Korea Planning Association

Current Issue

Journal of Korea Planning Association - Vol. 54 , No. 4

[ Article ]
Journal of Korea Planning Association - Vol. 54, No. 4, pp.5-16
Abbreviation: J. of Korea Plan. Assoc.
ISSN: 1226-7147 (Print) 2383-9171 (Online)
Print publication date 30 Aug 2019
Final publication date 07 Jun 2019
Received 21 Jan 2019 Revised 10 May 2019 Reviewed 05 Jun 2019 Accepted 05 Jun 2019
DOI: https://doi.org/10.17208/jkpa.2019.08.54.4.5

마르코프체인 모형 및 GIS 분석을 이용한 신혼부부 가구의 지역별 이동특성과 공간적 분포 변화 예측 분석
정기성* ; 김병석**

Prediction for the Spatial Distribution of Newlyweds Households by Applying Markov Chain Model and GIS Analysis
Jeong, Kiseong* ; Kim, Byung-Suk**
*Associate Research Fellow, National Territorial Planning & Regional Research Division, Korean Research Institute for Human Settlements (jkseong@krihs.re.kr)
**Research Fellow, Gyeonggi Public Investment Management Center, Gyeonggi Research Institute (bskim272@gri.re.kr)
Correspondence to : **Research Fellow, Gyeonggi Public Investment Management Center, Gyeonggi Research Institute (corresponding author: bskim272@gri.re.kr)


Abstract

This study aims to predict the changes in spatial distribution and spatial characteristics of newlyweds households in Korea by applying Markov Chain Chapman-Kolmogorov Model and GIS analysis. To do the purpose, the research analyzes the migration pattern and examines the transition probability based on the households’ migration data(2015-2016). Also the pattern and distribution and migration data were analyzed by using an ArcGIS program. Finally, the Chapman-Kolmogorov equation with the transition probability was applied to predict the changes in the regional distribution and pattern of migration for the next five years(2018-2022). The main findings are as follows. First, the number of newlywed households has been nationally shrinking. Second, in the capital area, it is predicted that the influx of newlywed households into the Gyeonggi Province area will continue while the population outflow phenomenon in Seoul will simultaneously continue. Third, the portion of newlyweds in the Chuncheong provinces(Sejong, Daejeon, and Chungcheong) and Jeju is predicted to increase gradually, while the portion in Busan, Ulsan and Gwangju is expected to decrease. In particular, the rise of newlyweds in Sejong and Jeju is remarkable and appropriate policy countermeasures need to be taken for the phenomenon.


Keywords: Markov Chain Model, Chapman-Kolmogorov Equation, GIS Network Analysis, Prediction of Changes in the Migration and Spatial Distribution of Newlyweds
키워드: 마르코프 체인 모형, 콜모고로프 방정식, GIS 네트워크 및 중심성 분석, 신혼부부 인구이동 및 공간 분포 예측

Ⅰ. 서 론

최근 저출산·고령화 현상으로 사회·경제적 문제와 인구구조의 변화를 겪고 있는 상황에서 1인 가구는 증가추세를 보이고 있으며, 신혼부부가구는 지속적으로 감소추세를 보이고 있다. 특히, 전국 신혼부부가구는 2015년 1,471,647가구에서 2017년 1,379,766가구로 약 6.2% 감소하였으며, 수도권과 비수도권의 시도 간 신혼부부 이동현상도 다양하게 나타나고 있다. 이러한 신혼부부감소와 이동현상의 원인은 다양하겠지만 경제적인 측면과 주거불안정 등이 주요 원인으로 논의되고 있으며, 그중에서도 주거복지 측면이 강조되고 있다.

정부는 이와 같은 상황에서 맞춤형 공공임대주택 공급 등 다양한 지원 노력을 기울이고 있으나 신혼부부의 시도별 공간적 분포변화를 예측하고 이를 바탕으로 계획수립 및 공급이 이루어진다는 점에서는 미흡한 점을 보이고 있다. 특히, 공간적 분포변화 예측이 이루어지지 않은 상황에서 주택공급이 이루어진다면 해당도시의 기반시설과 신규주택 미분양 같은 문제점이 발생할 수 있기 때문에 신혼부부의 이동특성 및 공간적 분포변화를 예측하는 것은 중요하다고 볼 수 있다.

이러한 배경하에 본 연구는 시도별 신혼부부가구의 이동 및 분포특성을 분석하고, 지역별 장래 분포변화를 예측하며, 분석결과를 바탕으로 정책적 시사점을 제시하는 것이 목적이다. 이를 위해 GIS 네트워크 분석(network analysis)과 사회적 네트워크 분석기법(social network analysis, SNA)인 연결 중심성 분석(degree centrality analysis)을 통해 지역별 신혼부부의 공간적 특성과 이동 패턴을 파악하고, 이를 바탕으로 정상 마르코프 체인(stationary Markov chain) 모형의 채프만-콜모고로프 방정식을 이용하여 시도별 신혼부부의 공간적 장래 분포변화를 파악하고자 한다. 또한, 분석결과를 바탕으로 정책 방향을 모색하고자 한다.


Ⅱ. 이론적 논의
1. 인구·가구 추계 방법론

인구와 가구를 예측하는 방법은 이미 많은 학자들에 의해 다양한 모형들이 제시되어 있으며, 크게 두 가지 접근방식을 설정하고 있다. 첫 번째는 결정론적 모형을 이용한 추계방법이며 두 번째는 확률론적 모형을 이용한 접근방식이다. 먼저, 총량적인 예측을 중심으로 하는 결정론적 추계의 대표적인 방법으로 요소적 방법에 의한 인구 예측모형(요소모형)이 사용된다. 조성법이라고도 불리는 이 방법은 인구의 성장을 자연적 성장(출생·사망 요인)과 사회적 성장(지역 간 인구이동) 등 인구·가구 변화에 영향을 미치는 요인들을 분리하고 각 요인별 양적 변화를 예측하여 합산하는 방법이다(김홍배, 2005; 황지은 외, 2011). 우리나라 통계청에서도 주기적으로 전국 시도별 장래인구·가구 추계를 진행하고 있다. 인구 추계는 집단별 출생, 사망, 전입, 전출 요인의 양적 추계를 산출하는 코호트-요인법(cohort-component method)을 사용하며(조대헌·이상일, 2011) 가구추계는 가구주율법1)을 기반으로 한 수학적 모형(mathematical model)을 사용한다. 상기의 결정론적 모형들은 전통적으로 인구·가구의 예측 시 두루 활용되어왔으나 시간적 흐름에 따른 변화와 가구의 동적인 변화를 고려할 수 없다는 한계가 지적되어왔다(김유경, 1995).

