다음 산점도에서 두 변수 X와 Y의 관계를 가장 잘 설명하는 상관계수 값은?

점들이 왼쪽 아래에서 오른쪽 위로 올라가는 직선에 가깝게 분포한다는 것은 강한 정적 선형 관계를 의미하므로, 상관계수는 +1에 가까운 값이 된다.

보건행정 핵심 해설 이 문제는 상관관계(Correlation) 분석의 기본 원리를 이해하고 있는지 묻는 문제예요. 보건행정 및 의료정보학에서 통계 분석은 연구 설계, 정책 효과 평가, 병원 경영 지표 분석 등 다양한 분야에서 핵심 도구로 활용되기 때문에, 상관계수의 의미를 정확히 파악하는 것은 매우 중요해요. 핵심 개념 분석 (Key Concept): 상관계수(r)는 두 변수 간 선형 관계의 방향과 강도를 나타내는 지표예요. 값의 범위는 -1에서 +1 사이이며, 절대값(|r|)이 1에 가까울수록 강한 선형 관계를, 0에 가까울수록 약하거나 없는 선형 관계를 의미해요. 방향은 부호로 판단하는데, 핵심! r > 0 (양의 상관)은 한 변수가 증가하면 다른 변수도 증가하는 관계(왼쪽 아래 → 오른쪽 위 그래프), r < 0 (음의 상관)은 한 변수가 증가하면 다른 변수가 감소하는 관계(왼쪽 위 → 오른쪽 아래 그래프)를 나타내요. 정답 근거 (Answer Rationale): 문제에서 산점도(Scatter plot)가 "왼쪽 아래에서 오른쪽 위로 올라가는 직선에 가까운 점들의 분포"라고 설명했어요. 이는 강한 양의 선형 상관관계를 의미합니다. 따라서 상관계수 r은 +1에 매우 가까운 양수 값이어야 해요. 보기 중에서 r = +0.92는 +1에 가장 가깝고, 강한 양의 상관을 명확히 나타내므로 정답이에요. 오답 분석 (Distractor Analysis): - 혼동 주의! ②번 r = -0.95: 이 값은 절대값이 0.95로 매우 강한 상관관계를 나타내지만, 부호가 음수(-)입니다. 이는 변수 X가 증가할 때 Y가 감소하는 강한 음의 상관관계를 의미하며, 문제에서 설명한 "왼쪽 아래에서 오른쪽 위로 올라가는" 그래프 패턴과 정반대에요. - ③번 r = +0.60: 양의 상관관계를 나타내지만, 0.92에 비해 상대적으로 약한( 0: 양의 상관, r < 0: 음의 상관 양의 상관
(Positive Correlation)한 변수가 증가하면 다른 변수도 증가하는 관계산점도: 좌하단 → 우상단 방향
예: 진료 시간과 진료비, 연령과 혈압(일부) 음의 상관
(Negative Correlation)한 변수가 증가하면 다른 변수가 감소하는 관계산점도: 좌상단 → 우하단 방향
예: 운동량과 체지방률, 백신 접종률과 감염률 상관관계 vs 인과관계상관은 동반 변화, 인과는 원인-결과 관계상관관계가 있다고 해서 반드시 인과관계는 아님
(예: 아이스크림 판매량과 익사 사고 수는 상관 있지만 인과 없음) 한눈에 비교!

상황 / 그래프 패턴	상관계수(r) 추정	보건행정 실무 예시
왼쪽 아래 → 오른쪽 위로 뚜렷한 직선	r ≈ +0.9 ~ +1.0 (강한 양의 상관)	병상 수와 연간 입원 환자 수, 특수 검사 건수와 해당 부서 인건비
왼쪽 위 → 오른쪽 아래로 뚜렷한 직선	r ≈ -0.9 ~ -1.0 (강한 음의 상관)	예방접종 캠페인 강도와 해당 질병 발병률, 환자 만족도 조사 응답률과 불만 건수
점들이 전체적으로 흩어져 있고 경향성 모호	r ≈ 0 (상관관계 없음)	병원 로비 색채와 평균 재원일수, 의사의 키와 처방 약품 수
점들이 곡선 형태(예: U자형)로 분포	r ≈ 0 (선형 상관 없음) *비선형 관계는 별도 분석 필요	연령과 의료 이용률(젊은층과 노년층이 높음)

