[논문]빅데이터 기반의 출산율 변동 예측

주세민; 옥성환; 황경태

doi:10.22693/niaip.2019.26.4.020

빅데이터 기반의 출산율 변동 예측
Forecasting Birthrate Change based on Big Data 원문보기

정보화 정책 = Informatization policy, v.26 no.4 = no.101, 2019년, pp.20 - 35

주세민 (Sogang University) , 옥성환 (Dongguk University) , 황경태 (Dongguk University)

초록
AI-Helper

본 연구에서는 육아에 대한 공포 등 심리적 요인이 출산율에 미치는 영향을 실증적으로 분석하였다. 2000년~2018년까지 육아에 대한 부정적인 기사가 전체 사회 기사에서 차지하는 비중을 바탕으로 지표를 산출하였다. 지표 분석 결과, 지표가 증가하면 3년 뒤의 출산율은 떨어지는 것으로 나타났다. 이러한 결과는 상관관계 분석, 단순 회귀분석, VAR 분석에서도 일관적으로 나타났다. 그랜져 인과관계 분석 결과, 지표와 3년 뒤 출산율의 관계는 단순 상관관계가 아닌 인과관계에 있음을 알 수 있었다. 연령대별로도 차이를 보였는데, 20~30대 여성의 출산율은 지표에 유의한 반응을 보였으나, 40대 출산율은 반응을 보이지 않았다. 또한 지표가 상승하면 1아 출산율에는 영향을 미치지만, 2아/3아 이상의 출산율에는 영향을 미치지 않는 것으로 나타났다. 이것은 여성의 나이가 어릴수록 육아에 대한 부정적인 기사에 영향을 많이 받지만, 이미 출산/육아를 경험해본 사람들에게는 큰 영향을 미치지 못한다는 직관과도 일치한다. 본 연구는 뉴스 빅데이터를 단순한 키워드 언급량 변화 모니터링이라는 한정된 용도를 벗어나, 사회 현상을 예측하는데 유의미한 지표를 추출해 냈다는데 의미가 있다. 또한 이러한 빅데이터 기반의 지표는 출산율에 대한 3년의 선행성이 있기 때문에 미리 감지할 수 정보를 제공한다는 장점이 있다.

Abstract ▼ AI-Helper

We empirically analyze the effects of psychological factors, such as the fear of parenting, on fertility rates. An index is calculated based on the share of negative news articles on child care in all social articles from 2000 to 2018. The analysis result shows that as the index increases, the fertility rate after three years falls. This result is repeated in the correlation analysis, simple regression, and VAR analysis. According to Granger causality analysis, it is found that the relation between the index and the fertility rate after three years is not just a simple correlation but a causal relationship. There are differences among age groups. The fertility rate of women in their 20s and 30s shows a significant response to the index, but that of the 40s does not. The index affects the birthrate of first child, but do not affect the birthrate of second or more children. These results are consistent with the intuition that younger women are more likely to be affected by the negative articles about parenting, but not to those who have already experienced childbirth. This study is meaningful in that a significant index for predicting social phenomena is extracted beyond the limited use of news big data such as a simple keyword mention volume monitoring. Also, this big data-based index is a 3-year leading indicator for fertility, which provides the advantage of providing information that helps early detection.

주제어

표/그림 (14)

그림 <그림 1> 출산율 추이 Birth Statistics
표 <표 1> 출산율에 영향을 미치는 요인 Factors Affecting Birth Rate
표 <표 2> 양육지원 정책 Child Support Policies (단위: 천원) (unit: thousand won)
그림 <그림 2> 연구 절차 Analysis Procedures
표 <표 3> 육아에 대한 부정적인 기사 지표 Negative News Index for Childcare
표 <표 4> 육아에 대한 부정적인 기사 지표 (일간지) Negative News Index for Childcare (Daily Newspapers)
표 <표 5> 출산율과 지표의 상관관계 (0~6년 지연시차 적용, 괄호는 p-value) Correlation between Birthrate & Index (lag = 0~6, (p-vale))
표 <표 6> 연령별 출산율과 지표(3)의 단순 회귀 분석 결과 Regression between Birthrate by age & Index(3)
표 <표 7> 출산순위별 출산아 수와 지표(-3)의 단순 회귀 분석 Regression between # of Children at Birth & Index(3)
표 <표 8> VAR 시차 선택 VAR Lag Selection
표 <표 9> 그랜져 인과관계 테스트 결과 Granger Causality Test Results
표 <표 10> 합계출산율, 지표의 VAR 분석 결과 VAR Analysis Results of Total Birthrate & Index
그림 <그림 3> 20대 초반, 40대 후반의 지표에 대한 충격 반응 Impulse Response of early 20’s and late 40’s toward Index
표 <표 11> 연령대별 출산율, 지표의 VAR 분석 결과 VAR Analysis Results of Birthrate by Age & Index

