두 변수 간의 공분산을 각 변수의 표준편차의 곱으로 나눈 값은?

피어슨 상관계수(r)는 두 변수의 공분산을 각 변수의 표준편차의 곱으로 나눈 값으로 정의된다.

보건행정 핵심 해설 이 문제는 보건통계학 및 연구방법론에서 가장 기초적이면서도 핵심적인 개념인 상관관계(Correlation)의 정의를 묻고 있어요. 특히, 피어슨 상관계수(Pearson correlation coefficient)의 수학적 정의를 정확히 이해하고 있는지 확인하는 문제예요. 핵심 개념 분석 (Key Concept) 두 변수 간의 선형적 관계의 강도와 방향을 수치화한 것을 상관계수(Correlation coefficient)라고 해요. 그 중에서도 가장 널리 사용되는 피어슨 상관계수(r)는 정확히 "두 변수의 공분산(Covariance)을 각 변수의 표준편차(Standard deviation)의 곱으로 나눈 값"으로 정의돼요. 이 공식은 공분산의 단위 의존성을 제거하고, -1에서 +1 사이의 표준화된 값을 만들어 상관의 강도를 비교 가능하게 만드는 핵심 원리예요. 정답 근거 (Answer Rationale) 문제의 지문 "두 변수 간의 공분산을 각 변수의 표준편차의 곱으로 나눈 값"은 핵심! 피어슨 상관계수의 표준적인 정의식 그 자체예요. 수식으로 표현하면 `r = Cov(X, Y) / (σ_X * σ_Y)`가 되죠. 따라서 정답은 ⑤번 '피어슨 상관계수'입니다. 오답 분석 (Distractor Analysis) 혼동 주의! 다른 선택지들은 모두 통계학의 중요한 개념들이지만, 문제에서 제시한 정의와는 일치하지 않아요.
① 회귀 직선의 기울기: 단순 선형회귀에서 기울기(b)는 `Cov(X, Y) / Var(X)`로 계산됩니다. 분모가 분산(Variance)이지 표준편차의 곱이 아니에요.
② 분산: 하나의 변수 내에서 데이터가 평균으로부터 얼마나 퍼져 있는지를 나타내는 지표로, 공분산과는 다른 개념이에요.
③ 표준오차: 표본 통계량(예: 표본평균)의 표준편차를 의미하며, 표본 추출에 따른 변동성을 측정하는 지표예요.
④ 결정계수(R²): 회귀 모형의 설명력을 나타내며, 피어슨 상관계수(r)의 제곱(`r²`)과 같아요. 정의 자체는 다릅니다. 연관 개념 정리 (Related Concepts) - 공분산(Covariance): 두 변수가 함께 변하는 정도를 측정. 단위에 민감하고 절대값의 크기 해석이 어려움. - 상관계수(Correlation coefficient): 공분산을 표준화하여 단위에 무관하게 관계의 강도(-1 ~ +1)와 방향(양/음)을 나타냄. - 피어슨 vs 스피어만 상관계수: 피어슨은 선형 관계, 스피어만은 단조 관계(Monotonic relationship)를 측정합니다. 개념 정리

용어	정의/계산식	의미
공분산 (Cov)	Σ[(Xᵢ - X̄)(Yᵢ - Ȳ)] / (n-1)	두 변수의 공변동. 단위 의존적.
피어슨 상관계수 (r)	Cov(X, Y) / (σₓ * σᵧ)	표준화된 선형 상관 강도 (-1 ~ +1).
결정계수 (R²)	r²	종속변수 분산 중 독립변수가 설명하는 비율.

한눈에 비교!

비교 항목	피어슨 상관계수 (r)	단순회귀 기울기 (b)
계산식	Cov(X,Y) / (σₓσᵧ)	Cov(X,Y) / Var(X)
범위	-1 ~ +1 (무차원)	-∞ ~ +∞ (Y단위/X단위)
의미	두 변수의 대칭적 관계 강도	X가 한 단위 변할 때 Y의 평균 변화량 (비대칭)
관계	b = r * (σᵧ / σₓ) ... 서로 변환 가능하지만 정의와 용도가 다름!