두 번째로 확률론적 모형은 인구 및 가구의 동적 변화(출생률, 사망률, 이주률 등)와 추이확률을 측정하여 이를 기반으로 한 장래예측을 하는 방법이다. 최근 인구·사회학자들은 시간의 흐름을 반영하여 집단의 행동변화에 대한 확률적 비율에 대한 동적(dynamic)모형을 연구하기 시작하였다(황지은 외, 2011). 이 확률론적 모형은 주로 인구이동에 따른 지역의 변화 등을 예측하는 분석에 주로 적용되고 있다(Schoen, 2006; 박소현·이금숙, 2016). 이중 확률분포를 사용하여 사후분포를 추정하는 베이지안 추정기법의 일환인 마르코프 체인모형(Markov Chain Model)은 대표적인 확률론적 방법으로 사용되고 있으며 과거의 변화를 토대로 시스템 내에서 상태간의 구조를 파악하여 미래에 있을 변화를 예측하는 기법이다. 일단 현재의 상태가 주어지면 미래의 확률은 현재의 특성에 근거하여 변화하는 것으로 가정한다(Robert and Casella, 2004; 김경수·장욱, 2003). 특히, 마르코프 체인모형을 인구이동에 적용할 경우 인구이동 자체의 특성보다는 이동패턴이 지속될 경우 향후 인구분포가 어떻게 변화되는지 설명하는데 중점을 두고 있다(최재헌, 2004).

기존에 인구·가구 추계에 주로 사용되었던 결정론적 모형은 양적 측면의 예측에 중점을 두었기 때문에 동적인 변화를 충분히 고려하지 못하였고, 개별 지역의 요인별 양적 변화 예측량을 기반으로 한 추계로 인해 지역 간 인구이동 및 분포 예측 측면에서 미흡한 부분이 있다.

2. 마르코프체인 관련 연구

본 연구는 확률론적 방법인 마르코프 연쇄모형을 이용하여 신혼부부 가구의 전국 시도별 이동과 분포 변화를 예측하고, 지역 간 이동 및 네트워크 특성을 규명하고자 한다. 최근까지 마르코프 체인모형을 적용한 본 연구와 관련된 선행연구들을 살펴보면, 인구이동에 따른 지역별 인구분포를 예측한 연구(김경수·장욱, 2003; 안종욱, 2006), 성별, 연령별, 자연적 요인을 고려하여 인구를 예측한 연구(김홍배 외, 2009; 이상일·조대헌, 2012), 가구구조의 변화를 예측한 연구(황지은 외, 2011), 직종별 취업자의 공간적 분포를 예측한 연구(박소현·이금숙, 2016) 등이 진행되었다.

먼저, 인구이동에 따른 지역별 인구분포를 예측한 연구를 살펴보면, 김경수·장욱(2003)은 부산지역을 대상으로 마르코프 체인모형을 이용하여 인구·유출입을 인접도시와 연계분석하고 이를 통해 지역별 인구분포를 예측하였으며, 안종욱(2006)은 과거 인구이동 변화를 토대로 마르코프 체인모형을 이용하여 수도권의 지역별 인구분포를 분석하였다.

다음으로 성별·연령, 자연적 요인을 고려한 연구로 김홍배 외(2009)는 조성법과 마르코프 체인모형을 이용하여 자연성장과 인구이동이 결합된 모델을 제시하였으며, 이를 통해 인구를 성별·연령별로 구분하여 인구를 예측하였다. 이상일·조대헌(2012)은 마르코프 체인모델과 Rogers의 다지역 인구추계모델을 검토하여 다지역 코호트-요인법의 프레임워크를 도출하였으며, 이를 바탕으로 2005~2030년에 대한 5년 단위의 시도별 장래인구를 분석하였다.

또한, 황지은 외(2011)는 가구구성원 및 생애주기를 고려하여 가구유형을 구분하고, 2010년 가구 수를 기준으로 2030년의 수도권 가구유형별 변화를 예측하였으며, 박소현·이금순(2016)은 전국 16개 광역시·도를 대상으로 마르코프 체인모형을 이용하여 인구이동에 따른 직종별 취업자의 공간적 분포 변화를 예측하였다.

이와 같이 마르코프 체인모형은 기존의 결정론적 모형이 가진 인구·가구 추계 상 동적 변화 반영 측면의 한계를 극복함과 동시에 인접 지역 간의 상호 분포 변화를 효과적으로 반영할 수 있는 장점이 있다. 따라서 본 연구는 전국적으로 지속적인 감소세를 보이고 있는 신혼부부를 대상으로 확률론적 분포변화를 기반으로 한 정상 마르코프 체인(stationary Markov chain) 모형을 적용한 시도별 장래 분포 변화를 규명하고자 한다. 신혼부부 가구는 주거복지 측면에서 그 중요성이 커지고 있음에도 불구하고 상대적으로 관련 연구와 데이터 구축은 부족한 상황이다. 이에 본 연구는 신혼부부의 지역 간 이동특성을 GIS를 이용한 네트워크 분석, 유입·유출 중심성(degree centrality) 분석을 통해 규명하며, 구축한 이동 분포 비율을 바탕으로 지역별 분포 예측을 시도하는데 그 학문적 방법론적 성과가 있다고 볼 수 있다. 또한 이를 통해 신혼부부 가구를 위한 공공주택정책 등의 주거복지 측면의 실무적 필요성을 충족시킬 수 있을 것이다.


