상관계수 해석, 산점도 함께 보기

상관계수의 부호와 절댓값은 무엇을 뜻할까요?

피어슨 상관계수는 두 수치형 변수가 함께 움직이는 방향과 그 관계가 얼마나 직선에 가까운지를 -1부터 1 사이의 값으로 요약합니다. 양수이면 한 변수가 커질 때 다른 변수도 커지는 경향, 음수이면 한 변수가 커질 때 다른 변수는 작아지는 경향을 나타냅니다. 0에 가깝다는 말은 뚜렷한 선형 관계가 약하다는 뜻이지, 두 변수 사이에 아무 관계도 없다는 뜻은 아닙니다. 이러한 정의와 해석은 미국 국립표준기술연구소의 NIST/SEMATECH 통계 방법 핸드북에서 다루는 상관 분석의 기본 설명과도 일치합니다.

절댓값은 점들이 하나의 직선 주변에 얼마나 가깝게 모이는지를 보여줍니다. 0.8과 -0.8은 선형 관계의 강도는 비슷하지만 방향이 반대입니다. 다만 0.3은 약하고 0.7은 강하다는 식의 기준을 모든 자료에 똑같이 적용해서는 곤란합니다. 연구 분야, 표본 수, 측정 오차와 관측 범위에 따라 같은 값의 실질적인 의미가 달라지기 때문입니다.

상관계수 범위	선형 관계의 방향	해석할 때 확인할 내용
1에 가까운 양수	두 값이 대체로 함께 증가합니다.	공통 원인이나 우연한 결합일 수 있으므로 인과관계를 뜻하지는 않습니다.
-1에 가까운 음수	한 값이 증가할수록 다른 값은 대체로 감소합니다.	변수의 정의와 측정 시점까지 살펴야 관계의 실제 의미를 설명할 수 있습니다.
0에 가까운 값	직선 형태의 관계가 뚜렷하지 않습니다.	곡선 관계나 서로 다른 집단이 섞여 있는지 산점도로 확인해야 합니다.

왜 상관계수와 산점도를 함께 봐야 할까요?

산점도는 가로축과 세로축에 두 변수를 놓고 관측값을 점으로 표시한 그림입니다. 상관계수가 관계를 숫자 하나로 압축한다면 산점도는 점들이 직선이나 곡선을 이루는지, 특정 구간에 몰렸는지, 유난히 멀리 떨어진 값이 있는지를 드러냅니다. 같은 상관계수라도 점의 배치는 전혀 다를 수 있으므로 숫자를 계산한 뒤 그래프의 모양을 확인해야 합니다.

가령 한 변수가 증가할 때 다른 변수가 감소하다가 다시 증가하는 U자형 관계에서는 상관계수가 0에 가깝게 나올 수 있습니다. 관계가 분명히 존재하지만 하나의 직선으로는 요약되지 않는 경우입니다. 연령대나 지역처럼 성격이 다른 집단이 섞여 있어도 전체 상관계수는 각 집단 내부의 관계를 가릴 수 있습니다.

산점도에서는 네 가지를 차례로 읽으면 편리합니다. 점들의 전체 방향이 오른쪽 위인지 오른쪽 아래인지 보고, 직선 주변에 모이는 정도를 확인합니다. 이어서 집단별 덩어리가 나뉘는지 살피고, 기존 흐름에서 크게 벗어난 점이 있는지 점검합니다. 곡선이나 집단 분리가 보인다면 전체 상관계수만으로 결론을 내리기보다 집단별 분석이나 비선형 분석이 필요한지 검토해야 합니다.

극단값 하나가 수치를 얼마나 바꿀 수 있을까요?

공부 시간과 시험 점수로 작은 가상 자료를 만들어 보겠습니다. 여섯 명의 공부 시간을 1시간부터 6시간까지 두고 점수를 50점, 55점, 65점, 70점, 80점, 85점으로 입력하면 산점도의 점들은 오른쪽 위를 향해 비교적 고르게 놓입니다. 이때 피어슨 상관계수는 약 0.995입니다.

계산 자료	공부 시간과 점수	피어슨 상관계수	산점도의 변화
기본 자료 6명	1~6시간, 50·55·65·70·80·85점	약 0.995	점들이 오른쪽 위를 향하는 직선 주변에 가깝게 모입니다.
극단값을 더한 7명	기본 자료와 7시간·45점	약 0.306	오른쪽 아래에 기존 흐름에서 크게 벗어난 점이 생깁니다.

