[논문]일반화선형모형과 헤크먼모형을 활용한 성별 자동차사고 위험도 분석

김대환; 박화규

doi:10.5351/kjas.2014.27.1.147

일반화선형모형과 헤크먼모형을 활용한 성별 자동차사고 위험도 분석
An Analysis on the Gender Differences in the Level of Accident Risk using Generalized Linear and Heckman Methods 원문보기

응용통계연구 = The Korean journal of applied statistics, v.27 no.1, 2014년, pp.147 - 157

김대환 (동아대학교 경제학과) , 박화규 (순천향대학교 보건행정경영학과)

초록
AI-Helper

최근 여성의 사회적 참여와 지위가 상승함에 따라 여성운전자도 급격히 증가해왔다. 이에 주요국에서는 성별 자동차사고 위험도를 분석하고, 성별 위험도 차이의 원인을 규명하려는 연구가 활발히 진행되고 있다. 본 연구는 국내 모든 운전자 중 50만 명을 무작위로 추출하여 성별 자동차사고 위험도를 분석하였다. 종속변수로 사고심도와 사고빈도를 활용하였는데, 사고심도 변수에는 헤크먼모형(Heckman Method)을, 사고빈도 변수에는 일반화선형모형(Generalized Linear Method)을 적용하였다. 분석결과 남성은 교통사고가 발생할 경우 사고피해액이 여성보다 8.3% 높은 것으로 추정되었으며, 반대로 사고빈도의 경우에는 여성의 위험도를 1로 설정할 경우 남성의 위험도는 0.88로 남성의 위험도가 오히려 낮은 것으로 분석되었다. 향후 성별로 상이한 자동차사고 위험도의 원인이 규명된다면 좀 더 실효성 높은 정책을 통해 자동차사고를 경감시킬 수 있을 것이다.

Abstract ▼ AI-Helper

Women's roles have changed substantially in economically developed countries; subsequently, the ratio of female drivers has also increased. In such countries, there has been considerable interest in assessing gender differences in vehicle accident risks and reasons to explain the gender differences. This study investigates the gender differences in vehicle accident risk based on 500,000 drivers randomly selected from a population sample. A Heckman model is used for accident damage and a negative binomial model is used for the accident frequency. Empirical results show that male drivers are 8.3% riskier than female drivers in terms of accident damage; however, female drivers are 113% risker than male drivers in term of accident frequency. We can implement more practical policies to reduce vehicle accidents if we can understand the reasons for the gender differences.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

제안 방법

전술하였듯이 본 연구에서 활용된 종속변수는 자동차사고 심도와 빈도이다. 각 종속변수의 속성에 따라 적용한 분석모형도 선행연구와 차별화하였다. 먼저 자동차사고 빈도의 경우 자동차사고가 발생하지 않은 비중이 89.
2의 왼쪽 결과는 사고심도를 기준으로 성별 자동차사고 위험도를 분석한 결과를 보여준다. 교통사고 심도 및 빈도를 분석한 모형 모두, 성별의 기준변수로 여성을, 운전경력의 기준변수로 경력6을, 차종의 기준변수로 중형차를, 지역의 기준변수로 서울을 의미하는 지역1을 활용하였다.
1은 실증분석에 활용된 변수명과 정의를 보여준다. 독립변수로 교통사고 위험도에 영향을 줄 수 있는 운전자의 성, 연령, 차종, 운전경력, 그리고 지역을 활용하였다. 지역의 경우에는 서울, 인천, 경기도와 각 광역시, 그리고 각 도지역 단위로 구분하였다.
이에 본 연구는 성별 자동차사고 위험도를 분석하였으며, 특히 자동차사고 위험도를 심도와 빈도로 구분하여 면밀한 분석을 시도하였다. 무엇보다 여성 운전자 수가 빠르게 증가하고 있는 현황을 반영하여 남성 대비 여성운전자의 교통사고 빈도와 교통사고 심도를 중심으로 실증분석하였다.
본 연구는 우리나라 모든 운전자 자료 중 50만명을 무작위 추출하여 성별 자동차사고 위험도를 분석하였다. 자동차사고 위험도는 사고심도와 사고빈도로 구분한 이후 각각에 대해 헤크먼모형과 일반화선형 모형을 적용하여 분석하였는데, 분석결과 사고심도의 경우 남성이 여성보다 8.
이에 본 연구는 성별 자동차사고 위험도를 분석하였으며, 특히 자동차사고 위험도를 심도와 빈도로 구분하여 면밀한 분석을 시도하였다. 무엇보다 여성 운전자 수가 빠르게 증가하고 있는 현황을 반영하여 남성 대비 여성운전자의 교통사고 빈도와 교통사고 심도를 중심으로 실증분석하였다.
또한 성별에 따른 자동차사고위험도를 분석한 해외 선행연구의 경우 교통사고 빈도의 경우 일반화선형모형(Generalized Linear Method) 중 포아송(Poisson)모형이 활용되었고, 교통사고 심도의 경우 최소자승법(Ordinary least square)이 활용되었는데 실증분석 모형으로 미흡한 측면이 존재한다. 이에 본 연구에서는 우리나라의 경우에도 성별에 따라 자동차사고 위험도가 존재하는지 여부를 분석하고, 해외 선행연구에서 활용된 실증분석모형보다 개선된 방법론을 활용하였다.
연구에 사용된 데이터는 보험개발원의 자동차보험 자료이다. 자동차보험 담보 중 자기신체사고 및 자차보험과 같은 담보의 경우 운전자가 선택적으로 가입할 수 있는 있다는 특성을 고려하여 분석대상에서 제외하고, 대신 운전을 하려면 반드시 가입해야 하는 대인배상I과 대물담보에서 발생한 교통사고 심도와 빈도를 종속변수로 설정하였다.
전술하였듯이 본 연구에서 활용된 종속변수는 자동차사고 심도와 빈도이다. 각 종속변수의 속성에 따라 적용한 분석모형도 선행연구와 차별화하였다.

