I. 서론
국내에서 생산되는 대부분의 통계는 시도, 시군구와 같은 행정구역 단위로 집계되어 배포되고 있다. 특히 국토기본법 제 25조 국토조사에 의해 구축되는 국토 관련 지표의 과반수 이상은 전국이나 시도 단위 통계이며, 나머지 대부분은 시군구 단위로 제공된다(임은선 등, 2014). 이처럼 대부분의 사용가능한 통계가 행정구역 단위로 집계되고 있기 때문에, 각종 정책의 결정과 집행을 위한 분석 또한 대부분 행정구역 단위로 이루어지고 있다(최형관 등, 2018).
그러나 행정구역은 그 면적과 형상이 일정하지 않고, 개발과 인구 변화 등으로 인해 경계가 계속해서 조정되기 때문에 분석의 단위로는 적합하지 않다는 지적이 이어져 왔다(김문수･이지영, 2015; 최형관 등, 2018; Gale et al., 2011). 또한, 행정구역 단위의 집계 결과는 총량적 지표이기 때문에 지역적 특성을 세부적으로 파악하기 어렵고(이시형·김걸, 2018), 따라서 행정경계와 무관하게 전개되는 사회적 현상을 연구하는 데에는 한계가 있을 수 있다.
이에 대한 대안으로 지난 10여년 간 집계구 등 기존의 행정구역보다 작은 규모의 통계 집계단위를 활용한 연구가 활발히 이루어져 왔으며(이건학·김감영, 2013; 안태후 등, 2015; 정진호 등, 2015), 최근에는 격자 단위로 집계된 통계를 사용한 연구도 증가하고 있다(최형관 등, 2018; 장문현, 2021). 데이터 공급의 측면에서도, 통계청에서는 통계지리정보서비스를 통해 다양한 크기의 격자를 기반으로 주요 통계를 공개하고 있으며, 국립해양조사원도 격자형 해양정보 관리체계를 구축하여 해양 관측정보를 제공하고 있다. 통신사 등 민간의 영역에서도 유동인구와 같은 공간빅데이터 서비스에 격자 체계를 사용하는 등, 격자 단위로 집계된 통계에 대한 접근성은 지난 몇 년 간 크게 개선되었다.
이에 본 연구에서는 노인 취약지역 탐색을 하나의 사례로, 행정구역 단위로 집계된 기존의 통계와 비교해 격자 단위 통계를 분석할 때의 효용성을 실증적으로 살펴보고자 한다. 2021년 5월을 기준으로 국내 65세 이상 노인 인구는 약 860만 명으로 전체 인구의 16.7%를 차지하고 있으며, 향후 20년 간 두 배 이상 증가할 것으로 전망되고 있다(통계청, 2020). 노인 인구가 빠르게 증가하면서 정교한 공간 복지(spatial welfare) 정책의 중요성이 강조되고 있으나(김용진·안건혁, 2011), 노인 취약지역을 파악하기 위한 기존의 연구는 대부분 읍면동 또는 시군구 단위로만 이루어져 왔다(이희연 등, 2015).
따라서 본 연구에서는 1km 격자로 집계된 데이터를 사용하여 서울시와 경기도 남양주시의 노인 취약지역을 탐색하고, 그 결과를 읍면동 및 집계구 단위의 분석 결과와 비교해볼 것이다1). 여기서 노인 취약지역은 노인 인구가 밀집한 지역 중 근린환경이 열악한 지역으로 정의하며, 주택의 유형 및 건축연도, 면적 등을 기준으로 한 주거 취약지역과 교통 및 의료시설 접근성 등을 고려한 생활 취약지역으로 나누어 살펴보고자 한다. 이를 통해 통계 집계단위의 선택이 노인 취약지역 탐색에 미치는 영향을 파악하고, 격자 통계가 갖는 장점과 한계를 실증적으로 확인하는 것이 본 연구의 궁극적인 목표가 된다.
