두 변수는 정말 관계가 있을까? 상관분석부터 인과관계까지 (공인중개사 30년 실무 경험)

H1. 두 변수는 정말 관계가 있을까? 상관분석부터 인과관계까지 (공인중개사 30년 실무 경험)

부제: 부동산 가격·교통접근성·임대료·공실률·투자성과의 관계를 Pearson 상관분석으로 읽고, 상관관계와 인과관계를 구별하여 회귀분석으로 발전시키는 실전 연구방법론

본 글은 국내외 선행연구, 통계학 연구방법론, 부동산 시장자료 및 공인중개사 30년 실무 경험을 바탕으로 작성한 논문형 연구 블로그입니다. 컴퓨터공학 · 부동산학 · 경영학 · 신학 · 경영학 박사과정 · Golf Teaching Pro

H2. 0. 초록(Abstract)

부동산 연구에서 매우 중요한 질문 가운데 하나는 “두 변수는 실제로 서로 관계가 있는가?”이다.

예를 들어 IC 접근성과 토지가격, 도로폭과 공장부지 가격, 유동인구와 상가 임대료, 금융조달비용과 부동산 개발사업 투자성과 사이에는 실제로 일정한 관계가 존재할 수 있다. 이러한 관계를 통계적으로 확인하는 대표적인 방법이 상관분석(Correlation Analysis)이다.

본 시리즈는 다음과 같은 하나의 연구 흐름으로 진행된다.

데이터와 변수 이해 → 연구모형과 가설 설정 → 데이터 진단 → 상관분석 → 회귀분석 → 매개효과 → 조절효과 → CFA → SEM

제1편에서는 데이터와 변수의 개념을 이해하였고, 제2편에서는 독립변수·종속변수·매개변수·조절변수를 이용하여 연구모형을 구성하였다. 제3편에서는 평균·표준편차·왜도·첨도·이상치·결측치를 이용하여 분석 전에 데이터의 상태를 점검하였다. 이제 제4편에서는 두 변수 사이의 관계를 분석한다.

상관분석의 핵심 질문은 간단하다.

“X와 Y는 함께 움직이는가?”

광역교통 접근성이 개선될수록 시장수요가 증가한다면 양(+)의 상관관계를 예상할 수 있다. 반대로 IC까지 거리가 증가할수록 물류창고 입주수요가 감소한다면 음(-)의 상관관계를 예상할 수 있다.

Pearson 상관계수 r은 두 변수 사이의 선형관계 방향과 정도를 나타내며 일반적으로 -1에서 +1 사이의 값을 갖는다.

-1 ≤ r ≤ +1

그러나 박사논문에서 가장 중요한 것은 r값 자체보다 그 의미를 올바르게 해석하는 것이다.

상관관계 ≠ 인과관계

두 변수가 강하게 함께 움직인다고 해서 반드시 하나가 다른 하나의 원인이라고 결론내릴 수는 없다.

따라서 본 글에서는 Pearson 상관계수 → 양의 상관 → 음의 상관 → 무상관 → 산점도 → 이상치 → 비선형관계 → 교란변수 → 역인과관계 → 인과관계의 기본논리 → 회귀분석으로 이어지는 연구과정을 부동산 실무사례와 함께 설명한다.

본 글의 궁극적인 목적은 상관계수 계산법을 암기하는 데 있지 않다.

관계 발견 → 방향 확인 → 강도 확인 → 다른 설명 가능성 확인 → 인과논리 검토 → 회귀분석

이라는 연구자의 사고과정을 익히는 데 있다.

H2. 1. 서론(Introduction)

H3. 1.1 부동산 실무에서는 이미 상관관계를 관찰하고 있다

부동산 실무자는 거래와 개발현장을 경험하면서 자연스럽게 변수 사이의 관계를 관찰한다.

