All Issue

2021 Vol.55, Issue 4 Preview Page

Research Article

Effects of Spatial Units on the Detection of Vulnerable Areas for Elderly Population: A Comparison of the Grid System and Administrative Units

노인 취약지역 탐색에 통계 집계단위가 미치는 영향: 격자와 행정경계의 비교

Myeong Hun Leea
,
Woosung Choib
,
Yeorim Kimc
,
Jungwha Ohd
,
Juhyun Parke
,
Wooram Shinf
,
Seong-Yun Hongg*
이 명훈a
,
최 우성b
,
김 여림c
,
오 정화d
,
박 주현e
,
신 우람f
,
홍 성연g*
aMaster’s Student, Department of Geography, Kyung Hee University
bUndergraduate Student, Department of Geography, Kyung Hee University
cUndergraduate Student, Department of Geography, Kyung Hee University
dDeputy Director, Statistics Research Institute
eAssistant Director, Statistics Research Institute
fDeputy Director, Statistics Korea
gAssociate Professor, Department of Geography, Kyung Hee University
a경희대학교 지리학과 석사과정
b경희대학교 지리학과 학사과정
c경희대학교 지리학과 학사과정
d통계개발원 사무관
e통계개발원 주무관
f통계청 공간정보서비스과 사무관
g경희대학교 지리학과 부교수
*Corresponding Author
31 December 2021. pp. 393-403
PDF XML Citation
Abstract

Most of the national statistics available in Korea are aggregated into administrative units, such as provinces and districts. However, administrative units may not be the ideal geographic units for spatial analysis, as their areas and shapes are irregular, and the boundaries are continuously changing. In recent years, increasing attention has been paid to the use of regular grids as geographic units, and several studies have utilised such grid statistics for various applications. The purpose of this study is to empirically evaluate the advantages and limitations of the grid statistics. To this end, we explore vulnerable areas for the elderly population in Seoul and Namyangju using a set of different geographic units, namely, administrative units, operational areas, and grids, and the results will be compared across the units. The findings from this study suggests that the vulnerable areas derived from the grid statistics are the most sensible, implying that it can complement the conventional use of administrative units as geographic units.

Keywords
grid statistics
administrative units
areal units
geographic units
vulnerable areas
elderly population

국내에서 생산되는 대부분의 통계는 시도, 시군구와 같은 행정구역 단위로 집계되어 배포되고 있다. 그러나 행정구역은 그 면적과 형상이 일정하지 않고, 개발과 인구 변화 등으로 인해 경계가 계속해서 조정되기 때문에 분석의 단위로는 적합하지 않을 수 있다. 이에 대한 대안으로 최근에는 격자 단위로 집계된 데이터를 사용하여 국토의 여러 문제와 현안을 분석한 사례가 증가하고 있으며, 이에 본 연구에서는 노인 취약지역 탐색을 하나의 사례로 격자 통계가 갖는 장점을 실증적으로 살펴보고자 한다. 본 연구에서는 읍면동, 집계구와 격자 단위로 서울시 및 경기도 남양주시의 노인 취약지역을 도출했으며, 그 결과 읍면동이나 집계구보다 격자 단위의 분석에서 합리적인 결과가 나타났다. 읍면동 단위 데이터는 서울시와 같이 인구 밀도가 높은 지역에서는 격자와 유사한 결과를 도출할 수 있으나, 남양주시처럼 인구 밀도가 낮은 지역에서는 정밀한 취약지역 탐색에 한계가 있었다. 따라서 행정구역 기반의 통계와 함께 격자 단위로 집계된 데이터의 제공이 지금보다 확대된다면, 이는 노인 취약지역의 탐색을 비롯한 다양한 연구의 정확성과 신뢰성을 제고하는 데 기여할 수 있을 것이다.