AI 본문요약
AI-Helper

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

문제 정의

본 연구에서는 2000년~2018년까지 육아에 관한 부정적인 기사가 전체 사회 기사 대비 차지하는 비중을 기반으로 출산에 대한 부정적 언급에 대한 지표를 산출하였다.
본 연구에서는 객관적이고 거시적인 데이터로서 빅데이터를 활용하여 출산율의 변동을 예측하고자 한다. 본 연구의 주요한 의의는 다음과 같이 세 가지로 정리할 수 있다.
본 연구에서는 사회 심리적인 영향으로 출산과 육아에 대한 부담/공포가 출산율에 미치는 영향에 대해서 연구하고자 한다. 사회 심리적인 요인에 주목하는첫 번째 이유는 최근의 출산율 하락이 각종 출산 장려 정책의 효과로 설명되지 않는 부분이 크기 때문이다.

제안 방법

또한, Baker, et al.(2016)와 달리 일부 신문사에 한정하지 않고 네이버에서 검색 가능한 전체 기사 대상으로 1차 조사를 진행하고, 일간지만을 대상으로 2차 조사를 진행하였다.
먼저, 지표와 출산율의 단위근을 검정하고, VAR 모형에 적합한 시차를 도출한다. 그랜져 인과관계(Granger Causality) 분석을 통해 지표가 출산율에 영향을 미치는지 검정한다. 마지막으로 VAR 모형의 회귀 계수의 유의성을 검토하고, 충격 반응 함수까지 도출한다.
이 연구에서는 일간지에 언급된 단어의 빈도를 기반으로 경제정책 불확실성(Economic Policy Uncertainty: EPU) 지표를 개발하였는데, 이 지표는 걸프전, 911 테러, 리만브라더 사태, 2011년 부채 제한 논쟁 (Debt Ceiling Dispute) 등을 잘 설명한다. 또한 기본 EPU 지표 외에도 조세, 재정정책, 국가 보안, 헬스케어 등 11개 유형의 추가적인 지표도 개발하였다. 여기에 영향을 받아 미국 이외의 국가에서도 이러한 방법론을 활용한 연구가 활발히 진행되고 있다.
그랜져 인과관계(Granger Causality) 분석을 통해 지표가 출산율에 영향을 미치는지 검정한다. 마지막으로 VAR 모형의 회귀 계수의 유의성을 검토하고, 충격 반응 함수까지 도출한다.
또한, 충격 반응 분석 (Impulse Response Analysis)을 통해, 하나의 변수가 변했을 때 다른 변수에 어떤 영향을 미치는지 분석할 수 있다는 장점 때문에, 계량경제학의 시계열 분석 방법 중에서 가장 널리 사용되는 방법론 중의 하나이다. 먼저, 지표와 출산율의 단위근을 검정하고, VAR 모형에 적합한 시차를 도출한다. 그랜져 인과관계(Granger Causality) 분석을 통해 지표가 출산율에 영향을 미치는지 검정한다.
(2016)는 빅데이터 기법을 활용하여 불확실성 지표를 정의하였는데, 뉴스 빅데이터로 부터 경제 현상을 예측할 수 있는 의미 있는 지표를 도출했다. 이 연구에서는 일간지에 언급된 단어의 빈도를 기반으로 경제정책 불확실성(Economic Policy Uncertainty: EPU) 지표를 개발하였는데, 이 지표는 걸프전, 911 테러, 리만브라더 사태, 2011년 부채 제한 논쟁 (Debt Ceiling Dispute) 등을 잘 설명한다. 또한 기본 EPU 지표 외에도 조세, 재정정책, 국가 보안, 헬스케어 등 11개 유형의 추가적인 지표도 개발하였다.
(2016)의 분석 1단계는 불확실성을 측정하기 위해 전체 신문 기사 중에서 특정 단어가 나타나는 기사의 수를 집계하여 지표를 만드는 것이 다. 이 연구에서는 주요 일간지 10개의 기사를 수집 하여 다음 세 가지 범주의 단어가 나타나는 기사의 수를 집계하였다. (1) 경제 관련 단어: “economic” 또는 “economy”, (2) 불확실성 관련 단어: “uncertain” 또는 “uncertainty”, (3) 정책 관련 단어: “Congress”, “deficit”, “Federal Reserve”, “legislation”, “White House” 중 적어도 하나를 포함하는지 여부.
임신을 하고 실제로 출산하기까지만 해도 1년 가까이의 기간이 소요되기 때문에, 1년 이상의 기간의 시차를 두고 상관관계 관계가 발생하는 것으로 보는 것이 타당하다. 이에 따라 시차를 달리하여(0~6년까지의 시차) 상관계수를 도출하였다.
<표 10>은 합계 출산율과 지표의 VAR(3) 분석 결과이다. 인과관계 분석 결과, 지표 변화가 출산율에 영향을 미치고 역은 성립하지 않으므로, 종속변수가 지표, 독립변수가 출산율인 경우를 검토한다. 그 결과 3년 전에 지표의 1단위 증가당 출산율의 변화율은 -0.
1. 지표 산출