대상 데이터

보험개발원은 자동차보험에 가입되어 있는 모든 운전자의 사고기록을 보유하고 있는데 2006년 국내 모든 운전자 중 영업용 자동차를 제외한 개인용 자동차 중 약 50만개의 샘플을 무작위로 추출하여 실증분석에 활용하였다. 그 중 결측치가 발생한 샘플을 누락시켜 488,139개의 샘플이 실증분석에 활용되었다. 현재까지 해외연구에서도 본 연구에서 사용된 데이터처럼 모집단으로부터 샘플을 추출한 연구는 부재한 상황이다.
보험개발원은 자동차보험에 가입되어 있는 모든 운전자의 사고기록을 보유하고 있는데 2006년 국내 모든 운전자 중 영업용 자동차를 제외한 개인용 자동차 중 약 50만개의 샘플을 무작위로 추출하여 실증분석에 활용하였다. 그 중 결측치가 발생한 샘플을 누락시켜 488,139개의 샘플이 실증분석에 활용되었다.
연구에 사용된 데이터는 보험개발원의 자동차보험 자료이다. 자동차보험 담보 중 자기신체사고 및 자차보험과 같은 담보의 경우 운전자가 선택적으로 가입할 수 있는 있다는 특성을 고려하여 분석대상에서 제외하고, 대신 운전을 하려면 반드시 가입해야 하는 대인배상I과 대물담보에서 발생한 교통사고 심도와 빈도를 종속변수로 설정하였다.

이론/모형

본 연구에서 사고심도 분포를 확인한 결과 Figure 3.2에서 보여지는 것처럼 로그값으로 변환한 뒤 심도 값의 분포가 정규분포에 가까워 사고피해액을 그대로 분석에 활용하지 않고 로그값으로 변환한 뒤에 헤크먼모형을 적용하였다.