키워드
격자 통계
행정단위
통계 집계단위
공간단위
취약지역
노인 인구
References
1
강영옥·강애띠, 2013, “국가기초구역기반 의사결정지원시스템 구축전략,” 한국공간정보학회지 21(2): 85-97. 10.12672/ksis.2013.21.2.085
2
강영옥·윤은주·정재희, 2007, “소지역 통계구역 획정방안 연구,” 한국도시지리학회지 10(1): 15-36.
3
강영옥·장세진, 2008, “소지역 통계공표구역 설정지침 보완연구,” 한국지도학회지 8(2): 47-57.
4
곽명신, 2019, “도시 범죄분석에서 보다 적합한 공간단위의 크기는 무엇인가,” 국내석사학위논문 충북대학교.
5
김문수·이지영, 2015, “격자 기반의 통계정보 표현을 위한 데이터 변환 방법,” 한국공간정보학회지 23(5): 31-40. 10.12672/ksis.2015.23.5.031
6
김순영, 2019, 소지역 추정 기법의 최신 동향 연구. 통계개발원 연구보고서.
7
김용진·안건혁, 2011, “근린의 물리적 환경이 노인의 건강 및 정신 건강에 미치는 영향,” 도시설계 12(6): 89-99.
8
김형용·최진무, 2012, “취약근린지수의 공간적 분포 -서울시를 사례로-,” 국토지리학회지 46(3): 273-285.
9
김화환·이태수·김종민·안태후, 2015, “인구 및 사회경제적 특성을 반영한 소지역 분류 및 유영화 연구,” 국토지리학회지 49(2): 229-240.
10
박우진·어승원·유기윤, 2015, “격자기반 분석을 통한 위치기반 소셜 미디어 데이터와 부동산 가격지수 간의 공간적 상관성 분석 연구,” 대한공간정보학회지 23(1): 23-29. 10.7319/kogsis.2015.23.1.023
11
박종영·이정식·이진덕·이원우, 2018, “폭우 취약성 지표를 활용한 재해취약지구 분석,” 한국지리정보학회지 21(1): 12-22.
12
박종준·윤현위, 2018, “지역 인구의 시공간 변화와 가변적 공간 단위 문제 제주 지역을 중심으로,” 인문사회 9(6): 117-127. 10.22143/HSS21.9.6.9
13
박효숙·이경환, 2019, “근린환경이 노인들의 보행시간과 삶의 질에 미치는 영향: 서울시 녹번동을 대상으로,” 국토계획 54(2): 109-121. 10.17208/jkpa.2019.04.54.2.109
14
배민기·김보은·이채연, 2020, “폭염 시 위험지역과 취약계층 거주지역 간의 공간관계 분석,” 환경정책 28(3): 243-280. 10.15301/jepa.2020.28.3.243
15
안태후·김화환·김종민·이태수, 2015, “인구 및 사회경제적 특성을 반영한 소지역 분류 및 유형화 연구,” 국토지리학회지 49(2): 229-240.
16
오후·배민기·김보은, 2020, “공간계획 수립 시 취약계층 탐색방식의 개선방안 공간적 중첩과 집중을 중심으로,” 국토연구 104: 39-55.
17
이건학·김감영, 2013, “개별공시지가와 주택실거래가의 공간적 불일치에 관한 연구: 공간 단위 임의성 문제(MAUP)의 스케일 효과 탐색,” 대한지리학회지 48(6): 879-896.
18
이시형·김걸, 2018, “격자분석 기법을 활용한 공주시의 축소도시 사례 연구,” 한국도시지리학회지 21(3): 35-46. 10.21189/JKUGS.21.3.3
19
이유진·김의준, 2015, “의료시설 접근성과 대중교통 접근성이 농촌 및 도시 지역 거주 노인의 주관적 건강상태에 미치는 영향 분석: 일반화된 순서형 로짓 모형의 적용,” 한국지역개발학회지 27(1): 65-87.
20
이유진·최명섭, 2018, “노인 인구 밀집지역의 시공간적 분포와 결정요인 분석 -서울 생활인구 빅데이터의 활용-,” 서울도시연구 19(4): 144-150.
21
이지민, 2019, “농촌계획 수립에 적합한 공간단위 설정을 위한 공간 단위에 따른 인구 비교 분석,” 농촌계획 25(3): 1-9.
22
이희연·이다예·유재성, 2015, “저소득층 노인 밀집지구의 시·공간 분포와 근린환경 특성 -서울시를 사례로-,” 서울도시연구 16(2): 1-18.
23
임은선·이영주·황명화·차미숙, 2014, 국토정책 수요변화에 대응한 공간-통계 융합모델 개발 및 적용방안 연구. 세종; 국토연구원.
24
임은선·황명화·오창화·변필성·김대종·김동한·김종학·박미선·서기환·차미숙·이호상·안성희·여윤희·이상준·김미정·김명수·이백진·나진항·이희연, 2017, 빅데이터 시대의 국토정책 추진 방향. 세종; 국토연구원.
25
정수은, 2019, “취약계층 독거노인 거주지역 분포와 근린환경 특성 연구: 울산시 사례를 중심으로,” 예술인문사회 융합 멀티미디어 논문지 9(9): 679-692. 10.35873/ajmahs.2019.9.9.059
26
정진호·전원식·이재홍·황희연, 2015, “건축물 용도분포와 용도지역 주용도 간 비교 실증분석 -청주시 집계구별 건축물 용도 우점도지수를 중심으로-,” 국토지리학회지 49(1): 41-50.