II. 관련 연구 현황
최근 사회 여러 분야, 특히 공공 부문의 정책 수립과 집행 과정에 보다 신뢰할 수 있는 데이터의 확보가 중시되면서, 행정구역보다 세밀한 단위로 집계된 소지역 통계에 관한 연구가 전 세계적으로 확대되는 추세이다(김순영, 2019; Pfeffermann, 2013; Tzavidis et al., 2018). 국내에서 집계구는 소지역 통계의 대표적인 공간 단위로, 인구 규모(동량성), 사회경제적 속성(동질성), 가시적으로 단순한 형태(형상) 등 여러 기준을 종합적으로 고려하여 설정된다(통계지리정보서비스, 2021). 집계구 구획은 통계 공간 단위를 획정하는 영국의 AZP(Automatic Zoning Procedure)를 우리나라 실정에 맞도록 변형한 알고리즘에 기초하며, 정교한 소지역 통계를 제공하기 위한 목적의 연구가 계속되고 있다(강영옥 등, 2007; 강영옥·강애띠, 2013; 김순영, 2019). 또한, 집계구는 행정구역보다 작은 규모로 통계 데이터를 제공하기에 지역 문제를 정밀하게 진단하고, 이에 대한 구체적인 해결방안을 제시하는 데 이점이 있다(박종영 등, 2018; 오후 등, 2020).
그러나 집계구 통계의 경우 개별 집계구마다 면적의 차이가 존재하며, 경계가 변화할 수 있다는 점에서 문제가 된다. 집계구 구획 시 지역의 인구 규모는 동량성을 만족하기 위한 기본요소가 되는데(강영옥·장세진, 2008), 이는 집계구의 형상을 다르게 만드는 원인으로 작용한다. 동일한 면적의 지역이더라도 인구가 밀집한 지역은 여러 개의 작은 면적의 집계구로 구성되는 반면, 그렇지 않은 지역에서는 큰 면적을 가진 집계구로 이루어진다(배민기 등, 2020). 도시 재개발로 인하여 지가나 주택유형과 같은 지역의 속성이 변화하는 경우에도 동량성이나 동질성을 만족시키기 위해 집계구의 경계가 달라질 수 있다(김화환 등, 2015). 집계구가 갖춰야 하는 조건으로 인해 집계구의 형상이나 경계는 달라질 수 있으며, 이러한 공간 단위의 가변성은 분석 결과 간 비교나 해석을 어렵게 만드는 문제를 야기한다(김형용·최진무, 2012; 최돈정·서용철, 2013; 박종준·윤현위, 2018).
이와 달리 격자 통계는 지도상에서 일정한 크기로 구획된 사각형의 공간 단위에서 집계한 소지역 통계이다(통계지리정보시스템, 2021). 집계구 통계의 경우 개별 집계구 간 면적 차이와 경계 변화로 분석의 일관성을 확보하기 힘들고 다양한 공간정보를 결합하기 어렵다는 문제점이 지적됨에 따라, 소지역 통계로서 격자 통계의 필요성이 증대되고 있다(이지민, 2019). 격자 통계는 행정구역이나 집계구 간 형태의 차이나, 경계 변화로 인한 데이터의 누락이나 변형을 해결하는 대안이 되며(최은영, 2009; 김문수·이지영, 2015; Zhou and Yeh, 2020), 행정구역과 무관하기 때문에 서로 다른 행정구역 체계를 갖는 지역 또는 국가 간 분석의 결과를 비교하는 데 활용될 수 있다(Batista e Silva et al., 2013).
국내에서 행정구역 단위의 분석 한계를 보완하고자 격자 통계를 사용하여 국토의 문제와 현안을 분석한 사례가 점차 확대되고 있다. 격자 통계는 행정구역 경계의 변화와 무관하여, 분석 결과의 시계열적 일관성을 확보할 수 있다는 점에서 국토 변화를 예측하거나 미래를 전망하는 데 유용하다(임은선 등, 2014). 예를 들어, 지역별 장래 인구 변화를 추정하고, 인구 감소로 인한 소멸 위험지역의 생활여건 개선을 위한 국토정책 수립에 활용될 수 있다(임은선 등, 2017). 일반적으로 격자 단위의 인구 변화 추계는 행정구역 단위의 분석 결과와 다른 전망을 제시하기에(이시형·김걸, 2018), 두 분석 결과는 상호보완적 기능을 수행하기도 한다.
