SPSS에서 새로운 변수를 생성하거나 기존 변수의 값을 재코딩할 때 주로 사용하는 메뉴는?

SPSS에서 '변환' 메뉴에는 '변수 계산', '다른 변수로 코딩 변경', '범주형 변수 만들기' 등 변수를 생성하거나 값을 재구성하는 기능이 포함되어 있다.

보건행정 핵심 해설 이 문제는 보건통계학과 데이터 관리 실무에서 핵심 도구인 SPSS(Statistical Package for the Social Sciences)의 기본 메뉴 구조를 묻고 있어요. 보건행정사나 보건의료정보관리사는 연구나 성과 평가를 위해 데이터를 처리하고 분석해야 하는데, SPSS는 이 과정에서 가장 널리 사용되는 소프트웨어 중 하나랍니다. 핵심 개념 분석 (Key Concept): SPSS의 메뉴는 데이터 처리의 논리적 흐름에 따라 구성되어 있어요. 크게 데이터 준비(Data Preparation) → 변환(Transformation) → 분석(Analysis) → 결과 출력(Output)의 단계를 따르죠. 문제에서 언급된 "새로운 변수 생성"이나 "기존 변수 값 재코딩"은 데이터를 분석 가능한 형태로 가공하는 핵심! 전처리(Preprocessing) 작업에 해당하며, 이는 주로 '변환(Transform)' 단계에서 이루어집니다. 정답 근거 (Answer Rationale): SPSS 상단 메뉴 바의 '변환(Transform)' 메뉴를 클릭하면 '변수 계산(Compute Variable)', '다른 변수로 코딩 변경(Recode into Different Variables)', '범주형 변수 만들기(Categorize Variables)' 등의 하위 기능이 나타나요. 이 기능들을 통해 연속형 변수를 범주형으로 바꾸거나(예: 나이대 그룹화), 여러 변수를 조합해 새로운 지표(예: 체질량 지수(BMI))를 만들 수 있습니다. 따라서 정답은 ② 변환입니다. 오답 분석 (Distractor Analysis):
혼동 주의! ① '그래프(Graphs)': 이 메뉴는 분석된 결과를 시각화(차트, 플롯)하는 데 사용되며, 변수 생성이나 재코딩 기능은 포함하지 않아요.
③ '데이터 보기(Data View)': 스프레드시트 형태로 원시 데이터를 보고 편집하는 창이지, 변환 기능을 실행하는 메뉴가 아니에요.
④ '분석(Analyze)': 통계 분석(예: t-검정, 회귀분석, 카이제곱 검정)을 실행하는 핵심 메뉴입니다. 변수 가공 후의 단계에 해당하죠.
⑤ '변수 보기(Variable View)': 변수의 속성(이름, 유형, 라벨, 값)을 정의하고 확인하는 창입니다. 여기서 값을 직접 재코딩하는 기능은 제공하지 않아요. 연관 개념 정리 (Related Concepts): 보건 데이터 분석에서 '재코딩(Recoding)'은 매우 중요해요. 예를 들어, 국제질병분류(ICD) 코드를 기반으로 질병군(Disease Group)을 생성하거나, 설문지의 리커트 척도(Likert scale) 점수를 '긍정/중립/부정'으로 범주화할 때 필수적으로 사용됩니다. 개념 정리

SPSS 주요 메뉴	주요 기능	보건행정 실무 적용 예
변환(Transform)	변수 계산, 재코딩, 범주화	만 나이 계산, BMI 지수 생성, 연령대 그룹핑
분석(Analyze)	기술통계, 추론통계, 모델링	진료 만족도 차이 분석, 입원일수 영향 요인 분석
데이터(Data)	정렬, 필터, 파일 병합	성별/연령별 데이터 정렬, 특정 기간 데이터 선택

한눈에 비교!

데이터 처리 단계	SPSS에서의 위치/메뉴	주요 작업
1. 데이터 준비	데이터 보기, 변수 보기	데이터 입력, 변수 속성 정의, 결측치 확인
2. 데이터 변환/전처리	변환(Transform)	변수 생성, 값 재코딩, 데이터 변환
3. 데이터 분석	분석(Analyze)	통계 검정, 모형 구축, 예측
4. 결과 보고	출력 창, 그래프(Graphs)	표/그래프 생성, 결과 해석 및 보고서 작성