도로폭 증가 → 대형차량 접근성 개선 → 공장부지 수요 증가 가능성

IC 접근성 향상 → 물류효율 향상 → 물류창고 입주수요 증가 가능성

유동인구 증가 → 상권 매출 가능성 증가 → 상가 임대료 상승 가능성

금융조달비용 증가 → 사업비 증가 → 개발사업 투자수익률 감소 가능성

이러한 실무경험은 중요한 연구주제가 될 수 있다.

그러나 “현장에서 그런 것 같다” → “통계적으로 관계가 확인된다” → “X가 Y의 원인이다”는 서로 다른 단계이다. 기존 원문에서도 이러한 실무적 경험과 통계적 관계, 인과관계를 구별해야 한다는 점을 강조하였다.

따라서 박사논문에서는 경험을 바로 인과관계로 단정하지 않고 데이터로 관계를 검증해야 한다.

H3. 1.2 기술통계에서 상관분석으로 넘어가는 이유

제3편의 기술통계는 주로 하나의 변수를 분석하였다.

평균 → 중앙값 → 표준편차 → 분포 → 왜도·첨도 → 이상치 → 결측치

제4편의 상관분석부터는 두 개의 변수를 동시에 본다.

X의 변화 ↔ Y의 변화

연구질문도 달라진다.

“토지가격의 평균은 얼마인가?”에서 → “IC 접근성과 토지가격은 함께 움직이는가?”로 발전한다.

따라서 전체 연구과정은 다음처럼 연결된다.

기술통계 → 상관분석 → 회귀분석 → 다중회귀분석 → 매개효과 → 조절효과 → CFA → SEM

상관분석은 기술통계와 회귀분석을 연결하는 중요한 중간단계이다.

H3. 1.3 제4편에서 반드시 답해야 할 질문

이번 편의 핵심 질문은 한 줄로 정리할 수 있다.

상관관계란 무엇인가? → Pearson r은 무엇인가? → 양의 상관과 음의 상관은 무엇인가? → r이 0이면 관계가 없는가? → p값이 작으면 강한 관계인가? → 이상치가 r을 바꿀 수 있는가? → 제3의 변수는 존재하지 않는가? → 상관관계를 인과관계로 주장하려면 무엇이 더 필요한가? → 회귀분석과 어떻게 연결되는가?

H2. 2. 상관관계(Correlation)란 무엇인가

H3. 2.1 상관관계의 기본 개념

상관관계는 두 변수의 값이 함께 변화하는 패턴을 의미한다.

가장 단순한 구조는 다음과 같다.

X ↔ Y

예를 들어

도로폭(X) ↔ 공장부지 거래가격(Y)

을 분석했을 때 도로폭이 넓은 토지일수록 거래가격도 높은 경향을 보인다면 양의 상관관계를 생각할 수 있다.

반대로

IC까지 거리(X) ↔ 물류창고 입주수요(Y)

에서 IC까지 거리가 증가할수록 입주수요가 감소하는 경향을 보인다면 음의 상관관계를 생각할 수 있다.

H3. 2.2 양의 상관관계(Positive Correlation)

양의 상관관계는 X가 증가할 때 Y도 증가하는 경향을 의미한다.

X 증가 → Y 증가

부동산에서는 다음과 같은 가설적 관계를 생각할 수 있다.

도로폭 증가 → 공장부지 가격 증가 경향 · 유동인구 증가 → 상가 임대료 증가 경향 · 시장수요 증가 → 투자성과 증가 경향

그러나 여기서 “증가 경향”은 “원인”과 동일하지 않다.

H3. 2.3 음의 상관관계(Negative Correlation)

음의 상관관계는 X가 증가하면서 Y가 감소하는 경향을 의미한다.

X 증가 → Y 감소 경향

예를 들면

IC까지 거리 증가 → 입지매력 감소 · 공실률 증가 → 임대수익 감소 · 금융조달비용 증가 → 개발사업 수익률 감소

와 같은 관계를 생각할 수 있다.

