[논문]교육 시설 생활인프라 특성을 고려한 지역 프로파일링 연구 - 서울시 광진구 중심으로 -

강우석; 이희정

doi:10.7859/kief.2019.26.5.003

[국내논문] 교육 시설 생활인프라 특성을 고려한 지역 프로파일링 연구 - 서울시 광진구 중심으로 -
Regional Profiling by Considering Educational Facilities - Centered on Gwangjin-gu, Seoul - 원문보기

커뮤니티교육시설 : 한국교육시설학회논문집 = Community Education Facilities, v.26 no.5, 2019년, pp.3 - 10

강우석 (Dept. of Urban Planning and Design, University of Seoul) , 이희정 (Dept. of Urban Planning and Design, University of Seoul)

Abstract ▼ AI-Helper

This study has a purpose to profile local sectors into meaningful groups by using facilities rates of Social Overhead Capital(SOC) for daily life. Comparing SOC for daily life among the meaningful groups, the profiling and comparison results bring the comprehensive understanding about the educational facilities in local sectors. For the research purpose, this study utilized Latent Profile Analysis(LPA) by using variables such as population, road information, SOC for daily life, usage of land, possession of land, and appraised value of land from the 2018 Geographic Information System(GIS) dataset of Gwangjin-gu, where is one of the administrative district of Seoul City. Results showed that there are four latent groups of sectors among 904 local sectors(100 squared-meters sector per each) in Gwangjin-gu. By comparing the four latent groups by using LPA, the results diagnose each sector's status and help to improve the policy about educational facilities. Specifically, by using dataset for SOC of daily life, there are four groups of local sectors and each group has different features. Based on the different features of local sector groups, there can be improved management of educational facilities matching with each group's features.

주제어

표/그림 (11)

표 Table 1. Major Living Infrastructure
그림 Figure 1. Characteristics of LPA method
그림 Figure 2. Grade standard derivation process by facility
표 Table 2. The national lowest standard index
그림 Figure 3. Results of Service Level Analysis for Daycare Centers
그림 Figure 4. Latent Types by Facility
표 Table 3. LPA modeling selection
표 Table 4. Probability that a cell of each type belongs
표 Table 5. Descriptive Table by LPA grouping
표 Table 6. LPA grouping result
그림 Figure 5. Latent Types by Facility

AI 본문요약
AI-Helper

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

문제 정의

본 연구는 LPA 기법의 장점을 사용하여 지역별 유형화가 중요한 이유는 이를 통해 각 유형별로 공공 서비스 지원 및 부족한 정책을 보완하는 등 체계적인 관리를 할 수 있기 때문이다. 또한 기존의 회귀분석이나 요인분석과 같이 유사한 항복이나 변수들을 집단으로 묶는 방법은 실제 조사 대상들이 어떠한 특성 또는 양상을 보이는지를 분석하는데 한계가 있다.
본 연구는 생활SOC유형을 잠재프로파일 분석을 통해 분류하고, 각 집단별 변인과 어떤 차이가 있는지 살펴본 후 각 지역적 특성(성별, 용도지역, 소유구분, 공시지가)에 따라 서비스등급을 결정짓는 요인이 무엇인지 구체적으로 이해하고자 하였다.
본 연구는 집단간 프로파일링 기법을 통해 기초생활인 프라와 지역특성에 따라 어떤 영향이 있었는지 살펴보고자 하였다. 연구방법은 문헌고찰 및 GIS(Geographic Information System)자료 분석을 통하여 최근자료를 바탕으로 정태적 결과를 통해 인구격자망과 생활인프라시설의 접근성 등급 자료를 기반으로 프로파일링을 통하여 우수한 집단과 우수하지 않은 집단간의 비교를 지역특성(인구, 성비, 용도 지역, 소유구분, 공시지가)을 통해 고찰해보려고 한다.
연구 결과, 철거 후 정비를 통한 기초생활 인프라 공급이 시설별 특성에 따라 접근성 개선효과가 제한적임을 발견하였다. 본 연구에서는 단일시설별 등급 결과를 제시하지 않고 인문사회 심리학에서 많이 사용되고 있는 LPA 분석기법을 통하여 종합적 결과 프로파일링을 통하여 비교분석을 하고자 하였다. 프로파일링이 필요한 이유는 모든지역이 동일하지 않고 모든셀이 더 나은 맞춤형 관리, 정책을 도출하기 위해서 프로파일링 기법을 사용하였다.
도시를 프로파일링하기 위해서 생활인프라를 사용하였다. 본 연구에서는 도시의 특성을 요인을 알아보기 위해 인구 (남성, 여성), 용도지역(녹지, 주거, 상업), 소유구분(민간, 공공), 지가의 지표를 바탕으로 연구를 진행하였다. 인구 지표에 있어 각 셀의 인구 중 남성 및 여성 인구를 구분하였다.
본 연구에서는 잠재계층별 인구(성비), 토지(용도지역, 소유구분, 공시지가) 특성을 보았다. 분석 대상 중 전체 904개 셀 중에서 가장 많은 표본수를 차지하는 그룹 A는 344개(38%)의 셀을 차지하며 인구는 약 17만명 중 남성은 약 49%, 여성은 약 50%를 차지하는 것으로 나타났다.
이에 본 연구는 정부에서 제시한 국가최저기준을 바탕으로 기초생활인프라시설 중 교육인프라시설인 어린이시설, 도서관, 어린이집, 체육시설, 공원시설을 중심으로 지역프로파일링 연구를 진행하여 향후 관련 도시계획 및 정책결정을 위한 기초자료가 되고자 한다.

