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
- 고령화 현상의 공간적 분포 특성을 파악하기 위해 국지모란지수를 이용하여 고령화 집중지역 및 아웃라이어 지역을 살펴보고 지리가중회귀모형을 통해 고령화의 지역특성과의 관계를 분석하고자 하였다. 연구 흐름은 Figure 1과 같이 1) 고령화 현상의 시계열 변화 분석 2) 고령화 핫스팟 변화 분석 3) 지역 특성과의 관계 분석으로 이뤄진다.
- 본 연구에서는 공간분석기법을 활용하여 장기간 자료를 통해 우리나라 고령화 현상의 공간분포패턴 변화를 분석하고, 2010년을 기준으로 고령화 현상과 사회․ 자연․ 환경적 요인과의 관계와 각 요인의 공간적 영향 관계를 분석하고자 한다.
- 본 연구에서는 급속히 진행된 고령화 현상을 시간에 따른 공간분포 패턴 분석을 통해 핫스팟을 살펴보고, 고령화 현상과 사회·자연·환경적 요인과의 관계를 분석하고자 하였다.
제안 방법
- OLS 분석에서 유의하지 않으며, GWR 분석에서 국지적 다중공선성을 갖는 변수로 나타난 기온변수와 강수량 변수를 제외한 모형을 적용하였다. GWR 분석 결과 수정된 R2값은 0.
- 각 연도별 고령인구의 핫스팟 분포를 분석하기 위해 국지모란지수 분석을 통해 클러스터를 도출하고 도시하다(Figure 4, Table 3). 고령화율이 높은 지역이 밀집한 핫스팟(H-H) 지역은 1985년 25개 지역에서 1995년 47개 지역까지 확대됨을 알 수 있었다.
- 기상자료의 경우, IDW (Inverse Distance Weighted) 방식으로 보간하여 구축하였다. 각 영역별 독립변수는 합계출산율, 인구 천 명당 사업체 수, 인구 천 명당 의사 수, 인구 천 명당 사설학원수, 평균기온, 연 강수량, 산림 면적 비율로 선정하였다(Table 1). 또한 공간적 인접지역이 적은 제주지역은 분석에서 제외하였다.
- 고령화 현상의 연도별 변화를 살펴보기 위해 1975년부터 2010년까지 인구총조사 자료를 이용하여 각 연도별 고령화율(65세 이상 인구비율)을 살펴보았다. 고령화 사회, 고령 사회, 초고령 사회를 구분하는 기준을 이용하여1) 주제도의 범례를 3%, 7%, 14%, 20%, 20%초과지역으로 구분하여 작성하였다(Figure 2).
- 고령화 현상의 연도별 변화를 살펴보기 위해 1975년부터 2010년까지 인구총조사 자료를 이용하여 각 연도별 고령화율(65세 이상 인구비율)을 살펴보았다. 고령화 사회, 고령 사회, 초고령 사회를 구분하는 기준을 이용하여1) 주제도의 범례를 3%, 7%, 14%, 20%, 20%초과지역으로 구분하여 작성하였다(Figure 2).
- 또한 고령화 현상과 인구, 산업, 복지, 교육, 기후, 환경 요인과의 관계를 GWR 모형을 이용하여 살펴보았다. 사업체수와 기상변수는 다중공선성 문제로 제거한 후 모델을 분석한 결과, 수정된 R2은 0.
- 국지모란지수 분석은 거리가 가까운 두 지역을 비슷한 그룹으로 추정하여 분석하는 방법으로, 거리가 가까울 경우 자기상관관계가 존재한다고 추정하고 분석결과 이와 같은 추정이 기각되는 경우 핫스팟으로 판별한다 (Kang, 2008). 본 연구에서는 Arcgis를 이용하여 각 연도별 고령인구비율의 공간적 분포 패턴을 분석하였으며, 분석결과인 국지모란지수, 국지모란지수의 Z값에 의해 High-High(H-H), Low-Low(L-L), Low-High(L-H), High-Low(H-L) 으로 구분된 클러스터를 도출하였다. 각 클러스터의 특징은 Table 2와 같다.
- 고정커널은 모든 지역에 동일한 bandwidth를 사용하는 형태이며, 적응커널은 자료의 밀집정도에 따라 다른 bandwidth를 사용한다(Choi and Suh, 2012). 본 연구에서는 적응커널을 적용하였다.
- 각 클러스터의 특징은 Table 2와 같다. 이러한 클러스터는 공간적으로 유사한 지역이 집중된 핫스팟(H-H)과 콜드스팟(L-L), 공간적으로 이질적인 특징을 보인 아웃라이어 (spatial outlier) 지역으로 고령인구비율의 연도별 핫스팟 지역의 증감 및 분포의 공간적 변화를 살펴보았다.
