[논문]우울과 불안의 변별적 진단을 위한 다차원 정서 척도의 개발

이창묵

doi:10.15207/jkcs.2018.9.10.393

우울과 불안의 변별적 진단을 위한 다차원 정서 척도의 개발
Development of an Multi-dimentional Affect Scale for Distinguishing between Depression and Anxiety 원문보기

한국융합학회논문지 = Journal of the Korea Convergence Society, v.9 no.10, 2018년, pp.393 - 406

이창묵 (건국대학교 교육학과)

초록
AI-Helper

우울과 불안은 진단 기준, 관련 이론, 증상 등에서 유사한 점이 많아 기존의 척도로는 서로를 변별하기 어렵다는 문제가 있다. 본 연구에서는 정적 정서와 부적 정서가 우울, 불안과 높은 관련성을 가지고 있다는 선행 연구를 근거로 우울과 불안의 변별적 진단을 목적으로 하는 진단 척도를 개발하였다. 먼저 우울과 불안의 공통분을 제거한 편상관 계수를 기준으로, 한 쪽에만 높은 상관을 나타내는 문항들을 찾아서 우울 및 불안에 대한 씨앗 척도를 구성하였다. 이 두 씨앗 척도를 독립변수로, 각 정서 문항을 종속변수로 하는 다중 회귀를 시행하여 회귀 계수를 구했으며, 이것을 우울과 불안 점수의 배점으로 사용하였다. 이렇게 개발된 정서 척도는 좋은 내적 일치도를 나타냈으며, 기존 척도와는 높은 상관을 가지면서도 서로에 대한 상관은 더 낮았기 때문에, 기존 척도만큼 잘 측정하면서도 우울과 불안을 좀 더 잘 변별할 것으로 기대되었다. 실제 활용을 위해서 정서에 대한 문화적 특성을 보완하고, 보다 정교한 통계적 방법을 적용해야 할 것이며, 임상집단을 대상으로 하는 타당화 연구를 제안하였다.

Abstract ▼ AI-Helper

The depression and anxiety are the most popular mental disorders and not easy to distinguish because of their lots of similarities in the diagnostic criteria, related theories, and clinical symptoms. In this article, we developed the affect scale for distinguishable diagnosis, utilized the relationships between the Positive and Negative affect, and the depression and anxiety. We made up the seed scale of the items which selected by partial correlation, and set the scoring up by multiple regression method. The Multi-dimentional affect scale is reliable and working similarly as the scales used before, but less correlated to each other. We conclude that the affect scale achieved the diagnosis for distinguish between depression and anxiety. Our suggestions for the further study are to redeem the cultural differences, modify by the elaborate methods, and validate by the actual clinical data.

주제어

표/그림 (9)

그림 Fig. 1. The Circumplex Model of Affect[27]
표 Table 1. Partial correlation coefficients of seed items
표 Table 2. Each item’s multiple regression coefficients
표 Table 3. Fit indices of Exploratory factor analysis and parallel analysis
표 Table 4. Internal consistency (Cronbach’s α)
표 Table 5. Factor loadings
표 Table 6. Fit indeces for Confirmatory factor analysis
표 Table 7. Correlation coefficients of scales
그림 Fig. 2. Modified Factor Structure of MAS

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

변별적 진단을 위해서 문항의 응답에서 우울, 불안 사이의 공통분을 제거할 필요가 있다. 따라서 BDI와STAI-S를 각각 번갈아 제어 변수로 투입해서 문항과의 편상관을 구해서 서로 공유하는 영향이 최소이면서 우울 또는 불안과 관련이 큰 문항을 찾고자 하였다. 우울은 4문항, 불안은 5문항이 선택되었다(Table 1).
온라인 표집의 경우 거리의 제약 없이 다양한 지역의 응답을 수집할 수 있다는 장점이 있지만 대체로 컴퓨터에 익숙한 젊은 층이 많다는 한계도 있다. 따라서 보다 다양한 집단의 자료를 수집하기 위해, 온라인과 함께 오프라인에서 설문지 배포도 함께 진행하였다. 온라인의 경우 2011년 11월 17일부터 22일까지 진행되었으며 응답 완료시 캐쉬백 1000포인트가 지급 되었다.
본 연구는 이와 같은 이론적 배경을 근거로, 정서 형용사 문항으로 우울과 불안의 수준을 동시에 측정하는 다차원 정서 척도를 개발하여 우울과 불안에 대한 변별적 진단을 달성하고자 하였다.
본 연구에서는 기존 우울 및 불안 검사의 단점으로 지적되어 온 높은 상관의 문제를 해결하고자 정서 구조의 2개의 차원이 우울, 불안과 관련이 있다는 이론을 바탕으로 척도를 개발 하였다. 정서 상태를 반영하는 정서 형용사 문항으로 정서 상태를 다차원적으로 측정하는 검사를 개발하였으며 타당도를 검증하였다.
이러한 제한점에도 불구하고 본 연구에서는 다차원구조를 반영한 정서 척도를 개발하여 단일 문항으로 우울과 불안을 동시에 측정할 수 있었으며 이 과정을 통해다차원성의 한계를 극복할 수 있는 새로운 척도 개발 방법을 제안할 수 있었다. 앞으로 후속 연구가 계속 이어져 본 검사는 물론 다차원적인 심리 속성을 타당하게 측정할 수 있는 척도의 개발에 도움이 될 수 있기를 기대한다.

