보건행정 핵심 해설
이 문제는 보건통계학의 핵심 분석 도구인
상관계수(Correlation Coefficient)의 기본 성질을 정확히 이해하고 있는지 묻는 문제예요. 특히, 상관계수의 한계와 오해하기 쉬운 개념을 구별하는 능력이 중요해요.
핵심 개념 분석 (Key Concept)
상관계수(주로 피어슨 상관계수 r)는 두 연속형 변수 간의
선형적 관계의 강도와 방향을 수치화한 지표예요. 보건행정이나 의학 연구에서 위험요인과 질병 발생률, 의료비와 서비스 이용량 등 변수 간 관계를 파악할 때 필수적으로 사용돼요.
정답 근거 (Answer Rationale)
정답은
⑤번이에요.
핵심! 상관계수가 0(r=0)이라는 것은 두 변수 간에
선형적 상관관계가 없다는 것을 의미할 뿐, 두 변수가 통계적으로
독립(Independent)하다는 것을 보장하지 않아요. 두 변수는 비선형적인 관계(예: U자형, 역U자형)를 가질 수 있으며, 이 경우 선형 상관계수는 0에 가깝게 나오지만 변수들은 확실히 관련이 있어요. "독립"은 훨씬 강한 조건으로, 한 변수의 값이 다른 변수의 값에 대한 어떠한 정보도 제공하지 않음을 의미해요.
오답 분석 (Distractor Analysis)
①
옳은 설명: 상관계수는 두 변수를 표준화(Standardization)한 공분산의 형태이므로, 원래 데이터의 측정 단위(예: kg vs g, 원 vs 천원)에 영향을 받지 않는
무차원 척도(Dimensionless Scale)입니다.
②
옳은 설명: 상관계수 r의 이론적 범위는 -1 ≤ r ≤ +1입니다. -1은 완벽한 음의 선형 상관, +1은 완벽한 양의 선형 상관을 나타냅니다.
③
옳은 설명: 상관계수의 부호는 관계의 방향을 나타냅니다. 양수(+)는 한 변수가 증가할 때 다른 변수도 증가하는 정비례 관계, 음수(-)는 한 변수가 증가할 때 다른 변수가 감소하는 반비례 관계를 의미해요.
④
옳은 설명: 피어슨 상관계수는 오직
선형(직선) 관계의 강도를 측정합니다. 비선형 관계의 강도를 측정하려면 다른 방법(예: 스피어만 순위 상관계수, 결정계수 R²)을 사용해야 해요.
연관 개념 정리 (Related Concepts)
-
공분산(Covariance): 상관계수의 기초가 되는 개념으로, 두 변수의 변동이 함께 움직이는 정도를 나타내지만, 단위의 영향을 받습니다.
-
결정계수(Coefficient of Determination, R²): 회귀 분석에서 사용되며, 종속변수의 변동 중 독립변수로 설명 가능한 비율을 나타냅니다. 상관계수 r의 제곱입니다.
-
비모수 상관계수(Nonparametric Correlation): 스피어만(Spearman)의 순위 상관계수, 켄달(Kendall)의 타우 등으로, 데이터의 순위를 기반으로 하며 선형성 가정이 필요 없어요.
개념 정리
| 용어 | 정의 | 특징/범위 |
|---|
| 상관계수(r) | 두 변수 간 선형 관계의 강도와 방향을 나타내는 지표 | -1 ≤ r ≤ +1, 단위 무관 |
| 양의 상관 | r > 0, 한 변수 증가 시 다른 변수도 증가 | 예: 운동 시간과 기초대사량 |
| 음의 상관 | r < 0, 한 변수 증가 시 다른 변수 감소 | 예: 흡연량과 폐활량 |
| 무상관 | r ≈ 0, 선형 관계 없음 (독립을 의미하지는 않음) | 비선형 관계 가능성 있음 |
한눈에 비교!
| 구분 | 상관관계(Correlation) | 인과관계(Causation) |
|---|
| 의미 | 두 변수가 함께 변하는 경향 | 한 변수의 변화가 다른 변수 변화의 원인 |
| 방향성 | 방향 없음 (대칭적) | 방향 있음 (원인 → 결과) |
| 필요 조건 | 통계적 연관성 | 연관성, 시간적 선후관계, 교란요인 배제 등 |
| 예시 | 아이스크림 판매량과 익사 사고 수 (둘 다 여름에 증가) | 흡연 → 폐암 발생 |
| 혼동 주의! "상관관계는 인과관계를 함의하지 않는다(Correlation does not imply causation)"는 통계학의 금언을 꼭 기억하세요! |
실무 포인트
보건행정이나 의료 연구에서 데이터를 분석할 때:
1.
시각화 먼저: 상관계수를 계산하기 전에 반드시
산점도(Scatter Plot)를 그려서 데이터의 패턴(선형/비선형, 이상치 유무)을 확인하세요.
2.
해석 주의: r=0.8이면 강한 상관이지만, 이게 곧 "80% 관련있다"는 의미가 아닙니다. 설명력은 r²=0.64, 즉 64%입니다.
3.
보고서 작성: "두 변수 간 유의한 정적 상관관계가 있었다(r=.75, p