- 산림면적 비율의 경우에도 경상북도 김천, 구미, 칠곡, 성주, 고령지역의 경우 높은 회귀계수 값을 갖는 지역이 공간적으로 집중된 모습을 보였다. 이와 같이 지역별로 각 독립변수가 갖는 영향의 정도가 다름을 알 수 있었으며, 지형과 의료복지가 중요한 요인으로 작용하는 지역의 집중을 확인하였다.
- 지역별 회귀계수의 공간적 분포를 살펴보기 위해 표준편차 값을 기준으로 주제도를 작성하였다(Figure 6). 그 결과, 출산율의 회귀계수 값은 동과 서 방향으로 다른 경향을 보였으나 표준편차의 1.
대상 데이터
- 고령화와 지역의 사회적, 환경적 요인과의 관계 분석을 위한 자료는 통계청 지역 통계와 지적 통계, 기상청 기상 정보를 활용하여 인구, 경제, 복지, 교육, 기상, 환경요인을 대표할 통계치를 선정하고 2010년을 기준으로 시군구 단위 자료를 구축하였다. 기상자료의 경우, IDW (Inverse Distance Weighted) 방식으로 보간하여 구축하였다.
- 고령화의 공간분포패턴을 분석하기 위한 고령인구자료는 인구총조사 자료를 이용하여 1975년부터 2010년까지 자료를 구축하였다. 공간 자료인 행정구역도와 연계하기 위해 2010년 행정구역 기준으로 자료를 재집계하였다.
- 고령화의 공간분포패턴을 분석하기 위한 고령인구자료는 인구총조사 자료를 이용하여 1975년부터 2010년까지 자료를 구축하였다. 공간 자료인 행정구역도와 연계하기 위해 2010년 행정구역 기준으로 자료를 재집계하였다. 도시지역 분화로 인하여 누락된 데이터가 존재하여 1995년 이전까지는 특별시와 광역시를 제외한 지역을 대상으로 분석하였으며, 2000년부터 2010년까지는 전국을 대상으로 분석하였다.
- 공간 자료인 행정구역도와 연계하기 위해 2010년 행정구역 기준으로 자료를 재집계하였다. 도시지역 분화로 인하여 누락된 데이터가 존재하여 1995년 이전까지는 특별시와 광역시를 제외한 지역을 대상으로 분석하였으며, 2000년부터 2010년까지는 전국을 대상으로 분석하였다.
데이터처리
- 본 연구에서는 자기공간상관을 갖는 고령화 현상과 지역특성을 분석하기 위해 종속변수는 2010년 고령화율, 독립변수는 합계출산율, 인구 천 명당 산업체수, 인구 천명당 의사 수, 인구 천 명당 사설학원 수, 평균 기온, 연강수량, 산림 면적 비율로 설정하여 지리가중회귀모형 분석을 실시하였다.
- 상관분석을 실시하여 변수를 제거했음에도 GWR모형 분석하는 과정에서 다중공선성 문제가 발생하여 불필요한 독립변수를 살펴보기 위해 공간효과를 고려하지 않은 OLS(Ordinary least square)분석을 실시하였다. 그 결과 수정된 R2은 0.
- 본 연구에서는 급속히 진행된 고령화 현상을 시간에 따른 공간분포 패턴 분석을 통해 핫스팟을 살펴보고, 고령화 현상과 사회·자연·환경적 요인과의 관계를 분석하고자 하였다. 이러한 고령화 현성은 공간적 의존성을 가지며, 지역 특성 또한 인접한 지역과 유사한 특성을 가지므로 공간적 자기상관을 고려하기 위해 공간통계기법인 국지모란지수 분석과 지리가중회귀분석을 이용하였다.
이론/모형
- 고령인구 비율과 지역특성과의 관계 분석을 위해 지리가중회귀모형을 적용하였다. 회귀분석에서 다중공선성문제를 해결하기 위해 독립변수로 선정한 변수들 간의 상관분석을 실시한 결과(Table 4) 산업체수와 의사수가 높은 상관관계를 갖고 있어 산업체수 변수를 제거하였다.
- 고령화 현상의 공간적 패턴을 분석하기 위해 국지적 공간통계기법 중 국지모란지수(Local moran’s I)을 이용하였으며, 식(1)에 의해 산정된다.
- 고령화와 지역의 사회적, 환경적 요인과의 관계 분석을 위한 자료는 통계청 지역 통계와 지적 통계, 기상청 기상 정보를 활용하여 인구, 경제, 복지, 교육, 기상, 환경요인을 대표할 통계치를 선정하고 2010년을 기준으로 시군구 단위 자료를 구축하였다. 기상자료의 경우, IDW (Inverse Distance Weighted) 방식으로 보간하여 구축하였다. 각 영역별 독립변수는 합계출산율, 인구 천 명당 사업체 수, 인구 천 명당 의사 수, 인구 천 명당 사설학원수, 평균기온, 연 강수량, 산림 면적 비율로 선정하였다(Table 1).
