SPSS에서 '혈압'이라는 연속형 변수를 '정상', '고혈압 전단계', '고혈압'으로 범주화하려고 한다. 가장 적절한 방법은?

'다른 변수로부터 값을 재코딩' 기능은 기존 연속형 변수의 값을 사용자 정의 범위에 따라 새로운 범주형 변수로 변환하는 데 적합하다.

보건행정 핵심 해설 이 문제는 보건통계 및 데이터 관리에서 가장 기본적이면서도 실무에서 자주 사용되는 SPSS의 재코딩(Recoding) 기능을 묻고 있어요. 연속형 변수를 임의의 기준에 따라 범주형 변수로 변환하는 것은 연구 설계나 건강보험 데이터 분석에서 매우 흔한 작업이죠. 핵심 개념 분석 (Key Concept) 문제의 핵심은 핵심! SPSS에서 연속형 변수를 사용자 정의 범주로 변환하는 방법입니다. '혈압'이라는 수치 데이터(예: 120/80 mmHg)를 '정상', '고혈압 전단계', '고혈압'과 같은 명목척도(Nominal scale) 또는 서열척도(Ordinal scale)로 바꾸려면, 원래 변수의 값을 특정 기준(예: 수축기 혈압 120 미만=정상, 120-139=고혈압 전단계, 140 이상=고혈압)에 따라 새로운 값(예: 1, 2, 3)이나 라벨로 매핑해야 해요. 정답 근거 (Answer Rationale) 정답은 ⑤ '다른 변수로부터 값을 재코딩한다.'입니다. SPSS 메뉴에서 변환(Transform) → 다른 변수로부터 값 재코딩(Recode into Different Variables)을 선택하면, 원본 변수('혈압')는 그대로 유지한 채, 새로운 변수('혈압_범주')를 생성하면서 사용자가 직접 범위를 지정하여 재코딩할 수 있어요. 이 방법이 기존 변수를 보존하면서도 분석에 최적화된 새로운 범주형 변수를 만들 수 있는 가장 표준적이고 유연한 방법이에요. 오답 분석 (Distractor Analysis) 혼동 주의! 각 오답이 가리키는 기능과 그 한계를 이해하는 것이 중요해요.
① 자동 재코딩을 사용한다.: 이 기능은 주로 문자열 변수를 숫자 코드로 변환하거나, 기존 숫자 코드의 값을 연속적으로 재배열할 때 사용해요. 사용자가 임의의 구간을 설정하는 데는 적합하지 않아요.
② 케이스 선택 조건을 지정한다.: 이는 특정 조건을 만족하는 사례(케이스)만 선별하여 분석에 포함시키는 필터링 기능이에요. 변수 자체를 변환하는 재코딩 작업과는 목적이 다릅니다.
③ 변수를 이분화한다.: '이분화(Dichotomize)'는 연속형 변수를 '0'과 '1' 두 개의 범주로만 나누는 특수한 재코딩이에요. 문제에서는 3개의 범주('정상', '전단계', '고혈압')로 나누려고 하므로, 이분화 기능으로는 불가능해요.
④ 변수 계산에서 산술 연산을 사용한다.: 이는 기존 변수들로부터 사칙연산 등을 통해 새로운 연속형 변수를 생성하는 기능이에요(예: BMI 계산). 범주화 작업에는 직접적으로 사용되지 않아요. 연관 개념 정리 (Related Concepts) SPSS의 재코딩에는 크게 두 가지가 있어요: '같은 변수로 재코딩(Recode into Same Variables)'과 '다른 변수로 재코딩(Recode into Different Variables)'. 원본 데이터를 보존해야 하는 연구나 행정 데이터 분석에서는 항상 후자를 사용하는 것이 안전한 관행이에요. 또한, 재코딩 시 설정하는 구간은 보건학적 기준(예: 대한고혈압학회 가이드라인)이나 건강보험 청구 기준에 근거해야 합니다. 개념 정리

용어	의미	SPSS 메뉴 경로
재코딩 (Recoding)	변수의 기존 값을 새로운 값 또는 범주로 변환하는 작업	변환(Transform) → (다른 변수로) 값 재코딩
연속형 변수 (Continuous Variable)	측정 가능한 수치 데이터 (예: 나이, 혈압, 체중)	-
범주형 변수 (Categorical Variable)	명목 또는 서열 척도의 데이터 (예: 성별, 혈압 단계)	-
이분화 (Dichotomization)	연속형 변수를 두 개의 집단(예: 고위험군/저위험군)으로 구분	변환 → 다른 변수로 값 재코딩 (구간 1개 설정)

한눈에 비교!