H3. 2.4 상관계수 r이 0에 가까우면 관계가 없는가

그렇지 않다.

Pearson 상관계수 r이 0에 가깝다는 것은 주로 “선형관계가 약하다”는 의미이다.

예를 들어 X가 증가할수록 처음에는 Y가 증가하다가 어느 수준 이후 다시 감소하는 U자형 또는 역U자형 관계에서는 두 변수가 분명 관련되어 있어도 Pearson r이 작게 나타날 수 있다.

따라서

r ≈ 0 → 선형관계 약함

이지

r ≈ 0 → 모든 관계가 없음

을 의미하지 않는다.

H2. 3. Pearson 상관계수(r)를 이해하기

H3. 3.1 Pearson Correlation Coefficient의 원리

Pearson 상관계수는 두 연속형 변수 사이의 선형관계의 방향과 정도를 나타내는 대표적인 통계량이다.

범위는 다음과 같다.

-1 ≤ r ≤ +1

이를 간단히 정리하면 다음과 같다.

r = +1 → 완전한 양의 선형관계 · r = 0 → 선형관계가 거의 없음 · r = -1 → 완전한 음의 선형관계

기존 제4편에서도 Pearson 상관계수의 범위와 방향을 이러한 방식으로 설명하였다.

H3. 3.2 부호는 관계의 방향을 나타낸다

가상의 분석결과가 다음과 같다고 하자.

도로폭 ↔ 공장부지가격 : r = +0.55

이는 도로폭이 넓을수록 공장부지가격도 높아지는 선형적 경향이 있다는 의미이다.

반대로

IC까지 거리 ↔ 물류창고 입주수요 : r = -0.62

라면 IC까지 거리가 멀어질수록 입주수요가 낮아지는 경향을 의미한다.

즉

+ = 같은 방향 · - = 반대 방향

이다.

H3. 3.3 절댓값은 관계의 강도를 판단하는 참고지표이다

일반적으로 |r|이 1에 가까워질수록 선형관계가 강하다.

그러나 “r이 몇 이상이면 무조건 강한 상관관계이다”라는 하나의 절대기준만 적용하면 안 된다.

연구분야 → 자료특성 → 표본크기 → 기존 선행연구 → 실무적 의미

를 함께 판단해야 한다. 기존 원문 역시 상관계수의 강도를 기계적인 절대기준으로만 보지 말아야 한다는 점을 명시하였다.

 

H2. 4. 핵심 용어 정리(Statistical Terminology)

 

H2. 5. 상관계수보다 산점도(Scatter Plot)를 먼저 확인해야 한다

H3. 5.1 r 하나만으로 전체 관계를 판단하면 안 된다

상관분석을 실시하면 숫자 r이 먼저 눈에 들어오기 쉽다.

그러나 연구자는 숫자보다 먼저 데이터가 어떻게 퍼져 있는지 확인할 필요가 있다.

산점도는

가로축 X + 세로축 Y → 각각의 관측값을 점으로 표시

한 그래프이다.

예를 들어

X = IC까지 거리 · Y = 물류창고 임대율

로 설정하면 IC에서 멀어질수록 임대율이 실제로 감소하는지, 특정 거리부터 변화가 달라지는지, 이상치가 존재하는지를 한눈에 볼 수 있다.

H3. 5.2 산점도에서는 무엇을 보아야 하는가

다음 항목을 한꺼번에 확인한다.

양(+)의 방향인가? → 음(-)의 방향인가? → 직선형인가? → 곡선형인가? → 이상치가 있는가? → 서로 다른 집단이 섞였는가?

즉 상관분석은

r 계산 → 끝

이 아니라

산점도 → 관계형태 확인 → r 계산 → 실무적 해석

의 순서가 적절하다.