Ⅲ. 연구 설계
1. 연구의 범위 및 방법

국내 17개 시도에 거주하는 신혼부부 가구의 현황을 분석하고 시도간 이동과 공간적 분포 변화를 예측하기 위하여, 대상가구의 현재 거주지와 1년 전 거주지를 나타내는 전입/전출 O-D(area of Orgin and area of Destination) 매트릭스 데이터 구축 및 분석을 진행하였다. 연구 대상으로 설정한 신혼부부의 범위는 해당 연도를 기준으로 결혼한 지 5년 이내의 초혼 및 재혼 부부이며, 연구의 시간적 범위는 통계청에서 제공하는 신혼부부 데이터 2015년부터 2017년까지의 기간을 기본으로 한다. 연구의 방법은 먼저 신혼부부 현황 분석을 위하여 기본 기초통계량 분석과 ArcGIS 프로그램을 통한 시도별 신혼부부 분포 및 이동 패턴을 파악하는 네트워크 분석과 중심성 분석을 진행하였다. 다음으로 신혼부부의 시도별 공간 분포 변화 예측을 위해 O-D 매트릭스 데이터(2015-2016)를 추이확률로 설정한 정상 마르코프체인(Stationary Markov Chain)모형의 채프만-콜모고로프(Chapman-Kolmogorov)방정식을 사용하였다.

1) 마르코프 체인 모형

본 연구는 마르코프 체인 모형을 사용하여 국내 17개 시도간 신혼부부 가구의 이동 및 분포 변화를 예측한다. 마르코프 체인은 과거의 조건에 영향을 받지 않는 이산(discrete) 시간 확률의 과정이라 정의할 수 있으며, 오직 현재의 확률적 특성을 바탕으로 미래의 확률변화를 예측하는 방법이다. 마르코프 확률과정 Xn이 상태 i에서 한 Xn+1이 상태 j로 변환을 할 때 이를 추이확률(transition probability)이라 한다. 추이확률은 (1) 같은 식으로 나타낼 수 있으며 (2)와 같은 조건을 만족한다.

(1) 
(2) 

또한, 추이확률(P)이 시간의 흐름에 상관없이 항상 일정한 경우 정상 마르코프 체인(Stationary Markov Chain)이라 하며 시간의 변화와 외생변수의 영향으로 추이확률이 다르게 나타나는 것을 비정상 마르코프체인(Non-Stationary Markov Chain)이라고 한다.

본 연구는 정상 마르코프체인(Stationary Markov Chain) 분석을 통한 미래의 신혼부부 지역 간 분포 비중인 상태확률(Yt)을 예측하였다. 이를 위해서 기본적으로 신혼부부의 시도별 초기 상태확률(St−1)과 대상 가구의 양적 변화를 반영한 추이확률(P)이 필요하며, 이에 따라 통계청에서 제공하는 2015~2017년 시도별 신혼부부 가구 수 및 시도별 이동 데이터 가운데 2015~2016년 데이터를 바탕으로 신혼부부 가구의 이동 경로와 이동량을 나타내는 n×n 정방행렬구조(spatial interaction matrix)의 O-D 매트릭스 추이행렬을 구성하였다. 또한 통계청에서 제공하는 시도별 신혼부부 가구 수 최신 자료인 2016년 데이터를 시도별로 비율화하여 초기 상태확률(St−1)을 구성하였다. 결과적으로, 마르코프 체인 분석은 초기상태확률(St−1)과 추이행렬(P)의 곱을 통해서 미래의 상태확률(Yt)을 예측하는 과정을 포함하며, 다음과 같은 수식으로 나타낼 수 있다.

(3) 

마지막으로, 설정된 추이행렬과 초기 상태확률에 채프만-콜모고로프 방정식(Chapman-Kolmogorov equation)을 적용한 마르코프 체인 모형으로 2021년까지 5단계를 거친 시도별 신혼부부 분포 변화를 예측하였다. 채프만-콜모고로프 방정식은 마르코프 확률과정이 상태 i에서 j로의 전이 사이에 상태 k를 추가할 경우, i부터 k까지 n번 걸리는 추이확률과 k에서 j까지 m번 걸리는 추이 확률은 ij의 중간 k 상태에 대해서 모든 추이확률 값들의 합과 같을 것이라 정의하며 다음과 같은 증명식으로 나타낼 수 있다.

(4) 

즉, n단계 추이확률이 Pn이라고 할 때 Pn은 (n-1)단계 추이확률과 초기 추이확률 (P0)의 곱으로 구할 수 있다.

(5) 

본 연구에서 정상 마르코프체인 모형의 추이확률에 적용된 시간적 범위가 2015~2016년인 것은 특정시점에서 구축된 매트릭스 추이확률(P)이 시간의 흐름과 동적 변화에 관계없이 그 정상성(stationarity)을 유지하는가를 검증하는 것과 연관이 있다. 따라서 2015~2016년 동안 신혼부부 이동 데이터로 구축된 추이확률을 이용하고 2017년 신혼부부 가구 이동 분포율을 예측하고 이를 실제 2017년 데이터와 비교하는 것으로 모형의 적합성을 검증한다. 또한, 신혼부부 가구의 예측 범위를 5년 단기예측으로 설정한 것은 다음과 같이 설명할 수 있다. 인구 및 가구의 지역 간 이동에 따른 분포 변화는 자연적 증감이 아니기 때문에 사회·경제적 상황, 정책의 변화 등에 민감하기 때문에 장기적 예측으로 인한 과다 및 과소 추정될 위험이 있다. 또한, 마르코프 체인모형의 측정 정확도와 관련하여 추이확률의 고정성 때문에 단기예측일수록, 공간단위가 클수록, 사회경제적 변화가 작을수록 예측결과의 정확도가 우수하다고 할 수 있다(Plane and Rogerson, 1994; Champion et al., 1998; 이상일·조대헌, 2012). 마지막으로, 산출된 장래 신혼부부 분포 비율을 통해 신혼부부 가구 수 추이를 산출할 수 있다. 각 년도의 전국(17개 시도) 신혼부부 가구 수는 2015년-2017년 신혼부부 가구 수의 연평균 증감율(-3.2%)2)을 일괄 적용하여 산출하였다.

