배양액 대사체 농도가 높을수록 세포 생존율도 높았습니다. 두 변수의 상관계수 r=.78이라면 대사체를 늘리면 생존율이 높아진다고 결론내릴 수 있을까요? 상관은 출발점이지만 원인 결론은 아닙니다.
이번 단원의 질문은 하나입니다.
두 변수가 함께 움직인다는 사실에서 어디까지 말할 수 있는가?
상관계수는 선형 동행을 −1에서 +1로 압축합니다
Pearson 상관계수 r은 두 변수가 각자 평균에서 벗어난 방향이 함께 맞는지를 표준화해 요약합니다.
- r>0: X가 큰 관측에서 Y도 큰 선형 경향
r < 0: X가 큰 관측에서 Y는 작은 선형 경향- |r|가 1에 가까움: 점들이 한 직선 주변에 가까움
- r≈0: 선형 동행이 약함
r=0은 관계가 없다는 뜻이 아닙니다. 완벽한 U자 관계는 양쪽 기울기가 상쇄되어 r이 0 근처일 수 있습니다. 숫자 하나를 계산하기 전에 산점도를 그려야 합니다.
상관계수는 X와 Y의 단위를 없애 비교하기 쉽지만, 실제 변화량을 말하지 않습니다. “X가 1 증가할 때 Y가 얼마나 변하는가”는 회귀 기울기 질문이며 다음 단원에서 다룹니다.
같은 r도 완전히 다른 데이터를 가릴 수 있습니다
다음 요소를 산점도에서 확인하십시오.
- 선형성: 직선 주변인가, 곡선·문턱·포화가 있는가?
- 이상값: 한두 점이 방향과 크기를 지배하는가?
- 범위제한: X의 좁은 일부만 관측했는가?
- 군집: plate, donor, 날짜별 덩어리가 있는가?
- 이분산: X가 커질수록 Y의 폭도 커지는가?
- 측정오차: X와 Y의 반복정밀도가 관계를 약화시키는가?
범위를 건강한 성인으로 제한하면 전체 인구에서 강한 나이–지표 관계가 약해질 수 있습니다. 반대로 서로 다른 두 batch 군집을 합치면 각 군집 안에서는 관계가 없어도 전체 r이 커질 수 있습니다.
한 donor의 20개 세포를 20개의 독립 점으로 그리면 군집 구조 때문에 p-value가 과도하게 작아질 수 있습니다. donor별 요약, 반복측정 상관 또는 계층모형이 필요합니다. 점 개수와 독립 정보량은 같지 않습니다.
상관은 방향을 바꿔도 같은 값이며 원인을 지정하지 않습니다
cor(X,Y)=cor(Y,X)입니다. 상관은 어느 변수가 설명이고 어느 변수가 반응인지 정하지 않습니다. 높은 r에는 여러 설명이 가능합니다.
- X가 Y에 영향을 준다.
- Y가 X에 영향을 준다.
- 제3변수 Z가 둘 모두에 영향을 준다.
- 선택·측정·시간 추세가 인공 관계를 만든다.
- 우연과 다중 탐색으로 큰 r이 선택됐다.
인과 판단에는 시간 순서, 조작 가능한 설계, 무작위화, 교란 통제, 기전과 재현이 필요합니다. 상관 p-value가 작아도 이 조건은 자동 충족되지 않습니다.
p-value와 CI는 n에 의존합니다
H0: 모집단 선형상관 ρ=0 검정은 r과 n을 사용합니다. 큰 n에서는 작은 r도 유의할 수 있고 작은 n에서는 큰 r의 CI가 넓습니다. 따라서 r, CI, 독립 n과 산점도를 함께 보고합니다.
여러 유전자와 endpoint의 상관행렬에서 수천 개를 검정하면 우연히 작은 p-value가 많이 생깁니다. 분석 전 후보를 제한하거나 FDR 등 다중성 통제와 독립 검증을 계획해야 합니다.
In-Silico Lab: r의 취약성을 직접 만듭니다
- 기울기를 −2, 0, +2로 바꾸어 r의 방향을 봅니다.
- 곡률을 올려 관계는 강하지만 r은 약한 상황을 만듭니다.
- 한 점의 이상값을 추가해 r이 얼마나 움직이는지 봅니다.
- 새 seed에서 같은 생성 조건의 표본 r이 달라지는지 확인합니다.
산점도를 바꾸고 r의 취약성을 보세요
기울기·noise·곡률·이상값을 바꾸며 같은 계수 뒤에 다른 모양이 숨는지 확인합니다.
같은 설정의 합성 관측
계산 결과
r은 선형 모양의 요약입니다. 인과·재현성·군집 독립성은 별도 질문입니다.
교육용 synthetic model · bjs-relationship-sequence-v1. 실제 연구 판단에는 실험단위, 결측, 분포, 다중성, 사전계획과 도메인 기준을 별도로 반영해야 합니다.
Lab에서 선은 설명을 돕는 단순 회귀선입니다. 선이 보인다고 인과나 외삽 가능성이 생기지 않습니다.
JMP에서 행렬보다 각 산점도가 먼저입니다
상관계수보다 먼저 모양·범위·군집·이상값을 봅니다.
r의 부호와 크기, n과 p값을 함께 읽습니다.
타원은 선형 관계 표현이며 인과 구조를 보증하지 않습니다.
Correlation Matrix는 많은 쌍을 압축하지만 비선형과 이상값을 숨깁니다. Scatterplot Matrix에서 각 쌍의 모양을 확인하고, density ellipse는 선형 정규 구조를 요약하는 보조 표현으로 읽습니다. 타원의 기울기가 원인 방향을 표시하지는 않습니다.
결과 문장 예시
독립 batch 42개에서 대사체 X와 viability의 Pearson r은 .61(95% CI .38–.77)이었다. 산점도에서 양의 선형 경향이 보였으나 두 고농도 점의 영향이 있었고, batch 날짜를 색으로 표시하면 군집이 일부 설명했다. 이 관찰연구 상관은 X 증가의 인과효과로 해석하지 않았다.
단원을 마치며
- r은 선형 동행의 방향과 표준화된 크기다.
- r≈0이어도 비선형 관계가 있을 수 있다.
- 이상값·범위제한·군집·교란은 r을 크게 바꾼다.
- 상관은 X와 Y의 인과 방향을 정하지 않는다.
- p-value보다 r·CI·독립 n·산점도를 함께 본다.
- 대규모 상관 탐색에는 다중성과 검증이 필요하다.
다음 단원에서는 관계를 Y=β₀+β₁X+ε로 표현하고, 직선이 놓친 것을 잔차에서 찾습니다.
공식 보충 자료
이 글의 예시와 Lab은 교육용 합성 자료입니다.