제안 방법

요인분석에서 요인의 추출은 최대우도법을 사용하였고 요인 부하량은 직접 오블리민 방법으로 사각 회전하여 구한 패턴행렬을 기준으로 하였다. 8요인부터 헤이우드 케이스가 발생하였으므로, 1^~7요인 모형을 적합도 지수를 기준으로 검토하였다. 하나의 적합도 지수는 모형의 특정한 부분만 반영하기 때문에, 모형의 타당성을 적합도 지수로 확인할 때는 서로 다른 기준으로 구한 적합도 들을 교차하여 검토해야 한다[63].
본 연구에서는 10,000개의 가상 자료를 생성하였으며 고유값 분포의 95%tile을 기준으로 사용하였다. 결과를 보면 둘 모두 5 요인이 가장 적절한 것으로 확인되었으나, 관련성을 0으로 가정하고 생성한 가상 자료와 비교하는 방법이기 때문에 실제 자료에 가외 요인의 미세한 영향이 있을 경우 요인 수를 과대 추정하게 된다는 평행분석의 특성[65]과 다른 조건들을 감안하여 2요인으로 최종 결정하였다. 2 요인의 경우 모든 적합도 지수가 수용 가능한 수준이었으며, 긍정과 부정문항으로 나뉜다는 이론적 구조에 부합하였고, 3요인은 헤이우드 케이스가 발생했으며, 4요인부터는 문항이 없는 요인이 나타난다는 점을 고려하였다.
결정된 2요인 모형에 대해 구인 타당도를 확인하기 위해 확인적 요인분석을 시행하여 적합도 지수를 제시하였다(Table 6). 적합도 지수를 살펴보면 2요인모형은RMSEA, CFI, TLI 모두 약간 부족한 수준이었다.
기존의 우울, 불안 점수를 제어 변수로 투입한 문항의편상관을 구하여 우울, 불안의 공통되지 않은 특성과 관련이 높은 문항을 찾아서 씨앗 척도를 작성한 후 이 씨앗 척도를 독립변수로 투입하여 서로의 영향을 제거한 문항의 회귀 계수를 구해서 배점으로 사용하였다. 이렇게 구성한 정서 척도는 기존 척도와 유사하게 작동하면서도 서로 관련성이 적었으며 정상, 불안, 우울 집단에 대해서도 유의미한 차이가 있는 점수를 나타내었으므로 변별적 진단이 가능할 것으로 예상할 수 있었다.
다차원 정서 척도의 문항을 구성하기 위해, 정서 모형의 8개의 극단에 해당하는 대표 형용사 24개를 선택하였으며 관련 연구[29,30]에서 추가로 선택한 12개를 포함하여 총 36개의 형용사 문항으로 척도를 구성하였다. 영어로 된 형용사 단어를 한국어로 번역한 후, 미국에서 임상심리학 학위를 받은 박사급 연구자에게 원어와 번역본을 모두 제공하였으며 수정할 내용을 합의하여 문항을 결정하였다.
하나의 적합도 지수는 모형의 특정한 부분만 반영하기 때문에, 모형의 타당성을 적합도 지수로 확인할 때는 서로 다른 기준으로 구한 적합도 들을 교차하여 검토해야 한다[63]. 따라서 가장 많이 사용되는 RMSEA와 증분 타당도 지수 중 TLI를, 정보 기준 중 BIC를 x²검증과 함께 선택하였다.
다중 회귀에서는 투입된 독립변수들의 공통된 영향을 제거한 값을 회귀 계수로 산출하게 된다. 따라서 앞서 작성한 씨앗 척도를 독립변수로, 각 문항의 응답을 종속변수로 투입한 다중회귀를 사용하여 각 문항의 배점을 구하였다(Table 2). 구해진 회귀 계수 중 유의하지 않은 계수가 있었던 1개 문항은 단순 회귀로 다시 구해서 제시하였다.
먼저 KMO검정[61]과 Bartlett의 구형성 검정[62]결과로 요인분석이 적합한 자료인지 확인하였다(Table 3). 변수 간 공유하는 분산의 크기를 나타내는 KMO가 .
새로운 척도는 우울과 불안 점수 사이의 상관을 낮추는 것이 중요하기 때문에, 편상관 계수를 사용해서 우울 및 불안 중 한쪽과만 높은 상관을 가지는 문항들을 찾아서 두 개의 씨앗 척도를 구성하였으며, 이 방법으로 둘 사이의 공유분을 제거한 결과를 얻고자 하였다. 또한 이렇게 구성된 씨앗척도를 독립변수로 투입한 다중회귀의 회귀계수는 독립변수 상호간 영향이 통제된 결과로 볼 수 있으므로 이것을 문항의 응답에 대한 우울과 불안의 배점으로 사용하였다.
영어로 된 형용사 단어를 한국어로 번역한 후, 미국에서 임상심리학 학위를 받은 박사급 연구자에게 원어와 번역본을 모두 제공하였으며 수정할 내용을 합의하여 문항을 결정하였다. 설문지는 정서를 나타내는 형용사 단어에 대해 스스로 느끼고 있는 자신의 현재 상태와 유사한 정도를리커드 4점 척도로 응답하는 방식이며 선택된 문항은 별도로 제시하였다([Appendix] 참고).
다차원 정서 척도의 문항을 구성하기 위해, 정서 모형의 8개의 극단에 해당하는 대표 형용사 24개를 선택하였으며 관련 연구[29,30]에서 추가로 선택한 12개를 포함하여 총 36개의 형용사 문항으로 척도를 구성하였다. 영어로 된 형용사 단어를 한국어로 번역한 후, 미국에서 임상심리학 학위를 받은 박사급 연구자에게 원어와 번역본을 모두 제공하였으며 수정할 내용을 합의하여 문항을 결정하였다. 설문지는 정서를 나타내는 형용사 단어에 대해 스스로 느끼고 있는 자신의 현재 상태와 유사한 정도를리커드 4점 척도로 응답하는 방식이며 선택된 문항은 별도로 제시하였다([Appendix] 참고).
완성된 정서 척도가 동일한 속성의 검사 결과와 얼마나 유사한지, 그리고 비슷하지만 다른 속성의 검사와 얼마나 차이를 나타내는지 확인하기 위하여 BDI, STAI-S,STAI-T와 상관을 구하였다(Table 7). 예를 들자면, 우울 척도의 경우에 BDI와 상관이 높으면 수렴타당도가 존재하는 것으로 판단하게 되고, 이 값보다 STAI-S와 상관이 더 낮다면 변별타당도가 존재하는 것으로 판단하게 된다.
본 연구에서는 기존 우울 및 불안 검사의 단점으로 지적되어 온 높은 상관의 문제를 해결하고자 정서 구조의 2개의 차원이 우울, 불안과 관련이 있다는 이론을 바탕으로 척도를 개발 하였다. 정서 상태를 반영하는 정서 형용사 문항으로 정서 상태를 다차원적으로 측정하는 검사를 개발하였으며 타당도를 검증하였다.

