선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 따라서본 연구는 소셜 빅 데이터를 활용하여 자살검색의 개인별 요인과 지역·환경적 요인을 검증함으로써 자살 관련된 실질적인 행동을 예측하여 정부차원의 온라인 자살예방 대응체계를 마련하고자 한다.
- 본 연구는 소셜 빅 데이터를 활용하여 우리나라의 자살검색 요인과 자살검색 예측모형을 개발하기 위해 다변량 분석을 실시하였다. 자살검색 예측모형의 개발은 다중 회귀분석을 적용하였으며, 성인과 청소년 집단의 자살검색이 실제 자살률에 미치는 영향은 다중집단 구조모형으로 검증하였다.
- 본 연구는 소셜 빅 데이터의 담론에서 자살과 관련된 빅 데이터와 오프라인 통계데이터의 연계를 통하여 우리나라 자살 검색의 예측요인을 다변량 분석으로 살펴보았다. 이를 위해 소셜 빅 데이터에서 2011.
- 본 연구에서는 소셜 빅 데이터와 오프라인 빅 데이터의 연계를 통해 성인과 청소년의 자살 검색에 대한 요인을 검증하고 예측모형을 개발하였다. 본 연구를 근거로 우리나라의 자살예방과 관련하여 다음과 같은 정책적 함의를 도출할 수 있다.
가설 설정
- 이는 본 연구에서 사용된 변수가 일일 검색량에 기인한 것으로, 향후 개인별 버즈에 대한 심청연구를 수행한다면 연구에 사용된 소셜 빅 데이터의 변수 간 인과관계를 밝힐 수 있을 것으로 본다. 넷째, 본 연구의 다중회귀 모형에서는 자살률과 다른 환경변수를 예측모형으로 사용하여 소셜 빅 데이터의 자살 검색에 영향을 미칠 것이라는 가정을 하여 구조모형과의 연관관계를 충분히 설명하지 못하였다. 이는 본 연구에서의 다중회귀분석은 소셜 빅 데이터의 자살 검색에 미치는 예측요인을 살펴보기 위해 본 연구의 연구모형과 연구가설과는 별도로 분석된 것으로, 향후 소셜 빅 데이터 자살 검색이 자살률에 미치는 영향에 대한 연구가 수행되어야 할 것으로 본다.
제안 방법
- 본 연구는 소셜 빅 데이터를 활용하여 우리나라의 자살 검색 요인과 자살검색 예측모형 개발을 위한 다변량 분석이 목적으로 성인과 청소년 집단의 자살요인의 비교 분석은 다중집단 구조모형5)으로 구성하였고[Figure 1]6), 월별 청소년 자살률, 기후, 경제활동과 일별 스트레스, 음주, 운동 검색량이 청소년 자살 검색의 결정요인에 미치는 영향을 분석하기 위하여 다층모형(Multi-level Model)으로 구성 하였다[Figure 1]. 본 연구의 다층모형의 월별 요인은 이혼율, 출생률, 경제활동참가율 등이 자살과 연관이 있다는 연구(Kowalski et al.
- 본 연구의 측정도구 중 종속변수로는 소셜 빅 데이터에서 수집된 자살 검색량을 사용하였으며 독립변수로는 소셜 빅 데이터에서 수집된 스트레스·음주·운동 검색량과 통계청 사망원인 통계자료의 2011년 일별 전체 자살자 수와 청소년(19세 미만) 자살자 수, 기상청의 일별 평균습도와 미세먼지량을 사용하였다.
- 31(365일)까지 해당 채널에서 자살관련 토픽(성인추정 Buzz: 321,506건, 청소년 추정 Buzz: 67,742건)을 수집하였으며, 수집된 토픽 중 스트레스(성인 Buzz: 14,504건, 청소년 Buzz: 9,232건), 음주(성인 Buzz: 2,241, 청소년 Buzz: 2,818건), 운동(성인 Buzz: 6,256, 청소년 Buzz: 6,629건) 토픽을 추출하여 분석하였다8). 그리고 자살토픽의 수집은 요일별, 주말, 휴일을 고려하지 않고 매 시간단위로 수집하였다9). 본 연구의 측정도구 중 종속변수로는 소셜 빅 데이터에서 수집된 자살 검색량을 사용하였으며 독립변수로는 소셜 빅 데이터에서 수집된 스트레스·음주·운동 검색량과 통계청 사망원인 통계자료의 2011년 일별 전체 자살자 수와 청소년(19세 미만) 자살자 수, 기상청의 일별 평균습도와 미세먼지량을 사용하였다.
- 본 연구의 측정도구 중 종속변수로는 소셜 빅 데이터에서 수집된 자살 검색량을 사용하였으며 독립변수로는 소셜 빅 데이터에서 수집된 스트레스·음주·운동 검색량과 통계청 사망원인 통계자료의 2011년 일별 전체 자살자 수와 청소년(19세 미만) 자살자 수, 기상청의 일별 평균습도와 미세먼지량을 사용하였다. 그리고 자살검색 예측모형에는 월별 이혼자 수와 출산아 수 통계자료를 사용하였고, 다층분석의 일별 독립변수로는 스트레스 운동 음주 검색량 사용하였으며, 월별 독립변수로는 통계청의 2011년 월별 청소년 자살자 수, 월별 경제활동 참가율과 기상청의 2011년 월별 평균습도를 사용하였다.
