![충남대학교 사회과학연구소 학술지영문홈페이지](/images/basic/pubreader_back.gif)
청년층의 다양한 우울 변화유형 확인
초록
본 연구는 우리나라 청년의 우울 변화궤적이 하나의 모집단 형태로 나타나는지 또는 질적으로 다른 다양한 잠재계층으로 나타나는지 확인하고, 이러한 다양한 잠재계층 간의 차이는 어떠한 요인과 관련이 있는지 알아보는데 목적이 있다. 이를 위해서 한국복지패널 자료 중 2012년부터 2019년까지 총 8년간의 종단자료를 이용하였고, 최종분석대상은 우리나라 청년기에 해당하는 만 19세 이상부터 만 34세 이하까지의 1,695명이다. 주요 연구문제를 분석하기 위해서 잠재계층성장분석을 적용하였다. 그 결과 첫째, 우리나라 청년의 우울 변화궤적의 잠재계층은 4개의 집단(고수준 우울 감소집단, 고수준 우울 유지집단, 저수준 우울 유지집단, 저수준 우울 증가집단)으로 분류되었다. 둘째, 우울 변화궤적의 유형을 예측하는 요인의 경우, 시기에 따라서 여성 또는 남성이, 교육수준/자아존중감이 낮고 주거환경이 나쁠수록, 그리고 진료 횟수가 적을수록 우울수준이 높은 집단에 속할 확률이 높게 나타났다. 이러한 결과를 바탕으로 우리나라 청년들의 정신건강을 예방 및 증진할 수 있는 함의와 제언을 논의하였다.
Abstract
The purpose of this study was to determine whether the change in the trajectory of depression among young South Korean adults appears only in a single population or in various qualitatively different latent subgroups and to discover the factors that are related to the differences between these subgroups. For this purpose, longitudinal data for a total of 8 years from the Korea Welfare Panel Study (KoWePS) 2012 to 2019 were used. The final subjects included 1,695 people aged 19 to 34 years. To achieve the above goals, we used latent class growth analysis. The major findings were as follows: First, four latent classes were identified (high depression decrease group, high depression maintenance group, low depression maintenance group, and low depression increase group). Second, the lower the level of education⋅self-esteem, the poorer the living environment, the lower the number of health checkups, and the higher the probability of belonging to the group with a high level of depression.
Keywords:
Depression, Young adult, Latent class growth analysis, Mental health키워드:
청년, 우울, 잠재계층성장, 정신건강, 종단분석1. 서 론
1) 연구의 배경 및 필요성
일반적으로 청년기는 아동기에서 성인기로 전환되는 시점으로서 청년기에 대한 정의는 학자와 법에 따라서 매우 다양하다. 권중돈(2014)의 경우 청년기를 고등학교 졸업 이후 취업, 결혼 등을 통해서 독립하는 시기로 정의하였고 그 연령대를 19~30세로 보았다. ‘청소년고용촉진특별법’에서는 청년을 ‘취업을 하고 싶은 15세 이상부터 29세 이하인 사람’으로 정의하면서 대략 20대를 청년기로 정의하고 있다. 그러나 최근에는 성인으로의 다양한 발달과업 성취 이행이 지체됨으로 인해서 청년기의 연령대를 더 넓게 정의하는 경우가 많아지고 있다(김홍중, 2016; Furstenberg, Rumbaut, & Settersten, 2005). 실제로 법과 다양한 제도적 시각 또한 청년기를 30대 초·중반까지 반영하고 있다. 구체적으로 우리나라의 대표적 청년 정책에 해당하는 ‘청년취업성공패키지 사업’과 ‘청년구직활동지원금 사업’ 등은 그 대상을 만 18세 이상부터 만 34세 이하로 정의하고 있고, ‘청년내일채움공제 사업’은 그 대상을 만 15세 이상부터 만 34세 이하로 하고 있다. 또한, 최근 우리나라에서 시행된 법안인 ‘청년기본법’에서는 하한 나이를 19세, 상한 나이를 34세로 정의하고 있다(김기헌, 배상률, 성재민, 2018).
그런데 최근 청년들의 낮은 삶의 질(변금선, 김기헌, 2019)과 높은 실업률(통계청, 2018) 등 취약한 환경과 더불어서 청년기의 우울 수준이 높아지고 있다. 건강보험심사평가원(2019)에 따르면, 20대에 해당하는 청년들의 우울증이 2012년 5만 2,793명에서 2018년 9만 8,434명으로 급격히 늘어난 것으로 나타났다. 또한 2020년 국민정신건강 실태조사에서 나타난 연령별 우울수준을 살펴보면, 20대 청년에서 우울감이 가장 높게 나타났고, 다음으로 높은 연령대는 30대인 것으로 나타났다(보건복지부, 2021). 우울과 자살은 높은 상관이 있고 실제로 최근 청년층의 6개월 이내 자살생각을 경험했다는 비율이 높게(22.9%) 나타나고 있음(김지경, 이윤주, 2018)을 고려할 때, 최근 증가하고 있는 20대와 30대의 우울에 대한 개입의 필요성이 증대되고 있다.
우울은 학자마다 다양하게 정의되고 있는데, 대표적으로 American Psychiatric Association(2000)에서는 우울을 다음과 같이 정의하고 있다. 우울이란 ‘슬픈 감정, 희망이 없음, 죄책감, 활동에 대한 흥미감소 등을 보이는 주관적인 기분’이고, 이러한 우울을 진단하기 위한 세부 내용에는 ‘하루 종일 우울함, 대부분의 활동에서 흥미가 없음, 체중과 식욕 감소 혹은 증가, 불면 또는 과수면’ 등이 있다. 이러한 우울은 그 증상이 심할 경우 자살생각이나 실제 자살로까지 이어질 수 있는 위험이 높기 때문에(김용범, 2008) 최근 청년층의 우울 증가 현상에 대한 깊이 있는 연구가 필요한 시점이다.
이에 따라서 청년들의 우울과 관련된 다양한 연구들이 진행되었다(강시온, 한창근, 2018; 김경숙, 2020; 김진현, 2021; 송인한, 이경원, 정집훈, 2019). 구체적으로 김경숙(2020)은 우리나라 20대를 대상으로 우울에 영향을 미치는 영향요인에 관한 탐색적 연구를 진행하였고, 스트레스, 성별, 소득, 사회적 활동 등이 주요 요인으로 확인되었다. 김진현(2021)은 우리나라 19-34세 청년 3,018명을 대상으로 소득, 사회적 자본, 그리고 우울 사이의 관계를 확인하였다. 그 결과 청년의 사회적 자본이 소득불평등이 우울에 미치는 영향을 매개하는 것으로 나타났다. 이러한 연구들은 청년층을 대상으로 이들의 우울과 관련된 다양한 요인들과의 구조적 관계를 분석하고, 특히 매개요인과 조절요인을 확인함으로써 위험 및 보호요인과 청년들의 우울 사이의 매커니즘을 확인했다는 점에서 의의가 있다. 그러나 이러한 연구들은 모두 어느 특정한 한 시점을 대상으로 진행한 연구로써 이후 시간이 흐름에 따라서 이러한 관계가 어떻게 변화하는지 확인하지 못했다는 단점이 있다. 또한 이러한 연구들은 모두 특정한 변수들간의 관계가 전체 모집단 내에서 어떻게 나타나는지를 확인하였지만, 실제 이러한 관계들은 하나의 집단적 특성만 나타내지 않고 다양한 하위 잠재집단으로 유형화될 수 있다(Bogat, 2009). 즉, 다양한 특성을 지닌 대상을 확인하는 대상중심적(person-centered) 접근의 연구가 필요하다. 따라서 본 연구에서는 최근 제도적, 법적, 그리고 사회적으로 연장된 청년층의 연령인 만 19세~34세를 대상으로 우울 변화궤적이 어떠한 유형으로 나타나는지 확인하는 종단분석을 하고, 이러한 유형에 영향을 주는 예측요인은 무엇이 있는지 확인하고자 한다.