H3. 5.3 이상치 하나가 상관계수를 바꿀 수 있다

예를 들어 일반적인 토지 99필지와 전혀 다른 성격의 초대형 상업용지 1필지를 함께 분석하면 그 한 필지가 전체 상관계수에 큰 영향을 줄 수 있다.

따라서

상관계수 확인 → 산점도 확인 → 이상치 확인 → 원자료 확인 → 현장특성 확인 → 유지·수정·제외 판단

의 순서가 필요하다. 기존 원문에서도 Pearson 상관계수가 이상치에 민감하며 원자료와 실무적 원인을 함께 확인해야 한다고 설명하였다.

 

H2. 6. 상관관계와 인과관계는 반드시 구분해야 한다

H3. 6.1 가장 중요한 공식보다 중요한 문장

상관관계 ≠ 인과관계

예를 들어 IC 접근성이 좋은 지역의 토지가격이 높다고 하자.

이 결과만으로

“IC가 토지가격을 상승시켰다.”

라고 결론내릴 수 없다.

가능한 관계는 최소한 다음처럼 여러 가지이다.

X → Y · Y → X · Z → X와 Y · 우연 · 표본선정 문제 · 측정오류

즉 상관계수는 “함께 움직이는 정도”를 알려주지만 “누가 원인인가?”를 자동으로 결정하지 않는다.

H3. 6.2 부동산에서는 왜 더 주의해야 하는가

부동산가격은 단일 요인으로 결정되지 않는다.

예를 들어 IC 접근성과 가격 사이에 상관관계가 있다고 해도 동시에

산업단지 접근성 · 도로폭 · 용도지역 · 기업수요 · 인구 · 서울 접근성 · 개발규제 · 토지공급

등이 작용할 수 있다.

따라서

IC 접근성 ↔ 토지가격

이라는 단순 관계를

IC 접근성 → 토지가격

이라는 인과관계로 바로 바꾸면 안 된다.

H2. 7. 교란변수(Confounder)를 이해해야 인과관계가 보인다

H3. 7.1 제3의 변수 Z가 숨어 있을 수 있다

다음 관계를 생각해 보자.

역 접근성(X) ↔ 상가 임대료(Y)

강한 양의 상관관계가 나타났다고 하더라도 다음 변수들이 동시에 존재할 수 있다.

유동인구(Z1) · 상권규모(Z2) · 1층 여부(Z3) · 점포면적(Z4) · 전면폭(Z5)

즉 유동인구가 역 접근성과 임대료 모두에 영향을 주고 있다면 단순한 X ↔ Y만으로 시장을 설명하기 어렵다.

H3. 7.2 이것이 다중회귀분석이 필요한 이유이다

부동산 시장은 다음과 같이 여러 변수가 동시에 연결되는 경우가 많다.

부동산가격 = 입지 + 면적 + 도로 + 용도지역 + 교통 + 시장수요 + 개발가능성 + 거래시점 + 기타요인

따라서 상관분석에서 의미 있는 관계를 발견했다면 이후에는

단순상관 → 단순회귀 → 다중회귀

로 발전시키면서 다른 변수의 영향을 함께 검토해야 한다.

 

H2. 8. 통계적 유의성과 관계의 크기는 다르다

H3. 8.1 p값이 작다고 관계가 강한 것은 아니다

상관분석 결과에서 흔히

r = 0.18, p < .05

같은 값을 볼 수 있다.

p값이 작다는 사실과 관계의 크기가 크다는 것은 같은 의미가 아니다.

표본이 매우 크다면 작은 r도 통계적으로 유의하게 나타날 수 있다.

따라서 연구자는

방향 → 관계의 크기 → 통계적 불확실성 → 실무적 의미

를 구분해야 한다.

H3. 8.2 부동산에서는 경제적 의미도 함께 봐야 한다

예를 들어 도로폭과 가격의 관계가 통계적으로 유의하지만 실제 가격 차이가 1%에 불과하다면 투자판단에서 중요성이 크지 않을 수 있다.

