Construction of a short version of the MASQ using Rasch rating scale model

2019, 30

3)

611–629

Rasch 평정척도 모형을 적용한 미국 MASQ 척도의 단축판 구성

기

ᆷ세형

¹

²

1충북대학교 체육측정평가 · ²Alcorn State University

ᄌ ᅥ

ᆸᄉ ᅮ 2019ᄂ ᅧ ᆫ 2ᄋ ᅯ ᆯ 20ᄋ ᅵ ᆯ, ᄉ ᅮᄌ ᅥ ᆼ 2019ᄂ ᅧ ᆫ 4ᄋ ᅯ ᆯ 7ᄋ ᅵ ᆯ, ᄀ ᅦᄌ ᅢ ᄒ ᅪ ᆨᄌ ᅥ ᆼ 2019ᄂ ᅧ ᆫ 4ᄋ ᅯ ᆯ 8ᄋ ᅵ ᆯ

요 약

ᄋ

ᅵ ᄋ ᅧ ᆫᄀ ᅮᄂ ᅳ ᆫ ᄆ ᅵᄀ ᅮ ᆨ ᄋ ᅦᄉ ᅥ ᄉ ᅥ ᆼᄋ ᅵ ᆫᄋ ᅳ ᆯ ᄃ ᅢᄉ ᅡ ᆼᄋ ᅳᄅ ᅩ ᄉ ᅡᄋ ᅭ ᆼ ᄃ ᅬᄀ ᅩ ᄋ ᅵ ᆻᄂ ᅳ ᆫ MASQ (Mood and Anxiety Symptom Questionnaire) ᄎ ᅥ ᆨᄃ ᅩᄋ ᅴ ᄃ ᅡ ᆫᄎ ᅮ ᆨ ᄑ ᅡ ᆫᄋ ᅳ ᆯ ᄀ ᅮᄉ ᅥ ᆼᄒ ᅡᄋ ᅧ ᆻᄃ ᅡ. 62ᄆ ᅮ ᆫ ᄒ ᅡ ᆼ 3ᄋ ᅧ ᆼᄋ ᅧ ᆨᄋ ᅳᄅ ᅩ ᄀ ᅮᄉ ᅥ ᆼᄃ ᅬ ᆫ MASQ ᄎ ᅥ ᆨᄃ ᅩᄅ ᅳ ᆯ Rasch ᄑ ᅧ ᆼ ᄌ ᅥ

ᆼᄎ ᅥ ᆨᄃ ᅩ ᄆ ᅩᄒ ᅧ ᆼᄋ ᅳ ᆯ ᄌ ᅥ ᆨᄋ ᅭ ᆼ ᄒ ᅡᄋ ᅧ ᄐ ᅩ ᆼ ᄀ ᅨᄌ ᅥ ᆨᄋ ᅳᄅ ᅩ ᄋ ᅳ ᆼ ᄃ ᅡ ᆸᄇ ᅥ ᆷᄌ ᅮ ᄉ ᅮᄅ ᅳ ᆯ ᄌ ᅩᄌ ᅥ ᆼᄒ ᅡᄋ ᅧ ᆻᄀ ᅩ, ᄇ ᅮᄌ ᅥ ᆨᄒ ᅡ ᆸᄒ ᅡ ᆫ ᄆ ᅮ ᆫ ᄒ ᅡ ᆼᄀ ᅪ ᄉ ᅥ ᆼᄇ ᅧ ᆯᄋ ᅦ ᄄ ᅡᄅ ᅡ ᄎ ᅡᄇ ᅧ ᆯ ᄋ

ᅵᄃ ᅬᄂ ᅳ ᆫ ᄆ ᅮ ᆫ ᄒ ᅡ ᆼ, ᄀ ᅳᄅ ᅵᄀ ᅩ ᄋ ᅳ ᆼ ᄃ ᅡ ᆸᄌ ᅡᄋ ᅴ ᄉ ᅩ ᆨᄉ ᅥ ᆼ ᄇ ᅮ ᆫ ᄑ ᅩᄅ ᅳ ᆯ ᄇ ᅥ ᆺᄋ ᅥᄂ ᅡᄂ ᅳ ᆫ ᄆ ᅮ ᆫ ᄒ ᅡ ᆼᄃ ᅳ ᆯᄋ ᅳ ᆯ ᄌ ᅦᄀ ᅥᄒ ᅡᄋ ᅧ ᆻᄃ ᅡ. ᄆ ᅵᄀ ᅮ ᆨ ᄃ ᅢᄒ ᅡ ᆨ ᄉ ᅡᄒ ᅬᄌ ᅩᄉ ᅡ ᄒ ᅧ ᆸᄒ ᅬ ᄋ

ᅦᄉ ᅥ 680ᄆ ᅧ ᆼᄋ ᅴ ᄆ ᅵᄀ ᅮ ᆨ ᄉ ᅥ ᆼᄋ ᅵ ᆫᄋ ᅳ ᆯ ᄃ ᅢᄉ ᅡ ᆼᄋ ᅳᄅ ᅩ ᄌ ᅩᄉ ᅡᄒ ᅡᄀ ᅩ ᄀ ᅩ ᆼ ᄀ ᅢᄒ ᅡ ᆫ ᄃ ᅦᄋ ᅵᄐ ᅥᄅ ᅳ ᆯ ᄋ ᅵᄋ ᅭ ᆼ ᄒ ᅡᄋ ᅧ ᆻᄀ ᅩ, JMetrik 4.1.1 ᄑ ᅳᄅ ᅩᄀ ᅳᄅ ᅢ ᆷ ᄋ

ᅳ ᆯ ᄉ ᅡᄋ ᅭ ᆼ ᄒ ᅡᄋ ᅧ ᄇ ᅮ ᆫᄉ ᅥ ᆨᄒ ᅡᄋ ᅧ ᆻᄃ ᅡ. ᄀ ᅳ ᄀ ᅧ ᆯᄀ ᅪ, ᄌ ᅦ 1ᄋ ᅧ ᆼᄋ ᅧ ᆨᄋ ᅵ ᆫ ᄋ ᅮᄋ ᅮ ᆯᄌ ᅳ ᆼ ᄉ ᅡ ᆼᄀ ᅪ ᄇ ᅮ ᆯ ᄋ ᅡ ᆫᄌ ᅳ ᆼ ᄉ ᅡ ᆼᄋ ᅳ ᆯ ᄎ ᅳ ᆨᄌ ᅥ ᆼᄒ ᅡᄂ ᅳ ᆫ 23ᄆ ᅮ ᆫ ᄒ ᅡ ᆼᄋ ᅳ ᆫ 4ᄌ ᅥ ᆷ ᄋ ᅳ ᆼ ᄃ ᅡ ᆸ ᄇ