2) GIS 네트워크 및 중심성 분석

통계청에서 제공하는 신혼부부 가구의 2015-2017년 연평균 O-D 매트릭스 추이행렬을 토대로 ArcGIS와 GePhi 프로그램을 사용하여 신혼부부 이동량과 특성을 네트워크화하고 해당 가구의 시도별 유출·유입 연결 중심성(degree centrality)을 확인하는 GIS 분석을 수행하였다. 먼저, 전년도 거주 지역을 뜻하는 출발지역(area of origin)을 노드(node)로 설정하고 현재 거주 지역을 뜻하는 도착지역(area of destination)을 엣지(edge)로 설정한 뒤 신혼부부의 시도간 연평균 이동량을 변수로 설정하여 네트워크 분석을 진행하였다. 이와 함께 시도별 신혼부부 연평균가구 수(2015-1017)를 나타내는 변수를 크기의 순서대로 색의 변화를 주어(proportional graduated colored) 형상화(symbology)하였다. 뿐만 아니라 시도별 신혼부부 가구 이동의 특성을 노드(node)사이의 유출·유입의 상호관계적으로 해석하는 중심성(centrality) 분석을 진행하였다. 중심성 분석(centrality analysis)은 영국의 사회학자 앤서니 기든스(Anthony Giddens)의 ‘구조의 이중성’(duality of structure) 개념에 착안한 방법론으로 한 개인이 사회적 관계(Social Network) 속에서 어떠한 위치에 놓여 있으며, 그에 따른 의식과 행동 변화의 정도를 계량화하여 나타내는 것이다(Giddens, 1986). 같은 맥락으로 한경수 외(2015)는 사회 네트워크 분석 관점에서 서울 지하철역 간 네트워크와 이용자 이동량을 이용하여 중심성 분석을 진행하였으며, 이상현 외(2009)는 농촌마을 관광객 이동 네트워크를 바탕으로 중심성 분석을 진행하였다. 본 연구에서도 신혼부부 가구의 이동 O-D 데이터를 바탕으로 시도별 중심성 분석을 진행하였으며, 구체적으로 지역별 유출·유입의 연결 중심성(degree centrality)을 계량화하여 나타내었다. 이는 다음과 같은 식으로 나타낼 수 있다.

(6) 

여기서 CNWii지역의 유입·유출 중심성 지표 ,riji지역에서 j지역으로의 이동량, n은 네트워크 내 전체 노드(node)의 수를 나타낸다. 중심성 분석을 통해 해당지역의 신혼부부 가구의 유출·유입의 경향성(tendency)을 파악할 수 있으며, 지역 간 동일한 수준에서 비교분석 할 수 있다.


Ⅳ. 실증 분석 및 결과
1. 신혼부부 이동 및 지역 분포 특성

본 연구의 대상 계층인 신혼부부 가구의 2015~2017년간 가구 수 변화와 연평균 이동량을 산출하였다. 이를 토대로 시도별 O-D 매트릭스 추이행렬과 시도 간 이동량 및 유입·유출 중심성을 나타내는 네트워크 분석을 진행하였다.

먼저 전국 및 시도별 신혼부부 가구 수 변화 <Table 1>를 살펴보면 2015년부터 현재까지 신혼부부 가구 수는 꾸준히 감소하고 있는 상황이다. 저출산·고령화와 함께 혼인율의 감소는 이미 큰 사회문제로 여겨지고 있으며, 이 현상은 수도권과 비수도권 모두 공통적으로 나타나는 현상이다. 전국 신혼부부 가구 수는 2015년 1,471,647가구에서 2017년 1,379,766가구로 약 6.2% 감소하였다. 2015년에서 2016년 감소율이 2.4%, 2016년에서 2017년 감소율이 4.0%로 가속화되는 모습이다. 신혼부부 가구의 분포율을 살펴보면 2017년 기준 경기도가 27%로 가장 높으며, 서울 19.1%, 경남 6.5%의 순서로 나타난다. 특징적으로 2015-2017년 시계열 변화를 바탕으로 한 서울의 신혼부부 분포변화는 점차 감소하는 모습이다(19.8→19.4→19.1). 반면, 경기도의 분포 비율은 점차 증가하는 모습으로(26.4→26.7→27.0) 서울 인근 지역인 인천과 강원도가 각각 6.1, 2.6으로 변화가 없는 것과 연관하여 서울의 신혼부부 가구 감소량을 경기도에서 받아들이고 있는 것으로 해석된다. 특히 세종시의 신혼부부 가구수가 2015년 8,107가구에서 2017년 11,031가구로 약 36.1% 증가하여 높은 비율의 증가세를 나타냈다.

Table 1. 
Changes in the Number of Newlywed Households (2015-2017)


두 번째로 신혼부부의 최근 이동변화를 분석하기 위하여 <Table 3>와 같이 2015-2017년 연평균 이동량 행렬을 구축하였으며 이를 바탕으로 <Figure 1>과 같이 GIS 네트워크 분석을 통하여 신혼부부 수와 이동특성을 이미지화 하였으며, 지역별 신혼부부 가구의 유출·유입 중심성 <Table 2>를 규명하였다.


Figure 1. 
GIS Analysis of the Migration Network of Newlyweds Households

Table 2. 
Inflow/Outflow Centrality of the Migration of Newlyweds Households


Table 3. 
The Number of Migration of Newlyweds on the Annual Average (2015-2017)


신혼부부 가구의 이동특징은 기본적으로 지역 내 이동이 가장 큰 비중을 차지했으며, 수도권과 비수도권으로 구분하여 그 특징을 살펴보았다. 수도권(서울·인천·경기)의 신혼부부 이동특성을 살펴보면 서울과 인천에서 경기도로 유출되는 경향이 크며, 특히 서울의 신혼부부 유출현상이 강하게 나타났다. 서울의 신혼부부 이동을 자세히 살펴보면, 지역 내 이동을 제외하고는 경기도로 유출되는 비율(26.8%)이 두드러지는 모습을 보였다. 다음으로 인천, 강원도 순으로 이동하는 모습을 보였다. 반대로 서울로 유입되는 신혼부부 인구를 살펴보면 경기 지역이 가장 높았으며, 세종(6.4%), 인천(6%), 강원(5.1%) 순서로 나타났다. 또한 제주도에서 서울로 유입되는 비율이 3.9%로 타 비수도권 지역 중에서 비교적 높은 것으로 나타났다. 다음으로 경기도의 신혼부부 이동을 살펴보면, 유출되는 신혼부부의 비율은 서울(10.5%), 인천(3.9%) 순서로 나타났으며, 비수도권으로의 유출은 미비한 것으로 나타났다. 경기지역으로 유입되는 수도권 신혼부부는 서울(26.8%), 인천(18%)에서 크게 나타났으며 비수도권에서는 강원, 충남, 세종에서 주로 유입된 것으로 나타났다. 인천의 신혼부부 이동을 살펴보면, 유출되는 비율은 경기도(18%)가 가장 높았으며 다음으로 서울로 나타났다. 비수도권으로의 유출은 미비한 것으로 나타났다. 인천으로 유입되는 신혼부부 이동 비율은 경기(3.9%), 서울(3.1%), 강원(2.2%) 순으로 나타났다. 결과적으로 수도권 신혼부부 이동 경향은 수도권 내에서 움직이는 모습이 강하였으며, 서울과 인천에서 유출되는 신혼부부 가구를 경기도에서 흡수하는 현상을 보였다.

