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
- 이 연구는 성별 및 연령별 농가인구모형 개발을 통해 향후 농업 정책 수립에 필요한 인구 전망치를 제시하며, 동시에 다른 연구의 기초자료로 활용하는데 그 목적이 있으며, 소득 변화 등 경제 변화에 따른 정책 시뮬레이션이 가능하도록 모형을 개발하는데 목적을 두었다.
제안 방법
- 기존 농가인구전망 모형과 본 연구의 차이점은 인구이동이 없이 출산율과 사망률만을 고려한 코호트인구생잔모형(Cohort Survival Model, CSM)을 구축하고 25개의 방정식을 통해 이농률을 예측한 후, 이농률 전망치를 각각의 성별, 연령별 코호트에 적용하여 미래 인구를 전망하는 것이다. 또한 농가인구 전망치를 제시하는 것에 그치지 않고, 농가인구이동의 경제적 요인 중 농가소득이 베이스라인 전망치보다 감소할 경우, 농가인구가 어떻게 변화하는지 시나리오를 설정해 시뮬레이션을 수행하였다.
- 농촌지역인구이동의 실태와 요인을 분석하면서 도시인구유입탄력성을 시도별로 계측하였고, 연령별 농업취업자의 이농요인, 시도별 인구이동 요인 분석과 함께 농촌지역인구를 연령별·성별로 전망하였다.
- 기존 농가인구전망 모형과 본 연구의 차이점은 인구이동이 없이 출산율과 사망률만을 고려한 코호트인구생잔모형(Cohort Survival Model, CSM)을 구축하고 25개의 방정식을 통해 이농률을 예측한 후, 이농률 전망치를 각각의 성별, 연령별 코호트에 적용하여 미래 인구를 전망하는 것이다. 또한 농가인구 전망치를 제시하는 것에 그치지 않고, 농가인구이동의 경제적 요인 중 농가소득이 베이스라인 전망치보다 감소할 경우, 농가인구가 어떻게 변화하는지 시나리오를 설정해 시뮬레이션을 수행하였다. 기존의 연구처럼 이농률을 가정하는 것이 아니라 성별, 연령별로 나누어 이농률을 각각 추정하였기 때문에 시나리오에 따른 효과도 성별, 연령별로 확인할 수 있었다.
- 이정환[7]의 연구는 농가인구모형은 코호트 분석법을 기본으로 설정하되, 이농인구는 방정식으로 추정한 뒤 성별 연령별로 배분하는 방식을 취하였다. 모형에서 t시점의 농가인구는 t-1기의 농가인구에 생존율을 곱한 뒤 이농인구를 차감하여 구하였으며 이농인구는 농가와 비농가 간 소득 격차, 비농업부문 노동력 수요, 14세 이상 인구 비율을 독립변수로 하여 추정하였다. 상당히 의미 있는 연구이지만 농가노동력의 상대적 소득비율이 향후 1-2% 씩 개선된다는 가정하에 전망이 이루어진 한계가 있다.
- 우리나라의 경우, 농업 이농률을 통계청에서 발표하지 않는다. 본 연구에서 순이동율(net migration rate)은 과거 자료를 이용하여 코호트인구생잔모형(CSM) 방식으로 과거 출산율과 사망률을 이용하여 산출된 인구(P*)와 실제인구(P)의 차이를 산출된 인구(P*)로 나누어준 값인 (P*-P)/P*로 계산 하였다.
- 본 연구에서는 농가인구 전망치를 제시하는 것에 그치지 않고, 농가인구이동의 경제적 요인 중 농가소득이 베이스라인 전망치보다 감소할 경우, 농가인구가 어떻게 변화하는지 시나리오를 설정해 시뮬레이션을 수행하였다. 이 연구는 기존의 연구처럼 이농률을 가정하는 것이 아니라 성별, 연령별로 나누어 이농률을 각각 추정하였기 때문에 시나리오에 따른 효과도 성별, 연령별로 확인할 수 있다.
- 본 연구에서는 데이터 한계로 인해 사회학적 요소의 대리변수로 시간변수(trend variable)를 사용하였으며, 모형의 이농률 방정식은 도시 임금 수준, 농촌 임금 수준, 시간변수를 포함하고 있다.
- 시나리오는 정부가 추진 중인 귀농‧귀촌정책의 가이드라인을 제공하기위해, 농가소득이 10% 증가하는 것으로 설정하여 정책 시뮬레이션 하였다. 그 결과, 전체 농가인구가 2020년에는 베이스라인 대비 1.