제안 방법

각각의 그룹을 비교하기 위해서 지역특성 요인들을 비교하였다. 지역특성요인을 바탕으로 잠재프로파일 유형을 나눈 뒤 특성별 집단을 구분하였다.
교육기초생활인프라의 국가적최저기준에 맞추어 서비스수준 결과값을 도출하고 잠재프로파일(LPA) 분석을 통하여 다음과 같은 결과를 얻을 수 있었다.
3장에서는 연구의 대상 및 분석방법을 연구대상, 측정도 구, 분석방법, 자료분석을 살펴보았다. 그리고 종합적으로 고찰하여 부문별로 어떻게 적용되었는지를 살펴보았다.
기초생활인프라 시설이 등급에 영향을 주는 잠재계층을 탐색하고자 잠재프로파일 분석을 실시하였다. 잠재계층의 수를 결정하기 위해 순차적으로 2계층부터 시작하여 4계 층까지 계층의 수를 증가시켜 모형을 검증하였으며 내용은 다음과 같다.
도시를 프로파일링하기 위해서 생활인프라를 사용하였다. 본 연구에서는 도시의 특성을 요인을 알아보기 위해 인구 (남성, 여성), 용도지역(녹지, 주거, 상업), 소유구분(민간, 공공), 지가의 지표를 바탕으로 연구를 진행하였다.
등급은 1등급이 서비스 접근도가 가장 우수한 지역이며 10등급까지 구분하여 서비스 사각지대를 분석하였다.
기초생활 인프라 시설은 두가지로 정리할 수 있으며 도보권의 마을단위시설과 차량을 이동하여 사용할 수 있는 거점단위 시설로 구분되어 진다(Table 2). 또한 마을단위 기초생활인프라의 접근시간 거리를 도보 5～10분으로 국가적최저기준을 제시하였다. 마을단위의 기초생활인프라 은총 8가지의 유형으로 구분되는데 교육시설, 학습시설, 돌봄시설, 의료시설, 체육시설, 휴식시설, 편의시설, 교통시설로 나누어진다(국토교통부 2018).
또한, Comparison variable을 인구, 성비인구, 용도지역상 상업지역, 공시지가의 영향력을 비교 분석하였다.
한편, 2012년 서울시에서는 ‘10분 동네 프로젝트’를 통해 각종 공공복지시설을 2020년까지 도보권 내에서 골고루 공급하는 계획(서울특별시 시설계획과, 2012)을 발표하였고, 2017년 정부는 ‘도시재생 뉴딜정책’에서 저층주거밀집지역에 생활밀착형 시설 설치를 지원할 계획(국토교통부, 2017)이 라고 밝혔고 2018년 12월에 국가생활인프라 최저기준을 발표하여 기존 인프라를 시간, 거리를 기준으로 서비스 등급 체계화하였다(AURI, 2018b). 본 연구에서는 2018년 발표된 국가생활인프라 최저기준을 바탕으로 서비스등급을 도출하였고 이를 바탕으로 종합적 판단기준을 체계화하기 위한 LPA기법을 통해 프로파일링 및 집단간 비교를 하였다.
본 연구에서는 기초생활인프라의 지역특성(인구, 용도지역, 토지소유구분, 개별공시지가)을 활용하여 생활인프라 등급 유형에 따른 잠재프로파일 분석(Latent profile analysis)을 실시하였다.
셋째, 본 연구 함의 및 향후 연구방향을 제시한다면 서울시에서 공동주택비율이 가장 적고 노후화된 단독주택이 가장 많은 광진구를 대상으로 연구를 진행하였다. 향후 서울시 전체 도시지역을 대상으로 100×100인구격자망을 활용하여 각 지역의 특성을 비교 분석하는 연구가 필요할 것으로 보인다.
Table 3에 제시된 바와 같이 Entropy는 잠재계층의 수가 2인 경우 가장 낮은 분류의 질을 보여주며 집단이 4개인 경우 가장 높은 분류의 질을 보여주고 있다. 셋째, 표본크기와 대비하여 계층의 최소비율은 선행연구마다 기준이 다른데 본 연구에서는 모든 계층이 표본 수의 5% 이상을 기준으로 정하였다(권재기, 2011). Table 4에서 제시된 바와 같이 잠재계층 수 A에서 D까지 분류율을 살펴보았을 때 5% 미만의 분류율은 보이지 않고 있다.