기능	주요 목적	이 문제에서 부적절한 이유
다른 변수로 재코딩	연속형 → 사용자 정의 범주형 변환	정답
자동 재코딩	문자열→숫자 코드 변환, 값 재배열	임의 구간 설정 불가
케이스 선택	특정 조건의 데이터만 필터링	변수 변환이 아님
변수 이분화	연속형 → 2개의 범주로 변환	3개 이상 범주 필요
변수 계산	산술 연산으로 새 연속형 변수 생성	범주화 기능 없음

실무 포인트 병원에서 의무기록 데이터를 연구나 품질 개선(QI) 활동에 활용할 때, 진단코드(ICD)나 검사 수치를 재코딩하는 작업은 필수적이에요. 예를 들어, 당화혈색소(HbA1c) 수치를 '정상', '당뇨 전단계', '당뇨병'으로 범주화하여 환자 군별 관리 전략을 분석할 수 있어요. 재코딩 시 사용한 기준(예: 대한당뇨병학회 기준)은 반드시 보고서나 논문에 명시해야 합니다. 암기 팁 "다른 변수로 재코딩 = 다른(새로운) 범주를 만든다!" 로 연상하세요. 원본 데이터를 훼손하지 않고 안전하게 작업하려면 '다른 변수로' 재코딩해야 한다는 원칙을 기억하세요. 국시 빈출 포인트 보건의료정보관리사 시험에서는 SPSS 기능 자체보다는 데이터 관리의 원리와 적절한 방법 선택을 묻는 문제가 출제돼요. "어떤 자료형을 어떤 척도로 변환해야 하는가?", "데이터 정제(Data Cleaning) 단계에서 어떤 작업을 해야 하는가?"와 같은 맥락에서 재코딩 개념이 등장할 수 있어요. 기출 변형 주의! 이 개념은 "환자 만족도 조사에서 5점 리커트 척도(1=매우 불만족 ~ 5=매우 만족)를 '불만족(1-2)', '보통(3)', '만족(4-5)'의 3범주로 축소하고자 할 때 적절한 방법은?" 같은 사례형

으로 변형 출제될 가능성이 높아요. 핵심은 '연속형/서열형 → 사용자 정의 범주형' 변환임을 기억하세요. (qn_case): 보건행정 실무 가이드 실무 시나리오 (Clinical Scenario) "보건소에서 진행한 지역 주민 건강검진 데이터를 분석하려고 해요. 수집된 데이터에는 연속형 변수인 '공복 혈당'이 포함되어 있는데, 연구원은 이 데이터를 세계보건기구(WHO) 기준에 따라 '정상', '당뇨 전단계', '당뇨병' 의 3개 군으로 분류하여 위험군 규모를 파악하고 싶어 합니다. 당신은 보건행정 담당자로서 SPSS 데이터셋을 어떻게 처리해야 할까요?" 행정 중재 전략 (Admin Intervention) 1. 상황 파악: 원본 데이터('health_survey.sav')의 'fasting_glucose' 변수는 연속형입니다. WHO 기준(공복 혈당 < 100 mg/dL = 정상, 100-125 mg/dL = 당뇨 전단계, ≥ 126 mg/dL = 당뇨병)을 적용해야 합니다. 2. 법적/규정 검토: 데이터 처리 시 개인정보보호법을 준수하며, 원본 데이터는 절대 변경하지 않는 원칙을 따릅니다. 3. 대응 및 처리: SPSS에서 변환(Transform) → 다른 변수로 값 재코딩(Recode into Different Variables)을 실행합니다. 'fasting_glucose'를 입력 변수로, 'glucose_category'를 출력 변수 이름으로 설정합니다. '범위(Range)' 버튼을 클릭하여 위의 WHO 기준에 맞춰 세 구간을 정의하고, 각 구간에 '1=정상', '2=당뇨전단계', '3=당뇨병'이라는 값 라벨을 부여합니다. 4. 사후 기록/보고: 생성된 새 변수를 데이터셋에 저장하고, 재코딩에 사용한 기준(WHO 기준, 날짜)을 메타데이터나 코드북(Codebook)에 반드시 기록합니다. 이는 결과의 재현성과 신뢰성을 위해 필수적이에요. 법적 안전 및 주의사항 (Precautions) 통계 분석을 위한 데이터 변환은 연구 윤리와 직결됩니다. 기준을 임의로 변경하거나(핵심! 예: 당뇨병 기준을 130 mg/dL로 올려 위험군 수를 줄이는 행위) 분석 과정을 투명하게 기록하지 않으면, 연구 결과의 신뢰도가 떨어지고 심지어 연구 부정행위로 이어질 수 있어요. 항상 표준화된 의학적 가이드라인을 따르세요. 업무 프로토콜 SPSS를 이용한 연속형 변수 범주화 프로토콜 1. 준비: 분석 기준(의학 가이드라인, 보험 기준 등) 확인 및 문서화. 2. 실행: [변환 → 다른 변수로 값 재코딩] 선택 → 원본 변수 지정 → 새 변수 이름/라벨 설정 → [범위] 클릭 → 기준에 따른 구간 설정 및 값 라벨 입력 → [변경] 클릭 → [확인]. 3. 검증: 생성된 새 변수의 빈도 분석(Frequencies)을 실행하여 범주별 사례 수가 예상과 일치하는지 확인. 4. 기록: 데이터 처리 로그(코드북)에 재코딩 기준, 실행일, 수행자를 기록. 선배의 한마디 "데이터는 보건행정의 기초 자료이자 가장 소중한 자산이에요. SPSS나 다른 통계 프로그램은 단지 도구일 뿐이에요. 중요한 것은 '왜 이렇게 데이터를 변환해야 하는지'에 대한 명확한 근거와 목적을 갖는 거예요. 혈압을 범주화할 때도 '단순히 그룹을 나누려고'가 아니라 '고혈압 관리 정책의 대상자를 선정하기 위해'라는 보건행정적 목적이 있어야 해요. 도구 사용법을 익히는 것만큼, 데이터를 바라보는 통찰력을 키우는 연습도 꾸준히 하세요!"