상관관계와 인과관계: 차이점, 예시, 그리고 오류를 피하는 방법

Home » 경제 » 상관관계와 인과관계: 차이점, 예시, 그리고 오류를 피하는 방법

데이터에 대한 공개적인 논의는 개념적 함정으로 가득 차 있는데, 그중에서도 두 가지가 밀접하게 연관되어 있다는 사실과 하나가 다른 하나를 야기한다는 사실을 혼동하는 것이 가장 흔한 함정 중 하나입니다. 상관관계와 인과관계를 명확히 구분하십시오. 이는 단순히 통계적인 기술적인 문제가 아니라, 보건, 경제, 마케팅 등 다양한 분야에서 성급한 결정을 피하기 위한 실질적인 기술입니다. 정치학.

다음 글에서는 그러한 함정에 빠지지 않도록 도와주는 완벽하고 재미있는 가이드를 제공합니다. 우리는 두 개념을 정의하고 본질적인 차이점을 검토할 것입니다.우리는 언뜻 보기에 오해를 불러일으키는 일상적인 사례들을 살펴보고, 잘못된 관계를 밝혀내는 방법을 탐구하며, 자유롭게 실험할 수 없을 때 인과 관계를 추론하는 가장 확실한 접근 방식들을 검토할 것입니다.

상관관계란 무엇을 의미하고, 인과관계란 무엇을 의미하는가?

두 변수가 함께 움직일 때, 우리는 보통 그 변수들이 상관관계가 있다고 말합니다. 한 변수가 증가하면 다른 변수도 증가하는 경향이 있고, 그 반대의 경우도 마찬가지입니다. 상관관계는 연관성을 측정하는 척도입니다.이는 그러한 현상이 함께 나타나는 강도와 방향을 정량화하지만, 왜 그런 현상이 발생하는지는 알려주지 않습니다.

인과관계는 또 다른 이야기입니다. 인과관계는 한 변수의 변화가 다른 변수의 변화를 야기한다는 것을 의미합니다. 인과관계는 방향성을 가진다. 그리고 이는 원인과 결과를 연결하는 메커니즘을 필요로 합니다. 인과관계의 존재는 측정 방식과 조건에 따라 데이터에서 관찰 가능한 상관관계로 나타날 수도 있고 나타나지 않을 수도 있습니다.

기억해두면 좋을 주요 차이점

• 상관관계가 인과관계를 의미하는 것은 아닙니다.인과관계가 없더라도 연관성이 있을 수 있습니다.
• 인과관계는 메커니즘을 내포합니다.하지만 통제 요인이나 보상 요인이 존재하여 해당 패턴이 가려지는 경우에는 상관관계가 나타나지 않을 수도 있습니다.
• 상관관계는 대칭적입니다. (A와 B의 관계는 B와 A의 관계와 동일하지만) 인과관계는 그렇지 않습니다. A가 B의 원인이 된다고 해서 B가 A의 원인이 되는 것은 아닙니다.

직관력을 시험하는 예시

인과관계 없는 상관관계: 제3변수의 함정

시계열 분석에서 흔히 볼 수 있듯이, 더운 달에는 아이스크림 판매량이 증가하고 해변에서의 익사 사고도 증가합니다. 두 시리즈는 공통된 요인으로 인해 함께 움직입니다. (기온과 해변 이용 증가 사이의 상관관계이지) 아이스크림이 익사 사고를 유발하거나 그 반대의 경우는 아닙니다. 이는 교란 변수로 인한 허위 상관관계의 전형적인 예입니다.

아기들이 불을 켜놓고 자면 근시가 될 확률이 더 높다는 언론 보도와 비슷한 일이 있었습니다. 나중에 부모의 근시가 드러났습니다. 이는 야간 조명 사용과 유전적으로 아이들의 시력 모두에 영향을 미쳤습니다. 다시 말해, 이러한 연관성을 설명하는 제3의 변수가 존재하는 것입니다.

원인은 존재하지만 상관관계는 사라지는 경우

연료를 사용하는 난방기를 제어하여 집안 온도를 일정하게 유지하는 온도 조절 장치를 상상해 보세요. 연료의 양은 열을 발생시키는 원인이 됩니다.하지만 온도 조절 장치가 이를 보정하기 때문에 실내 온도가 연소된 연료량과 상관관계가 없을 수 있습니다. 즉, 측정값에서 관찰 가능한 상관관계가 없더라도 인과관계는 존재합니다.