비수도권의 경우 신혼부부 인구가 인근지역 간 유입·유출되는 경향을 나타내며, 유출의 경우 수도권으로 몰리는 모습도 확인 할 수 있었다. <Figure 1> 네트워크 분석에서 확인 할 수 있듯이, 경남-부산, 광주-전남, 대구-경북, 세종시-충남, 대전, 충북 사이의 신혼부부 가구 이동이 뚜렷한 것으로 나타났으며, 비수도권 전역에서 경기도로의 신혼부부 이동 네트워크가 확인되었다. 구체적으로 살펴보면, 세종의 경우 주로 인근 지역인 대전(10.7%), 충북(3.9%), 충남(2.4%)에서 신혼부부 인구가 유입되고 수도권 지역에서 세종으로의 유입은 거의 없는 반면, 세종에서 수도권으로 유출되는 신혼부부의 비율은 경기도(9.1%), 서울(6.4%)로 상대적으로 높게 나타났다. 부산의 경우 신혼부부의 유출은 경남(14.3%), 경기(2.9%), 서울(1.9%) 순으로 나타났으며, 유입 비율은 경남(10.2%), 울산(5.7%), 경북(2.0%) 순으로 나타났다. 이는 부산의 인근지역 간 신혼부부의 이동이 활발하며 특히 인근지역에서 유입이 높게 나타난 반면, 유출의 경우 서울, 경기로의 수도권 유출현상을 확인할 수 있었다. 제주도의 경우 외부 지역에서 신혼부부가 유입되는 비율은 낮게 나타난 반면, 외부 지역으로 유출되는 신혼부부 비율은 경기(5.6%), 서울(3.9%)로 상대적으로 높게 나타났다. 결과적으로 비수도권 지역의 신혼부부 이동은 인근 시도 간 이동이 활발하였으며, 수도권(경기도)으로의 유출 현상을 확인할 수 있었다. 주목한 것은 세종과 제주도의 양적 신혼부부 가구 수는 타 시도에 비해 작지만, 꾸준히 성장하고 있으며, 수도권과 대도시 간의 이동이 가시화 되었다는 점이다. 유입·유출 중심성 분석 결과 서울과 경기도의 유입·유출 경향이 전국적으로 가장 뚜렷하였고 서울은 유출중심성이(3.10%) 유입중심성(1.51%)보다 2배 가량 크게 나타난 반면, 경기도는 유입중심성(3.46%)이 유출중심성(2.23%)보다 큰 것으로 나타났다. 비수도권에서는 충남(0.56%)과 경남(0.66%)의 유입중심성이 비교적 높게 나타났으며, 유출중심성은 부산(0.59%)과 경남(0.56%)이 비교적 높게 나타났다.

2. 신혼부부 지역별 분포 변동성 예측

본 연구는 최근 신혼부부 가구자료인 2017년 데이터를 초기상태확률(St−1)로 설정하고 <Table 4>와 같이 2015~2016년 시도별 이동을 기반으로한 추이행렬(P)을 적용하여 미래의 신혼부부 지역별 상태확률(Yt)을 예측하고자 한다.

Table 4. 
Transition Probability(P) of Migration of Newlyweds on the Annual Average (2015-2016)


신혼부부 가구 분포변화 추정에 앞서 본 연구에서 추정에 사용하는 마르코프체인 모형의 정상성(stationarity)을 확인하기 위해서 2016년을 기준 연도로 한 2017년 예측치를 실측한 2017년 데이터와 비교를 통해 검증하고자 한다. 먼저, Pearson’s 상관관계 분석 결과 t=22.187, df=15, p<.001의 유의수준에서 분석결과가 통계적으로 적합한 것으로 나타났으며, 상관계수가 0.992로 나타나 예측 분포확률이 실제 결과확률에 근사한 추정을 가지는 것으로 확인할 수 있었다. 구체적으로 시도별 신혼부부 예측-실측 비중을 비교하면 서울(-0.028%)과 울산(-0.001%)의 예측치가 실측치보다 감소하는 것으로 나타났으며 경기도(+0.017%)외 나머지 지역에서 분포비율의 차이가 없는 것으로 나타나 높은 모형 적합성을 나타내었다(Figure 2, 3 참조).


Figure 2. 
Scatterplot Comparision of Newlyweds Distribution Rate (%)


Figure 3. 
Comparision of Newlyweds Distribution (N)

모형의 검증과정을 거친 후, 2017년을 초기 상태확률(St−1)로 마르코프 체인 모형의 채프만-콜모고로프 방정식을 적용하여 2022년까지 5단계를 거친 시도별 신혼부부 가구의 분포 변화를 예측하였다. 그 결과는 <Table 5>와 수도권·비수도권으로 변화 양상을 나타낸 <Figure 4, 5>와 같다. 먼저 수도권의 신혼부부 이동특성과 분포변화를 살펴보면, 서울에 거주하는 신혼부부 비율이 2017년을 시작으로 상대적으로 크게 감소하는 경향을 보이며 2022년에는 전국대비 12.8%로 2017년과 비교하여 약 6.3% 감소하는 결과를 나타내었다. 반면, 경기도는 신혼부부 비중이 증가하는 모습을 나타냈으며, 경기도의 경우 2017년 27.0%에서 2022년 29.4%로 2.4%의 증가 폭을 나타내었다. 인천의 경우 2017년 6.1%에서 2022년 7.0%로 분포비율의 소폭 증가를 보였다. 결과적으로 수도권 내에서 서울의 신혼부부 인구가 경기도로 이동하는 모습을 볼 수 있다. <Figure 1>의 신혼부부 가구 이동 패턴을 바탕으로 서울에서 인천으로의 이동은 미비할 것으로 판단된다.

