상관계수 결과 이해하기
아래 표는 |r|의 강도를 해석할 때 흔히 사용되는 서술적 척도입니다. 이 구간은 관례일 뿐 통계적 검정이 아니며, 분야에 따라 다른 기준을 사용하기도 합니다.
| |r| 범위 | 선형 연관성의 강도 |
|---|---|
| 0.00 – 0.19 | 매우 약함 |
| 0.20 – 0.39 | 약함 |
| 0.40 – 0.59 | 보통 |
| 0.60 – 0.79 | 강함 |
| 0.80 – 1.00 | 매우 강함 |
- 피어슨 상관계수는 선형 연관성만을 측정합니다. 두 변수가 강하고 뚜렷한 비선형 관계(예: U자형 곡선)를 가지더라도 r은 0에 가까울 수 있는데, r은 곡률을 감지하지 못하기 때문입니다.
- 상관관계는 인과관계를 의미하지 않습니다. 높은 상관은 한 변수가 다른 변수의 원인이거나, 제3의 교란변수가 둘 모두에 영향을 주거나, 역인과관계이거나, 데이터상의 우연으로 인해 생길 수 있습니다.
- r은 편차의 제곱을 이용해 계산되므로 이상치에 민감합니다. 극단적인 데이터 점 하나가 상관계수를 크게 부풀리거나 낮출 수 있습니다.
- 피어슨 상관계수는 근본적인 관계가 대체로 선형이고 데이터가 등간척도 또는 비율척도로 측정되었다고 가정합니다. 단조롭지만 비선형인 관계에는 스피어만 상관과 같은 순위 기반 측도가 더 적절한 경우가 많습니다.
피어슨 상관계수란 무엇입니까?
피어슨 상관계수(r)는 짝지어진 두 수치 변수 사이의 선형 관계의 강도와 방향을 측정합니다. 값의 범위는 −1에서 +1까지이며, +1에 가까운 값은 강한 양의 선형 관계(x가 증가하면 y도 증가하는 경향)를, −1에 가까운 값은 강한 음의 선형 관계(x가 증가하면 y는 감소하는 경향)를, 0에 가까운 값은 선형 관계가 거의 또는 전혀 없음을 나타냅니다.
이 계산기는 결정계수 R²도 함께 보고합니다. R²는 r²과 같으며, y의 분산 가운데 x와의 선형 관계로 통계적으로 설명되는 비율을 나타냅니다. 또한 최소제곱 회귀직선, 즉 직선과 데이터 점 사이의 수직 거리 제곱합을 최소화하는 직선을 적합시킵니다.
두 변수 사이의 강한 상관관계가 한 변수가 다른 변수의 원인임을 입증하지는 않습니다. 상관관계는 순수하게 통계적인 연관성이며, 인과관계를 확립하려면 통제된 실험이나 교란변수와 역인과관계를 배제한 잘 설계된 연구 같은 추가 증거가 필요합니다.
이 상관계수 계산기 사용법
- x 값을 세미콜론으로 구분한 목록으로 입력합니다. 예: 1; 2; 3; 4.
- 이에 대응하는 y 값을 같은 순서와 같은 개수로 세미콜론으로 구분해 입력합니다. 예: 2; 4; 6; 8.
- 최소 3개의 짝지어진 데이터 점을 입력하십시오. 그보다 적으면 상관계수는 의미가 없습니다.
- 상관계수(r), R², 회귀직선의 기울기와 절편, 그리고 회귀직선 방정식 자체를 확인합니다.
피어슨 상관과 선형회귀의 계산 공식
피어슨 상관계수 r은 각 변수의 평균으로부터의 편차를 곱한 값의 합을, 각 변수의 편차 제곱합을 곱한 값의 제곱근으로 나눈 것입니다: r = Σ(xᵢ − x̄)(yᵢ − ȳ) / √[Σ(xᵢ − x̄)² × Σ(yᵢ − ȳ)²].
최소제곱 회귀직선 ŷ = 기울기 × x + 절편은 기울기 = Σ(xᵢ − x̄)(yᵢ − ȳ) / Σ(xᵢ − x̄)², 절편 = ȳ − 기울기 × x̄를 사용하며, 직선과 각 데이터 점 사이의 수직 거리 제곱합이 최소가 되도록 선택됩니다.
계산 예시: x = 1, 2, 3, 4이고 y = 2, 4, 6, 8인 경우, 원점을 지나는 기울기 2의 완전한 직선입니다. 이때 r = 1(완전한 양의 선형 상관), R² = 1, 기울기 = 2, 절편 = 0, 회귀직선 ŷ = 2x가 됩니다.