반대로 통계적 효과가 상대적으로 작더라도 사업비가 수백억 원이라면 작은 차이가 상당한 금액으로 연결될 수 있다.

따라서

통계적 유의성 → 효과크기 → 경제적 의미 → 실무적 의사결정

의 순서로 해석해야 한다.

 

H2. 9. Pearson 상관분석을 사용할 때 확인해야 할 조건

H3. 9.1 선형성을 확인한다

Pearson r은 주로 선형관계를 나타낸다.

따라서

산점도 → 직선형 확인 → Pearson r 해석

의 순서가 필요하다.

곡선형 관계가 명확하다면 Pearson r 하나로 설명하지 않는 것이 좋다.

H3. 9.2 이상치를 확인한다

극단값 존재 → r 증가 또는 감소 가능 → 원자료 확인 → 현장특성 확인

이 필요하다.

H3. 9.3 표본구성을 확인한다

예를 들어 경기도 전체 공장부지를 연구하면서 특정 도시의 대형공장만 표본에 포함하면 상관계수가 모집단 전체를 대표하지 않을 수 있다.

따라서

표본크기 + 표본선정방법 + 지역구성 + 사업유형

을 함께 검토해야 한다.

H3. 9.4 상관계수만으로 변수를 선택하지 않는다

연구변수의 선정은

통계결과 + 이론 + 선행연구 + 연구설계 + 부동산 현장논리

를 함께 고려해야 한다.

 

H2. 10. 상관관계에서 인과관계로 가기 위한 논리

H3. 10.1 시간적 선행성(Temporal Precedence)

원인 X는 결과 Y보다 논리적으로 먼저 존재해야 한다.

예를 들어

교통인프라 개선 → 접근성 향상 → 기업수요 변화 → 부동산가격 변화

라는 구조가 있다면 시간적 순서를 검토할 수 있다.

H3. 10.2 공변성(Covariation)

X가 달라질 때 Y도 일정한 방향으로 달라지는가를 확인한다.

이 단계에서 상관분석이 중요한 역할을 한다.

H3. 10.3 다른 설명 가능성 검토

교통접근성과 토지가격의 관계라면

용도지역 · 토지면적 · 도로조건 · 지역 · 거래시점 · 개발호재

등의 영향을 검토해야 한다.

H3. 10.4 이론적 근거

통계적 관계가 발견되었다고 끝나는 것이 아니다.

통계결과 → 선행연구 → 경제학적 논리 → 부동산학적 논리 → 현장검증

이 함께 이루어져야 인과관계 해석의 설득력이 높아진다. 기존 글에서도 시간적 선행성, 다른 설명 가능성, 이론적 근거가 인과논리에 중요하다고 정리하였다.

 

H2. 11. 상관분석 결과표를 읽는 방법

가상의 부동산 개발사업 데이터를 다음과 같이 설정해 보자.

변수	IC 접근성	시장수요	투자성과	금융조달비용
IC 접근성	1.00	0.58	0.42	-0.10
시장수요	0.58	1.00	0.65	-0.22
투자성과	0.42	0.65	1.00	-0.48
금융조달비용	-0.10	-0.22	-0.48	1.00

위 값은 통계개념 설명을 위한 가상자료이다. 기존 제4편에서도 동일한 가상 상관행렬을 사용하였다.

이를 가로 흐름으로 읽으면 다음과 같다.

IC 접근성 ↔ 시장수요 : r = +0.58 → 양의 관계

시장수요 ↔ 투자성과 : r = +0.65 → 비교적 강한 양의 관계

금융조달비용 ↔ 투자성과 : r = -0.48 → 음의 관계

그러나 여기서 바로

IC 접근성 → 시장수요

시장수요 → 투자성과

라고 인과관계를 확정해서는 안 된다.

상관행렬은 관계를 탐색하고 다음 분석단계를 설계하는 자료이다.