방향은 중요하며, 때로는 방향이 거꾸로 될 수도 있습니다.

활동적인 생활을 하는 것이 노년층의 인지 기능을 보호하는 데 도움이 된다는 말이 흔히 있습니다. 하지만 역인과관계도 가능합니다.인지 기능을 더 잘 유지하는 사람들은 더 활동적인 생활 습관을 유지하는 경향이 있습니다. 그러나 이러한 연관성만으로는 시간의 흐름을 명확히 설명할 수는 없습니다.

심슨의 역설

이러한 역설은 전체적으로 나타나는 추세가 하위 그룹별로 분리했을 때 반전될 때 발생합니다. 흔히 볼 수 있는 예로는 고용량에서 더 효과적인 것으로 보이는 치료법이 있습니다. 전체 데이터에서는 이러한 양상이 나타나지만, 성별로 구분하면 그룹 간 투여량 분포가 다르기 때문에 패턴이 반대로 나타납니다. 서로 다른 것을 비교하는 것은 현실을 왜곡하는 것입니다.

허위 상관관계를 탐지하는 방법

유용한 도구 중 하나는 부분 상관관계입니다. 이는 제3의 변수를 통제하면서 두 변수 간의 연관성을 측정하는 방법입니다.온도를 고려했을 때 아이스크림과 익사 사이의 연관성이 사라진다면, 그 관계는 허구였음을 알 수 있습니다.

또 다른 전략은 분석을 계층화하는 것입니다. 관련 그룹(연령, 성별, 지역)별로 나누기 또는 모델에서 교란 변수를 조정하여 효과를 분리하고 다양한 인구 집단의 혼합으로 인한 오해의 소지가 있는 결론을 피할 수 있습니다.

연관성을 정량화하기 위한 기본 지표

공분산은 두 변수의 동시 변화 방향을 나타냅니다. 같은 방향으로 움직이면 양수이고, 반대 방향으로 움직이면 음수입니다.0에 가까운 값은 선형 관계가 없음을 시사합니다. 그 척도는 단위에 따라 달라지므로 서로 다른 쌍 간에는 비교할 수 없습니다. 이러한 측정 기준에 대한 주의는 과거의 관행을 떠올리게 합니다. 품질 관리.

피어슨 상관계수는 공분산을 정규화하며 -1에서 1 사이의 값을 갖습니다. 이는 선형 관계의 강도를 정량화하는 데 사용됩니다. 연속적인 양적 변수 간의 상관관계를 나타내며, 1 또는 -1은 완벽한 상관관계를 의미합니다. 또한 특정 가정 하에서 관찰된 상관관계가 우연에 의한 것인지 여부를 검정하는 p값을 제공합니다.

스피어만 상관계수는 순위를 기준으로 상관관계를 평가합니다. 관계가 단조적일 때 효과적이지만 반드시 선형적일 필요는 없습니다.또한 이상치에 대한 내성이 더 강합니다. 더 나아가, 피어슨 통계량과는 달리 순서형 변수를 지원합니다.

덜 일반적인 옵션으로는 순위 일치를 위한 Kendall 알고리즘과 이중점 알고리즘이 있습니다. 한 변수는 이분형이고 다른 변수는 간격형입니다.올바른 계수를 선택하면 오해를 방지할 수 있습니다.

널리 알려진 p값에 관해 몇 가지 사항을 명확히 할 필요가 있습니다. 가설이 참일 확률이 아닙니다.이는 귀무 가설이 옳을 경우 관측 데이터가 얼마나 극단적인 결과를 나타낼지를 보여줍니다. 낮은 p값은 관측된 연관성이 우연에 의한 것일 가능성이 낮다는 것을 시사하지만, 그 자체로 인과 관계를 증명하는 것은 아닙니다.

각 측정 방법을 언제 사용해야 할까요?