격자 단위 분석의 장점을 강조한 연구도 존재하는데, 곽명신(2019)은 청주시에서 사각형의 격자 통계가 읍면동 등 다른 집계단위보다 범죄 분석에 적합함을 주장하였으며, 이지민(2019)은 농촌 지역 분석 시 집계구 단위의 분석은 해석에 어려움이 있음을 지적하고 격자 통계의 필요성을 강조하였다. 또한, 격자 통계는 서로 다른 공간 단위의 데이터를 결합하는 데에도 강점을 갖는데(김문수·이지영, 2015), 트윗 데이터와 주택가격 지수의 결합이나(박우진 등, 2015), 태풍 위험지역 도출에 필요한 데이터 중첩에 활용된 사례가 있다(황병주 등, 2021).
이와 같이 다양한 격자 통계의 활용 사례는 격자 체계가 행정구역이나 집계구 단위로 집계된 데이터에 의존할 때 발생할 수 있는 문제를 보완하는 데 기여할 수 있음을 보여준다. 이에 본 연구에서는 행정구역(읍면동), 집계구, 격자 단위로 노인 취약지역을 탐색하고, 그 결과를 비교 분석함으로써 이러한 문제에 격자 통계가 갖는 효용성을 살펴보고자 한다.
노인 취약지역에 관한 연구는 노인들의 사회경제적 여건에 초점을 맞춘 연구와 이들이 거주하는 지역의 물리적 환경에 초점을 맞춘 연구로 구분될 수 있다. 예를 들어 이희연 등(2015)의 연구는 저소득층 노인이 밀집한 지역을 노인 취약지역으로 정의하였으며, 정수은(2019)도 사회경제적으로 돌봄이 필요한 65세 이상의 독거 가구가 주로 거주하는 지역을 취약지역으로 분류하였다. 반면, 대중교통과 의료시설 접근성 등 주거 여건이 노인의 건강에 미치는 영향은 매우 잘 알려져 있으며(이유진·김의준, 2015; 박효숙·이경환, 2019), 이에 따라 근린 환경을 바탕으로 취약지역을 도출한 연구도 꾸준히 이루어지고 있다(이유진·최명섭, 2018).
다만 이러한 취약지역 분석은 지금까지 대부분 행정구역이나 집계구 단위로 이루어져 왔으며, 이는 연구의 방법론적 한계로 지적되어 왔다. 읍면동과 같은 행정구역은 하나의 단위 안에서도 충분히 지역 간 사회경제적 격차가 나타날 수 있으며, 따라서 행정구역을 분석의 기본 단위로 했을 때 지역 내 일부만을 점유하는 취약지역은 탐색에 어려움이 있을 수 있다. 집계구는 행정구역보다 규모 면에서 작지만, 상술한 바와 같이 같은 시도 안에서도 인구 등에 따라 크기와 모양이 매우 달라 취약지역 분석의 단위로는 적합하지 않다. 이에 따라 본 연구에서는 격자를 사용하여 노인 취약지역을 탐색하고, 그 결과를 행정구역 및 집계구 기반의 분석 결과와 비교함으로써 격자 통계가 갖는 효용성을 확인하고자 한다.
III. 연구 방법
1. 데이터
본 연구는 데이터의 집계단위가 취약지역 탐색에 미치는 영향을 확인하기 위해 같은 지역에서 읍면동, 집계구, 격자 단위로 각각 분석을 진행하였다. 분석 대상 지역은 서울시와 경기도 남양주시로, 두 지역은 지리적으로 인접하나 행정구역의 면적에는 큰 차이가 있다. 서울시 행정동은 1km 격자와 평균적인 면적이 비슷하나, 남양주시의 읍면동은 격자에 비해 최소 3배에서 최대 72배까지 크게 구획되어 있다. 이러한 차이가 분석 결과에서 도출되는 시사점에도 영향을 줄 수 있기 때문에, 본 연구에서는 서울시와 남양주시에서 각각 노인 취약지역을 탐색하였다.
본 연구에서 사용하는 격자 통계는 통계청에서 구축하고 제공하는 소지역 통계서비스 중 하나로, 현재 100m, 1km, 10km, 100km 단위로 설정된 격자 체계가 사용되고 있다. 격자의 기준점은 행정안전부에서 설정한 국가지점번호 체계에 따라 UTM-K 좌표체계의 원점으로부터 서쪽 300km, 남쪽 700km 지점으로 설정되어 있으며, 기준점으로부터 거리 간격에 따라 동쪽, 북쪽으로 각각 가나다 순 번호가 부여된다. 격자 통계는 통계주제의 공간적 분포를 그대로 반영하기 때문에, 익명성 보장 등을 위해 1km 미만 격자는 총괄항목만 제공하고 1km 이상 격자부터 상세항목을 제공한다. 이에 따라 본 연구에서는 상세항목이 제공되는 가장 작은 격자 단위인 1km 격자를 분석에 사용할 것이다.
