FrontPage › Correlation
1. r ¶
상관관계 데이터 | |||
사람 | X | Y | |
A | 1 | 1 | |
B | 1 | 3 | |
C | 3 | 2 | |
D | 4 | 5 | |
E | 6 | 4 | |
F | 7 | 5 | |
G | 8 | 7 |
상관관계이란 (correlation) 두 변인 간의 관계를 측정하고 묘사하기 위한 통계학적 기법을 뜻한다. 상관관계 측정은 실험보다는 현상에 대한 관찰 기록에 많이 사용된다. 가령 11살 아동의 키와 몸무게의 관계에 관심을 갖는다는 것은, 키라는 변인과 몸무게라는 변인[1] 간의 관계를 알아보려 하는 것이다. 흔히 두 변인은 X 와 Y 로 사용되며, 아래의 그림처럼, 표와 그래프가 데이터 표현에 이용된다.
1.1. 상관관계의 특징 ¶
상관관계는 아래 세 가지 특징을 갖는다.
관계의 방향성 ::
관계의 방향성에 대해서 알려준다. + 사인의 경우, 선형적인 관계가 양의 관계임을, - 사인인 경우에는 음의 관계를 나타내준다고 해석한다.
관계의 방향성에 대해서 알려준다. + 사인의 경우, 선형적인 관계가 양의 관계임을, - 사인인 경우에는 음의 관계를 나타내준다고 해석한다.
| |
- 관계의 형태 (form)
- 관계의 정도 (힘)
1.2. 상관관계가 사용될 때 ¶
- prediction 예측
- 대학생활 만족도와 졸업 10년 후 행복지수에 대한 데이터를 지속적으로 모아서 관측, 분석을 하게 되면;
- 만족도만을 아는 상태에서 . . .
- 대학생활 만족도와 졸업 10년 후 행복지수에 대한 데이터를 지속적으로 모아서 관측, 분석을 하게 되면;
- Validity 측정
- Validity test: Comparing r to other verified methods in order to confirm (check) my method is valid.
- 내가 고안한 IQ 테스트 방법은 비록 원 IQ 테스트 방법과 다르지만, 결과 값은 서로 상관관계가 높다.
- Validity test: Comparing r to other verified methods in order to confirm (check) my method is valid.
- Theory backup
- Reliablity 측정
- Half-and-half reliability test.
- Half-and-half reliability test.
2. Pearson's r ¶
- Pearson's r
- 두 변인 간의 선형적 관계의 크기와 방향성을 측정하는 방법
이를 그림으로 나타내 보면 아래와 같다.
위에서 각각의 동그라미는 X 변인과 Y 변인의 variability, 즉 variance를 의미한다고 하면, 위의 그림은 X와 Y가 변하는 정도가 동그라미 정도의 크기를 가지며, 각각의 요소들이 서로 따로따로 논다는 것을 알 수 있다. 즉, Co-vary하지 않다는 것을 알 수 있다. 반면, 아래의 예는 X와 Y의 변하는 정도가 나타나면서 동시에, 각 변인이 서로 동시에 변하는 정도가 어느정도인지 가늠을 할 수 있게 해 준다. Y 입장에서 보면 Y가 변하는 정도 붉은 동그라미 크기 중에서 X와 겹치는 정도를 제외한 정도는 X와 함께 변하는 것이 아닌, Y 고유의 변화정도이다. 이를 residual variance라고 하고, 겹치는 정도는 regression variance라고 이야기 하는데, 이에 대해서는 다음에 설명하도록 한다. 또한 X와 겹치는 변량(X와 Y가 동시에 변화하는 것을 고려한 변량 = )과 Y 전체 변량(분산)의 비율을 이라고 하는데 이는 r 값을 제곱하여 구한다. 반대로, X와 겹치지 않는 변량과 전체 변량의 비율은 ( )으로 표현한다.
2.1. Sum of Products of Deviations ¶
참고:
2.2. e.g. 1, ¶
Example | ||||
Scores | Deviation score | Products | ||
X | Y | |||
1 | 3 | -2 | -2 | +4 |
2 | 6 | -1 | +1 | -1 |
4 | 4 | +1 | -1 | -1 |
5 | 7 | +2 | +2 | +4 |
+6 = |
X 평균 = 3
Y 평균 = 5
이 예는 의 공식을 사용하여 구한 예이다. 반면에, 의 공식을 사용하면,
으로 똑같은 결과를 갖는다. 위는 Sum of Products (SP) 의 값을 구한 것이고 와 값을 구해 보면:
으로 똑같은 결과를 갖는다. 위는 Sum of Products (SP) 의 값을 구한 것이고 와 값을 구해 보면:
Example | ||||
X | Y | XY | X2 | Y2 |
1 | 3 | 3 | 1 | 9 |
2 | 6 | 12 | 4 | 36 |
4 | 4 | 16 | 16 | 16 |
5 | 7 | 35 | 25 | 49 |
12 | 20 | 66 | 46 | 110 |
2.3. e.g. 2, ¶
테이블의 데이터에 대한 scatterplot을 그려 보면 그림과 같다.
