본 논문은 수도권 내 지역을 도시적 특성에 따라 군집 분석하여 수도권의 지역유형을 구분하고 그 특성을 파악하고자 하였다. 수도권 도시의 유형화를 위해 2005년을 시점으로 도시의 구성요소인 인구, 활동, 토지 및 시설을 나타내는 지표 10가지를 선정하였으며, 주성분분석을 통해 변수들의 공통된 특성이나 유사한 성질에 따라 공통인자를 추출하였다. 추출된 인자에 대한 인자득점을 이용하여 군집분석을 행하였고, 군집분석의 방법은 계층적 군집방법인 최단연결법, 최장연결법, 평균연결법, 와드법을 이용하였다. 그 결과 수도권을 5개의 군집으로 유형화 할 수 있었다.
본 논문은 수도권 내 지역을 도시적 특성에 따라 군집 분석하여 수도권의 지역유형을 구분하고 그 특성을 파악하고자 하였다. 수도권 도시의 유형화를 위해 2005년을 시점으로 도시의 구성요소인 인구, 활동, 토지 및 시설을 나타내는 지표 10가지를 선정하였으며, 주성분분석을 통해 변수들의 공통된 특성이나 유사한 성질에 따라 공통인자를 추출하였다. 추출된 인자에 대한 인자득점을 이용하여 군집분석을 행하였고, 군집분석의 방법은 계층적 군집방법인 최단연결법, 최장연결법, 평균연결법, 와드법을 이용하였다. 그 결과 수도권을 5개의 군집으로 유형화 할 수 있었다.
This paper has analyzed Seoul metropolitan area on the basis of cluster characteristics and it is to understand the traits of each clusters. In order to modelize the area, 10 different indicators were selected among components of a city such as population, activities, land and facilities. Also throu...
This paper has analyzed Seoul metropolitan area on the basis of cluster characteristics and it is to understand the traits of each clusters. In order to modelize the area, 10 different indicators were selected among components of a city such as population, activities, land and facilities. Also through principal component analysis, similar characteristics or congenialities of the variables were derived as a common factor. The result was organized by factor score from hierarchical clustering method and as a final result, metropolitan area was clustered into five areas.
This paper has analyzed Seoul metropolitan area on the basis of cluster characteristics and it is to understand the traits of each clusters. In order to modelize the area, 10 different indicators were selected among components of a city such as population, activities, land and facilities. Also through principal component analysis, similar characteristics or congenialities of the variables were derived as a common factor. The result was organized by factor score from hierarchical clustering method and as a final result, metropolitan area was clustered into five areas.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 수도권 도시의 지역구조를 규명하기 위하여 도시를 구성하는 요소를 지표로 설정하여 등질 지역구조를 분석함으로써 수도권을 유형화 하였다.
이러한 배경을 바탕으로 본 연구는 도시적 특성에 따라 수도권 내 지역을 군집분석 해봄으로써 수도권의 지역유형을 구분하고 그 특성을 파악하는데 목적을 두고 있다.
제안 방법
군집분석에 앞서 지역유형화를 위해 선정된 10개의 변수에 대해 변수들의 공통된 특성이나 유사한 성질에 따라 소수의 공통인자를 찾아내는 주성분분석을 실시하였다. 손승호(2005)는 군집분석을 실시함에 있어서 속성변수를 그대로 이용하지 않고 주성분분석을 통해 얻어진 인자득점을 이용하여 분석함으로써 명료한 지역구분이 가능하다고 지적하였다.
또한 계층적 군집방법에 속하는 최단연결법, 최장연결법, 평균연결법, 와드법의 분석결과를 각각 비교하였다. 최단연결법을 제외한 나머지 방법들은 대체적으로 비슷한 분석결과를 나타냄을 확인하였고, 최단연결 법의 경우 군집결과가 사슬효과를 나타내면서 본 연구와 같은 지역의 구분에는 적합하지 않은 것으로 판단되었다.
본 연구는 2005년을 기준으로 수도권 도시의 유형화를 위해 도시를 구성하는 요소를 나타내는 10개의 변수를 선정하여 주성분분석과 군집분석을 실시하였으며, 그 결과 수도권 지역을 5개의 군집으로 유형화 하였다.
본 연구는 수도권 도시의 유형화를 위해 도시를 구성하는 요소를 나타내는 변수를 설정하고, 이 변수들에 대해 주성분분석을 실시하여 공통인자를 추출하였다. 추출된 인자에 대한 인자득점을 이용하여 군집분석을 실시하여 지역의 유형을 구분하였다.
