별로 세 변수의 값(0 또는 1)이 합산된 새로운 변수가 데이터셋에 추가돼요.
이 방법은 단순 합산 외에도 다양한 산술 연산이나 조건문(IF)을 활용한 복잡한 변수 생성에도 사용되는 SPSS의 핵심 기능이에요.
오답 분석 (Distractor Analysis)
혼동 주의! 다른 선택지들은 모두 데이터 분석 기법이지만, 변수를 '생성' 또는 '변환'하는 절차가 아니라 이미 존재하는 변수를 '분석'하는 기법이에요.
①
요인분석(Factor Analysis): 많은 수의 변수들 사이의 내재적 구조(잠재요인)를 찾아내기 위한 차원 축소 기법이에요. 변수를 통합하는 것이 아니라 상관관계가 높은 변수들을 묶어 새로운 잠재변수를 추정하는 거예요.
②
신뢰도 분석(Reliability Analysis): 주로 설문지 문항들의 내적 일관성을 측정하는 기법(예: Cronbach's α)이에요. 여러 문항이 하나의 개념을 얼마나 일관되게 측정하는지 평가할 때 사용되죠.
④
기술통계량 분석(Descriptive Statistics): 평균, 표준편차, 빈도 등 데이터의 기본 특성을 요약하여 설명하는 분석이에요. 변수를 생성하는 기능이 아니에요.
⑤
크로스탭 분석(Cross-tabulation Analysis): 두 개 이상의 범주형 변수 간의 관계를 교차표(Contingency Table) 형태로 나타내고, 카이제곱 검정 등을 수행할 때 사용해요. 변수 통합과는 무관한 분석 방법이에요.
연관 개념 정리 (Related Concepts)
-
변수 재코딩(Recoding): 기존 변수의 값을 새로운 범주로 변경하는 작업 (예: 연령을 '청년', '중년', '노년'으로 구분).
-
파생변수(Derived Variable): 기존 변수들을 조합하거나 변환하여 새롭게 생성된 변수. 문제의 '질환 수' 변수가 대표적 예시예요.
- SPSS의
'개별 값 대체(Recode into Different Variables)' 기능: 변수 계산과 함께 자주 사용되는 변환 도구로, 범주 재구성에 특화되어 있어요.
개념 정리
| 용어 | 의미 | SPSS 메뉴 경로 |
|---|
| 변수 계산(Compute) | 기존 변수들로부터 산술/논리 연산을 통해 새로운 변수를 생성. | 변환(Transform) > 변수 계산(Compute Variable) |
| 재코딩(Recode) | 기존 변수의 값을 다른 값이나 범주로 변경. | 변환(Transform) > 개별 값 대체(Recode into Different Variables) |
| SUM 함수 | 여러 변수나 값들의 합계를 계산하는 함수. 결측값(Missing)을 제외하고 합산할 수 있음. | 변수 계산 창의 함수 그룹 내 '통계량(Statistical)' |
한눈에 비교!
| 기능/분석 | 주요 목적 | 사용 예시 | 변수 생성 여부 |
|---|
| 변수 계산(Compute) | 새로운 변수 생성 | 체질량지수(BMI) 계산, 총점 계산 | 예 |
| 요인분석(Factor) | 잠재변수 추정, 차원 축소 | 삶의 만족도 설문 문항들을 '심리적 안녕', '물질적 안녕' 요인으로 축소 | 아니오 (분석 결과) |
| 크로스탭(Crosstabs) | 범주형 변수 간 관계 분석 | 성별과 흡연 여부의 연관성 분석 | 아니오 |
실무 포인트
보건행정 실무에서 만성질환 관리 프로그램 평가나 위험군 분석을 할 때, 동반질환 수는 매우 중요한 지표예요. SPSS에서 이 변수를 만들 때 주의할 점은:
1.
결측값 처리: SUM 함수는 기본적으로 결측값이 있는 경우 그 사례의 결과도 결측값으로 처리해요. 모든 변수에 결측값이 없거나, 특정 조건으로 처리해야 할 때는 조건문(IF)을 함께 사용해야 해요.
2.
변수 라벨링: 새로 만든 변수에는 반드시 명확한 라벨(Label)을 붙여 나중에 분석할 때 혼동을 방지하세요.
3.
데이터 검증: 생성 후 기술통계량(최소값, 최대값)을 확인하여 예상 범위(0~3)를 벗어나는 값이 없는지 검토해야 해요.
암기 팁
"
계산(Compute)은 만들고, 요인(Factor)은 찾고, 크로스탭(Crosstabs)은 엮고"라고 기억하세요. 변수를 '만드는' 작업은 Compute가 유일해요!
국시 빈출 포인트
보건의료정보관리사 시험에서는 SPSS 기능 자체보다는
핵심! 어떤 연구 목적에 어떤 통계 분석 방법을 적용해야 하는지를 묻는 문제가 더 자주 출제돼요. '변수 통합'은 '파생변수 생성' 또는 '데이터 전처리' 개념으로 연결되어 출제될 수 있어요.
