용어 목록 > 상관관계 (Correlation)

상관관계 (Correlation)

쉽게 풀면

키가 클수록 몸무게도 많이 나가는 경향이 있죠. 이렇게 두 값이 "같이 움직이는" 관계를 상관관계라고 합니다. 이 정도를 -1에서 1 사이의 숫자(상관계수 r)로 표현하는데, 1에 가까우면 강한 양의 상관(함께 증가), -1에 가까우면 강한 음의 상관(하나가 늘면 다른 하나는 감소), 0에 가까우면 직선적인(선형) 관계가 거의 없다는 뜻입니다(곡선 관계는 있을 수 있습니다).

왜 중요한가

상관관계는 두 변수 사이에 어떤 관계가 있는지를 확인하는 가장 기본적인 출발점이기 때문에 거의 모든 실증연구 분야에서 예비 분석이나 변수 선정 단계에 등장합니다. 또한 회귀분석, 요인분석, 구조방정식모형 같은 더 복잡한 통계 기법들도 근본적으로는 변수 간 상관구조를 바탕으로 작동하기 때문에, 상관관계의 크기와 방향을 정확히 해석하는 능력은 논문의 후속 분석을 이해하는 데도 필수적입니다.

계산과 범위

가장 흔한 피어슨 상관계수 r은 두 변수의 공분산을 각각의 표준편차로 나눈 값입니다.

r = Σ(xi − x̄)(yi − ȳ) / √[Σ(xi − x̄)² · Σ(yi − ȳ)²]

• 범위 −1 ≤ r ≤ 1. 부호는 방향, 절댓값은 직선에 얼마나 가까운지입니다. r = 0은 선형 관계가 없다는 뜻이지 관계가 없다는 뜻이 아닙니다(U자 관계에서도 r ≈ 0이 나올 수 있습니다).
• r²은 한 변수의 변동 중 다른 변수와의 직선 관계로 설명되는 비율입니다(단순회귀의 결정계수).
• 단위에 영향받지 않으며, x나 y에 양수를 곱하거나 상수를 더해도 그대로입니다.
• 이상치에 민감합니다. 한 점이 r을 크게 바꿀 수 있습니다.
• 순위에 기반한 스피어만 ρ, 켄달의 τ는 단조 관계와 이상치에 더 강합니다.
• 가정이 필요한 것은 유의성 검정과 신뢰구간입니다: 이변량 정규에 가까울 때(또는 표본이 클 때) 검정이 잘 맞습니다.

검정은 t = r√[(n − 2)/(1 − r²)], 자유도 n − 2입니다. 신뢰구간은 Fisher의 z 변환 z = arctanh(r)(표준오차 1/√(n − 3))로 구한 뒤 tanh로 되돌립니다.

해석 기준

Cohen(1988)은 행동과학에서 r = .10, .30, .50을 각각 작은, 중간, 큰 효과의 관례적 기준으로 제시했습니다. 그는 이것이 분야를 모를 때의 임시 기준임을 강조했고, 물리·공학에서는 .9도 낮을 수 있습니다. 같은 r도 분야의 기준과 연구 목적에 따라 다르게 읽습니다.

• 표본이 크면 작은 상관도 유의해집니다. 예를 들어 r = .10은 n = 385명 이상이면 양측 p < .05가 됩니다. 유의성이 곧 크기는 아닙니다.
• Anscombe(1973)는 서로 다른 모양의 네 자료가 평균, 분산, r(= .816)이 모두 같을 수 있음을 보였습니다. r 하나만 믿지 말고 산점도를 먼저 봅니다.
• 상관 ≠ 인과: 제3의 변수, 역방향 인과, 우연일 수 있습니다. 집단 단위 상관(생태학적 상관)을 개인에 적용하는 것도 조심합니다.

(가상의 예, 직접 계산) 12명의 공부 시간(x)과 점수(y)에서 r = 0.953, t(10) = 9.94, p < .001, 95% CI [0.84, 0.99], r² = 0.908입니다. 스피어만 ρ는 0.947로 거의 같습니다. 여기에 한 명(x = 12, y = 40)을 추가하면 r이 0.342(p = 0.252)로 급락합니다. 한 점이 만든 차이입니다.

보고 방법

APA 양식에서는 r(자유도) = 값, p로 쓰고, 신뢰구간과 표본 수를 함께 적습니다. (수치는 위 가상의 예입니다.)