두 변수의 크기를 비교할 의도 없이 두 변수가 어느 방향으로 움직이는지만 알고 싶다면, 공분산은 단서를 제공합니다.연속형 변수를 사용하여 선형 관계의 강도를 측정하고 큰 이상치를 배제하려면 피어슨 상관계수가 가장 적합한 선택입니다.

관계가 선형적이지는 않지만 단조롭다고 의심될 때, 극단적인 값이 있나요, 아니면 순서형 데이터를 다루고 있나요?스피어만 순위 상관계수는 더 신뢰할 수 있는 결과를 제공하는 경향이 있습니다. 그리고 기억하세요: 모든 상관관계는 연관성을 나타내는 것이지 효과를 나타내는 것은 아닙니다.

인과 모델이란 무엇이며, 어떤 용도로 사용되는가?

구조방정식 모델링(SEM)은 다음과 같은 것을 가능하게 합니다. 동시 관계를 지정합니다 오차항과 이론적 제약 조건을 포함하는 변수들 간의 관계를 분석하는 데 유용합니다. 시스템에 여러 개의 인과 경로와 잠재 변수가 있을 때 특히 유용합니다.

엄밀한 인과 추론을 하는 방법

핵심은 무작위 대조 시험입니다. 무작위 배정은 치료군과 대조군을 무작위로 할당하는 것입니다.관찰된 요인과 관찰되지 않은 요인을 평균적으로 균형 있게 조절함으로써 결과를 도출합니다. 다른 모든 조건이 동일하다면, 결과의 차이는 치료에 기인한 것으로 볼 수 있습니다.

무작위화가 불가능할 경우, 준실험 설계가 등장한다. 매칭 과정은 동일한 대상을 비교하는 것을 목표로 합니다.관련 공변량에 대해 처리군과 대조군을 매칭합니다.

회귀 분석에서의 불연속성은 임계값을 이용합니다. 치료를 배정하는 기준점임계값 바로 위와 아래에 있는 사람들은 개입 여부를 제외하고는 유사하며, 이를 통해 효과를 국소적으로 추정할 수 있습니다.

차이점의 차이점을 비교합니다. 치료군과 대조군의 변화 양상 치료가 없을 경우 추세가 유사하다고 가정할 때, 개입 전후의 변화를 비교하는 것은 정책 평가에 있어 매우 강력한 도구입니다.

관찰 데이터는 이론과 통계를 결합하여 발전을 이루는 데에도 사용될 수 있습니다. 상황 분석. 유효한 측정 도구, 합성 대조군 또는 머신러닝 모델 이러한 도구들은 항상 가정을 명확히 밝히면서 효과를 대략적으로 파악하는 데 도움을 줍니다. 광고 플랫폼이나 디지털 분석 도구 모음과 같은 분석 도구들은 과거 데이터를 통해 이러한 접근 방식을 보여줍니다.

빅데이터에서의 상관관계: 기회와 함정

대규모 데이터베이스에서 상관관계를 탐색하면 유용한 패턴을 발견할 수 있지만, 데이터의 바다가 커질수록 허황된 사이렌 소리가 더 많이 울려 퍼진다.놀라운 연관성이 나타나지만, 이는 실제 관계가 아니라 통계적 우연의 결과일 뿐입니다.

알고리즘은 규칙성을 발견하지만, 명확한 인과관계 질문과 견고한 연구 설계가 없다면잡음을 신호로 오인할 확률이 급격히 증가합니다. 따라서 상관관계는 가설 설정의 지침이 되며, 인과관계는 잘 설계된 연구를 통해 입증됩니다.

책임감 있는 언어 사용: 경고 표지판

헤드라인을 읽을 때, 관찰 연구에서 나온 증거라면 '줄이다', '증가시키다', '원인하다', '제거하다'와 같은 단정적인 동사에 주의해야 합니다. 신중한 표현을 사용하는 것이 좋습니다. 그것은 ~와 연관되어 있기 때문에, 개선될 수 있으며, 관계를 암시합니다.

그는 또한 의심하고 있다 단순 관찰에 기반한 인과관계 주장연관성이 방향을 결정짓는 것은 아닙니다. 반대일 수도 있고, 교란 변수 때문일 수도 있습니다. 언어 사용에 신중을 기해야 잘못된 결정을 예방할 수 있습니다.