- 연령별·성별 농촌지역 인구 전망을 위해 코호트 분석방법을 이용한 것이 모형의 주요 특징으로 t시점과 t-1시점의 인구 차이는 t시점의 출생률에서 t시점의 사망률과 이촌율을 뺀 것으로 구하였으며 코호트 분석은 연령별 이촌율의 가정에 따라 결과가 민감하게 반응하므로 연도별로 가중치를 달리한 2가지 시나리오를 설정하여 분석을 실시하였다.
- 오즈비의 결과를 볼 때, 0∼4세를 제외한 모든 연령은 성별에 따라 이농률의 차이가 있다고 할 수 있어 모두 성별로 분리하여 추정하였다.
- 본 연구에서는 농가인구 전망치를 제시하는 것에 그치지 않고, 농가인구이동의 경제적 요인 중 농가소득이 베이스라인 전망치보다 감소할 경우, 농가인구가 어떻게 변화하는지 시나리오를 설정해 시뮬레이션을 수행하였다. 이 연구는 기존의 연구처럼 이농률을 가정하는 것이 아니라 성별, 연령별로 나누어 이농률을 각각 추정하였기 때문에 시나리오에 따른 효과도 성별, 연령별로 확인할 수 있다.
- 이 연구의 주된 아이디어는 일단 인구이동이 없이 출산율과 사망률만을 고려한 코호트인구생잔모형(CSM)을 구축하고 이농률을 예측하여 이농률 전망치를 각각의 성별, 연령별 코호트에 적용하여 미래 인구를 전망하는 것이다.
대상 데이터
- 또한 본 연구에서 개발된 농가인구전망모형은 기존의 농업시뮬레이션모형과 연계하여 각종 정책 시행에 대한 농가인구 변화양상 시뮬레이션이 가능해진 점을 들 수 있다. 본 연구는 1980년부터 2013년까지의 자료를 이용하였고, 농가인구는 통계청의 농업조사 데이터를 이용하여 2030년까지 전망하였다.
데이터처리
- 구축된 모형의 적합도 또는 예측력을 평가하기 위해 사후적 시뮬레이션(ex-post simulation)을 실시하여 도출된 시뮬레이션 결과와 실측치를 RMSPE(Root Mean Square Percent Error), MAPE(Mean Absolute Percent Error),Theil 불균등계수(Theil's inequality coefficient)를 이용하여 비교 검토하였다.
이론/모형
- 인구이동 함수에 지역 평균소득, 지역간 거리, 생활보호대상자 가구비율, 고졸이상자비율, 지역 인구 등이 설명변수로 사용되었다. 개인의 이주결정 함수는 로짓모형(Logit Model)을 사용하여 개인의 성별,연령, 교육연수, 결혼상태 등을 설명변수로 사용하여 추정하였다. 소득과 교육의 기회가 인구이동을 결정하는 중요한 요소로 나타났으며 인적자본이론에 기초하여 인구이동현상을 잘 설명하고 있지만 향후 전망이 이루어지지 못했다는 점에서 한계가 있다.
- 본 연구에서는 비요소적 인구예측모형의 약점을 보완할 수 있도록 출생·사망·인구 이동의 세 가지 요소를 구분하여 예측, 합산하는 코호트요소분석모형(CCM)을 사용하였다.
성능/효과
- 이러한 결과는 농업인구가 도시로 이동하는 이농률이 상대적 소득차이인 경제적 요인이외 요인들로 인해 농가인구가 시간의 흐름에 따라 점차 감소하고 있음을 보여준다. 45세이상의 코호트의 시간변수계수는 45세 이하의 코호트의 시간변수계수보다 상대적으로 크게 나타났다, 이는 45세 이상 코호트의 이농요인이 45세 이하의 코호트에 비해 도시와 농촌의 상대적 소득보다는 경제적 요인(소득)이외 사회학적 요인에 더욱 민감한 것으로 해석된다.
- 시나리오는 정부가 추진 중인 귀농‧귀촌정책의 가이드라인을 제공하기위해, 농가소득이 10% 증가하는 것으로 설정하여 정책 시뮬레이션 하였다. 그 결과, 전체 농가인구가 2020년에는 베이스라인 대비 1.3% 증가하였으며, 2030년에는 2.6% 증가하였다. 성별로 보면 2020년에 남성은 1.
- 또한 농가인구 전망치를 제시하는 것에 그치지 않고, 농가인구이동의 경제적 요인 중 농가소득이 베이스라인 전망치보다 감소할 경우, 농가인구가 어떻게 변화하는지 시나리오를 설정해 시뮬레이션을 수행하였다. 기존의 연구처럼 이농률을 가정하는 것이 아니라 성별, 연령별로 나누어 이농률을 각각 추정하였기 때문에 시나리오에 따른 효과도 성별, 연령별로 확인할 수 있었다.