- 그리고 본 연구의 다층모형의 모수 추정 방식은 무선효과(random effect)의 분산을 추정하는 과정에서 고정효과(fixed effect)의 자유도 감소를 고려하는 한정최대우도추정법(REstricted Maximum Likelihood [REML])을 사용하였다(Raudenbush & Bryk, 2002). 고정효과의 최종추정은 종속변수의 분포를 정상분포로 가정하지 않는 표준오차(Robust Standard Error)를 적용하였다. 본 연구의 기술분석과 자살검색 예측모형 개발은 SPSS 20.
- 본 연구의 주요 변인들의 다변량 정규성을 확인한 결과 소셜 빅 데이터에서 수집된 모든 변인(자살, 스트레스, 음주, 운동)의 첨도가 10이상인 것으로 나타나, 상용로그(lg10)로 치환하여 사용하였다. 그리고 모든 독립변수(전체 자살자수, 청소년 자살자 수, 평균습도, 미세먼지량, 경제활동참가율, 월별 이혼율, 월별 출산아 수)도 상용로그(lg10)으로 치환하여 사용하였다[Table 1].
- 본 연구의 주요 변인들의 다변량 정규성을 확인한 결과 소셜 빅 데이터에서 수집된 모든 변인(자살, 스트레스, 음주, 운동)의 첨도가 10이상인 것으로 나타나, 상용로그(lg10)로 치환하여 사용하였다. 그리고 모든 독립변수(전체 자살자수, 청소년 자살자 수, 평균습도, 미세먼지량, 경제활동참가율, 월별 이혼율, 월별 출산아 수)도 상용로그(lg10)으로 치환하여 사용하였다[Table 1].
- 본 연구에서는 성인 자살 검색량의 예측을 위하여 전체 자살률, 음주검색량, 이혼율, 출산율, 평균습도를 사용10) 하였으며 청소년 자살 검색량을 예측하기 위하여 청소년 자살률, 스트레스 검색량, 음주 검색량, 미세먼지량을 사용하였다11). 성인자살 검색의 예측모형은 [Table 2]와 같다.
- 자살요인의 다중집단 구조모형 분석은 연구모형의 적합성을 검증한 후, 집단 간 등가제약 과정을 거쳐 경로계수 간 유의미한 차이를 검증하였다. 다중집단 구조모형 분석을 위한 연구모형의 적합도는 x2(df, p)=59.
- 구조모형 내 자살요인 변수 간의 인과관계에 있어 두 집단(성인과 청소년) 사이에 유의미한 차이가 존재할 수 있어 모형 내 존재하는 모든 경로계수에 대해 각각 동일성 제약을 가한 모형을 기저모형과 비교하기 위해 집단간 구조모형 분석을 실시하였다. 두 집단 사이의 경로에 동일성 제약을 가한 모형은 Stress→Drinking, Stress→ Suicide, Stress→Exercise, Drinking→Suicide 경로의 모형에서 집단 간 유의미한 차이를 보였다.
- 청소년의 자살검색의 결정요인에 대한 다층분석을 위해 3개의 분석 모형 함수를 검증하였다.
- Model 2의 검증은 일별 요인들이 일별 자살 검색량에 미치는 영향에 있어 월별로도 차이가 발생하는가를 알아보고자 하는 것이다. 따라서 일별 스트레스 음주 운동 검색량이 자살 검색량에 미치는 영향을 고정효과를 통해 파악하고 이들 개별 요인이 월별에 따라 차이를 보이는가에 대해 무선효과를 통해 살펴보았다[Table 5]. 일별(Level 1) 자살 검색량에 대한 고정효과를 분석한 결과, 음주 검색량은 자살 검색량에 영향을 주지 않는 것으로 나타났고 스트레스 검색량과 운동 검색량은 통계적으로 유의미하여 자살 검색량에 영향을 주는 것으로(스트레스: β=.
- Model 3은 청소년의 일별 요인(스트레스 음주 운동 검색량)과 월별 청소년 자살률, 평균습도, 경제활동 참가율이 자살 검색량에 미치는 영향을 분석한 것이다. 즉, 앞서 Model 2에서 월별 변수를 투입할 수 있는 일별 요인 변수인 스트레스 음주 운동 검색량을 동시에 투입하는 연구 모형을 검증한 것이다. 일별 요인과 월별 요인을 동시에 고려하였을 때 자살 검색량에 영향을 미치는 요인의 영향력을 검증하기 위해 자살 검색량에 대한 고정효과를 분석한 결과, 수준 1인 일별요인 변수는 무조건적 기울기 모형(Model 2)의 검증과 비슷한 결과를 보였다.
- 자살검색 예측모형의 개발은 다중 회귀분석을 적용하였으며, 성인과 청소년 집단의 자살검색이 실제 자살률에 미치는 영향은 다중집단 구조모형으로 검증하였다. 그리고 자살검색에 미치는 일별 요인과 월별 요인은 다층모형으로 검증하였다.
- 12. 31 언급된 자살관련 토픽(스트레스, 음주, 운동, 자살)을 추출하여 분석하였다. 다변량 분석결과를 요약하면 다음과 같다.
- 첫째, 본 연구의 결과는 성인과 청소년 모두 다양한 원인들에 의해 스트레스를 경험하면서 자살을 검색을 하게 된다. 따라서 청소년의 스트레스를 해소할 수 있는 학교 차원의 다양한 프로그램의 마련과 함께 성인의 경제활동으로 인한 스트레스를 해소 시킬 수 있는 직장차원의 프로그램이 개발되어져야 할 것이다.