- 고령화 현상의 공간적 패턴을 분석하기 위해 국지적 공간통계기법 중 국지모란지수(Local moran’s I)을 이용하였으며, 식(1)에 의해 산정된다. 식(1)에서 wi,j는 공간가중치 행렬을 의미하는데 본 연구에서는 거리반비례 (inverse distance)방식을 사용하였다.
성능/효과
- 상관분석을 실시하여 변수를 제거했음에도 GWR모형 분석하는 과정에서 다중공선성 문제가 발생하여 불필요한 독립변수를 살펴보기 위해 공간효과를 고려하지 않은 OLS(Ordinary least square)분석을 실시하였다. 그 결과 수정된 R2은 0.526으로 나타났으며, 회귀계수의 유의확률 값을 살펴보면 기온변수는 유의하지 않은 것으로 나타났다(Table 5). 또한 강수량 변수의 회귀계수 값이 매우 작아 영향이 거의 없는 것으로 나타났다.
- 지역별 회귀계수의 공간적 분포를 살펴보기 위해 표준편차 값을 기준으로 주제도를 작성하였다(Figure 6). 그 결과, 출산율의 회귀계수 값은 동과 서 방향으로 다른 경향을 보였으나 표준편차의 1.5배 이상에 해당하는 지역은 넓게 나타나지 않았다. 사설학원 변수의 경우 남쪽과 북쪽으로 나누어 다른 분포를 보이고 경상북도 일부지역에 고령화와 부(-)의 영향이 큰 지역이 집중된 지역이 있으나 유의한 수준으로 나타나진 않았다.
- 고령인구 비율을 기준으로 1975년부터 5년 간격으로 살펴 본 결과, 2000년 이후 초고령지역이 나타났으며, 서울 수도권 이외의 전국으로 확대되고 있음을 알 수 있었다. 또한 각 5년간의 고령인구비율의 변화를 통해 2000년에서 2005년 사이 고령화 속도가 가장 크게 나타났다. 이러한 고령화 현상은 시간에 따라 군집화가 진행된 것으로 나타났으며, 1985년에는 전라도와 경상도의 중산간지역이 고령화율이 높은 핫스팟지역이었으나 점차 확대되어 전라남도와 전라북도로 넓게 나타났으며 이러한 현상은 현재까지 지속되고 있다.
- 526으로 나타났으며, 회귀계수의 유의확률 값을 살펴보면 기온변수는 유의하지 않은 것으로 나타났다(Table 5). 또한 강수량 변수의 회귀계수 값이 매우 작아 영향이 거의 없는 것으로 나타났다.
- 이는 도시지역의 고령화율이 농촌지역보다 낮은 특성에 의한 영향이 모형 분석결과에 나타난 결과라 판단된다. 또한 다른 변수에 비해 영향력이 적지만 인구 천 명당 의사 수는 고령화에 긍정적인 영향을 미치는 것을 알 수 있었다.
- 681로 나타났으며, R2값의 공간적 변동성을 그래프로 살펴보면 Figure 5와 같다. 분석 대상이 된 228개 지역에 대해 0.4 이상의 설명력을 갖으나 지역별 편차는 존재하는 것으로 나타났다.
- 또한 고령화 현상과 인구, 산업, 복지, 교육, 기후, 환경 요인과의 관계를 GWR 모형을 이용하여 살펴보았다. 사업체수와 기상변수는 다중공선성 문제로 제거한 후 모델을 분석한 결과, 수정된 R2은 0.681로 나타났으며, 합계출산율, 천 명당 의사 수, 산림 면적 비율은 고령화율과 정(+)의 관계를 가지며, 인구 천 명당 사설학원 수는 고령화율과 부(-)의 관계를 갖는 것으로 나타났다. 이는 산간지역, 비도시화 지역이 고령화가 많이 진행되었으며, 의료복지 여건이 고령화에 긍정적인 역할을 함을 알 수 있었다.
- 콜드스팟 지역의 경우 수도권의 영향으로 충청남도, 강원도 지역으로 확대 되고 있음을 확인하였다. 아웃라이어 지역 중 고령화율이 낮으나 주위 지역이 고령화율이 높은 (L-H)지역은 경상남도 진주, 경상북도 구미, 광주 광산구, 북구, 전라남도 광양, 목포, 순천, 여수, 전라북도 전주시 지역으로 나타났다.
- 이와 같이 고령화현상은 일정한 클러스터를 형성하면서 확대되고 있으며, 고령화 핫스팟뿐 만 아니라 콜드스팟 지역도 확대됨을 알 수 있었다. 이는 고령화의 지역별 격차가 확대되고 있음을 확인할 수 있다.