ᅥ ᆷᄌ ᅮᄅ ᅩ ᄌ ᅩᄌ ᅥ ᆼᄃ ᅬᄋ ᅥ ᆻᄀ ᅩ 6ᄆ ᅮ ᆫ ᄒ ᅡ ᆼᄋ ᅵ ᄇ ᅮᄌ ᅥ ᆨᄒ ᅡ ᆸᄒ ᅡᄀ ᅦ ᄂ ᅡᄐ ᅡᄂ ᅡ ᆻᄃ ᅡ. ᄌ ᅦ 2ᄋ ᅧ ᆼᄋ ᅧ ᆨᄋ ᅵ ᆫ ᄒ ᅳ ᆼ ᄆ ᅵᄉ ᅡ ᆼᄉ ᅵ ᆯᄀ ᅪ ᄂ ᅩ ᇁᄋ ᅳ ᆫ ᄀ ᅳ ᆼᄌ ᅥ ᆼᄒ ᅭᄀ ᅪᄅ ᅳ ᆯ ᄎ ᅳ ᆨᄌ ᅥ ᆼᄒ ᅡᄂ ᅳ ᆫ 22ᄆ ᅮ ᆫ ᄒ ᅡ ᆼᄋ ᅳ ᆫ 5ᄌ ᅥ ᆷ ᄋ ᅳ ᆼ ᄃ ᅡ ᆸᄇ ᅥ ᆷᄌ ᅮᄀ ᅡ ᄌ ᅩᄌ ᅥ ᆼᄃ ᅬᄌ ᅵ ᄋ ᅡ ᆭᄋ ᅡ ᆻᄀ ᅩ 9ᄆ ᅮ ᆫ ᄒ ᅡ ᆼᄋ ᅵ ᄇ ᅮᄌ ᅥ ᆨᄒ ᅡ ᆸᄒ ᅡᄀ ᅦ ᄂ ᅡᄐ ᅡᄂ ᅡ ᆻᄃ ᅡ. ᄀ ᅳᄅ ᅵᄀ ᅩ ᄌ ᅦ 3ᄋ ᅧ ᆼᄋ ᅧ ᆨᄋ ᅵ ᆫ ᄇ ᅮ ᆯ ᄋ ᅡ ᆫᄌ ᅥ ᆨ ᄀ

ᅡ

ᆨᄉ ᅥ ᆼᄋ ᅳ ᆯ ᄎ ᅳ ᆨᄌ ᅥ ᆼᄒ ᅡᄂ ᅳ ᆫ 17ᄆ ᅮ ᆫ ᄒ ᅡ ᆼᄋ ᅳ ᆫ 3ᄌ ᅥ ᆷ ᄎ ᅥ ᆨᄃ ᅩᄅ ᅩ ᄌ ᅩᄌ ᅥ ᆼᄃ ᅬᄋ ᅥ ᆻᄀ ᅩ 6ᄆ ᅮ ᆫ ᄒ ᅡ ᆼᄋ ᅵ ᄇ ᅮᄌ ᅥ ᆨᄒ ᅡ ᆸᄒ ᅡᄀ ᅦ ᄂ ᅡᄐ ᅡᄂ ᅡ ᆻᄃ ᅡ. ᄄ ᅡᄅ ᅡᄉ ᅥ 62ᄆ ᅮ ᆫ ᄒ ᅡ ᆼ ᄌ ᅮ ᆼ ᄇ

ᅮᄌ ᅥ ᆨᄒ ᅡ ᆸᄒ ᅡ ᆫ 21ᄆ ᅮ ᆫ ᄒ ᅡ ᆼᄋ ᅳ ᆯ ᄌ ᅦᄀ ᅥᄒ ᅡᄀ ᅩ ᄎ ᅬᄌ ᅩ ᆼ 41ᄆ ᅮ ᆫ ᄒ ᅡ ᆼᄋ ᅳᄅ ᅩ ᄃ ᅡ ᆫᄎ ᅮ ᆨ ᄃ ᅬᄋ ᅥ ᆻᄃ ᅡ. ᄋ ᅵ ᄋ ᅧ ᆫᄀ ᅮᄅ ᅳ ᆯ ᄐ ᅩ ᆼ ᄒ ᅢ ᄋ ᅪ ᆫᄉ ᅥ ᆼᄃ ᅬ ᆫ ᄃ ᅡ ᆫᄎ ᅮ ᆨ ᄑ ᅡ ᆫ MASQ ᄎ ᅥ ᆨ ᄃ

ᅩᄀ ᅡ ᄌ ᅥ ᆨᄀ ᅳ ᆨ ᄒ ᅪ ᆯᄋ ᅭ ᆼ ᄃ ᅬᄋ ᅥ ᄋ ᅬᄌ ᅥ ᆨᄐ ᅡᄃ ᅡ ᆼᄒ ᅪᄅ ᅳ ᆯ ᄒ ᅪ ᆨ ᄇ ᅩᄒ ᅡᄀ ᅵ ᆯ ᄀ ᅵᄃ ᅢᄒ ᅡ ᆫᄃ ᅡ.

ᄌ

ᅮᄋ ᅭᄋ ᅭ ᆼ ᄋ ᅥ: ᄀ ᅳ ᆼᄌ ᅥ ᆼᄒ ᅭᄀ ᅪ, ᄇ ᅮ ᆯ ᄋ ᅡ ᆫᄌ ᅳ ᆼ ᄉ ᅡ ᆼ, ᄋ ᅮᄋ ᅮ ᆯᄌ ᅳ ᆼ ᄉ ᅡ ᆼ, MASQ ᄎ ᅥ ᆨᄃ ᅩ, Rasch ᄑ ᅧ ᆼᄌ ᅥ ᆼᄎ ᅥ ᆨᄃ ᅩ ᄆ ᅩᄒ ᅧ ᆼ.

1. 서론 부

ᆯ안 및 우울 증상은가장 보편적인 정신의학의 질환으로 여겨진다 (Carek 등, 2011). 세계 보건 기 ᄀ

ᅮ의 2015년 통계에 따르면 세계적으로 약 322만명이 우울증을가지고 있으며, 일반 성인들이 가장 높 ᄋ

ᅳ

ᆫ유병률을가지고 있다. 그리고 이 비율은점진적인 증가추세로 2005년에 비하여 2015년에 18% 증 ᄀ

ᅡ되었다. 특히 전 세계의 약 3.6% (약 260만명)가 불안 장애를가지고 있는것으로 나타났으며, 이 역 ᄉ

ᅵ 2005년에 비해 15% 증가된수치이다 (WHO, 2017).

ᄋ

ᅧᆨ사적으로, 불안 (anxiety)과 우울 (depression) 증상은 확연하게 나뉘어진 두 개의 질환으로 여겨 ᄌ

ᅧᆻ다. 그러나 많은연구들이 불안과 우울 증상은 밀접한 연관성을가지고 있다고 결과를제시하고 있다 (Clark과 Watson, 1991; Moras 등 1992). 이에 따라, Clark와 Watson (1991)은 불안 및 우울 증상에 과

ᆫ한 자기 보고형, ‘기분 및 불안 증상 질문지’ (Mood and anxiety symptom questionnaire; MASQ) ᄎ

ᅳᆨ정 척도를개발하였다. 개발된MASQ 척도는 총 90문항으로 구성되어 있지만, 연구자들의 검사내용 ᄋ

ᅦ 기초한 증거를 토대로 안면타당화 측면에서 검증을거쳐 연구 목적에 맞게 문항수가 조절되기도 한 ᄃ

ᅡ. 각각의 문항은내용에 동의하는정도가 5단계 Likert 척도 (1단계 Not at all; 2단계 A little bit;

1

(362-763) ᄎ ᅮ ᆼᄇ ᅮ ᆨ ᄎ ᅥ ᆼᄌ ᅮᄉ ᅵ ᄉ ᅥᄋ ᅯ ᆫ ᄀ ᅮ ᄎ ᅮ ᆼ ᄃ ᅢᄅ ᅩ1, ᄎ ᅮ ᆼᄇ ᅮ ᆨ ᄃ ᅢᄒ ᅡ ᆨᄀ ᅭ ᄎ ᅦᄋ ᅲ ᆨᄎ ᅳ ᆨᄌ ᅥ ᆼᄑ ᅧ ᆼᄀ ᅡ, ᄀ ᅭᄉ ᅮ.

