가구 특성에 따른 교육비 지출 파악

연구 목적 및 배경 설명

교육은 개인의 삶의 질 향상과 사회 발전을 위한 필수적인 요소이다. 특히 교육비 지출은 가구의 경제적 여건과 밀접한 관련이 있어 가구 특성에 따른 교육비 지출 양상을 파악하는 것은 중요한 의미를 갖는다. 본 연구는 한국복지패널데이터 2023년 18차 자료를 활용하여 가구 특성에 따른 교육비 지출 실태를 분석하고자 한다. 교육은 개인의 잠재력을 발현시키고 사회적 이동성을 높이는 핵심 요인이다. 그러나 교육비 부담은 가구의 경제적 여건에 따라 상당한 차이를 보이며, 이는 교육 기회의 불평등으로 이어질 수 있다. 특히 최근 들어 사교육비 증가, 주거비 상승 등으로 인해 가구의 교육비 지출 부담이 가중되고 있는 상황이다. 이는 교육의 공공성을 약화시키고 교육 기회의 형평성을 저해하는 요인으로 작용할 수 있다. 이에 본 연구는 가구 특성 변인(가구원수, 거주 지역, 주거 유형, 주택 가격 등)과 교육비 지출(공교육비, 사교육비) 간의 관계를 실증적으로 분석하고자 한다. 이를 통해 가구 유형별 교육비 지출 실태를 파악하고, 교육 기회의 형평성 제고를 위한 정책적 시사점을 도출하고자 한다. 특히 연구자가 교육학과 학생이라는 점에서 이 주제에 대한 관심과 전문성이 높다. 교육비 지출 양상을 파악하고 그에 따른 정책적 대안을 모색하는 것은 교육 분야 전문가로서의 역할을 수행하는 데 있어 매우 중요한 의의를 지닌다. 교육 기회의 불평등은 사회 구성원 간 격차를 심화시키고 사회 통합을 저해할 수 있다는 점에서, 이 연구는 교육 분야의 실천적 함의를 제공할 것으로 기대된다. 또한 이 연구는 교육 정책 입안자와 교육 관련 전문가들에게 가구 특성별 교육비 지출 실태에 대한 객관적인 자료를 제공할 것이다. 이를 토대로 교육 기회 확대와 교육의 공공성 강화를 위한 정책 방안을 모색할 수 있을 것이다. 나아가 이 연구 결과는 교육 분야 후속 연구의 기초 자료로 활용될 수 있을 것으로 기대된다. 특히 이 연구는 교육 기회의 형평성 제고를 위한 정책 수립에 기여할 것으로 기대된다. 교육 기회의 불평등은 개인의 삶의 질과 사회 전체의 발전을 저해하는 요인이 될 수 있다. 따라서 가구 특성에 따른 교육비 지출 실태를 파악하고, 이를 토대로 교육 정책의 방향성을 모색하는 것은 매우 중요한 과제라고 할 수 있다. 이 연구는 교육 분야 전문가로서 연구자의 관심사와 전문성이 반영된 것이며, 교육 기회의 형평성 제고를 위한 정책 수립에 기여할 수 있을 것으로 기대된다. 또한 교육 분야 후속 연구의 기초 자료로 활용될 수 있을 것이다. 이를 통해 교육의 공공성을 강화하고, 개인과 사회 전체의 발전을 도모할 수 있을 것으로 기대된다.

