상관계수 해석 기준: Pearson과 Spearman 차이

두 변수의 관계를 볼 때 상관분석을 씁니다. 그런데 "r이 얼마면 강한 상관인가?", "Pearson과 Spearman 중 뭘 써야 하나?"에서 자주 막히죠. 이 글에서는 상관계수 해석 기준과 두 상관의 차이, 그리고 흔한 오해까지 정리합니다.

상관계수 r 해석 기준

r은 −1에서 +1 사이 값으로, 부호는 방향, 절댓값은 강도를 나타냅니다. 크기 해석의 관례는 다음과 같습니다(기준은 분야마다 다릅니다).

|r|	해석
.10 안팎	약한 상관
.30 안팎	중간 상관
.50 이상	강한 상관

💡 p값과 r 크기를 구분하세요. 표본이 크면 아주 작은 r(.10 정도)도 유의(p < .05)하게 나옵니다. "유의하다 = 강하다"가 아닙니다. 유의성과 별개로 r의 크기(효과크기)로 관계의 강도를 해석해야 합니다.

Pearson과 Spearman, 언제 무엇을

구분	Pearson	Spearman
기반	실제 값(선형 관계)	순위(단조 관계)
변수 척도	연속형(등간·비율)	서열척도 포함 가능
가정	선형성·정규성에 민감	정규성 불필요, 이상치에 강건

• Pearson — 두 변수가 연속형이고 관계가 직선(선형)에 가까울 때.
• Spearman — 변수가 서열척도이거나, 정규성이 깨졌거나 이상치가 있거나, 관계가 단조롭지만 곡선일 때. 정규성 판단은 왜도·첨도 기준을 참고하세요.

🚀 상관행렬, 붙여넣으면 표까지 정리상관계수·유의도를 APA 표와 한국어 기술문으로 자동 작성

상관은 인과가 아닙니다

가장 흔한 오해입니다. 두 변수가 강하게 상관해도 한쪽이 다른 쪽의 원인이라고 말할 수 없습니다. 제3의 변수가 둘 모두에 영향을 줬을 수도 있습니다. 상관은 "함께 변하는가"를 볼 뿐, 인과는 연구 설계로 판단합니다.

결정계수 r²

상관계수를 제곱한 r²(결정계수)는 한 변수가 다른 변수의 분산을 얼마나 설명하는지를 나타냅니다. 예를 들어 r = .50이면 r² = .25, 즉 약 25%를 공유한다고 해석합니다.

SPSS에서 상관분석 경로

분석 → 상관분석 → 이변량 상관에서 변수를 옮기고, Pearson 또는 Spearman을 선택합니다(양측 검정이 기본). 표 작성·해석 기준은 상관분석 Q&A에 정리되어 있습니다. 회귀에서 독립변수 간 상관이 너무 높으면 다중공선성(VIF) 문제로 이어질 수 있으니 함께 보세요.

자주 묻는 질문