허위상관은 두 변수 사이에 실제로는 의미 있는 관계가 없음에도 불구하고 우연히 상관관계가 나타나는 현상입니다. 이는 제3의 변수나 순전한 우연에 의해 발생할 수 있습니다.
다이어그램이 말하는 것
●
실제 인과는 없지만 제3변수(교란변수, confounder) 때문에 나타나는 겉보기 상관
●
대표 예시: 아이스크림 판매 ↔ 익사 사고 (실제 원인: 여름 기온)
●
"상관관계 ≠ 인과관계" — 통계적 사고의 가장 중요한 경고문
허위상관을 아이스크림과 익사 사고에 비유해보세요. 여름철에는 아이스크림 판매량이 늘어나고 동시에 익사 사고도 증가합니다. 이 두 변수는 강한 양의 상관관계를 보이지만, 아이스크림이 익사를 유발하는 것은 아닙니다. 실제 원인은 더운 날씨(제3의 변수)로, 이것이 아이스크림 구매와 물놀이 활동을 모두 증가시키기 때문입니다.
핵심 포인트
•
표면적으로는 상관관계가 존재하는 것처럼 보임
•
실제로는 두 변수 간에 직접적인 관계가 없음
•
제3의 변수(confounding variable)가 진짜 원인인 경우가 많음
•
순전한 우연에 의해서도 발생할 수 있음
간단한 예시
인터넷 사용자 수와 이혼율이 함께 증가했다면, 이는 인터넷이 이혼을 야기한다는 뜻일까요? 아닙니다. 둘 다 사회 발전과 개인주의 문화 확산이라는 공통 요인의 결과일 수 있습니다.
허위상관은 여러 유형으로 분류됩니다. (1)교란변수에 의한 허위상관: 제3의 변수가 두 변수 모두에 영향을 주는 경우, (2)우연에 의한 허위상관: 표본 크기가 작거나 변수가 많을 때 우연히 발생, (3)선택편향에 의한 허위상관: 특정 조건을 만족하는 데이터만 선택되어 발생. 이를 탐지하기 위해서는 편상관분석, 통제변수 추가, 시간적 선후관계 확인 등의 방법을 사용합니다.
다양한 예시로 이해하기
예시 1: 교란변수에 의한 허위상관
소득수준과 건강상태의 관계
단순상관: r = 0.65 (강한 양의 상관). 교육수준 통제 후 편상관: r = 0.23 (약한 상관)
해답:
교육수준이 소득과 건강 모두에 영향을 주는 교란변수였음
표면적 상관관계의 상당 부분이 제3의 변수에 의한 것임을 확인할 수 있습니다.
예시 2: 선택편향에 의한 허위상관
대학 입학성적과 졸업성적의 관계
전체 지원자: r = 0.8. 입학생만: r = 0.3 (범위 제한으로 인한 상관계수 감소)
해답:
상위권 학생들만 선발되어 성적 범위가 제한됨
선택편향은 상관관계를 과소평가하거나 과대평가할 수 있습니다.
예시 3: 시계열에서의 허위상관
한국 출생아 수와 황새 개체수의 관계
1970-2020년 데이터: r = -0.95 (매우 강한 음의 상관)
해답:
둘 다 도시화와 산업화라는 공통 추세에 영향받음
시계열 데이터에서는 공통 추세가 허위상관을 만들어낼 수 있습니다.
흔한 실수들
잘못된 방법:
높은 상관계수만 보고 인과관계 추론하기
왜 틀렸을까?
상관계수가 높아도 허위상관일 수 있으며, 제3의 변수를 고려하지 않으면 잘못된 결론을 내림
올바른 방법:
편상관분석, 통제변수 추가, 실험설계 등을 통해 진정한 관계를 파악해야 합니다.
잘못된 방법:
시간적 순서를 무시하기
왜 틀렸을까?
동시에 측정된 변수들 간의 상관관계만으로는 인과관계 방향을 알 수 없음
올바른 방법:
종단연구나 시차상관분석을 통해 시간적 선후관계를 확인해야 합니다.
잘못된 방법:
표본 선택편향 간과하기
왜 틀렸을까?
특정 조건을 만족하는 표본만 분석하면 모집단과 다른 상관관계가 나타날 수 있음
올바른 방법:
표본 선택 과정을 신중히 검토하고 편향 가능성을 고려해야 합니다.
연습 문제
힌트:
범위 제한 효과를 고려해보세요.
정답:
아닙니다. 명문대 졸업생들은 이미 부모 소득이 높은 계층으로 제한되어 있어 범위 제한 효과가 발생할 수 있습니다.
해설:
선택편향에 의해 실제보다 낮은 상관관계가 관찰될 수 있습니다.
허위상관의 통계적 통제는 다중회귀분석, 성향점수매칭(propensity score matching), 도구변수법(instrumental variables) 등의 고급 기법을 활용합니다. Simpson의 역설에서 볼 수 있듯이 집계된 데이터와 세분화된 데이터에서 상반된 결과가 나타날 수 있으며, 이는 교란변수의 영향 때문입니다. 베이지안 접근법에서는 사전 지식을 활용하여 허위상관 가능성을 평가합니다.
실무에서의 활용
의학/임상연구
약물 효과 평가에서의 허위상관
예시:
신약의 효과를 평가할 때 환자의 나이, 성별, 기존 질병 등이 교란변수로 작용
왜 중요한가?
약물의 실제 효과를 정확히 평가하여 안전하고 효과적인 치료법 개발
마케팅/광고
광고 효과 측정에서의 허위상관
예시:
광고 노출과 구매 사이의 상관관계가 고객의 기존 구매 성향에 의한 것일 수 있음
왜 중요한가?
마케팅 ROI를 정확히 계산하여 효율적인 광고 예산 배분
교육정책
교육 프로그램 효과 평가
예시:
특별 교육 프로그램 참여자의 성적 향상이 프로그램 효과인지 선택편향인지 구분
왜 중요한가?
효과적인 교육정책 수립과 예산의 효율적 사용
실제 사례 분석: 소셜미디어 사용과 우울증의 허위상관 분석
배경
소셜미디어 사용 시간과 우울증 점수 사이에 강한 양의 상관관계가 발견되었습니다.
문제 상황
관찰된 상관관계가 진정한 인과관계인지, 아니면 제3의 변수에 의한 허위상관인지 규명해야 합니다.
데이터 설명
청소년 5000명의 소셜미디어 사용 시간, 우울증 척도 점수, 성별, 나이, 사회경제적 지위, 학업 스트레스
소셜미디어 사용의 직접적 영향은 생각보다 작으며, 상당 부분이 학업 스트레스를 매개로 한 간접효과
결론:
허위상관을 통제한 결과, 소셜미디어 자체보다는 이로 인한 학업 방해가 더 중요한 요인임을 발견
참고 문헌
Simon, H. A. (1954), "Spurious Correlation: A Causal Interpretation", Journal of the American Statistical Association 49(267), 467–479 — 교란변수로 인한 허위상관의 고전적 분석
Yule, G. U. (1926), "Why do we sometimes get nonsense-correlations between time-series?", Journal of the Royal Statistical Society 89(1), 1–64 — 시계열 난센스 상관의 원 논문