성능/효과

또한 운전하는 지역도 교통사고 피해액에 유의한 영향을 주는 요인임을 알 수 있다. 기준변수인 서울과 함께 경기도와 인천의 사고심도가 높은 반면, 전북의 사고심도는 상대적으로 낮은 것으로 분석되어졌다.
사고빈도는 사고심도와는 달리 운전경력이 증가하면 교통사고 발생확률이 지속적으로 감소하는 것으로 나타났다. 반면 운전경력 1년 미만인 운전자의 경우 5년 이상인 운전자에 비해 교통사고 발생확률이 1.7배나 높은 것으로 추정되었다.
연령이 증가함에 따라 사고빈도도 증가하여 연령은 사고심도뿐만 아니라 사고빈도도 높이는 요인임을 알 수 있다. 사고빈도는 사고심도와는 달리 운전경력이 증가하면 교통사고 발생확률이 지속적으로 감소하는 것으로 나타났다. 반면 운전경력 1년 미만인 운전자의 경우 5년 이상인 운전자에 비해 교통사고 발생확률이 1.
사고빈도를 종속변수로 지정하여 성별 교통사고 위험도를 음이항분포로 추정한 결과 남성보다 오히려 여성의 교통사고 발생위험이 높은 것으로 나타났다. 하지만 Table 4.
사고심도의 경우 남성 운전자가 여성운전자에 비해 8.3% 높은 것으로 나타났으며 유의수준 1%에서 통계적으로 유의한 것으로 추정되었다. 이는 해외 선행연구와 일치하는 결과로 우리나라 남성운전자도 여성보다 교통사고가 발생할 경우 피해액이 크다는 것을 알 수 있다.
연령은 증가할수록 사고심도가 높은 것으로 나타났으며, 운전경력이 1년 미만인 초보운전자(경력1)는 운전경력이 5년 이상인 운전자(경력6)에 비해 교통사고가 발생할 경우 피해액이 29.1%나 높은 것으로 분석되어졌다.
본 연구는 우리나라 모든 운전자 자료 중 50만명을 무작위 추출하여 성별 자동차사고 위험도를 분석하였다. 자동차사고 위험도는 사고심도와 사고빈도로 구분한 이후 각각에 대해 헤크먼모형과 일반화선형 모형을 적용하여 분석하였는데, 분석결과 사고심도의 경우 남성이 여성보다 8.3%높은 반면 사고빈도의 경우에는 반대로 여성에 비해 남성의 교통사고 발생 가능성이 현저하게 낮은 것으로 분석되어졌다.
차종에 따른 사고빈도 위험도는 사고심도와 다소 다른 양상을 보였다. 중형차와 SUV 운전자가 교통사고 발생확률이 가장 높았으며, 경차와 소형차는 사고심도처럼 사고빈도 측면에서도 위험도가 높지 않았다. 하지만 대형차는 교통사고 발생확률이 중형차보다 낮은 것으로 분석되어졌다.
하지만 대형차는 교통사고 발생확률이 중형차보다 낮은 것으로 분석되어졌다. 즉, 대형차의 경우 교통사고 발생가능성은 낮으나 사고가 발생할 경우에는 교통사고 피해액이 많은 것으로 나타났다.
053으로 Likelihood-ratio 검증결과 α가 유의하게 0보다 큰 것으로 검증되었다. 즉, 본 연구에 활용된 사고빈도자료의 경우 분산이 평균보다 유의적으로 크기 때문에 포아송이 아닌 음이항분포가 적정한 실증분석모형임을 알 수 있다.
88정도로 낮다는 의미이다. 즉, 여성이 남성보다 교통사고 발생확률이 1.13배 높은 것으로 추정되었다.
지역은 사고심도와 같이 교통사고 발생가능성에 영향을 주는 매우 유의한 요인임이 확인되었다. 특히 사고심도가 높은 서울과 인천은 사고빈도도 다른 지역보다 높은 것으로 분석되어졌다.
차종에 따른 교통사고 피해액은 일반적으로 차의 크기와 비례하여 증가하였는데, 기준변수인 중형차에 비해서는 경차와 소형차의 피해액이 작은편이었고 대형차와 SUV 운전자는 교통사고 심도가 각각 18.7%, 19.1% 높은 것으로 나타났다. 또한 운전하는 지역도 교통사고 피해액에 유의한 영향을 주는 요인임을 알 수 있다.
1세보다 다소 많고 운전경력은 현격하게 남성이 여성보다 많음을 알 수 있다. 총 샘플의 경우 차종은 소형차와 중형차가 60% 이상을 차지하고 있으며, 남성은 중형차을 가장 많이 운전하고 여성은 소형차를 가장 많이 운전하고 있는 것으로 나타났다. 특히 경차의 경우에는 여성운전자의 비중이 현격하게 높음을 알 수 있으며, 반대로 SUV의 경우에는 남성운전자의 비중이 현격하게 높다.
). 총 샘플의 경우 평균 0.146번의 교통사고를 유발하였으며 여성운전자는 0.166번으로 남성의 0.141번보다 사고빈도가 높았다. 교통사고 피해액인 사고심도의 경우 남성이 여성보다 다소 높기는 하였으나 큰 차이가 나지는 않고 있다.

