상관관계 분석: Difference between revisions

Latest revision as of 07:58, 12 December 2020

Correlation

한 변수와 다른 변수가 함께 변하는 함수관계

방향성과 강도[edit | edit source]

방향성
- 양의 상관관계: X가 증가할 때 Y가 증가
- 음의 상관관계: X가 증가할 때 Y가 감소
강도
- 상관관계의 강하고 약하고의 정도
- 강한 상관관계일수록 공분산, 또는 상관계수의 크기가 큼
- 약한 상관관계일수록 공분산, 또는 상관계수의 크기가 작음

공분산과 상관계수[edit | edit source]

공분산[edit | edit source]

Covariance 2개의 변수 사이의 상관 정도로, 범위의 영향을 크게 받음

COV(X,Y) = E(X-μ_x)(Y-μ_y)
양의 상관이면 공분산이 +로 점점 더 커짐
음의 상관이면 공분산이 -로 점점 더 작아짐
상관이 없으면 0에 가까움
범위의 영향이 적도록 표준화한 것이 상관계수

상관계수[edit | edit source]

Correlation Coefficient

일반적으로 -1 ~ +1까지의 범위로 나타남
- 표본 상관계수: 피어슨 상관계수
1인 경우: 완벽한 양의 상관관계
-1인 경우: 완벽한 음의 상관관계
0인 경우: 상관관계가 없음

변수의 수[edit | edit source]

단순상관분석: 2개의 변수 간 상관관계 분석
- ex) 나이와 급여 사이의 상관관계 분석
다중상관분석: 3개 이상의 변수 간 상관간계 분석
- ex) 나이와 급여, 직위 사이의 상관관계 분석
편상관계분석: 다중상관분석에서 다른 변수와의 관계를 고정하고 나머지 두 변수 간 상관관계 분석
- ex) 나이와 급여가 양의 상관관계를 가질 때, 직위가 끼치는 영향 강도 분석

상관관계와 인과관계[edit | edit source]

상관관계는 단순히 변수간 선형 상관성을 의미할 뿐, 인과관계로 볼 수는 없다

인과관계: 원인과 결과의 관계
- ex) 저녁을 먹었기 때문에 배가 부르다
상관관계: 변수간의 선형 상관성
- ex) 저녁을 먹는 양에 따라 배 부른 정도가 증가한다.

@@ Line 8: / Line 8: @@
 * 강도
 ** 상관관계의 강하고 약하고의 정도
-** -1 ~ +1의 상관계수에서 +1 또는 -1에 가까우면 강한 상관관계, 0에 가까우면 음의 상관관계
+** 강한 상관관계일수록 공분산, 또는 상관계수의 크기가 큼
+** 약한 상관관계일수록 공분산, 또는 상관계수의 크기가 작음
-== 상관계수 ==
+== 공분산과 [[상관계수]] ==
+=== [[공분산]] ===
+Covariance
+개의 변수 사이의 상관 정도로, 범위의 영향을 크게 받음
+* COV(X,Y) = E(X-μ<sub>x</sub>)(Y-μ<sub>y</sub>)
+* 양의 상관이면 공분산이 +로 점점 더 커짐
+* 음의 상관이면 공분산이 -로 점점 더 작아짐
+* 상관이 없으면 0에 가까움
+* 범위의 영향이 적도록 표준화한 것이 상관계수
+=== [[상관계수]] ===
 Correlation Coefficient
 * 일반적으로 -1 ~ +1까지의 범위로 나타남
-** 1인 경우: 완벽한 양의 상관관계
+** 표본 상관계수: [[피어슨 상관계수]]
-** -1인 경우: 완벽한 음의 상관관계
+* 1인 경우: 완벽한 양의 상관관계
-** 0인 경우: 상관관계가 없음
+* -1인 경우: 완벽한 음의 상관관계
-* 예시
+* 0인 경우: 상관관계가 없음
-** [[피어슨 상관계수]]
+== 변수의 수 ==
+* 단순상관분석: 2개의 변수 간 상관관계 분석
+** ex) 나이와 급여 사이의 상관관계 분석
+* 다중상관분석: 3개 이상의 변수 간 상관간계 분석
+** ex) 나이와 급여, 직위 사이의 상관관계 분석
+* 편상관계분석: 다중상관분석에서 다른 변수와의 관계를 고정하고 나머지 두 변수 간 상관관계 분석
+** ex) 나이와 급여가 양의 상관관계를 가질 때, 직위가 끼치는 영향 강도 분석
 == 상관관계와 인과관계 ==