다음 중 상관계수의 값에 영향을 주지 않는 것은?

상관계수는 표준화된 지표이므로 원래 변수의 측정 단위(예: cm, kg)에 영향을 받지 않는다.

보건행정 핵심 해설 이 문제는 보건통계학의 기초이자, 연구 결과를 해석할 때 매우 중요한 상관계수(Correlation Coefficient)의 특성을 묻고 있어요. 상관계수는 두 변수 간 선형 관계의 강도와 방향을 나타내는 표준화된 지표입니다. 핵심 개념 분석 (Key Concept) 상관계수, 특히 가장 널리 쓰이는 피어슨 상관계수(Pearson's r)는 두 변수의 공분산(Covariance)을 각 변수의 표준편차의 곱으로 나누어 계산합니다. 이 계산 과정에서 핵심! 측정 단위(예: 키의 cm vs m, 체중의 kg vs g)가 제거되기 때문에, 상관계수 자체는 측정 단위에 무관한(unit-free) 값이에요. 이는 상관계수가 -1에서 +1 사이의 값을 가지는 이유이기도 합니다. 정답 근거 (Answer Rationale) 정답은 ① 두 변수의 측정 단위입니다. 상관계수는 표준화 과정을 거쳐 계산되므로, 원자료가 센티미터와 킬로그램이든, 미터와 그램이든 관계의 강도를 동일하게 나타냅니다. 예를 들어, 키(cm)와 체중(kg)의 상관계수가 0.7이라면, 키를 미터(m) 단위로 바꾸어 계산해도 상관계수는 여전히 0.7이에요. 오답 분석 (Distractor Analysis) 혼동 주의! 나머지 선택지들은 모두 상관계수의 값에 영향을 미치는 요인들이에요.
② 분석에 포함된 사례 수: 표본 크기(n)가 작을수록 우연에 의해 높은 상관계수가 나타날 가능성이 커집니다. 통계적 유의성 검정(p-value)은 표본 크기에 크게 의존해요.
③ 변수 간 관계의 방향: 상관계수의 부호(+ 또는 -)는 관계의 방향(정적/부적)을 결정하므로, 당연히 값에 영향을 줍니다.
④ 자료의 이상치 존재: 이상치(Outlier)는 상관계수를 극적으로 왜곡시킬 수 있는 가장 큰 요인 중 하나입니다. 단 하나의 극단값이 전체 상관 관계의 방향과 강도를 바꿀 수도 있어요.
⑤ 변수 간 관계의 비선형성: 피어슨 상관계수는 선형 관계만을 측정합니다. 변수 간 관계가 곡선형(비선형)이라면, 피어슨 r은 그 관계를 제대로 반영하지 못해 0에 가까운 값을 보일 수 있어요. 이는 상관계수 값에 영향을 주는 중요한 요소입니다. 연관 개념 정리 (Related Concepts) 상관(Correlation)은 인과(Causation)를 의미하지 않습니다. 두 변수가 강한 상관관계를 보인다 하더라도, 제3의 변수(교란변수, Confounding Variable)에 의해 그 관계가 설명될 수 있어요. 또한, 스피어만 순위 상관계수(Spearman's rank correlation coefficient)는 비선형적이지만 단조로운(monotonic) 관계를 측정할 때 사용됩니다. 개념 정리

용어	의미	특징
피어슨 상관계수 (r)	두 연속형 변수 간 선형 관계의 강도와 방향	-1 ≤ r ≤ +1, 측정 단위 영향 없음, 이상치에 민감
표준화 (Standardization)	서로 다른 단위나 척도를 가진 데이터를 비교 가능하게 만드는 과정	상관계수, z-score 계산의 기반이 됨
이상치 (Outlier)	다른 관측치들과 현저히 다른 값을 가진 데이터 포인트	통계 분석 결과(평균, 상관계수 등)를 크게 왜곡시킬 수 있음

한눈에 비교!

구분	피어슨 상관계수 (Pearson's r)	스피어만 순위 상관계수 (Spearman's ρ)
측정 관계	선형 관계 (Linear)	단조 관계 (Monotonic)
데이터 요구	연속형, 정규분포 가정	순위형(Ordinal) 또는 연속형
이상치 영향	매우 민감함	상대적으로 덜 민감함
보건 분야 예시	나이와 수축기 혈압의 관계	사회경제적 지위 순위와 건강 상태 순위의 관계