대상 데이터

또한, 검증 결과의 일반화 가능성을 높이기 위해 전체자료를 둘로 나눠서 332명은 척도 구성을 위한 통계 분석에 사용하였고 110명은 척도의 검증에 사용하였다.
평행분석은 가상 자료를 요인 간 관련성이 전혀 없도록 생성하여 그것의 고유값이 실제 자료의 고유값과같은 수준이 되면 의미 없는 요인이 추출되는 것으로 보고 그 직전의 요인 수를 선택하는 방법이다. 본 연구에서는 10,000개의 가상 자료를 생성하였으며 고유값 분포의 95%tile을 기준으로 사용하였다. 결과를 보면 둘 모두 5 요인이 가장 적절한 것으로 확인되었으나, 관련성을 0으로 가정하고 생성한 가상 자료와 비교하는 방법이기 때문에 실제 자료에 가외 요인의 미세한 영향이 있을 경우 요인 수를 과대 추정하게 된다는 평행분석의 특성[65]과 다른 조건들을 감안하여 2요인으로 최종 결정하였다.
온라인의 경우 2011년 11월 17일부터 22일까지 진행되었으며 응답 완료시 캐쉬백 1000포인트가 지급 되었다. 설문지는 서울 흑석동 지역에서 높은 연령대의 방문이 잦은 지역 상점의 협조를 얻어 2주간 내방 고객의 응답을 수집 하였다. 이 결과로 온라인 397명, 설문지 107명으로 총 504명의 응답을 수집하였다.
설문지는 서울 흑석동 지역에서 높은 연령대의 방문이 잦은 지역 상점의 협조를 얻어 2주간 내방 고객의 응답을 수집 하였다. 이 결과로 온라인 397명, 설문지 107명으로 총 504명의 응답을 수집하였다.
총 504명의 응답 중 온라인 응답 소요 시간이 5분 미만인 경우와 문항의 10% 이상에 응답하지 않은 경우를 불성실 응답으로 간주하여 총 62명을 제외하였고 최종 442명의 결과를 사용 하였다. 통계 분석을 위해 결측값은 다중대체(multiple imputation)방법으로 처리하였다.

데이터처리

다중대체는 마코프 체인 몬테카를로(Markov Chain Monte Carlo) 방법을 사용하였으며 최대 반복계산은 50번, 자료는 30개를 생성하였다. 생성된 자료에 대해 연속형 변수는 평균을 구하여 반올림 하였고 범주형 변수는 최빈값을 사용하였다.
또한 이렇게 구성된 씨앗척도를 독립변수로 투입한 다중회귀의 회귀계수는 독립변수 상호간 영향이 통제된 결과로 볼 수 있으므로 이것을 문항의 응답에 대한 우울과 불안의 배점으로 사용하였다. 요인분석으로 척도의 구인타당도를 확인하였고, 신뢰도를 구하였으며, BDI와 STAI-S 점수와 상관 분석을 통해 수렴, 변별 타당도를 검증하였다.
최종 결정된 척도와 하위요인의 내적 일치도를 확인하기 위하여 Cronbach’s α를 구하였다.

이론/모형

통계 분석을 위해 결측값은 다중대체(multiple imputation)방법으로 처리하였다. 다중대체는 마코프 체인 몬테카를로(Markov Chain Monte Carlo) 방법을 사용하였으며 최대 반복계산은 50번, 자료는 30개를 생성하였다. 생성된 자료에 대해 연속형 변수는 평균을 구하여 반올림 하였고 범주형 변수는 최빈값을 사용하였다.
요인분석에서 요인의 추출은 최대우도법을 사용하였고 요인 부하량은 직접 오블리민 방법으로 사각 회전하여 구한 패턴행렬을 기준으로 하였다. 8요인부터 헤이우드 케이스가 발생하였으므로, 1^~7요인 모형을 적합도 지수를 기준으로 검토하였다.
총 504명의 응답 중 온라인 응답 소요 시간이 5분 미만인 경우와 문항의 10% 이상에 응답하지 않은 경우를 불성실 응답으로 간주하여 총 62명을 제외하였고 최종 442명의 결과를 사용 하였다. 통계 분석을 위해 결측값은 다중대체(multiple imputation)방법으로 처리하였다. 다중대체는 마코프 체인 몬테카를로(Markov Chain Monte Carlo) 방법을 사용하였으며 최대 반복계산은 50번, 자료는 30개를 생성하였다.