H2. 12. 실무 사례 연구(Case Study)

H3. 12.1 사례 1 ― 공장부지 도로폭과 거래가격

실무 질문은 “도로가 넓은 공장부지는 실제로 가격이 높은가?”이다.

도로폭(X) ↔ 공장부지 거래가격(Y)

양의 상관관계가 나타났다고 하더라도

도로폭 → 가격

이라고 바로 단정할 수 없다.

대형차량 접근성 · 용도지역 · IC 접근성 · 토지면적 · 산업수요가 동시에 영향을 줄 수 있기 때문이다.

따라서

현장경험 → 상관관계 확인 → 제3변수 검토 → 회귀분석

으로 발전해야 한다.

H3. 12.2 사례 2 ― 물류창고와 IC 접근성

본 시리즈의 핵심 연구모형은 다음과 같다.

광역교통 접근성(X) → 시장수요(M) → 투자성과(Y)

먼저

광역교통 접근성(X) ↔ 시장수요(M)

의 상관관계를 확인한다.

관계가 확인되면 다음 단계에서

X → M

의 회귀분석과 이후 매개효과를 검토할 수 있다.

H3. 12.3 사례 3 ― 상가 유동인구와 임대료

실무질문은 “유동인구가 많은 상권은 임대료도 높은가?”이다.

유동인구(X) ↔ 상가 임대료(Y)

그러나 동시에

역세권 여부 · 상권규모 · 점포면적 · 층수 · 전면폭 · 업종

등이 존재한다.

따라서

단순상관 → 통제변수 검토 → 다중회귀

가 필요하다.

H3. 12.4 사례 4 ― 금융조달비용과 개발사업 투자성과

금융조달비용(X) ↔ 개발사업 투자성과(Y)

일반적으로 음의 관계를 예상할 수 있다.

그러나 실제 성과에는

분양률 · 사업기간 · 토지취득가격 · 레버리지 · 임대수익 · 사업규모

가 함께 작용한다.

따라서

단순상관 → 다중회귀 → 조절효과 분석

으로 발전하는 것이 자연스럽다.

이 네 가지 사례는 기존 원문의 Case Study 구조를 그대로 유지하면서 가로형으로 압축한 것이다.

H2. 13. 상관분석 실무 체크리스트

연구자가 실제 데이터를 받았다면 다음 순서로 진행하는 것이 효율적이다.

데이터 정제 → 척도 확인 → 결측치 확인 → 이상치 확인 → 기술통계 → 산점도 → 선형성 확인 → 적절한 상관계수 선택 → r 확인 → p값·신뢰구간 확인 → 실무적 의미 해석 → 인과관계와 구별 → 회귀분석

특히 부동산자료에서는 산점도를 반드시 함께 확인하는 것이 좋다.

동일한 r값이라도 지역·용도지역·사업규모에 따라 전혀 다른 데이터구조를 가질 수 있기 때문이다.

H2. 14. 상관분석에서 회귀분석으로 연결되는 원리

H3. 14.1 상관분석의 질문

상관분석의 기본 질문은 다음과 같다.

X ↔ Y : 함께 움직이는가?

H3. 14.2 회귀분석의 질문

회귀분석에서는 한 단계 더 나아간다.

X → Y : X의 변화와 Y의 변화를 어떻게 모형으로 표현할 것인가?

가장 기본적인 단순선형회귀식은 다음과 같다.

Y = β₀ + β₁X + ε

여기서 Y = 종속변수 · X = 독립변수 · β₀ = 절편 · β₁ = 회귀계수 · ε = 모형이 설명하지 못한 오차이다.

하나의 독립변수를 사용하는 단순선형회귀에서는 Pearson 상관계수와 회귀기울기의 방향이 연결되고, r²는 R²와 연결된다. 기존 제4편 역시 이러한 연결관계를 설명하고 있다.

따라서 통계학습의 전체 흐름은 다음처럼 기억하면 쉽다.

