추세선, 분할선, 연결선을 활용한 산점도 사례
두 수치형 변수 간의 관계를 파악할 때 가장 먼저 떠오르는 차트는 무엇인가요? 뉴스젤리의 ‘산점도 차트 읽기, 알고 보면 어렵지 않아요’라는 글을 통해 기초부터 응용 사례까지 소개했을 만큼, 산점도는 데이터의 분포를 한눈에 보여주는 대표적인 시각화 유형입니다. X축과 Y축에 변수를 배치하고 두 변수 사이가 만나는 지점에 점을 표시하는 것만으로도 변수 간의 관계를 직관적으로 확인할 수 있는데요!
하지만 무수히 많은 점이 찍힌 차트를 보며 ‘그래서 이게 무슨 뜻이지?’라고 막막했던 경험 없으신가요? 점들이 그저 차트 위에 흩뿌려져 있다면 그 안에서 명확한 의미를 발견하기 어렵기 때문입니다. 이럴 때 도움을 줄 수 있는 것이 바로 ‘선’입니다. 흩어진 점들 사이에 적절한 선 하나가 더해지면 같은 데이터에서 더 확실한 인사이트를 발견할 수 있습니다! 데이터의 경향성, 집단 간의 차이, 시간의 흐름까지. 산점도에서 선을 활용해 깊이 있는 분석을 하는 3가지 방법을 하나씩 살펴볼까요?
1. 경향성을 보여주는 ‘추세선’ 활용하기
산점도는 기본적으로 여러 데이터를 나타내는 점의 분포를 통해 두 변수 사이의 경향성을 파악할 때 활용하는데요. 하지만 점이 너무 많을 경우 명확한 패턴을 읽기 어려울 수 있습니다. 데이터의 양이 방대해지면 점들이 서로 겹치고 뭉치면서, 어떤 분포인지 알기 어렵기 때문인데요. 이때 흩어진 점들 사이로 ‘추세선’을 추가하면 복잡한 데이터 속에 가려져 있던 분포의 경향성을 확인할 수 있습니다. 추세선이란 흩어진 수많은 점 사이의 오차가 최소가 되도록 그어진 하나의 선을 의미합니다. 데이터가 궁극적으로 향하고 있는 방향을 알려주는 나침반 역할을 수행합니다.
첫 번째 사례로 워싱턴 포스트의 전 칼럼니스트인 필립 범프(Philip Bump)가 분석한 미국 카운티별 트럼프 지지율과 기독교 인구 비율의 관계를 나타낸 산점도입니다. 제작자는 2024년 트럼프 전 대통령의 대선에 ‘종교’가 얼마나 어떤 역할을 했는지 알아보기 위해 데이터를 산점도로 표현했습니다. 위 차트에서 X축은 트럼프에 대한 순지지율을 나타내고, Y축은 왼쪽 분홍색 차트는 기독교인의 비율, 오른쪽 파란색 차트는 비기독교인의 비율을 나타내고 있습니다. 여기서 각 점은 미국의 개별 행정구역인 카운티를 의미합니다.
위 차트처럼 많은 점이 있는 경우 점의 분포를 파악하기 어려울 수 있는데요. 두 차트에 추가된 추세선을 통해 트럼프 대통령 지지율과 기독교 간의 밀접한 상관관계를 확인할 수 있습니다. 분홍색 차트는 추세선이 오른쪽 위를 향하는 양(+)의 상관 관계를 선명하게 보여주고 있습니다. 이는 기독교인 비율이 높은 지역일수록 트럼프에 대한 지지율이 비례해서 높음을 의미합니다. 반대로 파란색 차트의 추세선은 오른쪽 아래로 떨어지는 음(-)의 상관관계를 띄고 있는데요. 이는 비기독교인의 비율이 높을수록 트럼프 지지율은 낮아졌다고 해석할 수 있습니다. 결과적으로 우리는 추세선 기울기의 방향성을 통해 ‘2024년 미국 대선에서 종교적인 배경이 트럼프 대통령 지지율을 결정짓는 강력한 변수였다’라는 인사이트를 얻을 수 있었습니다.
두 번째로 살펴볼 사례는 국가의 경제적 수준과 우리가 흔히 말하는 ‘여권 파워’ 사이의 상관관계를 나타낸 산점도입니다. 여기서 여권 파워란 사전 비자 없이 방문할 수 있는 국가의 수에 따라 순위를 매긴 헨리 여권 지수(Henley Passport Index)’를 의미합니다. X축은 국가별 1인당 GDP를, Y축은 비자 없이 방문 가능한 국가의 수를 나타내고 있습니다.