2) 연구문제
이 연구는 우리나라 청년들의 우울궤적 변화유형이 어떻게 되는지 살펴보고, 확인된 각 잠재유형과 관련된 예측요인의 관계성을 확인하는 데 그 목적이 있다. 이러한 연구목적을 달성하기 위해서 다음과 같은 연구문제를 설정하였다.
- ∙ 연구문제 1: 청년의 우울궤적 변화유형은 어떻게 나타나는가?
- ∙ 연구문제 2: 청년의 우울궤적 변화유형과 예측요인은 어떠한 관계가 있는가?
2. 선행연구 고찰
우울과 관련된 다양한 선행연구에 근거하여 우울의 잠재계층유형과 관련이 있을 것으로 예상되는 요인에는 크게 인구사회요인, 사회경제요인, 심리·신체·환경요인, 그리고 건강행동 요인이 있다. 먼저 인구사회요인에는 성별과 혼인상태가 있다. 성별의 경우 국내, 국외, 장애 여부, 다문화가정 청소년 등 인구집단의 특성과 상관없이 대체로 여성이 남성보다 더 우울 수준이 높은 것으로 나타난다(유창민, 2017; 한광현, 2020; Cooper et al., 1992). 이처럼 여성의 우울이 남성의 우울보다 더 높은 성별효과와 관련해서, 정준수와 박미은(2016)은 스트레스 대처와 관련해서 여성의 경우 주로 내재화 방법을 사용하는 반면 남성의 경우 외현화 방법을 사용하기 때문으로 설명한다. 따라서 청년기의 우울도 성별에 따른 차이가 있을 것으로 예상된다. 혼인상태의 경우, 배우자가 있는 경우가 그렇지 않은 경우보다 우울 수준이 낮거나(강상경, 정은희, 김병수, 2015; 유창민, 2017) 또는 우울 상태에서 탈출할 가능성이 큰 것으로 나타났다(정준수, 박미은, 2016). 유창민(2017)은 배우자가 있는 경우 정서적 지지를 받을 수 있고 이러한 지지가 우울 감소에 긍정적인 영향을 주는 것으로 보았다.
사회경제요인에는 직업 상태, 교육 수준, 그리고 소득수준이 있다. 직업 상태의 경우 직업이 있는 경우가 그렇지 않은 경우보다 우울 수준이 더 낮게 나타났고 이러한 영향은 연령대, 장애 유무, 그리고 국외 연구에서도 일관되게 보고되고 있다(강상경 외, 2015; 정은희, 강상경, 2014). 강상경 외(2015)의 연구에서 근로하지 않는 경우가 근로하는 경우보다 우울이 더 높게 나타났고, 정은희와 강상경(2014)의 연구에서는 초기 성인기, 중장년기, 그리고 노년기 등 모든 연령층에서 직업이 있는 경우가 그렇지 않은 경우보다 우울 수준이 낮게 나타났다. 유창민(2017)의 연구에서는 장애 유무와 상관없이 직업이 있는 경우가 그렇지 않은 경우보다 우울 수준이 낮았다. 국외 연구 또한 유사한 결과를 보여주었다(Melchior et al., 2013; Virtanen et al., 2005). 교육 수준 또한 우울과 관련된 요인이다. 다수의 연구에서 교육 수준이 높으면 우울이 낮은 것을 확인했는데(강상경 외, 2015; 유창민, 2017) 이것은 교육 수준이 건강행동 개선, 소득, 직업, 사회적 지위 등과 정적인 관련이 있기 때문으로 생각된다. 즉, 교육 수준이 높을수록 건강행동을 개선하고자 하는 노력 및 방안에 접근이 쉽고, 높은 소득과 안정적인 직장, 그리고 높은 사회적 지위에 있을 확률이 교육 수준이 낮은 경우보다 더 높으며, 이러한 결과로 인해서 우울이 낮아질 수 있다. 마지막으로 소득수준 역시 우울과 직접적인 관련이 있다. 대체로 소득이 낮을수록 우울이 높다는 연구가 많이 있었다(강상경 외, 2015; 김동배, 손의성, 2005). 반면, 정은희(2018)는 우울과 소득의 종단적 상호관계를 분석한 결과, 우울이 소득에 영향을 주기도 하고 소득이 우울에 영향을 주기도 하는 것을 확인하였다.
심리·신체·환경요인에는 자아존중감, 만성질환, 그리고 주거환경이 있다. 자아존중감의 경우, 자아존중감이 높을수록 스트레스 상황을 평가하는 정도(자기효능감)와 관련이 있을 수 있기 때문에 자아존중감이 높을수록 우울 수준이 낮게 나타날 수 있다. 실제로 다수의 연구에서 자아존중감이 높을수록 우울 수준이 유의미하게 낮은 것이 확인되었다(강상경 외, 2015; 유창민, 2017). 만성질환 또한 우울과 밀접한 관련이 있다. 유창민(2017)은 장애인과 비장애인을 대상으로 만성질환과 우울 변화궤적의 관계를 분석한 결과, 장애인과 비장애인 모두에서 만성질환이 있는 경우가 그렇지 않은 경우보다 우울 수준이 높게 나타났다. 강상경 외(2015)의 연구에서 거주환경의 열악함이 실제로 우울과 유의한 관계가 있음을 확인하였고, 유창민(2016)의 연구에서도 주거환경이 좋을수록 건강 상태에 대한 주관적 인식이 좋게 나타났다.