실무 포인트 보건행정이나 의료연구에서 상관분석은 매우 중요해요. 예를 들어, '병원 재원일수'와 '총 진료비'의 관계를 조사하거나, '의료서비스 만족도'와 '재이용 의도'의 연관성을 분석할 때 피어슨 상관계수를 계산합니다. 주의! 상관관계는 인과관계(Causality)를 의미하지 않습니다. 두 변수가 함께 움직이는 것만 보여줄 뿐, 무엇이 원인인지는 추가 분석이 필요해요. 암기 팁 "공분할 수 없는 관계를 표준화시켜 계수로 만든다" → 공분산을 각 변수의 표준편차로 나누어 만든 계수 = 피어슨 상관계수! 국시 빈출 포인트 상관계수의 정의는 기본 중의 기본으로 단순히 암기하는 수준을 넘어, 공분산과의 차이, 회귀계수와의 관계까지 연결 지어 출제될 수 있어요. "상관계수가 0.8일 때 결정계수는?" 같은 변형 문제도 자주 나옵니다 (정답: 0.64). 기출 변형 주의! 1. 계산형: 공분산과 표준편차 값을 주고 상관계수를 계산하라. 2. 해석형: "상관계수 r = -0.9"의 의미를 설명하라. (강한 음의 선형 관계) 3. 참/거짓형: "상관계수가 높으면 인과관계가 있다." (거짓)

보건행정 실무 가이드 실무 시나리오 (Clinical Scenario) 병원 기획팀에서 신규 건강검진 프로그램의 효과를 평가하려고 해요. 프로그램 참여 전후의 혈압 수치 데이터를 수집했는데, 두 변수(참여 전 혈압 vs 참여 후 혈압 변화량) 간의 관계를 정량적으로 분석해야 합니다. 행정 중재 전략 (Admin Intervention) 1. 상황 파악: 두 변수(전 혈압, 변화량)가 모두 연속형(Continuous) 데이터인지 확인합니다. 피어슨 상관계수는 정규성을 가정하는 연속형 데이터에 적합해요. 2. 법적/규정 검토: 연구윤리심의위원회(IRB) 승인을 받은 데이터인지, 개인정보가 비식별화되었는지 확인하는 게 먼저예요. 3. 대응 및 처리: 통계 소프트웨어(예: SPSS, R)를 이용해 공분산과 표준편차를 계산한 후, 정의식에 따라 상관계수를 산출하거나, 소프트웨어의 상관분석 기능을 직접 사용합니다. 4. 사후 기록/보고: 계산된 상관계수(r값)와 유의확률(p-value)을 보고서에 명시합니다. 예: "참여 전 혈압이 높을수록 프로그램 참여 후 혈압 감소 폭이 컸다(r = -0.65, p < 0.01)." 법적 안전 및 주의사항 (Precautions) 통계 결과를 해석하고 보고할 때는 핵심! 상관관계 ≠ 인과관계 원칙을 반드시 지켜야 해요. 프로그램 효과를 과장하거나 허위로 주장하는 것은 연구 부정행위에 해당할 수 있어요. 또한, 표본 크기가 너무 작으면 신뢰할 수 없는 상관계수가 도출될 수 있으니 주의하세요. 업무 프로토콜 상관분석 수행 절차 1. 데이터 전처리 (결측치 제거, 이상치 확인) 2. 변수 간 산점도(Scatter plot) 시각화로 선형 관계 여부 확인 3. 피어슨 상관계수(r) 및 유의성 검정(p-value) 수행 4. 결과 해석 (r의 크기: 0.1~0.3 약함, 0.3~0.5 중간, 0.5~1.0 강함 / 부호: 방향) 5. 보고서 작성 및 의사결정 지원 자료로 활용 선배의 한마디 "통계는 보건행정의 눈이자 언어예요! 상관계수 같은 기본 개념을 탄탄히 이해하면, 병원의 다양한 데이터(만족도 조사, 자원 활용도, 질 지표 등)를 분석해 의미 있는 인사이트를 뽑아낼 수 있어요. 숫자 뒤에 숨은 '이야기'를 읽는 능력이 전문 행정가의 차별점이죠!"