데이터에 대한 개괄적인 설명

한국복지패널데이터를 활용하여 가구 특성별 교육비 지출 실태를 분석한다. 한국보건사회연구원에서 실시하는 한국복지패널은 전국 단위의 대규모 가구 조사 자료로, 가구 및 개인의 다양한 사회·경제적 특성과 교육, 복지, 경제활동 등에 관한 풍부한 정보를 담고 있다. 특히 이번 18차 조사에서는 총 7,200여 가구, 16,500여 개인의 데이터가 수집되어, 가구의 인구통계학적 특성과 경제적 여건, 교육 투자 실태를 종합적으로 살펴볼 수 있는 유용한 자료라 할 수 있다. 이번 데이터에서는 가구원 수, 거주 지역, 주거 유형, 주택 가격, 직접세, 공교육비 지출액, 사교육비 지출액이라는 주요 변수가 포함되어 있어, 가구의 교육비 지출 양상을 면밀히 분석할 수 있다. 특히 COVID-19 팬데믹 이후 변화된 교육 환경이 가구의 교육비 지출에 어떤 영향을 미쳤는지를 살펴볼 수 있을 것으로 기대된다. 더불어 이번 연구에서는 가구 소득 수준, 거주 지역, 주거 형태 등 다양한 가구 특성 변수를 활용하여 교육비 지출의 격차를 세부적으로 분석할 계획이다. 이를 통해 교육 기회의 불평등 문제를 진단하고, 형평성 제고를 위한 정책 방안을 모색할 수 있을 것이다. 전반적으로 한국복지패널데이터는 가구의 사회·경제적 특성과 교육비 지출 간의 관계를 실증적으로 분석할 수 있는 풍부한 정보를 제공하고 있다. 이를 바탕으로 교육 분야의 정책 수립과 후속 연구에 유의미한 시사점을 도출할 수 있을 것으로 기대된다. 향후 본 연구를 통해 교육 기회의 형평성 제고와 가구의 교육비 부담 완화를 위한 합리적인 정책 방안을 모색할 수 있을 것으로 사료된다.

데이터 정제 및 가공 과정

1. 전체 데이터 정제 및 가공

데이터의 복사본을 만든 후, 연구에 필요한 변수들을 알아보기 쉬운 변수명으로 바꾸어 할당했다.

# 데이터 불러오기
raw_welfare <- read.spss(file = "Koweps_hpda18_2023_beta1.sav",
                         to.data.frame = T)

# 복사본 만들기
welfare <- raw_welfare

# 특성 변수 선택하기 및 변수명 바꾸기
welfare <- welfare %>% select(number = h1801_1,                     # 가구원수
                              region = h18_reg7,                    # 거주 지역
                              residence_type = h1806_1,             # 주거 유형
                              house_prices = h1806_6,               # 주택 가격
                              expenditure_publicedu = h1807_3aq9,   # 공교육비 지출액
                              expenditure_privateedu = h1807_3aq10, # 사교육비 지출액
                              tax_direct = h1807_4)                 # 직접세

2. 교육비 변수 검토 및 전처리

교육비 변수에는 공교육비 지출액과 사교육비 지출액이 포함되며, 월평균 지출액으로 단위는 만원, 소수점 1째자리까지 표시된다. “없음”에는 0이, “모름/무응답”에는 9999가 할당되었다.

class(welfare$expenditure_publicedu)

## [1] "numeric"

class(welfare$expenditure_privateedu)

## [1] "numeric"

qplot(welfare$expenditure_publicedu)

## Warning: `qplot()` was deprecated in ggplot2 3.4.0.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

qplot(welfare$expenditure_privateedu)

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

# 이상치 확인
summary(welfare$expenditure_publicedu)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   0.000   0.000   0.000   6.775   0.400 417.000

summary(welfare$expenditure_privateedu)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    0.00    0.00    0.00   17.72    2.00  433.00

# 이상치 결측 처리
welfare$expenditure_publicedu <- ifelse(welfare$expenditure_publicedu %in% c(0, 9999), NA, welfare$expenditure_publicedu)
welfare$expenditure_privateedu <- ifelse(welfare$expenditure_privateedu %in% c(0, 9999), NA, welfare$expenditure_privateedu)

# 결측치 확인
table(is.na(welfare$expenditure_publicedu))

## 
## FALSE  TRUE 
##  4122 11809

table(is.na(welfare$expenditure_privateedu))

## 
## FALSE  TRUE 
##  4030 11901

3. 가구원수 변수 검토 및 전처리

가구원수 변수의 단위는 명이며, “모름/무응답”에는 99가 할당되었다.

class(welfare$number)

## [1] "numeric"

table(welfare$number)