용도지역의 경우 각 셀 안의 녹지지역, 주거지역, 상업지역으로 나누었다. 소유구분의 경우 각 셀 안에서의 사유지와 공공소유로 구분하여 측정하였다. 지가는 셀 안에서의 지가를 가중평균한 값을 사용하였다.
연구를 진행하기 위해 정부에서 발표한 기초생활인프라 최저기준을 적용하여 마을시설과 거점시설로 구분하여 시별 접근성 등급 구간한계값을 적용하였다.
본 연구는 집단간 프로파일링 기법을 통해 기초생활인 프라와 지역특성에 따라 어떤 영향이 있었는지 살펴보고자 하였다. 연구방법은 문헌고찰 및 GIS(Geographic Information System)자료 분석을 통하여 최근자료를 바탕으로 정태적 결과를 통해 인구격자망과 생활인프라시설의 접근성 등급 자료를 기반으로 프로파일링을 통하여 우수한 집단과 우수하지 않은 집단간의 비교를 지역특성(인구, 성비, 용도 지역, 소유구분, 공시지가)을 통해 고찰해보려고 한다. 본연구의 흐름은 다음과 같다.
본 연구에서는 도시의 특성을 요인을 알아보기 위해 인구 (남성, 여성), 용도지역(녹지, 주거, 상업), 소유구분(민간, 공공), 지가의 지표를 바탕으로 연구를 진행하였다. 인구 지표에 있어 각 셀의 인구 중 남성 및 여성 인구를 구분하였다. 용도지역의 경우 각 셀 안의 녹지지역, 주거지역, 상업지역으로 나누었다.
이러한 잠재프로파일 분석은 연속형 관찰변인들의 다변량 분포를 기반으로하여 공통 특성에 따라 복수의 하위계층으로 분류하지만, 잠재집단의 수를 미리 결정할 수 없기 때문에 집단의 수를 늘려 가면서 자료에 가장 부합하는 집단의 수를 결정한다(신혜숙, 2015). 잠재 계층의 수가 결정된 이후에는 각 집단의 유형에 따라 삶의 목표의 하위요인에 어떠한 차이가 있는지 살펴보고자 STATA 15.1 프로그램을 사용하였다.
기초생활인프라 시설이 등급에 영향을 주는 잠재계층을 탐색하고자 잠재프로파일 분석을 실시하였다. 잠재계층의 수를 결정하기 위해 순차적으로 2계층부터 시작하여 4계 층까지 계층의 수를 증가시켜 모형을 검증하였으며 내용은 다음과 같다.
각각의 그룹을 비교하기 위해서 지역특성 요인들을 비교하였다. 지역특성요인을 바탕으로 잠재프로파일 유형을 나눈 뒤 특성별 집단을 구분하였다.
실증분석과 관련하여 조판기(2013)는 전국을 대상으로 문화시설, 공원시설, 교육시설, 체육시설, 의료보건시설 등 생활인프라의 공급수준을 분석해 도시 간 및 도시 내 격차가 존재함을 문제점으로 지적하였다. 진행된 역세권 도시 재생 관련 법령을 검토하고, 선행연구 고찰을 통해 본 연구의 차별성을 고찰한다. 성은영 외(2013)는 접근성을 기준으로 정비사업 해제구역에서의 기초생활인프라 공급특성과 정비사업이 완료된 지역의 기초생활인프라 수준변화를 분석하였다.
본 연구에서는 단일시설별 등급 결과를 제시하지 않고 인문사회 심리학에서 많이 사용되고 있는 LPA 분석기법을 통하여 종합적 결과 프로파일링을 통하여 비교분석을 하고자 하였다. 프로파일링이 필요한 이유는 모든지역이 동일하지 않고 모든셀이 더 나은 맞춤형 관리, 정책을 도출하기 위해서 프로파일링 기법을 사용하였다. 프로파일링 기법 중 LPA를 선정하게된 이유는(Figure 1)와 같이 기존의 생활SOC 등급평가 보다는 정책적 활용을 위해서는 종합적인 평가가 필요하다.

