상관계수 계산기

Q: 상관분석에서 p값이란 무엇인가요?

p값은 모집단에 실제로 상관관계가 없다면 계산된 상관계수(또는 그 이상)를 관측할 확률을 나타냅니다. p값이 0.05 미만이면 일반적으로 통계적으로 유의하다고 간주되며, 이는 실제 상관관계가 존재한다는 강력한 증거가 있음을 의미합니다. 그러나 통계적 유의성이 실제적 중요성이나 인과관계를 의미하지는 않습니다.

Q: R 제곱(결정계수)이란 무엇인가요?

R 제곱(R²)은 상관계수의 제곱으로, 한 변수의 분산 중 다른 변수로 예측 가능한 비율을 나타냅니다. 예를 들어 r = 0.8이면 R² = 0.64이며, 이는 Y 분산의 64%가 X로 설명될 수 있음을 의미합니다. R²는 0에서 1 사이의 값을 가지며 항상 양수입니다.

Q: 피어슨과 스피어만 상관계수는 언제 사용해야 하나요?

피어슨 상관계수는 두 변수가 모두 연속적이고 정규 분포를 따르며 관계가 선형으로 보이고 유의한 이상치가 없을 때 사용합니다. 스피어만 상관계수는 데이터가 서열형이거나 순위화되어 있을 때, 관계가 단조적이지만 선형이 아닐 때, 데이터에 이상치가 있을 때, 또는 정규성 가정이 위배될 때 사용합니다.

피어슨, 스피어만, 켄달 상관계수를 계산하고 인터랙티브 산점도, 회귀분석, p값, 단계별 계산 과정을 확인하세요.

상관계수 계산기

예제 데이터셋 사용해 보기

✓ 완벽 (r=1) ● 강한 양의 상관 ○ 보통 ≈ 약함 ↓ 음의 상관

변수 X X

변수 Y Y

소수점 자릿수

Embed 상관계수 계산기 Widget

상관계수 계산기 정보

상관계수 계산기에 오신 것을 환영합니다. 이 종합적인 통계 도구는 피어슨, 스피어만, 켄달 상관계수를 계산하고 인터랙티브 산점도 시각화, 회귀분석, 단계별 계산 과정을 제공합니다. 연구 데이터를 분석하거나, 변수 간의 관계를 연구하거나, 통계 분석을 수행할 때 이 계산기는 데이터셋에 대한 전문적인 통찰력을 제공합니다.

상관계수란 무엇인가요?

상관계수는 두 변수 간의 관계 강도와 방향을 정량화하는 통계적 측도입니다. 상관계수는 -1에서 +1 사이의 값을 가지며, 크기는 강도를, 부호는 관계의 방향을 나타냅니다.

상관관계 값 해석

상관계수 범위	강도	해석
0.80 ~ 1.00	매우 강함	변수들이 높은 상관관계를 가짐
0.60 ~ 0.79	강함	명확한 상관관계가 존재함
0.40 ~ 0.59	보통	눈에 띄는 상관관계
0.20 ~ 0.39	약함	약간의 상관관계
0.00 ~ 0.19	매우 약함	상관관계가 거의 없음

피어슨 상관계수

피어슨 상관계수(r)는 두 연속 변수 간의 선형 관계를 측정합니다. 가장 일반적으로 사용되는 상관 측도이며 두 변수가 정규 분포를 따른다고 가정합니다.

피어슨 상관계수 공식

$$r = \frac{\sum_{i=1}^{n}(X_i - \bar{X})(Y_i - \bar{Y})}{\sqrt{\sum_{i=1}^{n}(X_i - \bar{X})^2 \sum_{i=1}^{n}(Y_i - \bar{Y})^2}}$$

여기서:

X_i, Y_i = 개별 데이터 포인트
X̄, Ȳ = X와 Y 변수의 평균
n = 데이터 쌍의 수

스피어만 순위 상관계수

스피어만 순위 상관계수(ρ 또는 r_s)는 변수 간의 단조 관계를 평가하는 비모수적 측도입니다. 원시 값 대신 순위 데이터를 사용하여 서열 데이터나 관계가 엄격하게 선형이 아닌 경우에 적합합니다.

스피어만 상관계수 공식

$$\rho = 1 - \frac{6 \sum d_i^2}{n(n^2 - 1)}$$

여기서:

d_i = 해당 X와 Y 값의 순위 차이
n = 데이터 쌍의 수

켄달 타우 상관계수

켄달 타우 상관계수(τ)는 두 변수 간의 서열 연관을 평가하는 또 다른 비모수적 측도입니다. 일치 쌍과 불일치 쌍을 계산하며 특히 표본 크기가 작거나 동순위가 많은 경우에 유용합니다.