실무 포인트 병원의 품질개선(QI) 팀이나 연구팀에서 전자의무기록(EMR) 데이터를 추출해 분석할 때, SPSS의 '변환' 메뉴는 거의 필수적으로 사용됩니다. 예를 들어, '퇴원 후 30일 내 재입원율'을 분석하려면 퇴원일과 다음 입원일 데이터로 새로운 '재입원 여부' 변수를 생성해야 하죠. 이때 '변수 계산'이나 조건부 재코딩 기능을 활용합니다. 암기 팁 "데이터를 변형(Transform)시켜 분석(Analyze)한다!"라고 연상하세요. 변환(Transform)은 분석(Analyze) 직전, 데이터를 최종적으로 가공하는 단계라는 흐름을 이해하면 쉽게 기억할 수 있어요. 국시 빈출 포인트 SPSS 메뉴 기능은 직접적인 단순 지식으로 출제되기도 하지만, 더 자주는 혼동 주의! "다음 중 데이터를 분석하는 메뉴는?" 같은 식으로 '분석(Analyze)'과 '변환(Transform)'을 구분하는 문제로 나와요. '변환'은 데이터를 '만드는/바꾸는' 작업, '분석'은 '통계를 돌리는' 작업이라고 명확히 구분하세요. 기출 변형 주의! 이 개념은 "다음 중 SPSS에서 결측치(Missing Value)를 대체하는 기능이 있는 메뉴는?" 같은 변형 문제로도 출제될 수 있어요. 결측치 대체도 데이터 전처리의 일종으로, '변환' 메뉴 내 '대체값(Replace Missing Values)' 기능을 통해 수행됩니다.

보건행정 실무 가이드 실무 시나리오 (Clinical Scenario): "병원 경영지원실에서 최근 1년간 폐렴(Pneumonia)으로 입원한 65세 이상 노인 환자의 평균 재원일수를 분석해 달라는 지시를 받았어요. EMR에서 추출한 원시 데이터에는 '생년월일', '주상병(Principal Diagnosis)', '입원일', '퇴원일' 필드만 있습니다. 보건의료정보관리사로서 SPSS를 이용해 어떻게 분석용 데이터셋을 준비해야 할까요?" 행정 중재 전략 (Admin Intervention): 1. 상황 파악: 원시 데이터에는 직접 분석할 수 있는 변수(나이, 재원일수, 질병 필터)가 준비되어 있지 않음. 2. 법적/규정 검토: 분석은 익명화된 데이터로 진행하며, 개인정보보호법을 준수. 3. 대응 및 처리: - 핵심! SPSS 변환(Transform) 메뉴 활용: a. '변수 계산(Compute)': [퇴원일 - 입원일] 공식으로 '재원일수' 변수 생성. b. '변수 계산(Compute)': [데이터 수집 기준년도 - 생년월일의 연도]로 '나이' 변수 생성. c. '다른 변수로 코딩 변경(Recode)': '주상병' 변수에서 ICD 코드가 폐렴(J12-J18)인 경우 '1', 그 외는 '0'으로 재코딩해 '폐렴_여부' 변수 생성. d. '변수 계산(Compute)' 또는 조건부 필터: '나이'가 65 이상이고 '폐렴_여부'가 1인 케이스만 선택. 4. 사후 기록/보고: 변환 과정(사용한 공식, 재코딩 기준)을 분석 보고서의 '방법론' 부분에 상세히 기록하여 재현 가능성(Reproducibility)을 확보. 법적 안전 및 주의사항 (Precautions) SPSS 데이터 파일(.sav)에도 개인정보가 포함될 수 있습니다. 분석용 파일을 만들 때는 반드시 식별자(주민등록번호, 이름)를 제거하거나 익명화 코드로 대체해야 하며, 파일 보관 시 암호화 등 보안 조치를 취해야 해요. 개인정보보호법 위반 시 과태료 등 행정처분을 받을 수 있습니다. 업무 프로토콜 SPSS를 이용한 데이터 전처리 기본 프로토콜 1. 원시 데이터 불러오기 (File > Open > Data) 2. 변수 속성 확인 및 설정 (Variable View) 3. 변환(Transform) 메뉴에서 분석용 변수 생성/재코딩 4. 필요시 데이터 선택/필터링 (Data > Select Cases) 5. 기술 통계 실행으로 데이터 품질 점검 (Analyze > Descriptive Statistics) 6. 본 분석 수행 (Analyze > 원하는 통계 방법) 선배의 한마디 "SPSS의 '변환' 메뉴는 데이터를 내 맘대로 만지는 '마법의 도구상자' 같아요. 복잡한 보건 지표도 몇 가지 기능 조합으로 뚝딱 만들 수 있다는 걸 알면 데이터 분석이 훨씬 재미있어질 거예요. 다만, 변환 로직을 꼼꼼히 기록하는 습관이 중요해요. 나중에 '이 숫자가 어떻게 나왔지?' 하고 혼란스러워하지 않도록 말이죠!"