실무 포인트 병원에서 의료의 질(Quality of Care) 지표 분석이나 연구를 할 때, 두 변수(예: 간호사 대 환자 비율 vs 낙상 사고율)의 관계를 살펴보기 위해 상관분석을 자주 사용해요. 이때, ① 상관계수 계산 전에 산점도(Scatter plot)를 그려 이상치와 관계의 형태(선형/비선형)를 꼭 확인해야 합니다. ② 표본 크기가 충분한지, ③ 측정 단위가 다르더라도 상관계수 해석에는 문제가 없음을 이해하는 것이 중요해요. 암기 팁 "상관계수는 단위가 없다"는 것을 기억하세요. 상관계수가 -1에서 1 사이인 이유 자체가 표준화되었기 때문이에요. "측정 단위에 무관하다 = ①번이 정답"으로 연결됩니다. 국시 빈출 포인트 상관계수의 성질은 객관식 기본 문제로 자주 출제됩니다. 특히 '측정 단위의 영향'과 '이상치/비선형성의 영향'을 비교하여 묻는 패턴이 많아요. 상관계수와 회귀계수의 차이(회귀계수는 단위의 영향을 받음)를 함께 묻기도 합니다. 기출 변형 주의! 이 개념은 다음과 같이 변형 출제될 수 있어요.
사례형: "연구자가 키(cm)와 체중(kg) 자료로 상관계수를 계산한 후, 키 단위를 미터(m)로 바꾸어 다시 계산했다. 두 상관계수의 관계는?" → 동일하다
참/거짓 판단형: "상관계수는 변수의 측정 척도에 따라 그 값이 변한다. (O/X)" → X (거짓)

보건행정 실무 가이드 실무 시나리오 (Clinical Scenario) 병원 기획팀에서 신규 건강검진 프로그램의 효과를 평가하고자 합니다. 프로그램 참여 전후의 참가자 체질량지수(BMI)와 혈중 LDL 콜레스테롤 수치를 측정하여, 두 지표 간의 관계가 프로그램 참여 후 어떻게 변화했는지 상관분석을 실시하려고 합니다. 데이터를 수집하는 과정에서 일부 참가자의 LDL 수치가 극단적으로 높게 나왔고(이상치 의심), BMI는 kg/m², LDL은 mg/dL로 각각 다른 단위로 측정되었습니다. 행정 중재 전략 (Admin Intervention) 1. 상황 파악: 분석 대상 변수의 측정 단위가 다르고, 데이터에 이상치가 존재할 가능성이 있습니다. 2. 법적/규정 검토: 통계적 분석에는 특별한 법규는 적용되지 않지만, 연구 윤리와 데이터 처리의 정확성 원칙이 요구됩니다. 3. 대응 및 처리: - 핵심! 측정 단위가 다르다는 점은 상관계수 계산에는 전혀 문제가 되지 않습니다. 상관계수는 표준화된 값이기 때문이에요. 따라서 단위 변환 작업은 불필요합니다. - 먼저 산점도를 그려 이상치를 시각적으로 확인하고, 해당 데이터의 측정 오류나 특수한 의학적 상태(예: 가족성 고콜레스테롤혈증)를 기록으로 확인해야 합니다. - 이상치를 제외할지 포함할지는 연구 목적과 임상적 판단에 따라 결정하며, 그 결정 사유를 반드시 보고서에 명시해야 합니다. 4. 사후 기록/보고: 최종 분석 보고서에는 사용한 상관계수의 종류(피어슨), 표본 크기, 이상치 처리 방법, 그리고 "상관계수는 측정 단위에 무관하다"는 점을 해석에 명시합니다. 이는 결과의 일반화 가능성을 높이는 중요한 포인트입니다. 법적 안전 및 주의사항 (Precautions) 데이터 분석 시 개인정보보호법(Personal Information Protection Act)을 준수하여 익명화된 데이터만 사용해야 합니다. 또한, 상관관계를 인과관계로 오해하여 잘못된 결론을 내리거나 정책을 제안하지 않도록 주의해야 합니다. 이는 연구 윤리와 직결되는 문제입니다. 업무 프로토콜

단계	행동	확인 사항
1. 데이터 검토	산점도 작성, 기술통계량(평균, 표준편차) 확인	이상치, 결측치, 분포 형태 확인
2. 분석 방법 선택	선형 관계 → 피어슨 r, 순위/비선형 관계 → 스피어만 ρ	데이터의 속성과 연구 가정 확인
3. 상관계수 계산	통계 소프트웨어(SPSS, R, Excel) 활용	측정 단위 변환 불필요
4. 결과 해석 및 보고	상관계수 값(r), 유의확률(p), 방향(+/-) 보고	"인과관계 아님" 주의사항 포함

선배의 한마디 "보건행정에서 데이터는 우리의 눈이에요. 상관분석은 그 데이터 속에 숨은 패턴을 찾아내는 강력한 도구죠. '상관계수는 단위에 영향받지 않는다'는 기본 원리를 꼭 기억하세요. 이 하나의 사실이 데이터 전처리 때 불필요한 고민을 덜어주고, 분석 결과를 더욱 견고하게 만들어줍니다. 숫자 뒤에 숨은 보건의 의미를 찾는 것이 진짜 우리의 일이에요!"