기술사 학습노트 | imt-log

기술사 학습노트›AI·빅데이터›상관관계

AI & Big Data · 정보관리기술사 / 컴퓨터시스템응용기술사

상관관계(Correlation)

두 변수의 값이 함께 변하는 방향과 강도를 수치화하여 변수 간 선형 또는 순위 기반 관련성을 탐색하고, 회귀분석·특징선택·품질관리·A/B 테스트 해석의 기초를 제공하는 통계 분석 개념

정보관리기술사컴퓨터시스템응용기술사상관관계Correlation상관계수피어슨상관스피어만상관산점도공분산인과관계

Ⅰ. 개요 및 등장배경

가. 상관관계의 정의

상관관계(Correlation)는 두 변수 X와 Y가 함께 변하는 정도와 방향을 나타내는 통계적 관련성이다. 한 변수가 증가할 때 다른 변수도 증가하는 경향이 있으면 양의 상관, 한 변수가 증가할 때 다른 변수가 감소하는 경향이 있으면 음의 상관, 일정한 방향성이 약하면 무상관 또는 약한 상관으로 해석한다. 상관관계는 변수 사이의 동시 변동을 측정하는 개념이며, 대표 지표인 상관계수는 일반적으로 -1에서 1 사이 값을 가진다.

가장 널리 사용되는 피어슨 상관계수는 두 연속형 변수의 선형 관계를 측정한다. 값이 1에 가까우면 강한 양의 선형관계, -1에 가까우면 강한 음의 선형관계, 0에 가까우면 선형관계가 약하다고 본다. 다만 상관계수 0은 모든 관계가 없다는 뜻이 아니라 선형 관계가 약하다는 뜻이다. U자형이나 곡선형 관계처럼 비선형 패턴이 존재할 수 있으므로 산점도와 함께 확인해야 한다.

상관관계는 데이터 분석 초기에 변수 간 관계를 빠르게 탐색하는 데 유용하다. 고객 방문횟수와 구매금액, CPU 사용률과 응답시간, 광고비와 매출, 공부시간과 시험점수, 온도와 전력사용량처럼 여러 실무 데이터에서 관계를 요약할 수 있다. 그러나 상관관계는 인과관계를 자동으로 의미하지 않는다. 두 변수가 함께 움직이는 이유가 직접 영향 때문인지, 제3변수 때문인지, 우연인지, 시간추세 때문인지 추가 분석이 필요하다.

나. 등장 배경

• 변수 간 관계 탐색: 여러 데이터 속성 중 함께 변하는 변수를 빠르게 파악할 수 있는 요약 지표가 필요했다.
• 공분산 표준화 필요: 공분산은 단위에 영향을 받기 때문에 -1부터 1 사이의 표준화된 관계 지표가 요구되었다.
• 회귀분석 기반: 변수 간 선형 관계를 파악해야 예측모형과 설명모형을 설계할 수 있다.
• 품질·운영 데이터 증가: 센서, 로그, 거래, 서비스 지표가 증가하면서 지표 간 연관성을 빠르게 파악해야 했다.
• AI 특징분석 필요: 머신러닝에서 입력 변수 간 중복성, 타깃과의 관련성, 다중공선성을 점검할 필요가 커졌다.

상관관계는 두 변수가 함께 변하는 방향과 강도를 나타내는 통계적 관련성 지표다.

상관계수는 관계 탐색에 유용하지만, 인과관계 증명이나 비선형 관계 포착에는 한계가 있다.

Ⅱ. 구성도 및 구성요소

가. 구성도

상관관계 분석 구조: 산점도 패턴에서 상관계수 해석까지본문 구성도는 가로 스크롤 없이 보이는 요약형이며, 아래 ‘구성도 크게 보기’ 버튼으로 확대 구성도를 확인할 수 있다.

표기
자료쌍 → 산점도 → 방향·강도 → 해석·주의

구성도 크게 보기

상관관계 확대 구성도닫기

방향양의 상관은 함께 증가, 음의 상관은 한쪽 증가 시 다른 쪽 감소 경향을 의미한다.

강도상관계수 절댓값이 클수록 선형 관련성이 강하지만 도메인 기준으로 해석해야 한다.

산점도비선형, 군집, 이상값은 계수 하나로 파악하기 어려우므로 시각화가 필요하다.

인과주의제3변수, 우연, 시간추세 때문에 상관이 나타날 수 있어 인과로 단정하면 안 된다.