노인 취약지역의 탐색에는 <표 1>에 제시된 변수들을 사용했다. 읍면동과 집계구 단위 데이터는 통계지리정보서비스에서 제공하는 경계 데이터에 2019년 인구총조사 자료를 결합하여 사용하였으며, 격자 통계는 통계청에서 별도로 제공 받은 데이터를 활용했다.
표 1.
분석 데이터 목록
2. 분석 방법
본 연구는 우선 인구 비율을 기준으로 노인 인구가 밀집한 지역을 확인하고, 이후 해당 지역을 대상으로 취약지역 여부를 판단하였다. 노인 밀집지역은 각 단위별로 노인 인구 비율이 상위 50% 이상인 지역으로 정의하였으며, <그림 1>의 상단과 하단은 각각 서울시와 남양주시의 노인 밀집지역을 나타낸다. 남양주시의 노인 밀집지역이 집계구 단위로 봤을 때 다른 지역보다 넓게 나타나는 것은, 해당 지역에서 집계구의 면적 편차가 매우 크고, 아파트 등이 입지한 신도시 지역보다 산지가 많이 포함된 농업 지역에 노인 인구가 비교적 많기 때문이다.
주거 취약지역과 생활 취약지역의 도출을 위해 <표 1>에 제시된 변수를 조합하여 각각 주거 취약지표와 생활 취약지표를 계산하였다. 주거 취약지표에는 단위 지역 내 소형건축물 비율, 단독주택 비율, 1990년 이전 건축물(노후건축물) 비율을 사용했으며, 생활 취약지표에는 지하철과 버스정류장 접근성, 병원 접근성, 녹지 비율이 포함되었다. 각 변수는 지표 계산 과정에서 별도의 가중치 없이 선형으로 결합 했으며, 거리 접근성의 경우 값의 범위과 비율에 비해 매우 넓기 때문에 0에서 1 사이로 표준화하는 과정을 선행했다. 표준화에는 다음과 같이 최소-최대 정규화 식을 사용했으며, 이를 통해 특정 변수가 지표에 과대한 영향을 미치는 것을 방지할 수 있었다.
값의 범위를 표준화한 후에는 특정 방향으로 분포가 크게 치우쳐있는 변수를 로그 변환하여 분포를 정규화하였다. 예를 들어 격자별 단독주택 비율의 경우 값의 범위는 0에서 1 사이로 아파트 비율과 동일하지만, 대부분의 지역에서 매우 낮은 값을 갖는다. 이는 결국 선형 결합으로 산출되는 주거 취약지표의 변량이 일부 변수에 의해서만 결정됨을 의미하기 때문에, 여기서는 각 변수의 분포를 정규화한 후 지표를 계산하였다.
전체 분석 대상 지역에서 취약지표가 높은 취약지역은 국지적 G 통계를 사용하여 도출하였다. 국지적 G 통계는 취약지표가 높거나 낮은 곳이 전체 지역에서 어디에 밀집해 있는지 탐색할 수 있는 기법으로 다음과 같이 정의된다(Getis and Ord, 1992).
수식에서 는 지역 i와 j의 공간적 관계를 나타내는 값으로, 일반적으로 지역 j가 지역 i에서 거리 d 반경 내에 있을 때 1, 그 외의 경우에는 0이 된다. 는 지역 j의 속성값을 의미하며, 은 전체 지역의 개수를 의미한다.
계산된 통계량은 큰 속성값을 갖는 지역이 i 인근에 밀집해 있을 때 커지고, 반대로 작은 속성값을 갖는 지역이 밀집해 있을 때 작아지게 된다. 본 연구 사례에서는 취약지표가 높은 지역일수록 통계량이 증가하게 되며, 따라서 해당 값이 일정 수준 이상일 때 취약지역으로 분류하였다. 분류 기준은 z-score를 표준화한 후 1.96보다 큰 값을 갖는 지역으로 설정하였다.