마지막으로 건강행동 요인에는 흡연, 음주, 그리고 진료 횟수 등이 있다. 이와 관련하여 전진아, 박현용, 그리고 손선주(2012)는 우리나라 성인 11,677명을 대상으로 잠재계층성장분석을 통해서 우울 변화 양상을 확인하였고, 확인된 우울 잠재계층과 흡연 및 음주와의 연관성을 확인하였다. 그 결과, 우울 수준이 낮은 집단보다 우울 수준이 높은 집단일수록 흡연과 음주를 할 확률이 높은 것을 확인하였다. 진료 횟수의 경우 진료받음으로써 심리내적인 상태에 대해서 확인받고 치료받을 가능성이 높아진다. 신체적인 건강과 우울이 서로 관련이 있고, 진료를 받는 것은 신체적인 건강을 예방, 치료, 유지시켜주고 건강과 관련된 정보의 획득과 이해력을 높인다는 측면에서 우울과의 관련성을 살펴보는 데 중요할 수 있다. 실제로 건강정보이해능력은 신체적 건강과 더불어서 정신적 건강과도 높은 관련이 있다고 보고되고 있고(최은영 외, 2017), 김수진, 김미혜, 그리고 김신혜(2020)의 연구에 따르면 건강에 대한 정보와 이해력이 높을수록 우울이 낮아진다는 결과를 확인하였다. 이러한 결과는 건강행동과 관련된 요인들이 우울과 관련된 요인임을 의미한다.
3. 연구방법
1) 연구대상 및 분석자료
이 연구의 주요한 연구문제를 다루기 위해서 한국복지패널(Korea Welfare Panel Study) 7차년도(2012년)부터 14차년도(2019년)까지 총 8년간의 패널자료를 사용하였다. 한국복지패널은 전국을 대표할 수 있도록 설계된 종단조사로서, 2006년도를 기준으로 1차 조사가 이루어졌다. 이때 2단계 층화집락추출법을 사용하였으며, 저소득층과 일반가구를 구분하여 최종 표본을 선정하였다. 본 연구는 7차년도 조사기준에 해당하는 2012년을 기점으로 우울측정문항에 응답한 만 19세 이상부터 만 34세 이하까지의 청년기에 해당하는 대상으로 연구를 진행하였다. 1차년도가 아닌 7차년도를 선정한 이유는 한국복지패널이 종단설계로서 시간이 지날수록 표본 탈락률이 높아짐에 따라서 7차년도에 새로운 조사대상을 포함시켰다. 이에 따라서 본 연구는 7차년도에 새롭게 포함된 조사대상을 연구대상으로 함으로서 조사기간이 길어짐에 따른 높은 표본 탈락률과 이로 인해 발생할 수 있는 편의를 방지하고자 하였다. 이에 따라서 7차년도 기준 총 1,695명의 청년이 최종 분석대상이다.
2) 주요변수 및 측정도구
본 연구의 종속변수에 해당하는 우울의 경우, Center for Epidemiologic Studies Depression Scale(CES-D) 11문항을 사용하였다. CES-D척도는 Radoloff(1977)가 표준화시킨 척도이고, 한국복지패널에서는 전겸구와 이민규(1992)에 의해 수정된 한국판 우울척도를 사용하였다. 문항 내용은 ‘식욕 없음’, ‘비교적 잘 지냄’, ‘우울함’ 등의 문항으로 구성되고, 2번과 7번 문항은 역문항이다. 이에 모든 문항이 ‘0=극히 드물다’에서 ‘3=대부분 그랬다’로 측정될 수 있도록 코딩하였다. 우울 변수에 대한 활용은 유저가이드의 안내에 따라서 총점 곱하기 20/11로 계산하였고, 계산된 값이 16보다 높으면 우울증을 의심할 수 있다. 따라서 점수가 높아질수록 우울수준이 높음을 뜻한다. 본 연구의 신뢰도는 7차년도 0.856, 8차년도 0.901, 9차년도 0.891, 10차년도 0.905, 11차년도 0.905, 12차년도 0.905, 13차년도 0.905, 14차년도 0.905이다.
인구사회요인에는 성별과 혼인상태가 있다. 성별의 경우 남성 ‘0’, 여성 ‘1’로 코딩하였고, 혼인상태는 배우자가 있는 경우 ‘1’, 사별, 미혼, 별거 등으로 배우자가 없는 경우 ‘0’으로 하였다.
사회경제요인에는 직업, 교육수준, 그리고 소득수준이 있다. 직업의 경우 취업한 경우에는 ‘1’, 취업을 하지 않은 경우에는 ‘0’으로 코딩하였다. 교육 수준의 경우 미취학 ‘1’ ~ 대학원 박사 ‘9’로 측정되었다. 소득은 지난 1년간의 가처분소득을 이용하였다. 가처분소득이란 한 가구가 근로를 제공한 것의 대가로 받게 되는 근로소득, 자영사업으로부터의 사업 및 부업소득, 자산으로부터 이자, 배당금 등의 재산소득, 정부, 타기구, 비영리 단체 등으로부터 이전되는 이전소득, 그리고 공적이전소득에서 세금 및 사회보장부담금 등을 제외한 후 발생하는 소득을 의미한다(유창민, 2017). 이때 예측요인으로 투입할 때에는 소득을 가구원수로 보정한 가구원소득()을 계산한 후 왜도 및 첨도 등을 고려하여 로그로 변환한 값을 사용하였다.
심리·신체·환경요인에는 자아존중감, 주거환경, 그리고 만성질환이 있다. 자아존중감은 Rosenberg(1965)의 자아존중감 척도 10문항을 사용하였다. 문항 내용은 ‘나는 가치 있는 사람이다’, ‘나는 좋은 성품을 지녔다’와 같은 내용이다. 이 중에서 5개 문항은 긍정적 상태의 자아존중감, 5개 문항은 부정적 상태의 자아존중감을 측정하였기 때문에, 부정적 상태의 자아존중감 5개 문항을 역코딩하였다. 따라서 점수가 높을수록 자아존중감이 높다는 것을 의미한다. 본 연구의 신뢰도는 0.735이다. 주거환경의 경우 구조부 재질, 적절한 방음, 환기, 채광, 난방시설, 소음, 진동, 악취, 대기오염, 자연재해 안전에 관한 것에 대해 질문을 하였고 각 질문에 대해서 ‘예’, ‘아니오’로 측정하였고, 이에 대한 총합을 분석에 사용하였다. 따라서 점수가 높을수록 주거환경이 좋음을 의미한다. 다음으로 만성질환은 만성질환을 묻는 질문에 ‘비해당 0점’ ~ ‘6개월 이상 투병, 투약하고 있다 3점’까지 측정한 값을 사용하였다.
건강행동 요인에는 흡연, 음주, 그리고 진료 횟수가 있다. 흡연의 경우 “1년간 평균적으로 귀하는 흡연을 얼마나 하셨습니까?”라는 질문에 대해 전혀 피지 않음 ‘0’ ~ 하루 두 갑 이상 ‘4’까지 총 5점 척도로 측정을 하였으며, 점수가 높을수록 흡연을 많이 하는 것을 의미한다. 음주의 경우 “1년간 평균적으로 귀하는 술을 얼마나 자주 마셨습니까?”라는 질문에 대해 전혀 마시지 않음 ‘0’부터 주 4회 이상 ‘4’까지 총 5점 척도로 측정을 하였고, 점수가 높을수록 음주를 많이 하는 것을 의미한다. 진료 횟수는 1년간 의료기관을 이용한 외래 진료 횟수를 사용하였다. 이때 진료를 받지 않은 때도 있으므로 변수의 편의성 문제를 고려하여 로그로 변환한 값을 사용하였다.