2

ᄀ ᅭᄉ ᅵ ᆫᄌ ᅥᄌ ᅡ: Professor, Department of Health, Physical Education and Recreation, Alcorn State Univer-

sity, Lorman, MS 39096, America. E-mail: [email protected]

3단계 Moderately; 4단계 Quite a bit; 5단계 Extremely)에 의해 측정되어지고 있다 (Clark와 Watson, 1991; Watson 등, 1995).

ᄀ

ᅮ체적으로 MASQ 척도는 불안 및 우울범주의 증상 척도들을우선 크게 세 가지 영역 (domain)인 처

ᆺ째, 기본적 고통 (general distress) 영역, 무쾌감적 우울 (anhedonic depression) 영역, 그리고 불안 ᄌ

ᅥᆨ 각성 (anxious arousal) 영역으로 구성되어 있다. 여기서 기본적 고통 영역은 총 38문항으로 구성 ᄃ

ᅬ어 있으며, 이 영역은다시 세 가지 하위영역인 우울증상 (depressive symptoms) 12문항, 불안증상 (anxious symptoms) 11문항, 그리고 복합증상 (mixed symptoms) 15문항으로 구성된다. 둘째, 무쾌 ᄀ

ᅡ

ᆷ적 우울 영역은 총 33문항으로 구성되어 있으며, 흥미상실 (loss of interest) 9문항과 높은긍정효과 (high positive affect) 24문항의 두 가지 하위 영역로 구성되어 있다. 마지막으로 불안적 각성 영역은 ᄎ

ᅩᆼ 19문항으로 신체적 긴장과 과다각성에 연관된질문들로 구성되어있다.

ᄋ

ᅵ러한 MASQ 척도 영역에관한 타당성 (validity) 탐색은상이한 표본을대상으로 연구가 진행되어 ᄋ

ᅪ

ᆻ다. 우선 MASQ의 개발자들인 Clark와 Watson (1991)은 요인분석 (factor analysis)을적용해 임 ᄉ

ᅡᆼ의 환자들을대상으로 구인 타당성을 검증하였다. 또한 MASQ 척도와 비슷한 시기에 Lovibond와 Lovibond (1995)에 의해 개발된 ‘우울 불안 압박 척도’ (Depression anxiety stress scale; DASS)와 비 ᄀ

ᅭ하는연구도 진행되었다. 그 결과 MASQ 척도가 DASS에 비해 비임상 연구대상의 불안과 우울 증상 으

ᆯ판별하는데 더 적합한 것으로 나타났다 (Cramer, 2003). 그리고 Keogh와 Reidy (2000), Watson ᄃ

ᅳᆼ (2008)은미국대학생을대상으로 MASQ 척도의 구인타당화 (construct validity)를탐색적 요인분 ᄉ

ᅥ

ᆨ을적용하여 검증하였다.

ᄄ

ᅩ한 MASQ 척도는연구의 목적에 따라 여러 가지 다른버전으로 각색되어 쓰여지기도 하였다. Lin ᄃ

ᅳᆼ (2014)과 Wardenaar 등 (2010)은 30문항의 MASQ-D30 척도를개발하고 타당도와 신뢰도를검증 ᄒ

ᅡ였다. 또한 앞서 언급된Watson 등 (2008)은 총 90문항 중내용타당화 측면에서 13문항을제거시킨 77문항의 MASQ 척도를제안하였다 (Buckby 등, 2007). 더 나아가, 현재는 77문항 중기본적 고통영 ᄋ

ᅧ

ᆨ 중하위영역인 복합증상 (mixed symptoms)을제외한 총 62문항 MASQ 척도가 많이 사용되어지고 이

ᆻ다 (Babson 등, 2010; Dunn 등, 2010; Leventhal 등 2013; Liu 등, 2015). 이처럼 현재 62문항으 ᄅ

ᅩ 구성된 MASQ 척도가 미국성인들에게 널리 사용되어지고 있음에도 불구하고 이 척도에 대한 타당 ᄃ

ᅩ를 통계적으로 검증하고 간명하게 재구성한 연구는찾아 볼수 없다. 따라서 이 연구는 Rasch 평정척 ᄃ

ᅩ 모형을 적용하여 미국성인에게 적합한 MASQ 척도를단축판을구성하고 탐색하는데 목적이 있다.

Rasch 평정척도 모형은척도를개발 또는재구성하는데 주로 적용되는 통계 모형이다. 이 모형은 문항 바

ᆫ응이론의 한 모형으로 응답범주의 적합성 검증, 문항의 적합도 검증, 그리고 차별기능문항 검증 뿐만 ᄋ

ᅡ니라 문항의 난이도와 피험자의 능력을 동일 척도에서 비교할 수 있는장점을 가진 모형이다 (Fox와 Jones, 1998; Hong과 Cho, 2006). 또한 이 모형은그동안 척도의 개발 또는재구성하는데 사용되어온 ᄀ

ᅩ전검사이론을바탕으로한 요인분석과 달리 응답한 대상 집단의 특성을크게 받지 않는장점을가지고 이

ᆻ다 (Hammond, 1995). 따라서 이 연구는 Rasch 평정척도 모형을 적용하여 첫째, 적용된응답범주 ᄉ

ᅮ가 적절한지를검증하였다. 둘째, 문항적합도가 결여되는 문항을검증하였다. 셋째, 성별에 따라 차 벼

ᆯ되는 문항을검증하였다. 넷째, 개인응답속성과 문항곤란도의 분포를탐색하였다.

2. 연구방법

2.1. 연구자료 ᄋ

ᅵ 연구는미국 Inter-university Consortium for Political and Social Research (ICPSR)에서 공개 ᄒ

ᅡᆫ 자료 (data)를 사용하였다. 구체적으로 이 자료는 미국보건복지부 (United States Department of Health and Human Services)와 국립보건협회 (National Institutes of Health), 그리고 국립노인협회 (National Institute on Aging)로 부터 펀딩 (funding)을받아 2012년부터 2016년까지 미국성인 (25세 ᄋ

ᅵ상, 64세이하)을대상으로 조사한 Midlife in the United States Biomarker Project 자료이다.

ᄋ

ᅵ 자료는 인터넷 웹 사이트 https://www.icpsr.umich.edu/icpsrweb/ICPSR/studies/36901 에 ᄀ

ᅩ

ᆼ개되며, 62문항으로 구성된 MASQ 척도에 응답한 총 피험자는 미국성인 680명이다. 성별과 연령 ᄇ

ᅥᆷ주 (청장년 성인: 25세부터 45세, 중년 성인: 46세부터 64세)에 따른 연구대상 특성은 다음 Table 2.1과 같다.