기술통계 → 상관분석 → 단순회귀 → 다중회귀 → 매개효과 → 조절효과 → CFA → SEM

그러나 분석기법이 고급화되더라도

회귀분석 = 자동적인 인과관계 증명

은 아니다.

인과관계는 통계기법보다 연구설계와 논리에 의해 뒷받침되어야 한다.

H2. 15. 연구자의 실무 의견(Author’s Insight)

부동산 실무에서는 변수 하나만으로 가격이나 투자성과가 결정되는 경우가 드물다.

도로폭이 넓다고 모든 토지가 비싼 것은 아니며, IC에 가까운 모든 물류창고가 높은 투자수익을 내는 것도 아니다. 역세권이라고 모든 상가의 공실이 낮은 것도 아니다.

부동산의 현실은 복합적이다.

따라서 실무경험과 통계분석을 다음처럼 연결할 필요가 있다.

현장경험 → 관계 발견 → 연구문제 → 데이터 수집 → 상관분석 → 제3변수 검토 → 회귀분석 → 결과해석 → 현장 재검증

부동산 실무자의 강점은 현장에서 어떤 변수끼리 관계가 있을 가능성이 있는지를 발견할 수 있다는 데 있다.

반면 통계는 그러한 경험이 특정 사례에만 해당하는지, 더 넓은 표본에서도 반복되는지 검증하는 역할을 한다.

따라서

실무경험 + 통계적 검증

이 결합되어야 부동산경영 연구의 학술적 가치와 실용성을 동시에 높일 수 있다.

기존 원문에서도 현장경험 → 관계에 대한 의문 → 데이터 수집 → 상관관계 확인 → 다른 요인 검토 → 회귀분석 → 실증검증 → 현장 적용이라는 구조를 제시하였다.

 

H2. 16. 정책 제언 및 투자 전략

부동산투자에서도 상관관계와 인과관계를 구분하는 습관이 필요하다.

예를 들어

“역 주변 땅값이 높다.”

라는 사실과

“역이 생기면 이 토지가 반드시 오른다.”

는 주장은 다르다.

투자자는 다음 구조를 검토해야 한다.

교통호재 → 실제 접근성 변화 → 기업·인구수요 변화 → 공급량 변화 → 임대료·가격 변화 → 금융비용 → 최종 투자성과

즉 교통시설 하나의 존재만 볼 것이 아니라 해당 시설이 실제 시장수요를 변화시키는지를 검토해야 한다.

부동산 투자판단에서도

관계 발견 → 원인 검토 → 다른 영향요인 검토 → 경제성 분석 → 최종 투자결정

이라는 연구자의 사고방식이 도움이 된다.

 

H2. 17. 결론(Conclusion)

상관분석은 단순한 기초통계가 아니라 회귀분석과 고급통계를 이해하는 중요한 출발점이다.

이번 제4편의 핵심은 다음 한 줄로 정리할 수 있다.

데이터 확인 → 산점도 → 상관계수 → 방향 → 강도 → 이상치 → 교란변수 → 인과논리 → 회귀분석

그리고 반드시 기억해야 할 원칙은 다음과 같다.

상관관계 ≠ 인과관계

함께 움직이는 것은 중요한 연구단서이다.

그러나 원인이라고 주장하기 위해서는

통계적 관계 + 시간적 선행성 + 다른 설명의 배제 + 이론적 근거 + 적절한 연구설계

가 함께 필요하다.

제5편에서는 이제

X ↔ Y

라는 관계를

X → Y

라는 회귀모형으로 발전시킨다.

다음 편에서는 β계수 · R² · p값 · 신뢰구간을 이용하여 “X가 변할 때 Y는 얼마나 변하는가?”를 부동산 실무자료로 분석하게 된다.

H2. 18. 자주 묻는 질문(FAQ)

H3. Q1. 상관계수가 높으면 인과관계가 있는 것인가?

