본 연구는 조사연구의 과정에서 활용 가능한 공간분석의 유용성을 지리정보시스템(GIS)과 공간적 이질성을 고려하는 지리적 가중 회귀분석(GWR)을 통해 탐색한다. 많은 사회현상은 공간적 차원을 포함하고 있으며, GIS, GPS 단말장치, 온라인 위치기반 서비스의 발달로 위치정보의 수집과 활용이 용이해짐에 따라 조사연구의 과정에서 공간정보를 활용하는 분석이 이전보다 훨씬 더 용이해지고 있다. 관찰의 독립성과 오차의 동분산성을 가정하는 전통적 회귀분석은 공간적 의존성을 분석하지 못한다. GWR 분석은 속성정보뿐만 아니라 공간정보를 활용하는 공간분석 기법으로서, 공간적으로 근접한 사례들은 유사성을 가진다는 가정에 따라 지리적 가중함수를 활용한다. A 기초자치단체 주민들을 대상으로 한 조사연구 자료를 공간정보와 결합시킨 후 간단한 행정만족도 모형을 추정해 본 결과, 지리적 가중 회귀분석은 전통적 회귀분석에 비해 공간적 자기상관의 문제를 극복하고 모형의 부합도를 증가시키는 것으로 나타났다. GWR 결과를 GIS와 결합시켜 독립변수 효과의 공간적 변이를 시각화시켜 봄으로써, 변수들의 효과와 관계를 더 자세하고 풍부하게 이해할 수 있다. 나아가서 이 기법은 특정 변수의 효과가 예외적으로 낮거나 높은 지역을 더 쉽게 밝혀냄으로써 정책방안을 모색하는 데에도 유용하게 활용될 수 있다.
본 연구는 조사연구의 과정에서 활용 가능한 공간분석의 유용성을 지리정보시스템(GIS)과 공간적 이질성을 고려하는 지리적 가중 회귀분석(GWR)을 통해 탐색한다. 많은 사회현상은 공간적 차원을 포함하고 있으며, GIS, GPS 단말장치, 온라인 위치기반 서비스의 발달로 위치정보의 수집과 활용이 용이해짐에 따라 조사연구의 과정에서 공간정보를 활용하는 분석이 이전보다 훨씬 더 용이해지고 있다. 관찰의 독립성과 오차의 동분산성을 가정하는 전통적 회귀분석은 공간적 의존성을 분석하지 못한다. GWR 분석은 속성정보뿐만 아니라 공간정보를 활용하는 공간분석 기법으로서, 공간적으로 근접한 사례들은 유사성을 가진다는 가정에 따라 지리적 가중함수를 활용한다. A 기초자치단체 주민들을 대상으로 한 조사연구 자료를 공간정보와 결합시킨 후 간단한 행정만족도 모형을 추정해 본 결과, 지리적 가중 회귀분석은 전통적 회귀분석에 비해 공간적 자기상관의 문제를 극복하고 모형의 부합도를 증가시키는 것으로 나타났다. GWR 결과를 GIS와 결합시켜 독립변수 효과의 공간적 변이를 시각화시켜 봄으로써, 변수들의 효과와 관계를 더 자세하고 풍부하게 이해할 수 있다. 나아가서 이 기법은 특정 변수의 효과가 예외적으로 낮거나 높은 지역을 더 쉽게 밝혀냄으로써 정책방안을 모색하는 데에도 유용하게 활용될 수 있다.
This study investigates the utilities of spatial analysis in the context of survey research using Geographical Information System(GIS) and Geographically Weighted Regression (GWR) which take account of spatial heterogeneity. Many social phenomena involve spatial dimension, and with the development o...
This study investigates the utilities of spatial analysis in the context of survey research using Geographical Information System(GIS) and Geographically Weighted Regression (GWR) which take account of spatial heterogeneity. Many social phenomena involve spatial dimension, and with the development of GIS, GPS receiver, and online location-based services, spatial information can be collected and utilized more easily, and thus application of spatial analysis in the survey research is getting easier. The traditional OLS regression models which assume independence of observations and homoscedasticity of errors cannot handle spatial dependence problem. GWR is a spatial analysis technique which utilizes spatial information as well as attribute information, and estimated using geographically weighted function under the assumption that spatially close cases are more related than distant cases. Residential survey data from a Primary Autonomous District are used to estimate a model of public service satisfaction. The findings show that GWR handles the problem of spatial auto-correlation and increases goodness-of-fit of model. Visualization of spatial variance of effects of the independent variables using GIS allows us to investigate effects and relationships of those variables more closely and extensively. Furthermore, GIS and GWR analyses provide us a more effective way of identifying locations where the effect of variable is exceptionally low or high, and thus finding policy implications for social development.