나. 구성요소

구분	요소	설명
자료	변수 X, Y	관계 분석 대상이 되는 두 변수이며 연속형, 순서형, 이진형 등 자료형을 먼저 확인한다.
기초	공분산	두 변수가 평균에서 함께 벗어나는 정도를 나타내지만 단위 영향이 있어 직접 비교가 어렵다.
지표	상관계수	공분산을 표준화한 값으로 두 변수의 방향과 강도를 -1부터 1 사이로 표현한다.
시각화	산점도	선형성, 비선형성, 이상값, 군집, 이질 집단을 확인하는 기본 도구다.
유형	피어슨 상관	연속형 변수의 선형 관계를 측정하며 정규성, 이상값, 선형성에 민감하다.
유형	스피어만 상관	값의 순위를 이용해 단조관계를 측정하며 비정규 분포와 순서형 자료에 유용하다.
유형	켄달 상관	순위쌍의 일치·불일치 정도를 이용해 순위 관련성을 측정한다.
해석	유의성 검정	표본에서 얻은 상관계수가 모집단에서 0과 유의하게 다른지 검정한다.
주의	교란변수	제3변수로 인해 상관이 생기거나 사라질 수 있어 편상관, 회귀, 실험설계가 필요할 수 있다.

상관관계 구성요소는 변수쌍, 공분산, 상관계수, 산점도, 피어슨·스피어만·켄달 상관, 유의성 검정, 교란변수다.

계수 계산보다 먼저 자료형, 산점도 패턴, 이상값, 선형성, 제3변수 가능성을 확인해야 한다.

Ⅲ. 동작방식 및 아키텍처

가. 상관계수 계산 원리

피어슨 상관계수는 두 변수가 각자의 평균에서 얼마나 함께 벗어나는지 측정한 뒤, 각 변수의 표준편차로 나누어 표준화한다. 공식은 r = cov(X,Y)/(σXσY)로 표현할 수 있다. 공분산이 양수이면 두 변수가 같은 방향으로 변하는 경향이 있고, 음수이면 반대 방향으로 변하는 경향이 있다. 표준편차로 나누기 때문에 단위가 제거되고, 서로 다른 단위의 변수 관계도 -1부터 1 사이 값으로 비교할 수 있다.

• 분석목적 정의: 두 변수의 관계 탐색인지, 변수 선택인지, 품질 이상 탐지인지 목적을 정한다.
• 자료형 확인: 연속형, 순서형, 범주형 여부에 따라 피어슨, 스피어만, 켄달 등을 선택한다.
• 데이터 품질 점검: 결측, 이상값, 중복, 측정오류, 단위 차이를 점검한다.
• 산점도 확인: 선형성, 비선형성, 군집, 이상값, 이질 집단을 시각적으로 확인한다.
• 상관계수 계산: 적합한 계수를 계산하고 방향과 강도를 해석한다.
• 유의성 검정: 표본 크기와 p-value를 함께 확인하되 효과크기와 실무 의미를 분리한다.
• 교란 검토: 시간추세, 제3변수, 집단 혼합, 인과방향 가능성을 점검한다.
• 후속 분석: 편상관, 회귀분석, 실험설계, 인과추론으로 확장한다.

나. 피어슨 상관 동작방식

피어슨 상관은 선형 관련성을 측정한다. X와 Y가 직선 형태로 증가하거나 감소하는 관계를 가질 때 적합하다. 하지만 이상값 하나가 상관계수를 크게 왜곡할 수 있고, 관계가 곡선 형태라면 실제 관련성이 강해도 피어슨 상관계수는 낮게 나올 수 있다. 또한 표본 수가 매우 크면 작은 상관계수도 통계적으로 유의할 수 있으므로 계수 크기와 실무적 의미를 함께 해석해야 한다.

다. 스피어만·켄달 상관 동작방식

스피어만 상관은 원자료 값 대신 순위를 이용한다. 두 변수가 선형은 아니지만 한 변수가 증가할수록 다른 변수도 대체로 증가하거나 감소하는 단조관계라면 스피어만 상관이 유용하다. 켄달 상관은 관측값 쌍의 순서가 얼마나 일치하는지 계산한다. 표본 수가 작거나 순위자료의 안정적 관계를 보고자 할 때 활용된다. 만족도 점수, 등급, 선호순위, 순위형 설문 데이터에서는 피어슨보다 순위 기반 상관이 더 적절할 수 있다.