Table 2.1 Characteristic of subject

Variable Adult (25∼45 age) Adult (46∼64 age) Total

Male n (%) 141 (20.7) 166 (24.4) 307 (45.1)

Female n (%) 172 (25.3) 201 (29.6) 373 (54.9)

Total n (%) 313 (46.0) 367 (54.0) 680 (100.0)

Age (M±SD) 36.3 ± 5.95 55.2 ± 5.54 46.5 ± 11.04

2.2. 측정도구 ᄋ

ᅵ 연구에서 사용하는 MASQ는 총 62문항으로 구성되었으며, 5점 척도 (0점 Not at all; 1점 A little bit; 2점 Moderately; 3점 Quite a bit; 4점 Extremely)로 측정된다. 문항내용은 Table 2.2와 ᄀ

ᅡ

ᇀ다. 구체적으로 1번부터 12번은 우울증상 (depressive symptoms)요인, 13번부터 23번은 불안증상 (anxious symptoms)요인, 24번부터 31번은 흥미상실 (loss of interest)요인, 32번부터 48번은 불안적 ᄀ

ᅡ

ᆨ성 (anxious arousal)요인, 49번부터 62번은 높은긍정 효과 (high positive affect)요인을 나타낸다.

ᄄ

ᅩ한 이 다섯 가지 하위 요인들은내적 구조에 기초한 증거를토대로 총세 영역 (3-domain)으로 구성된 ᄃ

ᅡ. 즉, 1번부터 23번 (depressive symptoms 요인과 anxious symptoms 요인)은제 1영역으로, 24번 ᄇ

ᅮ터 31번, 그리고 49번부터 62번 (loss of interest 요인과 high positive affect 요인)은제 2영역, 그리 ᄀ

ᅩ 나머지, 32번부터 48번 (anxious arousal 요인)은제 3영역으로 구성된다 (Babson 등, 2010; Dunn ᄃ

ᅳᆼ, 2010; Leventhal 등 2013; Liu 등, 2015). 여기서 제 2영역 중 high positive affect요인 (49번부터 62번), 14문항만 긍정적인 문어로 구성되어 있기 때문에 응답된 측정치를 역으로 핸들링하여 분석하였 ᄃ

ᅡ. 따라서 이 연구에서 모든영역에 측정된값이 높을수록 불안 또는우울한 정도가 높은것을의미한 ᄃ

ᅡ.

Table 2.2 Item contents in each domain

Factor in domain No. Item contents

Depressive symptoms 1 Felt sad

(domain 1) 2 Felt discouraged

3 Felt worthless

4 Felt depressed

5 Felt like a failure

6 Blamed myself for a lot of things 7 Felt inferior to others

8 Felt like crying

9 Was disappointed in myself

10 Felt hopeless

11 Felt sluggish or tired 12 Felt pessimistic about the future

Anxious symptoms 13 Felt afraid

(domain 1) 14 Had diarrhea

15 Felt nervous

16 Felt uneasy

17 Had a lump in my throat

18 Had an upset stomach

19 Felt keyed up, on edge

20 Was unable to relax

21 Felt nauseous

22 Felt tense or high-strung 23 Muscles were tense or sore

Loss of interest 24 Felt unattractive

(domain 2) 25 Felt withdrawn from other people 26 Felt really slowed down

27 Felt really bored

28 Felt took extra effort get started 29 Felt nothing was very enjoyable 30 Felt nothing fun/interesting to do 31 Thought about death or suicide

Anxious arousal 32 Startled easily

(domain 3) 33 Hands were shaky

34 Was short of breath

35 Felt faint

36 Had hot or cold spells 37 Hands were cold or sweaty 38 Was trembling or shaking 39 Had trouble swallowing 40 Felt dizzy or lightheaded

41 Had pain in my chest

42 Felt like I was choking 43 Muscles twitched or trembled

44 Had a very dry mouth

45 Was afraid I was going to die

46 Heart was racing or pounding

47 Felt numbness or tingling in body

48 Had to urinate frequently

Factor in domain No. Item contents

High positive affect 49 Felt cheerful

(domain 2) 50 Felt optimistic

51 Felt really happy

52 Was proud of myself

53 Felt like I was having a lot of fun 54 Felt like I had a lot of energy 55 Felt really up or lively 56 Looked forward with enjoyment 57 Had a lot of interesting things to do 58 Felt like I had accomplished a lot 59 Felt had a lot to look forward to 60 Felt hopeful about the future 61 Seemed to move quickly and easily 62 Felt really good about myself

2.3. 자료분석 ᄋ

ᅵ 연구는미국성인용 MASQ 척도를 통계방법을기초로 재구성하기 위해 Rasch 측정 모형 중에서 Rasch 평정척도 모형 (Rasch rating scale model: Rasch RSM)을 적용하여 분석하였다. 구체적으로 Andrich(1978)가 제시한 Rasch RSM은각 문항 척도의 동간성이 같을 것이라는 가정을 하고 있다는 ᄌ

ᅥᆷ에서 Masters(1982)가 제시한 Rasch 부분점수 모형 (Rasch partial credit model; Rasch PCM)과 느

ᆫ상이하다. Rasch RSM 모형은 동일한 서열범주 척도를사용하는리커트(Likert) 형태의 문항 분석 ᄋ

ᅦ 적용할 수 있도록개발된모형으로, Master(1982)의 부분점수 모형의 변형이라고도 표현한다 (Park, 2001).

ᄋ

ᅵ 연구에서 적용한 Andrich(1978)의 Rasch RSM에서 i번째 문항의 k번째 범주에 대한 반응확률 Pik(θ)는로지스틱 모형으로 다음과 같다.

Pik(θ) = exp[θ − (bi+ dk)]

1 + exp[θ − (bi+ dk)]− exp[θ − (bi+ dk−1)]

1 + exp[θ − (bi+ dk−1)].

bi는 문항의 난이도 (곤란도)를 dk는범주의 난이도를나타낸다. 한 문항의 각 범주내 응답확률을모 ᄃ

ᅮ 더하면 1이 되기 때문에 i번째 문항의 k번째 범주에 응답할확률은다음 공식과 같다.

Pik(θ) = exp[Pk

v=1[θ − (bi+ dk)]]

Pmi

c=1exp[Pc

v=1[θ − (bi+ dk)]].

Andrich(1978)가 제시한 Rasch RSM은모든 문항이 동일한 평정척도를 가지고 있으므로 피험자의 ᄇ

ᅡᆫ응이 여러 단계로 나뉘어 있을때 각 단계들간의 난이도 간격이 문항에 따라 모두 동일하다고 가정한 ᄃ

ᅡ (Chi와 Chae, 2000). 그러나 이것은 문항 간 단계별 범주난이도의 간격이 동일하다는것이지, 한 문 ᄒ

ᅡᆼ내에서 각 단계별 문항 범주 난이도 간격이 모두 동일하다는것은아니다 (Hong, 2019).

ᄋ

ᅵ 연구에서 Andrich(1978)가 제시한 Rasch RSM의 모수들 (parameters)추정을위해 최대우도추 저

ᆼ법 (maximum likelihood estimation; MLE)을적용한다. 우선 다음과 같은우도함수에서,

P ([xvi]|k, θ, b) =

N

Y

v=1 I

Y

i=1

exp[(θv− biv)]

Pm_i

c=0exp[Pc

v=0(θv− biv)],

ᄋ

ᅧ기서, i: 문항, v: 피험자, [xij]: 자료행렬이다.

bik= bi+ dk로 분리공식을적용하고 우도함수에 로그값을취한 결과 공식은다음과 같다.

log L =X

k

Tx

X

k

bxkck+X

v

rvθv−X

i

Sibi−X

v

X

i

log[X

x

exp(X

k

bxkck+ xθv− xbi)],

ᄋ ᅧ기서,

Tx: 모든 문항, 모든피험자들의 x범주에 대한 응답 총수, rv=P

ixvi: 피험자 v의 총점, Si=P

vxvi: 문항 i의 총점.

