상관 ≠ 인과

두 가지가 함께 오르내리니 하나가 다른 것을 몰아가는 게 분명하다? 그 도약이 데이터 분석에서 가장 흔하고 — 가장 비싼 — 실수입니다. 상관은 두 변수가 발맞춰 움직인다고 말합니다. 왜인지는 아무것도 말하지 않습니다.

상관계수가 말하는 것

상관계수(r)는 −1에서 +1까지이며 선형 관계의 강도와 방향을 담습니다 — 위 산점도처럼 점들이 직선을 얼마나 촘촘히 껴안는지.

두 가지가 상관되는 세 가지 이유

A와 B가 함께 움직일 때, 인과는 여러 설명 중 하나일 뿐 — 좀처럼 가장 안전한 내기가 아닙니다.

교란변수가 가장 교활합니다. 숨은 공통 원인이 직접적 연결 없이 두 결과를 함께 오르게 만듭니다 — 전형적인 아이스크림-익사 함정입니다.

역인과와 우연

• 역인과: 화살표가 거꾸로 — 성공한 회사가 소프트웨어를 더 사지, 그 반대가 아님
• 우연: 변수가 충분히 많으면 일부는 순전한 우연으로 상관됨 — 큰 데이터를 훑으면 허위 쌍이 나타남
• 선택 효과: 데이터 수집 방식이 모집단엔 없는 상관을 제조할 수 있음

인과를 주장하는 데 필요한 것

인과 확립엔 계수 이상이 필요합니다. 최고 기준은 무작위 대조 실험이며, 그게 어렵다면 신중한 설계로 강한 근거를 세울 수 있습니다.

1. 1무작위 실험 — 처치를 무작위 배정해 교란이 균형을 이루게 함.
2. 2그럴듯한 메커니즘 — 단순한 패턴이 아니라 A가 B를 일으킬 이유.
3. 3올바른 시간 순서 — 원인이 결과에 앞서야 함.
4. 4교란 배제 — 뻔한 공통 원인을 통제하거나 그에 대해 매칭.

SKARI Statistical Lab의 관계 연구

SKARI의 Statistical Lab은 관계를 정직하게 측정합니다 — 연관엔 상관, 다른 변수를 통제하려면 회귀, 인과 논증을 강화하려면 매칭 설계.

• 계수와 유의성을 갖춘 상관분석
• 효과를 추정하며 교란을 일정하게 유지하는 다중회귀
• 더 강한 인과 설계를 위한 성향점수매칭(PSM)과 회귀 불연속(RDD)
• 선형 계수를 근거 이상으로 읽지 않게 하는 가정 점검

자주 묻는 질문

강한 상관이 인과를 함의하기도 하나요?

홀로는 아닙니다. 인과 가설을 촉발할 수는 있지만, 증명엔 실험 설계나 교란의 신중한 통제가 필요합니다.

교란변수는 어떻게 찾나요?

두 변수 모두를 그럴듯하게 일으킬 수 있는 것이 무엇인지 물으세요. 공통 동인이 있으면 회귀에서 통제하거나 설계로 우회하세요.

회귀가 인과를 증명하나요?

홀로는 아니지만 — 알려진 교란을 통제하면 원시 상관보다 인과 이야기가 훨씬 설득력 있어집니다.

핵심 요약

상관은 출발점이지 결론이 아닙니다. '이것들이 함께 움직인다'에 따라 행동하기 전에 역인과와 교란을 배제하고 — 큰 계수가 아니라 좋은 설계만이 '인과'라는 단어를 얻는다는 것을 기억하세요.