Table 5. 
A Prediction of the Proportion of Newlyweds (2018-2022)



Figure 4. 
Prediction of the Distribution of Newlyweds in the Capital Areas (2017-2022)


Figure 5. 
A Prediction of the Distribution of Newlyweds in the Non-Capital Areas (2017-2022)

비수도권의 신혼부부 분포 변화는 다음과 같다. 먼저, 충청권(충북·충남·세종·대전)의 신혼부부 비중 증가가 상대적으로 두드러지게 나타난다. 충북은 초기 분포 시점인 2017년과 비교하여 2022년에 0.5%의 증가율을 나타냈으며 같은 기간 충남(+1.0%), 세종(+0.9%), 대전(+0.4%)의 증가율을 보였다. 강원도의 경우 2017년 2.6%에서 2022년 0.4% 오른 3.0%의 비율을 나타냈으며, 대구는 미비한 감소 비율(-0.1%)을 나타내었다. 호남권(광주·전북·전남)의 경우, 광주지역에서 같은 기간(2017-2022) 신혼부부 분포 비율이 0.2% 감소하는 모습을 보였으며 전남과 전북은 약 3%대로 유지하는 모습을 보였다. 부·울·경 지역은 부산(-0.3%), 울산(-0.5%), 경상북도(-0.1%), 경상남도(-0.2%) 모두 공통적으로 신혼부부 분포 비율이 감소하는 모습을 보였다. 제주도의 경우 신혼부부 분포 비율이 2017년 1.3%에서 2022년 2.2%로 상대적으로 크게 증가하는 모습을 나타내었다. 결과적으로 2022년 신혼부부 분포 예측 결과 중 증가 폭이 큰 지역은 경기(+2.4%), 충남(+1.0%), 세종(+0.9%), 제주(+0.9%) 순서로 나타나며, 반대로 큰 폭으로 감소하는 지역은 서울(-6.3%), 울산(-0.5%), 부산(-0.3%) 순으로 나타났다.

수도권과 비수도권의 신혼부부 분포 비율 예측의 시계열 변화는 <Figure 4, 5>를 통해서 시각적으로 확인할 수 있으며, 탐색적 분류 방법(exploratory grouping method)으로 시도 단위로 신혼부부 분포 비율별 그룹을 상위부터 하위까지 분류할 수 있었다. 2017년에는 경기-서울 그룹(46.1%), 경남-부산-인천 그룹(18.7%), 경북-대구-충남 그룹(13.2%), 전북-전남-충북-대전-광주-울산-강원 그룹(19.9%), 제주-세종 그룹(2.1%)으로 나뉘었다면, 2022년에는 경기(30.7%), 서울(13.0%), 인천-경남-충남-부산 그룹(23.7%), 경북-대구 그룹(8.8%), 충북-대전-전남-전북-강원 그룹(15.4%), 광주-제주-울산-세종 그룹(8.4%)으로 새롭게 그룹이 형성되었다.

2022년에는 경기와 서울의 신혼부부 분포 비율이 기존 그룹 내에서 큰 차이로 격차가 벌어져 한 그룹으로 분류하기 힘든 상황이 되었으며, 기존의 경남-부산-인천 그룹과 충남의 신혼부부 비율은 크게 증가하여 새롭게 그룹이 재편되었다. 2017년에 비해 2022년 울산, 광주의 신혼부부 가구 비율이 감소하고 제주와 세종의 가구 분포 비율이 크게 증가하여 충북-대전-전남-강원 그룹과 광주-제주-울산-세종 그룹으로 재편되었다.

마지막으로 2022년까지 시도별 신혼부부 가구 수를 예측하였다. 2015-2017년 전국 신혼부부 가구 수의 연평균 감소비율(-3.2%)을 적용하여 2022년까지의 전국 신혼부부 가구 수 예측치를 산출하고, 마르코프체인 채프만-콜모고로프 방정식으로 산출한 2022년까지의 시도별 신혼부부 분포 비율을 적용하여 시도별 신혼부부 가구 수를 예측하였다.

결과 값 가운데 2017년과 2022년 예측 값의 비교를 나타낸 것은 <Table 6>와 같다. 결과적으로 수도권 내에서 경기도의 신혼부부 증가 폭이 커질 것으로 예상되는 가운데 이에 대응한 주택 공급, 육아·보육 및 복지에 대한 정책적 고려가 필요하며, 반대로 서울에서 신혼부부가 크게 유출되는 원인과 대응 방안에 대해서 공공과 민간이 함께 고민해보아야 할 것이다. 비수도권 내에서는 신혼부부 분포 예측 비율이 크게 증가하는 충청권(대전·충북·충남·세종)과 제주도 지역을 중심으로 신혼부부를 위한 다양한 정책에 대한 준비와 재정 확대를 고려해야 할 것으로 판단된다. 2022년 신혼부부 분포 하위권 그룹 가운데 분포비율의 감소가 뚜렷하게 나타난 광주, 울산에 대한 전체 신혼부부 유입을 위한 고민이 필요해 보이며, 이를 위해 중앙, 지자체와 민간이 함께 노력해야 할 것이다.

Table 6. 
A Prediction of the Number and Proportion of Newlyweds (2017-2022)



Ⅴ. 결 론
1. 연구결과 요약 및 시사점

본 연구는 국내 시도별 신혼부부 가구의 분포현황과 이동특성 및 장래 지역간 이동과 공간적 분포 변화를 예측하기 위하여, 마르코프 체인 모형의 채프만-콜모고로프 방정식과 다중 레이어 GIS 네트워크 분석을 진행하였다. 데이터는 통계청에서 제공하는 2015-2017년 시도별 신혼부부 가구 수, 시도간 신혼부부 가구 이동 데이터를 사용하였다. 마르코프 체인 분석 모형의 정확도와 적합성을 검증하기 위하여 추이확률(P)을 적용한 2017년 시도별 신혼부부 가구 확률분포 예측 값과 통계청 실측값과의 오차 비교와 Pearson’s 상관관계 분석을 진행하였다. 분석 결과 t=22.187, df=15, p<0.001의 유의수준에서 분석결과가 통계적으로 적합한 것으로 나타났고, 상관계수가 0.992***로 나타났으며, 실측과 예측값의 비교에서 대부분의 지역이 99% 이상 유사하게 나타나 모형의 적합성을 확보하였다.

