상관관계의 주의점

R로 시작하는 통계학 입문

Maggie Matsui

Content Developer, DataCamp

비선형 관계

이차 관계를 가진 변수의 산점도

$$r = 0.18$$

비선형 관계

보이는 것:

이차 관계 산점도와 이차 추세선

상관계수가 보는 것:

이차 관계 산점도와 선형 추세선

상관계수는 선형 관계만 반영합니다

상관계수를 맹목적으로 쓰면 안 됩니다

cor(df$x, df$y)

0.1786163

항상 데이터를 시각화하십시오

이차 관계를 가진 변수의 산점도

포유류 수면 데이터

msleep

   name                       vore  sleep_total awake  bodywt
 1 Cheetah                    carni        12.1  11.9  50    
 2 Owl monkey                 omni         17     7     0.48 
 3 Mountain beaver            herbi        14.4   9.6   1.35 
 4 Greater short-tailed shrew omni         14.9   9.1   0.019
 5 Cow                        herbi         4    20   600    
 6 Three-toed sloth           herbi        14.4   9.6   3.85 
 ...

체중 vs 깨어 있는 시간

체중 vs 깨어 있는 시간 산점도

cor(msleep$bodywt, msleep$awake)

0.3119801

체중 분포

bodywt 변수의 히스토그램

로그 변환

msleep %>%
  mutate(log_bodywt = log(bodywt)) %>%

  ggplot(aes(log_bodywt, awake)) +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE)

cor(msleep$log_bodywt, msleep$awake)

0.5687943

로그 체중 vs 깨어 있는 시간 산점도

기타 변환

로그 변환 (log(x))
제곱근 변환 (sqrt(x))
역수 변환 (1 / x)
조합 예:
- log(x)와 log(y)
- sqrt(x)와 1 / y

왜 변환을 쓰나요?

일부 통계 기법은 변수 간 선형 관계를 전제로 합니다
- 상관계수
- 선형 회귀

Introduction to Regression in R

상관관계는 인과관계가 아니다

x가 y와 상관됨 은(는) x가 y의 원인임 을 의미하지 않습니다

미국 1인당 마가린 소비와 메인주의 이혼율 산점도. 상관계수 0.99로 매우 높음

교란(confounding)

커피 섭취(x) → 폐암(y)

교란(confounding)

커피 섭취(x) → 폐암(y), 위에 흡연(교란 요인)

교란(confounding)

커피 섭취(x) ↔ 흡연(교란 요인) ↘ 폐암(y)

교란(confounding)

커피 섭취(x) ↔ 흡연(교란 요인) → 폐암(y). 흡연→폐암은 "인과" 표시

교란(confounding)

커피 섭취(x) ↔ 폐암(y) "연관". 흡연↔커피 "연관". 흡연→폐암 "인과".

휴일(x) → 소매 판매(y). 특별 할인(교란 요인) ↔ 휴일, → 소매 판매.

연습해 봅시다!

R로 시작하는 통계학 입문