IV. 연구결과
1. 주거 취약지역 탐색 결과
서울시 노인 주거 취약지역 탐색 결과는 <그림 2>의 상단과 같다. 행정동 단위와 격자 단위는 비슷하게 탐색되었지만, 격자 단위에서 좀 더 많은 지역이 탐색되었다. 행정동 단위에서는 총 아홉 곳으로 강북구 송중동, 미아동, 번1동, 번3동, 도봉구 창3동, 서초구 신원동, 관악구 은천동, 구로구 수궁동, 강서구 화곡8동이 탐색 되었으며, 격자 단위에서는 중구, 종로구 일대, 신길동 및 노량진동 일대, 신월동 일대, 도봉동 및 상계동 일대, 진관동 등이 추가로 탐색되었다.
행정동 단위 탐색 지역에서 신원동과 수궁동의 경우, 서울시의 외곽 지역에 있는 행정동으로 아파트와 주택이 혼재해 있지만, 노후건축물의 비율도 높은 편이다. 번3동은 다른 지역들과 달리 아파트가 주로 분포해 있지만, 번3동 중앙에 있는 숲을 따라 노후 빌라가 많이 분포되어 있었고, 그 외 지역은 아파트보다 건축연도가 오래된 다세대 연립주택이나 단독주택이 많은 지역이었다. 격자 단위에서 탐색된 지역은 행정동 단위의 주거지역과 비슷한 유형이었지만, 일부 지역이 자치구 경계를 가로질러 연속적으로 분포해 있었다.
집계구 단위에서는 강남구, 서초구, 강동구 지역을 제외한 대부분의 지역에서 취약지역이 도출되었다. 종로구와 중구처럼 상업지역이 높은 비중을 차지하는 곳을 제외하면, 대부분 노후건출물이 많이 위치한 지역이었으며, 특히 성북구, 강북구, 도봉구, 동대문구 일대가 이에 해당했다. 전반적으로 행정동이나 격자에 비해 집계구 단위로 분석을 했을 때 취약지역이 더 많이 도출되었는데, 이는 집계구가 동질성과 동량성을 기준으로 구획한 매우 작은 집계단위이기 때문에 유사한 속성값을 갖는 지역이 주위에 많이 분포하기 때문으로 판단된다.
<그림 2> 하단은 남양주시의 주거 취약지역 탐색 결과를 보여준다. 읍면동 단위에서는 주거 취약지역이 확인되지 않은 반면 집계구 단위에서는 매우 넓은 지역이 취약지역으로 분류되었다. 이는 남양주시의 읍면동은 그 면적이 매우 크기 때문에 각 단위지역 안에 다양한 특성을 갖는 지역이 혼재해 있다는 점이 가장 큰 원인인 것으로 보인다. 또한, 읍면동의 경우 그 수가 16개에 불과하여, 개별 읍면동의 취약지표뿐만 아니라 인접한 지역의 여건까지 고려하는 분석 방법의 특성상 취약지역이 도출되기 어려웠던 것으로 판단된다.
집계구 단위 분석 결과의 경우, 실제 취약지역으로 분류된 집계구의 수는 전체의 약 20%에 해당하지만, 해당 지역 대부분이 인구 밀도가 낮고 산지 등이 많이 포함된 지역이라 지도 상으로는 취약지역의 범위가 매우 넓게 보여진다. 그러나 선택된 지역 중 상당수의 면적은 실제 노인 인구가 거의 거주하지 않는 곳이기 때문에, 이를 모두 취약지역으로 분류하는 것은 다소 과장된 결과일 수 있다.
격자 단위에서는 집계구 단위에 비해 취약지역으로 탐색된 지역이 넓지 않았다. 산간지역은 주택, 인구 등 관련 데이터가 없어 분석 대상에서 대부분 제외됐으며, 취약지역으로 도출된 지역은 진접읍과 진건읍이 맞닿는 지역과 양정동, 조안면 등 농가지역이 다수였다. 해당 지역은 농가와 공장이 밀집해 있고, 노후건축물이 많은 지역으로 실제 주거 취약지역으로 보는데 무리가 없었다.