성능/효과

결과를 보면 둘 모두 5 요인이 가장 적절한 것으로 확인되었으나, 관련성을 0으로 가정하고 생성한 가상 자료와 비교하는 방법이기 때문에 실제 자료에 가외 요인의 미세한 영향이 있을 경우 요인 수를 과대 추정하게 된다는 평행분석의 특성[65]과 다른 조건들을 감안하여 2요인으로 최종 결정하였다. 2 요인의 경우 모든 적합도 지수가 수용 가능한 수준이었으며, 긍정과 부정문항으로 나뉜다는 이론적 구조에 부합하였고, 3요인은 헤이우드 케이스가 발생했으며, 4요인부터는 문항이 없는 요인이 나타난다는 점을 고려하였다. 두 개의 요인은 “긍정 문항”과 “부정 문항”으로 명명하였다(Table 5).
BDI와 우울은 .53, STAI-S, STAI-T와 불안은 .79,.73으로, 동일한 속성과는 중간 이상의 상관을 나타내고 있어서 수렴 타당도가 존재한다고 볼 수 있었다. 변별 타당도의 경우 불안과 BDI는 .
77로 전혀 다른 배경에서 개발된 척도들이면서도 서로 높은 상관을 나타내는 기존 척도의 문제점을 확인할 수 있었다. 그러나 다차원 정서 척도의 경우, 두 척도 사이의 상관은 .26으로 변별적 진단의 가능성이 기존의 척도보다 더 높은 것을 확인할 수 있었다.
두 개의 요인은 “긍정 문항”과 “부정 문항”으로 명명하였다(Table 5).
따라서 새롭게 개발된 다차원 정서 척도는 기존의 척도만큼 잘 측정하면서도, 우울과 불안을 혼동하여 진단할 가능성이 더 낮은, 개선된 결과를 나타내 준다고 결론 내릴 수 있었다.
73으로, 동일한 속성과는 중간 이상의 상관을 나타내고 있어서 수렴 타당도가 존재한다고 볼 수 있었다. 변별 타당도의 경우 불안과 BDI는 .61로 STAI의 경우보다 작았으며, 마찬가지로 우울과 STAI-S는 .45, STAI-T는 .47로 BDI의 경우보다 작았기 때문에, 모두 변별 타당도가 존재하는 것으로 판단할 수 있었다.
본 척도에서는 두 차원이 직교한다는 정서 모형의 가정에 따라 상호작용 항이 포함되지 않았는데 이런 가정에 대한 확인이 필요할 것이며, 또한 보다 정확한 점수를 얻기 위해서는 정서 차원의 척도와 문항 반응의 강도를 일치시키는 등 측정학적 보정을 위한 후속 연구가 필요하다. 셋째, 본 연구에 사용된 척도 중 BDI는 문항의 곤란도가 비교적 높은 편이어서 낮은 점수로 편중되는 문제가 있었으며 이로 인한 정규성 가정의 왜곡으로 인해 결과에 영향을 미쳤을 가능성이 있다. 따라서 이후의 연구에서는 보다 적절한 우울 척도를 선택할 필요가 있다.
따라서 모형에 5개의 오차 공분산을 추가한 수정 모형을 선택하였다. 수정된 모형은 이론에서 예측한 요인 구조를 잘 반영하고 있었으며(Fig. 2) 적절한 적합도 지수를 나타내고 있었다(불안: x²(588)=1730.76, RMSEA=.08, CFI=.83,TLI=.82; 우울: x²(554)=1614.32, RMSEA=.08, CFI=.84,TLI=.83).
수정지수(MI)와 예상되는 모수 변화량(EPC)을 살펴보았을 때, 불안과 우울 모두에서 “굼뜨다”와 “멈춰있다”(불안: MI=72.62, EPC=.07; 우울: MI=72.65, EPC=.52), “친근하다”와 “친절하다”(불안: MI=61.20, EPC=.29; 우울:MI=52.87, EPC=.10), “두렵다”와 “분노한다”(불안:MI=47.70, EPC=.03; 우울: MI=47.61, EPC=.66), “자극 받았다”와 “꺼림직하다”(불안: MI=38.36, EPC=-.02; 우울:MI=38.24, EPC=.79), “확고하다”와 “깨어있다”(불안:MI=38.21, EPC=.30; 우울: MI=36.86, EPC=.12)사이에 무시할 수 없는 관련성이 존재한다는 것을 확인할 수 있었다.
그 외에도 주요 우울장애, 기분 부전 장애와 정상인의 세 집단을 대상으로 기분과 인성에 대한 다양한 척도를 적용하여 그 결과를 요인 분석하는 연구에서 두 개의 요인이 추출되었는데 이를 정적 정서와 부적 정서로 해석할 수 있었다는 보고가 있다[55]. 열거한 연구 결과를 통해 우울은 불안과 달리 고통감 보다는 낮은 정적 정서와 더 큰 관련이 있다는 사실을 일관되게 확인할 수 있다.
검증 방법은 사례수에 민감하다는 단점이 있으므로[56] 다른 지수를 검토하였다. 우울과 불안 모두 RMSEA와 TLI는 2요인 이상부터 수용 가능한 수준이었으며, BIC는 4요인에서 가장 좋은 값을 나타냈다.
기존의 우울, 불안 점수를 제어 변수로 투입한 문항의편상관을 구하여 우울, 불안의 공통되지 않은 특성과 관련이 높은 문항을 찾아서 씨앗 척도를 작성한 후 이 씨앗 척도를 독립변수로 투입하여 서로의 영향을 제거한 문항의 회귀 계수를 구해서 배점으로 사용하였다. 이렇게 구성한 정서 척도는 기존 척도와 유사하게 작동하면서도 서로 관련성이 적었으며 정상, 불안, 우울 집단에 대해서도 유의미한 차이가 있는 점수를 나타내었으므로 변별적 진단이 가능할 것으로 예상할 수 있었다.
결정된 2요인 모형에 대해 구인 타당도를 확인하기 위해 확인적 요인분석을 시행하여 적합도 지수를 제시하였다(Table 6). 적합도 지수를 살펴보면 2요인모형은RMSEA, CFI, TLI 모두 약간 부족한 수준이었다. 수정지수(MI)와 예상되는 모수 변화량(EPC)을 살펴보았을 때, 불안과 우울 모두에서 “굼뜨다”와 “멈춰있다”(불안: MI=72.
그러나 이런 성과에도 불구하고, 본 연구의 결과에는 다음과 같은 제한점이 있다. 첫째, 정서 형용사에 대한 해석은 매우 주관적이기 때문에 같은 문항에 대해 개인마다 받아들이는 정도가 다를 것이라는 점이다. 이런 개인별 차이는 기존 검사와 같이 객관적 증상이나 상태를 묻는 경우보다 더 큰 오차를 발생시킬 것으로 예상할 수 있으므로 이런 왜곡을 처리하기 위해 잠재변수를 다룰 수 있는 통계 모형의 활용과 함께 다수에게 공감되는 정도가 높은 형용사의 선별이 필요할 것으로 보인다.
최종 자료의 성비는 남자 208명, 여자 234명으로 구성되어 실제 인구 분포[60]와 유사하였으며, 연령은 최저 18세부터 최대 83세까지 있었고 평균 39.26세(SD=12.25)로 43.92세인 전국 평균(SD=15.65)보다 약간 더 젊었으며 연령 분포의 첨도는 .28로 -.80인 인구 분포[53]에 비해 조금 더 평균에 집중되어 있는 경향을 보였다.
한편, BDI와 STAI-S, T의 상관은 .65와 .77로 전혀 다른 배경에서 개발된 척도들이면서도 서로 높은 상관을 나타내는 기존 척도의 문제점을 확인할 수 있었다. 그러나 다차원 정서 척도의 경우, 두 척도 사이의 상관은 .