3) 연구모형 및 분석방법
본 연구는 우리나라 청년들의 우울 변화궤적의 잠재계층유형을 확인하기 위해서 잠재계층성장분석(Latent Class Growth Analysis: LCGA)을 활용하였다. LCGA 분석은 특정 요인에 대한 변화궤적의 잠재집단을 확인할 수 있는 방법으로, 여러 시점으로 조사된 변수를 이용해서 k개의 하위 잠재계층을 찾아내는 방법이다(<그림 1> 참조). 잠재계층집단의 수는 다양한 지표들(정보지수, 분류의 질, 집단의 최소 비율, 해석 가능성 정도 등)에 따라서 결정된다. 정보지수는 AIC(Akaike Information Criterion)와 BIC(Bayesian Information Criterion)를 계산하여 모형을 비교하고, 값이 작아질수록 모형이 더 적합한 것으로 판단한다(Muthén & Shedden, 1999).
분류의 질을 나타내는 지표는 Entropy 지수를 확인한다. Entropy는 0 ~ 1의 값을 가지게 되고 1에 가까울수록 집단 분류의 질이 좋음을 의미한다(Clark, 2010). 그 다음 잠재집단의 수가 k개인 경우와 k-1개인 경우를 비교하는 모형비교 검증을 한다. 이때 LMR-LRT(Lo Mendell Rubinadjusted Likelihood Ratio Test)와 BLRT(Parametric Bootstrapped Likelihood Ratio Test)를 사용하여 확인하는데, p값이 유의하지 않으면 k개의 집단 수를 갖는 모형보다 k-1개의 집단 수를 갖는 모형이 더 좋은 모형이라고 판단한다. 이와 더불어서 각 잠재계층의 표본 대비 최소 비율도 고려가 된다. 최소 비율은 학자마다 기준이 조금씩 다른데, Jung과 Wickrama(2008)는 표본 대비 최소 비율이 5% 이상이 되어야 한다고 주장하였고, Nooner 외(2010)는 표본 대비 최소 비율이 1% 이상이면 적절하다고 주장하였다. 따라서 이러한 지수들과 잠재계층집단의 해석 가능성 등을 종합적으로 고려하여 최종 잠재계층집단의 수를 결정하게 된다(Nylund, Asparouhov, & Muthén, 2007). 다음, 잠재계층집단의 수가 결정이 되고 난 이후, 우울의 하위 잠재계층 유형에 영향을 줄 것으로 예상되는 예측요인과 잠재계층 집단 간의 관련성을 확인하기 위해서 다항로지스틱 회귀분석을 사용하였다.
본 연구는 조사 시점마다 발생하는 결측값을 다루기 위해서 FIML(fulll information maximum likelihood) 추정방식을 사용하였다. FIML은 결측값들이 무작위성을 가진다는 가정이 충족이 되지 않더라도 편향되지 않는 추정치를 나타내는 것으로 보고되고 있다(Schafer & Olsen, 1998). 이러한 분석을 위해서 Mplus 8.7 통계패키지가 사용되었다.
4. 연구결과
1) 우울 변화에 따른 잠재집단 분류
우울 수준 변화에 따른 잠재계층의 수를 결정하기 위해 잠재계층성장분석(LCGA)을 실시하였다. 잠재계층의 수를 하나씩 증가시키면서 모형비교를 한 결과를 <표 1>에 제시하였다. 그 결과 잠재계층의 수를 증가시킬수록 AIC값과 BIC값이 모두 감소하였고, LMR-LRT 검증 또한 대부분 집단의 수에서 유의미하게 나타났다. 분류가 질적으로 얼마나 잘 되었는지를 나타내는 Entropy값은 1에 근사할수록 분류의 질이 높음을 의미하며 모든 계층에서 나쁘지 않은 값을 보였다. 그러나 3계층과 5계층의 경우 Entropy값이 나쁘지 않았지만 LMR-LRT의 값이 유의미하지 않았다. 따라서 이러한 다양한 지수와 동시에 해석의 용이성을 함께 고려할 때 적절하게 분포된 4계층 모형이 최적의 모형이라고 판단하였다(<표 1> 참조).
2) 우울 잠재집단에 대한 기술통계
<표 2>는 연구대상자의 인구사회학적 특성 및 주요변수들의 기술통계값을 네 개의 잠재계층별로 구분하여 나타내었다. 이때 주요 예측변수는 2012년 시점의 값을 사용하였다. 구체적으로 우울과 관련해서, 잠재계층 1의 경우 2012년에는 우울 점수가 16점을 넘었지만 이후 지속적으로 감소하는 모습을 보여준다. 잠재계층 2의 경우 2012년부터 2019년까지 우울증이라 의심할 수 있는 16점 이상인 20점대의 점수에서 유지되고 있음을 알 수 있다. 잠재계층 3의 경우 2012년부터 2019년까지 우울 점수가 낮은 상태에서 유지되고 있음을 알 수 있다. 마지막으로 잠재계층 4의 경우 2012년에는 우울 점수가 4.27점으로 매우 낮았지만, 이후 빠르게 증가하는 모습을 보여주면서 2019년에는 우울증을 의심할 수 있는 16점의 바로 밑에 점수(15.4점)까지 증가하였다. 성별의 경우 모든 계층에서 여성이 많은 비율을 보였다. 혼인상태의 경우 모든 잠재계층에서 유배우자보다 무배우자인 경우가 많았다. 직업상태와 교육수준의 경우 잠재계층 2에서만 미취업자가 취업자보다 더 많았고 대졸 미만이 대졸 이상보다 많았다.
3) 우울 잠재집단의 변화유형
최종적으로 확정된 네 개의 잠재계층 모형의 각 잠재계층별 초기값과 변화율의 평균값을 추정한 결과는 <표 3>과 같고, 도출된 잠재계층별 우울 변화유형은 <그림 2>와 같다.
먼저 계층 1(class 1)을 살펴보면, 사례 수는 총 143명으로 연구대상자의 8.4%가 속하고 있다. 계층 1의 우울 초기값은 15.092(p<0.001)이고 변화율은 -1.708(p<0.001)로 나타났다. 계층 1의 변화궤적을 살펴보면 2012년도에 가장 높은 우울 수준을 보였고 이후 8년 동안 지속적으로 우울이 감소하였다. 이에 따라서 계층 1을 ‘고수준 우울 감소집단’으로 명명하였다.
계층 2(class 2)를 살펴보면, 사례 수는 총 25명으로 연구대상자의 1.5%가 속하고 있다. 계층 2의 우울 초기값은 22.254(p<0.001)이고 변화율은 -0.217(p>0.05)로 나타났다. 계층 2의 변화궤적을 살펴보면 2012년도에 가장 높은 우울 수준을 보였을 뿐만 아니라 그 점수가 우울증을 의심할 수 있는 16점보다 높은 20점을 나타내었고, 이후 8년 동안 우울 수준이 20점대에서 그대로 유지되었다. 이에 따라서 계층 2를 ‘고수준 우울 유지집단’으로 명명하였다.
