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

오른쪽 상향의 직선에 점들이 밀집되어 있다는 것은 강한 양의 선형 상관관계를 의미한다. 따라서 1에 가까운 양수인 0.95가 가장 적합하다. 1.20은 상관계수의 가능 범위를 벗어난다.

보건행정 핵심 해설 이 문제는 보건통계학의 기초인 상관계수(Correlation Coefficient)의 개념과 해석을 묻고 있어요. 보건행정에서 데이터 분석은 정책 효과 평가, 병원 경영 지표 분석, 역학 조사 등 다양한 분야에서 핵심 도구로 사용되기 때문에, 통계 개념의 정확한 이해는 필수적이에요. 핵심 개념 분석 (Key Concept): 상관계수(r)는 두 변수 간 선형 관계의 강도와 방향을 나타내는 지표예요. 그 값은 항상 -1에서 +1 사이에 존재하며, 절대값이 1에 가까울수록 강한 상관관계, 0에 가까울수록 약한 상관관계를 의미해요. 양수는 양의 상관관계(X가 증가하면 Y도 증가), 음수는 음의 상관관계(X가 증가하면 Y는 감소)를 나타냅니다. 정답 근거 (Answer Rationale): 문제에서 "오른쪽 상향의 직선에 가깝게 점들이 밀집되어 분포"한다고 설명했어요. 이는 X가 증가함에 따라 Y도 비례하여 증가하는 강한 양의 선형 상관관계를 의미해요. 따라서 상관계수는 1에 매우 가까운 양수여야 합니다. 보기 중에서 1에 가장 가까운 양수는 r = 0.95이며, 이는 매우 강한 양의 상관관계를 나타내므로 정답이에요. 오답 분석 (Distractor Analysis):
혼동 주의! ②번 r = 1.20: 상관계수의 정의상 절대값이 1을 초과할 수 없어요. 이는 개념적 오류를 테스트하는 전형적인 함정 선택지예요.
③번 r = 0.05: 이는 거의 무관계에 가까운 매우 약한 상관을 의미해요. 점들이 직선 주위에 밀집되어 있다는 문제 설명과 맞지 않아요.
④번 r = -0.95: 이는 강한 음의 상관관계를 의미해요. "오른쪽 상향"이 아닌 "오른쪽 하향"의 직선 관계에 해당하므로 틀려요.
⑤번 r = 0.50: 이는 중간 정도의 양의 상관관계를 나타내요. "직선에 가깝게 밀집"되었다는 강한 관계의 설명보다는 약해요. 연관 개념 정리 (Related Concepts): 상관관계가 있다고 해서 인과관계(Causation)가 있다고 단정할 수는 없어요. 인과관계를 주장하려면 통제된 실험 설계나 추가적인 논리적 분석이 필요해요. 또한, 상관계수는 선형 관계만 측정하므로, U자형이나 곡선형 관계는 포착하지 못할 수 있어요. 개념 정리

상관계수(r) 값	관계의 강도 해석	방향
0.8 ~ 1.0 (또는 -0.8 ~ -1.0)	매우 강한 상관관계	양수/음수
0.6 ~ 0.8 (또는 -0.6 ~ -0.8)	강한 상관관계	양수/음수
0.4 ~ 0.6 (또는 -0.4 ~ -0.6)	중간 정도 상관관계	양수/음수
0.2 ~ 0.4 (또는 -0.2 ~ -0.4)	약한 상관관계	양수/음수
0.0 ~ 0.2 (또는 -0.0 ~ -0.2)	매우 약하거나 무관계	-

한눈에 비교!

개념	상관관계(Correlation)	인과관계(Causation)
정의	두 변수가 함께 변하는 경향	한 변수의 변화가 다른 변수 변화의 원인
측정 도구	상관계수(r)	통제 실험, 회귀 분석 등
필요 조건	통계적 연관성	시간적 선후관계, 비허위성, 연관성 등
보건행정 예시	진료 건수와 병원 수입은 강한 양의 상관관계가 있을 수 있음	흡연이 폐암 발병의 원인이다 (인과관계 입증됨).