분석결과는 2017년까지의 신혼부부 분포와 이동에 대한 현황분석과 2022년까지의 예측분석으로 구분할 수 있다. 먼저 현황분석에 대한 결과는 다음과 같다. 첫째, 2017년까지 신혼부부 가구 수는 꾸준히 감소하는 모습을 보이며 그 감소 폭은 증가하는 모습을 보인다. 둘째, 서울의 신혼부부 비중은 큰 폭으로 감소하는 모습을 보인 반면, 경기도의 경우 그 비중이 증가하는 모습을 보였다. 셋째, 신혼부부 인구가 인근지역 간 유입·유출되는 경향을 보이며, 비수도권의 유출의 경우 수도권으로 몰리는 모습도 확인 할 수 있었으며 특히 경기도로 집중되는 경향이 나타났다.

다음으로 마르코프 체인 분석으로 2022년까지 신혼부부의 이동과 공간적 분포를 예측한 결과는 다음과 같다. 첫째, 수도권의 경우 서울의 신혼부부 유출이 경기도로 유입되는 현상은 가속화되었으며 2020년 이후로 비중이 안정화되는 모습을 보였다. 인천의 경우는 증감이 거의 없이 유지되는 모습을 보였다. 둘째, 충청권(충북·충남·세종·대전)의 신혼부부 증가율이 뚜렷하게 나타난 반면, 부산·울산·광주 지역은 신혼부부 비율이 공통적으로 감소하는 것으로 예측되었다. 셋째, 제주도와 세종시의 신혼부부 가구 수의 양적 크기는 타 시도에 비해 여전히 낮은 수준이지만 그 비중의 증가폭은 크게 나타나 2022년에는 제주도의 신혼부부 가구 수가 울산보다 더 높아지는 것으로 예측되었다.

분석결과를 바탕으로 본 연구의 시사점은 다음과 같다. 첫째, 전국 신혼부부 가구의 감소폭이 커지는 가운데 공공과 민간의 다각적인 노력이 필요하다. 이미 정부에서 신혼희망타운, 신혼부부 금융우대 정책 등 다양한 지원 노력을 기울이고 있지만 궁극적으로 2030세대가 결혼을 기피하는 원인을 파악하고 민간과 협력하여 사회적 분위기를 전환하는 세심한 노력이 강조된다.

둘째, 경기도의 신혼부부 증가와 집중현상이 가속화될 것으로 예상되는 가운데 이에 대한 대응과 정책적 준비가 필요하다. 신혼부부의 증가에 맞춘 주택 공급, 육아·보육 및 복지에 대한 정책적 고려가 필요하다. 한편으로 경기도에 신혼부부 비중이 증가한다는 것은 이들의 서울로의 직주 근접성이 악화된다는 의미이기도 하며 이에 대한 교통 인프라에 대한 정책적 고민도 필요해 보인다.

셋째, 충청권(충북·충남·세종)의 신혼부부 증가현상은 국토균형발전의 측면에서도 긍정적인 역할을 할 것으로 판단된다. 2005년 행정중심복합도시 특별법 제정 이후 지금까지 세종시와 인근 지역으로의 16개 중앙부처와 다수의 공공기관이 이전하면서 국토균형발전의 목표를 실현하기 위한 다양한 노력들이 집중되었다. 충청권의 신혼부부 증가 현상은 이러한 노력들의 하나의 가시적인 결과라고 할 수 있으며, 신혼부부 가구 증가 현상이 지속되고 충청권이 성장할 수 있도록 이를 위한 육아 및 양육지원 정책, 교육 및 교통 인프라 구축 등이 필요하다.

넷째, 신혼부부 비중의 감소 폭이 크게 예측된 서울, 부산, 울산, 광주 지역을 대상으로 신혼부부 유출의 원인을 파악하고 선제적 대응 방안을 수립할 필요가 있다. 이들 지역이 기존의 대도시들이라는 특성과 연관하여 신혼부부와 같이 젊고 활력있는 생산가능인구의 감소는 도시적 측면에서도 성장 가능성을 저해하는 큰 요인으로 생각할 수 있다. 중·장기적인 도시 성장의 측면에서 해당 도시들은 신혼부부가 살기 좋고 결혼하기 좋은 지역으로 거듭나기 위한 다각적인 노력을 기울여야 할 것이다.

마지막으로 세종시와 제주도의 신혼부부 증가현상을 주목하며 지역이 더욱 성장할 수 있도록 지원이 필요하다. 상대적으로 신혼부부 비중이 미약한 이 두 지역은 그 증가 속도가 빠르게 나타나며 이는 도시의 지속가능성과 연관될 수 있다. 해당 지자체는 신혼부부 가구의 증가 현상을 구체적으로 파악하고 맞춤형 지원을 이어나가야 할 것이다.

2. 연구의 한계점 및 향후 과제

본 연구는 기존의 인구 및 가구 장래 예측에 관한 선행연구와 차별성을 가지고 새로운 접근방식으로 시대적 주요 연구 대상인 신혼부부 가구의 시도간 이동과 공간적 분포 특성을 분석·예측하여 의미 있는 연구결과를 규명했음에도 불구하고 다음과 같은 한계점을 가진다. 첫째, 데이터의 범위가 시도 단위이기 때문에 시군구, 행정동 단위에서의 신혼부부 가구의 이동 및 분포 특성과 같이 구체적인 분석을 진행하지 못한 한계가 있다. 향후 연구에서는 데이터 보완작업을 통해 지역적으로 구체적인 이동 분석을 진행하고자 한다. 둘째, 마르코프 체인분석 시 2015~2017년 신혼부부 시도간 이동 데이터가 있음에도 불구하고 2015~2016년 이동 데이터를 활용해 추이확률을 구축한 것은 모형의 정상성(Sta-tionarity) 검증 때문이었으며, 향후 신혼부부가구의 데이터가 축적되면 모형의 정확도는 향상될 것이라 판단된다. 셋째, 본 연구는 고정된 추이확률적용을 통한 단기 미래 예측을 한 것으로 이를 바탕으로 신혼부부 가구에 대한 이론과 실질적인 정책의 수립에 기여할 수 있는 부분이 제한적이라는 한계가 있다. 그러나 방법론적인 측면에서 신혼부부 가구의 공간적 특성 및 이동 패턴을 GIS 네트워크 분석(network analysis)과 사회적 네트워크 분석기법(SNA)인 연결 중심성 분석(degree centrality analysis)을 통해 파악하고, 이를 바탕으로 장래 분포 변화를 예측하는 등 기존 선행연구와 차별화되는 방법론의 융·복합 분석의 측면에서 신혼부부 연구의 방법론적 기여도가 있다고 판단된다.