출산 및 육아에 대한 부정적 기사를 기반으로 출산및 육아 관련 불확실성 지표를 도출한다.

대상 데이터

분석은 2000년~2018년의 데이터를 대상으로 하였다. 그 이유는 2000년 이전에는 인터넷에 의한 뉴스 전파가 상대적으로 활발하지 못했기 때문이다.
(2016)의 감사 프로세스를 준용하였다. 육아 관련 기사 200개를 선정하여 직접 읽으면서 육아에 대한 부정적인 기사들을 선별할 수 있는 키워드를 뽑아내었다. ⁴⁾ 이에 따른, 기사 검출 조건은 다음과 같다.
(1) 경제 관련 단어: “economic” 또는 “economy”, (2) 불확실성 관련 단어: “uncertain” 또는 “uncertainty”, (3) 정책 관련 단어: “Congress”, “deficit”, “Federal Reserve”, “legislation”, “White House” 중 적어도 하나를 포함하는지 여부. 정책 관련 단어의 선정은 사람들이 직접 참여하는 감사(Audit) 프로세스에 따라 실제 기사를 읽으면서 해당 정책을 나타내는 단어를 선별하였다. 이러한 단어가 포함된 기사의 숫자가 집계되면, 추가적인 조정을 거친다.

데이터처리

<표 8>에서 볼 수 있는 바와 같이, FPE, AIC, SC, HQ 등의 네 가지 기준에서 공통적으로 시차=3이 적합하다고 판단되어, VAR(3) 모형을 선택하였다. 본격적인 VAR 분석에 앞서 그랜져 인과관계 분석을 수행 하였다(Granger, 1969). 그랜져 인과관계 분석을 수행한 이유는 지표의 증감이 출산율에 영향을 미치지만, 반대로 출산율의 증감이 지표에 영향을 미치지 않는 것이 일반적인 직관에 맞기 때문이다.
따라서 시계열 분석의 큰 방향은 (1) 연단위 데이터로 분석을 진행하고, (2) 지표의 시차(Lag)를 고려하는 것이다. 즉, 지표의 시차를 두면서 출산율과의 상관관계를 분석하고, 상관관계가 높은 경우에 출산율과 회귀 계수를 도출하여 유의성 검정을 진행한다(Hamilton, 1994).