ᄆ

ᅮᆫ항모수 bi, ck,피험자 능력모수 θv는다음의 식을만족시키는것으로 각각 추정된다.

∂ log L

∂bi

= −Si+X

v

X

x

xpxvi= 0, i = 1, I,

∂ log L

∂ck

=X

x

(Tx−X

v

X

x

pxvi)bxk= 0, k = 1, m,

∂ log L

∂θv

= rv−X

i

X

x

xpxvi= 0, v = 1, N.

ᄋ

ᅵ렇게 이 연구에서 최대우도추정법 (MLE)으로 MASQ 척도 문항의 곤란도 (bi)와 응답하는피험자 ᄋ

ᅴ 특성 (θv),그리고 범주 (척도)의 난이도 (dk)가 추정된다.

ᄋ

ᅵ와 같은방법을 기반으로 구성된 Rasch 평정척도 모형을적용하여, 우선 MASQ 척도에서 사용되 느

ᆫ 5점 척도 (5점 응답범주)가 적합한지를 응답범주확률곡선 (category probability curve)으로 추정하 ᄋ

ᅧᆻ다. 이 응답범주 확률곡선은한 그래프 (가로축은 피험자의 특성을 나타내고 세로축은 선택할 확률) ᄋ

ᅦ 각 범주 (0점, 1점, 2점, 3점, 4점 척도)의확률곡선이 정규분포 형태로 제시된다. 따라서 피험자의 ᄐ

ᅳᆨ성이 높을수록 (불안, 우울이 클수록) 높은범주를선택되도록 구성된 응답범주확률곡선 그래프가 ᄌ

ᅥᆨ합한 것이다. 이 정도를나타내 주는 통계값과 기준은첫째, Andrich 임계값 (Threshold)이 점차 증 ᄀ

ᅡ하였는가, 둘째, 내적합 (infit) 지수와 외적합(outfit) 지수가 2.00 이하인가, 셋째, 응답범주가 증가할 ᄉ

ᅮ록평균속성 (관측평균)값이 점차적으로 증가하였는가이다 (Linacre, 2015).

ᄋ

ᅵ렇게 각 영역별로 적용된 5점 응답범주가 적합한지를규명하고, 문항의 적합도 (goodness-of-fit)가 겨

ᆯ여되는 문항을탐색하였다. 적합도가 결여된다는것에 의미는전반적으로 속성 (불안, 우울)이 높은 ᄉ

ᅡ람임에도 불구하고 낮게 응답하도록유도하는 문항, 반대로 전반적으로 속성 (불안, 우울)이 낮은 사 ᄅ

ᅡ

ᆷ임에도 불구하고 높게 응답하도록유도하는 문항이다. 이 부적합한 문항을 통계적으로 추정하는지수 ᄀ

ᅡ 내적합 (infit) 지수와 외적합 (outfit) 지수, 그리고 점이연 상관계수 (point-biserial correlation)이 ᄃ

ᅡ. 내적합 또는외적합 지수가 1.20 이상이거나, 점이연 상관계수가 0.30 이하는부적합한 문항이라고 ᄒ

ᅡᆯ 수 있다 (Karabasos, 1997; Hong과 Cho, 2006). 또한 각 영역별로 차원성 (dimensionality)을나타 ᄂ

ᅢ는표준잔차 주성분 분석 (principal components analysis of standardized residuals)을 실시하였다.

1요인의 고유값이 3.0 이하이면 일차원성 (unidimensionality)를만족한다고 할 수 있다 (Smith, 2002).

ᄃ

ᅡ음으로 성별에 따른 차별기능문항 (differential item functioning; DIF)을추출하였다. 성별에 따 ᄅ

ᅳᆫ DIF는 두 집단을 동일한 능력 (속성)으로 통제한 경우 나타나는 집단 간 차이를의미한다. MASQ ᄎ

ᅥᆨ도에서 측정하는 불안과 우울은남녀에게 모두 동일하게 나타나는현상이기 때문에 남자 또는여자에 ᄀ

ᅦ 유리하게 응답하도록유도하는차별기능문항은 통계적으로 추출하여 제거할 필요가 있다. DIF 분석

ᄋ ᅳ

ᆫ 동일 속성을지녔지만 불리할 것으로 예측되는 집단을관심집단 (focal group)으로 설정하고, 그렇지 ᄋ

ᅡ

ᆭ은 집단을비교집단 (reference group)으로 설정하여 분석된다. 이 연구에서는여자가관심집단이고, ᄂ

ᅡ

ᆷ자가 비교집단으로 설정하였다. 또한 차별되는효과정도를나타내는 SMD (standardized mean dif- ference)값이 효과크기가 되고, SMD를 응답범주 범위로 나눈값을 3등급으로 나타낼 수 있다 (Doran ᄃ

ᅳᆼ, 1992). AA 등급은차별되는정도가 없는 (negligible) 등급, BB 등급은 중간 정도 (intermediate) ᄎ

ᅡ별되는,그리고 CC 등급은크게 (large) 차별되는 등급으로 제시할 수 있다 (Meyer, 2014).

ᄆ

ᅡ지막으로 이 연구를 통해 재구성된MASQ 척도의 각 영역별로 개인속성과 문항곤란도의 분포를탐 새

ᆨ하였다. Rasch 측정모형에 장점은 개인속성과 문항의 곤란도를로짓(logit) 단위로 통합하여 하나의 ᄀ

ᅳ래프에 제시해 준다. 따라서 문항의 곤란도가 개인의 속성을어느정도 측정하는지를관찰할 수 있다.

ᄋ

ᅱ와 같은 통계 분석을위해 이 연구에서는 JMetrik 4.1.1프로그램을사용하였다.

3. 결과

3.1. 응답범주의 적합도 ᄃ

ᅡ음 Table 3.1은 각 영역별 응답범주의 적합도 분석 결과이다. 제 1영역 (우울증상 요인과 불안 ᄌ

ᅳ

ᆼ상 요인)의 경우는 임계값 (threshold)과 관측평균 (observed average)은 응답범주 (answer cate- gory)가 증가할수록 점차적으로 증가하였지만 4범주의 적합지수 중 외적합 지수인 outfit 값이 2.0을 ᄎ

ᅩ과하는것으로 부적합하게 나타났다. 반면 제 2영역 (흥미상실 요인과 높은긍정 효과 요인)의 경우 ᄂ

ᅳᆫ 임계값, 적합지수, 그리고관측평균의 적합기준을모두 만족하는것으로 나타났다. 그리고 제 3영역 (불안 증상 요인)의 경우는조사된 680명 중 4점 응답범주 (Extremely)에 응답한 사람이 한 명도 나타 ᄂ

ᅡ지 않았다.