2. 생활 취약지역 탐색 결과
서울시 생활 취역지역 탐색 결과는 <그림 3>의 상단과 같다. 행정동 단위에서 서울시 생활 취약지역은 다섯 곳(동작구 노량진1동, 관악구 성현동, 강동구 천호2동, 암사1동, 성북구 정릉3동)이 도출되었는데, 노량진1동과 성현동은 주변 지역의 교통 접근성과 녹지 접근성이 떨어지는 편이기에 생활 취약지역으로 분석되었다. 천호2동과 암사1동은 생활 취약지역 탐색 기준으로 설정된 변수가 모두 낮았으며, 서울 북부에 위치한 정릉3동은 녹지 접근성이 비교적 높지만, 교통 접근성과 병원 접근성이 낮아 생활 취약지역으로 분류되었다.
집계구 단위 분석에서는 서울시 외곽과 한강 인근이 주로 생활 취약지역으로 나타났다. 서울 북부와 남부는 산지에 접해 있어 녹지 접근성이 비교적 높으나, 지하철과 버스, 병원 접근성이 공통적으로 낮게 나타났다. 한강에 인접한 집계구는 낮은 녹지 접근성으로 인해 생활 취약지역으로 분류된 사례가 많았는데, 이는 해당 집계구 면적에 한강이 포함되어 있고, 이로 인해 전체에서 녹지가 차지하는 비율이 낮아진 것이 주요 원인으로 분석되었다.
격자 단위 분석에서도 집계구와 마찬가지로 서울 북부와 동서부 외곽에서 취약지역이 도출되었으나, 한강에 인접한 지역은 생활 취약지역으로 분류되지 않았다. 이는 집계구와 달리 격자에서는 한강이 인근의 일부 지역에 편입되어 해당 지역의 녹지 접근성 등을 왜곡하는 일이 발생하지 않았기 때문으로 판단된다. 이는 격자 단위로 집계된 데이터가 행정구역이나 집계구 단위에 비해 상대적으로 장점을 갖는 부분일 것이다.
<그림 3>의 하단은 남양주시의 생활 취약지역을 보여준다. 읍면동 단위에서의 생활 취약지역은 주거 취약지역과 마찬가지 이유로 도출되지 않았다. 집계구 단위에서는 남양주시의 북부, 남부, 서부 지역에서 생활 취약지역이 나타났는데, 북부는 지하철 접근성, 남부는 버스 접근성과 병원 접근성이 주요 원인이었다. 반면 남양주시의 서부 지역은 서울과 인접하여 교통 접근성이 비교적 높지만, 녹지 접근성이 상대적으로 낮았다. 이와 같이 읍면동 단위에서 확인이 어려웠던 지역별 차이가 집계구 단위로는 뚜렷하게 나타났으며, 그 결과 생활 여건이 비교적 취약한 지역을 탐색할 수 있었다.
격자 기반의 분석 결과도 생활 취약지역의 지리적 위치는 집계구 단위 분석 결과와 유사했다. 교통 접근성이 낮은 북부 지역과 버스 및 병원 접근성이 낮은 남부 지역에서는 격자 단위로 분석을 했을 때도 노인 생활 취약지역이 나타났다. 다만, 집계구 단위에서 확인된 남양주시 서부의 생활 취약지역은 격자 단위에서 탐색되지 않았는데, 이는 집계구와 달리 격자 단위에서는 해당 지역의 녹지 접근성이 비교적 높게 나타났기 때문이다. 일반적인 기준에서 서울시의 한강 인근과 남양주시의 신도시 일대가 시 외곽이나 농업지역에 비해 생활 여건이 나은 것으로 평가된다는 점을 고려할 때, 이러한 결과는 집계구 단위 분석보다 격자 단위 분석이 실제 취약지역을 정교하게 분류하는데 유용할 수 있음을 시사한다.
V. 결론
최근 데이터 분석의 단위로써 행정구역과 집계구가 갖는 한계를 보완할 수 있는 격자 통계에 관한 관심이 커지고 있다. 행정구역과 달리 격자는 면적과 형상이 일정하고, 구획한 경계가 변하지 않기 때문에 지역의 변화를 전망하거나 분석 결과를 시각화하는데 보다 효과적일 수 있다. 이에 본 연구에서는 격자를 비롯한 읍면동, 집계구 단위로 서울시와 경기도 남양주시의 노인 취약지역을 탐색하고 그 결과를 비교함으로써 격자 통계의 효용성을 확인하고자 하였다. 노인 취약지역은 주거 취약지역과 생활 취약지역으로 구분하여 살펴봤으며, 노인 취약지역 도출에는 국지적 G 통계를 활용하였다.