후속연구

본 연구가 우리나라 운전자들의 성별 교통사고 위험도를 사고심도와 사고빈도로 구분하여 실증적으로 분석은 하였지만, 데이터의 한계로 인해 성별로 교통사고 위험도가 차이나는 구체적인 원인에 대해서는 충분한 설명을 제공하지 못하는 한계가 존재한다. 현재 국토교통부, 경찰청, 그리고 보험산업이 서로 다른 교통사고 정보를 보유하고 있는데 향후 다양한 기관에서 독립적으로 축적하고 있는 사고정보들을 통합한다면 성별로 교통사고 빈도 및 심도가 차이나는 원인에 대해 규명하고 실효성 높은 교통사고 경감정책이 시행될 수 있을 것으로 기대된다.
우리나라 교통사고 위험도가 성별에 따라 유의하게 다르다면 좀 더 실효성 높은 교통사고 정책이 마련될 수 있을 것이다. 그럼에도 불구하고 해외 주요국과 달리 우리나라는 성별 자동차사고 위험도를 평가한 연구가 매우 미진한 상황이다.
본 연구가 우리나라 운전자들의 성별 교통사고 위험도를 사고심도와 사고빈도로 구분하여 실증적으로 분석은 하였지만, 데이터의 한계로 인해 성별로 교통사고 위험도가 차이나는 구체적인 원인에 대해서는 충분한 설명을 제공하지 못하는 한계가 존재한다. 현재 국토교통부, 경찰청, 그리고 보험산업이 서로 다른 교통사고 정보를 보유하고 있는데 향후 다양한 기관에서 독립적으로 축적하고 있는 사고정보들을 통합한다면 성별로 교통사고 빈도 및 심도가 차이나는 원인에 대해 규명하고 실효성 높은 교통사고 경감정책이 시행될 수 있을 것으로 기대된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	우리나라 자동차등록대수는 어느 정도로 증가되고 있는가?	경제성장에 기반한 소득증가의 원인으로 인해 우리나라 자동차등록대수도 빠르게 증가해 왔다. 20년 전인 1992년도에는 자동차등록대수가 520만대에 불과하였으나 그 후 10년 뒤인 2002년에는 1,400만대로 증가하였고 현재(2012년 12월 말 기준) 1,840만대에 달하고 있는 상황이다 (Ministry of Land, Infrastructures and Transport, 2012). 자동차대수 증가보다 더욱 눈에 띄는 것은 여성운전자의 증가이다.
	경제성장에 기반한 소득증가의 원인으로 인해 증가한 것은 무엇인가?	경제성장에 기반한 소득증가의 원인으로 인해 우리나라 자동차등록대수도 빠르게 증가해 왔다. 20년 전인 1992년도에는 자동차등록대수가 520만대에 불과하였으나 그 후 10년 뒤인 2002년에는 1,400만대로 증가하였고 현재(2012년 12월 말 기준) 1,840만대에 달하고 있는 상황이다 (Ministry of Land, Infrastructures and Transport, 2012).
	자동차대수 증가보다 눈에 띄는 것은 무엇인가?	20년 전인 1992년도에는 자동차등록대수가 520만대에 불과하였으나 그 후 10년 뒤인 2002년에는 1,400만대로 증가하였고 현재(2012년 12월 말 기준) 1,840만대에 달하고 있는 상황이다 (Ministry of Land, Infrastructures and Transport, 2012). 자동차대수 증가보다 더욱 눈에 띄는 것은 여성운전자의 증가이다. 주요 선진국에서처럼 여성의 사회적 참여 및 지위가 상승함에 따라 여성운전자의 비중은 자동차등록대수보다 더욱 빠르게 증가하고 있다.

참고문헌 (17)

AI-Balbissi, A. H. (2003). Role of gender in road accidents, Traffic Injury Prevention, 4, 64-73

상세보기
Baker, S., O'Neill, B., Ginsburg, M. J. and Li, G. (1992). The Injury Fact Book, Oxford University Press, New York.
Cameron, A. C. and Trevedi, P. K. (2005). Microeconomics : Method and Applications, Cambridge Press.
Doob, A. N. and Gross, A. (1968). A status of frustrator as an inhibitor of horn-honking responses, The Journal of Social Psychology, 76, 213-218.

상세보기
Heckman, J. J. (1979). Sample selection bias as a specification error, Econometrica, 47, 153-161

상세보기
Lajunen, T. and Parker, D. (2001). Are aggressive people aggressive drivers?: A study of the relationship between self-reported general aggressiveness, driver anger and aggressive driving, Accident Analysis & Prevention, 33, 243-255

상세보기
Lee, D. S. (2005). Training, wages, and sample selection: estimating sharp bounds on treatment effects, NBER, No. 11721
Massie, D. L. and Campbell, K. L. (1993). Analysis of accident rates by age, gender, and time of day based on the 1990 nationwide personal transportation survey, Transportation Research Institute.
Ministry of Land, Infrastructures and Transport (2012). Press release
Ministry of Land, Infrastructures and Transport (2013). National plans of traffic safety for 2013.
National Statistical Office (2013). Statistics of the cause of death in 2013.
Ryu, S. G., Bin, M. Y., Kim, C. M. and Kim, J. S. (2013). Gyeonggi Research Institute, Issue&Diagnosis
Storie, V. J. (1977). Male and Female Car drivers: Differences observed in accidents, UK, England: Transport and Road Research Laboratory.
Waldron, I., McCloskey, C. and Earle, I. (2005). Trends in gender differences in accidents mortality: Relationships to changing gender roles and other societal trends, Demographic Research, 13, 415-454.
Waylen, A. and McKenna, F. (2002). The development of gender differences in risky attitudes and behavior in road use, UK, Basingstoke: AA Foundation for Road Safety.
Wooldridge, J. M. (1999). Introductory Econometrics : Modern Approach, Cengage Learning EMEA, 43.
Zuckerman, M. (1996). The psychobiological model for impulsive unsocialized sensation seeking: A comparative approach, Neuropsychobiology, 34, 125-129.

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증