보건행정 핵심 해설
이 문제는
피어슨 상관계수(Pearson correlation coefficient)의 해석 방법을 묻고 있어요. 보건행정 및 의료정보 분석에서 두 변수 간의 관계를 통계적으로 파악하는 것은 정책 효과 평가, 질 관리 지표 분석, 환자 특성과 결과 간 연관성 파악 등에 매우 중요해요.
핵심 개념 분석 (Key Concept)
피어슨 상관계수(r)는 두 연속형 변수 간의
선형적 관계의 강도와 방향을 나타내는 지표예요. 그 값은 -1에서 +1 사이를 가지며, 절대값(|r|)이 클수록 강한 상관관계를 의미해요. 일반적인 해석 기준은 다음과 같아요.
| 절대값 범위 | 상관관계 강도 | 해석 |
|---|
| 0.7 ≤ |r| ≤ 1.0 | 강한 상관관계 | 두 변수 간에 뚜렷한 선형적 관계가 있음 |
| 0.3 ≤ |r| < 0.7 | 중간 정도의 상관관계 | 어느 정도의 선형적 관계가 있음 |
| 0.0 ≤ |r| < 0.3 | 약한 상관관계 | 선형적 관계가 거의 없거나 매우 약함 |
또한, r의 부호는 관계의 방향을 나타내요.
양수(+)는 한 변수가 증가할 때 다른 변수도 증가하는
정적 상관관계(Positive correlation)를,
음수(-)는 한 변수가 증가할 때 다른 변수가 감소하는
부적 상관관계(Negative correlation)를 의미해요.
정답 근거 (Answer Rationale)
문제에서 r = +0.85라고 주어졌어요. 이 값은
절대값이 0.7 이상이므로 '강한' 상관관계에 해당하고,
부호가 양수(+)이므로 '정적' 상관관계를 의미해요. 따라서 "
두 변수 간에 강한 정적 상관관계가 있다."는 해석이 가장 올바릅니다.
오답 분석 (Distractor Analysis)
혼동 주의! 상관관계와 인과관계는 완전히 다른 개념이에요.
① "두 변수 간에 상관관계가 거의 없다.": r=0.85는 절대값이 매우 커서 상관관계가 강함을 나타내므로 틀린 해석이에요.
② "두 변수 간에 강한 부적 상관관계가 있다.": 부호가 양수이므로 '정적'이 맞고, '부적'은 틀린 해석이에요.
③ "두 변수 간에 인과관계가 확립되었다.":
핵심! 이는 가장 흔한 오개념이에요. 상관관계는 단순히 두 변수가 함께 움직이는 패턴을 보여줄 뿐, 한 변수가 다른 변수의 원인(인과)이라는 것을 증명하지는 않아요. 인과관계를 주장하려면 통제된 실험 설계 등 추가적인 증거가 필요해요.
④ "두 변수 간에 약한 정적 상관관계가 있다.": r=0.85는 '강한' 상관관계에 해당하므로 '약한'이라는 표현이 틀려요.
연관 개념 정리 (Related Concepts)
-
상관분석(Correlation analysis): 두 변수 간의 관계를 파악하는 분석 방법.
-
회귀분석(Regression analysis): 한 변수가 다른 변수에 미치는 영향을 예측하는 분석 방법. 상관분석보다 한 단계 더 나아간 분석이에요.
-
산점도(Scatter plot): 두 변수 간의 관계를 시각적으로 확인할 수 있는 그래프. r값이 높을수록 점들이 직선에 가깝게 분포해요.
개념 정리
| 용어 | 의미 | 값의 범위 |
|---|
| 피어슨 상관계수(r) | 두 연속형 변수 간 선형 관계의 강도와 방향을 나타내는 지수 | -1 ≤ r ≤ +1 |
| 정적 상관관계 | r > 0. 한 변수가 증가하면 다른 변수도 증가하는 관계 (예: 운동 시간과 칼로리 소모량) | 0 < r ≤ 1 |
| 부적 상관관계 | r < 0. 한 변수가 증가하면 다른 변수는 감소하는 관계 (예: 나이와 근육량) | -1 ≤ r < 0 |
| 상관관계 해석 기준 | 강함: |r| ≥ 0.7, 중간: 0.3 ≤ |r| < 0.7, 약함: |r| < 0.3 | 절대값 기준 |
한눈에 비교!
| 구분 | 상관관계(Correlation) | 인과관계(Causation) |
|---|
| 정의 | 두 변수가 함께 변화하는 패턴이나 연관성 | 한 변수(A)의 변화가 다른 변수(B)의 변화를 직접적으로 초래함 |
| 증명 방법 | 통계적 상관계수(r) 계산 | 통제된 실험, 시간적 선후관계, 타당한 메커니즘 등 복합적 증거 필요 |
| 예시 | 아이스크림 판매량과 익사 사고 수는 상관관계가 있음 (둘 다 여름에 증가) | 흡연(A)은 폐암 발병률(B)을 증가시킴 (인과관계가 입증됨) |
| 보건행정 적용 | 의료 이용량과 비용 간 관계 파악, 환자 만족도와 재방문률 연관성 분석 | 새로운 치료법 도입이 환자 예후를 개선시킴을 입증, 예방접종 정책이 질병 발생률 감소에 미치는 영향 평가 |
실무 포인트
병원 경영이나 공중보건 연구에서 데이터를 분석할 때, 상관계수는 유용한 첫 단계 도구예요. 예를 들어, '병상 가동률과 병원 수익 간의 상관관계', '간호사 1인당 환자 수와 낙상 사고율 간의 상관관계' 등을 분석할 수 있어요. 하지만,
상관관계를 인과관계로 오해하여 잘못된 정책을 수립하는 것은 큰 위험이므로 항상 주의해야 해요.
암기 팁
-
부호 기억법: "+"는 같이 올라가는 이미지 (함께 증가), "-"는 반대로 움직이는 이미지 (하나 증가, 하나 감소).
-
강도 기준 기억법: "0.3, 0.7"을 기준으로 삼아요. 0.3 미만은 약함, 0.3 이상 0.7 미만은 중간, 0.7 이상은 강함. "삼칠이(3,7) 기준이다"라고 외우세요.
국시 빈출 포인트
보건의료정보관리사 시험에서는 통계학 파트에서
피어슨 상관계수의 해석(강도/방향)과
상관관계와 인과관계의 구분이 매우 자주 출제돼요. 특정 r값이 주어지고 해석을 고르는 문제, 또는 상관관계에 대한 설명 중 옳은 것을 고르는 문제 형태로 나와요.
기출 변형 주의!
1.
사례형: "어느 병원에서 조사한 결과, 환자 교육 시간과 치료 순응도 간의 상관계수가 +0.68로 나타났다. 이에 대한 해석으로 옳은 것은?" (중간 정도의 정적 상관관계)
2.
역으로 물어보기: "두 변수 간에 강한 부적 상관관계가 있다고 할 때, 피어슨 상관계수(r) 값으로 가능한 것은?" (-0.82 등 -0.7 이하의 음수 선택)
3.
오개념 확인형: "상관계수가 높게 나왔으므로, 한 변수가 다른 변수의 원인이라고 확신할 수 있다." (틀린 설명 선택)