Table 3.1 Goodness-of-fit of category

Domain Category Threshold Infit Outfit Observed average

1 0 none 1.01 0.99 -2.92

1 -1.62 0.92 0.77 -1.66

2 -0.09 1.02 1.16 -0.96

3 0.35 1.15 1.70 -0.41

4 1.36 1.34 2.14 -0.02

2 0 none 0.91 0.93 -2.80

1 -2.01 0.85 0.84 -1.22

2 -0.49 0.87 1.01 -0.18

3 0.69 1.00 1.25 0.57

4 1.82 1.42 1.80 0.94

3 0 none 1.07 1.01 -3.39

1 -1.28 0.96 0.80 -1.91

2 .81 1.09 1.08 -1.03

3 .41 1.35 1.90 -0.17

4 - - - -

ᄄ

ᅡ라서 제 1영역은 상대적으로 빈도가 적은 4범주와 5범주를 통합 (parceling)하여 4점 응답범주로 ᄌ

ᅩ정하였고, 제 3영역은 3범주와 4범주를 통합하여 3점 응답범주로 조정하고, 다시 응답범주의 적합성 으

ᆯ검증하였다. 그 결과는 Table 3.2와 같다.

ᄌ

ᅦ 1영역과 제 3영역 모두 임계값, 적합지수, 그리고관측평균의 적합기준을만족하는것으로 나타났 ᄃ

ᅡ. 따라서 제 1영역은 4점 응답범주, 제 2영역은 5점 응답범주, 그리고 제 3영역은 3점 응답범주로 측 저

ᆼ하는것이 적합한 것을알 수 있다.

Table 3.2 Goodness-of-fit of category (control of domain 1 and 3)

Domain Category Threshold Infit Outfit Observed average

1 0 none 1.01 1.00 -2.45

1 -1.14 0.91 0.78 -1.16

2 0.44 1.04 1.20 -0.44

3 0.70 1.17 1.75 0.21

3 0 none 1.06 1.04 -3.12

1 -0.97 0.96 0.82 -1.55

2 0.97 1.14 1.20 -0.57

3.2. 문항의 적합도

Table 3.3은제 1영역 (우울증상 요인과 불안 증상 요인) 문항의 적합도 분석 결과이다. 23문항 (우 ᄋ

ᅮᆯ증상: DS 12문항, 불안증상 AS 11문항) 중다섯 문항 (DS12, AS2, AS5, AS9, AS11)이 모두 내적합 ᄌ

ᅵ수 (infit index)와 외적합 지수 (outfit index)가 1.20 이상으로 부적합하게 나타났다. 또한 이 중에서 AS2번 문항과 AS5번 문항은 점이연 상관계수 (point-biserial correlation) 0.30 이하로 부적합하게 나 ᄐ

ᅡ났다. 이렇게 부적합하게 나타난 다섯 문항을제거하고 남은 18문항의 차원성을검증하였다. 표준잔 ᄎ

ᅡ 주성분 분석 (PCA of standardized residuals) 결과, 1요인의 고유값이 3.0 이하인, 2.50으로 나타나 18문항은 일차원성을 충족하는것을알 수 있다.

Table 3.3 Goodness-of-fit of items in domain 1 Item Infit Outfit Point-biserial correlation

DS1 0.74 0.78 0.64

DS2 0.71 0.75 0.64

DS3 1.08 0.63 0.48

DS4 0.86 0.73 0.62

DS5 1.02 0.77 0.51

DS6 1.00 1.00 0.59

DS7 1.07 1.00 0.47

DS8 1.06 0.93 0.57

DS9 0.84 0.74 0.61

DS10 1.04 0.58 0.51

DS11 0.96 1.03 0.61

DS12 1.30 1.63 0.47

AS1 0.98 0.87 0.52

AS2 1.76 2.26 0.27

AS3 0.86 0.87 0.59

AS4 0.82 0.84 0.57

AS5 1.50 1.79 0.27

AS6 1.18 1.15 0.47

AS7 0.90 0.95 0.56

AS8 0.92 0.96 0.6

AS9 1.51 1.32 0.33

AS10 1.00 0.96 0.56

AS11 1.54 1.54 0.48

PCA of standardized residuals’ 1 factor eigen value = 2.50

Table 3.4는제 2영역 (흥미상실 요인과 높은긍정효과 요인) 문항의 적합도 분석 결과이다. 총 22문 ᄒ

ᅡᆼ (흥미상실: LI 8문항, 높은긍정효과: HPA 14문항) 중 흥미상실 요인 여덟 문항(LI1 ∼ LI8)이 모두

ᄂ

ᅢ적합 지수 또는외적합 지수가 1.20 이상으로 부적합하게 나타났다. 또한 이 중에서 LI8번 문항은점 ᄋ

ᅵ연 상관계수 또한 0.30 이하로 부적합하게 나타났다. 높은긍정효과 요인 14문항은모두 적합기준을 ᄆ

ᅡᆫ족하는것으로 나타났다. 따라서 흥미상실 요인을모두 제거한 후 높은긍정효과 요인의 차원성을검 ᄌ

ᅳ

ᆼ한 결과, 표준잔차 주성분 분석의 1요인의 고유값이 1.97로 나타나 14문항은 일차원성을 충족하는것 으

ᆯ알 수 있다.

Table 3.4 Goodness-of-fit of items in domain 2 Item Infit Outfit Point-biserial correlation

LI1 1.86 2.04 0.32

LI2 1.33 1.25 0.49

LI3 1.49 1.62 0.42

LI4 1.60 1.59 0.41

LI5 1.37 1.46 0.46

LI6 1.21 0.90 0.54

LI7 1.39 1.50 0.46

LI8 1.71 1.52 0.28

HPA1 0.62 0.65 0.64

HPA2 1.11 1.19 0.57

HPA3 0.78 0.78 0.71

HPA4 0.94 0.94 0.63

HPA5 0.79 0.80 0.70

HPA6 0.77 0.79 0.71

HPA7 0.76 0.77 0.71

HPA8 0.74 0.72 0.71

HPA9 0.90 0.91 0.69

HPA10 0.79 0.79 0.69

HPA11 0.77 0.84 0.74

HPA12 1.03 1.06 0.66

HPA13 1.00 1.02 0.66

HPA14 0.65 0.64 0.77

PCA of standardized residuals’ 1 factor eigen value = 1.97

Table 3.5는 제 3영역 (불안적 각성)의 적합도 분석 결과이다. 17문항 중 세 문항 (AA5, AA14, AA17)이 모두 내적합 지수 또는외적합 지수가 1.20 이상으로 부적합하게 나타났다. 세 문항을제거한 ᄒ

ᅮ 제 3영역, 즉 불안적 각성 요인의 차원성을검증한 결과, 표준잔차 주성분 분석의 1요인의 고유값이 1.59로 남은 14문항은 일차원성을 충족하는것을알 수 있다.