이론/모형

³⁾ 하지만, “부 정적인” 기사를 검출해내는 키워드 선정은 Baker, et al.(2016)의 감사 프로세스를 준용하였다. 육아 관련 기사 200개를 선정하여 직접 읽으면서 육아에 대한 부정적인 기사들을 선별할 수 있는 키워드를 뽑아내었다.
본 연구에서는 기준을 명확히 세울 수 있으며, 다른 국가에서 검증된 Baker, et al.(2016)의 방법론을 분석 방법으로 활용한다.
이에 따라 본 연구에서는 Baker, et al.(2016)의 방법론을 이용하여 사회 심리적 요인이 출산율에 미치는 영향을 알아보고자 한다.
2단계는 산출된 지표가 거시 지표에 미치는 영향을 시계열적인 분석 방법으로 분석하였다. 벡터자기회귀 (Vector Auto Regression: VAR) 모형을 이용하여 기사로부터 도출된 불확실성 지표가 실물 경제에 어떻게 반영되는지를 분석하였다.
시계열 데이터를 분석함에 있어서 확률적(Stochastic) 보행 과정을 가정하고, 다변량 분석이 가능한 VAR 모형을 활용한다. VAR은 한 번의 충격이 일정 기간 지속되는 시계열의 특성을 반영하며, 다변량의 관계가 시차를 두고 영향을 미치는 현상을 설명할 수 있다(Sims, 1980).
시계열 분석에 앞서 안정적인 (Stationary) 시계열 자료인지 여부를 판단하기 위하여 Augmented Dickey-Fuller 테스트(Dickey & Fuller, 1979) 를 진행하였다.
<표 8>에서 볼 수 있는 바와 같이, FPE, AIC, SC, HQ 등의 네 가지 기준에서 공통적으로 시차=3이 적합하다고 판단되어, VAR(3) 모형을 선택하였다. 본격적인 VAR 분석에 앞서 그랜져 인과관계 분석을 수행 하였다(Granger, 1969).

성능/효과

가장 상관관계가 높은 시차 3년을 대상으로 지표와 출산율 간의 회귀분석 결과가 에 정리되어 있는 데, 지표의 증가에 따라 3년 뒤 출산율은 유의미하게 감소함을 나타내고 있다.
둘째, 지표가 증가하면 3년 뒤의 출산율이 감소하는 것으로 나타났다. 나이가 어릴수록 지표에 대한 반응은 크게 나타났는데, 20대 초반 여성의 출산율은 지표 증가 후 3년 뒤 유의미한 감소 반응을 나타내는 반면, 45세 이상 여성의 출산율은 지표에 거의 반응하지 않는 것으로 나타났다. 전체적으로 연령대가 어릴수록 지표에 유의미한 영향을 받는 것을 의미한다.
둘째, 지표가 증가하면 3년 뒤의 출산율이 감소하는 것으로 나타났다. 나이가 어릴수록 지표에 대한 반응은 크게 나타났는데, 20대 초반 여성의 출산율은 지표 증가 후 3년 뒤 유의미한 감소 반응을 나타내는 반면, 45세 이상 여성의 출산율은 지표에 거의 반응하지 않는 것으로 나타났다.
또한, 지표와 출산아 간의 회귀 분석 결과가 에 정리되어 있는데, 지표는 첫째아에 매우 유의한 영향을 미치는 것으로 나타났다.
그 이유는 뉴스 빅데이터는 비정형적이서 정제하여 분석하기가 쉽지 않고, 의미를 도출하기에는 노이즈 정보가 훨씬 많기 때문이다. 본 연구는 뉴스 빅데이터를 이용하여 단순한 키워드 빈도 모니터링에 그치지 않고, 사회 현상을 예측할 수 있음을 보인 것에 의의가 있다고 판단된다. 또한, 빅데이터 기반의 지표를 활용하는 것은 실시간성이 있는데, 본 연구에서 제시한 지표는 출산율이 떨어질 수 있는 징후를 미리(3년 선행) 파악하는데 기여할 수 있을 것이다.
셋째, 지표는 1아 출산율에 유의미한 영향을 미치는 것으로 나타났다. 출산율을 높이기 위하여 가장 중요한 1아 출산율에 영향을 미친다는 것은 의미가 큰 결과이다.
첫째, 육아에 관한 부정적인 기사에 대한 지표의 변화는 출산율에 영향을 미치지만, 반대로 출산율의 변화는 지표에 변화에 영향을 미치지 않는 것으로 나타났다. 즉, 부정적인 기사의 증가는 출산율의 감소에 상관관계가 아닌 인과관계를 가지고 있다는 것이다.