계층 3(class 3)을 살펴보면, 사례 수는 총 1,421명으로 연구대상자의 83.8%가 속하고 있다. 계층 3의 우울 초기값은 2.785(p<0.001)이고 변화율은 -0.024(p>0.05)로 나타났다. 계층 3의 변화궤적을 살펴보면 2012년도에 가장 낮은 우울 수준을 보였고 이후 8년 동안 낮은 우울 수준을 유지하였다. 이에 따라서 계층 3을 ‘저수준 우울 유지집단’으로 명명하였다.
계층 4(class 4)를 살펴보면, 사례 수는 총 106명으로 연구대상자의 6.3%가 속하고 있다. 계층 4의 우울 초기값은 4.181(p<0.001)이고 변화율은 1.714(p<0.001)로 나타났다. 계층 4의 변화궤적을 살펴보면 2012년도에 매우 낮은 우울 수준을 보였지만 이후 8년 동안 우울 수준이 빠르게 증가하여 2019년도에는 우울증을 의심할 수 있는 16.18점까지 증가하였다. 이에 따라서 계층 4를 ‘저수준 우울 증가집단’으로 명명하였다.
4) 청년기 우울 잠재집단 영향 요인
청년의 우울과 관련될 것으로 예상되는 영향요인이 잠재계층 분류에 미치는 영향을 분석한 결과는 <표 4> 및 <표 5>와 같다. 이때 잠재집단과 2012년도 기준 예측요인과의 관계를 살펴본 결과이다. 먼저 우울 수준이 상대적으로 가장 낮은 집단인 저수준 우울 유지집단(class 3)을 기준으로 하고 고수준 우울 감소집단(class 2)과 비교할 때, 여성일수록(B=0.935, p<0.01. 해석의 편의를 위해서 방향성 반대로 함), 자아존중감이 낮을수록(B=-2.496, p<0.001), 그리고 주거환경이 나쁠수록(B=-0.225, p<0.05) 저수준 우울 유지집단보다 고수준 우울 감소집단에 속할 확률이 높게 나타났다. 다음으로 우울 수준이 상대적으로 가장 낮은 집단인 저수준 우울 유지집단(class 3)을 기준으로 하고 고수준 우울 유지집단(class 2)과 비교할 때, 여성일수록(B=-1.814, p<0.01), 교육수준이 낮을수록(B=-0.648, p<0.05), 자아존중감이 낮을수록(B=-3.787, p<0.001), 그리고 만성질환이 많을수록(B=0.399, p<0.05) 저수준 우울 유지집단보다 고수준 우울 유지집단에 속할 확률이 높게 나타났다. 다음으로 우울 수준이 상대적으로 가장 낮은 집단인 저수준 우울 유지집단(class 3)을 기준으로 하고 저수준 우울 증가집단(class 4)과 비교할 때, 여성일수록(B=-0.845, p<0.01), 자아존중감이 낮을수록(B=-1.273, p<0.001), 그리고 진료 횟수가 적을수록(B=-0.399, p<0.05) 저수준 우울 유지집단보다 고수준 우울 증가집단에 속할 확률이 높게 나타났다. 다음으로 우울 수준이 시간이 지날수록 감소하는 고수준 우울 감소집단(class 1)을 기준으로 하고 고수준 우울 유지집단(class 2)과 비교할 때, 자아존중감이 낮을수록(B=-1.291, p<0.05) 고수준 우울 감소집단보다 고수준 우울 유지집단에 속할 확률이 높게 나타났다. 다음으로 우울 수준이 시간이 지날수록 감소하는 고수준 우울 감소집단(class 1)을 기준으로 하고 저수준 우울 증가집단(class 4)과 비교할 때, 자아존중감이 높을수록(B=1.223, p<0.01), 그리고 진료 횟수가 적을수록(B=-0.573, p<0.05) 고수준 우울 감소집단보다 저수준 우울 증가집단에 속할 확률이 높게 나타났다. 마지막으로, 우울수준이 높은 상태에서 유지되는 고수준 우울 유지집단(class 2)을 기준으로 하고 저수준 우울 증가집단(class 4)을 비교할 때, 자아존중감이 높을수록(B=2.514, p<0.001), 그리고 만성질환이 낮을수록(B=-.424, p<0.05) 고수준 우울 유지집단보다 저수준 우울 증가집단에 속할 확률이 높게 나타났다.
5. 논 의
이 연구는 한국복지패널(Korea Welfare Panel Study) 7차년도(2012년)부터 14차년도(2019년)까지 총 8년간의 패널자료를 사용하여 우리나라 만 19세 이상부터 만 34세 이하까지의 청년들을 대상으로 한 우울궤적에 따른 변화유형을 확인하고, 이러한 변화유형 계층에 영향을 주는 예측요인들과의 관계를 확인하였다. 이를 위해서 잠재계층성장분석과 다항로지스틱회귀분석을 실시하였고, 주요 연구 결과에 대한 논의 및 결론은 다음과 같다.
1) 청년기 우울궤적의 변화유형 확인
본 연구는 청년들을 대상으로 우울 변화궤적에 대한 잠재계층성장분석을 실시하였다. 그 결과 ‘고수준 우울 감소집단’, ‘고수준 우울 유지집단’, ‘저수준 우울 유지집단’, 그리고 ‘저수준 우울 증가집단’의 4개 잠재계층으로 구분되었다. 먼저, ‘고수준 우울 감소집단’은 총 143명으로 연구대상자의 8.4%가 속하고 있다. 이 집단의 변화궤적을 살펴보면 2012년도에 가장 높은 우울 수준을 보였고 이후 8년 동안 지속적으로 우울이 감소하였다. ‘고수준 우울 유지집단’은 총 25명으로 연구대상자의 1.5%가 속하고 있다. 이 집단의 변화궤적을 살펴보면 2012년도에 가장 높은 우울 수준을 보였을 뿐만 아니라 그 점수가 우울증을 의심할 수 있는 16점보다 높은 20점을 나타내었고, 이후 8년 동안 우울 수준이 20점대에서 그대로 유지되었다. ‘저수준 우울 유지집단’은 총 1,421명으로 연구대상자의 83.8%가 속하고 있다. 이 집단의 변화궤적을 살펴보면 2012년도에 가장 낮은 우울 수준을 보였고 이후 8년 동안 낮은 우울 수준을 유지하였다. 마지막으로 ‘저수준 우울 증가집단’은 총 106명으로 연구대상자의 6.3%가 속하고 있다. 이 집단의 변화궤적을 살펴보면 2012년도에 매우 낮은 우울 수준을 보였지만 이후 8년 동안 우울 수준이 빠르게 증가하여 2019년도에는 우울증을 의심할 수 있는 16점 바로 아래 점수까지 증가하였다.