대상 데이터
- 본 연구는 국내의 온라인 뉴스 사이트, 블로그, 카페, 소셜 네트워크 서비스, 게시판 등 인터넷을 통해 수집된 소셜 빅 데이터7)를 대상으로 하였다. 2011.
- 12. 31(365일)까지 해당 채널에서 자살관련 토픽(성인추정 Buzz: 321,506건, 청소년 추정 Buzz: 67,742건)을 수집하였으며, 수집된 토픽 중 스트레스(성인 Buzz: 14,504건, 청소년 Buzz: 9,232건), 음주(성인 Buzz: 2,241, 청소년 Buzz: 2,818건), 운동(성인 Buzz: 6,256, 청소년 Buzz: 6,629건) 토픽을 추출하여 분석하였다8). 그리고 자살토픽의 수집은 요일별, 주말, 휴일을 고려하지 않고 매 시간단위로 수집하였다9).
데이터처리
- 본 연구의 간접효과에 대한 유의성 검증은 모든 자료가 정규성 분포를 따른다는 가정하에 유의성을 검증하는 Sobel Test(Preacher & Hayes, 2004) 를 실시하였다.
- 고정효과의 최종추정은 종속변수의 분포를 정상분포로 가정하지 않는 표준오차(Robust Standard Error)를 적용하였다. 본 연구의 기술분석과 자살검색 예측모형 개발은 SPSS 20.0을 사용하였고, 구조모형과 다중집단 분석은 AMOS 20.0을 사용하였다. 그리고 청소년 자살검색 결정요인의 다층모형 분석은 HLM 7.
- 0을 사용하였다. 그리고 청소년 자살검색 결정요인의 다층모형 분석은 HLM 7.0을 사용하였다.
- 본 연구는 소셜 빅 데이터를 활용하여 우리나라의 자살검색 요인과 자살검색 예측모형을 개발하기 위해 다변량 분석을 실시하였다. 자살검색 예측모형의 개발은 다중 회귀분석을 적용하였으며, 성인과 청소년 집단의 자살검색이 실제 자살률에 미치는 영향은 다중집단 구조모형으로 검증하였다. 그리고 자살검색에 미치는 일별 요인과 월별 요인은 다층모형으로 검증하였다.
이론/모형
- 그리고 본 연구의 다층모형의 모수 추정 방식은 무선효과(random effect)의 분산을 추정하는 과정에서 고정효과(fixed effect)의 자유도 감소를 고려하는 한정최대우도추정법(REstricted Maximum Likelihood [REML])을 사용하였다(Raudenbush & Bryk, 2002).
- 본 연구의 구조모형 적합도 비교에는 증분적합지수(Incremental Fit Index)인 NFI(Normed Fit Index), CFI (Comparative Fit Index)와 절대적합지수(Absolute Fit Index) 인 RMSEA(Root Mean Squared Error of Approximation)를 사용하였다. 일반적으로 CFI를 비롯한 증분적합지수들은 0.
- 10이상이면 적합도가 좋지 않다고 해석한다(Bollen & Long, 1993). 모형추정은 최대우도법(Maximum Likelihood [ML]) 을 사용하였으며, 결측치 문제의 해결은 관찰된 모든 변인의 모든 정보를 활용하여 결측자료의 특성을 고려하는 완전정보최대우도법(Full Information Maximum Likelihood [FIML])을 사용하였다. 본 연구의 간접효과에 대한 유의성 검증은 모든 자료가 정규성 분포를 따른다는 가정하에 유의성을 검증하는 Sobel Test(Preacher & Hayes, 2004) 를 실시하였다.
- , 월별 청소년 자살률, 기후, 경제활동과 일별 스트레스, 음주, 운동 검색량이 청소년 자살 검색의 결정요인에 미치는 영향을 분석하기 위하여 다층모형(Multi-level Model)으로 구성 하였다[Figure 1]. 본 연구의 다층모형의 월별 요인은 이혼율, 출생률, 경제활동참가율 등이 자살과 연관이 있다는 연구(Kowalski et al., 1987; Stack, 1981)에 근거하였다.
성능/효과
- 둘째, 성인과 청소년의 자살검색 구조모형은 차이가 있는가?
- 셋째, 성인과 청소년의 자살검색 구조모형에서 건강생활실천요인(음주, 운동)의 매개효과는 있는가?
- 성인자살 검색의 예측모형은 [Table 2]와 같다. 모형 1은 2011년 일별 전체 자살률이 성인 자살검색에 미치는 영향을 예측하는 것으로 성인 자살자 수가 많을수록(자살률이 높을수록) 자살 검색을 증가하는 것으로 나타났다. 모형 2는 일별 전체 자살률과 음주 검색이 자살검색에 미치는 영향을 예측하는 것으로 자살자 수가 많을수록, 음주 검색이 많을수록 성인의 자살 검색은 증가하는 것으로 나타났다.
- 모형 1은 2011년 일별 전체 자살률이 성인 자살검색에 미치는 영향을 예측하는 것으로 성인 자살자 수가 많을수록(자살률이 높을수록) 자살 검색을 증가하는 것으로 나타났다. 모형 2는 일별 전체 자살률과 음주 검색이 자살검색에 미치는 영향을 예측하는 것으로 자살자 수가 많을수록, 음주 검색이 많을수록 성인의 자살 검색은 증가하는 것으로 나타났다. 모형 3은 일별 전체 자살률, 음주 검색, 이혼율이 자살검색이 미치는 영향을 예측하는 것으로 자살자 수가 많을수록, 음주 검색이 많을수록, 이혼율이 높을수록 자살 검색은 증가하는 것으로 나타났다.
