이 강의에서 할 일
- 두 연속형 변수의 관계를 상관계수로 확인한다.
- 산점도로 선형성과 이상치를 먼저 본다.
- Pearson과 Spearman 중 무엇을 쓸지 정하고 결과를 보고한다.
시작하기 전에
- 기술통계와 정규성 확인(4강)
- 실습용 가상 데이터 내려받기(오른쪽)
상관분석이란
두 연속형 변수가 함께 변하는 정도를 −1에서 +1 사이의 상관계수로 나타냅니다. 실습 데이터는 주당학습시간, 학습몰입, 학습스트레스, 시험점수 네 변수를 가상으로 만든 150명 자료입니다.
- Pearson 상관 — 두 변수의 선형 관계를 나타냅니다. 두 변수가 연속형이고 관계가 대체로 직선이며 극단적 이상치가 없을 때 씁니다.
- Spearman 상관 — 값 대신 순위로 계산합니다. 정규성이 크게 어긋나거나 이상치가 있거나 서열 변수일 때 대안으로 씁니다.
- 상관은 인과가 아닙니다 — 학습시간과 시험점수가 관련 있다는 것이 학습시간이 점수를 올린다는 뜻은 아닙니다.
Jamovi에서 실행하기
- 1Analyses 탭 > Regression > Correlation Matrix를 엽니다.리본의 Regression 메뉴에서 Correlation Matrix를 고릅니다. Jamovi 2.7.6에서는 Analyses 탭의 Regression 메뉴 맨 위에 있습니다.
- 2분석할 변수를 모두 옮깁니다.주당학습시간, 학습몰입, 학습스트레스, 시험점수를 변수 칸으로 옮깁니다. 번호 변수는 넣지 않습니다.
- 3상관계수 종류와 표시 옵션을 고릅니다.Pearson과 Spearman 중 쓸 계수를 켜고, Report significance로 p값을, Confidence intervals로 95% 신뢰구간을 표에 함께 표시합니다. 사례 수가 필요하면 N도 켭니다. 변수 칸에는 번호를 빼고 분석할 변수만 옮깁니다.
- 4산점도 행렬을 켭니다.Plot에서 Correlation matrix를 켜면 변수쌍마다 산점도가 그려집니다. 숫자만 보지 않고 그림으로 관계의 모양을 먼저 확인합니다.
화면은 Jamovi 2.7.6 기준입니다. 기본값은 Pearson과 Report significance만 켜져 있으므로 Spearman과 신뢰구간은 직접 켭니다.
1단계 · 기술통계와 그림 먼저
| 변수 | N | 평균 | SD |
|---|---|---|---|
| 주당학습시간 | 150 | 9.73 | 3.74 |
| 학습몰입 | 150 | 54.48 | 13.16 |
| 학습스트레스 | 150 | 3.13 | 0.62 |
| 시험점수 | 150 | 59.53 | 13.18 |
값은 실습 데이터(가상, 150명)로 Jamovi 2.7.6에서 확인한 값입니다.
- 산점도에서 점들이 대체로 한 방향의 띠 모양인지, 곡선 모양은 아닌지, 홀로 멀리 떨어진 점은 없는지 봅니다.
- 상관은 이상치 한두 개에도 크게 흔들립니다. 이상치가 있으면 원인을 확인하고, Spearman 결과도 함께 봅니다.
- 이 자료에서 주당학습시간(Shapiro-Wilk p = .605)과 시험점수(p = .909)는 정규성을 크게 의심할 이유가 없습니다.
2단계 · 상관행렬 읽기
| 주당학습시간 | 학습몰입 | 학습스트레스 | 시험점수 | |
|---|---|---|---|---|
| 주당학습시간 | 1 | .68 | −.38 | .65 |
| 학습몰입 | .68 | 1 | −.34 | .69 |
| 학습스트레스 | −.38 | −.34 | 1 | −.42 |
| 시험점수 | .65 | .69 | −.42 | 1 |
Pearson 상관계수이며 Jamovi 2.7.6에서 확인한 값입니다. 대각선은 자기 자신과의 상관이라 1입니다.
| 변수쌍 | Pearson r | 95% 신뢰구간 | p | Spearman ρ |
|---|---|---|---|---|
| 주당학습시간 – 시험점수 | .65 | [.55, .73] | < .001 | .66 |
| 학습몰입 – 시험점수 | .69 | [.60, .77] | < .001 | .66 |
| 학습스트레스 – 시험점수 | −.42 | [−.55, −.28] | < .001 | −.39 |
- 부호 — 양수는 한 변수가 클수록 다른 변수도 큰 경향, 음수는 한 변수가 클수록 다른 변수가 작은 경향입니다. 학습스트레스와 시험점수는 음의 상관입니다.
- 크기 — 절댓값이 클수록 관계가 강합니다. 약함·중간·강함의 기준(예: .1/.3/.5)은 관례일 뿐이라 쓰려는 기준과 출처를 함께 적습니다.
- p와 신뢰구간 — p는 모집단에서 상관이 0이라는 가정을 검정합니다. 사례가 많으면 작은 상관도 유의해지므로 크기와 신뢰구간을 함께 보고합니다.
- 결정계수 — r을 제곱하면 한 변수의 분산 중 다른 변수와 공유하는 비율로 해석하기도 합니다. 예: .69²는 약 .48.
- 변수가 많을 때 — 여러 상관을 한꺼번에 검정하면 우연히 유의한 결과가 나올 수 있어, 필요하면 다중비교 보정을 고려합니다.
논문에 넣는 결과표 (APA 양식)
위·아래 선과 머리글 아래 선만 쓰는 APA 표 형식입니다. 통계 기호는 기울임꼴이고, 1을 넘을 수 없는 값(p, r, β, R²)은 영(0)을 생략했습니다. 투고할 학술지의 작성 지침이 다르면 지침을 따릅니다.
변수의 기술통계와 상관(N = 150)
| 변수 | M | SD | 1 | 2 | 3 | 4 |
|---|---|---|---|---|---|---|
| 1. 주당학습시간 | 9.73 | 3.74 | — | |||
| 2. 학습몰입 | 54.48 | 13.16 | .68*** | — | ||
| 3. 학습스트레스 | 3.13 | 0.62 | −.38*** | −.34*** | — | |
| 4. 시험점수 | 59.53 | 13.18 | .65*** | .69*** | −.42*** | — |
주. ***p < .001(양측). Pearson 상관계수. 가상 데이터.
한글(.hwpx) 파일은 강사에게 전달된 파일로 제공합니다. 이 사이트에서는 .hwpx 파일을 직접 내려받을 수 없습니다.
표의 값은 가상 데이터로 Jamovi 2.7.6에서 확인한 값입니다.
논문에 쓰는 문장
주당학습시간(r = .65, p < .001)과 학습몰입(r = .69, p < .001)은 시험점수와 유의한 정적 상관을 보였고, 학습스트레스는 시험점수와 유의한 부적 상관을 보였다(r = −.42, p < .001).