http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 탁근주(Tak, Keun Joo) (검색결과 1 건)
- 무료
- 기관 내 무료
- 유료
-
한국 지방소멸 요인과 극복 방안에 관한 연구 : 머신러닝 방법을 통한 탐색
유한별(Yoo, Han Byeol),탁근주(Tak, Keun Joo),문정승(Mun, Jeong Seung) 한국지방정부학회 2021 지방정부연구 Vol.24 No.4
본 연구는 한국의 시군구 지방자치단체(이하 지자체)의 소멸 위험을 탐색하고, 소멸 위험에 영향을 미치거나 지역의 매력도에 영향을 미치는 요인을 도출한다. 이 분석을 위해, 국가통계포털에서 변수 자료를 수집･구성하고, 각지자체의 인구이동을 반영한 개선 소멸위험지수 도출한다. 해당 소멸위험지수로부터 각 지자체의 소멸위험등급을생성한 후 해당 등급을 벡터 변환한 목표값(target value)과 지자체 별 독립변수를 활용하는 머신러닝 분석 모델을구축한다. 머신러닝 모델은 GBM, RF, XGB 등을 활용하며, 보팅(voting), 앙상블(ensemble) 등 모델의 성능을 향상시키는 방법으로 지자체의 소멸위험등급을 예측하고 분류한다. 이 결과를 통해 소멸위험이 높은 지자체를 도출하며, 해당 지자체의 소멸 위험에 영향을 주는 요인을 판별한다. 분석결과, 본 연구에서 구축한 머신러닝 모델의 예측(prediction) 성능은 약 90% 내외였으며, 68개의 지자체가 소멸 위험이 가장 높은 등급으로 측정되었다. 이러한 소멸위험에 영향을 주는 요인은 인구사회학적 요인, 경제･ 산업적 요인, 문화･의료 시설 등의 편의 요인 등이 영향을 주는 것으로 확인되었다. 결론적으로 본 연구를 통해 향후 소멸위험에 처한 지자체가 지방소멸을 극복하기 위해서는 이러한 경제･산업적요인에 먼저 집중이 필요하며, 해당 요인이 극복된다면 문화･의료시설을 확충하여 지역 매력도를 높이는 것이 중요하다고 볼 수 있다. This study aims to explore the extinction risk of local cities and counties in Korea. For analysis, it uses factors that affect the risk of extinction or the attractiveness of the region. and data is collected and organized in the KOSIS, and then, the improved extinction risk index is derived for local regions by reflecting population movement. the extinction risk index is utilized by dependent variables (target value). and we construct a machine learning analysis model with the independent variables(features) and dependent variables. Machine learning models are GBM, RF, XGB, etc. and they predict and classify local decimation risk in a way that improves the performance of the model with enhancing methods like voting and ensemble. The results derive the local region with the highest risk of extinction and determine the factors that affect the local extinction risk. As a result of the analysis, the prediction performance of the machine learning model built in this study was around 90% and 68 local regions were measured with the highest risk of extinction. Factors affecting these extinction risks were found to affect economic and industrial factors, and convenience factors such as cultural and medical facilities. In conclusion, to overcome local extinction in the future, local governments in danger of extinction need to focus first on these economic and industrial factors improved, and if those factors are overcome, it is important to expand cultural and medical facilities to enhance local attractiveness.
KCI
스콜라연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