- 모형 2는 일별 전체 자살률과 음주 검색이 자살검색에 미치는 영향을 예측하는 것으로 자살자 수가 많을수록, 음주 검색이 많을수록 성인의 자살 검색은 증가하는 것으로 나타났다. 모형 3은 일별 전체 자살률, 음주 검색, 이혼율이 자살검색이 미치는 영향을 예측하는 것으로 자살자 수가 많을수록, 음주 검색이 많을수록, 이혼율이 높을수록 자살 검색은 증가하는 것으로 나타났다. 모형 4는 일별 전체 자살률, 음주 검색, 이혼율, 출산율이 자살검색에 미치는 영향을 예측하는 것으로 자살자 수가 많을수록, 음주 검색이 많을수록, 이혼율이 높을수록, 출산율이 낮을 수록 성인의 자살 검색은 증가하는 것으로 나타났다.
- 모형 3은 일별 전체 자살률, 음주 검색, 이혼율이 자살검색이 미치는 영향을 예측하는 것으로 자살자 수가 많을수록, 음주 검색이 많을수록, 이혼율이 높을수록 자살 검색은 증가하는 것으로 나타났다. 모형 4는 일별 전체 자살률, 음주 검색, 이혼율, 출산율이 자살검색에 미치는 영향을 예측하는 것으로 자살자 수가 많을수록, 음주 검색이 많을수록, 이혼율이 높을수록, 출산율이 낮을 수록 성인의 자살 검색은 증가하는 것으로 나타났다. 모형 5는 일별 전체 자살률, 음주 검색, 이혼율, 출산율, 평균 습도가 자살검색에 미치는 영향을 예측하는 것으로 자살자 수가 많을수록, 음주 검색이 많을수록, 이혼율이 높을수록, 출산율이 낮을수록, 평균습도가 높을수록 성인의 자살 검색은 증가하는 것으로 나타났다.
- 모형 4는 일별 전체 자살률, 음주 검색, 이혼율, 출산율이 자살검색에 미치는 영향을 예측하는 것으로 자살자 수가 많을수록, 음주 검색이 많을수록, 이혼율이 높을수록, 출산율이 낮을 수록 성인의 자살 검색은 증가하는 것으로 나타났다. 모형 5는 일별 전체 자살률, 음주 검색, 이혼율, 출산율, 평균 습도가 자살검색에 미치는 영향을 예측하는 것으로 자살자 수가 많을수록, 음주 검색이 많을수록, 이혼율이 높을수록, 출산율이 낮을수록, 평균습도가 높을수록 성인의 자살 검색은 증가하는 것으로 나타났다. [Table 2]에서 자살 관련 Buzz가 급속히 전파되는 1주간의 시차(time lag)를 적용하여12) 자살률(Independent Variable: Suicide rate(1 week time lag))에 미치는 영향을 살펴본 결과, 예측도가 조금 향상된 것으로 나타났다13).
- 다중집단 구조모형 분석을 위한 연구모형의 적합도는 x2(df, p)=59.411(8, p<.000), NFI=0.954(양호), TLI=0.847(보통), CFI=.959(양호), RMSEA=0.094(보통)으로 대부분의 적합도에서 적합한 것으로 나타났다.
- 청소년 자살 검색의 예측모형은 [Table 3]과 같다. 모형 1은 2011년 일별 청소년(19세이하) 자살률이 청소년 자살 검색에 미치는 영향을 예측하는 것으로 청소년 자살자 수가 많을수록(자살률이 높을수록) 자살 검색을 증가하는 것으로 나타났다. 모형 2는 일별 청소년 자살률과 스트레스 검색이 자살검색이 미치는 영향을 예측하는 것으로 자살자 수가 많을수록, 스트레스 검색이 많을수록 청소년의 자살 검색은 증가하는 것으로 나타났다.
- 모형 1은 2011년 일별 청소년(19세이하) 자살률이 청소년 자살 검색에 미치는 영향을 예측하는 것으로 청소년 자살자 수가 많을수록(자살률이 높을수록) 자살 검색을 증가하는 것으로 나타났다. 모형 2는 일별 청소년 자살률과 스트레스 검색이 자살검색이 미치는 영향을 예측하는 것으로 자살자 수가 많을수록, 스트레스 검색이 많을수록 청소년의 자살 검색은 증가하는 것으로 나타났다. 모형 3은 일별 청소년 자살률, 스트레스 검색, 음주 검색이 청소년 자살 검색에 미치는 영향을 예측하는 것으로 자살자 수가 많을수록, 스트레스 검색이 많을수록, 음주 검색이 많을수록 청소년 자살 검색은 증가하는 것으로 나타났다.
- 모형 2는 일별 청소년 자살률과 스트레스 검색이 자살검색이 미치는 영향을 예측하는 것으로 자살자 수가 많을수록, 스트레스 검색이 많을수록 청소년의 자살 검색은 증가하는 것으로 나타났다. 모형 3은 일별 청소년 자살률, 스트레스 검색, 음주 검색이 청소년 자살 검색에 미치는 영향을 예측하는 것으로 자살자 수가 많을수록, 스트레스 검색이 많을수록, 음주 검색이 많을수록 청소년 자살 검색은 증가하는 것으로 나타났다. 모형 4는 일별 청소년 자살률, 스트레스 검색, 음주 검색, 미세먼지량이 청소년 자살 검색에 미치는 영향을 예측하는 것으로 자살자 수가 많을수록, 스트레스 검색이 많을수록, 음주 검색이 많을수록, 미세먼지량이 적을수록 청소년 자살 검색은 증가하는 것으로 나타났다.