차트에 전 세계 수많은 국가가 점으로 표현되어 있어 매우 복잡해 보이지만 차트 중앙을 가로지르는 추세선의 존재 덕분에 우리는 경제력과 여권 지수 간의 상관관계를 쉽게 파악할 수 있는데요. 추세선의 기울기가 양(+)의 방향을 향하고 있다는 것은 일반적으로 1인당 GDP가 높은 국가일수록 여행의 자유도가 높다는 보편적인 경향성을 알 수 있습니다. 경제력이 국가 간 이동의 편의성으로 이어진다는 인사이트를 얻을 수 있습니다.
위 차트에서 추세선은 또 다른 진가를 발휘하는데요! 바로 추세선으로부터 멀리 떨어져 있는 ‘이상치(Outlier)’ 데이터에서 추가적인 인사이트를 찾을 수 있습니다. ‘이상치(Outlier)’란 일반적인 경향에서 크게 벗어난 데이터를 말하는데요. 차트 상단 빨간색 박스처럼 추세선 위로 멀리 떨어진 말레이시아, 브라질, 아르헨티나, 칠레 같은 국가들을 발견할 수 있습니다. 이 국가들은 1인당 GDP는 중간 수준이지만 여권 경쟁력은 높은 국가들입니다. 반대로 추세선 아래 파란색 박스로 표시된 ‘Qatar(카타르)’는 1인당 GDP가 높음에도 불구하고, 여권의 효력이 상대적으로 약한 것을 알 수 있습니다. 이처럼 추세선을 벗어난 국가를 통해 여권 지수에 국가 경제력 외에 외교적 특수성이 작용하는 예외적인 사례를 살펴볼 수 있었습니다. 전체적인 흐름을 알려주는 동시에 흐름에서 벗어난 예외적인 사례를 함께 살펴볼 수 있게 하는 추세선의 역할을 알 수 있는 사례였습니다.
2. 데이터를 나누는 영역 ‘분할선’ 활용하기
산점도는 여러 데이터를 점으로 표시하기 때문에 데이터의 양이 많아지면 비슷한 특성을 가진 데이터끼리 뭉쳐 보이는 ‘클러스터(Cluster)’ 현상이 나타나게 됩니다. 점들이 모여있다는 것 자체도 의미가 있지만 산점도 위에 영역 분할선을 추가하면 각 집단의 특성을 더 명확하게 비교할 수 있습니다. 일반적으로 분할선은 X축과 Y축의 평균 값을 중심으로 가로와 세로선을 그어 차트를 네 개의 공간, ‘사분면’으로 나누는 방식을 사용합니다. 이렇게 나뉜 4개의 영역은 각각 다른 특징을 가지게 되는데요. 사례를 통해 자세히 살펴보겠습니다!
위 차트는 세계 주요 도시의 기후 특성을 보여주는 산점도입니다. 시각화 전문가 줄리 피즐리(Julie Peasley)는 전 세계 74개 도시의 방대한 기후 데이터를 한눈에 비교하기 위해 이 차트를 제작했는데요. X축은 연평균 강우량을, Y축은 연평균 기온을 나타내며 각 점은 개별 도시를 의미합니다.
위 차트에서는 단순히 도시들을 점으로 표시하는 것에 그치지 않고 전체 도시의 기온과 강수량 평균값을 기준으로 영역 분할선을 추가했는데요! 이 선 덕분에 우리는 전 세계 기후를 네 가지 유형으로 나누어 볼 수 있습니다. 오른쪽 상단 1사분면은 ‘WET-HOT’(덥고 습한 도시), 왼쪽 상단 2사분면은 ‘DRY-HOT(덥고 건조한 도시), 왼쪽 하단 3사분면은 ‘DRY-COLD’(춥고 건조한 도시), 오른쪽 하단 4사분면은 ‘WET-COLD’(춥고 습한 도시)로 구분했습니다.
분할선을 중심으로 차트를 다시 들여다보면 1사분면에는 아시아와 인도의 도시들이, 3사분면에는 유럽의 도시들이 많이 분포해 있음을 알 수 있습니다. 특히, 4사분면 ‘춥고 습한’ 영역에는 데이터 점이 거의 없다는 사실을 발견할 수 있는데요! 이를 통해 전 세계적으로 춥고 습한 기후를 가진 도시는 매우 드물다는 인사이트를 발견할 수 있었습니다.
영역분할선을 활용한 두 번째 사례는 인구학적인 관점에서 국가별 소득 수준과 이민자 수용 관계를 분석한 산점도입니다. 위 차트는 ‘부유한 국가들이 정말로 더 많은 이민자를 수용할까?’라는 질문에 답하기 위해 제작되었는데요. X축은 이민자 비율(%)을, Y축은 1인당 국민총소득(GNI)을 나타내고, 점의 크기로 전체 이민자 수를 보여주고 있습니다. 소득 수준에 따라 고소득 국가는 보라색, 저소득 국가는 빨간색으로 구분해 시각적 이해를 높였습니다.