27
최돈정·서용철, 2013, “장수 인구의 분포 패턴에 관한 탐색적 공간 데이터 분석과 수정 가능한 공간단위 문제(MAUP)의 Scale Effect에 관한 연구,” 한국지리정보학회지 16(3): 40-53. 10.11108/kagis.2013.16.3.040
28
최은영, 2009, 센서스의 공간통계 생산과 제공에 있어서의 GIS의 역할. 통계개발원.
29
최형관·장문현·이민석·김화환, 2018, “정규 격자망 분석을 통한 도시쇠퇴 측정 고도화 연구,” 한국지역지리학회지 24(1): 143-158. 10.26863/JKARG.2018.02.24.1.143
30
통계지리정보서비스, 2021, https://sgis.kostat.go.kr/view/index.
31
통계청, 2020, “2019년 장래인구특별추계를 반영한 내·외국인 인구전망: 2017~2040년,” (보도자료, 2020. 10. 15.) https://kostat.go.kr/portal/korea/index.action.
32
황병주·이준우·김동은·김장욱, 2021, “태풍대응을 위한 격자 기반 공간정보 활용방안 연구,” 한국재난정보학회지 17(1): 25-38.
33
Batista e Silva, F., Gallego, J. and Lavalle, C., 2013, A high-resolution population grid map for Europe, Journal of Maps 9(1): 16-28. 10.1080/17445647.2013.764830
34
Gale, S. L., Magzamen, S. L., Radke, J. D. and Tager, I. B., 2011, Crime, neighborhood deprivation, and asthma: A GIS approach to define and assess neighborhoods, Spatial and Spatio-temporal Epidemiology 2(2): 59-67. 10.1016/j.sste.2011.01.00122749585
35
Getis, A. and Ord, J. K., 1992, The analysis of spatial association by use of distance statistics, Geographical Analysis 24: 189-206. 10.1111/j.1538-4632.1992.tb00261.x
36
Pfeffermann, D., 2013, New important developments in small area estimation, Statistical Science 28(1): 40-68. 10.1214/12-STS395
37
Tzavidis, N., Zhang, L. C., Luna Hernandez, A., Schmid, T. and Rojas-Perilla, N., 2018, From start to finish, Journal of the Royal Statistical Society; Series A (Statistics in Society) 181(4): 927-979. 10.1111/rssa.12364
38
Zhou, X. and Yeh, A. G., 2020, Understanding the modifiable areal unit problem and identifying appropriate spatial unit in jobs-housing balance and employment self-containment using big data. Transportation 48(3): 1267-1283. 10.1007/s11116-020-10094-z
Information
  • Publisher :The Korean Association of Professional Geographers
  • Publisher(Ko) :국토지리학회
  • Journal Title :국토지리학회지
  • Journal Title(Ko) :THE GEOGRAPHICAL JOURNAL OF KOREA
  • Volume : 55
  • No :4
  • Pages :393-403
  • Received Date : 2021-09-23
  • Revised Date : 2021-11-01
  • Accepted Date : 2021-11-08
  • DOI :https://doi.org/10.22905/kaopqj.2021.55.4.2
Journal Informaiton 국토지리학회지 국토지리학회지
Online Submission
  • NRF
  • KISTI Current Status
  • KISTI Cited-by
  • KCI 문헌 유사도 검사
  • orcid
  • open access
  • ccl
Journal Informaiton Journal Informaiton - close