- 모형 3은 일별 청소년 자살률, 스트레스 검색, 음주 검색이 청소년 자살 검색에 미치는 영향을 예측하는 것으로 자살자 수가 많을수록, 스트레스 검색이 많을수록, 음주 검색이 많을수록 청소년 자살 검색은 증가하는 것으로 나타났다. 모형 4는 일별 청소년 자살률, 스트레스 검색, 음주 검색, 미세먼지량이 청소년 자살 검색에 미치는 영향을 예측하는 것으로 자살자 수가 많을수록, 스트레스 검색이 많을수록, 음주 검색이 많을수록, 미세먼지량이 적을수록 청소년 자살 검색은 증가하는 것으로 나타났다. 청소년의 자살검색을 예측하는 모형의 그래프는 [Figure 2]와 같다.
- 094(보통)으로 대부분의 적합도에서 적합한 것으로 나타났다. 성인과 청소년 두 집단 모두 스트레스 검색에서 운동 음주 자살 검색으로 가는 경로와 자살 검색에서 자살률로 가는 경로가 청소년의 경우 음주 검색에서 자살 검색으로 가는 경로를 제외하고 모든 경로에서 정적(+)으로 유의한 영향을 미치는 것으로 나타났다[Table 3].
- 두 집단 사이의 경로에 동일성 제약을 가한 모형은 Stress→Drinking, Stress→ Suicide, Stress→Exercise, Drinking→Suicide 경로의 모형에서 집단 간 유의미한 차이를 보였다.
- 두 집단 사이의 경로에 동일성 제약을 가한 모형은 Stress→Drinking, Stress→ Suicide, Stress→Exercise, Drinking→Suicide 경로의 모형에서 집단 간 유의미한 차이를 보였다. 따라서, 스트레스 검색에서 운동 음주 자살 검색 검색으로 가는 경로에 청소년이 더 강하게 영향을 받고 있으며, 음주 검색에서 자살 검색으로 가는 경로는 성인만 유의한 영향을 미치는 것으로 나타났다. 그리고 운동 검색에서 자살 검색으로 가는 경로와 자살 검색이 자살률에 미치는 영향은 두 집단 모두 비슷하게 영향을 주는 것으로 나타났다[Table 4].
- 스트레스 검색과 자살 검색의 경로에 음주 검색과 운동 검색의 매개효과를 살펴보기 위해 효과분해를 실시한 결과 성인과 청소년 모두 부분 매개효과(partial mediation) 가 있는 것으로 나타났다. 따라서 우리나라 성인과 청소년 모두 스트레스를 경험할 경우 건강생활실천요인(음주, 운동)을 많이 찾게 되고 이러한 건강생활실천요인이 자살 검색에 영향을 미치고 궁극적으로 자살률에 영향을 주는 것으로 나타났다.
- 스트레스 검색과 자살 검색의 경로에 음주 검색과 운동 검색의 매개효과를 살펴보기 위해 효과분해를 실시한 결과 성인과 청소년 모두 부분 매개효과(partial mediation) 가 있는 것으로 나타났다. 따라서 우리나라 성인과 청소년 모두 스트레스를 경험할 경우 건강생활실천요인(음주, 운동)을 많이 찾게 되고 이러한 건강생활실천요인이 자살 검색에 영향을 미치고 궁극적으로 자살률에 영향을 주는 것으로 나타났다.
- 일별(Level 1) 자살 검색량에 대한 고정효과를 분석한 결과, 음주 검색량은 자살 검색량에 영향을 주지 않는 것으로 나타났고 스트레스 검색량과 운동 검색량은 통계적으로 유의미하여 자살 검색량에 영향을 주는 것으로(스트레스: β=.40, p<.05, 운동: β=.25, p<.05) 나타났다.
- 확인된 일별 특성변수와 자살 검색량의 관련성에 있어 각 변수가 월별 차이가 나는지에 대해 무선효과 검증을 실시한 결과, 스트레스 검색량의 적합도(x2=28.97, p<.01), 음주 검색량의 적합도(x2=36.72, p<.001), 운동 검색량의 적합도(x2=19.13, p<.05)가 통계적으로 유의미한 것으로 확인되어 일별 수준의 변수들이 자살 검색량에 미치는 영향에 있어 월별간 차이가 있음(x2=90.99, p<.001)을 확인하였다.
- 동일한 수준에 속한 하위수준간의 유사성을 보여주는 집단 내 상관계수(Interclass Correlation Coefficient [ICC])를 통해 월별 자살 검색량의 분산비율을 계산해 보면 0.571(.08/(.08+.06)16)로 이는 곧 일별 자살 검색량에 대한 총 분산 중 월별 수준의 분산이 차지하는 비율이 57.1%임을 나타내는 것이며, 따라서 일별 수준의 분산이 차지하는 비율은 약 42.9%임을 알 수 있다. 이 결과는 모든 월의 자살 검색량이 같다는 2의 귀무가설(null hypothesis)을 기각함으로써 일별 자살 검색량의 평균이 월별로 통계적으로 유의한 차이가 있음을 보여주는 것이다(p<.
- 수준 2인 월별 청소년 자살률은 자살 검색량에 정(+)적 영향(β=2.16, p<.05)을 미치는 것으로 나타났다.
