연구 목적 및 배경 설명

다큐멘터리’벼랑 끝에 몰린 노인들ㅣ가난과 질병 속에 홀로 쓸쓸한 죽음을 맞이하는 노후 빈곤ㅣ다큐프라임 - 100세 쇼크ㅣ’를 시청한 후, 대한민국에서 노인들이 겪는 다양한 문제들이 심각하고 노인의 삶의 질이 매우 열악함을 알게 되었다. 실제로 한국의 노인 빈곤율은 40.4%로 경제협력개발기구 회원국 중 가장 높다. 또한,고령층이 노후대비가 부족해 일터에 나서게 되면서 65세 이상 고용률도 OECD 회원국 중 1위로 나타났다고 한다. 따라서 본 연구에서는 대한민국에서 노인이 겪는 문제를 분석해보고자 한다.

데이터에 대한 개괄적인 설명

본 연구에서는 한국복지패널 데이터 중 2차(2007년 데이터) 가구용, 가구원용, 복지인식설문용 머지데이터와 17차(2022년 데이터)가구용, 가구원용, 복지인식설문용 머지 데이터를 활용하였다. 한국복지패널 데이터는 1차~17차 데이터로 구성되어 있는데, 1차~17차 데이터 모두 크게 가구용, 가구원용, 부가조사, 세 가지의 조사표로 구성되어있다. 부가조사는 각 년도마다 별도의 주제를 개발하여 일회성, 혹은 경우에 따라 몇 년에 한 번씩 반복적으로 조사되는데, 1차/4차/7차/10차/13차/16차년도에는 아동 부가조사, 2차/5차/8차/11차/14차/17차년도에는 복지인식 부가조사, 3차/6차/9차/12차/15차년도에는 장애인 부가조사가 이루어졌다. 본 연구에서는 복지인식 부가조사 중 ‘부모를 모실 책임은 전적으로 자녀에게 있음’ 항목에 대하여 가장 최신 자료와 가장 오래된 자료를 비교하고자 17차 데이터와 2차 데이터를 사용하였다.

데이터 정제 및 가공 과정

데이터 추출하기

# 17차데이터(2022년) (가구용, 가구원용, 복지인식설문용 머지데이터 불러오기)
raw_wel22<-read.spss(file= "koweps_hpwc17_2022_beta1.sav", to.data.frame=T) 
## Warning in read.spss(file = "koweps_hpwc17_2022_beta1.sav", to.data.frame = T):
## koweps_hpwc17_2022_beta1.sav: Compression bias (0) is not the usual value of
## 100
## Warning in read.spss(file = "koweps_hpwc17_2022_beta1.sav", to.data.frame = T):
## koweps_hpwc17_2022_beta1.sav: Very long string record(s) found (record type 7,
## subtype 14), each will be imported in consecutive separate variables
# 2차 데이터(2007년) (가구용, 가구원용, 복지인식설문용 머지데이터 불러오기)
raw_wel07<-read.spss(file= "koweps_hpwc02_2007_beta19.sav", to.data.frame=T)
## Warning in read.spss(file = "koweps_hpwc02_2007_beta19.sav", to.data.frame =
## T): koweps_hpwc02_2007_beta19.sav: Compression bias (0) is not the usual value
## of 100
# 17차 데이터에서 필요한 변수만 추출
wel22<-raw_wel22
wel22<-wel22 %>% 
  select(birth= h17_g4,                                           #태어난 연도
          loneliness = p1705_14,                                  #외로움
          opinion_senior_support = wc17_13,                       #정부 지출에 대한 의견 중 (자)노인 생활 지원
          responsibility_offspring = wc17_27,                     #부모를 모실 책임은 전적으로 자식에게 있음
          priority_solving.problem = wc17_63,                     #사회문제 해결의 우선순위-1순위
          maintenance_qualitylife = wc17_32,                      #정부의 사회정책평가 (나)노인의 삶의 질 유지 
          satisfy_offspring = p1705_aq3,                          #자녀와의 관계에 대한 만족도
          number_family = h1701_1,                                #가구원 수 
          relation_family = h17_g2,                               #가구주와의 관계
          sex = h17_g3 ,                                          #성별
          satisfy = p1703_12,                                     #전반적 만족도도
          poor_not = h17_hc,                                      #저소득가구와 일반가구
          income = h17_cin )                                      #경상소득


#2차 데이터에서 필요한 변수만 추출
wel07<-raw_wel07

wel07<-wel07 %>% 
  select(responsibility_offspring = wc02_27) %>%                   #부모를 모실 책임은 전적으로 자식에게 있음
  filter(!is.na(responsibility_offspring))

데이터 검토, 정제, 전처리하기

1. 연령 변수와 노인 연령 변수 만들기

현재 노인인을 규정하는 기준 나이는 만 65세로 경제개발 5개년 계획을 짠 1964년에 도입해 현재까지 유지되고 있다. 따라서 본 보고서에서도 노인 연령을 만 65세로 설정해 변수를 만들었다.