이러한 결과는 우울과 관련된 기존의 횡단 연구의 결과에서 확인하지 못한 변화궤적을 확인함과 동시에 다양한 하위 잠재집단을 새롭게 확인했다는 점에서 중요한 의의를 가진다. 본 연구의 결과에 따르면, 2012년도에 4개의 집단 중 3개의 집단은 우울 점수가 16점 이하로 나타났고 1개의 집단은 우울 점수가 16점보다 높은 22.25점으로 나타났다. 그러나 이러한 우울 점수는 시간이 지나면서 변화하게 되었다. 구체적으로 저수준 우울 유지집단의 경우 2012년도와 마찬가지로 2019년도에도 가장 낮은 우울 수준을 보였다. 또한 2012년도에 22.25점으로 가장 높은 우울 수준을 보였던 고수준 우울 유지집단의 경우 2019년에도 20.74점으로 여전히 우울 점수가 높게 나타났다. 눈에 띄는 집단은 저수준 우울 증가집단과 고수준 우울 감소집단이다. 먼저 저수준 우울 증가집단의 경우 2012년도에 4.18점으로 낮은 우울 수준을 보였지만 이후 시간이 지남에 따라서 우울이 빠르게 증가하였고 2019년에는 16.18점이라는 높은 우울 수준을 보였다. 이러한 결과는 우울의 부정적 영향력을 고려할 때 청년층의 우울 감소 개입이 시급함을 보여주고, 특히 저수준 우울 증가집단의 특징이 무엇인지 확인하는 것이 매우 중요하다. 반면 고수준 우울 감소집단의 경우 2012년도에 15.09점이라는 우울 점수를 보였지만 이후 시간이 지남에 따라서 우울이 빠르게 감소하여 2019년도에는 3.14점으로 낮게 나타났다. 따라서 이러한 집단이 가지는 어떠한 특징이 이렇게 매우 높은 또는 낮은 우울 수준으로 변화하게 되는지, 그리고 다른 집단은 어떠한 특징을 가지고 있으므로 우울 수준이 낮게 유지 또는 감소하는지 확인하는 것이 필요하다.
2) 청년기 우울 변화궤적 잠재계층 예측요인
다음으로 우리나라 청년의 우울에 대한 네 개 집단에 속하는 청년들의 특성이 어떠한 예측요인에 의해서 분류되는지 확인하기 위해서 다항로지스틱회귀분석을 실시하였다. 이때 예측요인이 2012년을 기준으로 분석을 진행하였다. 구체적으로 우울이 상대적으로 가장 낮은 집단인 저수준 우울 유지집단(class 3)을 기준으로 하고 고수준 우울 감소집단(class 1), 고수준 우울 유지집단(class 2), 그리고 저수준 우울 증가집단(class 4)을 각각 비교하는 분석을 하였다. 또한 고수준 우울 감소집단(class 1)을 기준으로 하고 고수준 우울 유지집단(class 2)과 저수준 우울 증가집단(class 4)을 비교하였고, 마지막으로 고수준 우울 유지집단(class 2)을 기준으로 하고 저수준 우울 증가집단(class 4)을 비교하는 분석을 하였다.
먼저, 인구사회요인 중 여자일수록 우울이 높은 집단에 속할 확률이 높게 나타났다. 이러한 결과는 여성이 남성보다 우울이 더 높다는 기존의 많은 연구결과(유창민, 2017; 한광현, 2020; Cooper et al., 1992)와 일치하는 결과이다. 이처럼 일반적으로 여성이 남성보다 더 우울이 높은 것과 관련해서 정준수와 박미은(2016)은 여성의 경우 주로 내재화 방법을 사용하는 스트레스 대처를 하는 반면, 남성의 경우 외현화 방법을 사용하기 때문으로 설명한다. 따라서 청년기 여성들에 대한 우울에 대한 개입이 다른 연령대 및 집단과 마찬가지로 중요하다. 특히 최근 COVID-19의 영향으로 여성들의 우울이 매우 심각한 것으로 나타났기 때문에 여성 청년층을 대상으로 하는 상담 프로그램을 개발하고 적극적으로 개입할 필요가 있다(이인정, 2021).
사회경제적 요인의 경우, 교육수준이 유의미한 영향요인으로 확인되었다. 구체적으로 교육수준이 낮을수록 더 우울한 집단에 속할 확률이 높았다. 이러한 결과는 교육수준 또한 우울에 영향을 줄 수 있다는 기존의 연구 결과(강상경 외, 2015; 유창민, 2017)를 지지한다. 이처럼 교육수준에 따라서 특정한 잠재집단에 속할 확률이 영향을 받는 것은 교육수준이 높을수록 건강행동을 개선하고자 노력 및 방안에 접근이 쉽고, 높은 소득과 안정적인 직장, 그리고 높은 사회적 지위에 있을 확률이 교육수준이 낮은 경우보다 더 높고, 이러한 결과로 인해서 우울이 낮아질 수 있기 때문으로 생각된다. 그 외에 중요하게 생각되었던 소득 및 취업 여부 등은 유의미하게 나타나지 않았다. 이러한 결과는 소득과 취업여부 등이 중요하지 않다는 의미가 아니라 이보다 더 영향이 크거나 선행하는 요인으로 인해서 소득 및 취업여부 등의 효과가 희석된 것으로 생각된다. 즉, 본 연구의 결과에서 상대적으로 베타값이 크게 나타나는 배우자유무, 자아존중감 등의 요인 또는 교육수준 요인으로 인해서 소득과 취업여부의 유의미성이 사라진 것으로 생각된다. 따라서 소득 및 취업여부가 우울에 미치는 영향이 교육수준, 배우자유무, 자아존중감 등의 요인에 의해서 조절 또는 매개되는지에 대한 추가적인 연구가 필요하다. 만일 교육수준, 배우자 유무, 자아존중감 등이 중요한 매커니즘으로 확인된다면 이러한 요인에 대한 개입이 더욱 중요해질 수 있다.