후속연구

따라서 이후의 연구에서는 보다 적절한 우울 척도를 선택할 필요가 있다. 넷째, 본 연구의 대상자들은 한국 성인 집단의 사회인구학적 특성을 완벽하게 반영하고 있지는 못하며, 따라서 보다 대규모의 정교한 표집 과정이 필요할 수 있다. 또한, 실제 사용에 앞서 전문가에 의해 진단받은 임상 집단을 대상으로 연구 결과에 대한 교차 검증이 필요하며 검사-재검사 등 신뢰도에 대한 보완도 시행되어야 한다.
또한, 실제 사용에 앞서 전문가에 의해 진단받은 임상 집단을 대상으로 연구 결과에 대한 교차 검증이 필요하며 검사-재검사 등 신뢰도에 대한 보완도 시행되어야 한다. 다섯째, 휘발성이 강하고 환경의 영향을 많이 받게 되는 정서의 특성 상 정서 형용사 문항으로 응답한 결과는 현재의 느낌만 반영한다고 보는 것이더 타당할 것이며 개인의 변하지 않는 특성까지 평가하는 것이 아니라는 점에 주의할 필요가 있다.
이런 개인별 차이는 기존 검사와 같이 객관적 증상이나 상태를 묻는 경우보다 더 큰 오차를 발생시킬 것으로 예상할 수 있으므로 이런 왜곡을 처리하기 위해 잠재변수를 다룰 수 있는 통계 모형의 활용과 함께 다수에게 공감되는 정도가 높은 형용사의 선별이 필요할 것으로 보인다. 둘째, 다중 회귀 방법을 통한 배점에 대해서 보다 정밀한 측정학적 검증이 필요할 수 있다. 본 척도에서는 두 차원이 직교한다는 정서 모형의 가정에 따라 상호작용 항이 포함되지 않았는데 이런 가정에 대한 확인이 필요할 것이며, 또한 보다 정확한 점수를 얻기 위해서는 정서 차원의 척도와 문항 반응의 강도를 일치시키는 등 측정학적 보정을 위한 후속 연구가 필요하다.
첫째, 한국의 문화적 특성을 반영한 정서 차원과 정서 형용사에 대한 연구가 필요하다. 둘째, 인지진단모형 등 인간의 심리적 반응을 모형화 할 수 있는 보다 정교한 통계 방법을 적용하는 연구가 필요하다. 셋째, 한국 성인의사회인구학적 특성을 감안한 전국적인 표집과 실제 임상 집단을 대상으로 결과에 대한 교차 검증이 필요하며 검사-재검사 신뢰도 등 결과를 보완하는 과정이 필요하다.
셋째, 본 연구에 사용된 척도 중 BDI는 문항의 곤란도가 비교적 높은 편이어서 낮은 점수로 편중되는 문제가 있었으며 이로 인한 정규성 가정의 왜곡으로 인해 결과에 영향을 미쳤을 가능성이 있다. 따라서 이후의 연구에서는 보다 적절한 우울 척도를 선택할 필요가 있다. 넷째, 본 연구의 대상자들은 한국 성인 집단의 사회인구학적 특성을 완벽하게 반영하고 있지는 못하며, 따라서 보다 대규모의 정교한 표집 과정이 필요할 수 있다.
이후 정서의 위계적 3단계 구조는 MMPI-2의 재구성 임상척도(Restructured Clinical Scale; RC척도)를 개발하는 과정에서 척도 구성의 이론적 배경으로 적용되어서 쾌-불쾌 차원은 의기소침(Demoralization; Rcd) 척도로,정적 정서는 낮은 긍정 정서(low positive emotions;RC2) 척도로, 부적 정서는 역기능적 부정 정서(dysfunctional negative emotions; RC7) 척도로 채택 되었다[56]. 또한 MMPI-2 척도군 중 하나인 성격병리 5요인(personality psychopathology five; PSY-5) 척도의 5개 소척도에 대하여 정적 정서는 내향성/낮은 긍정적 정서성(introversion/low positive emotionality; INTR) 척도와, 부적 정서는 부정적 정서성/신경증(negative emotionality/neuroticism, NEGE) 척도와 높은 상관을 보여주고 있다는 점에서[57] 정서의 구조 모형이 다양한 정신 병리와 그 기전의 해석에 사용될 수 있을 것을 예상할 수 있다.
예를 들자면, 우울 척도의 경우에 BDI와 상관이 높으면 수렴타당도가 존재하는 것으로 판단하게 되고, 이 값보다 STAI-S와 상관이 더 낮다면 변별타당도가 존재하는 것으로 판단하게 된다. 또한, BDI와 STAI의 상관보다 본 척도의 우울, 불안 사이의 상관이 확연하게 더 낮다면, 변별적 진단이라는 본 척도 개발의 목적을 달성한 것으로 볼 수 있을 것이다.
넷째, 본 연구의 대상자들은 한국 성인 집단의 사회인구학적 특성을 완벽하게 반영하고 있지는 못하며, 따라서 보다 대규모의 정교한 표집 과정이 필요할 수 있다. 또한, 실제 사용에 앞서 전문가에 의해 진단받은 임상 집단을 대상으로 연구 결과에 대한 교차 검증이 필요하며 검사-재검사 등 신뢰도에 대한 보완도 시행되어야 한다. 다섯째, 휘발성이 강하고 환경의 영향을 많이 받게 되는 정서의 특성 상 정서 형용사 문항으로 응답한 결과는 현재의 느낌만 반영한다고 보는 것이더 타당할 것이며 개인의 변하지 않는 특성까지 평가하는 것이 아니라는 점에 주의할 필요가 있다.
정서 형용사는 개인의 심리적 경험을 직접 묻는 것 보다 응답자의 부담이 적다는 장점이 있으며, 최소한의 문항으로 비교적 타당한 결과를 얻을 수 있어서[67,68] 현재까지도 대규모 패널 조사에서 주관적 행복감을 측정하는 문항으로 널리 사용되고 있다. 본 척도 역시 유사한 문항을 사용하는 만큼 같은 수준의 편의성을 기대할 수 있을 것이며, 우울과 불안은 심리학 외에도 다양한 분야의 연구에서 심리적 특성으로 중요하게 다뤄진다는 점에서 보다 많은 활용 가능성이 있다고 하겠다.
둘째, 다중 회귀 방법을 통한 배점에 대해서 보다 정밀한 측정학적 검증이 필요할 수 있다. 본 척도에서는 두 차원이 직교한다는 정서 모형의 가정에 따라 상호작용 항이 포함되지 않았는데 이런 가정에 대한 확인이 필요할 것이며, 또한 보다 정확한 점수를 얻기 위해서는 정서 차원의 척도와 문항 반응의 강도를 일치시키는 등 측정학적 보정을 위한 후속 연구가 필요하다. 셋째, 본 연구에 사용된 척도 중 BDI는 문항의 곤란도가 비교적 높은 편이어서 낮은 점수로 편중되는 문제가 있었으며 이로 인한 정규성 가정의 왜곡으로 인해 결과에 영향을 미쳤을 가능성이 있다.
둘째, 인지진단모형 등 인간의 심리적 반응을 모형화 할 수 있는 보다 정교한 통계 방법을 적용하는 연구가 필요하다. 셋째, 한국 성인의사회인구학적 특성을 감안한 전국적인 표집과 실제 임상 집단을 대상으로 결과에 대한 교차 검증이 필요하며 검사-재검사 신뢰도 등 결과를 보완하는 과정이 필요하다.
이러한 제한점에도 불구하고 본 연구에서는 다차원구조를 반영한 정서 척도를 개발하여 단일 문항으로 우울과 불안을 동시에 측정할 수 있었으며 이 과정을 통해다차원성의 한계를 극복할 수 있는 새로운 척도 개발 방법을 제안할 수 있었다. 앞으로 후속 연구가 계속 이어져 본 검사는 물론 다차원적인 심리 속성을 타당하게 측정할 수 있는 척도의 개발에 도움이 될 수 있기를 기대한다.
첫째, 정서 형용사에 대한 해석은 매우 주관적이기 때문에 같은 문항에 대해 개인마다 받아들이는 정도가 다를 것이라는 점이다. 이런 개인별 차이는 기존 검사와 같이 객관적 증상이나 상태를 묻는 경우보다 더 큰 오차를 발생시킬 것으로 예상할 수 있으므로 이런 왜곡을 처리하기 위해 잠재변수를 다룰 수 있는 통계 모형의 활용과 함께 다수에게 공감되는 정도가 높은 형용사의 선별이 필요할 것으로 보인다. 둘째, 다중 회귀 방법을 통한 배점에 대해서 보다 정밀한 측정학적 검증이 필요할 수 있다.
한편, 진단체계에서 증상의 유무를 기준으로 하는 범주적 구분을 사용하는 것과 달리, 우울과 불안의 여러 증상 패턴을 각각의 수치로 정량화하는, 차원적인 접근을 시도하는 연구도 있다[24]. 이런 차원적 접근을 통해 진단기준에서 벗어나지만 임상적 유의성을 가진 증상을 탐색할 수 있을 것이며, 둘 사이의 유의성과 변별성을 대상으로 하는 연구를 통해 불안과 우울의 관계에 대한 이해를 높일 수 있어 공유하는 증상의 치료에 도움이 되는 시사점을 얻을 수 있을 것으로 기대한다[4].