기출 변형 주의!
동일한 개념을 다음과 같이 변형하여 출제할 수 있어요:
- 사례형: "A 연구원이 5가지 건강행태(흡연, 음주, 운동부족 등) 점수를 합산한 '건강위험지수'를 만들고자 합니다. 가장 적절한 SPSS 절차는?"
- 역발상: "요인분석을 통해 생성된 요인점수(Factor Score)는 '변수 계산' 기능으로 직접 만들 수 있다. (O/X)" →
주의! 요인점수는 요인분석 과정에서 산출되는 특수한 값으로, 일반적인 Compute로는 만들 수 없어요. (X)
(qn_case):
보건행정 실무 가이드
실무 시나리오 (Clinical Scenario)
"보건소 만성질환 관리팀에서 지역주민 건강조사 데이터를 분석하고 있어요. 설문지에는 고혈압, 당뇨병, 관절염, 천식, 우울증 등 10가지 질환의 '진단 여부'가 각각 개별 문항으로 수집되어 있습니다. 팀장은 '다중질환 보유자(2개 이상 질환 보유)'의 특성을 분석해 정책 대상자를 선정하라고 지시했어요. 보건행정 담당자인 여러분은 어떻게 데이터를 준비하시겠어요?"
행정 중재 전략 (Admin Intervention)
1.
상황 파악: 10개의 이분변수(1=유, 0=무, 9=모름/무응답)가 존재. 목표는 '총 질환 수'와 '다중질환 여부(0/1)'라는 두 개의 새로운 변수를 생성하는 것.
2.
법적/규정 검토: 통계 분석상의 데이터 처리 원칙에 따름. 결측값('모름/무응답')을 어떻게 처리할지 사전 계획 필요.
3.
대응 및 처리:
- 1단계:
변수 계산(Compute Variable)으로 '총 질환 수(Tot_Disease)' 생성.
- 수식: `SUM(고혈압, 당뇨병, 관절염, 천식, 우울증, ...)`.
- 주의: 무응답 코드(9)를 결측값(Missing)으로 정의한 후 SUM 함수를 사용하면, 한 질환이라도 결측값이 있으면 전체 합계도 결측값이 됨. 따라서 `SUM.2(var1, var2, ...)` 또는 조건문을 사용해 결측값을 0으로 간주하는 등 전략적 결정 필요.
- 2단계: 다시
변수 계산 또는
개별 값 대체(Recode)를 사용하여 '다중질환 여부(Multi_Morbid)' 생성.
- 수식: `Tot_Disease >= 2` (2 이상이면 1, 아니면 0).
4.
사후 기록/보고: 생성한 변수의 기술통계량(빈도, 평균)을 확인하고, 데이터 처리 로직(결측값 처리 방식 포함)을 분석 보고서의 방법론 부분에 명시하여 재현 가능성을 확보.
법적 안전 및 주의사항 (Precautions)
이 과정 자체에는 특별한 법적 리스크는 없지만,
핵심! 원본 데이터 변형 방지와
분석의 투명성이 중요해요. 원본 변수는 절대 변경하지 말고, 항상 새 변수를 생성하는 방식으로 작업해야 해요. 또한, 결측값을 어떻게 처리했는지는 분석 결과 해석에 큰 영향을 미칠 수 있으므로, 그 근거를 명확히 기록해야 해요.
업무 프로토콜
SPSS를 이용한 복합 건강지표 생성 프로토콜
1.
준비: 분석용 데이터 파일 복사본 생성. 변수보기(Variable View)에서 모든 입력 변수의 측정 수준(명목)과 값 라벨 확인.
2.
결측값 정의: '무응답' 코드(예: 9, 99, 999)를 시스템 결측값(System Missing)으로 정의.
3.
변수 생성(Compute):
- 대상 변수명: `Health_Risk_Score`
- 수식: `SUM(var1, var2, var3, var4, var5)`
- (선택) 조건: `IF (MISSING(var1)=0 AND MISSING(var2)=0 ...)` 등.
4.
검증: 새 변수의 빈도분석(Frequencies) 실행. 최소값, 최대값, 평균이 논리적 범위 내인지 확인.
5.
문서화: SPSS 구문(Syntax) 파일 저장 또는 처리 단계를 메모.
선배의 한마디
"SPSS는 보건행정가의 강력한 도구예요. '변수 계산'은 단순해 보이지만, 복잡한 보건 지표를 만드는 시작점이에요. 데이터를 어떻게 정의하고 조합하느냐에 따라 정책의 방향이 달라질 수 있어요. '당뇨병 관리 프로그램의 효과를 평가할 때, 단순히 당뇨병 유무만 보지 말고, 동반질환 수를 통제변수로 포함시키면 더 정교한 분석이 가능해져요.' 데이터 전처리의 중요성을 잊지 마세요!"