### 전체 사람 연령 변수 만들기(만 나이)
wel22$age<-2022-wel22$ birth

### 노인 변수 만들기(만 나이)
wel22$age_1<-2022-wel22$ birth

wel22<-wel22 %>% 
  mutate(age_old =ifelse(age_1 >=65, age_1, NA))

class(wel22$age_old)
## [1] "numeric"
table(wel22$age_old)  
## 
##  65  66  67  68  69  70  71  72  73  74  75  76  77  78  79  80  81  82  83  84 
## 270 260 284 266 237 287 211 254 275 248 333 273 247 275 296 377 301 272 259 225 
##  85  86  87  88  89  90  91  92  93  94  95  96  97  98  99 100 101 102 103 105 
## 202 195 170 107  88  90  58  39  18  16  11  10   9   1   2   8   1   1   1   1 
## 116 
##   1

2. 외로움 변수, 자녀와의 관계에 대한 만족도 변수 이상치 정제하기

변수 ’외로움’에 대한 답변은 1.극히 드물다(일주일에 1일미만), 2. 가끔 있었다.(일주일에 1~2일간), 3. 종종 있었다.(일주일에 3~4일간), 4. 대부분 그랬다.(일주일에 5일 이상)이며, 모름/무응답=9이다.

변수 ’자녀와의 관계에 대한 만족도’에 대한 답변은 1.매우불만족, 2.불만족, 3.약간불만족, 4.보통, 5.약간만족, 6.만족, 7.매우 만족, 0.비해당 이며, 모름/무응답=9이다.

table(wel22$satisfy_offspring)
## 
##    0    1    2    3    4    5    6    7    9 
## 2723   44  111  183 1113 1221 6579 1500  678
table(wel22$loneliness)
## 
##     1     2     3     4     9 
## 10274  2574   507   119   678
wel22$loneliness<-ifelse(wel22$loneliness ==9, NA, wel22$loneliness) #외로움 변수 이상치 정제하기
wel22$satisfy_offspring<-ifelse(wel22$satisfy_offspring ==9 |wel22$satisfy_offspring==0, NA,wel22$satisfy_offspring) #0,9 값은 본 연구에서 필요하지 않은 응답이기에 제거한다. 

table(wel22$loneliness)
## 
##     1     2     3     4 
## 10274  2574   507   119
table(wel22$satisfy_offspring)
## 
##    1    2    3    4    5    6    7 
##   44  111  183 1113 1221 6579 1500

3. 저소득층가구 일반가구 이름 변경하기

wel22$poor_not<-ifelse(wel22$poor_not == 1, "일반가구", "저소득가구")
table(wel22$poor_not)
## 
##   일반가구 저소득가구 
##       7433       2707

4. 성별 변수 검토 및 전처리하기

성별 변수에서 1은 ‘남성’, 2는 ‘여성’, 9는 ’모름/무응답’을 의미하므로 값의 의미를 이해하기 쉽도록 문자 ’male’과 ’female’로 변수명의 이름을 바꾼다.

### <성별 변수 검토 및 전처리하기>
class(wel22$sex)
## [1] "numeric"
table(wel22$sex) #모름/무응답=9가 없으므로 바로 변수명의 이름을 바꾼다. 
## 
##    1    2 
## 7471 9120
wel22$sex<-ifelse(wel22$sex == 1, "male", "female")
table(wel22$sex)
## 
## female   male 
##   9120   7471

데이터 분석하기

1. 남성 노인과 여성 노인의 수, 독거 노인의 수, 저소득가구의 수 비교하기

1-1 여성 노인 인구 수와 남성 노인 인구 수

sex_old<-wel22 %>% 
  select(age_old, sex) %>% 
  filter(!is.na(age_old))

table(sex_old$sex)
## 
## female   male 
##   3983   2496
# =>여성 노인의 수는 3983, 남성 노인의 수는 2496명

