데이터마이닝을 활용한 인구집단 구성과 경제적 불평등 평가

• 영문명: Data Mining Approach to Grouping Populations and the Analysis of Economic Inequalities
• 발행기관: 아시아.유럽미래학회​
• 저자명: 민대기(Daiki Min)
• 간행물 정보: 『유라시아연구』제13권 제1호, 173~190쪽, 전체 18쪽
• 주제분류: 사회과학 > 사회과학일반
• 파일형태: PDF
• 발행일자: 2016.03.30

국문 초록

최근 인구의 고령화 현상에 의하여 연금제도의 중요성이 증가하고 있다. 본 연구에서는 경제적 불평등 완화를 목적으로 하는 연금제도의 특성을 고려할 때 불평등 수준 평가의 기초가 되는 우리나라 인구집단 구성의 적정성을 평가하고자 한다. 이를 위하여 한국노동패널조사 자료 중 60대와 70대 고령 은퇴가구를 대상으로 데이터 마이닝 기법 중 군집분석 (clustering analysis)을 수행하여 다양한 요인들 사이의 암묵적 관계에 따라 유사한 특성을 가질 것으로 예상되는 세부 인구집단을 구성한다. 군집분석은 변수의 선정, 계층적 군집분석을 이용한 군집의 수 결정, 비계층적 군집분석을 이용한 집단 구성, 인구집단별 특성 분석 등의 네 단계로 수행한다. 군집분석 과정에서 근로기간과 풀타임 근로기간 등의 직업이력이 은퇴가구의 경제 불평등 수준에 미치는 영향을 분석하기 위하여 근로이력을 군집분석을 주요 요인으로 포함하였다. 가구특성, 소득, 소비, 자산의 관점에서 군집분석 결과를 살펴보면 기존 연구에서 고려한 우리나라 인구집단의 일부 특성이 적절하지 않음을 확인하였다. 특히 고용기간과 총 고용기간에서 파트타임 고용기간이 차지하는 비중은 은퇴가구의 소득과 자산에 영향이 큼에도 불구하고 현실과 기존연구의 가정에서 다소 차이가 있음을 확인하였다. 이와 같은 연구를 통하여 우리나라 연금제도의 효과적 설계에 필요한 현실적인 인구집단의 구성과 분석을 위한 가정 설정의 기반을 제공하였다는데 의의가 있다. 인구집단 사이의 경제적 불평등에 영향을 미치는 요인을 적절하게 고려하는 것은 매우 중요하다. 경제적 불평등에 다수의 요인이 복합적으로 작용함에도 불구하고 기존 연구는 단일 요인 별로 표준 인구집단을 구성하는 문제가 있다. 본 연구에서는 엔트로피 지수 (Generalized Entropy Index; GE Index) 분해 기법을 이용하여 인구집단 사이의 불평등 수준을 평가하고 이에 영향을 주는 주요 요인을 확인하였다. 표준 인구집단 구성 및 경제적 불평등 기여 요인으로는 성별, 교육수준, 가구 구성원 수와 같은 가구 특성과 함께 근로기간 및 풀타임 근로기간과 같은 직업이력을 고려하였다. 분석 결과 다수의 요인을 복합적으로 활용하는 군집분석을 이용하여 구성한 인구집단은 표준 인구집단과 비교하여 불평등 수준을 효과적으로 설명하고 있음을 확인하였다. 이는 불평등 수준을 완화하기 위한 효과적인 연금제도를 설계함에 있어 인구집단 구성을 위한 군집분성 방안의 타당성을 제시한다.

영문 초록

The importance of public pension system recently has been growing because of an ageing population in Korea. One of the major purposes of public pension system is to reduce economic inequalities across population groups that have been mainly defined by a single variable such as age, income, sex, etc in the literature. This paper aims to evaluate how well the population groups are practically and clearly designed in the literature so as to specify economic inequalities across different groups. For this purpose, we investigate the retired household sample obtained from KLIPS (Korean Labor and Income Panel Study) and conduct the clustering analysis to organize population groups. The clustering analysis consists of four steps: variable selection, hierarchical clustering analysis to determine the number of clusters and centroid, non-hierarchical clustering analysis (we use K-means clustering analysis) and define population groups, and describing the characteristics of population groups. The clustering analysis divides the population into six subgroups that have similar characteristics. We compare the characteristics of the population groups obtained from the clustering analysis with those designed in the literature with respect to household, income, consumption and asset. From the comparison, we observe that the assumptions on population groups in the literature are somewhat different from the findings from the clustering analysis. In particular, the period of employment and the full-time period are significantly different from the literature. The clustering analysis reveals that the period of employment is approximately 31-45 years, which is shorter than the period of employment assumed in the literature. Furthermore, few research has clearly considered the full-time period, which accounts for 14%-45% of the total period of employment. We believe that the findings in this study provides meaningful information on how to practically organize population groups as a part of designing public pension system. For example, researchers are encouraged to consider the employment periods and full-time periods obtained from the data analysis when considering the significant impact of working periods on pension payment and benefits. Population should be well grouped so as to specify the difference in economic inequalities across groups. In general, various variables are jointly involved in determining the economic inequalities, but populations have been simply grouped by a single variable such as age, gender, education level, household size, etc. in the literature. This paper employs the Generalized Entropy (GE) measure of economic inequality and its decomposition to evaluate the contributions of several variables on the overall economic inequality. For this analysis, populations are first grouped by several variables such as clusters obtained from the analysis, sex, education level, period of employment and household size. Then, we measure the inequaltiy index and its decomposition for monthly income, monthly consumption and asset. Grouping populations using the clustering analysis specifies the economic inequality more precisely provides better measure of similarity within a group and difference between groups. This result supports the effectiveness of the clustering analysis in grouping populations.

목차

Ⅰ. 서 론

Ⅱ. 연구방법론

Ⅲ. 연구결과

Ⅳ. 결 론

Ⅴ. 참고문헌

키워드

인구집단 연금제도 불평등 지수 군집분석 엔트로피 지수분해 Population groups Pension Economic inequality Cluster analysis Entropy decomposition