질의응답

핵심어	질문	논문에서 추출한 답변
	우울과 불안은?	우울과 불안은 심리 장애이기도 하지만 신체 질환을 겪는 과정에 종종 함께 접하게 되는 중요한 정신증상 중하나이다[13]. 최근 삼성서울병원의 조사에 따르면 주요우울장애의 평생 유병률은 5%, 불안장애는 9.
	우울과 불안의 적절한 치료가 중요한 이유는?	최근 한 연구에서는 우울증이 다른 어떤 질환보다도 신체적, 직업적, 사회적 제한이 심하다고 하였으며[15] 한 개인의 사회적 신체적 안녕을 손상시키는 질환이다[16]. 미국에서는 약 437억 달러가 관련 비용으로 사용되고 있다고 하며[17,18] 개인의 고통만이 아니라 사회, 경제적으로도 부담이 된다는 점을 감안할 때, 우울과 불안의 조기 발견과 정확한 진단,그리고 적절한 치료는 매우 중요하다[19].
	우울과 불안의 연구가 계속 되는 이유는?	우울과 불안은 가장 흔한 정신장애로 단독으로 진단 되기도 하지만 다른 진단에 부속되어 나타나는 경우가 많다[1]. 또 진단 기준에도 공통되는 속성이 존재하며 이론적인 측면이나 실제 임상에서 관찰되는 증상에서 상호 간 유사한 점이 많기 때문에 둘의 변별이 쉽지 않아 이에 대한 연구가 계속되어 왔다[2-5]. 다수의 연구 결과에 따르면 우울장애와 불안장애의 공존률은 10%~50%까지 추정되며[6-9] 이 두 질환의 치료 또한 매우 유사하다는 점에서[10] 우울장애와 불안장애가 유사한 원인을 가진 것으로 추정하는 의견도 있다[11,12].

참고문헌 (68)

R. C. Kessler, W. T. Chiu, O. Demler, E. E. Walters. (2005). Prevalence, severity, and comorbidity of 12-month DSM-IV disorders in the National Comorbidity Survey Replication. Archives of General Psychiatry, 62(6), 617-627.

상세보기
S. M. Kwon. (1996). Relationship between depression and anxiety: Their commonness and difference in related life events and cognitions. Psychological Science, 5(1), 13-38.
Y. N. Park. (2003). Shared Characteristics of Depressive and Anxiety Disorders. Journal of the Korean Society of Biological Therapies in Psychiatry, 9(1), 118-128.
H. J. Yang. (2011). Factor analysis of the Beck Depression Inventory in anxiety disorder. Master Thesis. Hanyang University, Seoul.
D. Watson, L. A. Clark, G. Carey (1988). Positive and Negative Affectivity and Their Relation to Anxiety and Depressive Disorders. Journal of Abnormal Psychology, 97(3), 34-353.
J. M. Gorman, J. D. Coplan. (1996). Comorbidity of depression and panic disorder. The Journal of clinical psychiatry, 57(Suppl. 10), 34-43.
J. M. Gorman. (1996-1997). Comorbid depression and anxiety spectrum disorders. Depress Anxiety, 4(4), 160-168.

