한국의 자살률은 전세계를 통틀어 가장 높은 수준이며, 해마다 다양한 자살연구가 이루어지고 있다. 자살연구는 자살의 위험요인을 규명하는 미시적 연구가 다수로 구조적인 요인을 규명하는 거시적 연구는 부족한 실정이다. 거시적 연구로는 인구학적 구조나 연령, 기간, 코호트와 같이 시간의 흐름이 자살에 미치는 영향을 본 연구가 있다. 인구구조는 시간의 영향을 받으며, 시간을 구성하는 연령, 기간, 코호트라는 세 가지 시간차원은 ‘기간=연령+코호트’라는 선형성을 가짐으로써, 그 효과가 왜곡되어 측정될 가능성이 있는 식별의 문제를 갖고 있다. 따라서 연령, 기간, 코호트를 동시에 고려하되 이들 각각을 식별하여 자살에 미치는 영향을 볼 필요가 있는데, 이를 가능하게 하는 분석방법이 연령-기간-코호트 분석(...
한국의 자살률은 전세계를 통틀어 가장 높은 수준이며, 해마다 다양한 자살연구가 이루어지고 있다. 자살연구는 자살의 위험요인을 규명하는 미시적 연구가 다수로 구조적인 요인을 규명하는 거시적 연구는 부족한 실정이다. 거시적 연구로는 인구학적 구조나 연령, 기간, 코호트와 같이 시간의 흐름이 자살에 미치는 영향을 본 연구가 있다. 인구구조는 시간의 영향을 받으며, 시간을 구성하는 연령, 기간, 코호트라는 세 가지 시간차원은 ‘기간=연령+코호트’라는 선형성을 가짐으로써, 그 효과가 왜곡되어 측정될 가능성이 있는 식별의 문제를 갖고 있다. 따라서 연령, 기간, 코호트를 동시에 고려하되 이들 각각을 식별하여 자살에 미치는 영향을 볼 필요가 있는데, 이를 가능하게 하는 분석방법이 연령-기간-코호트 분석(APC 분석)이다. 자살률 추이 분석에 사용되어오던 기존의 통계청 사망원인자료는 2000년대 전까지 80세 이상 인구를 하나의 연령집단으로 분류하였으며, 자살사망의 누락 건이 많아 그 정확도가 떨어진다. 반면에 2015년부터 서비스를 시작한 통계청의 마이크로데이터 통합서비스(MDIS)에서 제공하는 사망원인자료는 80세 이상 연령집단을 세분화할 수 있으며, 사망자에 대한 정보를 5세 그룹별이 아닌 1세, 개인별로 확인할 수 있는 등 더욱 정확도가 높다. 본 연구의 목적은 한국의 자살사망률에 연령과 기간 그리고 코호트가 미치는 효과를 APC 분석을 통하여 검증하는 데 있다. 분석에 사용된 자료는 통계청 마이크로데이터 통합서비스(MDIS)에서 제공하는 사망원인통계 1997-2016년 자료 중 고의적 자해로 사망한 15세 이상 성인 남녀 229,549명의 자료이며, 해당 자료를 성별로 5년의 기간씩, 5세 연령그룹으로 구분한 뒤 인구 10만 명 당 자살률로 산출하여 분석하였다. 최종적으로 APC 분석에 사용된 연령그룹은 15개 그룹, 기간은 4개 기간, 코호트그룹은 18개 그룹이었으며, 본 연구에서는 APC 분석의 식별문제를 해결하기 위하여 CGLM APC 분석과 PLSR APC 분석을 실시하였다. APC 분석결과, 첫째, 연령, 기간, 코호트에 의한 내재모형 중 한국의 자살률을 가장 잘 설명하는 모형은 연령-기간-코호트 모형이었다. 둘째, 한국의 자살률에는 코호트효과보다 기간효과의 영향이 더 컸으며, 기간효과는 2007-2011년 기간에 가장 컸다. 셋째, 코호트효과는 베이비붐 세대의 이전 코호트에서 전반적으로 크게 나타났고, 이후 줄어드는 추이를 보였지만, 베이비붐 자녀세대인 최근 코호트에 접어들면서 다시 효과가 증가하는 추이를 보였으며, 남성보다 여성에서 자살의 코호트효과가 더 큰 것으로 나타났다. 이상의 결과는 연령, 기간, 코호트 각 요인이 자살률에 미치는 영향을 분석함에 있어 APC 분석이 필요하며, 자살예방대책 및 프로그램 마련 시 특정 연령그룹 혹은 특정 코호트 그룹을 조명하고, 그룹 특성에 따른 개입방안 구축의 필요성을 제시하는데 의의가 있다.