3.3. 성별에 따른 차별기능문항

Table 3.6은 제 1영역 (우울증상 요인과 불안 증상 요인)의 성별에 따른차별기능문항 추출 결과이 ᄃ

ᅡ. JMetrik 프로그램을 통해 Mantel-Haesnzel Chi-square값 (MH 값)과 표준화된 sP-DIF값을산출 ᄒ

ᅡ였고, 이에 따른효과크기 (effect size : ES) 등급 (class)을 제시하였다. 구체적으로 JMetrik 프로 ᄀ

ᅳ램에서 제시되는효과크기 (ES)인 표준화된 평균차 (standardized mean difference: SMD)를 문항 ᄌ

ᅥᆷ수범위 (3 - 0 = 3)로 나누어 준값이 표준화된sP-DIF 지수가된다 (Meyer 2014). 이 지수가 0.05 ᄆ

ᅵ만이면 실제 차별되지 않는 (negligible) “AA” 등급, 0.05 이상, 0.10 미만이면 중간정도 차별되는 (intermediate) “BB” 등급,그리고 0.10 이상이면 크게 차별되는 (large) “CC” 등급이다. 등급뒤에 제 ᄉ

ᅵ되는 +는관심집단 (focal group)에게 유리한 것을나타내고, -는비교집단 (reference group)에 유리 ᄒ

ᅡᆫ 것을나타낸다 (Dorans 등, 1992). 이 연구에서는여자가관심집단이고 남자가 비교집단으로 설정하

Table 3.5 Goodness-of-fit of items in domain 3 Item Infit Outfit Point-biserial correlation

AA1 1.05 1.11 0.46

AA2 1.03 0.94 0.45

AA3 0.84 0.84 0.54

AA4 0.93 0.76 0.40

AA5 1.21 1.18 0.49

AA6 1.00 0.89 0.44

AA7 0.92 0.55 0.45

AA8 1.07 0.99 0.26

AA9 0.80 0.74 0.51

AA10 1.01 0.78 0.38

AA11 0.88 0.47 0.31

AA12 1.05 0.98 0.48

AA13 1.05 0.99 0.50

AA14 1.10 1.22 0.33

AA15 0.88 0.83 0.51

AA16 1.06 0.97 0.53

AA17 1.24 1.26 0.47

PCA of standardized residuals’ 1 factor eigen value = 1.59

ᄋ ᅧᆻ다.

ᄀ

ᅮ체적으로 Table 3.6은 제 1영역 (우울증상 요인과 불안 증상 요인)에서 부적합한 문항을제거하고 ᄂ

ᅡ

ᆷ은 18문항의 성별에 따른차별기능문항을 분석한 결과이다. DS8 문항이 성별에 따라 차별되는것으 ᄅ

ᅩ 나타났다. sP-DIF 지수는 0.103으로 효과크기 등급을 보면 CC+ 로 크게 차별되는것으로 나타났 ᄃ

ᅡ. 이 분석에서관심집단을여자로 설정했기 때문에, DS8 문항은여자에게 유리한, 즉여자가 쉽게 우 우

ᆯ수준이 높은범주에 응답하도록차별되는 문항인 것을알 수 있다.

Table 3.6 Gender DIF analysis in domain 1

Item MH χ

value p-value ES sP-DIF ES Class

DS1 2.54 0.11 0.09 0.030 AA

DS2 1.42 0.23 -0.04 -0.013 AA

DS3 0.01 0.94 0.00 0.000 AA

DS4 0.53 0.46 -0.03 -0.010 AA

DS5 5.97 0.01 -0.09 -0.030 AA

DS6 3.44 0.06 -0.09 -0.030 AA

DS7 0.46 0.50 -0.02 -0.007 AA

DS8 34.87 0.00 0.31 0.103 CC+

DS9 2.63 0.11 -0.06 -0.020 AA

DS10 0.66 0.42 -0.03 -0.010 AA

DS11 0.45 0.50 0.03 0.010 AA

AS1 3.93 0.05 0.07 0.023 AA

AS3 0.63 0.43 -0.04 -0.013 AA

AS4 0.00 0.96 -0.02 -0.007 AA

AS6 5.56 0.02 0.11 0.037 AA

AS7 1.95 0.16 -0.06 -0.020 AA

AS8 0.75 0.39 -0.05 -0.017 AA

AS10 1.88 0.17 -0.08 -0.027 AA

Figure 3.1은성별에 따른차별기능문항으로 추출된 DS8 문항의 특성곡선이다. 가로축은 응답 속성

Figure 3.1 Curve for gender DIF analysis (Item DS8)

(능력)을나타내고, 세로축은추정된 응답 범주 (0, 1, 2, 3)를나타낸다. 관심집단 (focal group) 곡선은 ᄋ

ᅧ자를나타내고, 비교집단 (reference group) 곡선은남자를나타낸다. 두 곡선이 일치 할 수록 (겹칠 ᄉ

ᅮ록)차별되지 않는것을의미한다. 그러나 DS8 문항은모든 속성에서 여자가 균일적 (uniform)으로 노

ᇁ은범주 (우울이 높은범주)에 응답하도록유도하는차별기능문항인 것을알 수 있다.

Table 3.7은제 2영역 (흥미상실 요인과 높은긍정효과 요인)에서 부적합하게 나타난 흥미상실 8문항 으

ᆯ모두 제거하고 남은 높은긍정효과 문항의 성별에 따른차별기능문항을 분석한 결과이다. HPA6 문 ᄒ

ᅡᆼ이 성별에 따라 차별되는것으로 나타났다. sP-DIF 지수는 0.058로 효과크기 등급을 보면 BB+ 로 주

ᆼ간정도 여자에게 유리하게 차별되는것으로 나타났다.

Table 3.7 Gender DIF analysis in domain 2

Item MH χ

value p-value ES sP-DIF ES Class

HPA1 3.25 0.07 -0.08 -0.020 AA

HPA2 2.12 0.15 0.12 0.030 AA

HPA3 9.27 0.00 -0.17 -0.043 AA

HPA4 1.17 0.28 -0.04 -0.010 AA

HPA5 2.04 0.15 -0.09 -0.023 AA

HPA6 17.90 0.00 0.23 0.058 BB+

HPA7 1.06 0.30 0.04 0.010 AA

HPA8 8.42 0.00 -0.16 -0.040 AA

HPA9 0.01 0.92 0.00 0.000 AA

HPA10 0.22 0.64 -0.05 -0.013 AA

HPA11 0.37 0.54 -0.02 -0.005 AA

HPA12 1.28 0.26 0.09 0.023 AA

HPA13 2.54 0.11 0.1 0.025 AA

HPA14 0.34 0.56 0.03 0.008 AA

Figure 3.2는 성별에 따른차별기능문항으로 추출된 HPA6 문항의 특성곡선이다. 가로축은 응답 속 서

ᆼ (능력)을나타내고, 세로축은추정된 응답 범주 (0, 1, 2, 3, 4)를나타낸다. HPA6 문항은매우 낮은 ᄉ

ᅩᆨ성 (응답속성의 logit값이 약 -3.0 이하)에서는남자가 높은범주에, 그 외 모든 속성에서는여자가 높 ᄋ

ᅳ

ᆫ범주 (긍정적이지 못한)에 응답하도록유도하는비균일적 (non-uniform)으로 차별하는 문항인 것을 ᄋ

ᅡ

ᆯ 수 있다.

Figure 3.2 Curve for gender DIF analysis (Item HPA6)

ᄃ

ᅡ음 Table 3.8은제 3영역 (불안적 각성 요인)에서 부적합하게 나타난 세 문항(AA5, AA14, AA17) 무

ᆫ항을제거하고 남은 14문항의 성별에 따른차별기능문항을 분석한 결과이다. AA1 문항이 성별에 따 ᄅ

ᅡ 차별되는것으로 나타났다. sP-DIF 지수는 0.060으로 효과크기 등급을보면 BB+ 로 중간정도 여자 ᄋ

ᅦ게 유리하게 차별되는것으로 나타났다. 이 연구에서관심집단을여자로 설정했기 때문에, AA1 문항 ᄋ

ᅳ

ᆫ여자에게 유리한, 즉여자가 쉽게 높은 범주 (불안한 각성이 높은)에 응답하도록유도하는차별기능 무

ᆫ항인 것을알 수 있다.