이 계산기 사용 방법

변수 X 데이터 입력: 텍스트 영역에 첫 번째 변수의 숫자 값을 입력합니다. 숫자는 쉼표, 공백 또는 줄바꿈으로 구분할 수 있습니다.
변수 Y 데이터 입력: 두 번째 변수의 해당 값을 입력합니다. 변수 X와 동일한 수의 값이 있어야 합니다.
소수점 자릿수 설정: 결과에 대한 소수점 자릿수(2-15)를 선택합니다.
계산: 버튼을 클릭하여 p값 및 시각화와 함께 피어슨, 스피어만, 켄달 상관계수를 계산합니다.

결과 이해하기

주요 결과

피어슨 r: 선형 상관계수 (-1 ~ +1)
스피어만 ρ: 순위 상관계수 (-1 ~ +1)
켄달 τ: 서열 연관 계수 (-1 ~ +1)
p값: 각 상관계수의 통계적 유의성

추가 통계량

R 제곱(R²): 결정계수 - 설명된 분산의 비율
회귀선: 최적 적합선 방정식 (Y = aX + b)
표본 통계량: 평균, 표준편차 및 공분산

각 상관계수를 사용해야 할 때

피어슨 상관계수를 사용해야 할 때:

두 변수가 모두 연속적이고 정규 분포를 따를 때
변수 간의 관계가 선형으로 보일 때
유의한 이상치가 없을 때
특히 선형 연관을 측정하려고 할 때

스피어만 상관계수를 사용해야 할 때:

데이터가 서열형이거나 순위화되어 있을 때
관계가 단조적이지만 반드시 선형이 아닐 때
데이터에 피어슨에 영향을 미치는 이상치가 있을 때
정규성 가정이 위배될 때

켄달 타우를 사용해야 할 때:

표본 크기가 작을 때
동순위 값이 많을 때
더 적은 가정으로 더 강건한 측도가 필요할 때

상관분석의 응용

연구 및 학술

연구자들은 더 복잡한 분석을 수행하기 전에 변수 간의 관계를 탐색하기 위해 상관분석을 사용합니다. 잠재적 예측 변수를 식별하고 데이터 구조를 이해하는 데 도움이 됩니다.

금융 및 경제학

상관관계는 포트폴리오 다각화, 리스크 관리, 다양한 자산이나 경제 지표가 어떻게 함께 움직이는지 이해하는 데 필수적입니다.

의료 및 의학

의학 연구자들은 위험 요인, 치료 효과 및 건강 결과 간의 관계를 연구하기 위해 상관관계를 사용합니다.

심리학 및 사회과학

상관분석은 심리적 구성 개념, 행동 측정 및 사회적 변수 간의 관계를 이해하는 데 도움이 됩니다.

중요 고려사항

상관관계는 인과관계를 의미하지 않습니다

두 변수 간의 높은 상관관계가 하나가 다른 하나를 유발한다는 것을 의미하지는 않습니다. 교란 변수, 역인과관계 또는 우연한 관계가 있을 수 있습니다.

표본 크기가 중요합니다

작은 표본은 오해의 소지가 있는 상관관계를 생성할 수 있습니다. 데이터 포인트가 적으면 무작위 데이터도 통계적으로 유의하지 않은 강한 상관관계를 보일 수 있습니다.

이상치가 결과를 왜곡할 수 있습니다

극단적인 값은 피어슨 상관계수에 큰 영향을 미칠 수 있습니다. 결과가 비정상적으로 보일 때 스피어만을 사용하거나 데이터에서 이상치를 검사하는 것을 고려하세요.

자주 묻는 질문

피어슨 상관계수란 무엇인가요?

피어슨 상관계수(r)는 두 연속 변수 간의 선형 관계를 측정합니다. -1에서 +1 사이의 값을 가지며, +1은 완벽한 양의 선형 관계, -1은 완벽한 음의 선형 관계, 0은 선형 관계가 없음을 나타냅니다.

스피어만 순위 상관계수란 무엇인가요?

스피어만 순위 상관계수(rho 또는 rs)는 두 변수 간의 관계가 단조 함수로 얼마나 잘 설명될 수 있는지를 평가하는 비모수적 측도입니다. 순위 데이터로 작동하며 정규 분포를 가정하지 않습니다.

상관계수 값은 어떻게 해석하나요?

상관계수는 일반적으로 다음과 같이 해석됩니다: |r| = 0.00-0.19 (매우 약함), |r| = 0.20-0.39 (약함), |r| = 0.40-0.59 (보통), |r| = 0.60-0.79 (강함), |r| = 0.80-1.00 (매우 강함). 부호는 방향을 나타냅니다.