상관 분석(Correlation Analysis)
상관 분석은 둘 이상의 변수가 함께 변하는 방식을 보여 주며, 선형 관계에는 Pearson 상관을, 순서형 데이터나 단조 관계에는 Spearman 순위 상관을 사용합니다. 관계 탐색, 데이터 선별, 변수 선택에 사용합니다. 데이터는 연속형 또는 순서형이어야 하고, n은 25 이상이며 대략 이변량 정규분포를 따라야 합니다. 출력은 p-값이 포함된 쌍별 상관계수와 선택적 산점도입니다.
최종 검토
핵심 요점
상관 분석은 둘 이상의 연속형 또는 순서형 변수 사이의 선형 관계의 강도와 방향을 보통 -1에서 +1 사이의 Pearson 계수로 정량화하며, 인과관계를 의미하지는 않습니다.
상관 분석이란?
상관 분석은 둘 이상의 변수 사이의 선형 관계의 강도와 방향을 정량화하는 통계적 방법입니다. 주로 변수들이 일정한 비율로 함께 변하는 정도를 살피는 데 사용하며, 인과관계를 의미하지는 않습니다. 가장 일반적인 측도는 Pearson 상관계수로, -1(완전한 음의 관계)에서 +1(완전한 양의 관계)까지의 값을 가지며 0은 선형 관계가 없음을 나타냅니다. 이 분석은 연속형 또는 순서형 변수에 적용되며, 순서형 데이터나 단조 관계에는 Spearman 순위 상관을 사용합니다.
상관 분석은 언제 사용합니까?
상관 분석은 통계학, 사회과학, 경제학, 금융, 시장 조사 등 다양한 분야에서 흔히 사용됩니다. 상관 분석이 유용한 상황은 다음과 같습니다.
- 관계 탐색: 상관 분석은 두 변수 사이의 관계를 이해하는 데 도움이 됩니다. 변수가 양의 상관(함께 증가하거나 감소)인지, 음의 상관(한 변수가 증가할 때 다른 변수는 감소)인지, 아니면 전혀 상관이 없는지 식별할 수 있습니다.
- 데이터 선별: 상관 분석은 더 복잡한 분석을 수행하기 전에 잠재적인 관계를 파악하는 예비 단계로 자주 사용됩니다. 연구자가 어떤 변수를 더 조사할 가치가 있는지 식별하는 데 도움이 됩니다.
- 가설검정: 상관 분석은 변수 간 관계에 대한 가설을 검정하는 데 사용할 수 있습니다. 예를 들어 소득과 교육 수준 사이, 또는 고객 만족도와 구매 행동 사이에 유의한 상관이 있는지 검정할 수 있습니다.
- 예측: 상관 분석은 예측 모형에 사용할 수 있습니다. 과거 데이터에서 두 변수 사이에 강한 상관이 있다면, 한 변수의 변화가 다른 변수의 변화를 예측하는 데 유용할 수 있음을 시사합니다.
- 변수 선택: 예측 모형을 구축할 때 상관 분석은 변수 선택에 도움이 됩니다. 두 변수가 높은 상관을 가지면 둘 다 모형에 포함할 경우 다중공선성 문제가 생길 수 있습니다. 이런 경우 변수 중 하나만 포함하거나 차원 축소 기법을 사용할 수 있습니다.
- 품질 관리: 상관 분석은 제품 품질에 영향을 줄 수 있는 변수 간 관계를 식별하기 위해 품질 관리 공정에 적용할 수 있습니다. 예를 들어 제조 현장에서는 특정 공정 변수와 제품 결점 사이의 상관을 분석할 수 있습니다.
- 포트폴리오 관리: 금융에서는 서로 다른 투자 자산 사이의 관계를 평가하는 데 상관 분석이 자주 사용됩니다. 자산 간 상관을 이해하면 위험을 줄일 가능성이 있는 분산 포트폴리오를 구성하는 데 도움이 됩니다.
상관 분석의 올바른 사용 지침
- 숫자 또는 날짜/시간 데이터 열을 2개 이상 포함하십시오
- 모든 열의 행 수가 같아야 합니다
- 데이터는 연속형 또는 순서형이어야 합니다
- 범주형 데이터에는 교차 분류 및 카이제곱을 수행하십시오
- 표본 크기는 중간 이상이어야 합니다(n ≥ 25)
- 표본이 클수록 추정이 더 정확하고 정밀합니다
- 변수 간 관계는 선형 또는 단조여야 합니다
- 행렬도를 사용하여 특이치를 식별하고 조사하십시오
- 데이터는 이변량 정규분포를 따라야 합니다
- 상관에 대한 p-값 절차는 n ≥ 25일 때 정규성 이탈에 강건합니다
- Pearson 상관의 신뢰구간은 정규성 가정에 민감합니다
- Spearman 상관의 신뢰구간은 순위에 기반하므로 분포 가정에 덜 민감합니다
대안: 상관 분석을 사용하지 않아야 할 때
- 회귀 모형 적합: 독립변수를 바탕으로 종속변수의 값을 예측하거나 추정하려는 경우에는 일반적으로 상관 분석보다 회귀 모형을 적합시키는 것이 더 적절합니다.
- 산점도: 데이터에 비선형 관계나 특이치가 있을 수 있는 경우에는 상관 분석보다 산점도가 더 적절할 수 있습니다.
상관 분석 예제
한 은행은 대출 신청자에게 소득, 교육 수준, 나이, 현 거주지 거주 기간, 현 직장 근무 기간, 저축액, 부채, 신용카드 수의 8가지 정보를 요구합니다. 은행 관리자는 이 정보 중 어떤 것들이 서로 강하게 관련되어 있는지 알고자 합니다. 관리자는 대출 신청자 30명의 데이터를 수집하여 상관 분석을 수행하고, 8개 변수의 쌍별 상관계수와 p-값을 구합니다. 단계는 다음과 같습니다.
- 필요한 데이터를 수집했습니다.