대상 데이터

광진구의 전지역 100m×100m인구 격자망 904개의 셀을 연구대상으로 선정하였으며 분석에는 Arc GIS 10.1을 사용하였다.
본 연구의 연구대상은 서울시 25개구에서 저층노후주택지가 가장 많은 서울시 광진구(17.06㎢)지역으로 선택하였다. 이는 공동주택지는 주택건설기준 등에 관한 규정에 의하여 주민공동시설을 갖추고 있으나 기초생활인프라가 상대적으로 열악한 단독 및 다세대 밀집지역 중 저층노후밀집주거지역을 선정하였다.
06㎢)지역으로 선택하였다. 이는 공동주택지는 주택건설기준 등에 관한 규정에 의하여 주민공동시설을 갖추고 있으나 기초생활인프라가 상대적으로 열악한 단독 및 다세대 밀집지역 중 저층노후밀집주거지역을 선정하였다. 광진구의 전지역 100m×100m인구 격자망 904개의 셀을 연구대상으로 선정하였으며 분석에는 Arc GIS 10.
1을 사용하였다. 자료는 국립지리원 및광진구에서 제공한 2018년 기준 GIS데이터 자료를 바탕으로 분석하였다(Figure 2).

데이터처리

소유구분의 경우 각 셀 안에서의 사유지와 공공소유로 구분하여 측정하였다. 지가는 셀 안에서의 지가를 가중평균한 값을 사용하였다.