한국의 자살률은 전세계를 통틀어 가장 높은 수준이며, 해마다 다양한 자살연구가 이루어지고 있다. 자살연구는 자살의 위험요인을 규명하는 미시적 연구가 다수로 구조적인 요인을 규명하는 거시적 연구는 부족한 실정이다. 거시적 연구로는 인구학적 구조나 연령, 기간, 코호트와 같이 시간의 흐름이 자살에 미치는 영향을 본 연구가 있다. 인구구조는 시간의 영향을 받으며, 시간을 구성하는 연령, 기간, 코호트라는 세 가지 시간차원은 ‘기간=연령+코호트’라는 선형성을 가짐으로써, 그 효과가 왜곡되어 측정될 가능성이 있는 식별의 문제를 갖고 있다. 따라서 연령, 기간, 코호트를 동시에 고려하되 이들 각각을 식별하여 자살에 미치는 영향을 볼 필요가 있는데, 이를 가능하게 하는 분석방법이 연령-기간-코호트 분석(APC 분석)이다. 자살률 추이 분석에 사용되어오던 기존의 통계청 사망원인자료는 2000년대 전까지 80세 이상 인구를 하나의 연령집단으로 분류하였으며, 자살사망의 누락 건이 많아 그 정확도가 떨어진다. 반면에 2015년부터 서비스를 시작한 통계청의 마이크로데이터 통합서비스(MDIS)에서 제공하는 사망원인자료는 80세 이상 연령집단을 세분화할 수 있으며, 사망자에 대한 정보를 5세 그룹별이 아닌 1세, 개인별로 확인할 수 있는 등 더욱 정확도가 높다. 본 연구의 목적은 한국의 자살사망률에 연령과 기간 그리고 코호트가 미치는 효과를 APC 분석을 통하여 검증하는 데 있다. 분석에 사용된 자료는 통계청 마이크로데이터 통합서비스(MDIS)에서 제공하는 사망원인통계 1997-2016년 자료 중 고의적 자해로 사망한 15세 이상 성인 남녀 229,549명의 자료이며, 해당 자료를 성별로 5년의 기간씩, 5세 연령그룹으로 구분한 뒤 인구 10만 명 당 자살률로 산출하여 분석하였다. 최종적으로 APC 분석에 사용된 연령그룹은 15개 그룹, 기간은 4개 기간, 코호트그룹은 18개 그룹이었으며, 본 연구에서는 APC 분석의 식별문제를 해결하기 위하여 CGLM APC 분석과 PLSR APC 분석을 실시하였다. APC 분석결과, 첫째, 연령, 기간, 코호트에 의한 내재모형 중 한국의 자살률을 가장 잘 설명하는 모형은 연령-기간-코호트 모형이었다. 둘째, 한국의 자살률에는 코호트효과보다 기간효과의 영향이 더 컸으며, 기간효과는 2007-2011년 기간에 가장 컸다. 셋째, 코호트효과는 베이비붐 세대의 이전 코호트에서 전반적으로 크게 나타났고, 이후 줄어드는 추이를 보였지만, 베이비붐 자녀세대인 최근 코호트에 접어들면서 다시 효과가 증가하는 추이를 보였으며, 남성보다 여성에서 자살의 코호트효과가 더 큰 것으로 나타났다. 이상의 결과는 연령, 기간, 코호트 각 요인이 자살률에 미치는 영향을 분석함에 있어 APC 분석이 필요하며, 자살예방대책 및 프로그램 마련 시 특정 연령그룹 혹은 특정 코호트 그룹을 조명하고, 그룹 특성에 따른 개입방안 구축의 필요성을 제시하는데 의의가 있다.
South Korea has the highest suicide mortality rates in the world. In south korea, various suicide studies are conducted every year. Some studies have analyzed the effects of age, period, and cohort on suicide separately. However, it is possible that these age, period, and cohort effects were distort...
South Korea has the highest suicide mortality rates in the world. In south korea, various suicide studies are conducted every year. Some studies have analyzed the effects of age, period, and cohort on suicide separately. However, it is possible that these age, period, and cohort effects were distorted due to the linearity of ‘period=age+cohort’. Therefore, it is necessary to measure the age, period, and cohort effects by the undistorted method. Age-period-cohort analysis can solve the distortion. The purpose of this study is to verify the age, period, and cohort effects on the suicide mortality rates in south korea. The data used in the analysis were analyzed by dividing 229,549 adults aged from 15 to 84, and 85&older who died of intentional self-harm into five years-interval and five age group-interval among the year 1997-2016 data provided by ‘MicroData Intergrated Service’ of KOSTAT. There were 15 age groups, 4 periods, and 18 cohort groups in the APC analysis. Suicide rates were calculated by per 100,000 people. According to the APC analysis, first, the age-period-cohort model is the best model for explaining suicide mortality rates of south korea among the relevant submodels by age, period, and cohort model. Second, the suicide rates in south korea were more affected by the period effect than by the cohort effect, and the period effect was the highest in 2010. Third, the suicide rates have increased young cohort groups who born after 1974, especially in women. The results of this study are meaningful in suggesting the need to establish an intervention plan according to the characteristics of a specific age group or cohort group in preparing suicide prevention measures and programs.
South Korea has the highest suicide mortality rates in the world. In south korea, various suicide studies are conducted every year. Some studies have analyzed the effects of age, period, and cohort on suicide separately. However, it is possible that these age, period, and cohort effects were distorted due to the linearity of ‘period=age+cohort’. Therefore, it is necessary to measure the age, period, and cohort effects by the undistorted method. Age-period-cohort analysis can solve the distortion. The purpose of this study is to verify the age, period, and cohort effects on the suicide mortality rates in south korea. The data used in the analysis were analyzed by dividing 229,549 adults aged from 15 to 84, and 85&older who died of intentional self-harm into five years-interval and five age group-interval among the year 1997-2016 data provided by ‘MicroData Intergrated Service’ of KOSTAT. There were 15 age groups, 4 periods, and 18 cohort groups in the APC analysis. Suicide rates were calculated by per 100,000 people. According to the APC analysis, first, the age-period-cohort model is the best model for explaining suicide mortality rates of south korea among the relevant submodels by age, period, and cohort model. Second, the suicide rates in south korea were more affected by the period effect than by the cohort effect, and the period effect was the highest in 2010. Third, the suicide rates have increased young cohort groups who born after 1974, especially in women. The results of this study are meaningful in suggesting the need to establish an intervention plan according to the characteristics of a specific age group or cohort group in preparing suicide prevention measures and programs.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.