보건행정 핵심 해설
이 문제는
보건통계학에서 상관관계 분석 방법을 묻고 있어요. 특히,
피어슨 상관계수(Pearson's correlation coefficient)와
스피어만 상관계수(Spearman's rank correlation coefficient)의 핵심적인 차이점과 적용 조건을 이해해야 정확히 풀 수 있습니다.
핵심 개념 분석 (Key Concept)
상관계수는 두 변수 간 선형 관계의 강도와 방향을 나타내는 지표입니다. 가장 널리 알려진
피어슨 상관계수는 두 변수가 모두
연속형(등간척도 이상)이고,
정규분포를 따르며, 관계가
선형적일 때 사용하는
모수적(Parametric) 방법이에요. 반면,
스피어만 상관계수는 데이터의
원래 값이 아닌 순위(rank)를 기반으로 계산합니다. 이는 데이터가 서열척도이거나, 연속형이지만 정규분포를 따르지 않거나, 이상치(outlier)가 있을 때도 강건하게(Robust) 적용할 수 있는
비모수적(Non-parametric) 방법의 대표적인 예입니다.
정답 근거 (Answer Rationale)
핵심! 스피어만 상관계수의 정의와 적용 조건에 따르면, 이는
서열척도(Ordinal scale) 데이터에 직접 적용 가능하며, 연속형 데이터라도 정규성 가정을 만족하지 않는
비모수적 상황에서 피어슨 상관계수의 대안으로 널리 사용됩니다. 따라서 "서열척도 데이터나 비모수적 상황"을 설명한
①번이 정확한 정답입니다.
오답 분석 (Distractor Analysis)
혼동 주의! 각 오답이 틀린 이유를 정리해볼게요.
②번 '명목척도의 두 범주 데이터': 명목척도(Nominal scale)는 범주 간 순서나 크기 비교가 불가능해요. 상관관계 분석은 순서나 크기를 비교할 수 있는 척도(서열, 등간, 비율)에서 의미가 있습니다. 명목척도 데이터의 연관성 분석에는 카이제곱 검정(Chi-square test) 등을 사용합니다.
③번 '정규분포를 따르는 연속형 데이터': 이 조건은
피어슨 상관계수의 전형적인 적용 조건입니다. 스피어만도 사용할 수는 있지만, 가장 적합한(Optimal) 방법은 피어슨이에요.
④번 '정규분포를 따르는 이분형 데이터': 이분형(Dichotomous) 데이터(예: 성별 남/여)와 연속형 데이터의 관계를 분석할 때는 점이연상관(Point-biserial correlation) 등을 사용합니다. 스피어만의 주요 용도가 아닙니다.
⑤번 '시간에 따라 측정된 시계열 데이터만': 시계열 데이터의 자기상관(Autocorrelation) 분석에는 다른 기법(예: 자기상관함수, ACF)을 사용합니다. 스피어만 상관계수는 특정 시계열 분석에 국한되지 않아요.
연관 개념 정리 (Related Concepts)
-
상관계수의 범위: 피어슨과 스피어만 모두 -1에서 +1 사이의 값을 가집니다. +1은 완전한 정적 상관, -1은 완전한 부적 상관, 0은 선형 관계 없음을 의미합니다.
-
켄달의 타우(Kendall's tau): 스피어만과 마찬가지로 순위를 기반으로 한 비모수적 상관계수입니다. 데이터에 동순위(Tie)가 많을 때 스피어만보다 더 적합할 수 있습니다.
-
보건 분야 적용 예: 환자 만족도(서열척도)와 병원 재이용 의도 간 관계, 비정규 분포를 보이는 특정 혈중 지표 두 가지 간의 연관성 분석 등에 스피어만 상관계수가 활용될 수 있습니다.
개념 정리
| 구분 | 피어슨 상관계수 | 스피어만 상관계수 |
|---|
| 데이터 요구 조건 | 연속형, 정규분포, 선형 관계 | 서열척도 또는 비모수적 상황(정규성 불필요) |
| 계산 기반 | 원래 데이터 값 | 데이터의 순위(Rank) |
| 분석 방법 유형 | 모수적(Parametric) | 비모수적(Non-parametric) |
| 이상치 영향 | 매우 민감함 | 상대적으로 강건함(Robust) |
| 보건행정 적용 | 신장과 체중 간 관계, 혈압과 혈당 간 관계 분석 | 의료서비스 만족도 순위와 추천도 순위 간 관계 분석 |
한눈에 비교!
| 통계적 검정 방법 | 적용 척도/조건 | 비고 |
|---|
| 피어슨 상관계수 | 등간/비율척도, 정규성, 선형성 | 가장 일반적인 선형 상관 분석 |
| 스피어만 상관계수 | 서열척도 또는 비모수적 상황 | 순위 기반, 비모수적 대안 |
| 카이제곱 검정 | 명목척도 (범주형 데이터) | 독립성/동질성 검정 |
| 점이연상관 | 한 변수는 이분형, 다른 변수는 연속형 | 예: 성별(남/여)과 총진료비 관계 |
실무 포인트
병원 경영 데이터 분석이나 연구 논문 검토 시 데이터의 특성을 먼저 확인하세요! 만족도 조사(1-5점 리커트 척도) 데이터처럼 서열적 성격이 강한 데이터에 피어슨 상관계수를 무분별하게 적용하는 것은 방법론적 오류일 수 있어요.
핵심! 정규성 검정(Shapiro-Wilk test 등)을 먼저 수행한 후, 가정을 충족하지 않으면 스피어만 같은 비모수적 방법을 선택하는 것이 올바른 통계 실무입니다.
암기 팁
"
스피어만은 서열/비모수, 피어슨은 연속/모수"라고 외우세요. 스피어만(Spearman)의 'S'를 '서열(Sequential)'이나 '순위(Sequence)'의 'S'로 연상하는 것도 도움이 됩니다.
국시 빈출 포인트
보건의료정보관리사 시험에서 통계 파트는 두 상관계수의
차이점과 적용 조건을 구분하여 묻는 문제가 매우 자주 출제됩니다. "다음 중 스피어만 상관계수에 대한 설명으로 옳은 것은?" 또는 주어진 데이터 형태를 보고 "어떤 상관계수를 사용해야 하는가?" 유형으로 나와요.
기출 변형 주의!
이 개념은 다음과 같이 변형 출제될 수 있어요.
사례형: "의료기관 종사자들의 직무 만족도(매우 불만족~매우 만족)와 이직 의도 간 관계를 분석하려고 한다. 가장 적합한 상관 분석 방법은?" → 정답: 스피어만 상관계수 (서열척도 데이터).
참/거짓형: "스피어만 상관계수는 데이터가 정규분포를 이룰 때 그 효율이 최대가 된다." → 거짓 (그건 피어슨의 조건).