This study investigates the utilities of spatial analysis in the context of survey research using Geographical Information System(GIS) and Geographically Weighted Regression (GWR) which take account of spatial heterogeneity. Many social phenomena involve spatial dimension, and with the development of GIS, GPS receiver, and online location-based services, spatial information can be collected and utilized more easily, and thus application of spatial analysis in the survey research is getting easier. The traditional OLS regression models which assume independence of observations and homoscedasticity of errors cannot handle spatial dependence problem. GWR is a spatial analysis technique which utilizes spatial information as well as attribute information, and estimated using geographically weighted function under the assumption that spatially close cases are more related than distant cases. Residential survey data from a Primary Autonomous District are used to estimate a model of public service satisfaction. The findings show that GWR handles the problem of spatial auto-correlation and increases goodness-of-fit of model. Visualization of spatial variance of effects of the independent variables using GIS allows us to investigate effects and relationships of those variables more closely and extensively. Furthermore, GIS and GWR analyses provide us a more effective way of identifying locations where the effect of variable is exceptionally low or high, and thus finding policy implications for social development.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문은 기초단치단체의 주민들을 대상으로 한 조사연구 자료를 이용하여 공간적 변 이를 분석하여 봄으로써, 조사연구의 과정에서 공간정보를 활용하고 공간적 의존성을 분석하는 방법의 유용성을 평가해 보고자 한다. 아래에서는 GIS 활용과 GWR 기법에 대해 설명한 후 행정만족도에 대한 간략한 회귀모형을 구성하고 지리적 가중 회귀분석을 실시함으로써, 일반적 회귀분석이 해결하지 못하는 공간적 변이에 대한 공간 분석기법의 장점과 과제를 검토하고자 한다.
본 논문은 기초단치단체의 주민들을 대상으로 한 조사연구 자료를 이용하여 공간적 변 이를 분석하여 봄으로써, 조사연구의 과정에서 공간정보를 활용하고 공간적 의존성을 분석하는 방법의 유용성을 평가해 보고자 한다. 아래에서는 GIS 활용과 GWR 기법에 대해 설명한 후 행정만족도에 대한 간략한 회귀모형을 구성하고 지리적 가중 회귀분석을 실시함으로써, 일반적 회귀분석이 해결하지 못하는 공간적 변이에 대한 공간 분석기법의 장점과 과제를 검토하고자 한다.
특히 지역모형의 분석 결과는 GIS와 결합됨으로써 추가적인 분석을 가능하게 해준다. 아래에서는 모형 부합도의 측면에서 지역모형이 전역모형에 비해 우수하다고 할 수 있는지와 공간적 위치에 따라 효과의 변이가 어떻게 나타나는가를 분석하고자 한다.
가설 설정
지리적 가중 회귀분석(GWR)은 공간적 분석기법의 하나로 속성정보와 더불어 지리적 정보를 활용한다. 일반최소자승법(OLS)을 이용하는 전통적 회귀분석은 공간적으로 안정된(stationary), 그리하여 위치에 따른 차이가 없는 것으로 가정한다. 즉 독립변수의 효과가 연구대상 지역의 모든 곳에서 동일하게 나타나는 것으로 가정한다.
일반최소자승법(OLS)을 이용하는 전통적 회귀분석은 공간적으로 안정된(stationary), 그리하여 위치에 따른 차이가 없는 것으로 가정한다. 즉 독립변수의 효과가 연구대상 지역의 모든 곳에서 동일하게 나타나는 것으로 가정한다. 그러나 행정만족도와 같은 많은 사회현상은 접근성과 밀접한 관련이 있고, 특히 본 연구의 대상이 되는 지역과 같이 지역의 특성이 복합적인 경우에는 공간적 변이가 더 많이 나타날 수밖에 없다.