올리브유 섭취가 사망률을 낮춘다는 메시지가 대표적인 예입니다. 관찰 결과는 긍정적인 연관성을 보여줍니다.하지만 이것만으로는 인과관계를 단정짓기에 충분하지 않습니다. 오히려 사망률 감소와 관련이 있거나, 임상시험을 통해 확인될 경우 사망률을 줄일 가능성이 있다고 말하는 것이 더 적절합니다.

한편, 심장을 보호하는 것으로 보이는 호르몬 치료법에 대한 기사가 있었습니다. 사회경제적 수준과 생활 방식을 통제함으로써 그 효과는 점차 사라지고 심지어 역전되기까지 했다. 숨겨진 변수들을 제대로 제어하지 못하면 큰 피해를 입을 수 있다.

일상생활에서 흔히 볼 수 있는 기만적인 예들

수탉은 새벽이 오기 전에 울고 해는 매일 떠오른다. 노래를 부른다고 해서 해가 뜨는 건 아니잖아요.마찬가지로, 세차를 한다고 비가 오는 것은 아니지만, 때때로 우연히 그렇게 보일 수도 있습니다.

건강에 관해서는, 감기에 걸렸을 때 레몬 주스를 마시면 며칠 안에 낫는 경우가 있습니다. 감염의 자연적 진행휴식과 기타 관리가 증상 개선의 원인이며, 단순히 주스 때문이라고 단정 지을 수는 없습니다.

어떤 치료를 받든 증상의 변화가 나타날 수 있습니다. 그것만으로는 변화가 치료 때문이라고 결론짓기에는 충분하지 않습니다.외부 요인, 평균 회귀 또는 자발적 개선이 작용할 수 있습니다.

초가공식품을 적게 섭취하는 사람들은 암 발병률이 낮은 경향이 있지만, 그러한 차이는 더 건강한 생활 방식을 반영하는 것일 수 있습니다.신체 활동량 증가, 의료 서비스 접근성 향상 또는 사회경제적 차이 등이 관련 요인일 수 있습니다. 하지만 이러한 연관성이 인과관계를 증명하는 것은 아닙니다.

상관관계에서 인과관계로: 실증 연구를 통해 알아보기

대표적인 사례로, 신체 활동량이 많을수록 심혈관 질환 발생률이 낮아진다는 상관관계가 있습니다. 상관관계는 가설을 세울 수 있는 길을 열어줍니다.예를 들어, 운동은 산화질소 생성을 증가시키고 혈관을 확장시켜 혈압을 낮출 수 있습니다. 통제된 실험을 통해 이러한 메커니즘을 측정하고 인과 관계를 추정할 수 있습니다.

또 다른 다소 순진한 예로, 운동량이 많을수록 피부암 발병률이 높아진다는 연구 결과가 나올 수도 있습니다. 가장 흔한 원인은 햇빛 노출입니다.이는 야외 활동량과 피부암 위험을 모두 증가시킵니다. 실험 설계가 제대로 되어 있지 않거나 교란 변수를 적절히 통제하지 않으면 인과 관계를 잘못 해석할 수 있습니다.

회귀 분석과 인과 관계: 무엇이 효과가 있고 무엇이 효과가 없는가

회귀 분석은 통계적 가정을 바탕으로 한 변수를 다른 변수로부터 예측하는 방법입니다. 하지만 상관관계도 회귀분석도 인과관계를 증명하지는 못한다. 그 자체로는 불가능하며, 인과 관계는 이론, 시간성 또는 설계에서 비롯되어야 한다.

인과관계를 논하려면 최소한 통계적으로 유의미한 관계가 필요합니다. 경영 기준인과관계를 유발하는 요인이 결과보다 먼저 발생하거나, 인과관계에 대한 확실한 이론적 근거가 있어야 합니다. 시간적 선후관계나 이론적 근거가 없다면, 그것은 인과관계가 아니라 연관성일 뿐입니다.

예시: 아이가 처음으로 문장을 구사하는 나이가 이후 학업 성취도와 관련이 있는지 조사하는 것. 먼저, 두 협회를 비교합니다.만약 그런 것이 있다면, 시간적 순서에서 그 방향은 분명합니다. 학교의 성공은 시간을 거슬러 올라갈 수도 없고, 처음 언급된 시점을 바꿀 수도 없습니다.