실무 포인트 보건행정 실무에서 상관분석은 다음과 같이 활용돼요: 1. 병원 경영 지표 분석: 입원 환자 수와 매출액, 외래 진료 건수와 약국 수익 간의 관계를 분석하여 예산 편성과 자원 배분의 근거로 사용해요. 2. 정책 효과 평가: 새로운 건강증진 프로그램 도입 전후의 건강 지표(예: 흡연율, 비만율) 변화를 분석할 때, 프로그램 강도와 지표 개선 정도의 상관관계를 살펴봐요. 3. 의료 연구: 특정 위험 요인(예: 공기 오염도)과 질병 발생률 간의 연관성을 탐색하는 연구의 초기 단계에서 활용해요. 4. 데이터 품질 관리: 서로 다른 정보시스템에서 수집된 동일 환자의 데이터(예: 키와 몸무게) 간 일관성을 확인할 때도 사용할 수 있어요. 암기 팁 - 부호는 방향, 숫자는 강도: r의 부호(+, -)는 그래프가 오르는지(+), 내리는지(-)를 나타내고, 숫자(0~1)는 얼마나 빽빽하게 직선에 붙어있는지(강도)를 나타낸다고 생각하세요. - 산점도 머릿속 그리기: "왼쪽 아래 → 오른쪽 위"는 당연히 "+", "직선에 가깝다"는 "1에 가깝다"고 바로 연결 지어요. 국시 빈출 포인트 상관계수는 보건통계학과 병원경영학(연구방법론) 영역에서 자주 출제돼요. 산점도 설명을 보고 r값을 고르는 기본 유형, 또는 반대로 r값을 보고 산점도의 모양을 추론하는 유형으로 나와요. 핵심! "강한 양의 상관", "약한 음의 상관", "상관관계가 거의 없다"와 같은 서술어와 r값을 매칭할 수 있어야 해요. 기출 변형 주의! 1. 계산형: 소량의 데이터가 주어지고 공식을 이용해 상관계수를 직접 계산하도록 할 수 있어요. 공식은 복잡해 보이지만, 원리는 공분산을 각 변수의 표준편차로 표준화하는 것이에요. 2. 사례형: "어느 보건소에서 흡연 교육 횟수와 청소년 흡연율 감소량을 조사한 결과, r = -0.75가 나왔다. 이 결과를 해석하시오"와 같이 실무 사례를 제시하고 해석력을 묻는 문제도 출제될 수 있어요.

보건행정 실무 가이드 실무 시나리오 (Clinical Scenario): "병원 기획팀에서 최근 3년간의 월별 외래 환자 수와 영업이익 데이터를 분석 중이에요. 산점도를 그려보니, 외래 환자 수가 증가할수록 영업이익도 증가하는 뚜렷한 패턴이 보여요. 팀장님은 이 관계의 강도를 수치로 보고하고자 해요. 보건의료정보관리사로서 어떤 분석을 수행하고, 결과를 어떻게 보고해야 할까요?" 행정 중재 전략 (Admin Intervention): 1. 상황 파악: 두 변수(외래 환자 수, 영업이익)가 모두 연속형 수치 데이터인지 확인해요. 범주형 데이터라면 상관분석이 적합하지 않을 수 있어요. 2. 분석 수행: 통계 소프트웨어(Excel, SPSS, R 등)를 이용해 피어슨 상관계수(Pearson correlation coefficient)를 계산해요. 이때, 데이터에 이상치(Outlier)가 있는지 먼저 확인하는 것이 중요해요. 한 달의 폭우로 인한 진료 중단 같은 특수 사건이 데이터를 왜곡할 수 있기 때문이에요. 3. 결과 해석 및 보고: 계산된 r값이 예를 들어 +0.88이라면, "외래 환자 수와 영업이익 간에는 통계적으로 유의한 강한 양의 선형 상관관계가 존재합니다(r = +0.88)."라고 보고해요. 주의! 여기서 "인과관계"라고 말하면 안 돼요. 환자 수 증가가 이익 증가의 '원인'일 가능성이 높지만, 다른 요인(진료 단가 인상, 효율성 개선 등)의 영향도 배제할 수 없기 때문이에요. 4. 추가 제안: 상관분석 결과를 바탕으로 단순 선형 회귀분석(Simple linear regression)을 제안할 수 있어요. 회귀분석을 통해 "외래 환자 수가 100명 증가할 때 예상 영업이익 증가액은 얼마인가"와 같은 예측 모델을 만들 수 있어 기획에 더 유용하게 활용될 수 있어요. 법적 안전 및 주의사항 (Precautions): - 통계 결과를 보고할 때는 과장되거나 오해의 소지가 있는 표현을 피하는 것이 가장 중요해요. 상관관계를 마치 인과관계인 것처럼 발표하면 잘못된 경영 결정으로 이어질 수 있어요. - 데이터의 개인정보 비식별화를 반드시 확인하세요. 분석용 데이터셋에는 환자 개인을 특정할 수 있는 정보가 포함되어서는 안 돼요. 업무 프로토콜 1. 데이터 준비: 정확하고 일관된 기간의 데이터 수집 → 이상치 및 결측치 확인/처리. 2. 탐색적 분석: 산점도 시각화를 통해 선형 관계 여부를 육안으로 확인. 3. 통계 분석: 피어슨 상관계수 계산 및 통계적 유의성(p-value) 검정. 4. 보고서 작성: 분석 방법, 결과(r값, p값), 해석, 한계점(인과관계 아님 명시)을 포함한 보고서 작성. 5. 의사결정 지원: 분석 결과를 관련 부서(기획, 재무, 진료부 등)에 공유하고, 필요한 경우 더 심화된 분석(회귀분석 등)을 제안. 선배의 한마디 "통계는 숫자 놀음이 아니라, 데이터 속에 숨겨진 이야기를 발견하는 도구예요. 상관계수 하나를 보더라도 '이 관계는 얼마나 강한가?', '왜 이런 관계가 생겼을까?', '혹시 숨은 변수는 없을까?'까지 생각하는 습관을 들이세요. 보건행정가에게 데이터 리터러시(Data literacy)는 이제 선택이 아닌 필수 능력이에요. 복잡한 공식보다 '상관관계 ≠ 인과관계'라는 원칙만큼은 꼭 마음에 새기고 실무에 적용하길 바라요!"