상관분석 결과, 어떻게 해석하고 논문 표는 어떻게 만드나요?

Q: r = .15가 유의하면 의미가 있나요?

유의하다는 것은 r이 0과 다르다고 볼 근거가 있다는 뜻이고, 관계의 크기는 r 자체로 판단해요. .15는 Cohen(1988)의 기준으로 작은 상관이고, 개인차 연구의 경험적 기준(Gignac & Szodorai, 2016)으로는 보통에 가까운 값이에요. 논문에는 유의성과 함께 크기를 어느 기준으로 해석했는지 적어요. 이런 크기의 예로 샘플 데이터의 학업스트레스 × 자기효능감 r = −.18(p = .014)을 보면, 유의하지만 Cohen(1988)의 기준으로는 작은 부적 상관이에요.

Q: 상관이 유의하지 않으면 관계가 없는 건가요?

그렇게 말할 수는 없어요. 유의하지 않다는 것은 「이 표본에서는 0과 다르다고 할 근거가 부족하다」는 뜻이지, 관계가 없다는 증명이 아니에요(Nickerson, 2000). 표본이 작으면 실제 관계가 있어도 유의하지 않게 나올 수 있고, r은 직선 관계만 재기 때문에 곡선 관계는 잡아내지 못해요. r과 95% 신뢰구간을 그대로 적고, 그렇게 해석해요.

Q: 상관표에 별표는 꼭 넣나요?

관례이지 규칙은 아니에요. 사회과학 논문에서는 별표가 가장 흔하지만, 별표 대신 p 값을 적거나 95% 신뢰구간을 적는 방식도 APA 7판이 인정해요(APA, 2020). 어떤 방식이든 주에 뜻을 밝혀요. 학회지나 학과의 양식이 있으면 그 양식을 따라요.

Q: 표본이 크면 상관이 다 유의하게 나오나요?

표본이 커질수록 작은 r도 유의해져요. 샘플 데이터에서 자기효능감과 사회적 지지는 앞 60명만으로 계산하면 r = .25, p = .055로 유의하지 않지만, 180명 전체로 계산하면 r = .20으로 더 작은데도 p = .006으로 유의해요. 반대로 표본이 작으면 r 자체가 우연히 크게 나올 수도 있는데, 학업스트레스와 사회적 지지는 60명일 때 r = −.35(p = .006)이지만 180명일 때는 r = −.14(p = .054)예요. 그래서 표본 크기와 관계없이 유의성만으로 판단하지 않고 r의 크기와 신뢰구간을 함께 봐요.

발행 2026-09-16

상관계수가 무엇인가요?

상관계수(correlation coefficient)는 두 변수가 함께 변하는 방향과 정도를 −1에서 +1 사이의 숫자 하나로 요약한 값이에요. 한 변수가 클 때 다른 변수도 큰 경향이면 양수(정적 상관), 한쪽이 클 때 다른 쪽은 작은 경향이면 음수(부적 상관)예요. 0은 두 변수 사이에 직선 관계가 없다는 뜻이고, −1이나 +1에 가까울수록 관계가 강해요.

샘플 데이터의 학업스트레스 점수(4문항 평균)와 삶의 만족도 점수(5문항 평균, 3번 문항 역채점)로 보면 다음과 같아요.

응답	학업스트레스	삶의 만족도
#1	2.50	4.60
#2	4.50	2.60
#3	3.25	4.80
#4	4.00	4.00
#5	3.50	4.00
#6	2.75	1.40

샘플 데이터 응답 #1~#6의 학업스트레스 점수와 삶의 만족도 점수. 두 점수 모두 답한 문항의 평균(5점 척도)

응답자 #1은 스트레스가 낮고 만족도가 높아요. #2는 스트레스가 높고 만족도가 낮아요. 이런 응답자가 많을수록 상관계수는 −1에 가까워져요. #6처럼 둘 다 낮은 응답자도 있어요. 상관계수는 이런 예외까지 포함해 180명 전체의 경향을 숫자 하나로 요약해요. 이 두 변수의 Pearson 상관계수는 r = −.33이에요.

상관계수에는 Pearson r과 Spearman ρ가 있어요. 어느 쪽을 쓸지는 「상관분석에서 피어슨과 스피어만은 언제 갈리나요?」에서 다뤄요. 이 글은 계산이 끝난 뒤 결과를 읽고 논문에 쓰는 방법을 다뤄요. 아래 숫자는 모두 Pearson r이에요.

결과에서 무엇을 보나요?