흔한 실수
- 상관관계를 인과관계로 해석하는 것 — 두 변수 사이의 강한 상관이 한 변수가 다른 변수의 원인임을 입증하지는 않습니다. 제3의 교란변수, 역인과관계, 우연도 동일한 통계적 양상을 만들어낼 수 있습니다.
- 피어슨 상관계수가 두 변수 사이의 모든 관계를 포착한다고 가정하는 것 — 실제로는 선형 연관성만 측정하므로, 강한 곡선(비선형) 관계도 r이 0에 가깝게 나올 수 있습니다.
- 이상치의 영향을 무시하는 것 — 계산이 편차의 제곱에 기반하기 때문에 이상치는 r을 크게 부풀리거나 낮출 수 있습니다.
- r과 회귀 기울기를 혼동하는 것 — r은 −1에서 +1 사이의 단위 없는 선형 연관성 강도와 방향의 측도인 반면, 기울기는 x 한 단위당 y의 단위를 가지며 데이터의 척도에 따라 달라집니다.
- 관측된 x 값의 범위를 벗어나 회귀직선을 외삽하는 것 — 그 구간에서는 데이터로 추정한 선형 관계가 더 이상 성립하지 않을 수 있습니다.
자주 묻는 질문
상관계수가 1이라는 것은 무엇을 뜻합니까?
피어슨 상관계수 r = 1은 두 변수가 완전한 양의 선형 관계를 가진다는 뜻입니다. 모든 데이터 점이 양의 기울기를 가진 직선 위에 정확히 놓이며, x가 증가하면 y도 비례하여 증가합니다.
상관관계는 인과관계를 뜻합니까?
아닙니다. 상관관계는 두 변수 사이의 통계적 연관성을 측정할 뿐, 원인과 결과의 관계를 나타내지 않습니다. 높은 상관은 한 변수가 다른 변수의 원인이거나, 제3의 교란요인이 둘 모두에 영향을 주거나, 역인과관계이거나, 단순한 우연에서 비롯될 수 있습니다. 인과관계를 확립하려면 상관관계를 넘어서는 추가 증거가 필요합니다.
R²(결정계수)란 무엇입니까?
R²는 피어슨 상관계수의 제곱(r²)과 같으며, y 변수의 분산 가운데 x와의 선형 관계로 통계적으로 설명되는 비율을 나타냅니다. R²가 0.81(r = 0.9에서 나옴)이라면 y 분산의 81%가 x와의 선형 관계와 연관되어 있다는 뜻입니다.
두 변수가 강하게 관련되어 있는데도 상관계수가 낮을 수 있습니까?
그렇습니다. 피어슨 상관계수는 선형 관계만 측정합니다. 두 변수가 U자형이나 지수 곡선처럼 곡선(비선형) 형태로 강하고 예측 가능하게 관련되어 있어도, r은 0에 가깝게 나올 수 있습니다. r은 그러한 종류의 관계를 포착하지 못하기 때문입니다.
회귀직선은 어떻게 계산됩니까?
최소제곱 회귀직선은 직선과 각 데이터 점 사이의 수직 거리 제곱합을 최소화합니다. 기울기는 Σ(xᵢ − x̄)(yᵢ − ȳ) / Σ(xᵢ − x̄)²와 같고, 절편은 y의 평균에서 기울기와 x의 평균을 곱한 값을 뺀 것과 같습니다.
의미 있는 상관계수를 얻으려면 데이터 점이 몇 개나 필요합니까?
이 계산기는 결과를 계산하기 위해 최소 3개의 짝지어진 데이터 점을 요구합니다. 다만 표본이 매우 작을 때의 상관계수는 개별 데이터 점에 매우 민감하여 오해를 부를 수 있으므로, 표본이 클수록 실제 관계에 대한 더 안정적이고 신뢰할 수 있는 추정값을 얻을 수 있습니다.
참고 자료
- Pearson K. Note on regression and inheritance in the case of two parents. Proceedings of the Royal Society of London 1895; 58: 240-242.
- National Institute of Standards and Technology (NIST). NIST/SEMATECH e-Handbook of Statistical Methods — correlation and linear regression. nist.gov.
- Moore DS, McCabe GP, Craig BA. Introduction to the Practice of Statistics. W. H. Freeman (correlation, least-squares regression).
- Evans JD. Straightforward Statistics for the Behavioral Sciences. Brooks/Cole, 1996 (descriptive strength bands for |r|).
- Chatterjee S, Hadi AS. Regression Analysis by Example. Wiley (least-squares regression and its assumptions).