두 연속형 변수의 선형 관련성 방향과 정도를 나타내는 것은?

상관계수는 두 연속형 변수의 선형 관계 방향과 강도를 -1에서 1 사이로 나타낸다.

두 연속형 변수 사이의 선형 관련성 방향과 정도를 하나의 수치로 요약하는 지표는 상관계수(correlation coefficient)입니다. 상관계수는 한 변수의 크기가 변할 때 다른 변수의 크기가 같은 방향으로 변하는지(양의 상관), 반대 방향으로 변하는지(음의 상관)를 나타내며, 그 절댓값이 클수록 선형 관련성의 정도가 강하다고 해석합니다^[1].

가장 대표적인 상관계수는 피어슨 상관계수(Pearson correlation coefficient)입니다. 피어슨 상관계수는 두 변수가 모두 연속형이고, 두 변수의 결합 분포가 이변량 정규분포를 따르는 경우에 선형 관계를 측정하는 데 적합합니다^[1][2]. 상관계수는 -1에서 +1 사이의 값을 가지며, +1에 가까울수록 강한 양의 선형 관계, -1에 가까울수록 강한 음의 선형 관계, 0에 가까울수록 선형 관계가 거의 없음을 의미합니다^[1].

혼동 주의! 상관계수는 연속형 변수 간의 선형 관련성을 보는 지표이므로, 범주형 변수 간의 관련성이나 위험 요인과 질병 발생 간의 연관성 크기를 나타내는 상대위험도(relative risk)와는 쓰임이 다릅니다. 상대위험도는 노출군과 비노출군에서 질병이 발생할 확률의 비로, 코호트 연구에서 위험 요인과 질병 발생의 관련성을 평가할 때 사용합니다.

핵심! 피어슨 상관계수는 두 연속형 변수 간 선형 관계의 방향과 강도를 -1에서 +1 사이의 값으로 정량화하는 지표입니다. 다만 피어슨 상관계수는 선형 관계에 민감하므로, 두 변수 사이에 비선형 관계가 존재하거나 자료가 심하게 치우쳐 있을 때는 스피어만 상관계수(Spearman rho) 같은 비모수적 방법을 고려해야 합니다^[2][4].

구분	피어슨 상관계수	스피어만 상관계수
자료 형태	연속형, 이변량 정규분포	순위형 또는 비정규 연속형
관계 유형	선형 관계 측정	단조 관계 측정
이상치 영향	상대적으로 큼	상대적으로 작음

상관계수는 인과관계가 아니라 관련성의 정도만을 나타낸다는 점도 임상 연구 결과를 해석할 때 반드시 기억해야 합니다. 예를 들어 치주낭 깊이와 부착 소실이 강한 양의 상관을 보이더라도, 한 변수가 다른 변수를 직접 유발한다고 단정할 수는 없습니다. 두 변수 사이의 선형 관계를 예측 모형으로 확장하려면 단순 선형 회귀분석을 사용하며, 이때 상관계수는 예측 변수와 결과 변수 간 선형 관계의 기초 정보를 제공합니다^[2].