Example 2 | ||
X | Y | |
0 | 1 | |
10 | 3 | |
4 | 1 | |
8 | 2 | |
8 | 3 |
Example 2 | ||||||||
Scores | Deviation score | Deviation score2 | Products | |||||
X | Y | X2 | Y2 | |||||
0 | 1 | 0 | 1 | -6 | -1 | 36 | 1 | 6 |
10 | 3 | 100 | 9 | 4 | 1 | 16 | 1 | 4 |
4 | 1 | 16 | 2 | -2 | -1 | 4 | 1 | 2 |
8 | 2 | 64 | 4 | 2 | 0 | 4 | 0 | 0 |
8 | 3 | 64 | 9 | 2 | 1 | 4 | 1 | 2 |
t = 30 | 10 | 234 | 24 | SSX = 64 | SSY = 4 | SP = 14 | ||
= 6 | 2 |
위에서 구한 SSX, SSY, 그리고 SP 값을 대입해 보면,
2.4. Pearson's r 의 의미 ¶
Relations, not cause-effect
Interpretation with limited range
Outliers
Interpretation of r value
상관관계 계수는 단순히 두 변인 (x, y) 간의 관계가 있다는 것을 알려줄 뿐, 왜 그 관계가 있는지는 설명하지 않는다. 바꿔 말하면, 충분한 r 값을 구했다고 해서 이 값이 두 변인 간의 원인과 결과의 관계를 말한다고 이야기 하면 안된다. 예를 들면 아이스크림의 판매량과 성범죄가 서로 상관관계에 있다고 해서, 전자가 후자의 원인이라고 단정할 수 있는 근거는 없다. 이는 연구자의 논리적인 판단 혹은 이론적인 판단에 따른다.
Interpretation with limited range
데이터의 Range에 대한 판단에 신중해야 한다. 왜냐 하면, 데이터의 어느 곳을 자르느냐에 따라서 r 값이 심하게 변하기 때문이다.
Outliers
위의 설명과 관련하여, 만약에 아주 심한 Outlier가 존재한다면 두 변인 간의 상관관계에 심한 영향을 준다.
Interpretation of r value
r 값으로 얻는 단위는 상관관계의 정도를 정확히 말해 주지 않는다. 예를 들면 r = +.5 은 0 - 1 까지의 반이므로 적당한 량의 상관관계를 보여주고 있다고 생각할 수 있으나, 이는 사실이 아니다. 정확한 양을 이야기 하려면, r 값에 제곱을 해준 값을 이야기 해야 한다. 따라서, r = +.5 인경우 .5^2 값인 .25 즉, 25%가 두 변인 간의 상관관계의 양이다.
2.5. Pearson's r을 이용한 가설 검증 ¶
기본적으로 두 변인 (보통 한 subject 혹은 participant의 두 변인 기록으로 이루어진 데이터) 간에 상관관계가 있는가에 대한 질문이 연구문제 혹은 가설로 만들어지며, 만약에 이 관계가 없다면, 이라는 질문의 영가설을 통해서 이를 검증한다. 즉,
2.7. 학술논문 보고 ¶
데이터의 상관관계를 살펴본 결과 개인의 교육양과 (년도수) 연수입 (원) 간에는 통계학적으로 유의미한 상관관계가 있다고 판단되었다 (r = +.65, n = 30, p < .01).
연수입, 교육량, 나이, 그리고 지능 간의 관계를 분석하였다 (n=30). 변인들 간의 상관관계를 정리한 결과를 요약한 표1에 나타냈었다. 통계적으로 유의미한 상관관계는 표에 정리되었다.
TABLE 1. | |||
Correlation matrix for income, amount of education, age, and IQ | |||
Education | Age | IQ | |
Income | +.65** | +.41** | +.27 |
Education | +.11 | +.38* | |
Age | -.02 | ||
n=30 * p < .05, two tails ** p < .01, twotails |
2.8. exercise ¶
- 연구자가 얻은 r = -.41 (n=25) 일때, 이 샘플이 모집단에서 나타나는 두 변인간의 상관관계가 통계적으로 유의미하다고 할 수 있는가?
- n=20 일때, r값은 어떤 값을 가져야 모집단의 두 변인 간의 상관관계가 의미가 있다고 하겠는가?
- 샘플사이즈가 작아질 수 록, 유의미한 상관관계를 갖기 위한 r값은 어떻게 되야 하는가? 왜 그런가?
3. Spearman Correlation ¶
Scores | ||
Person | X | Y |
A | 4 | 9 |
B | 2 | 2 |
C | 10 | 10 |
D | 3 | 8 |
Scores | ||
Person | X | Y |
A | 3 | 3 |
B | 1 | 1 |
C | 4 | 4 |
D | 2 | 2 |
따라서, Spearman rho는
- 순위측정 데이터에 사용 (ordinal measured).
- 상관관계의 지속성에 관심을 둘 때 사용. 즉, 계속 증가하는가, 감소하는 추세인가, 등등에 사용