## 
##    1    2    3    4    5    6    7    8 
## 2972 5040 3117 3460 1085  186   63    8

# 이상치 확인
table(welfare$number)

## 
##    1    2    3    4    5    6    7    8 
## 2972 5040 3117 3460 1085  186   63    8

# 이상치 결측 처리
welfare$number <- ifelse(welfare$number == 99, NA, welfare$number)

# 결측치 확인
table(is.na(welfare$number))

## 
## FALSE 
## 15931

4. 거주지역 변수 검토 및 전처리

거주지역은 7개 권역별로 구분되며, [1: 서울, 2: 수도권(인천/경기), 3: 부산/경남/울산, 4: 대구/경북, 5: 대전/충남/세종, 6: 강원/충북, 7: 광주/전남/전북/제주도]이다. 가독성을 높이기 위하여 각각의 거주지역에 한글명을 할당하는 과정을 거쳤다.

class(welfare$region)

## [1] "numeric"

summary(welfare$region)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   1.000   2.000   3.000   3.855   6.000   7.000

qplot(welfare$region)

# 이상치 확인
summary(welfare$region)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   1.000   2.000   3.000   3.855   6.000   7.000

# 결측치 확인
table(is.na(welfare$region))

## 
## FALSE 
## 15931

# 거주지역별 이름 부여
list_region<-data.frame(region = c(1:7),
                       region_kor = c("서울",
                                     "수도권(인천/경기)", 
                                     "부산/경남/울산",
                                     "대구/경북",
                                     "대전/충남/세종",
                                     "강원/충북",
                                     "광주/전남/전북/제주도"))

welfare<-left_join(welfare, list_region, by = "region")

#변수 검토하기
table(welfare$region_kor)

## 
##             강원/충북 광주/전남/전북/제주도             대구/경북 
##                  1357                  2875                  1895 
##        대전/충남/세종        부산/경남/울산                  서울 
##                  1688                  2743                  1849 
##     수도권(인천/경기) 
##                  3524

# 이상치 확인
summary(welfare$region_kor)

##    Length     Class      Mode 
##     15931 character character

# 결측치 확인
table(is.na(welfare$region_kor))

## 
## FALSE 
## 15931

5. 주거유형 변수 검토 및 전처리

주거유형은 11개로 구분되며, [1: 일반단독주택, 2: 다가구 단독주택, 3: 다세대주택, 4: 연립주택, 5: 아파트, 6: 고시원, 7: 영업겸용 단독주택, 8: 비거주용 건물 내 주택(상가,공장 등), 9: 오피스텔, 10: 판잣집, 비닐하우스, 컨테이너, 움막(임시가건물, 재개발지역 가이주단지 포함), 11: 기타]이다. 가독성을 높이기 위하여 각각의 주거유형에 한글명을 할당하는 과정을 거쳤다. “모름/무응답”에는 99가 할당되었다.

class(welfare$residence_type)

## [1] "numeric"

summary(welfare$residence_type)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   1.000   2.000   5.000   3.652   5.000  11.000

qplot(welfare$residence_type)

# 이상치 확인
summary(welfare$residence_type)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   1.000   2.000   5.000   3.652   5.000  11.000

# 이상치 결측 처리
welfare$residence_type <- ifelse(welfare$residence_type == 99, NA, welfare$residence_type)

# 결측치 확인
table(is.na(welfare$residence_type))

## 
## FALSE 
## 15931

# 주거유형별 이름 부여
list_residence<-data.frame(residence_type = c(1:11),
                       residence_kor = c("일반단독주택",
                                     "다가구 단독주택", 
                                     "다세대주택",
                                     "연립주택",
                                     "아파트",
                                     "고시원",
                                     "영업겸용 단독주택",
                                     "비거주용 건물 내 주택",
                                     "오피스텔",
                                     "판잣집, 비닐하우스, 컨테이너, 움막",
                                     "기타"))

welfare<-left_join(welfare, list_residence, by = "residence_type")

#변수 검토하기
table(welfare$residence_kor)

## 
##                             고시원                               기타 
##                                  3                                  3 
##                    다가구 단독주택                         다세대주택 
##                               1657                               1512 
##              비거주용 건물 내 주택                             아파트 
##                                 85                               7987 
##                           연립주택                  영업겸용 단독주택 
##                                475                                408 
##                           오피스텔                       일반단독주택 
##                                111                               3666 
## 판잣집, 비닐하우스, 컨테이너, 움막 
##                                 24