향후 연구에서는 신혼부부 이슈에 대한 사회·경제·정책적 변수를 반영하여 비정상 마르코프체인 모형을 이용한 장기적인 신혼부부 이동 및 공간적 분포 예측 연구를 진행하고자 한다.


Notes
주1. 미국의 국가자원기획위원회(National Resources Planning Committee) 사용후 널리 알려진 가구추계방법으로 ‘인구/가구주*100’의 방정식을 따름.
주2. 2015-2016 신혼부부 감소율 2.4%, 2016-2017 신혼부부 감소율 4.0%

References
1. 김경수·장욱, 2003. “정상 마르코프 연쇄모형에 의한 부산권 인구분포예측 연구”, 「국토계획」, 38(4): 33-46.
Kim, G.S. and Jang, W., 2003. “Prediction of the Change in Population Distribution Using Stationary Markov Chain Model in the Busan Metropolitan”, Journal of Korea Planning Association, 38(4): 33-46.
2. 김유경, 1995. “가구구조의 변동과 시·도별 가구수 추계”, 「한국인구학」, 18(1): 119-165.
Kim, Y.K., 1995. “A Projection of Household Structure and Number of Households by Province”, Journal of the Population Association of Korea, 18(1): 119-165.
3. 김홍배, 2005. 「도시 및 지역경제분석론」, 서울: 기문당.
Kim, H.B., 2005. Urban and Regional Economic Analysis, Seoul: Kimoondang.
4. 김홍배·김재구·임병철, 2009. “조성법과 Markov Chain 모형을 결합한 지역 인구예측 모형에 관한 연구”, 「국토계획」, 44(6): 139-146.
Kim, H.B., Kim, J.K., and Lim, B.C., 2009. “Model Development for Forecasting Regional Population: Using Cohort Component Method and Markov Chain Model”, Journal of Korea Planning Association, 44(6): 139-146.
5. 박소현·이금숙, 2016. “마르코프 체인모형을 이용한 직종별 취업자의 공간적 분포 변화예측”, 「대한지리학회지」, 51(4): 525-539.
Park, S.H. and Lee, K.S., 2016. “Prediction for the Spatial Distribution of Occupational Employment by Applying Markov Chain Model”, Journal of the Korean Geographical Society, 51(4): 525-539.
6. 안종욱, 2006. “Markov Chain 모형을 이용한 수도권 인구분포예측에 관한 연구”. 「수도권연구」, 3: 1-18.
Ahn, J.W., 2006. “The Prediction of Changes in Population Distribution Using Markov Chain Model in Seoul Metropolitan Area”, Studies on the Capital Region, 3: 1-18.
7. 이상일·조대헌, 2012. “지역 간 인구이동의 예측을 통한 우리나라 시도별 장래인구추계: 다지역 코호트요인법의 적용”, 「대한지리학회지」, 47(1): 98-120.
Lee, S.I. and Cho, D.H., 2012. “Subnational Population Projections of Korea Based on Interregional Migration Forecasting: A Multiregional Cohort Component Method”, Journal of the Korean Geographical Society, 47(1): 98-120.
8. 이상현·최진용·배승종·오윤경, 2009. “GIS 및 사회네트워크 분석을 통한 농촌마을 관광중심성 분석: 농촌어메니티 자원 및 인적자원을 중심으로”, 「농촌계획」, 15(1): 47-59.
Lee, S.H., Choi, J.Y., Bae, S.J., and Oh, Y.K., 2009. “Analyzing the Spatial Centrality of Rural Villages for Green-tourism Using GIS and Social Network Analysis: Focusing on Rural Amenity and Human Resources”, Journal of Korean Society of Rural Planning, 15(1): 47-59.
9. 조대헌·이상일, 2011. “이지역 코호트-요인법을 이용한 부산광역시 장래인구 추계”, 「대한지리학회지」, 46(2): 212-232.
Jo, D.H. and Lee, S.I., 2011. “Population Projections for Busan Using a Biregional Cohort-component Method”, Journal of Korean Geographical Society, 46(2): 212-232.
10. 최재헌, 2004. 「지역분석의 기초」. 서울: 두솔.
Choi, J.H., 2004. Introduction to Regional Analysis. Seoul: Dusol.
11. 황지은·이창효·이승일, 2011. “마코프 체인모델을 이용한 수도권 장기 가구구조 변화예측 연구”, 「국토계획」, 46(6): 203-218.
Hwang, J.Y., Lee, C.H., and Lee, S.I., 2011. “A Study on the Long-term Forecast of Household Composition Change of the Seoul Metropolitan Area Using A Markov Chain Model”, Journal of Korea Planning Association, 46(6): 203-218.
12. Champion, T., Fotheringham, S., Reeds, P., Boyle, P., and Stillwell, J., 1998. “The Determinant of Migration Flows in England: A Review of Existing Data and Evidence”, Report prepared for the Department of the Environment, Transport and the Region. Leeds: University of Leeds.
13. Giddens, A., 1986. The Constitution of Society, Berkeley: University of California Press.
14. Plane, D.A. and Rogerson., P.A., 1994. The Geographical Analysis of Population with Applications to Planning and Business, New York: John Wiley & Sons.
15. Robert, C. and Casella, G., 2004. Monte Carlo Statistical Methods, New York: Springer-Verlag.
16. Schoen, R., 2006. Dynamic Population Models, Berlin: Springer.