상세보기
K. J. Ressler, H. S. Mayberg. (2007). Targeting abnormal neural circuits in mood and anxiety disorders: from the laboratory to the clinic. Nature neuroscience, 10(9), 1116-1124.

상세보기
P. P. Roy-Byrne, P. A. Stang, H. U. Wittchen, B. Ustun, E. E. Walters, R. C. Kessler. (2000). Lifetime panic-depression comorbidity in the National Comorbidity Survey: association with symptoms, impairment, course and help-seeking. The British Journal of Psychiatry, 176(3), 229-235.

상세보기
S. E. Bruce, K. A. Yonkers, M. W. Otto, J. L. Eisen, R. B. Weisberg, M. Pagano, M. T. SHea, M. B. Keller. (2005). Influence of psychiatric comorbidity on recovery and recurrence in generalized anxiety disorder, social phobia, and panic disorder: a 12-year prospective study. American Journal of psychiatry, 162(6), 1179-1187.

상세보기
M. Roth, C. Gurney, R. F. Garside, T. A. Kerr. (1972). Studies in the classification of affective disorders: The relationship between anxiety states and depressive illnesses-I. The British Journal of Psychiatry, 121(561), 147-161.

상세보기
C. Gurney, M. Roth, R. F. Garside, T. A. Kerr, K. Schapira. (1972). Studies in the classification of affective disorders: The relationship between anxiety states and depressive illnesses-II. The British Journal of Psychiatry, 121(561), 162-166.

상세보기
L. C. Kolb, H. K. Brodie. (1982). Modern clinical psychiatry,10th ed. Philadelphia: Sauders.
J. Hong., D. Lee, B. Ham, S. Lee, S. Sung, T. Yun, T. Ha, S. Son, J. Son, J. You, J. Kim, J. Park, S. Kim, S. Jo, Y. Jung, M. Kim, S. Jang, B. Kim, J. Ahn, B. Kim, K. Yun, I. Sin, H. Jeon, S. Kim. (2017). The survey of mental disorder in Korea. Ministry of Health and Welfare.
K. Chon, M. Rhee. (1992). Preliminary Development of Korean Version of CES-D. Korean Journal of Clinical Psychology, 11(1), 65-76.
B. Ham, M. Lee, I. Kang, T. Hwang, W. Lee, K. Han, Y. Choi, I. Choi. (2004). A Study on the Stigma Perception of Depression Patients. Mood and emotion, 2(4), 237-244.
K. B. Wells, A. Stewart, R. D. Hays, M. A. Burnam, W. Rogers, M. Daniels, S. Berry, S. Greenfield, J. Ware. (1989). The functioning and well-being of depressed patients: results from the Medical Outcomes Study. Jama, 262(7), 914-919.

상세보기
P. E. Greenberg, L. E. Stiglin, S. N. Finkelstein, E. R. Berndt. (1993). The economic burden of depression in 1990. The Journal of Clinical Psychiatry, 54(11), 405-418.

상세보기
N. Sartorius. (2003). Physical symptoms of depression as a public health concern. The Journal of clinical psychiatry, 64, 3-4.

상세보기
P. Clayton, W. Grove, W. Coryell, M. Keller, R. Hirschfeld, J. Fawcett. (1991). Follow-up and family study of anxious depression. American Journal of Psychiatry, 148, 1512-1517.

상세보기
M. Fava, A. J. Rush, J. E. Alpert, C. N. Carmin, G. K. Balasubramani, S. R.Wisniewski, M. H. Trivedi, M. M. Biggs, K. Shores-wilson. (2006). What clinical and symptom features and comorbid disorders characterize outpatients with anxious major depressive disorder: A replication and extension. Canadian Journal of Psychoatry, 51(13), 823-835.
L. A. Clark, D. Watson. (1991). Tripartite model of anxiety and depression: psychometric evidence and taxonomic implications. Journal of abnormal psychology, 100(3), 316-336.

상세보기
D. J. Stein, E. Hollander, B. O. Rothbaum. (2009). Textbook of anxiety disorders, 2nd Eds. American Psychiatric Pub.
P. A. Di Nardo, D. H. Barlow. (1990). Syndrome and Symptom Co-Occurrence in the Anxiety Disorders. In J. D. Maser, R. Cloninger (Eds.) Comorbidity of Mood and Anxiety Disorders (pp. 205-230). Washington: American Psychiatric Press.
J. A. Russell. (1980). A Circumplex Model of Affect. Journal of Personality and Social Psychology, 39(6), 1161-1178.
D. Watson, L. A. Clark, A. Tellegen (1984). Cross-cultural convergence in the structure of mood: A Japanese replication and a comparison with U. S. findings. Journal of Personality and Social Psychology, 47, 127-144.

상세보기
D. Watson, A. Tellegen. (1985). Toward a consensual structure of mood. Psychological Bulletin, 98, 219-235.

상세보기
D. P. Green, S. L. Goldman, P. Salovey. (1993). Measurement error masks bipolarity in affect ratings. Journal of Personality and Social Psychology, 64, 1029-1041.

상세보기
A. Tellegen, D. Watson, L. A. Clark. (1999). On the dimensional and hierarchical structure of affect. Psychological Science, 10, 297-303

상세보기
A. Tellegen, D. Watson, L. A. Clark. (1999). Further support for a hierarchical model of affect: Reply to Green and Salovey. Psychological Science, 10, 307-309

상세보기
J. A. Russell. (2009). Emotion, core affect, and psychological construction. Cognition and Emotion, 23(7), 1259-1283.

상세보기
G. W. Farthing. (1992). The psychology of consciousness. Englewood Cliffs, NJ: Prentice-Hall.
J. A. Russell. (2003). Core affect and the psychological construction of emotion. Psychological Review, 110, 145-172.