- 주위 지역이 고령화율이 낮으면서 해당지역은 고령화율이 높은 아웃라이어(H-L)지역은 특별한 특징을 보이지 않았으나, 해당지역은 고령화율이 낮으나 주위지역이 고령화율이 높은 아웃라이어(L-H)지역은 1990년 이후 동일한 지역이 지속적으로 해당하는 것으로 나타났다. L-H지역으로 나타난 지역은 경상남도 진주, 경상북도 구미, 광주 광산구, 북구, 전라남도 광양, 목포, 순천, 여수, 전라북도 전주시 지역으로 나타났다.
- 이는 산간지역, 비도시화 지역이 고령화가 많이 진행되었으며, 의료복지 여건이 고령화에 긍정적인 역할을 함을 알 수 있었다. 지역별 회귀계수를 분석한 결과, 경상북도의 예천, 영주, 봉화 지역은 의사 수 변수가 고령화율에 높은 영향을 주는 것으로 나타났다.
- 이러한 고령화 현상은 시간에 따라 군집화가 진행된 것으로 나타났으며, 1985년에는 전라도와 경상도의 중산간지역이 고령화율이 높은 핫스팟지역이었으나 점차 확대되어 전라남도와 전라북도로 넓게 나타났으며 이러한 현상은 현재까지 지속되고 있다. 콜드스팟 지역의 경우 수도권의 영향으로 충청남도, 강원도 지역으로 확대 되고 있음을 확인하였다. 아웃라이어 지역 중 고령화율이 낮으나 주위 지역이 고령화율이 높은 (L-H)지역은 경상남도 진주, 경상북도 구미, 광주 광산구, 북구, 전라남도 광양, 목포, 순천, 여수, 전라북도 전주시 지역으로 나타났다.
- 회귀계수 값을 살펴보면 산림면적 비율이 가장 큰 값을 가지며, 인구 천 명당 사설학원수가 두 번째로 큰 절대 값을 갖는 것으로 나타났다. 이는 도시지역의 고령화율이 농촌지역보다 낮은 특성에 의한 영향이 모형 분석결과에 나타난 결과라 판단된다.
- 각 독립변수의 회귀계수 값의 최소, 최대, 평균, 표준 편차 값은 Table 6과 같다. 회귀계수 값을 살펴보면 합계출산율, 천 명당 의사 수, 산림 면적 비율은 고령화율과 정(+)의 관계를 가지며, 인구 천 명당 사설학원 수는 고령화율과 부(-)의 관계를 갖는 것으로 나타났다.
- 고령인구 비율과 지역특성과의 관계 분석을 위해 지리가중회귀모형을 적용하였다. 회귀분석에서 다중공선성문제를 해결하기 위해 독립변수로 선정한 변수들 간의 상관분석을 실시한 결과(Table 4) 산업체수와 의사수가 높은 상관관계를 갖고 있어 산업체수 변수를 제거하였다.
후속연구
- 본 연구는 고령화 현상의 공간적 분포 특성을 분석하고 지역별 사회적 자연·환경적 요인과의 관계를 살펴보고자 하였으나, 많은 지역특성 변수를 선정하지 못하여 지역에 따른 고령화 요소를 도출하고 이를 활용하는 방안을 제시하는데 한계를 가진다. 그러나 공간적 자기상관을 고려한 분석방법은 지역별 특성에 따른 대응방안 마련 등에 활용될 수 있을 것이다.
- 따라서 다년도간 지속된 우리나라의 고령화 현상 및 변화를 살펴봄에 있어 공간자기상관을 고려하여 분석하여야 하며, 고령화과 관련된 지역요인 분석에서도 이러한 공간적 특성을 고려하여야 지역특성에 맞는 공간정책 수립이 가능할 것이다.
- Tobler(1970)가 제시한 지리학의 1법칙을 고려할 때 고령화는 공간상에서 상호작용하는 특성을 가진다. 또한 고령화와 관련된 사회, 자연 환경적 요인은 지형공간상에서 연속적인 형태로 분포하게 되므로 공간적으로 인접한 지역일수록 더욱 큰 유사성을 가지는 경향이 있으므로 이를 고려한 연구가 필요하다. 고령화 현상의 공간적 분석에 관한 연구로는 Choi and Suh(2012)와 Yeo and Suh(2014)이 연구가 있었으나, 연구대상지가 한정되고 단순한 현상분석에 그친 한계를 가진다.
- 본 연구는 고령화 현상의 공간적 분포 특성을 분석하고 지역별 사회적 자연·환경적 요인과의 관계를 살펴보고자 하였으나, 많은 지역특성 변수를 선정하지 못하여 지역에 따른 고령화 요소를 도출하고 이를 활용하는 방안을 제시하는데 한계를 가진다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.