군집분석(cluster analysis)은 이질적인 요소가 섞여 있는 대상을 그것들의 유사도(similarity)에 기초해서 서로 닮은 것끼리 모아 몇 개의 군집으로 분류하는 방법이다(신윤철, 2003). 유사도에 근거하여 개체들을 알려지지 않은 군집을 형성하고, 형성된 군집의 특성을 분석함으로써 군집들 간의 관계를 분석 할 수 있다. 군집분석의 목적은 분류된 군집에 있어서 주어진 군집 내에 있는 개체들끼리는 어떤 의미로 서로 유사하게 되는 경향이 있고, 서로 다른 군집에 속한 개체들 간에는 가능한 서로 유사하지 않게 되는 경향이 있도록 배치하는 것이다(이성석, 1997).
적절한 군집의 수를 결정하기 위해서 판정기준(R2, pseudo-F, ccc, pseudo-t 2 )을 군집의 개수에 대하여 플롯으로 나타내었다. 판정기준에 따라 플롯을 분석한 결과 최단연결법, 최장연결법, 와드법은 군집의 수가 5개, 평균연결법은 군집의 수가 6개 일때 가장 적합한 것으로 판단되었다.
본 연구는 수도권 도시의 유형화를 위해 도시를 구성하는 요소를 나타내는 변수를 설정하고, 이 변수들에 대해 주성분분석을 실시하여 공통인자를 추출하였다. 추출된 인자에 대한 인자득점을 이용하여 군집분석을 실시하여 지역의 유형을 구분하였다.
대상 데이터
본 연구에서는 수도권 도시의 유형화를 위해 도시를 구성하는 요소를 기준으로 동질성을 나타내는 지표를 사용하여 10개의 변수를 선정하였으며, 이 변수들은 시·군·구별로 2005년도 말에 조사된 자료를 이용하였다.
분석의 공간적 단위는 서울시와 인천시의 경우 ‘구’로, 경기도 지역의 경우 ‘시·군’으로 설정하여 전체 66개 시·군·구 지역 (서울 25개, 인천 10개, 경기도 31개 지역)을 설정하였으며, 연구시점은 2005년이다.
연구의 공간적 범위는 수도권으로 분류된 서울시와 인천시, 그리고 경기도 전역을 포함한다. 분석의 공간적 단위는 서울시와 인천시의 경우 ‘구’로, 경기도 지역의 경우 ‘시·군’으로 설정하여 전체 66개 시·군·구 지역(서울 25개, 인천 10개, 경기도 31개 지역)을 설정하였으며, 연구시점은 2005년이다.
데이터처리
본 연구에서는 수집된 변수를 대상으로 주성분분석을 실시하는 것이 의미가 있는지를 파악하기 위하여 Kaiser-Meyer-Oklin(KMO)검정과 Bartlett의 구형성 검정을 실시하였다. 그 결과 KMO 값이 0.
분석을 위한 통계적 도구로는 SAS 9.2와 SPSS 12.0을 사용하였으며, 결과는 ArcGIS v.9.3을 이용해 나타 내었다.
주성분분석을 통해 추출된 4개의 인자에 대해 각 지역이 가지는 인자득점을 이용하여 계층적 군집방법에 속하는 최단연결법, 최장연결법, 평균연결법, 와드법을 이용하여 군집분석하였다.
성능/효과
본 연구에서는 수집된 변수를 대상으로 주성분분석을 실시하는 것이 의미가 있는지를 파악하기 위하여 Kaiser-Meyer-Oklin(KMO)검정과 Bartlett의 구형성 검정을 실시하였다. 그 결과 KMO 값이 0.702로 주성 분분석을 위한 변수들의 선정이 좋은 편으로 판명되었으며, 마찬가지로 Bartlett의 구형성 검정 결과 유의확률이 0.05보다 작은 0.000으로 수집된 변수들을 대상으로 한 주성분분석의 사용이 적합하며, 각 변수 간 공통인자가 존재한다고 결론지었다. 또한 베리멕스(varimax)회전법을 사용하여 인자추출과정에서 인자 축을 직각회전 시켰는데, 이는 개별변수를 설명하는 인자의 수가 최소가 되도록 열을 단순화시키는 방향으로 요인 축을 회전시킴으로써 특정 변수가 어느 요인에 의하여 설명되는지를 명확하게 파악할 수 있게 한다.
분석 결과를 종합적으로 살펴보면 서울시는 인구와 산업이 집중된 대도시의 중심지 기능을 하고 있었으며, 이를 중심으로 도시적 특성이 동심원 형태로 퍼져나가는 것을 알 수 있었다. 즉, 수도권의 중심이라고 할 수 있는 서울시가 주변지역으로 그 영향력을 확장해 나가고 있다고 할 수 있으며, 외곽으로 나갈수록 도시적 특성이 미약하게 나타났다.
주성분분석의 결과 고유치가 1이상인 인자들을 추출하였으며, 추출된 총 4개의 인자들은 전체에 대해 91.3%의 설명력을 가진다. 추출된 인자들에 대한 부하량은 표 2와 같다.