# 이상치 확인
summary(welfare$residence_kor)

##    Length     Class      Mode 
##     15931 character character

# 결측치 확인
table(is.na(welfare$residence_kor))

## 
## FALSE 
## 15931

6. 주택가격 변수 검토 및 전처리

주택가격 변수는 거주하는 집의 가격으로, 단위는 만원이다. “없음”에는 0이, “모름/무응답”에는 999999가 할당되었다.

class(welfare$house_prices)

## [1] "numeric"

summary(welfare$house_prices)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max.    NA's 
##      13    6500   17000   26033   35000  900000    1570

qplot(welfare$house_prices)

# 이상치 확인
summary(welfare$house_prices)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max.    NA's 
##      13    6500   17000   26033   35000  900000    1570

# 이상치 결측 처리
welfare$house_prices <- ifelse(welfare$house_prices %in% c(0, 999999), NA, welfare$house_prices)

# 결측치 확인
table(is.na(welfare$house_prices))

## 
## FALSE  TRUE 
## 14361  1570

7. 직접세 변수 검토 및 전처리

세금에 해당하는 직접세 변수는 월평균 지출액으로 단위는 만원, 소수점 1째자리까지 표시된다. “없음”에는 0이, “모름/무응답”에는 9999가 할당되었다.

class(welfare$tax_direct)

## [1] "numeric"

summary(welfare$tax_direct)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    0.00    2.00    8.00   26.74   26.00 4800.00

qplot(welfare$tax_direct)

# 이상치 확인
summary(welfare$tax_direct)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    0.00    2.00    8.00   26.74   26.00 4800.00

# 이상치 결측 처리
welfare$tax_direct <- ifelse(welfare$tax_direct %in% c(0, 9999), NA, welfare$tax_direct)

# 결측치 확인
table(is.na(welfare$tax_direct))

## 
## FALSE  TRUE 
## 15471   460

데이터 분석 및 그래프 만들기

(1) 가구원수에 따른 교육비 지출 차이 - “가구원수에 따라 교육비 지출이 다를까?”

1) 가구원수에 따른 교육비 차이 분석하기

1. 가구원수 교육비 평균표 만들기

number_public <- welfare %>%
  filter(!is.na(expenditure_publicedu)) %>%
  group_by(number) %>%
  summarise(number_public = mean(expenditure_publicedu))

number_public

## # A tibble: 7 × 2
##   number number_public
##    <dbl>         <dbl>
## 1      1          32.5
## 2      2          30.3
## 3      3          25.1
## 4      4          24.7
## 5      5          32.9
## 6      6          17.2
## 7      7          15.4

number_private <- welfare %>%
  filter(!is.na(expenditure_privateedu)) %>%
  group_by(number) %>%
  summarise(number_private = mean(expenditure_privateedu))

number_private

## # A tibble: 8 × 2
##   number number_private
##    <dbl>          <dbl>
## 1      1           11  
## 2      2           33.2
## 3      3           48.8
## 4      4           76.7
## 5      5           74.5
## 6      6           80.9
## 7      7           58.5
## 8      8           69

2. 그래프 만들기

#평균 막대그래프
ggplot(data = number_public, aes(x = number, y = number_public)) + 
  geom_col(stat = "identity", fill = "skyblue")

## Warning in geom_col(stat = "identity", fill = "skyblue"): Ignoring unknown
## parameters: `stat`

ggplot(data = number_private, aes(x = number, y = number_private)) + 
  geom_col(stat = "identity", fill = "blue")

## Warning in geom_col(stat = "identity", fill = "blue"): Ignoring unknown
## parameters: `stat`

#산점도그래프
plot(welfare$number, welfare$number_public,
     xlab = "가구원 수", ylab = "공교육비",
     main = "가구원 수와 공교육비 관계")

plot(welfare$number, welfare$number_private,
     xlab = "가구원 수", ylab = "사교육비",
     main = "가구원 수와 사교육비 관계")