실무 포인트 보건행정 실무에서 상관분석은 매우 유용해요. 예를 들어, 병원 경영 데이터를 분석할 때 '입원 환자 수'와 '전체 매출', '외래 진료 대기 시간'과 '환자 만족도 설문 점수' 간의 관계를 파악하는 데 사용할 수 있어요. 하지만, 핵심! 높은 상관계수가 나왔다고 해서 무조건 한 요소가 다른 요소의 원인이라고 보고 대책을 세우면 안 돼요. 항상 '혼란변수(Confounding Variable)'의 존재 가능성을 염두에 두고, 인과 방향을 신중하게 고려해야 해요. 암기 팁 상관계수 범위는 "-1부터 1까지, 절대 넘지 않아!"라고 외우세요. 산점도 모양을 상상하면 쉽답니다. 점들이 우상향 직선을 이루면 r > 0, 우하향 직선이면 r < 0, 구름처럼 흩어지면 r ≈ 0 이에요. 국시 빈출 포인트 상관계수의 범위(-1 ≤ r ≤ 1)와 해석(강도와 방향)은 단골 출제 항목이에요. 특히 r 값이 주어졌을 때 관계를 설명하거나, 반대로 관계 설명을 보고 적절한 r 값을 고르는 문제가 많아요. 상관계수가 1을 초과하는 값을 고르는 함정도 자주 나오니 주의하세요! 기출 변형 주의! 이 개념은 다양한 형태로 출제될 수 있어요. 1. 계산형: 공분산과 표준편차가 주어져서 r을 직접 계산하도록 할 수 있어요 (r = 공분산 / (X표준편차 * Y표준편차)). 2. 사례형: "병원의 간호사 1인당 환자 수와 환자 낙상 사고율 데이터를 분석한 결과 r=0.65가 나왔다. 이 결과를 어떻게 해석하는가?"와 같이 실무 상황을 제시할 수 있어요. 3. 논리형: "높은 상관계수가 관찰되었다. 따라서 인과관계가 존재한다고 결론지을 수 있다."라는 진술의 옳고 그름을 판단하는 문제도 가능해요.

보건행정 실무 가이드 실무 시나리오 (Clinical Scenario): "병원 기획팀에서 최근 3년간의 월별 데이터를 분석하고 있어요. '응급실 내원 환자 수'와 '응급실에서의 평균 대기 시간' 데이터를 산점도로 그렸더니, 점들이 오른쪽 위로 뻗는 직선 모양으로 강하게 모여 있었어요. 팀장님은 이 분석 결과를 바탕으로 응급실 인력 증원 계획을 수립하려고 해요." 행정 중재 전략 (Admin Intervention): 1. 상황 파악: 두 변수 간 강한 양의 상관관계(r 값이 높을 것)가 관찰되었어요. 환자 수가 많을수록 대기 시간도 길어지는 패턴이에요. 2. 법적/규정 검토: 이 분석 자체는 순수 통계이지만, 인력 배치 결정은 의료법상의 적정 인력 기준, 응급의료에 관한 법률의 규정, 그리고 병원 내 인사 예산 규정과 연계되어 검토되어야 해요. 3. 대응 및 처리: 핵심! 상관관계 분석 결과는 의사결정의 참고 자료일 뿐이에요. 추가 분석이 필요해요. 예를 들어, '계절적 요인'(겨울에 환자 수와 대기 시간이 함께 증가하는가?), '시간대별 패턴', 그리고 가장 중요한 '인과성 검토'(대기 시간 증가의 유일한 원인이 환자 수 증가인가? 시스템 효율성 문제는 없는가?)를 진행해야 해요. 회귀 분석을 통해 환자 수 1명 증가 시 대기 시간이 평균 몇 분 증가하는지 예측 모델을 만들면 더 구체적인 계획 수립에 도움이 돼요. 4. 사후 기록/보고: 분석 방법, 사용 데이터, 발견된 상관관계, 추가 검토 사항, 그리고 궁극적인 인력 계획안의 근거를 체계적으로 보고서로 작성하여 관리부서에 제출해야 해요. 법적 안전 및 주의사항 (Precautions): 통계 데이터를 근거로 한 정책 제안 시, 데이터의 대표성과 정확성을 반드시 확인해야 해요. 왜곡된 데이터나 표본으로 결론을 내리면 잘못된 자원 배분으로 이어져 병원 경영에 부정적 영향을 미칠 수 있어요. 또한, 분석 과정과 결과는 투명하게 공개되어 검증 가능해야 해요. 업무 프로토콜 데이터 기반 의사결정 지원 프로토콜 1. 문제 정의: 분석하려는 현상 명확히 설정 (예: 응급실 대기 시간 장애 요인 분석). 2. 데이터 수집 및 정제: 관련 변수 데이터 추출, 결측치/이상치 처리. 3. 탐색적 분석: 기술통계, 산점도, 상관계수 계산으로 기본 관계 파악. 4. 심층 분석: 필요시 회귀 분석, 시계열 분석 등 고급 기법 적용. 5. 결론 도출 및 보고: 분석 결과 해석, 한계점 명시, 실무적 제안 사항 도출. 6. 모니터링: 제안 사항 실행 후, 지표 변화를 추적하여 효과 평가. 선배의 한마디 "보건행정가에게 통계는 무기가 돼요. 숫자 뒤에 숨은 이야기를 읽어내는 능력이 중요해요. 상관계수 하나만 봐도 '관계가 있구나'에서 멈추지 말고, '왜 이런 관계가 생겼을까?', '이 결과를 어떻게 활용할 수 있을까?'까지 생각하는 습관을 들이세요. 데이터에 기반한 합리적인 의사결정이 바로 우리가 병원에 기여하는 가장 큰 가치 중 하나랍니다!"