라. 유의성 검정과 해석

상관계수의 유의성 검정은 모집단 상관계수가 0이라는 귀무가설을 기준으로 수행한다. p-value가 작으면 표본에서 관측된 상관이 우연으로 보기 어렵다고 판단할 수 있다. 그러나 유의성은 관계의 존재 가능성을 평가할 뿐, 관계가 강하거나 실무적으로 중요하다는 뜻은 아니다. 표본 수가 크면 r=0.05 같은 매우 약한 상관도 유의할 수 있고, 표본 수가 작으면 r=0.3도 유의하지 않을 수 있다. 따라서 계수의 절댓값, 신뢰구간, 산점도, 업무 의미를 함께 확인해야 한다.

마. 계산 예시

예시: 광고비(X)와 매출(Y)의 상관 분석 1. 산점도 확인: 광고비가 증가할수록 매출이 증가하는 경향 확인 2. 피어슨 상관계수 계산: r = 0.72 3. 해석: 두 변수 사이에 비교적 강한 양의 선형 관련성 존재 4. 추가 점검: 계절성, 할인행사, 브랜드 인지도, 시장규모 같은 제3변수 확인 5. 후속 분석: 광고비가 매출에 미치는 영향을 보려면 회귀분석이나 실험설계 필요 주의: r = 0.72라고 해서 광고비가 매출 증가의 원인이라고 단정할 수 없다. 상관은 함께 움직이는 정도이며, 인과 판단에는 시간순서와 교란요인 통제가 필요하다.

상관계수는 공분산을 표준편차로 나누어 단위 없는 방향·강도 지표로 만든 값이다.

분석 시 산점도, 자료형, 이상값, 표본 크기, 유의성, 제3변수, 인과방향을 함께 검토해야 한다.

Ⅳ. 실무적용 및 사례

가. 서비스 운영 지표 분석

IT 운영에서는 CPU 사용률, 메모리 사용률, 트래픽, 응답시간, 오류율, 큐 길이, DB 락 대기시간 같은 지표 간 상관을 분석한다. 예를 들어 CPU 사용률과 응답시간의 상관이 높다면 CPU 병목 가능성을 의심할 수 있다. 그러나 트래픽량이 두 변수 모두에 영향을 줄 수 있으므로 단순상관만으로 병목 원인을 확정하면 안 된다. 시간대, 배포 이벤트, 캐시 적중률, 외부 API 지연 등을 함께 분석해야 한다.

나. 마케팅·고객 분석

마케팅에서는 방문횟수, 체류시간, 장바구니 담기 수, 쿠폰 사용, 구매금액, 재방문율 사이의 상관을 분석한다. 구매금액과 방문횟수의 양의 상관이 높으면 활동성이 높은 고객이 매출에 기여할 가능성을 볼 수 있다. 하지만 충성도, 소득수준, 시즌 이벤트, 추천 노출 같은 요인이 함께 작용할 수 있다. 따라서 상관분석은 고객 세그먼트별 탐색에 사용하고, 실제 캠페인 효과는 A/B 테스트나 회귀분석으로 검증하는 것이 좋다.

다. 품질관리와 제조 데이터 분석

제조와 품질관리에서는 온도, 압력, 속도, 불량률, 생산량, 검사시간 사이의 상관을 분석해 품질 영향 요인을 찾는다. 특정 공정 온도와 불량률의 상관이 높게 나타나면 관리 기준을 조정할 후보가 된다. 다만 공정 데이터는 시간적 자기상관, 장비별 차이, 작업자 효과, 원재료 로트 차이가 존재할 수 있다. 상관분석 후에는 관리도, 분산분석, 회귀분석, 실험계획법으로 원인을 검증해야 한다.

라. AI·데이터 분석 적용

AI 모델링에서 상관분석은 특징 선택, 다중공선성 점검, 타깃 변수와의 관련성 탐색에 활용된다. 설명변수끼리 상관이 매우 높으면 모델 해석이 불안정해지고 중복 정보가 많아질 수 있다. 타깃과 상관이 높은 변수는 예측에 유용할 가능성이 있지만, 비선형 모델에서는 단순 상관이 낮아도 중요한 변수가 될 수 있다. 따라서 상관행렬, VIF, feature importance, permutation importance, SHAP을 함께 활용하는 것이 좋다.

마. 실무 체크포인트

• 산점도 우선: 상관계수 계산 전 산점도로 관계 형태와 이상값을 확인한다.
• 자료형 적합성: 연속형은 피어슨, 순서형이나 단조관계는 스피어만·켄달을 고려한다.
• 이상값 영향: 극단값 하나가 상관계수를 크게 바꿀 수 있으므로 영향점을 점검한다.
• 비선형 관계: 상관계수 0에 가까워도 곡선형 관계가 존재할 수 있다.
• 집단 혼합: 서로 다른 집단을 합치면 Simpson 역설이나 허위상관이 나타날 수 있다.
• 시간추세 제거: 시간이 지남에 따라 함께 증가하는 변수는 실제 관계 없이 높은 상관을 보일 수 있다.
• 인과해석 금지: 인과 판단은 실험, 시간순서, 교란통제, 도메인 이론이 필요하다.

