(128 관리 1-8) 빅데이터 분석에서 상관관계(Correlation)와 인과관계

제 1 교시

8. 빅데이터 분석에서 상관관계(Correlation)와 인과관계(Causation)에 대하여 비교하여 설명하시오.

 

두음 (X)

 

확률/통계 및 AI 도메인은 항상 어렵게 느껴지는 도메인입니다.

하기 내용들은 선별해서 참조하시길 바라며

나중에 내공이 더 쌓이게 되면 보완 업데이트 할게요.

 

풀이 전략

☞ 1단락 : 빅데이터 분석에서의 상관관계와 인과관계 개념 비교
☞ 2단락 : 상관관계와 인과관계의 개념도 및 특징 비교
☞ 3단락 : 빅데이터 분석에서의 상관관계와 인과관계 활용

 

멘토링

 

문제 풀이에 있어서 가장 중요한 것은 정확한 개념의 설명입니다. 

개념이 틀리면 2단락 / 3단락을 아무리 많이 써도 의미가 없습니다.

위키백과 등에서 키워드 찾아보고, 정리하는 습관이 필요합니다.

 

상관 분석 (위키백과)

상관 분석(相關 分析, Correlation analysis)은 확률론과 통계학에서 두 변수 간에 어떤 선형적 관계를 갖고 있는 지를 분석하는 방법이다. 두 변수는 서로 독립적인 관계이거나 상관된 관계일 수 있으며 이때 두 변수간의 관계의 강도를 상관관계(Correlation, Correlation coefficient)라 한다. 상관분석에서는 상관관계의 정도를 나타내는 단위로 모상관계수로 ρ를 사용하며 표본 상관 계수로 r 을 사용한다.

상관관계의 정도를 파악하는 상관 계수(相關係數, Correlation coefficient)는 두 변수간의 연관된 정도를 나타낼 뿐 인과관계를 설명하는 것은 아니다. 두 변수간에 원인과 결과의 인과관계가 있는지에 대한 것은 회귀분석을 통해 인과관계의 방향, 정도와 수학적 모델을 확인해 볼 수 있다.

 

인과 관계 (위키백과)

인과관계(因果關係)는 원인과 결과의 관계를 말한다. 인과(因果) · 인과율(因果律) 또는 인과성(因果性)이라고도 한다. 하나의 사건(원인)이 다른 사건(결과)을 일으킬 때 둘의 관계를 인과관계라 한다.

 

 

1. 빅데이터 분석에서의 상관관계와 인과관계 개념 비교

상관 관계	인과 관계
두 변수 간 선형적 관계 유무를 분석하는 상관 분석에서의 관계의 강도 변수간의 관계성을 파악하기 위한 분석 기법에 활용	변수간의 인과성이 존재하여 원인과 결과를 일으키는 관계 변수간의 인과성을 파악하기 위한 분석 기법에 활용

 

2. 상관관계와 인과관계의 개념도 및 특징 비교

 가. 상관관계와 인과관계의 개념도 비교

 나. 상관관계와 인과관계의 특징 비교

구분	상관관계	인과관계
관계성	변수간 영향을 주고 받는 관계	변수간 원인과 결과의 관계
인과관계 유무	필수 아님	필수
측정 방법	수학적 측정	통계적 방법에 근거한 실험
종류	양의 상관관계 음의 상관관계	-
분석 모델	-	회귀 분석 단순 회귀 분석 다중 회귀 분석 단변량 회귀 분석 다변량 회귀 분석
척도	피어슨 상관계수 스피어만 상관계수 켄달타우 상관계수	-

※ 다양한 관점에서 기술해 주는 것이 고득점의 비결입니다.

 

3. 빅데이터 부석에서의 상관관계와 인과관계 활용

- 상관관계의 척도(피어슨, 스피어만, 켄달타우)와 인과관계(회귀분석)와 관련된

  키워드 중심으로 간략히 도식화

 

기출 문제

 

참고 자료

---

원인과 결과의 경제학 미리보기 [교보 eBook] (kyobobook.co.kr)

원인과 결과의 경제학 미리보기 [교보 eBook]

 

---

그로스 마케터가 가장 헷갈리는 그 개념, 상관관계 (brunch.co.kr)

그로스 마케터가 가장 헷갈리는 그 개념, 상관관계

---

상관관계와 인과관계, 그리고 빅 데이터 < 이전 코너 < 이전 코너 < 기사본문 - 숭대시보 (ssunews.net)

상관관계와 인과관계, 그리고 빅 데이터 - 숭대시보

---

상관 분석 - 위키백과, 우리 모두의 백과사전 (wikipedia.org)

상관 분석 - 위키백과, 우리 모두의 백과사전

---