# 데이터프레임 병합
number_edu <- left_join(number_public, number_private, by = "number")

number_edu

## # A tibble: 7 × 3
##   number number_public number_private
##    <dbl>         <dbl>          <dbl>
## 1      1          32.5           11  
## 2      2          30.3           33.2
## 3      3          25.1           48.8
## 4      4          24.7           76.7
## 5      5          32.9           74.5
## 6      6          17.2           80.9
## 7      7          15.4           58.5

# 그래프 생성
ggplot(number_edu, aes(x = number)) +
  geom_line(aes(y = number_public, color = "공교육비"), size = 1) +
  geom_line(aes(y = number_private, color = "사교육비"), size = 1) +
  labs(x = "가구원수", y = "교육비 지출 평균", color = "교육비 유형") +
  scale_color_manual(values = c("공교육비" = "blue", "사교육비" = "red")) +
  theme_minimal()

## Warning: Using `size` aesthetic for lines was deprecated in ggplot2 3.4.0.
## ℹ Please use `linewidth` instead.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.

2) 가구원 수에 따른 교육비 지출 차이 분석 결과

가구원 수에 따른 교육비 지출 양상을 분석한 결과, 다음과 같은 시사점을 도출할 수 있다. 첫째, 가구원 수가 많을수록 공교육비 지출은 감소하는 경향을 보인다. 1인 가구의 공교육비 지출 평균이 약 32만 원이었던 반면, 6명 이상 가구에서는 약 17만 원 수준으로 감소하였다. 이는 자녀 수 증가에 따른 교육비 부담의 분산으로 해석할 수 있다. 둘째, 가구원 수가 많을수록 사교육비 지출은 크게 증가한다. 1인 가구의 사교육비 지출 평균이 약 11만 원이었던 데 비해, 6명 이상 가구는 약 80만 원으로 10배 이상 늘어났다. 이는 자녀 수 증가에 따른 사교육 수요 증가로 설명할 수 있다. 이러한 분석 결과는 가구 특성에 따른 교육비 지출 양상의 차이를 보여준다. 즉, 가구원 수가 많은 경우 상대적으로 공교육비 부담은 줄어드는 반면, 사교육비 지출은 크게 증가하는 경향이 있다. 이는 정부 정책 수립 시 고려해야 할 중요한 시사점을 제공한다. 특히 다자녀 가구의 경우 사교육비 부담이 크므로, 이들에 대한 맞춤형 지원 방안이 필요할 것으로 보인다. 예를 들어 사교육비 세액 공제 확대, 교육 바우처 제도 도입 등을 통해 가구 여건에 따른 교육 기회의 격차를 해소할 수 있을 것이다. 종합적으로 볼 때, 가구원 수는 교육비 지출 양상에 중요한 영향을 미치는 요인이며, 이에 대한 정부의 체계적인 정책 대응이 필요할 것으로 판단된다.

(2) 거주 지역에 따른 교육비 지출 차이 - “어떤 거주 지역에서 교육비 지출이 가장 많을까?”

1) 거주지역과 교육비 지출의 관계 분석하기

1. 거주지역에 따른 교육비 지출 평균표 만들기

region_public <- welfare %>%
  filter(!is.na(expenditure_publicedu)) %>%
  group_by(region_kor) %>%
  summarise(region_public = mean(expenditure_publicedu))

region_public

## # A tibble: 7 × 2
##   region_kor            region_public
##   <chr>                         <dbl>
## 1 강원/충북                      24.6
## 2 광주/전남/전북/제주도          25.0
## 3 대구/경북                      22.5
## 4 대전/충남/세종                 18.7
## 5 부산/경남/울산                 27.8
## 6 서울                           31.3
## 7 수도권(인천/경기)              29.6

region_private <- welfare %>%
  filter(!is.na(expenditure_privateedu)) %>%
  group_by(region_kor) %>%
  summarise(region_private = mean(expenditure_privateedu))

region_private

## # A tibble: 7 × 2
##   region_kor            region_private
##   <chr>                          <dbl>
## 1 강원/충북                       50.7
## 2 광주/전남/전북/제주도           59.0
## 3 대구/경북                       64.5
## 4 대전/충남/세종                  77.8
## 5 부산/경남/울산                  68.6
## 6 서울                            89.3
## 7 수도권(인천/경기)               74.0