상관관계는 운영 지표, 마케팅, 품질관리, AI 특징분석에서 변수 간 관계 탐색의 기본 도구로 활용된다.

실무 적용 시 산점도, 자료형, 이상값, 비선형성, 집단 혼합, 시간추세, 인과 해석 오류를 반드시 점검해야 한다.

Ⅴ. 비교분석 및 발전전망

가. 주요 상관계수 비교

구분	피어슨 상관	스피어만 상관	켄달 상관
측정 대상	연속형 변수의 선형 관계	순위 기반 단조 관계	순위쌍의 일치·불일치 관계
자료 조건	연속형, 선형성, 이상값 영향 고려	순서형, 비정규, 단조 관계에 적합	순위자료와 작은 표본에서 안정적
장점	해석이 직관적이고 회귀분석과 연결 쉬움	이상값과 비정규성에 상대적으로 강함	순위 일치성 해석이 명확함
한계	비선형 관계와 이상값에 취약	관계의 실제 크기보다 순위 변화 중심	계산과 설명이 상대적으로 복잡함
대표 활용	키와 몸무게, 광고비와 매출	만족도 등급, 순위형 설문	선호순위, 평가자 순위 일치

나. 상관관계와 회귀분석 비교

구분	상관관계	회귀분석
목적	두 변수의 관련성 방향과 강도 측정	설명변수로 종속변수를 설명·예측
변수 구분	X와 Y의 역할이 대칭적	독립변수와 종속변수를 구분
결과	상관계수 r	회귀계수, 절편, 예측식, 결정계수
해석	함께 변하는 정도	X 변화에 따른 Y의 평균적 변화
확장	편상관, 상관행렬, 네트워크 분석	다중회귀, 로지스틱 회귀, 시계열 회귀

다. 상관관계와 인과관계 비교

구분	상관관계	인과관계
의미	두 변수가 함께 변하는 통계적 관련성	한 변수가 다른 변수의 변화를 발생시키는 관계
필요 조건	동시 변동성	상관, 시간적 선후, 교란요인 통제, 이론적 근거
분석 방법	상관계수, 산점도, 상관행렬	실험, 회귀, 매칭, 도구변수, DID, 인과그래프
위험	허위상관, 제3변수, 시간추세	식별가정 위반, 누락변수, 역인과
활용	탐색과 후보 관계 도출	정책·제품·운영 변경의 효과 판단

라. 발전전망

• 데이터 관측가능성 확대: 운영·보안·서비스 지표가 많아지면서 상관 기반 이상징후 탐색과 원인 후보 도출이 중요해진다.
• AI 특징해석 결합: 상관행렬은 특징 중복성, 다중공선성, 모델 설명가능성 분석의 기초로 계속 활용된다.
• 인과추론과 병행: 상관분석은 탐색 단계, 인과추론은 효과 검증 단계로 역할을 나누어 활용된다.
• 비선형 의존성 측정: 상관계수 한계를 보완하기 위해 상호정보량, distance correlation, copula 분석이 병행된다.
• 자동 분석 플랫폼: BI·AutoML 도구에서 변수 간 상관, 이상값, 분포, 다중공선성을 자동 진단하는 기능이 강화된다.

마. 답안 작성 관점

• 정의에서는 두 변수가 함께 변하는 방향과 강도를 나타내는 통계적 관련성이라고 정리한다.
• 구성도에는 자료쌍, 산점도, 공분산, 상관계수, 방향·강도, 인과주의를 포함한다.
• 비교표에는 피어슨·스피어만·켄달 상관, 상관과 회귀, 상관과 인과의 차이를 제시한다.
• 실무 사례는 운영 지표, 마케팅, 품질관리, AI 특징분석 중 하나로 설명한다.
• 한계에는 이상값, 비선형성, 제3변수, 시간추세, 집단 혼합, Simpson 역설, 인과 해석 오류를 포함한다.

상관관계는 두 변수의 동시 변동 방향과 강도를 나타내는 기본 통계 개념이며 데이터 탐색의 출발점이다.

기술사 답안에서는 상관계수 계산보다 산점도 확인, 계수 유형 선택, 회귀·인과와의 차이, 실무 해석 주의점을 함께 제시해야 한다.

블로그: 기술사 학습노트 · imt-log.tistory.com

← [AI·빅데이터] 목록