보건행정 핵심 해설
이 문제는
상관관계(Correlation)와 인과관계(Causation)의 근본적인 차이를 이해하고 있는지를 묻는 통계학의 핵심 문제예요. 보건행정, 특히 역학 연구나 병원 경영 데이터 분석에서 결과를 해석할 때 가장 흔히 저지르는 오류 중 하나가 바로 상관관계를 인과관계로 오해하는 것이랍니다.
핵심 개념 분석 (Key Concept):
피어슨 상관계수(Pearson correlation coefficient, r)는 두 연속형 변수 간
선형 관계(linear relationship)의 강도와 방향을 -1에서 +1 사이의 값으로 나타내는 지표예요. r=0.8은 강한 정적 상관관계(positive correlation)를 의미하지만, 이는 단순히 "두 변수가 함께 변하는 경향이 있다"는 것만을 보여줄 뿐, 어떤 변수가 다른 변수의 원인인지(인과성), 또는 그 관계가 선형 외의 다른 형태(예: 곡선 관계)인지는 알 수 없어요.
정답 근거 (Answer Rationale): 정답인 ②번 "
핵심!신장과 체중 사이에 강한 정적 선형 관계가 있다."는 피어슨 상관계수의 정의와 정확히 일치해요. "강한"은 0.8이라는 수치를, "정적"은 양의 값을, "선형 관계"는 피어슨 상관계수가 측정하는 관계의 형태를 각각 올바르게 표현하고 있어요.
오답 분석 (Distractor Analysis):
- ①번 "신장이 체중의 원인이다.":
혼동 주의! 이는 상관관계에서 가장 흔히 발생하는 오해인
인과관계의 오류예요. 키가 크면 체중이 많이 나갈 수는 있지만, 상관계수만으로는 '원인-결과' 방향성을 결론지을 수 없어요. 제3의 변수(예: 연령, 영양 상태)가 두 변수에 모두 영향을 줄 수도 있어요.
- ③번 "체중을 조절하면 신장이 변한다.": 이 또한 인과관계를 전제한 설명이에요. 상관관계는 대칭적 관계를 나타내므로, "신장이 변하면 체중이 변한다"는 주장도 동일한 근거로는 성립하지 않아요.
- ④번 "신장이 증가하면 체중이 증가한다.": 이는 매우 교묘한 오답이에요. 일상적인 경험과 부합하는 말처럼 들리지만, 통계적으로 엄밀하게 보면
"평균적으로" 또는 "경향적으로"라는 조건 없이 절대적인 진술을 하고 있어요. 상관계수는 개별 사례가 아닌 전체적인 경향을 설명하는 지표라는 점을 주의해야 해요.
- ⑤번 "모든 키가 큰 사람은 체중도 많이 나간다.": 이는 상관관계의 의미를
완벽한 예측 관계로 오해한 경우예요. r=0.8은 강한 관계이지만, 여전히 설명되지 않는 변동(1 - 0.8² = 0.36, 즉 36%)이 존재합니다. 따라서 예외가 존재할 수 있어 "모든"이라는 표현은 명백한 오류예요.
연관 개념 정리 (Related Concepts):
-
인과관계(Causation)를 증명하려면 통제된 실험(예: 무작위 대조 시험(RCT))이나 인과 추론 방법(예: 그랜저 인과성)이 필요해요.
- 피어슨 상관계수는
선형성(Linearity)을 가정하므로, 비선형 관계가 있을 때는 다른 상관계수(예: 스피어만 순위 상관계수)를 사용해야 해요.
개념 정리
| 용어 | 의미 | 핵심 포인트 |
|---|
| 피어슨 상관계수(r) | 두 연속형 변수 간 선형 관계의 강도와 방향 | -1 ≤ r ≤ +1
r의 절대값이 클수록 강한 관계 |
| 정적 상관(Positive) | 한 변수가 증가할 때 다른 변수도 증가 | r > 0 |
| 상관관계(Correlation) | 두 변수가 관련되어 있음 | 인과관계를 의미하지 않음! |
| 인과관계(Causation) | 한 변수의 변화가 다른 변수의 원인 | 상관관계보다 엄격한 증거 필요 |
한눈에 비교!
| 상관관계 (Correlation) | 인과관계 (Causation) |
|---|
| "함께 변한다" (A와 B가 관련 있음) | "때문에 변한다" (A가 B의 원인) |
| 통계적 연관성만 보여줌 | 원인-결과의 메커니즘 필요 |
| 피어슨 상관계수 등으로 측정 | 무작위 대조 시험(RCT) 등으로 증명 |
| 예: 아이스크림 판매량과 익사 사고 (둘 다 여름에 증가) | 예: 흡연과 폐암 (흡연이 폐암 유발) |
실무 포인트
보건행정이나 병원 경영 데이터를 분석할 때, 예를 들어 '입원 기간이 긴 환자일수록 병원 만족도가 낮다'는 상관관계를 발견했다고 해서, 무조건 입원 기간을 줄이면 만족도가 오른다고 결론지으면 안 돼요. 제3의 변수(예: 중증도)가 두 현상의 공통 원인일 수 있기 때문이에요. 정책을 수립하기 전에는 반드시 인과 관계를 검증하는 추가 분석이 필요해요.
암기 팁
"
상관은 인과가 아니다 (Correlation does not imply causation)"라는 금언을 꼭 기억하세요! 통계 시험의 단골 출제 포인트예요.
국시 빈출 포인트
보건의료정보관리사/병원행정사 시험에서는
핵심!상관관계와 인과관계를 구분하는 문제가 연구방법론이나 보건통계 영역에서 매우 자주 출제돼요. 보기 중 하나는 항상 인과관계로 오해할 수 있는 매력적인 오답으로 구성되어 있으니, 문제를 읽을 때 "직접적으로 결론지을 수 있는"이라는 표현에 주의를 기울이세요.
기출 변형 주의!
동일한 개념을 다음과 같이 변형하여 출제할 수 있어요:
- 사례형: "의료비 지출과 환자 연령의 상관계수가 0.6으로 나타났다. 이 결과를 해석한 것으로 옳은 것은?"
- 계산/해석형: "산점도(Scatter plot)가 주어지고, 상관계수의 부호와 크기를 추정하라."
- 진위형: "상관계수가 높으면 반드시 인과관계가 있다. (O/X)"