분석 결과, 통계 집계단위에 따라 노인 취약지역 탐색 결과가 다소 다르게 확인되었다. 서울시의 경우, 행정동과 집계구, 격자 단위에서 모두 노인 취약지역이 탐색되었으나, 행정동에 비해 집계구와 격자에서 상대적으로 많은 지역이 노인 취약지역으로 나타났다. 특히 집계구 단위의 분석에서는 녹지, 상업시설 등 비주거지역이 혼재한 곳이 노인 취약지역으로 주로 분류되었는데, 이들 중 상당수는 면적이 매우 넓어 노인 취약지역이 두드러지게 나타났다. 그러나 실제 노인 인구가 거주하는 지역은 해당 집계구의 일부에 불과하기 때문에, 이러한 결과는 관련 정책의 대상이 되는 취약지역을 지나치게 과장하여 보여주는 것일 수 있다.
경기도 남양주시에서는 주거 취약지역과 생활 취약지역 모두 집계구와 격자 단위에서만 도출되었다. 서울시와 남양주시의 전체 면적은 비슷하나, 인구 규모의 차이로 인해 남양주시의 읍면동 단위는 서울시보다 훨씬 큰 편이다. 이에 따라 남양주시에서는 하나의 읍면동에 다양한 사회경제적 특징을 갖는 지역이 포함되어 있어, 읍면동 단위로는 취약지역 도출이 어려웠다. 집계구의 경우는 서울시 분석 결과에서 나타났던 문제가 동일하게 보여졌는데, 집계구 간 면적의 편차가 서울시보다 크기 때문에 취약지역의 시각적 왜곡 정도도 이에 비례해 크게 나타났다.
이러한 결과는 행정구역이나 집계구보다 격자 단위의 데이터가 노인 취약지역을 보다 정밀하게 탐색할 수 있음을 방증한다. 읍면동 단위는 서울시와 같이 인구 밀도가 높은 지역에서는 1km 격자와 비슷한 결과를 도출할 수 있으나, 남양주시처럼 인구 밀도가 낮은 지역에서는 행정구역의 규모가 매우 커 정밀한 취약지역 탐색에 한계가 있다. 집계구는 인구를 기준으로 구획되기 때문에 같은 지역에서도 면적과 형상이 크게 다를 수 있고, 이로 인해 취약지역의 범위를 과장되게 나타날 수 있음을 확인했다. 경계가 지속적으로 바뀌는 행정구역이나 집계구와 달리 격자 체계는 전 지역에 대해 동일한 면적과 형상을 유지하며, 집계단위의 중심점이 갖는 대표성도 비교적 높다고 볼 수 있다. 따라서 중심점을 기준으로 접근성 등을 산출할 때 다른 집계단위에 비해 해당 지역 거주민의 실제 경험을 보다 정확하게 반영할 수 있으며, 이는 보다 정확한 취약지역 탐색에 기여할 수 있다.
본 연구에서는 읍면동, 집계구, 격자 기반의 분석 결과를 비교함으로써 취약지역 탐색에 집계단위가 미치는 영향을 확인하고, 특히 격자 통계가 갖는 장점을 실증적으로 확인하고자 하였다. 물론 특정 분석에 가장 적합한 단위는 살펴보고자 하는 현상의 특징과 연구의 목적에 따라 달라질 수 있을 것이다. 그러나 본 연구 결과에서 확인할 수 있듯, 격자 기반의 통계는 행정구역이나 집계구 단위로 집계된 통계와 비교해 분명한 장점을 갖고 있으며, 분석 목적에 따라 이러한 장점은 매우 중요한 의미를 가질 수 있다. 따라서 지금까지 주로 사용해 온 행정구역 기반의 통계와 함께 격자 단위로 집계된 데이터의 제공이 확대된다면, 이는 노인 취약지역의 탐색뿐만 아니라 다양한 정책 연구의 정확성과 신뢰성 제고를 이끄는 역할을 할 수 있을 것이다.