- 이제 Zometric Statistical Software에서 데이터를 분석합니다: https://statsai.zometric.com/.
- 상관 분석을 찾으려면 다음을 선택합니다: Statistical module> Graphical analysis> correlation analysis.
- 도구 안에서 데이터와 기타 입력값을 다음과 같이 입력합니다.

5. 위 도구를 사용하면 다음과 같은 출력을 얻습니다.

상관 분석 방법
절차는 다음과 같습니다.
- Zometric Statistical Software에 로그인합니다: https://statsai.zometric.com/
- 홈 페이지에서 Statistical Tool> Graphical analysis > correlation analysis를 선택합니다.
- 다음으로, 데이터를 직접 입력하거나 Excel 시트에서 데이터 전체를 복사(Ctrl+C)하여 붙여넣거나(Ctrl+V), Load Example 옵션을 사용하여 예제 데이터를 로드합니다.
- 다음으로, 열을 파라미터에 매핑해야 합니다.
- 마지막으로, 페이지 하단의 calculate를 클릭하면 원하는 결과를 얻을 수 있습니다.
상관 분석 도구 화면은 두 부분으로 나뉩니다.

왼쪽 부분에는 데이터 창(Data Pane)이 있습니다. Data Pane에서는 각 행이 하나의 부분군이 됩니다. 데이터를 직접 입력하거나 Excel 시트에서 데이터 전체를 복사(Ctrl+C)하여 여기에 붙여넣을(Ctrl+V) 수 있습니다.
Load example: 예제 데이터가 로드됩니다.
Load File: Excel 데이터를 직접 로드하는 데 사용합니다.
오른쪽 부분에는 다음 항목만 입력하면 됩니다.
Variables: 상관 분석에 사용할 변수를 여러 개 선택하려면, 먼저 데이터 집합에서 관심 있는 정량 변수를 식별합니다. 그런 다음 이 변수들 사이의 쌍별 상관계수를 계산하여 선형 관계의 강도와 방향을 파악합니다. 이 과정은 어떤 변수들이 강하게 관련되어 있는지 판단하는 데 도움이 되며, 추가 연구나 모형화를 위한 특성 선택과 다변량 분석에 활용됩니다.
Display Scatter: 상관 분석에서 산점도를 표시하면 두 변수 사이의 관계를 직교 좌표 평면에 연관성으로 시각적으로 나타냅니다. 패턴, 추세, 특이치를 식별하는 데 도움이 되며 수치로 나타낸 상관계수를 보완합니다. 이 시각화를 통해 변수 간 선형 관계의 강도와 방향을 더 명확하게 이해할 수 있습니다.
Download as Excel: 결과를 Excel 형식으로 표시합니다. 이 파일은 쉽게 편집할 수 있고 load file 옵션으로 다시 로드하여 계산에 사용할 수 있습니다.
자주 묻는 질문
상관계수는 무엇을 알려 줍니까?
Pearson 상관계수는 두 변수 사이의 선형 관계의 강도와 방향을 측정합니다. 값은 완전한 음의 관계인 -1에서 완전한 양의 관계인 +1까지이며, 0은 선형 관계가 없음을 의미합니다. 상관은 변수들이 함께 변하는 방식을 보여 주지만 인과관계를 의미하지는 않습니다.
상관 분석의 가정은 무엇입니까?
행 수가 같은 연속형 또는 순서형 데이터 열을 2개 이상 사용하십시오. 관계는 선형 또는 단조여야 하며 데이터는 이변량 정규분포를 따라야 합니다. Pearson 상관의 신뢰구간은 정규성 가정에 민감하지만, 순위에 기반한 Spearman 구간은 이 가정에 덜 민감합니다.
상관 분석에는 표본이 몇 개 필요합니까?
25개 이상의 중간 규모 이상 표본을 권장하며, 표본이 클수록 추정이 더 정확하고 정밀합니다. n이 25 이상이면 상관에 대한 p-값 절차는 정규성 이탈에 강건합니다. 계수에 의존하기 전에 행렬도를 사용하여 특이치를 식별하고 조사하십시오.
상관 대신 회귀분석이나 산점도는 언제 사용해야 합니까?
독립변수로부터 종속변수의 값을 예측하거나 추정하려면 회귀 모형을 적합시키십시오. 관계가 비선형일 수 있거나 특이치가 있을 수 있으면 산점도를 사용하십시오. 범주형 데이터에는 상관 분석 대신 교차 분류와 카이제곱을 사용하십시오.