성능/효과

생활 인프라가 좋은 A지역에 비해서 B지역은, 여성의 비율이 유의미하게 높게 나타났다. A지역에 비해 C지역은, 인구가 유의미하게 낮게 나타났으며 공시지가가 유의미하게 낮은 것으로 나타났다. A지역에 비해 D지역, 인구가 유의하게 낮게 나타났다(Table 6).
전반적으로 생활인프라가 좋은 A지역과 생활인프라가 상대적으로 좋은 B지역, 어린이 및 학습생활인프라가 좋지 않은 C지역, 건강 및 근린생활인프라가 좋지 않은 D지역으로 구분된다. 대부분 역세권을 중심으로 C지역, D지역에는 대부분 어린이 및 학습인프라, 건강 및 근린 기초생활인프라 시설이 열악한 것으로 나타났다.
둘째, 잠재계층의 분류의 질을 나타내는 Entropy는 0부터 1사이의 값을 가지며, 1에 가까울수록 우수한 분류를 나타낸다. 0.
둘째, 프로파일링을 위한 LPA 기법을 이용한 근거를 제시해 보면 Table 6에서 보는 바와 같이, 5가지 교육관련 생활인프라를 종합적으로 판단하여 프로파일링이 가능하였다. 어린이집만으로 프로파일링하는 경우 시설관리가 매우 미흡한 지역이, 종합적으로 판단할 때 다른 교육시설 들로 인해 상쇄되거나 충족이 되는 것도 발견이 가능하다.
본 연구에서는 잠재계층별 인구(성비), 토지(용도지역, 소유구분, 공시지가) 특성을 보았다. 분석 대상 중 전체 904개 셀 중에서 가장 많은 표본수를 차지하는 그룹 A는 344개(38%)의 셀을 차지하며 인구는 약 17만명 중 남성은 약 49%, 여성은 약 50%를 차지하는 것으로 나타났다. 용도지역은 상업지역이 약 1%, 자연녹지지역이 약 2%, 주거 지역이 97%로 나타났으며, 소유구분은 약 74%가 사유지이고 약 26%는 국공유지로 나타났다.
생활인프라가 좋은 A지역을 기준으로 다른 지역들 (B, C, D)가 보여주는 지역적 차이를 알아볼 수 있다. 생활 인프라가 좋은 A지역에 비해서 B지역은, 여성의 비율이 유의미하게 높게 나타났다. A지역에 비해 C지역은, 인구가 유의미하게 낮게 나타났으며 공시지가가 유의미하게 낮은 것으로 나타났다.
성은영 외(2013)는 접근성을 기준으로 정비사업 해제구역에서의 기초생활인프라 공급특성과 정비사업이 완료된 지역의 기초생활인프라 수준변화를 분석하였다. 연구 결과, 철거 후 정비를 통한 기초생활 인프라 공급이 시설별 특성에 따라 접근성 개선효과가 제한적임을 발견하였다. 본 연구에서는 단일시설별 등급 결과를 제시하지 않고 인문사회 심리학에서 많이 사용되고 있는 LPA 분석기법을 통하여 종합적 결과 프로파일링을 통하여 비교분석을 하고자 하였다.
이러한 결과를 토대로 정보지수(AIC, BIC), 분류의 질 (Entropy), 계층별 분류확률을 고려할 때 최종 잠재계층 수는 4번째 집단으로 선택하는 것이 가장 적합하다고 보았다.
전반적으로 생활인프라가 좋은 A지역들은 유치원, 어린이집, 체육시설, 공원 부분에서 각각 유의미하게 우수한 것으로 나타났다. 상대적으로 생활인프라가 좋은 B지역들은 A지역보다 조금 덜 우수한 것으로 나타났는데, 이는 유치원의 경우 우수하지 않게 나왔기 때문이다.
종합적으로 가장 교육시설 인프 라가 좋은 지역들(A)에 비해서 “상대적으로 좋은 지역들”(B)은 여성의 비율이 통계적으로 유의미하게 나타났다.
집단 A은 전체적으로 모든 기초생활인프라 시설에서 전반적으로 우수한 결과를 보이고 있으며 특히 어린이 시설에서 다른 집단에 비해 우수한 결과를 보였다. 집단 B는 데이케어 시설에서 다른 집단에 비해 우수하게 나타났다.
집단 C은 전반적으로 시설이 운동시설과 공원시설이 다른 집단에 비해 나쁘게 나타났다. 집단 D는 전반적으로 시설의 등급이 안좋은 결과를 보이고 있으며 특히 어린이시설과 데이케어 시설에 안좋은 결과를 보이고 있다(Table 5).
첫째, 모델적합도(Model fit)에서는 잠재계층결정은 AIC, BIC 지수가 증가하는 지점을 참고하였다. AIC, BIC 지수는 잠재집단의 수가 많아질 때마다 지수는 점점 적은 값을 가질수록 더 적합하다.