심리, 신체, 환경요인의 경우, 자아존중감이 높을수록, 만성질환의 수준이 낮을수록, 그리고 주거환경이 좋을수록 우울이 낮은 집단에 속할 확률이 높게 나타났다. 이러한 결과는 자아존중감이 높을수록 우울 수준이 유의미하게 낮게 나타난다는 기존의 연구 결과(강상경 외, 2015; 유창민, 2017)와 일치한다. 이처럼 자아존중감의 긍정적 영향과 관련해서, 자아존중감이 높을수록 스트레스 상황을 평가하는 정도(자기효능감)와 관련이 있을 수 있기 때문에 자아존중감이 높을수록 우울 수준이 낮게 나타나는 것으로 생각된다. 만성질환의 경우에도 만성질환이 우울에 영향을 준다는 기존의 연구 결과(유창민, 2017)와 일치한다. 따라서 만성질환이 있는 경우 신체적인 건강에 대한 관리뿐만 아니라 이러한 만성질환으로 인해 영향을 미칠 수 있는 정신건강도 종합적으로 돌보고 관리를 받을 수 있도록 해야겠다. 주거환경의 경우 주거환경이 좋을수록 고수준 우울 감소집단에 속할 확률보다 저수준 우울 유지집단에 속할 확률이 높았는데, 이러한 결과는 주거환경이 좋은 것이 이후 시간이 흐름에 따라서 지속적으로 영향을 주는 것과 관련되어 보인다. 또한, 이 결과는 주거 안정성이 낮을수록 우울감이 높게 나타난다는 기존의 연구 결과(김영주, 곽인경, 2020)와 일치 또는 유사한 결과로서, 살아가고 있는 주변 환경, 특히 주거환경의 중요성을 보여준다. 따라서 우울이 높은 청년들을 대상으로 개입할 때 ‘주거’와 관련된 개입도 필요하다. 현재 사는 주거환경이 어떠한지에 대한 확인과 더불어서 청년층에게 안전하고 쾌적한 주거환경을 마련할 수 있는 국가적 차원의 지원이 필요하겠다. 즉, 주거의 기능적 편리성, 접근성, 생활 편의성을 높이고 생활소음 등에서의 환경적 개선방안의 모색이 요구되고(김영주, 곽인경, 2020), 이러한 주거환경을 얻을 수 있도록 다양한 정책적 지원이 필요하겠다.
마지막으로 건강행동 요인 중 진료를 적게 할수록 우울이 높은 집단에 속할 확률이 높았다. 이러한 결과는 진료 횟수가 높아질수록 건강과 관련된 정보 습득 및 이해도가 높아질 수 있고, 이러한 높아진 건강정보이해능력은 심리내적인 상태에 대해서 확인받고 치료받을 가능성을 높여주기 때문일 것으로 생각이 된다(최은영 외, 2017). 따라서 현재 주기적으로 진행되는 전 국민 건강검진(건강보험공단 실시)이 실시될 때 ‘정신건강’ 영역에 대한 검진의 횟수와 정도를 증가시킴으로써 우울증으로 진행될 수 있는 것을 사전에 예방하는 정책이 필요하겠다. 또한 정신과 병원에 가는 것 또는 심리상담을 받는 것에 대한 사회적인 편견을 극복하는 홍보와 인식변화를 통해서 이상 증상이 있을 때 적극적으로 진료를 받을 수 있도록 해야 한다. 우울증은 적절한 개입과 치료가 있다면 회복될 수 있음에도 불구하고 많은 사람들이 정신과 병원에 가는 것에 대한 부정적인 편견으로 인해서 진료를 꺼리는 경우가 있다. 따라서 감기에 걸리면 자연스럽게 병원에 가는 것처럼 우울증은 누구나 걸릴 수 있고 이로 인한 병원 또는 심리상담을 받는 것이 자연스러운 사회적 분위기와 환경이 될 수 있도록 국가 차원에서의 적극적인 홍보와 인식변화 캠페인이 필요하다.
본 연구는 전국단위의 종단자료인 한국복지패널자료를 활용하여 2012년부터 2019년까지 총 8년 동안 우리나라 만 19세 이상부터 만 34세 이하까지의 청년을 대상으로 우울의 변화궤적 유형을 확인하였다. 특히 기존의 연구는 전체 또는 하나의 모집단 변화궤적을 확인했지만, 본 연구는 우리나라 청년의 우울 변화궤적이 다양한 하위 잠재집단으로 유형화될 수 있음을 확인하였다. 그리고 이러한 다양한 하위 잠재집단의 특성이 무엇인지 확인함으로써 추후 우리나라 청년들의 정신건강을 예방 및 증진시키기 위한 기초적인 자료가 될 수 있다는 데 중요한 의의가 있다.
그러나 본 연구는 각 잠재집단의 특성 및 영향을 줄 수 있는 요인에 대해서 탐색적 차원의 분석을 했다는 한계가 있다. 따라서 추후 연구에서는 본 연구의 결과를 바탕으로 각 잠재집단의 특성이 무엇이고, 잠재집단별로 다를 수 있는 주요 영향요인 간의 상호작용과 메커니즘이 무엇인지 확인하는 것이 필요하다. 무엇보다 본 연구는 2차 자료의 한계로 인해 청년의 특성을 모두 반영하지는 못했다. 따라서 추후 연구를 통해서 청년의 특성이 반영된 예측변수를 활용함으로써 청년의 우울에 대한 개입과 예방에 필요한 다양한 제도와 정책이 획일적으로 이루어지기보다는 청년마다 처해있는 다양한 상황과 특성이 고려된 제도와 정책이 개발되고 시행됨으로써 효과적으로 우울을 예방하고 회복할 수 있기를 바란다. 또한 본 연구는 예측변수 중에서 시변성을 가진 요인을 고려하지 못했다는 한계가 있다. 예를 들면, 연구 결과 중에서 자아존중감이 높을수록 고수준 우울 감소집단(계층1)보다 저수준 우울 증가집단(계층4)에 속할 확률이 높게 나타났다. 이러한 결과는 자아존중감이 높을수록 우울이 낮다는 점(2012년 시점)에서 기존 연구와 일치하지만, 시간이 흐른 뒤 자아존중감이 높을수록 우울이 높다는 점(2019년 시점)은 기존 연구와 다르고 이것은 변수의 시변성이 반영이 되지 못했기 때문으로 예상된다. 따라서 후속연구에서는 이러한 시변성 변수들을 고려한 분석이 이루어질 필요가 있다.
Acknowledgments
이 논문은 2021학년도 한남대학교 학술연구비 지원에 의하여 연구되었음.
이 논문의 초고는 제13회 한국복지패널 학술대회에서 발표되었음.
References
- 강상경·정은희·김병수 (2015). 복지패널에 나타난 한국 사회의 우울궤적 불평등과 관련요인. <한국사회복지조사연구>, 44, 241-270.
- 강시온·한창근 (2018). 청년 가구주의 자산수준이 삶의 만족도에 미치는 영향: 우울감의 매개효과 검증. <사회복지연구>, 49(4), 195-220.
- 건강보험심사평가원 (2019). <의료통계정보>. http://www.hira.or.kr, 에서 2021.1.5. 인출
- 권중돈 (2014). <인간행동과 사회환경-이론과 실천>. 서울: 학지사.
- 김경숙 (2020). 20대 성인의 우울감 경험에 영향을 미치는 요인: 2017 지역사회건강조사 자료 활용. <보건행정학회지>, 30(2), 221-230.
- 김기헌·배상률·성재민 (2018). <청년 핵심정책 대상별 실태 및 지원방안 연구I: 청년 니트(NEET)>. 세종: 한국청소년정책연구원.
- 김동배·손의성 (2005). 한국노인의 우울 관련변인에 관한 메타분석. <한국노년학>, 25(4), 167-187.
- 김수진·김미혜·김신혜 (2020). 농촌노인의 건강정보이해력이 우울에 미치는 영향. <노인복지연구>, 75(1), 159-181.