Table 3.8 Gender DIF analysis in domain 3

Item MH χ

value p-value ES sP-DIF ES Class

AA1 10.79 0.00 0.12 0.060 BB+

AA2 3.50 0.06 -0.06 -0.030 AA

AA3 4.90 0.03 -0.07 -0.035 AA

AA4 0.05 0.82 0.00 0.000 AA

AA5 3.96 0.05 0.06 0.030 AA

AA6 0.03 0.86 0.00 0.000 AA

AA7 0.06 0.81 0.00 0.000 AA

AA8 0.62 0.43 0.02 0.010 AA

AA9 1.03 0.31 -0.02 -0.010 AA

AA10 0.05 0.83 0.00 0.000 AA

AA11 1.92 0.17 -0.05 -0.025 AA

AA12 0.00 0.97 0.01 0.005 AA

AA13 0.26 0.61 0.02 0.0010 AA

AA14 0.97 0.33 -0.04 -0.020 AA

Figure 3.3은차별기능문항으로 추출된 성별에 따른 AA1 문항의 특성곡선이다. 가로축은 응답 속성 (능력)을나타내고, 세로축은 추정된 응답 범주 (0, 1, 2)를나타낸다. 이 문항은 응답속성의 logit값이 ᄋ

ᅣ

ᆨ -5.0 이상 속성에서부터 여자가 균일적 (uniform)으로 높은범주 (불안적 각성이 높은범주)에 응답 ᄒ

ᅡ도록유도하는차별기능문항인 것을알 수 있다.

Figure 3.3 Curve for gender DIF analysis (Item AA1)

3.4. 개인속성과 문항의 곤란도 분포 탐색

Rasch 측정 모형은 응답한 개인의 속성과 문항의 곤란도를하나의 그래프에 위치시켜 직접 비교가 가 ᄂ

ᅳ

ᆼ하다. 두 범위가 일치할 수록 문항의 곤란도가 개인 속성의 모든 범위를 측정할 수 있다고 할 수 있 ᄃ

ᅡ. Figure 3.4는 제 1영역 (우울증상 요인과 불안 증상 요인)의 개인속성과 문항곤란도 분포도이다.

ᄀ

ᅮ체적으로 가로축왼쪽의 person density는개인속성을 밀도함수를 Logit단위로 나타냈으며, 오른쪽 ᄋ

ᅴ item number는이 연구에서 문항의 적합도와 성별에 따른차별기능문항 분석결과에 따른최종남은 17문항의 문항 번호 순서대로 (DS1, DS2, DS3, DS4, DS6, DS7, DS8, DS9, DS10, DS11, AS1, AS3, AS4, AS6, AS7, AS8, AS10) 문항곤란도를 동일한 Logit 단위로 나타낸 것이다. 각 문항마다 그려진 ᄉ

ᅥᆫ의 길이와 선위의 모양의 간격은 Rasch 평정척도 모형을 적용하였기 때문에 모두 동일하다. 선위의 ᄆ

ᅩ양들은 문항 간 구분하기 쉽게 보여주는 것일 뿐 의미는없다. 제 1영역은 4범주로 측정되었기 때문 ᄋ

ᅦ 0범주와 1범주, 1범주와 2범주, 2범주와 3범주, 그리고 3범주와 4범주의 응답범주의 교차점인 임계 ᄀ

ᅡ

ᆹ (threshold)은 3개가 생기며 (Table 3.2), 그 임계값이 바로 선위에 랜덤으로 그려진 모양들 (▽, −,

♢, △, ◦, □ ,◁, | 등)의 위치이다.

ᄌ

ᅥᆫ반적으로 개인속성을나타내는 밀도함수 범위 내에 모든 문항곤란도의 범위가 일치할 수 록개인 속 서

ᆼ의 모든범위를 측정할 있다고 할 수 있지만, 문항 DS3과 DS10은 문항 난이도가 개인속성 범위를벗 ᄋ

ᅥ난 것을 볼수 있다. 또한 나머지 15문항 모두 개인속성이 낮은 응답자들 (개인속성 Logit 값이 약 -4.0 이하: 우울하거나 불안 증상이 낮은 응답자)을 측정할 수 있는 곤란도 문항이 없는것을 볼수 있 ᄃ

ᅡ. 즉,개인 속성점수가 낮은 응답자에게 적절한 곤란도 문항이 부족하다는것이다.

Figure 3.5는 제 2영역 (높은긍정효과 요인)의 개인속성과 문항곤란도 분포도이다. 오른쪽 문항 곤 ᄅ

ᅡᆫ도의 순서는 문항의 적합도와 성별에 따른차별기능문항 분석결과에 따른최종남은 13문항이다. 문 ᄒ

ᅡᆼ 번호 순서는, HPA1, HPA2, HPA3, HPA4, HPA5, HPA7, HPA8, HPA9, HPA10, HPA11, HPA12, HPA13, HPA14이다. 제 2 영역은 5범주로 측정되었기 때문에 0범주와 1범주, 1범주와 2범주, 2범주 ᄋ

ᅪ 3범주, 3범주와 4범주, 그리고 4범주와 5범주의 응답범주의 교차점인 임계값 (threshold)은 4개가 새

ᆼ기며 (Table 3.1), 그 임계값이 선위에 랜덤으로 그려진 모양들의 위치이다.

ᄌ

ᅥᆫ반적으로 개인속성을나타내는 밀도함수 범위 내에 모든 문항곤란도의 범위가 속해 있는것을 볼수 이

ᆻ다. 그러나 개인속성이 매우 높거나 매우 낮은 응답자들 (개인속성 Logit 값이 약 5.0 이상 또는 약 -5.0 이하: 매우 긍정적이지 못한 응답자 또는매우긍정적인 응답자)을 측정할 수 있는 곤란도 문항이

Figure 3.4 3.4 Item map (1 domain)

Figure 3.5 Item map (2 domain)

어

ᆹ는것을 볼수 있다.

Figure 3.6은 제 3영역 (불안적 각성 요인)의 개인속성과 문항곤란도 분포도이다. 오른쪽 문항 곤란 ᄃ

ᅩ의 순서는 문항의 적합도와 성별에 따른차별기능문항 분석결과에 따른최종 13문항이다. 문항 번호 수

ᆫ서는, AA2, AA3, AA4, AA5, AA6, AA7, AA8, AA9, AA10, AA11, AA12, AA13, AA14이다. 제 3영역은 3범주로 측정되었기 때문에 0범주와 1범주, 1범주와 2범주, 그리고 2범주와 3범주의 응답범주 ᄋ

ᅴ 교차점인 임계값 (threshold)는 2개가 생기며 (Table 3.2), 그 임계값이 선위에 랜덤으로 그려진 모 ᄋ

ᅣᆼ들의 위치이다.

ᄀ

ᅢ인속성을나타내는 밀도함수 범위 내에 13문항 중두 문항 (AA7, AA10)의 문항 곤란도는 응답속 서

ᆼ 범위에 속해 있지 않는것을 볼수 있다. 또한 여섯 문항들도 개인속성 Logit 값이 약 -3.0 이하인, 불 ᄋ

ᅡᆫ 각성이 낮은 응답자를 측정할 수 있는 곤란도 문항이 없는것을 볼수 있다. 즉,개인 속성점수가 낮