상관분석 Q&A

✅ 가장 널리 인용되는 기준은 Cohen(1988)입니다: r = .10 작음, .30 중간, .50 큼.

✅ 연속형 + 대체로 정규분포 + 선형 관계면 Pearson, 서열척도이거나 정규성·선형성이 의심되거나 이상치가 있으면 Spearman을 씁니다.

SPSS 이변량 상관 대화상자에서 Pearson과 Spearman을 동시에 체크해 비교해 볼 수 있습니다. 두 값이 크게 다르면 이상치나 비선형성의 신호일 수 있으니 산점도를 확인하세요(그래프 > 레거시 대화상자 > 산점도/점도표).

✅ 유의성(p)과 효과 크기(r)는 다른 정보입니다. 대표본에서는 아주 작은 상관도 유의해집니다.

p값은 "상관이 0인가"에 대한 답일 뿐 관계의 강도를 말해주지 않습니다. n이 수백 명이면 r = .10 수준도 쉽게 유의해집니다. 따라서 해석은 r의 크기(Q1 기준)와 결정계수(r² — 공유 변량 비율)를 중심으로 하고, "유의하지만 작은 상관"이라고 정직하게 기술하는 것이 좋습니다.

✅ 네. Pearson r은 이상치에 매우 민감합니다. 산점도 확인이 필수입니다.

극단값 한두 개가 없던 상관을 만들어내거나(허위 상관), 있던 상관을 지울 수 있습니다. 분석 전 산점도를 그려 극단 사례를 확인하고, 이상치 기준(예: |z| > 3.29; Tabachnick & Fidell, 2013)에 따라 처리한 뒤, 민감할 경우 이상치 포함/제외 결과를 모두 확인해 보세요. Spearman 상관은 순위 기반이라 이상치 영향이 훨씬 작습니다.

✅ 흔한 원인 세 가지: 범위 제한, 비선형 관계, 측정 오차입니다.

① 범위 제한(restriction of range): 표본이 동질적이면(예: 성적 상위권만 표집) 변수의 분산이 줄어 상관이 과소추정됩니다. ② 비선형 관계: U자형 관계는 Pearson r로는 0에 가깝게 나옵니다 — 산점도로 확인하세요. ③ 측정 오차: 신뢰도가 낮은 척도는 상관을 희석(attenuation)시킵니다.

❌ 안 됩니다. 상관은 연관성만 보여줍니다. 방향(A→B인지 B→A인지)도, 제3변수의 개입 여부도 알 수 없습니다.

횡단 상관 자료에서는 "영향을 미쳤다", "효과가 있었다" 같은 인과 표현 대신 "관련이 있었다", "정적 상관을 보였다"로 기술합니다. 인과적 해석의 한계는 논의의 제한점에서 언급하는 것이 관례입니다.

✅ 하삼각(대각선 아래)만 채운 행렬에 유의수준을 별표로 표시하는 것이 관례입니다.

주. *p < .05. **p < .01. / r은 소수점 둘째 자리, 앞자리 0 생략(r = .52 형식). 표 아래에 M, SD를 함께 제시하거나 별도 행으로 추가하기도 합니다.

✅ 이분형 변수(0/1 코딩)와 연속 변수의 Pearson 상관 = 양류상관(point-biserial correlation)입니다. 그냥 Pearson으로 돌리면 됩니다.

수학적으로 동일하므로 SPSS에서 별도 메뉴가 필요 없습니다. 다만 보고할 때 r_pb로 표기하거나, 해석 시 집단 간 평균 차이의 방향(코딩 기준)을 명확히 밝힙니다. 이분형 변수 간 상관은 파이(φ) 계수가 되며 이 역시 Pearson과 동일하게 계산됩니다.