부분상관분석 (편상관계수)

두 변수의 상관이 진짜 관계인지, 둘 다에 영향을 주는 제3의 변수 때문인지 확인합니다. 통제 변수의 영향을 회귀로 빼낸 잔차끼리 상관을 구해 부분상관계수와 p-value를 보여줍니다.

1데이터 레이블

엑셀에서 복사한 표를 셀에 붙여넣으세요(Ctrl+V). 열 이름(A, B…)을 클릭한 뒤 붙여넣으면 첫 줄이 열 이름이 됩니다. 열 이름 더블클릭은 이름 변경, 우클릭은 행·열 삽입/삭제, =A1*2 같은 수식도 쓸 수 있습니다.

2부분상관분석 옵션

영향을 제거(통제)할 변수를 선택하세요(1개 이상 선택 가능):

부분상관분석 하는 방법

  1. X, Y와 통제할 변수 열을 머리글과 함께 복사합니다.
  2. 변수 X, 변수 Y를 고르고, 영향을 제거할 통제 변수를 1개 이상 고릅니다(X, Y와 겹치면 안 됩니다).
  3. 분석하기 버튼을 누르고 부분상관계수, p-value, 잔차 산점도와 자동 해석을 확인합니다.

예제 데이터로 보는 결과

예제 데이터는 24개월 동안의 월별 아이스크림 판매량, 익사 사고 건수, 평균 기온(-1.5~28.5℃)입니다.

기온을 통제한 아이스크림 판매량과 익사 사고의 부분상관분석 결과(잔차 산점도)
기온을 통제한 아이스크림 판매량과 익사 사고의 부분상관분석 결과(잔차 산점도)

판매량과 익사 사고의 일반 Pearson 상관은 r=0.857(p=9.1e-08)로 매우 강합니다. 하지만 둘 다 기온과의 상관이 더 강해서(판매량 0.961, 익사 사고 0.917), 더운 달에 둘 다 늘어날 뿐일 가능성이 있습니다.

평균 기온을 통제한 부분상관계수는 -0.2135, p-value는 0.3279로 통계적으로 유의하지 않습니다. 기온의 영향을 빼고 나면 판매량과 익사 사고 사이에 남는 관계가 없다는 뜻으로, 처음의 강한 상관은 기온이 만든 겉보기(허위) 상관이었습니다.

결과 그래프의 두 축은 각각 기온으로 설명되는 부분을 뺀 잔차입니다. 점들이 흩어져 있고 추세선이 거의 평평한(R² = 0.0456) 모습이 이 결론을 눈으로 보여줍니다.

계산 방법

X와 Y를 각각 통제 변수(와 상수항)에 최소제곱 회귀한 뒤, 두 잔차의 Pearson 상관을 부분상관계수로 씁니다. p-value는 통제 변수 개수 k만큼 자유도를 줄인 t검정(자유도 n-2-k)으로 구합니다.

모든 선택한 열이 숫자인 행만 쓰며(listwise), 짝지어진 데이터 수가 통제 변수 개수보다 충분히 많아야 합니다(n-2-k ≥ 1).

잔차 산점도

결과 그래프의 축은 '통제 후 잔차'입니다. 통제 변수로 설명되는 부분을 뺀 나머지끼리의 관계라서, 여기서 추세선이 평평하면 겉보기 상관이 통제 변수 때문이었다는 뜻입니다.

부분상관계수 해석 방법

  • 일반 상관은 크지만 부분상관이 작고 유의하지 않으면, 두 변수의 관계는 통제 변수가 만든 겉보기(허위) 상관일 가능성이 큽니다.
  • 통제 후에도 부분상관이 유의하면, 통제 변수와 별개로 X와 Y 사이에 관계가 남아 있다는 뜻입니다.
  • 강도 등급은 일반 상관과 같은 경계(0.1·0.3·0.5·0.7)로 판단하고, 어떤 변수를 통제했는지를 함께 기록하세요.

자주 묻는 질문

편상관과 부분상관은 같은 말인가요?

네. partial correlation을 편상관 또는 부분상관이라고 부릅니다(X와 Y 모두에서 통제 변수를 뺀 상관).

통제 변수를 여러 개 넣어도 되나요?

네. 여러 개를 고르면 모두 함께 회귀에 넣어 영향을 뺍니다. 대신 데이터 수가 그만큼 더 필요합니다.

준부분상관(semi-partial)과는 다른가요?

준부분상관은 한쪽 변수에서만 통제 변수를 뺍니다. 이 기능은 양쪽 모두에서 빼는 부분상관입니다.

다른 그래프 도구