차트에서는 앞서 우리가 사례로 만났던 추세선도 함께 표시되어 있어 소득이 높을수록 이민자 비율도 높아지는 양(+)의 상관관계를 확인할 수 있는데요! 여기에 평균값을 기준으로 그어진 ‘영역 분할선’을 함께 보면 더 풍부한 인사이트를 얻을 수 있습니다.
국민총소득과 이민자 비율이 비례하는 경향성에 따라 대부분의 저소득 국가는 왼쪽 하단 3사분면에, 고소득 국가는 오른쪽 상단 1사분면에 모여 있습니다. 여기서 전체적인 흐름에서 벗어난 2사분면(왼쪽 상단 영역)과 4사분면(오른쪽 하단 영역)의 국가들이 있는데요. 차트 위 빨간색 박스를 보면, 2사분면에 있는 China(중국)는 1인당 국민총소득이 10,000달러 이상으로 고소득 국가 대열에 속하지만, 이민자 비율은 전체 인구의 0.1%에 불과해 이민자에 폐쇄적인 특징을 보입니다. 반대로 4사분면에 있는 Lebanon(레바논)과 Jordan(요르단)은 소득 수준은 낮지만, 이민자 비율은 각각 24.5%, 45.7%로 매우 높은 것을 알 수 있습니다.
이처럼 추세선이 전체적인 ‘경향’을 말해준다면, 분할선은 서로 다른 성격을 가진 ‘유형’으로 분류하는 역할을 합니다. 덕분에 보편적인 흐름을 따르는 집단과 그 흐름에서 벗어난 집단의 특징까지 확인하며 인사이트를 얻을 수 있는 사례였습니다!
3. 시간의 흐름을 담는 ‘연결선’ 활용하기
두 변수의 상관관계를 보여주는 산점도를 보다 보면 ‘이 데이터들이 예전에는 어땠을까?’ 같은 궁금증이 생기는데요. 하지만, X축과 Y축에 이미 서로 다른 두 가지 수치 정보가 배치되어 있어 시간이라는 또 다른 정보를 표현하기에 어려움이 있을 수 있습니다. 자칫하면 차트가 복잡해져 전달하고자 하는 내용이 흐려질 수 있기 때문입니다. 이때 가장 효과적인 해결책이 바로 각각의 데이터 점을 시간 순서대로 잇는 ‘연결선’을 활용하는 것입니다. 점과 선을 활용해 연결한 차트를 우리는 ‘연결된 산점도’라 부르는데요! 산점도와 라인 차트의 장점을 결합한 방식이 어떻게 적용되는지 두 가지 사례를 통해 알아보겠습니다.
먼저 살펴볼 사례는 미국인의 주행 습관과 휘발유 가격 간의 상관관계를 보여주는 연결된 산점도입니다. 경제학자들은 아주 오래전부터 유가 하락이 주행 거리 증가로 이어지고, 반대로 급격한 유가 상승은 주행 감소를 부르는 현상에 주목해 왔습니다. 위 차트에서는 지난 50여 년간 미국 사회에서 어떤 현상이 나타났는지를 어떻게 알 수 있을까요? 차트에서 X축은 1인당 주행 거리를, Y축은 물가를 반영해 조정한 휘발유 가격을 나타내고 있습니다. 연도별 데이터를 나타내는 각 점을 선으로 연결하면 시간에 따른 변화의 흐름을 확인할 수 있는데요!
1956년부터 시작된 선을 따라가다 보면 연간 4,000마일이었던 주행 거리가 약 50년 후인 2000년대에는 10,000마일 이상으로 늘어난 것을 알 수 있는데요! 동시에 Y축을 통해 유가는 등락을 끊임없이 반복하며 변화했음을 확인할 수 있습니다.
위 차트는 점을 선으로 연결해 ‘연결선의 방향성’에 따라 데이터 인사이트를 발견할 수 있는데요! 차트에서 발견한 인사이트를 특정 기간별로 구분해 세부 설명을 덧붙였습니다. 특히 차트 내부에 빨간 화살표를 추가해 사용자가 X축과 Y축의 변화 방향을 직관적으로 인지할 수 있도록 했는데요. 예를 들어 1978년에서 1981년을 보여주는 세 번째 차트를 보면, Y축인 유가가 급격히 솟구칩니다. 이를 통해 이란-이라크 전쟁으로 석유 공급이 불안정해 가격이 급등하고, 이로 인해 주행거리가 다른 시기에 비해 상대적으로 적게 증가한 것을 알 수 있습니다.