1-2 여성 독거 노인의 수와 남성 독거 노인의 수 비교

alone_old<-wel22 %>% 
  select(number_family, sex, age_old) %>% 
  filter(!is.na(age_old)) %>% 
  filter( number_family ==1)
table(alone_old$sex)
## 
## female   male 
##   1786    401
# =>여성 독거 노인의 수 1786, 남성 독거 노인의 수 401명이다. 

ggplot( data = alone_old, aes(x= sex, y=number_family, fill = sex))+geom_col()+ggtitle( "여성 독거 노인의 수와 남성 독거 노인의 수 비교")+
  theme(plot.title = element_text(face = "bold", hjust = 0.5, size = 15, color = "black"))+
  labs(x= "성별", y= "독거 노인의 수(단위 :명)")

=>여성 노인과 남성 노인의 수가 똑같지 않기 때문에 정확한 현황을 파악하기 위해서는 여성 노인인구 대비 여성 독거 노인의 비율과 남성 노인 인구 대비 남성 독거 노인이 비율을 파악함으로써 더 정확히 데이터를 파악할 수 있다.

1-3 여성 독거 노인 비율과 남성 독거 노인의 비율

sex_one.old<-wel22 %>%
  select(number_family, sex, age_old, ) %>% 
  filter(!is.na(age_old)) %>% 
  filter(number_family == 1) %>% 
  mutate( women.one.old = 1786/3983*100) %>% 
  mutate(men.one.old = 401/2496*100)

sex_one.old.graph<-data.frame(sex = c('female','male'),
                 one.old.population = c(44.84057, 16.06571))

ggplot( data = sex_one.old.graph, aes(x= sex, y= one.old.population,fill = sex ))+geom_col()+ggtitle( "여성 독거 노인 비율과 남성 독거 노인의 비율")+theme(plot.title = element_text(face = "bold", hjust = 0.5, size = 15, color = "black"))+
  labs(x= "성별", y= "독거 노인의 비율")

1-4 여성 노인 저소득가구와 남성 노인 저소득가구의 수 비교

poor_sex <-wel22 %>% 
  select(sex, age_old, poor_not) %>% 
  filter(!is.na(age_old)) %>% 
  filter( poor_not =="저소득가구") %>% 
  group_by(sex) %>% 
  summarise(n=n())

ggplot( data = poor_sex, aes(x= sex, y= n, fill = sex))+geom_col()+ggtitle( "여성 노인 저소득가구와 남성 노인 저소득가구의 수")+
  theme(plot.title = element_text(face = "bold", hjust = 0.5, size = 15, color = "black"))+
  labs(x= "성별", y= "노인 저소득가구의 수 ")

2. 연령별 경상소득

income<-wel22 %>% 
  select(age, income) %>% 
  group_by(age) %>% 
  summarise(mean_income = mean(income))

ggplot( data = income, aes(x= age, y=mean_income)) +geom_line() +xlim(30,120)+ggtitle( "연령별 경상소득 ")+theme(plot.title = element_text(face = "bold", hjust = 0.5, size = 15, color = "black"))
## Warning: Removed 29 rows containing missing values (`geom_line()`).

=>50대를 기준으로 경상소득이 매우 급격하게 떨어짐을 알 수 있다.

3. 연령별 외로움의 정도

table(wel22$loneliness)
## 
##     1     2     3     4 
## 10274  2574   507   119
loneliness1<-wel22 %>% 
  select(age, loneliness) %>% 
  filter(!is.na(loneliness)) %>% 
  group_by(age) %>% 
  summarise( mean_loneliness = mean(loneliness))

ggplot( data =loneliness1, aes(x=age, y=mean_loneliness))+geom_line()+xlim(30,90)+ggtitle( "연령별 외로움의 정도 ")+theme(plot.title = element_text(face = "bold", hjust = 0.5, size = 15, color = "black"))
## Warning: Removed 24 rows containing missing values (`geom_line()`).

=>연령이 상승할수록 평균적으로 외로움을 느끼는 정도가 더 높게 나타난다.

