대상 데이터

• 본 연구의 인구집단은 통계청에서 5년마다 수행하는 인구총조사 결과를 활용하여 구성하였다. 가장 최근

  이론/모형

  • 통계적 매칭은 세부적인 방법론에 따른 검증을 위해 다양한 기법 및 거리함수를 적용하였다. 랜덤핫덱(Random Hotdeck)과 최근접 이웃 핫덱(Nearest Neighbor Distance Hotdeck) 2가지 기법을 적용하였으며, 이를 위한 거리함수는 맨하탄(Manhattan), 마할라노비스(Mahalanobis), 유클리디안(Euclidean) 3가지를 활용하였다. 이를 통해 인구집단의 소득재산

    성능/효과

    • 먼저 소득에 대해 가구를 기준으로 결합한 값을 기준으로 보면 재정패널의 평균이 2,520 (3,736)만원으로 최근접이웃핫덱이 각각의 거리함수 별로 맨하탄 2,479(3,876)만원, 마할라노비스 2,479(3,746)만원, 유클리디안은 2,484(3,869)만원으로 나타났다. 그 결과 개인소득은 랜덤핫덱보다 유사하게 나타났으며, 가구소득은 랜 후)거리함수별로">거리함수 별로 맨하탄 2,479(3,876)만원, 마할라노비스 2,479(3,746)만원, 유클리디안은 2,484(3,869)만원으로 나타났다. 그 결과 개인소득은 랜덤핫덱보다 유사하게 나타났으며, 가구소득은 랜덤핫덱이 보다 유사하게 나타났다. 로그를 적용하여 도출한 데이터별 일반재산과 자동차를 살펴보면, 재정패널의 일반재산 평균은 24,097만원이며, 최근접이웃핫덱이 각각 23,489만원, 23,581만원, 23,459만원으로 보다 유사하게 나타났다. 재정패널의 후)최근접이웃 핫덱이">최근접이웃핫덱이 각각 23,489만원, 23,581만원, 23,459만원으로 보다 유사하게 나타났다. 재정패널의 자동차 가액 평균은 850만원이며, 랜덤핫덱이 각각 856만원, 859만원, 855만원으로 최근접이웃핫덱보다 유사하게 나타났다. 금융재산과 부채를 살펴보면 재정패널의 금융재산 평균은 4,070만원, 최근접이웃핫덱이 각각 4,131만원, 4,157만원, 4,114만원이며, 재정패널 부채 평균은 8,632 만원, 최근접이웃핫덱이 각각 8,579만원, 8,641만원, 8,657만원으로 최근접이웃핫덱이 보다 유사하게 나타났다.
    • 소득인정액이 선정기준액 이하인 가구에게 수급판정을 내린 시뮬레이션 결과를 살펴보면 최근접이웃핫덱 의 수급율이 실제 수급율과 유사했으며, 마할라노비스 거리함수를 사용한 데이터가 67.78%로 가장 유사하게 나타났다[표 5].
    • 먼저 성별의 경우 실제 수급대상자가 총 3,714,436명중 남성이 1,304,632명(35.12%), 여성이 2,409,804명(64.88%)으로 나타나는 가운데 시뮬레이션의 경우 랜덤핫덱 마할라노비스가 전체 90,650명 중 남성이 35,063명(38.86%), 여성이 55,587명(61.32%)으로 가장 유사하게 나타났다. 다음으로 32%)으로 가장 유사하게 나타났다. 다음으로 지원가구 유형의 경우 노인단독 1,938,112명(52.18%), 노인부부 1인수급 351,246명(9.46%), 노인부부 2인수급 1,425,078명(38.37%)으로 나타나는 가운데 랜덤핫덱 유클리디안이 단독가구 44,833명(49.18%), 노인부부 1인수급 10,114명(11.1%), 노인부부 2인수급 36,208명(39.72%)로 가장 유사하게 나타났다.
    • 성별 및 지원가구 유형별 대상자 비율이 매칭기법 및 거리함수를 막론하고 전반적으로 유사하게 나타난 반면, 지역별 대상자 비율은 실제 수급 대상자 비율과 다소 차이가 나타나는 것으로 나타났다. 상대적으로 오차의 후)사회보장급여의">사회보장 급여의 수급 시뮬레이션 수행을 위해 인구집단에 대해 통계적 매칭을 통해 생성한 기초데이터의 검증결과 핫덱 및 거리함수에 상관없이 전반적으로 제공파일인 재정패널과 유사하게 나타났으며, 사회보장 급여 가운데 하나인 기초노령연금 수급 시뮬레이션을 구성하여 대상자 규모를 분석한 결과 실제 수급대상자 비율과 유사하게 나타났다.
    • 하지만 다음과 같은 한계를 가지고 있다. 첫째, 인구집단을 설정하는데 있어 현실에 존재하지 않지만 전국민에 대한 대표성을 가지는 인구집단을 새롭게 구성한 것이 아니라, 인구총조사라는 대규모 조사를 통해 구성되어진 집단을 사용하였다는 것이다. 둘째, 기초노령연금 수급 시뮬레이션 모델링 과정에서 후)전 국민에">전국민에 대한 대표성을 가지는 인구집단을 새롭게 구성한 것이 아니라, 인구총조사라는 대규모 조사를 통해 구성되어진 집단을 사용하였다는 것이다. 둘째, 기초노령연금 수급 시뮬레이션 모델링 과정에서 제공파일 데이터수집 및 활용의 한계로 인해 모델이 크게 단순화되었다. 마지막으로 과거 본 연구가 가지는 시론적 성격을 고려해볼 때 사회보장 영역에서 기존에 시도하지 않은 새로운 기법을 활용하여 분석데이터를 구성하고, 비록 기초노령연금이라는 단일 급여를 대상으로 하였지만 제도의 특성을 반영한 시뮬레이션 모델을 구성․적용하였다는 측면에서의의를 찾아볼 수 있다.