연습에 도움이 될 만한 도구를 찾고 있다면 온라인 계산기와 자료들이 있습니다. 이를 통해 상관관계 및 회귀 분석을 실행할 수 있습니다. 간단한 방식으로, Numiqo와 같은 플랫폼은 교사, 연구원 및 전문가들이 이러한 분석을 쉽게 할 수 있도록 지원합니다.

목적에 따라 상관관계와 인과 추론 중 어떤 것을 선택해야 할까요?

상관관계 분석은 대시보드에서 관계를 탐색하고 모니터링하는 데 이상적입니다. 가설의 우선순위를 정하고 패턴을 파악합니다.. 에 마케팅 서비스가 무엇인지재방문과 전환율을 연관시키거나 구매 빈도에 따라 이동하는 콘텐츠를 파악하는 것은 매우 유용합니다.

특정 개입의 효과를 파악하는 것이 목표일 때 (광고 예산을 늘리면 어떤 결과가 나타나는지 등), 인과관계를 밝히는 방법이 필요합니다.이상적으로는 무작위 배정을 통한 A/B 테스트를 실시해야 하지만, 이것이 불가능하다면 매칭, 불연속, 차분 분석과 같은 준실험 설계 방식을 사용할 수 있습니다.

분석 도구나 광고 플랫폼과 같은 도구에서 얻은 데이터를 활용할 때, 흔히 다음과 같은 방법을 사용하게 됩니다. 관측 데이터를 이용한 모델 명확한 가정에 의해 뒷받침됩니다. 때로는 타당한 도구나 인위적인 통제 변수를 사용하여 신뢰할 수 있는 반사실적 상황을 구성합니다.

재현 가능한 예제를 통해 실험해보고 싶다면, 관련 저장소를 확인해 보세요. 다양한 시나리오에서 데이터를 조작하기 위한 기본 코드다음 링크에서 확인할 수 있는 예시와 같습니다. github.com/pichu2707/corr-causal-enae.

증거 평가를 위한 실용적인 팁

자극적인 제목에 현혹되기 전에 스스로에게 다음과 같은 질문을 해보세요. 무작위화가 이루어졌나요, 아니면 단순히 관찰만 했나요?혼란 변수를 적절하게 통제했습니까? 하위 그룹들이 동일한 결과를 보여주나요, 아니면 심슨 역설이 발생하나요? 이것이 바로 잡음을 걸러내는 방법입니다.

관찰 연구에서 강한 동사를 보면, 그것을 조건문으로 바꿔서 생각해 보세요. 이는 ~와 관련이 있으며, ~을 줄이거나 늘릴 수 있습니다.이 작은 언어학 분야는 과잉 해석을 피하고 과학적 정직성을 유지합니다.

이 연구를 관찰 연구인지 중재 연구인지 머릿속으로 분류해 보세요. 관찰 연구자들은 연관성을 발견합니다실험 연구는 제대로 수행될 경우 인과 관계를 확립하는 데 훨씬 더 높은 확실성을 제공합니다. 또한 함정을 피하는 빠른 필터 역할을 합니다.

임상 심리학 및 심리 치료에서는 여러 요인이 공존하고 상호 작용합니다. 실제 현장 경험을 갖춘 팀 그들은 인과 추론에는 특별한 주의와 적절한 연구 설계가 필요하며, 눈에 띄는 상관관계를 실제 치료 효과와 혼동하지 않도록 해야 한다는 점을 상기시켜 줍니다.

데이터를 면밀히 살펴보고, 질문에 맞는 적절한 도구를 선택하고, 언어 사용에 신중을 기하는 것은 두 가지가 함께 움직인다는 것을 보여주는 것과 하나가 다른 하나에 영향을 미친다는 것을 증명하는 것 사이의 차이를 만듭니다. 상관관계를 활용하여 가설을 탐색하고 우선순위를 정하십시오.인과관계 분석 방법은 결과의 귀속과 의사결정에만 사용하십시오. 그래야만 무엇이 무엇과 상호작용하는지에서 무엇이 무엇의 원인인지를 가장 높은 신뢰도로 파악할 수 있습니다.