4. 노인의 삶의 질을 유지하기 위한 정부의 사회 정책에 대한 사람들의 생각

노인의 삶의 질 유지 변수는 정부의 사회 정책 평가에서 (나)노인의 삶의 질 유지 질문에 해당하는 변수이다. 응답은 1.매우 잘하고 있다/2. 잘 하고 있는 편이다./3.보통, 그저 그렇다. /4.잘 못하는 편이다. /5.매우 잘못하고 있다.이며, 모름/무응답=9이다.

table(wel22$maintenance_qualitylife) #이상치가 없으니 바로 시작하면 된다. 
## 
##    1    2    3    4    5 
##  346 1554  762  157   10
ggplot(data = wel22, aes(x=maintenance_qualitylife))+geom_bar()+ggtitle( "노인의 삶의 질을 유지하기 위한 정부의 사회 정책에 대한 사람들의 생각 ")+theme(plot.title = element_text(face = "bold", hjust = 0.5, size = 15, color = "black"))
## Warning: Removed 13762 rows containing non-finite values (`stat_count()`).

=>이를 통해 대부분의 사람들은 노인의 삶의 질 유지를 위한 정부의 정책에 호의적인 생각을 가지고 있음을 알 수 있다.

5. 사회 문제 해결이 시급한 우선 순위에 대한 사람들의 생각

사회문제 해결의 우선순위-1순위 변수의 응답은 1.노후생활문제/2.건강 및 의료 문제/3.실업 문제/4.교육 문제/5.아동양육문제/6.장애인문제/7.주거문제/8.빈곤/9.기타/로 이루어져있다.

priority = data.frame( problem = c("노후생활문제", "건강및의료문제","실업문제","교육문제","아동양육문제","장애인문제","주거문제","빈곤", "기타"), ratio= c(32.1, 28.8,8.4,4.6,11.2,3.1,5.4,6,0.14))

ggplot(priority, aes(x='', y= ratio, fill=problem))+
  geom_bar(stat = 'identity')+ggtitle( "사회 문제 해결이 시급한 우선순위에 대한 사람들의 생각")+theme(plot.title = element_text(face = "bold", hjust = 0.5, size = 15, color = "black"))+
  theme_void()+
  coord_polar( 'y', start = 0)+
  geom_text( aes(label=paste0(round(ratio, 1), '%')),
             position = position_stack(vjust = 0.5))

=>그래프를 보면 1위(노후생활문제), 2위(건강 및 의료 문제)가 압도적으로 매우 많은 것을 알 수 있는데 이는 사람들이 노후에 어떻게 살아가야할지에 대한 고민이 매우 많다는 점과 현재 우리 사회에 노후생활문제가 큰 문제라는 것 그리고 현재 노인들의 삶의 질이 열악하다는 것을 추측해볼 수 있다.

6. 노인이 함께 사는 가구원의 수

(변수 가구원 수의 응답은 -명이며, 모름/무응답은 99이다.)

table(wel22$number_family)
## 
##    1    2    3    4    5    6    7 
## 2970 5184 3330 3648 1175  228   56
number<-wel22 %>% 
  select(age_old, number_family) %>% 
  filter(!is.na(age_old)) 

ggplot( data = number, aes(x=number_family))+geom_bar()+ggtitle( "노인의 가구원 수 ")+theme(plot.title = element_text(face = "bold", hjust = 0.5, size = 15, color = "black"))+ labs(x= "가구원 수 ", y= "빈도 ")

=>2인 가구가 가장 많으며 그 다음이 1인 가구, 3인 가구 순이다.

7. 부모의 부양 책임에 대해 자식에게 전적으로 책임이 있는가에 대해 과거와 현재를 비교 분석

7-1. 부모의 부양 책임에 대해 자식에게 전적으로 책임이 있는가에 대한 사람들의 생각(2022년)

ggplot(data = wel22, aes(x= responsibility_offspring))+geom_bar()+ggtitle( "부모의 부양 책임에 대해 자식에게 전적으로 책임이 있는가에 대한 사람들의 생각(2022년)")+theme(plot.title = element_text(face = "bold", hjust = 0.5, size = 15, color = "black"))
## Warning: Removed 13762 rows containing non-finite values (`stat_count()`).

=>응답 1~5는 1 매우 찬성한다~ 5매우 반대한다를 의미하므로 이를 통해 사람들은 부모의 부양 책임에 대해 자식에 전적으로 책임이 있는가에 대해 반대하는 사람이 더 많음을 알 수 있다.