후속연구

둘째, 프로파일링 기법을 통해 LPA(Latent profile analysis) 기법을 사용하여 기존의 생활 SOC 등급 평가보다는 생활 SOC를 종합적으로 분석을 통해 몇 가지의 집단으로 나누어지고 지역적 특성에 따른 맞춤형 관리가 가능할 것이다. LPA 방식을 통해서 서울시 광진구 지역의 904개 셀의 특성을 반영하여 동일한 관리체계에 두기보다는 각각의 셀이 갖고 있는 특성에 따라 조금씩 차등된 공공정책과 메니지먼트가 가능하여 더욱 효율적인 관리가 가능할 것이다. 정책에 대한 평가는 다양한 관점에서 다양한 변수들을 토대로 종합적으로 판단되어야 한다(Kraft and Furlong, 2018; Patton, Sawicki and Clark, 2016)
첫째, 기존 생활SOC(Social Overhead Capital) 분석방식은 단일 시설에 대한 서비스 사각지대를 발굴하고 해결책을 모색하였지만 도시를 분석하는 방식과 다르게 한 지역의 성향을 동일하지 않은 특성과 더 나은 맞춤형 관리, 정책을 위해서 프로파일링이 필요하다. 둘째, 프로파일링 기법을 통해 LPA(Latent profile analysis) 기법을 사용하여 기존의 생활 SOC 등급 평가보다는 생활 SOC를 종합적으로 분석을 통해 몇 가지의 집단으로 나누어지고 지역적 특성에 따른 맞춤형 관리가 가능할 것이다. LPA 방식을 통해서 서울시 광진구 지역의 904개 셀의 특성을 반영하여 동일한 관리체계에 두기보다는 각각의 셀이 갖고 있는 특성에 따라 조금씩 차등된 공공정책과 메니지먼트가 가능하여 더욱 효율적인 관리가 가능할 것이다.
향후 서울시 전체 도시지역을 대상으로 100×100인구격자망을 활용하여 각 지역의 특성을 비교 분석하는 연구가 필요할 것으로 보인다. 또한, 도시 인구격자망에 따른 특성과 정책결정을 위한 기초생활인프라 수요와 공급에 따른 관계 연구가 지속적으로 필요할 것으로 보이며, 또한 도시의 종합적 진단과 정책적 판단이 요구되는 부분에 프로파일링을 통한 종합적 분석방식을 다양하게 활용하는 연구가 필요할 것이다.
첫째, 생활SOC 전체를 프로파일링해 보면, 4개의 유의미한 그룹으로 나타날 수 있다. 이는 광진구 전체를 하나의 동일한 관리객체로 보는 것보다, 다양한 특성을 인지하고 효율적으로 맞춤형 관리를 적용해야 함을 보여준다.
향후 LPA의 강점인 프로파일링과 동시에 종합적인 고려가 가능한 방법론을 통하여 다양한 정책결정을 하는 기초자료 연구가 진행이 필요하다.
향후 서울시 전체 도시지역을 대상으로 100×100인구격자망을 활용하여 각 지역의 특성을 비교 분석하는 연구가 필요할 것으로 보인다.