- 무선효과 검증 결과, 일별 스트레스 검색량(x2=28.94, p<.01)과 운동 검색량(x2=19.44, p<.05)은 월별 차이가 있는 것으로 나타났다.
- 따라서 일별 특성에서 스트레스 검색량이 높아질수록 자살 검색량이 높아지는 것으로 이러한 효과는 월별에 따라서 차이가 있음을 보여주고 있다. 그리고 무선효과 검증에서 유의미한 일별 특성 변수(스트레스 음주 운동 검색량)은 조건적 모형 검증에서 미지수로 투입하여 분석할 필요가 있는 것으로 나타났다. 연도별 자살 검색량의 ICC는 .
- 즉, 앞서 Model 2에서 월별 변수를 투입할 수 있는 일별 요인 변수인 스트레스 음주 운동 검색량을 동시에 투입하는 연구 모형을 검증한 것이다. 일별 요인과 월별 요인을 동시에 고려하였을 때 자살 검색량에 영향을 미치는 요인의 영향력을 검증하기 위해 자살 검색량에 대한 고정효과를 분석한 결과, 수준 1인 일별요인 변수는 무조건적 기울기 모형(Model 2)의 검증과 비슷한 결과를 보였다. 수준 2인 월별 청소년 자살률은 자살 검색량에 정(+)적 영향(β=2.
- 이는 월별 평균습도가 증가하면 자살 검색량은 증가한다는 것으로 의미한다. 월별 경제활동 참가율은 자살 검색량에 영향을 미치지 않는 것으로 나타났다. 무선효과 검증 결과, 일별 스트레스 검색량(x2=28.
- 둘째, 청소년의 자살 검색 예측모형에서 스트레스 검색이 많으면 자살검색이 증가하는 것은 스트레스가 자살의 원인이 된다는 기존의 연구(Dixon et al., 1991; Lazarus & Folkman, 1984)를 지지 하는 것으로 나타났다.
- 셋째, 구조모형 분석결과 스트레스 검색에서 자살 검색으로 가는 경로에 스트레스 취약 요인이 매개하여 기존의 스트레스 취약요인의 연구(Chapman & Beaulet, 1983; Izadinia et al., 2010)를 지지하는 것으로 나타났다.
- 본 연구의 구체적인 결과와 해석은 다음과 같다. 첫째, 성인의 자살검색 예측모형에서 음주검색이 많을수록 자살 검색이 높은 것은 스트레스로 인해 우울이나 알코올중독이 발생하고 자살에 이른다는 기존의 연구(Izadinia et al., 2010; Park et al., 2010)를 지지하는 것으로 나타났다. 이혼율이 높을수록 자살 검색이 증가하는 것은 배우자의 이혼이나 사별한 경우 자살률이 높다는 기존의 연구(Smith, 1988; Stack, 1981)를 지지하는 것으로 나타났다.
- 출산율이 낮을수록 자살 검색이 증가하는 것은 핵가족화와 도시화로 인해 가족구성원의 지지가 부족한 것에 원인을 들 수 있다. 평균습도가 높을수록 자살 검색이 증가 하는 것은 습도가 높으면 실내 공기 중의 농도가 증가하여 궁극적으로 대기오염이 증가하기 때문에 대기오염이 높으면 자살률이 높다는 기존의 연구(Biermann et al., 2009)를 지지하는 것으로 나타났다. 둘째, 청소년의 자살 검색 예측모형에서 스트레스 검색이 많으면 자살검색이 증가하는 것은 스트레스가 자살의 원인이 된다는 기존의 연구(Dixon et al.
- 특히 스트레스 검색에서 음주 운동 자살 검색으로 가는 경로가 청소년이 더 강하게 영향을 미친다는 것은 청소년은 학업문제, 학교폭력, 취업, 경제 문제 등의 다양한 문제로 인해 성인보다 생활 스트레스가 더욱 심각하다는 것을 나타내고 있다. 넷째, 다층모형 분석에서 청소년의 일별 자살검색은 자살검색 예측모형과 같이 일별 요인(스트레스 운동 검색량)과 월별 요인 (청소년 자살률, 평균습도)에 영향을 받는 것으로 나타났다. 경제활동 참가율은 청소년 자살검색에 영향이 없는 것은 인간관계가 빈번하고 사회생활이 집중될 때 자살이 많이 발생한다는 기존의 연구(Durkhim, 2008)나 노인의 경제활동이 줄어들 때 자살이 증가한다는 기존의 연구(Kim, 2004)의 결과와는 반대로 향후 다른 경제변수와의 분석을 통한 추가 연구가 있어야 할 것으로 본다.
- 경제활동 참가율은 청소년 자살검색에 영향이 없는 것은 인간관계가 빈번하고 사회생활이 집중될 때 자살이 많이 발생한다는 기존의 연구(Durkhim, 2008)나 노인의 경제활동이 줄어들 때 자살이 증가한다는 기존의 연구(Kim, 2004)의 결과와는 반대로 향후 다른 경제변수와의 분석을 통한 추가 연구가 있어야 할 것으로 본다. 본 연구는 소셜 빅 데이터에서 수집된 스트레스 음주 운동 검색량과 오프라인 조사 데이터(자살률, 이혼율, 출산율, 기후 등)를 적용하여 성인과 청소년의 자살 검색에 대한 예측모형을 개발하였고, 스트레스 검색은 스트레스 취약요인 (음주, 운동)을 매개하여 자살 검색에 영향을 미치고 궁극적으로 실제 자살률에 영향을 준다는 것을 구조모형을 통하여 검증하였으며, 청소년의 일일 자살검색은 일일 스트레스 음주 운동 검색량 뿐만 아니라 월별 요인인 청소년 자살률과 평균습도에도 영향을 받는 다는 것을 다층모형을 통하여 검증하였다는 점에서 분석 방법론적이나 정책적으로 의미를 가진다고 할 수 있다. 그리고 빠르고 효과적으로 실제적인 내용을 파악하여 사회 통계가 지닌 한계를 보완할 수 있는 새로운 조사방법으로서의 빅 테이터의 가치를 확인하였다는 점에서(National Information Society Agency , 2012) 조사 방법론적 의의를 가진다고 할 수 있다.