반대로 1986년부터 1998년까지의 차트에서는 선이 오른쪽으로 길게 뻗어 나가고 있습니다. X축이 크게 변화했는데요. 무려 10년 넘게 저유가가 지속되면서 미국인들의 주행거리가 2,000마일 이상 폭발적으로 증가한 것을 알 수 있습니다. 이처럼 연도별 데이터를 선으로 잇고 각 구간에 방향을 표시하니 유가와 주행거리가 반비례하며 움직인 지난 세기의 변화를 한눈에 파악할 수 있었습니다.
두 번째 사례는 인류가 질병과 싸워온 기록을 담은 HIV와 AIDS의 확산 및 억제 과정을 나타낸 연결된 산점도입니다. X축은 HIV 발병률을, Y축은 AIDS 사망자 수를 나타내고 있습니다. 제작자는 방대한 시계열 데이터를 나열하는 대신 연도별 데이터를 선으로 연결해 유행의 주요 단계에 따라 크게 3가지 색상으로 구분했는데요! 함께 선의 궤적을 따라가 볼까요?
붉은색 선으로 표시된 1990년대 후반까지는 선이 오른쪽 위로 향하며 감염자와 사망자가 함께 증가하고 1997년 발생률이 정점을 찍으면서 선의 방향이 왼쪽으로 꺾이기 시작합니다. 하지만 이후 사망자 수가 즉각 줄어들지 않고 2004년까지 계속해서 증가하는데요. 이를 학계에서는 아직 치료제가 개발되지 않아 감염 후 사망에 이르는 수가 급격하게 많아지는 ‘확산기’라 말합니다.
주황색으로 표시된 2004년 이후 그래프는 급격하게 왼쪽 아래를 향하는 형태가 되는데요. 이는 신규 감염자와 사망자가 동시에 줄어들고 있다고 해석할 수 있는데요. 치료제가 보편화되는 데 걸리는 시간을 선의 모양이 그대로 증명하고 있는 것입니다. 이후 노란색 선으로 표시된 2015년 이후에는 HIV 발생률 또한 급격하게 줄어들며 치사율 높은 질병이 관리 가능한 만성 질환으로 전환되었음을 알 수 있습니다.
두 사례 속 점과 선이 연결되어 그려지는 궤적을 통해 두 변수의 변화 과정을 더 쉽게 파악할 수 있었는데요! 만약 이 데이터를 다른 차트로 그렸다면 어땠을까요? 각각의 변수의 변화 과정을 따로 파악하느라 두 변수가 서로 어떻게 영향을 주고 받았는지 확인하는데 어려움을 겪었을 것 같습니다. 사례들을 살펴보며 시간 데이터와 결합한 산점도는 단순한 통계를 넘어 데이터가 써 내려간 서사를 보여주는 작은 역사책 같다는 생각이 드는 사례였습니다.
에디터의 한마디
지금까지 두 변수 간의 관계를 나타낸 산점도에 ‘선’을 추가해 분석의 깊이를 확장한 사례들을 함께 살펴보았습니다. 흩어진 데이터 속에서 전체적인 경향성을 짚어주는 추세선, 데이터를 기준에 따라 집단별로 구분해 주는 영역 분할선 그리고 시간의 흐름에 따라 변화의 궤적을 보여주는 연결선까지! 똑같은 산점도라도 어떤 선을 더하느냐에 따라 차트가 전달할 수 있는 메시지는 완전히 달라질 수 있습니다.
좋은 시각화는 단순히 예쁜 차트를 만드는 것이 아니라 복잡한 데이터 속에서 핵심을 얼마나 정확하게 끄집어내어 사용자에게 전달하느냐가 가장 중요하다고 생각합니다. 때로는 수백 마디의 설명보다 데이터의 핵심을 관통하는 선 하나가 훨씬 더 큰 설득력을 발휘하기도 하죠. 산점도 위에 그어진 선 하나를 통해 점들 사이에서 예상치 못한 데이터의 맥락을 발견하는 것처럼요!
<참고 자료>
- 2024, ｢Excel을 이용한 자료분석｣, 위키독스
- Philip Bump, “The critical role Christianity plays in Trumpism”, PBUMP.NET, 2025-09-23
- Iswardi Ishak, “Correlation Between Wealth and Passport Strength”, Visual capitalist, 2025-11-08
- Julie Peasley, “World Cities by Climate”, Visual capitalist, 2025-12-09
- Iswardi Ishak, “Do Wealthier Countries Host More Migrants?”, Visual capitalist, 2025-11-26
- Hannah Fairfield, “Driving Shifts Into Revers”, The New York Times, 2010-05-02
- Luc Guillemot, “A history of the HIV epidemic HIV”, Datawrapper, 2026-02-05
- ”The Henley Passport Index”, Henley & partners, 2026
Editor. 채젤리