분석 결과를 종합적으로 살펴보면 서울시는 인구와 산업이 집중된 대도시의 중심지 기능을 하고 있었으며, 이를 중심으로 도시적 특성이 동심원 형태로 퍼져나가는 것을 알 수 있었다. 즉, 수도권의 중심이라고 할 수 있는 서울시가 주변지역으로 그 영향력을 확장해 나가고 있다고 할 수 있으며, 외곽으로 나갈수록 도시적 특성이 미약하게 나타났다. 그동안 개발규제를 받아온 연천군, 가평군, 양평군 등의 지역은 개발수준이 낮고 도시적 용도변화가 미흡한 지역으로, 이들 지역에 대한 차별화된 대책이 필요할 것으로 사료된다.
그동안 개발규제를 받아온 연천군, 가평군, 양평군 등의 지역은 개발수준이 낮고 도시적 용도변화가 미흡한 지역으로, 이들 지역에 대한 차별화된 대책이 필요할 것으로 사료된다. 지방세 징수액이 매우 높아 단독으로 분류된 과천시의 경우 지방세 징수액을 제외하고 분석하였을 때에도 단독 군집을 형성하는 것을 확인하였는데, 이를 통해 과천시가 다른 도시들과는 차별된 특성을 가지고 있다는 것을 알 수 있었다.
또한 계층적 군집방법에 속하는 최단연결법, 최장연결법, 평균연결법, 와드법의 분석결과를 각각 비교하였다. 최단연결법을 제외한 나머지 방법들은 대체적으로 비슷한 분석결과를 나타냄을 확인하였고, 최단연결 법의 경우 군집결과가 사슬효과를 나타내면서 본 연구와 같은 지역의 구분에는 적합하지 않은 것으로 판단되었다.
, pseudo-F, ccc, pseudo-t 2 )을 군집의 개수에 대하여 플롯으로 나타내었다. 판정기준에 따라 플롯을 분석한 결과 최단연결법, 최장연결법, 와드법은 군집의 수가 5개, 평균연결법은 군집의 수가 6개 일때 가장 적합한 것으로 판단되었다.
후속연구
이러한 측면에서 본 연구는 지역특성에 따라 지역유형구분을 시도함으로써 그 의미를 가지며, 수도권을 도시적 특성에 따라 유형화하고 특성을 파악함으로써 향후 수도권 관리를 위한 계획 및 정책을 수립하는데 참고자료로 활용될 수 있을 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
군집분석이란 무엇인가?
군집분석(cluster analysis)은 이질적인 요소가 섞여 있는 대상을 그것들의 유사도(similarity)에 기초해서 서로 닮은 것끼리 모아 몇 개의 군집으로 분류하는 방법이다(신윤철, 2003). 유사도에 근거하여 개체들을 알려지지 않은 군집을 형성하고, 형성된 군집의 특성을 분석함으로써 군집들 간의 관계를 분석 할 수 있다.
군집분석에서 사용되는 거리는 산출방법에 따라 어떤 것들이 있는가?
거리가 상대적으로 가까운 개체들끼리 같은 군집을 이루게 하여 군집내의 변동이 군집간의 변동보다 작게 하는 것이 군집분석의 기본적 절차라 할 수 있다. 여기서 사용되는 거리는 산출방법에 따라 유클리드(Euclid) 거리, 마할라노비스 (Mahalanobis) 거리, 민코우스키(Minkowski) 거리, 도시블럭(city-block) 거리 등이 있다.
군집분석의 목적은 무엇인가?
유사도에 근거하여 개체들을 알려지지 않은 군집을 형성하고, 형성된 군집의 특성을 분석함으로써 군집들 간의 관계를 분석 할 수 있다. 군집분석의 목적은 분류된 군집에 있어서 주어진 군집 내에 있는 개체들끼리는 어떤 의미로 서로 유사하게 되는 경향이 있고, 서로 다른 군집에 속한 개체들 간에는 가능한 서로 유사하지 않게 되는 경향이 있도록 배치하는 것이다(이성석, 1997).
참고문헌 (15)
김기영, 전명식, 1990, 고려대학교 통계연구소 통계분석강의총서 9, SAS 군집분석, 자유아카데미.
김동주, 1980, 군집분석을 이용한 우리나라 국토공간의 권역설정, 석사학위논문, 연세대학교.
천대윤, 2002, 통계자료분석, 사회조사분석, 정책평가분석을 위한 종합 SAS 통계분석, 교우사.
Brian, E., Sabine, L., and Morve, L., 2001, ClusterAnalysis, Fourth Edition, NY: Oxford University Press.
Chris, F. and Adrian E. R., 1998, "How Many Clusters? Which Clustering Method? Answers Via Model-Based Cluster Analysis", The Computer Journal, Vol. 41, No.8, pp.578-588.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.