공부 시간과 점수는 강한 양의 상관을 보였다, r(10) = .95, 95% CI [.84, .99], p < .001.

• 피어슨인지 스피어만인지 밝히고, 변수의 측정 수준과 분포를 점검한 근거를 적습니다.
• 상관행렬 표에는 변수 이름, 평균, SD, 상관계수와 유의 표시를 함께 싣습니다. 많은 상관을 한꺼번에 검정했다면 다중비교 보정을 밝힙니다.
• 한국어 논문의 “상관분석을 실시하였다”는 보통 피어슨 상관을 뜻합니다.

논문에서는 이렇게 쓰입니다

실제 논문에서

국내 학술지 논문에서 이 용어가 쓰인 문장을 그대로 옮겼습니다. 제목·학술지·연도와 원문 링크를 함께 적었습니다.

• “근력 변화량과 균형 능력 변화량 간의 관련성은 Pearson 상관분석을 이용하여 분석하였다.”

  만성 발목 불안정성 환자의 수술 전 발목 근력이 수술 후 기능 회복에 미치는 영향: 후향적 관찰 연구, The Korean Journal of Sports Medicine, 2026 · KoreaMed Synapse · 원문 보기 ↗

• “지상관측소의 목측운량과 위성 산출운량 사이의 BIAS가 0.38, RMSE가 1.78, 그리고 상관계수가 평균 0.81정도로 위성 산출운량이 약간 높게 산출되기는 하였으나, 지상관측 운량과의 높은 상관관계를 나타내어 본 연구의 전운량 산출 알고리즘이 신뢰할 수 있음을 보여 주었다.”

  MTSAT-1R 정지기상위성 자료를 이용한 전운량 산출 알고리즘 개발, 대기, 2007 · KCI 한국학술지인용색인 · 원문 보기 ↗

예시 문장

아래는 용어의 쓰임을 보여 주려고 만든 예시로, 실제 논문에서 가져온 문장이 아닙니다.

수면 시간이 늘어날수록 집중력 점수도 함께 올라가는 경향이 꽤 뚜렷했다는 뜻입니다.

경영학·마케팅 연구에서 두 변수 간 상관관계를 보고하면서도, 그 관계가 인과관계가 아니라 제3의 요인에 의한 것일 수 있음을 함께 언급하는 문장입니다.

생물정보학 연구에서, 두 유전자가 서로 반대 방향으로 발현되는 경향이 뚜렷함을 보고하는 문장입니다.

조금 더 깊게 보면

논문에서 가장 흔히 보고되는 피어슨 상관계수는 두 변수가 선형적인 관계를 이룰 때를 가정한 지표이기 때문에, 변수 간 관계가 곡선 형태이거나 순위 자료일 경우에는 스피어만 순위상관계수 같은 다른 지표를 사용하는 것이 더 적절합니다. 또한 상관계수 값 자체는 관계의 강도를 나타낼 뿐 표본 크기를 반영하지 않으므로, 통계적으로 유의한지(p값)와 실질적으로 의미 있는 크기인지(효과크기)를 함께 살펴보는 것이 논문을 정확히 읽는 데 중요합니다.

주의할 점

가장 흔히 하는 오해가 "상관관계 = 인과관계"라고 생각하는 것입니다. 두 변수가 함께 움직인다고 해서 하나가 다른 하나의 "원인"이라는 뜻은 아닙니다. 아이스크림 판매량과 익사 사고 수가 함께 증가하는 것은 둘 다 "더운 날씨"라는 제3의 요인 때문이지, 아이스크림이 익사를 일으키는 게 아닌 것과 같습니다.

헷갈리기 쉬운 용어

상관을 재는 값이 여럿입니다.

참고 문헌

1. Pearson, K. (1895). Note on regression and inheritance in the case of two parents. Proceedings of the Royal Society of London, 58, 240–242.
2. Spearman, C. (1904). The proof and measurement of association between two things. The American Journal of Psychology, 15(1), 72–101.
3. Fisher, R. A. (1915). Frequency distribution of the values of the correlation coefficient in samples from an indefinitely large population. Biometrika, 10(4), 507–521.
4. Anscombe, F. J. (1973). Graphs in statistical analysis. The American Statistician, 27(1), 17–21.
5. Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2nd ed.). Lawrence Erlbaum Associates.

표의 기준값은 위 문헌에 근거한 관례이며, 분야·학술지마다 다른 기준을 쓸 수 있습니다.

관련 용어