- 그리고, 자살관련 담론이 급속히 확산되는 1주간의 시차 (time lag)를 실제 자살률에 적용한 예측도는 조금 향상 (89.59%→89.64%)된 것으로 나타났다.
- 그럼에도 불구하고 본 연구에서는 다음과 같은 제한점이 있다. 첫째, 일 단위로 생산되는 조사통계의 부족으로 인해 월 단위 변수를 일 단위로 적용(본 연구에서의 출산율, 이혼율, 경제활동참가율 등)함에 따른 생태학적 오류가 (Ecological Fallacy)가 발생할 수 있다. 둘째, 본 연구에서 자살 검색이 자살률에 미치는 영향은 구조모형으로 밝혔으나, 2012년 자살률에 대한 데이터의 미 공표로 인해 자살 검색예측 모형에 대한 예측을 제시하지 못하였으며 연예인 자살이나 동반자살, 물가지수, 지역 특성 등의 다양한 요안을 반영하지 못하였다는 한계가 있다.
- 첫째, 일일 자살자수가 많을수록, 음주 검색이 많을수록, 이혼율이 높을수록, 출산율이 낮을수록, 평균습도가 높을수록 성인의 자살 검색은 증가하는 것으로 나타났다. 그리고, 자살관련 담론이 급속히 확산되는 1주간의 시차 (time lag)를 실제 자살률에 적용한 예측도는 조금 향상 (89.
- 둘째, 일일 청소년의 자살자 수가 많을수록, 스트레스 검색이 많을수록, 음주 검색이 많을수록, 미세먼지량이 적을수록 청소년의 자살 검색은 증가하는 것으로 나타났다.
- 셋째, 성인과 청소년의 자살검색의 구조모형 분석결과 두 집단 모두 스트레스 검색에서 운동 음주 자살 검색으로 가는 경로와 자살 검색에서 자살률로 가는 대분분의 경로가 정적(+)으로 유의한 영향을 미치고 있으며, 스트레스 검색에서 운동 음주 자살 검색으로 가는 경로에 청소년이 더 강하게 영향을 받고 있으며, 음주 검색에서 자살검색으로 가는 경로는 성인만 유의한 영향을 미치는 것으로 나타났다.
- 넷째, 스트레스 취약요인(음주, 운동) 매개효과를 분석한 결과 성인과 청소년 모두 스트레스 취약요인의 부분매개효과(partial mediation)가 있는 것으로 나타났다.
- 다섯째, 청소년 자살 검색의 결정요인에 대한 다층모형 분석결과 일별 요인(스트레스 운동 검색량)은 유의미한 차이가 있는 것으로 나타났다. 월별 청소년 자살률과 평균습도는 자살 검색량에 정적인 영향을 미치는 것으로 나타났다.
- 다섯째, 청소년 자살 검색의 결정요인에 대한 다층모형 분석결과 일별 요인(스트레스 운동 검색량)은 유의미한 차이가 있는 것으로 나타났다. 월별 청소년 자살률과 평균습도는 자살 검색량에 정적인 영향을 미치는 것으로 나타났다.
후속연구
- 넷째, 다층모형 분석에서 청소년의 일별 자살검색은 자살검색 예측모형과 같이 일별 요인(스트레스 운동 검색량)과 월별 요인 (청소년 자살률, 평균습도)에 영향을 받는 것으로 나타났다. 경제활동 참가율은 청소년 자살검색에 영향이 없는 것은 인간관계가 빈번하고 사회생활이 집중될 때 자살이 많이 발생한다는 기존의 연구(Durkhim, 2008)나 노인의 경제활동이 줄어들 때 자살이 증가한다는 기존의 연구(Kim, 2004)의 결과와는 반대로 향후 다른 경제변수와의 분석을 통한 추가 연구가 있어야 할 것으로 본다. 본 연구는 소셜 빅 데이터에서 수집된 스트레스 음주 운동 검색량과 오프라인 조사 데이터(자살률, 이혼율, 출산율, 기후 등)를 적용하여 성인과 청소년의 자살 검색에 대한 예측모형을 개발하였고, 스트레스 검색은 스트레스 취약요인 (음주, 운동)을 매개하여 자살 검색에 영향을 미치고 궁극적으로 실제 자살률에 영향을 준다는 것을 구조모형을 통하여 검증하였으며, 청소년의 일일 자살검색은 일일 스트레스 음주 운동 검색량 뿐만 아니라 월별 요인인 청소년 자살률과 평균습도에도 영향을 받는 다는 것을 다층모형을 통하여 검증하였다는 점에서 분석 방법론적이나 정책적으로 의미를 가진다고 할 수 있다.
