① "두 변수 간에 상관관계가 거의 없다.": r 값이 0에 가까울 때(예: -0.1, +0.1)의 해석입니다. 0.85는 명백한 상관관계가 존재함을 보여줍니다.
② "두 변수 간에 약한 정적 상관관계가 있다.": 강도 해석을 잘못했습니다. 0.85는 '약한'이 아닌 '강한'에 해당합니다.
③ "두 변수 간에 강한 부적 상관관계가 있다.": 방향 해석을 잘못했습니다. 부호가 양수(+)이므로 '정적' 상관관계입니다. 부적 상관관계는 r 값이 음수(-)일 때 성립합니다.
⑤ "두 변수 간에 인과관계가 있음을 증명한다.": 가장 중요한 오해 포인트! 상관관계는 인과관계(Causation)를 함축하지 않습니다. 두 변수가 함께 움직이는 경향이 있다는 것만 알 뿐, 어느 변수가 원인이고 결과인지는 알 수 없어요. 인과관계를 입증하려면 통제된 실험 설계 등 더 엄격한 조건이 필요합니다.

연관 개념 정리 (Related Concepts) - 상관 vs 회귀: 상관계수는 관계의 강도와 방향만 보여주지만, 회귀분석(Regression analysis)은 한 변수가 다른 변수에 미치는 영향을 수치적으로 예측하는 모델을 만듭니다. - 피어슨 vs 스피어만: 피어슨 상관계수는 정규성을 가정하는 연속형 데이터에, 스피어만 상관계수(Spearman's rank correlation coefficient)는 순위형 데이터나 비정규 데이터에 사용됩니다.
개념 정리

구분	내용
지표	피어슨 상관계수 (r)
범위	-1 ≤ r ≤ +1
강도 해석	|r| ≥ 0.7: 강함, 0.4≤|r| 임상 시나리오 보건행정 실무 가이드 실무 시나리오 (Clinical Scenario) "의료의 질 관리(QI) 팀에서 최근 1년간 입원한 폐렴 환자의 기록을 분석했습니다. '나이', '입원 기간', '총 진료비' 데이터를 수집하여 상관분석을 실시한 결과, '나이'와 '총 진료비' 간의 피어슨 상관계수(r)는 +0.82, '입원 기간'과 '총 진료비' 간의 r은 +0.91로 나타났습니다. 팀 회의에서 어떤 해석과 후속 조치를 논의해야 할까요?" 행정 중재 전략 (Admin Intervention) 1. 상황 파악: 두 관계 모두 강한 정적 상관관계입니다. 나이가 많을수록, 입원 기간이 길수록 총 진료비가 높아지는 경향이 뚜렷합니다. 2. 법적/규정 검토: 이는 단순 통계적 발견이며, 건강보험 심사평가원의 포괄수가제(DRG)나 적정성 평가와 직접 연결해 해석하면 안 됩니다. 인과관계가 아니라는 점을 명심해야 합니다. 3. 대응 및 처리: 보고서에는 "강한 정적 상관관계가 관찰되었으나, 이는 다른 잠재 변수(기저질환 중증도, 합병증 발생 등)의 영향일 수 있습니다"라고 명시합니다. 후속으로 회귀분석을 통해 입원 기간이 진료비에 미치는 순수 효과를 분석하거나, 케이스 믹스(Case mix)를 보정한 후 재분석하는 방안을 논의합니다. 4. 사후 기록/보고: 분석 방법, 결과, 해석의 한계, 제안된 후속 연구를 공식 QI 보고서에 체계적으로 기록합니다. 법적 안전 및 주의사항 (Precautions) 상관분석 결과를 근거로 "고령 환자가 병원 비용을 증가시킨다"와 같은 낙인찍기(Stereotyping)나 차별적 정책을 제안해서는 안 됩니다. 이는 의료법 상의 평등한 진료 권리와도 배치될 수 있어요. 통계는 도구일 뿐, 인간적이고 윤리적인 판단이 수반되어야 합니다. 업무 프로토콜 단계 행동 주의사항 1. 데이터 준비 분석할 연속형 변수 두 개를 선정, 결측치 처리. 데이터의 정규성 가정 확인 (피어슨의 경우). 2. 분석 수행 통계 소프트웨어(SPSS, R, Excel)로 상관계수 계산. 적절한 상관계수(피어슨/스피어만) 선택. 3. 결과 해석 계수값(r)의 강도와 방향, 통계적 유의성(p-value) 확인. "인과관계 아님"을 반드시 명시. 4. 보고서 작성 결과를 표나 그래프로 시각화, 명확한 언어로 해석 기술. 분석의 한계점을 기술부에 포함. 선배의 한마디 "통계 숫자는 말을 하지 않지만, 우리가 숫자에 의미를 부여해요. 피어슨 상관계수 하나를 해석할 때도 '강하다, 약하다'는 기술을 넘어, '이 결과가 병원 경영이나 환자 치료에 어떤 실질적인 함의를 가지는가?'를 고민하는 것이 진정한 보건행정 전문가의 자세예요. 숫자 뒤에 있는 사람과 시스템을 보는 눈을 키우세요!" 핵심 개념 피어슨 상관계수 (Pearson Correlation Coefficient) — 두 연속형 변수 간 선형 관계의 방향과 강도를 -1에서 +1 사이의 값으로 나타내는 지표. 정적 상관관계 (Positive Correlation) — 한 변수의 값이 증가할 때 다른 변수의 값도 증가하는 경향이 있는 상관관계. 상관계수(r)가 0보다 큼. 부적 상관관계 (Negative Correlation) — 한 변수의 값이 증가할 때 다른 변수의 값은 감소하는 경향이 있는 상관관계. 상관계수(r)가 0보다 작음. 인과관계 — 한 변수(원인)의 변화가 다른 변수(결과)의 변화를 직접적으로 초래하는 관계. 상관관계와 구별되어야 함. 상관계수 강도 해석 (Correlation Strength Interpretation) — 상관계수 절대값(|r|)에 따른 관계 강도 분류. 일반적으로 |r|≥0.7(강함), 0.4≤|r| 마이메르시로 국가고시 완벽 대비 기출문제와 상세 해설을 무료로. 내 약점을 분석하고 진도를 관리하며 더 똑똑하게 공부하세요. 무료로 시작하기 App Store Google Play 학습 참고용입니다. 실제 임상은 최신 지침과 소속 기관 프로토콜을 따르세요.