계산은 스프레드시트에서도 재현할 수 있습니다. A열에 공부 시간, B열에 점수를 입력한 뒤 기본 자료에는 CORREL(A2:A7,B2:B7)을 적용합니다. 8행에 7시간과 45점을 추가하고 범위를 CORREL(A2:A8,B2:B8)로 넓히면 약 0.306이 나옵니다. 기존 여섯 명의 값은 그대로인데도 가로축에서 멀고 기존 추세와 반대인 점 하나가 전체 수치를 크게 낮춘 장면입니다.

그렇다고 극단값을 발견하는 즉시 삭제해서는 안 됩니다. 입력 오류인지 실제 관측인지 확인하고, 실제 값이라면 왜 그런 결과가 나타났는지 자료의 배경을 살펴야 합니다. 분석 보고서에는 해당 값을 포함한 결과와 제외한 결과를 나란히 제시하면 수치가 특정 관측값에 얼마나 민감한지 독자가 판단할 수 있습니다.

이 사례는 상관계수의 민감도를 설명하기 위한 가상 계산이며 실제 학생 집단을 대표하지 않습니다. 점수 차이가 공부 시간만으로 생겼다고 볼 수도 없습니다. 수면 시간, 사전 학습 수준, 시험 난이도와 같은 다른 조건이 함께 작용할 수 있으므로 여기서 확인한 것은 두 수치의 선형적인 동행 정도뿐입니다.

상관관계와 인과관계는 어떻게 구분해야 할까요?

상관계수가 높아도 한 변수가 다른 변수를 직접 변화시켰다고 결론 내릴 수는 없습니다. 두 변수 모두에 영향을 주는 제3의 요인이 있을 수 있고, 원인이라고 생각한 방향이 실제로는 반대일 수도 있습니다. 제한된 표본에서 우연히 비슷한 흐름이 나타났을 가능성도 남습니다. 상관관계만으로 인과관계를 확정할 수 없다는 원칙은 공개 대학 교재인 OpenStax 『Introductory Statistics 2e』에서도 강조하는 기초 통계의 핵심 구분입니다.

공부 시간과 점수 사이에 양의 상관관계가 관찰되더라도 공부 시간 증가만이 점수 상승의 원인이라고 단정할 수 없는 이유가 여기에 있습니다. 인과관계를 주장하려면 원인이 결과보다 앞섰는지, 비교 집단과 다른 조건을 적절히 통제했는지, 같은 결과가 반복되는지와 같은 별도의 근거가 필요합니다.

자료가 만들어진 과정도 수치만큼 중요합니다. 조사 대상이 특정 연령이나 성적대에 치우쳤는지, 두 변수가 같은 기간에 측정됐는지, 시간과 점수의 단위가 일관적인지 확인해야 합니다. 표본이 적으면 점 하나의 영향이 커지므로 소수점 셋째 자리의 차이까지 실질적인 변화처럼 해석하는 태도도 피하는 편이 좋습니다.

실제 자료는 어떤 순서로 판단하면 될까요?

분석할 두 변수가 수치형인지 확인한 뒤 결측값, 중복값과 입력 오류를 점검합니다. 그다음 산점도를 그려 전체 방향과 직선성, 집단 분리, 극단값을 살펴보고 피어슨 상관계수를 계산합니다. 결과를 기록할 때는 표본 수, 측정 기간, 변수의 범위도 함께 제시해야 독자가 숫자가 성립하는 조건을 알 수 있습니다.

해석 문장은 “이 표본에서 두 변수 사이에 약 0.6의 양의 선형 관계가 관찰됐다”처럼 관찰 범위 안에서 쓰는 것이 정확합니다. “한 변수가 다른 변수를 증가시켰다”는 표현은 실험 설계나 시간적 선후 관계 등 인과성을 뒷받침할 근거가 있을 때만 사용할 수 있습니다.

생활 속 숫자를 판단할 때 중요한 것은 값을 외우는 일이 아니라 그 값이 무엇을 보여 주고 무엇을 감추는지 구분하는 일입니다. 상관계수는 결론을 대신하는 점수가 아닙니다. 산점도의 모양과 자료가 수집된 맥락을 함께 읽을 때, 두 변수의 관계를 과장하지 않으면서 다음에 확인할 질문을 찾게 해 주는 도구가 됩니다.

참고 자료

피어슨 상관계수의 정의와 선형 관계 해석은 NIST/SEMATECH e-Handbook of Statistical Methods를, 상관관계와 인과관계의 구분은 OpenStax, Introductory Statistics 2e를 참고할 수 있습니다.