- 그리고 빠르고 효과적으로 실제적인 내용을 파악하여 사회 통계가 지닌 한계를 보완할 수 있는 새로운 조사방법으로서의 빅 테이터의 가치를 확인하였다는 점에서(National Information Society Agency , 2012) 조사 방법론적 의의를 가진다고 할 수 있다. 또한 소셜 빅 데이터와 조사 데이터와의 연계를 통한 자살 검색의 이론적 모형을 제시하였다는 점에서 학술적 의의가 있으며, 향후 데이터마이닝 분석과 네트워크 분석을 통한 자살위험 예측모형의 정교화를 위한 연구가 꾸준히 추진되어야 할 것으로 본다. 그럼에도 불구하고 본 연구에서는 다음과 같은 제한점이 있다.
- 첫째, 일 단위로 생산되는 조사통계의 부족으로 인해 월 단위 변수를 일 단위로 적용(본 연구에서의 출산율, 이혼율, 경제활동참가율 등)함에 따른 생태학적 오류가 (Ecological Fallacy)가 발생할 수 있다. 둘째, 본 연구에서 자살 검색이 자살률에 미치는 영향은 구조모형으로 밝혔으나, 2012년 자살률에 대한 데이터의 미 공표로 인해 자살 검색예측 모형에 대한 예측을 제시하지 못하였으며 연예인 자살이나 동반자살, 물가지수, 지역 특성 등의 다양한 요안을 반영하지 못하였다는 한계가 있다. 이는 2010년부터 연차별 소셜 빅 데이터의 분석과 통계청 사망원인 통계 등 조사 통계와의 연계를 통하여 다양한 요인이 반영된 예측분석이 가능할 것으로 본다.
- 이는 2010년부터 연차별 소셜 빅 데이터의 분석과 통계청 사망원인 통계 등 조사 통계와의 연계를 통하여 다양한 요인이 반영된 예측분석이 가능할 것으로 본다. 셋째, 본 연구의 구조모형에서 제시된 소셜 빅 데이터 변수들의 인과관계를 횡단조사나 종단조사에서 연구된 이론적 모형을 적용하는데 대한 이론적 근거를 제시하지 못하였다. 이는 본 연구에서 사용된 변수가 일일 검색량에 기인한 것으로, 향후 개인별 버즈에 대한 심청연구를 수행한다면 연구에 사용된 소셜 빅 데이터의 변수 간 인과관계를 밝힐 수 있을 것으로 본다.
- 셋째, 본 연구의 구조모형에서 제시된 소셜 빅 데이터 변수들의 인과관계를 횡단조사나 종단조사에서 연구된 이론적 모형을 적용하는데 대한 이론적 근거를 제시하지 못하였다. 이는 본 연구에서 사용된 변수가 일일 검색량에 기인한 것으로, 향후 개인별 버즈에 대한 심청연구를 수행한다면 연구에 사용된 소셜 빅 데이터의 변수 간 인과관계를 밝힐 수 있을 것으로 본다. 넷째, 본 연구의 다중회귀 모형에서는 자살률과 다른 환경변수를 예측모형으로 사용하여 소셜 빅 데이터의 자살 검색에 영향을 미칠 것이라는 가정을 하여 구조모형과의 연관관계를 충분히 설명하지 못하였다.
- 넷째, 본 연구의 다중회귀 모형에서는 자살률과 다른 환경변수를 예측모형으로 사용하여 소셜 빅 데이터의 자살 검색에 영향을 미칠 것이라는 가정을 하여 구조모형과의 연관관계를 충분히 설명하지 못하였다. 이는 본 연구에서의 다중회귀분석은 소셜 빅 데이터의 자살 검색에 미치는 예측요인을 살펴보기 위해 본 연구의 연구모형과 연구가설과는 별도로 분석된 것으로, 향후 소셜 빅 데이터 자살 검색이 자살률에 미치는 영향에 대한 연구가 수행되어야 할 것으로 본다.
- 첫째, 본 연구의 결과는 성인과 청소년 모두 다양한 원인들에 의해 스트레스를 경험하면서 자살을 검색을 하게 된다. 따라서 청소년의 스트레스를 해소할 수 있는 학교 차원의 다양한 프로그램의 마련과 함께 성인의 경제활동으로 인한 스트레스를 해소 시킬 수 있는 직장차원의 프로그램이 개발되어져야 할 것이다.
- 둘째, 성인과 청소년은 온라인상에서 자살과 관련한 담론을 주고 받고 있으며 이러한 언급이 실제적인 자살과 관련된 심리적 행동적 특성으로 노출될 수 있기 때문에 자살 예측모형에 따른 위험징후가 예측되면 실시간으로 개입할 수 있는 애플리케이션(가칭: 생명존중 온라인 게이트키퍼)이 개발되어져야 할 것이다. ‘생명존중 온라인 게이트키퍼’는 자살에 대한 위험징후가 예측되면 소셜 담론의 분석에서 추측된 위험요인을 줄일 수 있는 맞춤형 프로그램을 실시간으로 제공할 수 있도록 개발되어야 할 것이다.
- 셋째, 지역별 소셜 빅 데이터와 지역 요인의 연계를 통한 지역별 자살 예측모형을 개발하여 실시간으로 자살을 사전에 방지할 수 있는 시스템(가칭: 지역 생명존중 예보 시스템)을 구축하여야 할 것이다. ‘지역 생명존중 예보시스템’은 지역별 생명존중 관련기관에 지역별 자살예보를 1주 또는 월 단위로 제공하여 지역별 자살행동의 원인에 대한 적극적 대응을 위한 대국민 홍보활동을 지속적으로 실시함으로써 지역 주민의 생명존중 인식을 강화할 수 있을 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.