상관관계는 인과관계가 아니다, 데이터가 말하는 것과 말하지 않는 것

안녕하세요, Rabbit입니다! 🐰

“납기가 짧을수록 불량률이 높다.” 데이터를 뽑아보니 실제로 그런 경향이 보였습니다. 그럼 납기를 늘리면 불량이 줄어들까요?

아마 아닐 겁니다. 납기가 짧은 시기는 주문이 몰리는 바쁜 시기이고, 바쁠 때 불량도 함께 늘어나는 거라면 — 납기와 불량 사이에는 관계가 있어 보이지만, 납기가 불량의 원인은 아닌 겁니다. 둘 다 “바쁜 시기”라는 제3의 요인에서 비롯된 거니까요.

이게 상관관계(Correlation)와 인과관계(Causation)의 차이입니다.

상관관계란 무엇인가

두 변수가 함께 움직이는 경향을 상관관계라고 합니다.

• 양의 상관: A가 커지면 B도 커지는 경향. 생산량과 전력 사용량.
• 음의 상관: A가 커지면 B가 작아지는 경향. 재고 수준과 발주 빈도.
• 무상관: A와 B 사이에 뚜렷한 경향이 없다.

중요한 건 “경향”이라는 단어입니다. 상관관계는 예외 없는 법칙이 아닙니다. 대체로 함께 움직이는 경향이 있다는 뜻입니다.

상관계수 r — 얼마나 강하게 연관돼 있나

상관관계의 방향과 강도를 하나의 숫자로 나타낸 게 상관계수 r입니다. −1에서 +1 사이의 값을 가집니다.

그림 1. 양의 상관 — 함께 커질수록 r은 +1에 가까워진다 (왼쪽 강한 양, 오른쪽 약한 양)

그림 2. 무상관과 음의 상관 — 관계가 없으면 0, 반대로 움직이면 −1에 가깝다

r값 해석 기준은 대략 이렇습니다.

r값 범위	해석
0.9 이상	매우 강한 상관
0.7 — 0.9	강한 상관
0.4 — 0.7	중간 정도의 상관
0.2 — 0.4	약한 상관
0.2 미만	거의 무상관

표 1. 상관계수 r 해석 기준 (절대값 기준, 음수는 방향만 반대)

r값이 크다고 해서 두 변수 사이에 원인-결과 관계가 있다는 뜻은 아닙니다. r은 방향과 강도만 말해줍니다.

💡 핵심: r = +0.92라면 “두 변수가 강하게 함께 움직인다”는 뜻입니다. “A가 B의 원인이다”는 r이 아무리 높아도 알 수 없습니다.

인과관계와 뭐가 다른가

상관이 있어도 인과관계가 아닌 경우는 세 가지 패턴으로 나뉩니다.

첫째, 역인과입니다. A → B가 아니라 B → A인 경우입니다. “납기가 짧으면 재작업이 많다”처럼 보이지만, 실제로는 재작업이 많아서 납기가 짧아진(촉박해진) 것일 수 있습니다. 방향이 반대입니다.

둘째, 제3변수(교란변수)입니다. A와 B 둘 다에 영향을 주는 C가 있는 경우입니다. 도입부의 납기-불량 사례가 여기에 해당합니다. “바쁜 시기”라는 C가 납기(A)와 불량(B) 둘 다를 움직이는 거지, A가 B의 원인이 아닙니다.

셋째, 우연의 일치입니다. 데이터가 충분히 많으면 아무 관계 없는 두 변수 사이에서도 높은 r이 나올 수 있습니다. 특히 시계열 데이터에서 자주 발생합니다. 둘 다 시간이 지남에 따라 증가하는 경향이 있다면, 전혀 무관한 변수끼리도 r이 높게 나옵니다.

⚠️ 주의: 상관관계가 높다고 해서 그 관계를 바탕으로 개입(납기를 늘리자, 재고를 줄이자 등)을 결정하면 안 됩니다. 인과관계를 확인하지 않은 개입은 효과가 없거나 역효과를 낼 수 있습니다.

실무에서 자주 틀리는 패턴

생산 현장 데이터에서 흔히 보이는 착각 두 가지입니다.

생산량과 불량 수의 상관 — 생산량이 많은 달에 불량 수도 많습니다. r이 꽤 높게 나옵니다. 그런데 이건 당연한 겁니다. 생산량이 많으면 모수 자체가 크니까 불량 수도 절대적으로 많아집니다. 이 경우 불량 수 대신 불량률(불량 수 ÷ 생산량)로 봐야 합니다. 비율로 바꾸면 상관이 사라지거나 오히려 반전되는 경우가 있습니다.

납기 준수율과 잔업 시간의 상관 — 잔업이 많은 달에 납기 준수율이 높아 보일 수 있습니다. “잔업을 늘리면 납기가 좋아진다”고 해석하면 위험합니다. 납기가 촉박한 시기에 잔업도 늘고 준수율도 간신히 맞추는 거라면, 인과 방향이 완전히 다릅니다.

데이터에서 상관이 보일 때 가장 먼저 해야 할 질문은 “왜 이 두 변수가 함께 움직이는가”입니다.

실무 적용: r값을 계산했다면 그걸로 끝내지 말고, 산점도를 직접 그려보세요. r이 같아도 데이터 분포가 전혀 다른 경우가 있습니다. 이상치 하나가 r값을 크게 바꾸기도 합니다. 기술통계 개념 노트에서 이상치 얘기를 한 것처럼, 숫자 하나보다 분포 전체를 보는 습관이 중요합니다.

그럼 인과관계는 어떻게 확인하나

통계만으로 인과관계를 증명하는 건 불가능합니다. 아래 세 가지를 함께 봐야 합니다.

시계열 선후관계 — A가 먼저 변하고 B가 나중에 변하는지 확인합니다. 원인은 결과보다 앞서야 합니다. 동시에 움직이거나 B가 먼저면 인과가 아닙니다.

실험 설계 — A를 의도적으로 바꿨을 때 B가 변하는지 확인합니다. 현장에서 완전한 실험은 어렵지만, 라인별·기간별 비교로 일부 검증할 수 있습니다.

도메인 지식 — 결국 현장을 아는 사람의 판단이 필요합니다. 통계는 “관계가 있어 보인다”를 말해주고, 왜 그런지는 현장 경험에서 나옵니다.

Rabbit의 한 끗

통계 수업에서 상관계수를 배울 때는 공식 외우는 데 집중하게 됩니다. 그런데 실무에서 더 중요한 건 r값을 계산하는 능력보다 “이 r값이 무엇을 말하고, 무엇을 말하지 않는가”를 아는 것입니다.

데이터가 말하는 것 — 두 변수가 함께 움직이는 경향이 있다. 데이터가 말하지 않는 것 — 왜 그런지, 어느 쪽이 원인인지, 개입하면 효과가 있는지.

이 경계를 명확히 아는 것. 그게 데이터를 분석하는 사람과 데이터를 읽는 사람의 차이라고 생각합니다. 😎

---

더 읽어보기

• 기술통계, 데이터를 처음 마주할 때 제일 먼저 하는 일
• 평균의 함정, KPI 숫자가 목표를 달성했다는 착각