제안 방법
1) 전체 조사의 표본은 총 1,250 사례로, 주민(통·반장, 주민대표 포함), 행정서비스 이용자(비거주자 포함), 주민센터에서 운영하는 생활문화 프로그램 이용자, 공무원 등을 대상으로 다단계층화집락 표집의 방법으로 구성되었다.
자동으로 설정하는 경우 관찰값과 추정값 간의 차이만 고려하는 CV 방식보다는 그 차이와 더불어 모형의 복합성을 고려하는 AICc 방식이 선호된다. 본 분석에서도 수정 부합지수 AICc 값을 최소화시키는 방법으로 적정 대역폭을 계산하도록 설정하였다.
본 연구에서 전역모형은 행정만족도를 종속변수로 하고 주민센터 생활문화 프로그램 만족도, 응답자 가구와 주민센터 근접성, 응답자 연령,2) 온라인 주민 서비스 만족도, 지하철역 근접성을 독립변수로 하여 구성하였다. 만족도 변수는 리커트(5점) 척도로 측정하였다.
본 연구에서 지역모형은, 종속변수와 독립변수는 전역모형과 동일하지만, 공간적 이질성을 고려하여 추정의 방법을 달리한 것이다. GWR 분석에 사용할 수 있는 패키지가 몇 가지 있지만, 본 연구에서는 자료의 시각화에 유용한 ArcGIS의 공간적 통계분석 모듈의 하나인 지리적 가중 회귀모형 도구를 이용하였다.
위치정보를 이용한 공간분석을 실시하기 위해서는 속성정보와 공간정보를 연결시키는 지오코딩(geocoding) 과정이 요구된다. 이 분석에서 각 사례의 위치정보 입력은 번지가 기록된 경우에는 지리정보시스템의 주소검색을 이용하였고, 검색 결과 일치하는 목록이 없는 경우에는 동별 상세 지도와 대조하여 위치를 확인하였으며, 번지가 없고 통과 반의 정보만 있는 경우에는 해당 반의 가운데 지점 좌표를 사용하였다.
대상 데이터
본 분석에 사용된 표본은 A지역 거주민 응답자 중 ‘면접원 사후 기록’란에 주소가 구체적으로 기록되어 위치 확인이 가능한 242 사례이다.
본 연구에 사용된 자료는 A 지역(기초자치단체)의 행정동 통폐합을 위한 주민 의견 조사 결과의 일부이다. 총 15개의 행정동으로 구성된 A 지역은 대도시의 중심에 위치하며, 업무지구, 주거지구, 복합지구의 구분이 비교적 뚜렷한 곳이다.
이론/모형
범주 구분에 따른 정보의 왜곡은 다른 시각적 자료에서도 나타날 수 있는 문제이지만(Tufte 2001), 지도의 경우 주제 정보가 공간적 정보와 결합됨으로써 정보의 왜곡이 훨씬 더 심하게 나타날 수 있다. GIS에서는 흔히 동일급간 분류, 분위수 분류, 자연적 분류, 인위적 분류 방식 등이 사용되는데, 본 연구에는 자연적 분류 방식을 따랐다. 자연적 분류는 자료의 분포 속에서 의미가 통하는 분류 지점을 찾아내는 알고리즘에 따라 자료를 분류하는 방식으로, 일반적인 상황에서는 가장 현실적인 분류방식이라 할 수 있다(LeGates 2005: 89).
본 연구에서 지역모형은, 종속변수와 독립변수는 전역모형과 동일하지만, 공간적 이질성을 고려하여 추정의 방법을 달리한 것이다. GWR 분석에 사용할 수 있는 패키지가 몇 가지 있지만, 본 연구에서는 자료의 시각화에 유용한 ArcGIS의 공간적 통계분석 모듈의 하나인 지리적 가중 회귀모형 도구를 이용하였다.3) GWR 분석을 위해서 분석 환경을 설정해야 되는데, 먼저 지리적 가중을 위한 커널(kernel) 함수의 유형은 연구지역 내에서 관찰 사례의 위치가 불규칙하게 분포하므로 식(4)에 따라 가중치를 계산하는 ‘ADAPTIVE’ 방식을 선택하였다.
