점이연 상관계수 계산기

점이연 상관계수는 본래 이분형인 변수 하나와 연속 변수 하나 사이의 연관성 강도와 방향을 측정합니다. 이진 변수의 두 범주는 영과 일로 코딩하며, 연속 변수는 같은 관측 대상의 수치 측정값입니다. 합격 여부와 공부 시간, 처치군·대조군과 결과 점수, 구매 여부와 고객 나이 등이 대표적인 예입니다. 계수는 보통 rpb로 쓰며 범위는 -1부터 1까지입니다. 계산에서는 일로 코딩된 관측값의 연속 점수 평균과 영으로 코딩된 관측값의 평균을 비교합니다. 평균 차이를 전체 연속 점수의 모집단 표준편차로 나누고 p와 q의 곱의 제곱근을 곱합니다. p는 일의 비율, q는 영의 비율입니다. 이 조정은 두 집단의 상대적 크기를 반영합니다. 양의 계수는 일 집단의 평균이 더 높다는 뜻이고, 음의 계수는 영 집단의 평균이 더 높다는 뜻입니다. 부호는 코딩 방식에 전적으로 달려 있습니다. 모든 영과 일을 바꾸면 절댓값은 같고 부호만 반대가 되므로 보고서에 각 코드의 의미를 밝혀야 합니다. 크기는 피어슨 상관계수와 같은 방식으로 해석합니다. 영에 가까우면 집단 소속과 연속 결과 사이의 선형 연관성이 약하고, 양끝에 가까우면 집단 간 분리가 강합니다. 맥락이 중요하며 작음·중간·큼 같은 보편적 기준은 신중히 적용해야 합니다. 이분형 변수를 영과 일로 표현하면 점이연 상관계수는 수학적으로 피어슨 상관계수와 같습니다. 독립표본 t 검정과도 밀접하게 관련됩니다. 두 방법 모두 두 집단 평균의 분리를 평가하지만 효과를 표현하는 방식이 다릅니다. 상관계수는 표준화된 효과크기이고, t 검정은 효과와 표집 불확실성을 결합해 영가설을 검정합니다. 이 계산기는 계수와 집단 정보를 제공하며 p값이나 신뢰구간은 제공하지 않습니다. 짝지어진 목록은 관측 수가 같고 순서가 대응해야 합니다. 첫 이진 코드는 첫 연속 값에, 둘째 코드는 둘째 값에 대응합니다. 두 이진 집단이 모두 있어야 하고 연속 자료에 변동이 있어야 합니다. 그렇지 않으면 상관계수를 정의할 수 없습니다. 결측값은 한 목록에서만 삭제하지 말고 완전한 쌍으로 제거해야 합니다. 개별 삭제는 관측 대응을 어긋나게 해 무의미한 결과를 만듭니다. 해석에는 적절한 자료 수집도 중요합니다. 계수가 높다고 집단 소속이 수치 차이의 원인이라고 증명되지는 않으며, 교란 변수가 관측된 관계를 설명할 수 있습니다. 이상치는 집단 평균과 표준편차에 큰 영향을 줍니다. 결론 전에 분포, 표본 크기와 특이한 측정값을 확인하세요. 연속 변수를 인위적으로 이분화했다면 이연 상관계수나 원래 연속 예측변수를 쓰는 모형이 더 적합할 수 있습니다. 자연적인 연속성을 나누면 정보가 손실되기 때문입니다.