상관분석 결과에서 보는 값은 네 가지예요. 순서대로 보면 다음과 같아요.

r의 부호와 크기. 부호는 방향이고, 크기는 0에서 얼마나 떨어져 있는지예요. 흔히 쓰는 기준은 |r| = .10, .30, .50을 각각 작은·중간·큰 상관으로 보는 Cohen(1988)의 기준이에요. 학업스트레스와 삶의 만족도의 r = −.33은 이 기준으로 중간 크기의 부적 상관이에요.
p. 실제로는 두 변수 사이에 상관이 없다고 가정할 때, 이번만큼 크거나 더 큰 r이 우연히 나올 확률이에요(Nickerson, 2000). 흔히 .05보다 작으면 「통계적으로 유의하다」고 해요. p는 r이 0과 다르다고 볼 수 있는지만 알려주고, 관계가 얼마나 큰지는 말해 주지 않아요. 크기는 r로 봐요.
n. 그 쌍의 r을 계산하는 데 쓴 응답자 수예요. 결측이 있는 변수가 들어가면 쌍마다 n이 달라져요(쌍별 결측 제외). 샘플 데이터에서 수면시간은 2명이 답하지 않아서, 수면시간이 들어간 쌍은 n = 178이고 나머지 쌍은 n = 180이에요.
95% 신뢰구간(CI). 표본에서 구한 r이 얼마나 정밀한지 보여주는 범위예요. 구간이 좁을수록 r이 정밀한 값이고, 구간이 0을 포함하면 대체로 p도 .05보다 커요. 학업스트레스와 삶의 만족도의 r = −.33은 95% CI [−.45, −.19]예요.

표본 크기는 p와 신뢰구간의 폭을 바꿔요. 같은 쌍을 앞 60명만으로 계산했을 때와 전체로 계산했을 때를 비교하면 다음과 같아요.

변수 쌍	응답자	r	p	95% CI
삶의 만족도 × 수면시간	앞 60명 (n = 58)	.43	< .001	[.19, .62]
삶의 만족도 × 수면시간	전체 (n = 178)	.43	< .001	[.31, .55]
자기효능감 × 사회적 지지	앞 60명 (n = 60)	.25	.055	[−.01, .47]
자기효능감 × 사회적 지지	전체 (n = 180)	.20	.006	[.06, .34]

샘플 데이터에서 같은 쌍을 앞 60명(응답 #1~#60)만으로 계산했을 때와 전체로 계산했을 때. Pearson r, 쌍별 결측 제외

삶의 만족도와 수면시간은 앞 60명(n = 58)으로 계산해도 전체(n = 178)로 계산해도 r = .43으로 같지만, 신뢰구간은 [.19, .62]에서 [.31, .55]로 좁아져요. 자기효능감과 사회적 지지는 60명일 때 r = .25인데 p = .055로 유의하지 않고, 180명일 때는 r = .20으로 더 작은데 p = .006으로 유의해요. 표본이 크면 작은 r도 유의하게 나와요. 그래서 유의성과 크기는 따로 읽어요.

앞 60명은 무작위 표본이 아니라 표본 크기의 효과를 보여주려고 자른 예시예요. 표본을 바꿔 가며 유리한 결과를 고르는 데 쓰는 방법이 아니에요.

Cohen(1988)의 기준은 여러 분야에 두루 쓰는 경험칙이에요. 성격·태도처럼 개인차를 재는 연구에서 실제로 보고된 r을 모아 보면 대부분 이보다 작아서, 이 분야에서는 .10, .20, .30을 각각 작은·보통·비교적 큰 상관으로 보자는 제안도 있어요(Gignac & Szodorai, 2016). 어느 기준을 쓰든 논문에 기준과 출처를 적어요.

표의 별표(*, , *)는 p < .05, p < .01, p < .001을 표시하는 관례예요. 별표 개수는 p의 크기를 나타낼 뿐, 상관의 크기가 아니에요. 별표 세 개가 붙은 상관이 별표 하나가 붙은 상관보다 반드시 큰 것은 아니에요.

샘플 데이터의 상관표는 어떻게 읽나요?

샘플 데이터의 변수 5개로 만든 Pearson 상관표예요. 논문에서 쓰는 형식 그대로, 왼쪽 아래(하삼각)에만 r을 적고 별표로 유의성을 표시했어요.

변수	M	SD	1	2	3	4
1. 학업스트레스	3.31	0.94
2. 자기효능감	3.35	0.90	−.18*
3. 삶의 만족도	3.37	0.98	−.33***	.31***
4. 사회적 지지	3.49	0.90	−.14	.20**	.42***
5. 수면시간	6.96	1.18	−.42***	.20**	.43***	.24**

샘플 데이터 변수 5개의 기술통계와 Pearson 상관행렬(N = 178~180, 쌍별 결측 제외). 척도 점수는 답한 문항의 평균. *p < .05, **p < .01, ***p < .001

읽는 방법은 다음과 같아요. 행의 번호와 열의 번호가 만나는 칸이 그 두 변수의 r이에요. 3행(삶의 만족도)과 1열(학업스트레스)이 만나는 칸의 −.33***이 두 변수의 상관이고, 별표 세 개는 p < .001이라는 뜻이에요. 몇 쌍을 문장으로 읽으면 다음과 같아요.