아니다. 강한 상관관계가 존재해도 역인과관계, 교란변수, 표본구성 또는 우연 등 다른 설명이 가능하다.

H3. Q2. r = 0이면 두 변수는 아무 관계도 없는가?

아니다. Pearson r은 주로 선형관계를 나타내므로 비선형관계가 존재할 수 있다.

H3. Q3. 상관계수는 몇 이상이면 강하다고 볼 수 있는가?

하나의 절대기준만 적용하기보다 연구분야, 표본, 변수성격과 선행연구를 함께 고려해야 한다.

H3. Q4. Pearson 상관분석 전에 무엇을 확인해야 하는가?

데이터 정제 → 결측치 → 이상치 → 기술통계 → 산점도 → 선형성을 먼저 확인하는 것이 좋다.

H3. Q5. p < .05이면 관계가 강하다는 뜻인가?

아니다. p값은 관계의 강도와 같은 개념이 아니다. r과 함께 해석해야 한다.

H3. Q6. 이상치 하나가 r을 크게 바꿀 수 있는가?

가능하다. 따라서 산점도와 원자료를 함께 확인해야 한다.

H3. Q7. 부동산가격 연구에 상관분석만 사용해도 되는가?

단순한 관계 탐색에는 사용할 수 있지만 가격 결정요인이나 영향효과를 연구하려면 일반적으로 회귀분석 등 추가분석이 필요하다.

H3. Q8. 상관분석 다음에는 무엇을 배우는가?

본 시리즈에서는 단순회귀분석으로 진행한다.

H3. Q9. 상관분석과 회귀분석은 무엇이 다른가?

상관분석은 X와 Y의 동반관계를 확인하고, 회귀분석은 독립변수와 종속변수를 구분하여 관계를 모형으로 추정한다.

H3. Q10. 회귀분석을 하면 인과관계가 자동으로 증명되는가?

아니다. 회귀분석도 관찰자료에서는 인과관계를 자동으로 증명하지 않는다. 연구설계와 이론적 근거가 필요하다. 기존 원문의 FAQ 역시 같은 10가지 핵심문제를 다루고 있다.

H2. 19. 참고문헌(References)

1. NIST/SEMATECH, e-Handbook of Statistical Methods
   상관관계와 인과관계를 구별하고 실험 및 통계적 연구설계의 기본개념을 이해하는 데 활용할 수 있는 통계방법론 자료이다.
2. Penn State University, STAT 509, Pearson Correlation Coefficient
   Pearson 상관계수의 정의, -1~+1 범위, 선형관계의 방향과 강도를 이해하는 데 활용할 수 있다.
3. Penn State University, Use and Misuse of Correlation Coefficients
   상관계수 해석에서 이상치, 비선형관계, 표본편향 및 인과관계 오해 문제를 이해하는 데 도움이 된다.
4. Hair, J. F. et al., Multivariate Data Analysis
   상관분석, 회귀분석, 다변량 분석 및 구조방정식으로 발전하는 통계분석 구조를 이해하는 대표적인 연구방법론 문헌이다.
5. Field, A., Discovering Statistics Using IBM SPSS Statistics
   상관분석과 회귀분석을 실제 통계프로그램의 결과와 연결하여 이해하는 데 유용하다.
6. Creswell, J. W. & Creswell, J. D., Research Design
   통계적 관계를 연구문제, 연구가설 및 연구설계와 연결하는 방법을 이해하는 데 도움이 된다.
7. Li, Z. (2018), The Impact of Metro Accessibility on Residential Property Values
   교통접근성과 주거용 부동산가치의 관계를 분석한 사례로, 교통접근성 효과가 단순한 직선적 관계만으로 설명되지 않을 수 있음을 보여주는 부동산 실증연구이다. 기존 원문 참고문헌에도 해당 연구가 포함되어 있다.

H2. 20. 관련글(Related Posts)(8개 대표글)