7-2. 부모의 부양 책임에 대해 자식에게 전적으로 책임이 있는가에 대한 사람들의 생각(2007년)

ggplot(data =wel07, aes(x= responsibility_offspring))+geom_bar()+ggtitle( "부모의 부양 책임에 대해 자식에게 전적으로 책임이 있는가에 대한 사람들의 생각(2007년)")+theme(plot.title = element_text(face = "bold", hjust = 0.5, size = 15, color = "black"))

=>이를 통해 과거보다 현재 우리나라 사람들은 부모 부양의 의무가 자식에게 무조건 있다고 생각하는 사람들이 줄었음을 알 수 있다. 현재 우리나라 노인들은 자식에게 자신의 재산의 많은 부분을 주는 경우가 많은데, 이 상황에서 부모 부양의 의무에 대한 노인과 젊은 세대의 가치관이 많이 다르다. 따라서 자식이 있는 노인에게 지원을 하지 않는 정책은자식이 있지만 자식이 돌보지 않는 소외된 노인을 복지 사각지대에 놓이게 할 수 있기 때문에 개선할 필요가 있다. (2021년 부양의무제가 폐지되었으나, 생계급여의 경우에는 부양 의무자 기준이 아직 존재함으로 다시 한 번 더 검토해볼 필요성이 있다.)

8. 노인이 겪는 외로움과 자녀와의 관계에 대한 만족도간의 상관관계 분석하기

#####변수 ’외로움’에 대한 답변으로 1.극히 드물다(일주일에 1일미만), 2. 가끔 있었다.(일주일에 1~2일간), 3. 종종 있었다.(일주일에 3~4일간), 4. 대부분 그랬다.(일주일에 5일 이상)이며, 모름/무응답=9이다. 즉, 외로움 변수는 수치가 높을수록 외로움의 정도가 심한 것이다.

#####변수 ’자녀와의 관계에 대한 만족도’에 대한 답변으로 1.매우불만족, 2.불만족, 3.약간불만족, 4.보통, 5.약간만족, 6.만족, 7.매우 만족, 0.비해당 이며, 모름/무응답=9이다. 즉, 자녀와의 관계에 대한 만족도 변수는 수치가 높을 수록 만족도가 높은 것이다.

loneliness_satisfy<-wel22 %>%
  select(loneliness, satisfy_offspring, age_old) %>% 
  filter(!is.na(age_old)) %>% 
  filter(!is.na(satisfy_offspring)) %>% 
  filter(!is.na(loneliness))
  
 table(wel22$loneliness)
## 
##     1     2     3     4 
## 10274  2574   507   119
loneliness_satisfy1<-loneliness_satisfy %>% 
  select(loneliness, satisfy_offspring) %>% 
  group_by(satisfy_offspring) %>% 
  summarise(mean_loneliness = mean(loneliness))

ggplot( data =loneliness_satisfy1, aes(x =satisfy_offspring , y= mean_loneliness ))+geom_col()+ylim(0,2.5)

=>이를 통해 전반적으로 크지 않은 차이지만, 그래프의 길이가 일정하게 줄어드는 것을 통해 자녀에 대한 만족도가 높을수록 외로움이 줄어든다는 결론을 도출할 수 있다.

결론

이 연구를 통해서 성별에 따라 다양한 변수를 분석해보았을 때 독거 노인의 수, 저소득 가구의 수, 인구 수에 대한 여성과 남성의 수와 비율 모든 분석에서 여성 노인이 높게 결과가 도출되었다. 이는 남성보다 여성의 수명이 더 길기 때문이라고 볼 수 있는데 여성 노인 문제가 남성 노인 문제보다 더욱 더 심각하게 나타날 수 있음을 추측해볼 수 있다. 따라서 여성 노인과 관련한 문제에 각별히 신경을 써서 제도와 정책을 만들어 나가야 한다. 또한 부모에 대한 자식의 부양 의무에 대한 인식도 현재와 과거가 변화하였다. 과거에는 부양 의무가 있다고 생각하는 사람들이 많았으나, 지금은 부양 의무가 있지 않다고 생각하는 사람의 수가 더 많다. 이를 통해 ’부양의무제’에 대한 검토가 필요함을 알 수 있다. 또한, 자녀에 대한 만족도와 외로움 변수간에 음(-)의 상관관계가 도출되었다. 이를 통해 노인의 정서적인 건강 즉, 외로움과 고독감을 줄여나가기 위하여 주말에는 할머니, 할아버지를 찾아뵈는 사회적 분위기를 만들어나가는 것 등 정부와 개인의 노력이 필요함을 알 수 있다.