후속연구

또한 본 연구에서는 연단위의 시계열 데이터를 활용 하였으나 향후 분기 단위 데이터를 활용하면 보다 자유도 높은 모형 기반으로 정교한 분석이 가능할 것으로 판단된다. 이 경우 트렌드나 특정 성분 처리 등 여러 가지 시계열 데이터 분석 기법이 활용되어야 할 것으로 생각한다.
본 연구는 뉴스 빅데이터를 이용하여 단순한 키워드 빈도 모니터링에 그치지 않고, 사회 현상을 예측할 수 있음을 보인 것에 의의가 있다고 판단된다. 또한, 빅데이터 기반의 지표를 활용하는 것은 실시간성이 있는데, 본 연구에서 제시한 지표는 출산율이 떨어질 수 있는 징후를 미리(3년 선행) 파악하는데 기여할 수 있을 것이다.
셋째, 뉴스나 소셜미디어와 같은 텍스트 기반 빅데이터의 활용성을 제고할 수 있는 방향성을 제시할 수있을 것으로 기대된다. 우리나라의 뉴스 빅데이터 활용 현황은 키워드 기반의 주제 분류, 연관관계 분석 등이 주를 이룬다.
향후 출산율에 영향을 미치는 키워드를 추가적인 검증 절차를 거쳐서 뽑아낸다면, 더욱 유의미한 결과를 얻을 수 있을 것이라고 생각한다. 한편, 본 연구에서는 2000년 데이터부터 분석을 하였지만, 향후 시간이 지나면서 빅데이터가 좀 더 축적된다면 다른 변수들도 함께 고려한 분석이 가능할 것으로 생각 한다.
이러한 관점에서 언론의 육아에 대한 부정적인 언급이 심리적인 면으로 작용하여 출산율 저하로 연결되는 현상은 무시할 수 없다고 판단된다. 향후 출산율에 영향을 미치는 키워드를 추가적인 검증 절차를 거쳐서 뽑아낸다면, 더욱 유의미한 결과를 얻을 수 있을 것이라고 생각한다. 한편, 본 연구에서는 2000년 데이터부터 분석을 하였지만, 향후 시간이 지나면서 빅데이터가 좀 더 축적된다면 다른 변수들도 함께 고려한 분석이 가능할 것으로 생각 한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	전통적인 연구에서 출산율에 영향을 미치는 요인은 무엇인가?	다양한 요인들이 출산율에 영향을 미치는 것으로 보고되고 있다. 출산율에 대한 전통적인 연구에서는 주로 사회경제적인 요인과 인구사회적인 요인을 제시하고 있다. Lovenheim(2013)에 의하면, 가정의 소득 수준이 높으면 출산율이 높아진다고 한다.
	지표 산출 결과 부정적인 기사에 큰 영향을 받지 않는 사람은 누구인가?	출산율을 높이기 위하여 가장 중요한 1아 출산율에 영향을 미친다는 것은 의미가 큰 결과이다. 또한 이미 출산과 육아를 경험해본 사람들에 게는 육아에 대한 부정적인 기사가 큰 영향을 미치지 못한다는 것을 의미한다.
	한국의 출산율이 갖는 특징은 무엇인가?	최근 한국의 출산율은 지속적으로 낮아지고 있다고 알려져 있다(<그림 1> 참조). 하지만 지속적으로 낮아진 것은 아니고, 2005년에 합계 출산율이 1.08로 최저치를 기록한 이후 2013년에는 1.30까지 증가했다가 2018년에 다시 0.98로 떨어졌다(Statistics Korea, 2018). 이를 통해서 출산율의 시계열 변동을 일으키는 요소가 있을 수 있다고 추론해 볼 수 있다.

참고문헌 (28)

Angeles, L. (2010). Demographic Transitions: Analyzing the Effects of Mortality on Fertility. Journal of Population Economics, 23(1), 99-120.

상세보기
Arbatli, E. C., Davis, S. J., Ito, A., Miake, N. & Saito, I. (2017). Policy Uncertainty in Japan (No. w23411). National Bureau of Economic Research.
Bachmann, R., Elstner, S. & Sims, E. R. (2013). Uncertainty and Economic Activity: Evidence from Business Survey Data. American Economic Journal: Macroeconomics, 5(2), 217-249.

상세보기
Baker, S. R., Bloom, N. & Davis, S. J. (2016). Measuring Economic Policy Uncertainty. The Quarterly Journal of Economics, 131(4), 1593-1636.