- 김영주·곽인경 (2020). 청년 1인가구의 주거환경과 우울감에 관한 탐색적 연구. <한국공간디자인학회논문집>, 15(4), 241-250.
- 김용범 (2008). 한국 성인에 있어서 우울증 및 자살사고에 미치는 관련요인. 제주대학교 박사학위논문.
- 김지경·이윤주 (2018). <20대 청년 심리/정서 문제 및 대응방안 연구>. 세종: 청소년정책연구원.
- 김진현 (2021). 청년이 인식하는 소득불평등이 우울에 미치는 영향: 사회자본의 매개효과. <보건사회연구>, 41(2), 83-100.
- 김홍중 (2016). 청년 여성 프레카리아트의 얼굴. <한국문화연구>, 30, 31-66.
- 변금선·김기헌 (2019). 청년층의 삶의 질 격차에 관한 연구: 1988-1998년생 청년의 다중격차 실태 분석. <사회복지정책>, 46(2), 257-285.
- 보건복지부 (2021). <2020년 국민 정신건강실태조사>. 보건복지부 정신건강정책관.
- 보건복지부 (2021). <2021년 1분기 코로나19 국민 정신건강 실태조사 결과발표>. 보도참고자료.
- 송인한·이경원·정집훈 (2019). 청년층 실업과 우울의 관계에서의 음주의 조절효과: 성별 차이 분석. <대한보건연구>, 45(1), 59-70.
- 유창민 (2016). 한국복지패널로 본 한국 성인의 건강궤적과 예측요인: 장애인과 비장애인의 집단 내, 집단 간 불평등 정도를 중심으로. <보건사회연구>, 36(1), 440-472.
- 유창민 (2017). 장애인과 비장애인의 우울 불형평 정도: 2006년부터 10년간의 변화궤적을 중심으로. <보건사회연구>, 37(2), 150-183.
- 이인정 (2021). COVID-19 위기상황이 1인 가구 청년의 우울에 미친 영향: 성차를 중심으로. <한국융합학회논문지>, 12(9), 205-214.
- 전겸구·이민규 (1992). 한국판 CES-D 개발연구1. <한국심리학회지: 임상>, 11(1), 65-76.
- 전진아·박현용·손선주 (2012). 잠재계층성장모형을 이용한 한국성인 우울수준의 변화궤적 분석과 흡연 및 음주와의 연관성에 대한 연구 통합적 정신보건 케어시스템 제안에 대한 함의. <정신보건과 사회사업>, 40(3), 63-86.
- 정은희 (2018). 한국사회 우울과 소득의 종단적 상호관계 사회 원인가설과 선택가설 검증을 중심으로. <정신건강과 사회복지>, 46(2), 150-178.
- 정은희·강상경 (2014). 자원봉사와 우울 궤적의 종단적 관계: 세 연령집단 간 다집단 비교. <사회복지연구>, 45(1), 203-230.
- 정준수·박미은 (2016). 장애인의 우울탈출에 영향을 미치는 요인에 관한 종단적 연구. <한국사회복지교육>, 36, 55-83.
- 최은영·윤혜림·이광혁·신혜리·박설우·이희윤·김영선 (2017). 노인의 건강정보이해능력과 정신건강의 관계: 사회적 지지의 조절효과를 중심으로. <노인복지연구>, 72(3), 251-282.
- 통계청 (2018). <경제활동인구조사 청년층 부가조사>. http://www.kostat.go.kr, 에서 2021.1.4. 인출.
- 한광현 (2020). 다문화청소년의 우울궤적 예측 요인에 관한 연구. <정신건강과 사회복지>, 48(1), 56-83.
-
Bogat, G. A. (2009). Is it necessary to discuss person-oriented research in community Psychology? American Journal of Community Psychology, 43(1-2), 22-34.
[https://doi.org/10.1007/s10464-008-9215-7]
- Clark, S. L. (2010). Mixture modeling with behavioral data. Unpublished doctoral dissertation, University of California, Los Angeles, CA.
-
Cooper, M., Russell, M., Skinner, J. B., Frone, M. R., & Mudar, P. (1992). Coping, expectancies, and alcohol abuse: A test of social learning formulation. Journal of Abnormal Psychology, 101(1), 139-152.
[https://doi.org/10.1037/0021-843X.101.1.139]
-
Furstenberg, F. F., Rumbaut, R. G., & Settersten, R. A. (2005). On the frontier of adulthood: emerging themes and new directions. In R. A. Settersten, F. F. Furstenberfg, & R. G. Rumbaut (Eds.). On the Frontier of Adulthood. Theory, Research and Public Policy (pp. 3-25). Chicago: Univ. Chicago Press.
[https://doi.org/10.7208/chicago/9780226748924.003.0001]
-
Jung, T., & Wickrama, K. A. S. (2008). An introduction to latent class growth analysis and growth mixture modelling. Social and Personality Psychology Compass, 2, 302-317.
[https://doi.org/10.1111/j.1751-9004.2007.00054.x]
-
Melchior, M., Chastang, J.-F., Head, J., Goldberg, M., Zins, M., Nabi, H., & Younès, N. (2013). Socioeconomic position predicts long-term depression trajectory: a 13-year follow-up of the GAZEL cohort study. Molecular psychiatry, 18(1), 112-121.
[https://doi.org/10.1038/mp.2011.116]
-
Muthén, B., & Shedden, K. (1999). Finite mixture modeling with mixture outcomes using the EM algorithm. Biometrics, 55(2), 463-469.
[https://doi.org/10.1111/j.0006-341X.1999.00463.x]
-
Nooner, K. B., Litrownik, A. J., Thompson, R., Margolis, B., English, D. J., Knight, E. D., & Roesch, S. (2010). Youth self-report of physical and sexual abuse: A latent class analysis. Child Abuse & Neglect, 34(3), 146-154.
[https://doi.org/10.1016/j.chiabu.2008.10.007]
-
Nylund, K. L., Asparouhov, T., & Muthén, B. O. (2007). Deciding on the number of classes in latent class analysis and growth mixture modeling: A Monte Carlo simulation study. Structural Equation Modeling, 14(4), 535-569.
[https://doi.org/10.1080/10705510701575396]
-
Radloff, L. S. (1977). The CES-D scale: A self-report depression scale for research in the general population. Applied Psychology Measurement, 1, 385-401.
[https://doi.org/10.1177/014662167700100306]
-
Rosenberg, M. (1965). Society and the adolescent self-image. Princeton: Princeton University Press.
[https://doi.org/10.1515/9781400876136]
-
Schafer, J. L., & Olsen, M. K. (1998). Multiple imputation for multivariate missing-data problems: A data analyst’s perspective. Multivariate Behavioral Research, 33, 545-571.
[https://doi.org/10.1207/s15327906mbr3304_5]
-
Virtanen, M., Kivimaki, M., Joensuu, M., Virtanen, P., Elovainlo, M., & Vahtera, J. (2005). Temporary employment and health: a review. International Journal of Epidemiology, 34(3), 610-622.
[https://doi.org/10.1093/ije/dyi024]