- 농가인구변동에 영향을 주는 농가소득이 증가하는 것으로 설정한 정책 시뮬레이션결과, 남녀 모두 30∼34세 코호트와 0∼4세 코호트가 높은 변화율을 나타냈다.
- 기존 연구와 달리 본 연구는 농가인구모형의 핵심사항인 이농률에 대해 몇 가지 가정을 하거나, 인구전체에 대하여 하나의 방정식을 추정한 후 성별 및 연령별로 배분하는 기존방식에서 벗어나서 성별 및 연령별 이농률 방정식을 모두 추정하여 성별·연령별로 이농반응의 상이함을 규명하고, 각 코호트별로 투여하여 전망한다는 것이 차이점으로 볼 수 있다. 또한 본 연구에서 개발된 농가인구전망모형은 기존의 농업시뮬레이션모형과 연계하여 각종 정책 시행에 대한 농가인구 변화양상 시뮬레이션이 가능해진 점을 들 수 있다. 본 연구는 1980년부터 2013년까지의 자료를 이용하였고, 농가인구는 통계청의 농업조사 데이터를 이용하여 2030년까지 전망하였다.
- 이와 같이 노령인구는 경제적 변화에 민감하게 반응하지 않을 것으로 보인다. 모든 회귀방정식은 추세 변수를 포함하고 있으며, 추정된 계수는 모두 음(-)의 부호를 나타내었고, 통계적으로 유의한 것으로 나타났다. 이러한 결과는 농업인구가 도시로 이동하는 이농률이 상대적 소득차이인 경제적 요인이외 요인들로 인해 농가인구가 시간의 흐름에 따라 점차 감소하고 있음을 보여준다.
- 성별에 따라 이농률에 차이가 있는지를 파악하기 위해 오즈비를 계산한 결과, 0∼4세를 제외하고 모든 연령에서 성별에 따라 이농률에 차이가 있는 것으로 나타났으며 10∼14세, 30∼54세는 여성보다 남성의 이농률이 높은 것으로 나타났다.
- 시나리오결과분석결과 2020년을 기준으로 보면 남녀모두 30∼34세 코호트와 0∼4세 코호트가 높은 변화율을 나타냈다.
- 구축된 모형의 적합도 또는 예측력을 평가하기 위해 사후적 시뮬레이션(ex-post simulation)을 실시하여 도출된 시뮬레이션 결과와 실측치를 RMSPE(Root Mean Square Percent Error), MAPE(Mean Absolute Percent Error),Theil 불균등계수(Theil's inequality coefficient)를 이용하여 비교 검토하였다. 시뮬레이션은 추정 기간에 대해25개 방정식을 대상으로 실시하였으며 시뮬레이션을 수행한 결과 RMSPE가 0.5% 내, Theil 불균등계수는 0.020으로 적합도가 높게 나타났다.
- 이 모형의 특징은 이주 결정이 개인에 의해 이루어지는 것이 아니라 가족이나 가정 단위로 이루어진다는 것과, 송금의 잠재적 영향으로 인한 가족 소득의 긍정적 효과와 이주로 인한 가족 노동력 상실이라는 부정적 효과를 포함한다는 것이다. 실증적 모형분석 결과 이주한 지역의 생산과 소득은 가족 노동력 손실이 부정적인 영향을 미치는 것으로 나타났다. 그러나 이주자의 송금에 의한 긍정적인 영향도 있었다[5].
- 위에서 추정된 코호트별 이농률 예측치를 코호트요소 분석모형(Cohort Component Model, CCM)을 이용하여 각각의 성별, 연령별 코호트에 적용하여 미래 인구를 전망하면, 우리나라 농가인구는 2010년에 304만 명, 2020년 249만 명, 2030년 201만 명으로 추정되어 연평균 2.1% 감소하는 것으로 예측되었다. 0∼14세는 동 기간 중 연평균 4.
- 인구전망 결과, 농가인구는 2010년에 304만 명, 2020년 249만 명, 2030년 201만 명으로 추정되어 연평균 2.1% 감소하는 것으로 예측되었다. 0∼14세는 동 기간 중 연평균 4.