학업스트레스와 삶의 만족도(r = −.33, p < .001, n = 180). 학업스트레스가 높을수록 삶의 만족도가 낮은 경향이에요. 중간 크기의 부적 상관이에요.
삶의 만족도와 수면시간(r = .43, p < .001, n = 178). 수면시간이 길수록 삶의 만족도가 높은 경향이고, 이 표에서 가장 큰 상관이에요. 수면시간은 2명이 답하지 않아 n이 178이에요.
학업스트레스와 사회적 지지(r = −.14, p = .054, n = 180). 열 쌍 가운데 유일하게 유의하지 않은 쌍이에요. 95% CI [−.28, .00]이 0을 포함해요. 「관계가 없다」가 아니라 「이 표본에서는 0과 다르다고 말할 근거가 부족하다」로 읽어요.
자기효능감과 사회적 지지(r = .20, p = .006, n = 180). 유의하지만 크기는 작은 상관이에요. 별표가 두 개라고 해서 관계가 큰 것은 아니에요.

열 쌍 가운데 아홉 쌍이 유의해요. 척도 점수는 180명 모두 있지만 수면시간은 178명뿐이라, 표의 주에 N을 178~180으로 범위로 적고 쌍별로 결측을 제외했다고 밝혀요.

무엇을 조심해야 하나요?

상관은 인과가 아니에요. 학업스트레스와 삶의 만족도의 r = −.33은 두 변수가 반대 방향으로 함께 변한다는 뜻이지, 스트레스가 만족도를 낮춘다는 뜻이 아니에요. 만족도가 낮아서 스트레스를 더 느낄 수도 있고, 두 변수 모두와 관련된 다른 변수가 있을 수도 있어요. 한 시점에 모은 설문 데이터로는 방향을 정할 수 없어요(Field, 2018).

그 밖에 상관표를 해석할 때 흔히 놓치는 점은 다음과 같아요.

여러 쌍을 한꺼번에 보면 우연히 유의한 쌍이 나오기 쉬워요. 변수 5개면 10쌍, 8개면 28쌍이에요. 실제로는 상관이 없어도 쌍이 많아지면 p < .05인 쌍이 우연히 섞여요. 그래도 상관표에는 보통 보정하지 않은 p를 그대로 적어요. 심리학 저널 12개에 실린 논문 57,909편을 조사한 결과, 설문 연구가 많은 사회과학 저널에서는 보정한 유의수준을 보고한 논문이 2~9%였어요(Böschen, 2023). 대신 해석에서 조심해요. 미리 세운 가설과 관련된 쌍을 중심으로 해석하고, 예상하지 못한 유의한 상관은 새 데이터에서 확인할 발견으로 봐요.
표본이 작으면 r 자체가 우연히 크게 나올 수도 있어요. 학업스트레스와 사회적 지지는 앞 60명(응답 #1~#60)으로 계산하면 r = −.35, p = .006으로 유의하지만, 180명 전체로 계산하면 r = −.14, p = .054로 유의하지 않아요. 60명일 때의 95% CI [−.56, −.11]은 180명일 때의 [−.28, .00]보다 넓어요. 표본이 작을 때의 r은 그만큼 정밀하지 않으니 신뢰구간을 함께 봐요.
극단값 하나가 r을 크게 바꿔요. Pearson r은 평균에서 멀리 떨어진 값에 민감해요. 나이를 200으로 입력한 응답자 한 명이 다른 변수와의 상관을 바꿀 수 있어요. 상관을 돌리기 전에 입력 실수와 범위 밖 값을 정리해요(「설문 데이터 이상치, 기준은 무엇이고 어떻게 처리하나요?」).
응답 범위가 좁으면 r이 작게 나와요(범위 제한). 만족도가 높은 사람만 조사했거나 점수가 한쪽에 몰려 있으면, 실제 관계보다 r이 작게 나와요(Sackett & Yang, 2000). 표본이 어떤 사람들인지 함께 적어야 독자가 r을 바르게 읽어요.
r은 직선 관계만 재요. 두 변수가 곡선으로 관련되어 있으면(예: 중간일 때 가장 높고 양 끝에서 낮은 관계) r이 0에 가깝게 나올 수 있어요. r = 0은 「직선 관계가 없다」이지 「관계가 없다」가 아니에요. 산점도로 관계의 모양을 확인하는 게 원칙이에요(Field, 2018). 산점도는 연구친구가 제공하지 않아요. 엑셀 등 다른 도구로 그려요.

논문에는 뭐라고 쓰나요?

상관분석 결과는 표 하나와 문장 몇 개로 보고해요. APA 7판 형식의 상관표는 다음과 같이 만들어요(APA, 2020).