상세보기
R.S. Lazarus, S. Folkman. (1984). Stress, appraisal, and coping. New York: Springer Publication Company.
A. Ortony, G. L. Clore, A. Collins. (1990). The cognitive structure of emotions. UK: Cambridge University Press.
K. Scherer, K. (2001). Appraisal considered as a process of multi level sequential checking. In K. Scherer, A. Schorr, & T. Johnstone (Eds.), Appraisal processes in emotion: Theory, methods, research. New York: Oxford University Press.
I. Juvina, O. Larue, A. Hough. (2018). Modeling valuation and core affect in a cognitive architecture: The impact of valence and arousal on memory and decision-making. Cognitive Systems Research, 48, 4-24.

상세보기
E. Hudlika. (2015). Computational analytical framework for affective modeling: Towards guidelines for designing computational models of emotions. In J. Vallverdu(Ed.), Synthesizing human emotion in intelligent systems and robotics. Hershey, PA: IGI Global.
S. Marsella, J. Gratch, P. Petta. (2010). Computational models of emotion. In K. R. Scherer, T. Banziger, & E. Roesch (Eds.), A blue print for affective computing: A source book and manual (pp. 21-46).New York: Oxford University Press.
F. E. Ritter. (2009). Two cognitive modeling frontiers: Emotions and usability. Journal of Japanese AI Research, 24(2), 241-249.
C. L. Dancy. (2013). ACT-R ${\pi}$ : A cognitive architecture with physiology and affect. Biologically Inspired Cognitive Architectures, 6(1), 40-45.
R. P. Marinier, J. E. Laird, R. L. Lewis. (2009). A computational unification of cognitive behavior and emotion. Cognitive Systems Research, 10, 48-69.

상세보기
S. Marsella, J. Gratch. (2009). EMA: A process model of appraisal dynamics. Journal of Cognitive Systems Research, 10(1), 70-90.

상세보기
R. Sun, N. Wilson, M. Lynch. (2016). Emotion: A unified mechanistic interpretation from a cognitive architecture. Cognitive Computation, 8(1), 1-14.

상세보기
C. Becker-Asano, I. Wachsmuth. (2008). Affect simulation with primary and secondary emotions. Paper presented at the 8th international conference on intelligent virtual agents. Tokyo.
J. K. MacCormack, K. A. Lindquist. (2018, June 11). Feeling Hangry? When Hunger Is Conceptualized as Emotion. Emotion. Advance online publication. DOI : 10.1037/emo0000422

상세보기
A. D. Ong, L. Benson, A. J. Zautra, N. Ram. (2018). Emodiversity and Biomarkers of Inflammation. Emotion, 18(1), 3-14.

상세보기
Y. Kajiwara, S. Yonekura, H. Kimura. (2018). Prediction of Future Mood Using Majority Vote Based on Certainty Factor. Sensors and Materials, 30(7), 1473-1486.
S. Rho, B. Han, E. Hwang. (2009). SVR-based music mood classification and context-based music recommendation. the 17th ACM international conference on Multimedia. 713-716. October 19. Beijing, China.
I. Andjelkovic, D. Parra, J. O'Donovan. (2018). Moodplay: Interactive music recommendation based on Artists' mood similarity. International Journal of Human-Computer Studies, 1-18.
O. Bones, T. J. Cox, W. J. Davies. (2018). Distinct categorization strategies for different types of environmental sounds. Euronoise 2018. 2391-2398.
D. H. Barlow, (2000). Unraveling the mysteries of anxiety and its disorders from the perspective of emotion theory. American Psychologist, 55(11), 1247-1263.

상세보기
A. M. Kring, K. H.Werner (2004). Emotion regulation and psychopathology. In P. Philoppot, R. S. Feldman (Eds.), The regulation of emotion (pp. 359-385). Hove, UK: Psychology Press.
S. Mineka, S. K. Sutton. (1992). Cognitive Biases and the Emotional Disorders. Psychological Science, 3(1), 65-69.

상세보기
D. Watson, L. A. Clark, A. Tellegen.(1988). Development and validation of brief measures of positive and negative affect: the PANAS scales. Journal of Personality and Social Psychology, 54(6), 1063.

상세보기
K. H. Han, K. J. Moon, J. Y. Lee, J. H. Kim. (2011). Minnesota Multiphasic Personality Inventory-2 Restructured Form Manual. Maumsarang: Seoul.
K. H. Han, J. S. Kim, J. Y. Im, J. H. Lee, B. B. Min, K. J. Moon. (2011). Minnesota Multiphasic Personality Inventory-2 Manual - Revised Edition. Maumsarang: Seoul.
Y. H. Lee, J. Y. Song. (1991). A Study of the Reliability and the Validity of the BDI , SDS , and MMPI-D Scales. Korean Journal of Clinical Psychology, 10(1), 98-113.
D. W. Han, J. H. Lee, K. K. Jeon, C. D. Spielberger. (2000). Manual for the Korean version of State-Trait Anxiety Inventory. Hakjisa: Seoul.
Statistics Korea. (2006). the 2005 Population and Housing Census. Statistics Korea: Seoul..
H. F. Kaiser. (1974). An index of factorial simplicity. Psychometrika, 39, 31-36.

상세보기
M. S. Bartlett. (1937). Properties of sufficiency and statistical tests. Proceedings of the Royal Statistical Society, Series A 160, 268-282.
T. A. Brown. (2015). Confirmatory Factor Analysis for Applied Research (2nd Ed.). Guilford Press; New York.
J. L. Horn. (1965). A rationale and test for the number of factors in factor analysis. Psychometrika, 30(2), 179-185.

상세보기
K. J. Preacher, R. C. MacCallum. (2003). Repairing Tom Swift's Electric Factor Analysis Machine. Understanding Statistics, 2(1), 13-43.

상세보기
J. R. Crawford, J. D. Henry. (2004). The Positive and Negative Affect Schedule (PANAS): Construct validity, measurement properties and normative data in a large nonclinical sample. British Journal of Clinical Psychology, 43(3), 245-265.

상세보기
H. Park, J. Lee. (2016). A Validation Study of Korean Version of PANAS-Revised. The korean journal of psychology: General, 35(4), 617-641.
H. Lee, E. Kim, M. Lee. (2003). A Validation Study of Korea Positive and Negative Affect Schedule: The PANAS Scales. Korean Journal of Clinical Psychology, 22(4), 935-946.

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증