- 특정 기간 출생아수를 계산하는 주요 방법에는 두 가지가 있다. 첫째, 1년간의 출생아 수를 성별, 연령과 상관없이 1000명의 비율로 나타낸 출생률(birth rates)이 있으며, 일반적으로 사용되는 합계출산율(total fertility rates, TFR)은 당해연도 15-49세 여성 코호트별 1000명당 출생아수를 나타낸다. 일반적으로 사용되는 합계출산율은 출생률보다 더 정제된 개념으로 15-49세 여성으로 정의된 특정 연령 및 성(age-sex)의 출산율을 이용하고 있다.
- 총부양비는 2010년 68.3에서 연평균 2.6% 증가하여 2030년에 114.0, 유소년부양비는 2010년 14.9에서 연평균 1.3% 감소하여 2030년에 11.5, 노년부양비는 2010년 53.4에서 연평균 3.3% 증가하여 2030년에 102.5, 노령화 지수는 2010년 359.7에서 연평균 4.6% 증가하여 2030년에 887.6로 매우 크게 추정되었다. 미래에 농업 사회의 노령화가 더 심해지고, 노년 부양비 증가, 노령화지수 상승추세가 매우 높아 향후 정책적 대응이 필요할것으로 보인다.
- 코호트별 이농률 방정식에서 가장 중요한 소득계수 추정치를 살펴보면, 사회활동이 높은 25∼49세의 코호트에서 소득계수가 크게 추정되었으며, 0∼14세의 코호트에서도 25∼49세의 코호트 수준과 비슷하게 크게 추정되었다.
후속연구
- 9%로 크게 증가할 것으로 보인다. 농가인구는 계속 감소 추세에 있으나 향후에도 감소 추세가 계속되어 노령화 정도가 더욱 심각해질 것으로 전망되어 이에 대한 대책을 마련하는 것이 시급한 것으로 보인다.
- 그러나 이주자의 송금에 의한 긍정적인 영향도 있었다[5]. 농업 이주 모형을 구축하기 위해서 본 연구에서는 토다로 모형, 인적 자본 모형, NELM 모형을 종합적으로 활용할 것이다.
- 농촌 및 농가인구는 사회 및 경제 정책 수립에 중요한 역할을 담당하는 주요 변수이며, 여러 가지 전망에 있어서 기초 변수로 활용되고 있다. 또한 농촌 및 농가인구 추정치는 현재 및 미래 정책의 실행 방향을 제시하는 가이드 역할과 동시에 사회 기간구조 및 예산안 작성의 기초 자료로 이용될 수 있다.
- 본 연구의 한계점으로 농가소득변화가 농가인구변동에 미치는 영향을 분석할 수 있었으나, 반대로 농가인구변동이 농업에 미치는 영향을 분석하지는 못했다. 또한데이터의 한계로 농가인구이동의 원인 중 사회적인 요인 분석을 대리변수(시간변수)로 사용하였다는 점도 한계점으로 남는다. 현재 정부가 추진 중인 귀농‧귀촌정책과 FTA영향에 대한 가이드라인을 제공할 수 더욱 정교한 예측치와 인과관계분석이 가능한 모형개발이 추가적으로 개발되어야 할 것이다.
- 미래에 농업 사회의 노령화가 더 심해지고, 노년 부양비 증가, 노령화지수 상승추세가 매우 높아 향후 정책적 대응이 필요할것으로 보인다.
- 농촌지역인구이동의 실태와 요인을 분석하면서 도시인구유입탄력성을 시도별로 계측하였고, 연령별 농업취업자의 이농요인, 시도별 인구이동 요인 분석과 함께 농촌지역인구를 연령별·성별로 전망하였다. 본 연구는 이동률을 따로 추정하지 않고 과거의 추세가 지속된다는 가정 하에 전망하였다는 점에서 한계가 있다. 김경덕[11]은 지역을 인구 감소, 유지, 증가지역으로 구분하여 변화요인의 메커니즘 분석과 농촌·농가인구의 중장기 전망을 통해 농업 인력의 육성 및 개발방안을 모색하였다.
- 본 연구의 한계점으로 농가소득변화가 농가인구변동에 미치는 영향을 분석할 수 있었으나, 반대로 농가인구변동이 농업에 미치는 영향을 분석하지는 못했다. 또한데이터의 한계로 농가인구이동의 원인 중 사회적인 요인 분석을 대리변수(시간변수)로 사용하였다는 점도 한계점으로 남는다.
- 또한데이터의 한계로 농가인구이동의 원인 중 사회적인 요인 분석을 대리변수(시간변수)로 사용하였다는 점도 한계점으로 남는다. 현재 정부가 추진 중인 귀농‧귀촌정책과 FTA영향에 대한 가이드라인을 제공할 수 더욱 정교한 예측치와 인과관계분석이 가능한 모형개발이 추가적으로 개발되어야 할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.