변수를 행과 열에 같은 순서로 놓고, 열 머리글은 번호로 적어요. 행 이름에 「1. 학업스트레스」처럼 번호를 붙이면 열 번호와 짝이 맞아요.
r은 왼쪽 아래(하삼각)에만 적어요. 위쪽은 같은 값이 반복되므로 비워 둬요. 대각선은 비우거나 줄표로 표시해요. r은 소수 둘째 자리까지, 앞의 0 없이(.42) 적어요.
M과 SD 열을 표에 넣거나 별도의 기술통계표를 둬요. 위 표처럼 변수 옆에 M, SD 열을 두면 표 하나로 끝나요.
주(note)에 N, 계수 종류, 별표의 뜻을 적어요. 「주. N = 180. Pearson 상관계수. *p < .05. p < .01. *p < .001.」처럼 적어요. 쌍별로 결측을 제외했으면 「N = 178~180(쌍별 결측 제외)」처럼 범위로 적고, Spearman ρ를 썼으면 그렇게 밝혀요.

척도 점수의 상관표라면 Cronbach's α를 표의 추가 열이나 대각선에 넣거나 측정도구 절에 함께 보고하는 경우가 많아요(「크론바흐 알파 기준은 0.7인가요? 낮게 나오면 어떻게 하나요?」). 샘플 데이터의 네 척도는 α = .84(학업스트레스), .85(자기효능감), .88(삶의 만족도), .85(사회적 지지)예요.

본문 문장에는 방향(정적·부적), r, p, n을 적고, 가능하면 95% 신뢰구간도 함께 적어요(APA, 2020). 「상관이 있었다」만 쓰지 말고 어느 방향인지, 크기는 어느 정도인지 써요. 아래 「논문에 쓰는 문장」은 샘플 데이터의 숫자로 쓴 예예요. 변수 이름과 숫자만 바꿔 쓰면 돼요.

논문에 쓰는 문장

방법

주요 변수 간 관련성을 확인하기 위해 Pearson 상관분석을 실시하였으며, 각 변수의 평균과 표준편차 및 변수 간 상관계수는 표 1에 제시하였다(변수 쌍마다 결측을 제외한 n = 178~180).

상관계수의 크기는 Cohen(1988)의 기준(.10 작음, .30 중간, .50 큼)에 따라 해석하였다.

상관분석에는 다중비교 보정을 적용하지 않았으며, 사회과학 분야의 일반적인 보고 관례에 따라 개별 상관의 p 값을 그대로 보고하였다(Böschen, 2023).

결과

학업스트레스와 삶의 만족도 간에는 통계적으로 유의한 부적 상관이 나타났다(r = −.33, 95% CI [−.45, −.19], p < .001, n = 180). 삶의 만족도는 수면시간(r = .43, p < .001, n = 178) 및 사회적 지지(r = .42, p < .001, n = 180)와 유의한 정적 상관을 보였다.

학업스트레스와 사회적 지지 간의 상관은 통계적으로 유의하지 않았다(r = −.14, 95% CI [−.28, .00], p = .054, n = 180).

자주 묻는 질문

r = .15가 유의하면 의미가 있나요?＋

유의하다는 것은 r이 0과 다르다고 볼 근거가 있다는 뜻이고, 관계의 크기는 r 자체로 판단해요. .15는 Cohen(1988)의 기준으로 작은 상관이고, 개인차 연구의 경험적 기준(Gignac & Szodorai, 2016)으로는 보통에 가까운 값이에요. 논문에는 유의성과 함께 크기를 어느 기준으로 해석했는지 적어요. 이런 크기의 예로 샘플 데이터의 학업스트레스 × 자기효능감 r = −.18(p = .014)을 보면, 유의하지만 Cohen(1988)의 기준으로는 작은 부적 상관이에요.

상관이 유의하지 않으면 관계가 없는 건가요?＋

그렇게 말할 수는 없어요. 유의하지 않다는 것은 「이 표본에서는 0과 다르다고 할 근거가 부족하다」는 뜻이지, 관계가 없다는 증명이 아니에요(Nickerson, 2000). 표본이 작으면 실제 관계가 있어도 유의하지 않게 나올 수 있고, r은 직선 관계만 재기 때문에 곡선 관계는 잡아내지 못해요. r과 95% 신뢰구간을 그대로 적고, 그렇게 해석해요.

상관표에 별표는 꼭 넣나요?＋

관례이지 규칙은 아니에요. 사회과학 논문에서는 별표가 가장 흔하지만, 별표 대신 p 값을 적거나 95% 신뢰구간을 적는 방식도 APA 7판이 인정해요(APA, 2020). 어떤 방식이든 주에 뜻을 밝혀요. 학회지나 학과의 양식이 있으면 그 양식을 따라요.

표본이 크면 상관이 다 유의하게 나오나요?＋