    후속연구

    • 이러한 상황에서 전인구를 모집단으로 하는 대표성 있는 인구집단의 데이터를 토대로 각종 사회보장 급여의 대상자 선정기준을 적용하는 시뮬레이션을 수행한다면 불합리한 급여기준을 객관적 근거를 토대로 개선할 수 있을 것이며, 그 과정에서 다양한 조건식을 바탕으로 미세한 조정을 위한 심층분석을 수행하는 경우 기준변화에 따른 역효과를 줄이고, 긍정적인 효과를 제고할 수 있을 것이다. 아울러, 개별 후)기준 변화에">기준변화에 따른 역효과를 줄이고, 긍정적인 효과를 제고할 수 있을 것이다. 아울러, 개별 사회보장 급여의 특성을 반영함으로 인해 표준화되지 못하고 복잡하게 구성된 각종 급여의 기준을 표준화하고 단순화하는데 있어서도 기여를 할 수 있을 것이다.
    • 이러한 한계를 고려해볼 때 후속 연구는 현실에 존재하지 않지만 대표성을 가지는 대규모 인구집단을 구성할 수 있는 방법론을 모색해야 할 것이며, 실제 급여의 수급판정에 적용되는 기준을 적용할 수 있도록 해야 할 것이다. 아울러 대상자의 행태 변화 및 시간의 흐름을 반영하여 미래의 변화를 예측할 수 있는 다년도 시점의 동태적 시뮬레이션으로 수행되어야 할 것이다.
    • 후)수급 판정에">수급판정에 적용되는 기준을 적용할 수 있도록 해야 할 것이다. 아울러 대상자의 행태 변화 및 시간의 흐름을 반영하여 미래의 변화를 예측할 수 있는 다년도 시점의 동태적 시뮬레이션으로 수행되어야 할 것이다.