산재보험 부정수급 식별모형에 관한 연구 = A Study on the Fraud Detection of Industrial Accident Compensation Insurance

국문 초록 (Abstract)

산업재해 발생 시 산업재해근로자는 근로복지공단을 통해서 각종 급여를 받게 된다. 본 논문은 심사 과정과 급여지급 후에 부정수급으로 판명된 산재 청구 건을 데이터 마이닝을 통해서 분석하여 부정수급의 유형을 발견하고자 한다.

이 연구에서는 서울관내 4개 지사에서 8년 동안(2000년~2007년)의 총 61,704건의 최초요양 신청을 한 산업재해근로자 자료를 대상으로 하였고, 종속변수에 영향을 미치는 8개의 독립변수를 선택해서 사용한다. 데이터 마이닝을 적용함에 있어서 가장 효율적인 허위․부정 탐지 모델을 만들기 위해 의사결정나무분석(Decision Tree)과 로지스틱 회귀분석(Logistic Regresion)등의 다양한 기법을 적용하여 결과를 비교분석 하고, 오분류 비용을 적용하여, 최적의 분류결정 값을 가지는 모델을 도출한다.

분석결과, 의사결정나무분석에서는 요양기간이 산재보험 부정수급에 가장 큰 영향을 미치는 변수로 선정되었고, 로지스틱 회귀분석이 산재보험 부정수급 유형 발견에 보다 효과적인 모델로 판명되었다. 또한 Under Sampling 데이터를 분석한 결과 판별점(Cut-Off) 0.05로 했을 때 오류비용을 최소화 하는 최적의 판별점임을 밝혀냈다.

목차 (Table of Contents)

• 목 차
• 요약 i
• 표차례 ⅱ
• 그림차례 ⅲ
• 제 1 장 서론 1
• 1.1. 연구목적 1
• 1.2. 연구방법 2
• 제 2 장 이론적 배경 3
• 2.1. 산재보험의 개요 3
• 2.1.1. 산재보험의 주요특징 3
• 2.1.2. 산재보험의 급여체계 3
• 2.2. 산재보험 부정수급의 의의 및 현황 4
• 2.2.1. 산재보험 부정수급의 개념 4
• 2.2.2. 산재보험 부정수급의 원인 5
• 2.2.3. 산재보험 부정수급 현황 6
• 제 3 장 선행연구 8
• 제 4 장 실증분석 설계 10
• 4.1. 분석대상자료 10
• 4.2. 변수의 선정 10
• 4.2.1. 종속변수 10
• 4.2.2. 독립변수 10
• 4.3. 실증분석절차 11
• 4.4. 연구방법론 12
• 4.4.1. 의사결정나무분석(Decision Tree) 12
• 4.4.2. CRT Algorithm 12
• 4.4.3. 로지스틱 회귀분석(Logistic Regression) 12
• 제 5 장 실증분석 결과 14
• 5.1. 의사결정나무분석 결과 14
• 5.1.1. 데이터 분할에 의한 타당성 평가 결과 16
• 5.2. 로지스틱 회귀분석 결과 18
• 5.3. 부정수급 적발모형의 활용 20
• 5.3.1. 부정수급의 오류비용 20
• 5.3.2. 부정수급의 분류정확도 와 판별점 21
• 제 6 장 결론 및 한계점 23
• 참 고 문 헌 25
• ABSTRACT 27