질의응답

핵심어	질문	논문에서 추출한 답변
	기초생활인프라의 정의는?	이와 같은 기초생활인프라의 개념이 2013년 제정된 도시재생 활성화 및 지원에 관한 특별법에서 ‘도시주민의 생활편의를 증진하고 삶의 질을 일정한 수준으로 주지하 거나 향상시키기 위해 필요한 시설’로 정의되었으나 그 범위와 규모는 현재까지 명확하게 설명되지 않고 있다(성은 영 외, 2013).
	정부에서 발표한 기초생활인프라 공급정책은 왜 도입되었나?	정부에서 발표한 기초생활인프라 공급정책은 과거의 공급자 위주의 관점이 아닌 사람 중심의 수요자를 바탕으로 생활인프라를 공급하고자 도입되었다. 이러한 사람 중심의 생활인프라는 다양한 수요 및 공급 정책을 분석하는 것에 대한 중요성이 증가하고 있다(AURI, 2018a).
	생활SOC는 중요한 생활인프라 시설로 해외와 국내의 실정을 비교해 보면 어떤 실정인가?	도서관, 체육관, 수영장, 도시숲 등의 생활SOC는 삶의 질을 결정하는데 중요한 생활인프라 시설이다. 미국이나 일본, 영국 등은 1～4만 명 당 공공도서관 1개가 설립되며, 우리나라는 5만 명 당 1개가 설립되는 등 주요 선진국에 비해 생활SOC시설이 많이 부족한 실정이다(Table 1).

참고문헌 (17)

Ministry of Land, Infrastructure and Transport (2018). Basic Forum for Reorganizing National Minimum Standards
Office for Government Policy Coordination (2019). Living SOC 3year Plan(2020-2022)
Seoul Metropolitan Government Facility Division (2012). 10 minute neighborhood project
Akaike, H. (1987). Factor analysis and AIC. Psychometrika, 52, 317-332.

상세보기
Cho, P. (2013). Living Infrastructure Supply Status and Policy Tasks, Planning and Policy, 382, 5-14.
Crosby, R. D., Wonderlich, S. A., Engel, S. G., Simonich, H., Smyth, J., and Mitchell, J. E. (2009). Daily mood patterns and bulimic behaviors in the natural environment. Behaviour Research and Therapy, 47, 181-188.

상세보기
Lim, J., Cho, A. (2018). The relationship between parental rearing attitudes and life goals using latent profile analysis(LPA), Studies on Korean Youth, 29(1), 323-346.
Muthen, B. (2004). Latent variable analysis. The Sage Handbook of Quantitative Methodology for the Social Sciences, 345-368.
Kraft, Michael, E., and Scott R. Furlong. (2018). Public Policy: Politics, Analysis, and Alternatives. 6th ed. Thousandoak, CA: SAGE publication.
Kwon, J. (2011). Developmental patterns of bullying experience and changes in internalization and externalization problem behavior: Longitudinal Layer Growth Analysis (LCGA), Longitudinal Study using Multi-group Growth Mixture Model (GMM). Korea Child Welfare, 34, 96-127.
Park, J. (2013). Era of Life-based Infrastructure Supply, Planning and Policy, 382.
Patton, Carl, V. David, S. Sawicki, and Jennifer J. Clark. (2016). Basic Methods of Policy Analysis and Planning. 3rd ed. New York: Rouledge.
Shin, H. (2015). Academic Achievement and Community Awareness of Elementary School Students : Classification of Potential Profiles and Influencing Factors on School Happiness. Education Evaluation Research, 28(1), 53-76.
Scolve, L. S. (1987). Application of a model-selection criteria to some problems in multivariate analysis. Psychometrika, 52, 333-343.
Oberski D. (2016). Mixture Models: Latent Profile and Latent Class Analysis. In: Robertson J., Kaptein M. (eds) (pp.275-287). Modern Statistical Methods for HCI. Human-Computer Interaction Series. Springer
Tein, J., Coxe, S., and Cham, H. (2013). Statistical power to detect the correct number of classes in latent profile analysis. Structural Equation Modeling: A Multidisciplinary Journal, 20 (4), 640-657.

상세보기
Nylund, K. L., Asparouhov T., and Muthen, B. O. (2007). Deciding on the number of classes in latent class analysis and growth mixture modeling: A Monte Carlo simuation study. Structural Equation Modeling: A Multidisciplinary Journal, 14 (4), 535-569.

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