온라인 주민 서비스 만족도, 지하철역 근접성을 독립변수로 하여 구성하였다. 만족도 변수는 리커트(5점) 척도로 측정하였다. 주민센터 및 지하철역 근접성(proximity)은 좌표상의 직선거리로 측정하되 위치 좌표가 근사적으로 입력된 사례가 많다는 점을 감안하여 실제 거리를 5단계로 구분하여, 주민센터 근접성은 200m 단위, 그보다 좀더 조밀하게 분포하는 지하철역 근접성은 150m 단위로 부호화하였다.
성능/효과
프로그램 만족도의 경우 전역모형에서 그 계수가 0.375였는데(p < .01) 지역모형에서는 모두 양의 효과를 가지며 0.329에서 0.420의 범위를 보인다.
행정만족도에 대한 GWR 분석 결과는 A 지역 내의 위치에 따라 모형에 포함된 독립변수의 효과가 차이가 있다는 것을 보여준다. 이와 같이 연구대상 지역 내에서 상당한 공간적 변이가 존재하는 경우, GWR 기법은 지리적 가중을 통해 이러한 공간적 변이를 효과적으로 분석할 수 있게 해준다.
후속연구
종속변수에 영향을 주는 독립변수 효과의 공간적 변이를 시각화시킴으로써 변수들의 효과와 관계를 더 자세하고 분명하게 분석할 수 있다. 나아가서 특정 변수의 효과가 예외적으로 낮거나 높은 지역을 더 쉽게 찾아내게 함으로써, 그 원인을 추적하여 문제를 개선시키는 방안을 모색할 수 있게 해준다.
최근 들어 정확도가 높은 GPS 단말기와 위치정보 확인 기능이 내장된 휴대전화 단말기의 보급이 늘어나고 있기 때문에 큰 비용 부담이 없이도 조사연구의 과정에서 공간정보를 활용하는 것이 가능해지고 있다. 서두에서 언급되었듯이 조사연구의 과정에서 GIS의 활용은 많은 이점을 가지고 있기 때문에 이를 활용하는 연구가 점차 일반화될 것이다. 이에 따라 속성정보와 공간정보 간의 결합이 더 늘어날 것이고, 그 결과 GWR과 같은 공간분석 기법의 활용도 늘어날 것으로 예상된다.
질의응답
핵심어
질문
논문에서 추출한 답변
사회현상의 공간적 변이를 실증적으로 분석하기 위해서는 무엇이 필요한가?
사회현상의 공간적 변이를 실증적으로 분석하기 위해서는 연구대상이 되는 지역을 포괄하면서도 공간적 정보를 가진 자료가 필요한데, 대규모 센서스가 아닌 일반적인 조사연구의 자료는 그렇지 않은 경우가 많다. 전국적 규모의 일반적 조사연구에서는 자료의 지역적 포괄성이 확보되기 어렵다.
GIS는 어떠한 분야에서 가장 많이 활용되는가?
GIS는 지리학 분야에서 가장 많이 활용되고 있지만, 사회현상의 공간적 측면에 대한 이해는 여타 사회과학 분야에서도 요구되기 때문에 GIS를 이용한 공간분석은 다양한 분야에서 활용할 수 있다. 예컨대 사회학자들은 성별구성이나 직업구조 등과 같은 쟁점을 탐구하기 위해 센서스 자료를 사용하는데, 이러한 쟁점들은 공간적 차원을 가지고 있기 때문에 GIS를 활용함으로써 센서스 자료에 대한 훨씬 더 풍부한 사회학적 분석을 할 수 있다(Bertaud & Stephen 2003; Brewer & Suchan 2001; Peters & MacDonald 2004).
지리적 가중 회귀분석은 무엇인가?
관찰의 독립성과 오차의 동분산성을 가정하는 전통적 회귀분석은 공간적 의존성을 분석하지 못한다. GWR 분석은 속성정보뿐만 아니라 공간정보를 활용하는 공간분석 기법으로서, 공간적으로 근접한 사례들은 유사성을 가진다는 가정에 따라 지리적 가중함수를 활용한다. A 기초자치단체 주민들을 대상으로 한 조사연구 자료를 공간정보와 결합시킨 후 간단한 행정만족도 모형을 추정해 본 결과, 지리적 가중 회귀분석은 전통적 회귀분석에 비해 공간적 자기상관의 문제를 극복하고 모형의 부합도를 증가시키는 것으로 나타났다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.