상세보기
Choi, J., Jang, J. & Kim, B. (2014). The Determinants for the Preschool's Comprehensive Information Systems: User Resistance Perspective. Informatization Policy, 21(1), 77-98.
Del Bono, E., Weber, A. & Winter-Ebmer, R. (2012). Clash of Career and Family: Fertility Decisions after Job Displacement. Journal of the European Economic Association, 10(4), 659-683.

상세보기
Dickey, D. A. & Fuller, W. A. (1979). Distribution of the Estimators for Autoregressive Time Series with a Unit Root. Journal of the American statistical association, 74(366a), 427-431.
Granger, C. W. (1969). Investigating Causal Relations by Econometric Models and Cross-spectral Methods. Econometrica: Journal of the Econometric Society, 37(3), 424-438.

상세보기
Granger, C. W., Newbold, P. & Econom, J. (2001). Spurious Regressions in Econometrics. A Companion to Theoretical Econometrics, Blackwell, Oxford, 557-561.
Hamilton, J. D. (1994). Time Series Analysis. Princeton, NJ: Princeton university press.
Hong, J. (2013). The Analysis of the Effectiveness of Governmental Child-care Subsidies. Korea Journal of Population Studies, 36(4), 95-118.

상세보기
Hong, M. (2009). Information Technology for Aged Welfare-Focus on Gratification of the Users-. Informatization Policy, 16(1), 75-86.
Hong, S. C., Kim, Y. I., Lim, J. Y. & Yeo, M. Y. (2016). Pro-natalist Cash Grants and Fertility: A Panel Analysis. The Korean Economic Review, 32(2), 331-354.
Jurado, K., Ludvigson, S. C. & Ng, S. (2015). Measuring Uncertainty. American Economic Review, 105 (3), 1177-1216.

상세보기
Kim, M., Lee, W., Lee, H. & Suh, B. (2018). Forecasting the Future Korean Society: A Big Data Analysis on 'Future Society'-related Keywords in News Articles and Academic Papers, Informatization Policy, 21(1), 37-64.
Kim, S., Choi, B., Chung, K., Lee, S., Park, D., Park, I. & Chang, J. (2002). Social and Economic Impact and Long & Short-term Policy for Low Fertility. Korea Institute for Health and Social Affairs.
Kim, S., Kim, M., Lee, Y. Sunwoo, D., Cho, S. & Kim, O. (2003). Research on Population Policy and Inter-governmental Implementation Scheme Development Against Low Fertility. Korea Institute for Health and Social Affairs.
Kunzler, J. (2002). Paths Towards a Modernization of Gender Relations, Policies, and Family Building. Family Life and Family Policies in Europe. Problems and Issues in Comparative Perspective, 2, 252-298.
Langridge, A. T., Nassar, N., Li, J., Jacoby, P. & Stanley, F. J. (2012). The Impact of Monetary Incentives on General Fertility Rates in Western Australia. J Epidemiol Community Health, 66(4), 296-301.

상세보기
Lee, B. (2003). Gender Discrimination and Family Welfare Policy of Low Fertility. National Assembly Library Monthly Magazine, 40(10), 63-79.
Lee, M. & Myung, S. (2015). A Study on the Effectiveness of the Childbirth Promotion Policy, Korean Journal of Local Government & Administration Studies, 29(1), 331-350.
Lee, S. (2006). A Study on Impact of the Change in Values on Marriage and Fertility Behaviors. Health and Social Welfare Review, 26(2), 96-140.
Lovenheim, M. F. & Mumford, K. J. (2013). Do Family Wealth Shocks Affect Fertility Choices? Evidence from the Housing Market. Review of Economics and Statistics, 95(2), 464-475.

상세보기
Ministry of Women (2002). Statistical Yearbook on Women, Ministry of Women.
Nimark, K. P. (2014). Man-bites-dog Business Cycles. American Economic Review, 104(8), 2320-67.

상세보기
Shin, Y. (2008). An Analysis of the Effect of Burden of Childcare and Education on Childbirth. Health and Social Welfare Review, 28(2), 103-134

상세보기
Sims, C. A. (1980). Macroeconomics and Reality. Econometrica: journal of the Econometric Society, 48(1), 1-48.

상세보기
Statistics Korea (2018). 2018 Birth Statistics (Finalized). Statistics Korea.

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