2. 그래프 만들기

#거주지역별 공교육비와 사교육비 비교
ggplot(data = region_public, aes(x = region_kor, y = region_public, fill = region_kor)) +
  geom_bar(stat = "summary", fun = "mean") +
  scale_fill_manual(values = c("#9DC8C8", "#58C9B9", "#519D9E", "#D1B6E1", "#A593E0", "#84B1ED", "#CC79A7")) +
  labs(x = "거주지역", y = "공교육비 평균", title = "거주지역별 공교육비 평균")

ggplot(data = region_private, aes(x = region_kor, y = region_private, fill = region_kor)) +
  geom_bar(stat = "summary", fun = "mean") +
  scale_fill_manual(values = c("#9DC8C8", "#58C9B9", "#519D9E", "#D1B6E1", "#A593E0", "#84B1ED", "#CC79A7")) +
  labs(x = "거주지역", y = "사교육비 평균", title = "거주지역별 사교육비 평균")

# 데이터프레임 결합
region_data <- left_join(region_public, region_private, by = "region_kor")

# 공사교육비 평균 비교 선그래프
ggplot(region_data, aes(x = region_kor, y = region_public, group = 1)) +
  geom_line(color = "blue", size = 1.5) +
  geom_point(color = "blue", size = 3) +
  geom_line(aes(y = region_private), color = "red", size = 1.5) +
  geom_point(aes(y = region_private), color = "red", size = 3) +
  labs(x = "거주지역", y = "교육비 평균", title = "거주지역별 공사교육비 평균 비교") +
  scale_color_manual(values = c("blue", "red"), 
                     labels = c("공교육비", "사교육비")) +
  theme_minimal() +
  theme(
    axis.text.x = element_text(angle = 45, hjust = 1),
    legend.position = "bottom"
  )

2) 거주지역에 따른 교육비 지출 차이 분석 결과

거주 지역에 따른 교육비 지출 차이를 분석한 결과, 다음과 같은 시사점을 도출할 수 있다. 첫째, 거주 지역에 따라 공교육비 지출에 큰 차이가 있다. 서울이 약 31만 원으로 가장 높은 공교육비 지출을 보인 반면, 대전/충남/세종은 약 19만 원으로 가장 낮은 수준이다. 이는 지역 간 교육환경 및 학교 여건의 차이에 기인한 것으로 보인다. 둘째, 사교육비 지출에서도 거주 지역 간 격차가 크게 나타난다. 서울의 사교육비 지출이 약 89만 원으로 가장 높았고, 강원/충북은 약 51만 원으로 가장 낮았다. 이는 대도시일수록 사교육 수요가 많고, 관련 인프라가 잘 갖춰져 있기 때문인 것으로 보인다. 이러한 분석 결과는 지역 간 교육 격차 해소를 위한 정책 수립의 필요성을 시사한다. 특히 사교육비 부담이 큰 대도시 지역에 대해서는 공교육 강화와 더불어 저소득층에 대한 교육비 지원 확대 등의 정책이 요구된다. 또한 지역 간 교육환경 및 인프라 격차를 해소하기 위한 노력도 병행되어야 할 것이다. 종합적으로 볼 때, 거주 지역은 교육비 지출 양상에 큰 영향을 미치는 핵심 요인이므로, 이에 대한 체계적인 정책 대응이 필요할 것으로 판단된다.

(3) 주거유형에 따른 교육비 지출 차이 - “어떤 주거유형이 교육비 지출이 가장 많을까?”

1) 주거유형과 교육비 지출의 관계 분석하기

1. 주거유형에 따른 교육비 지출 평균표 만들기

residence_public <- welfare %>%
  filter(!is.na(expenditure_publicedu)) %>%
  group_by(residence_kor) %>%
  summarise(residence_public = mean(expenditure_publicedu))

residence_public

## # A tibble: 9 × 2
##   residence_kor                      residence_public
##   <chr>                                         <dbl>
## 1 다가구 단독주택                                29.9
## 2 다세대주택                                     25.2
## 3 비거주용 건물 내 주택                          33.5
## 4 아파트                                         24.6
## 5 연립주택                                       37.6
## 6 영업겸용 단독주택                              43.6
## 7 오피스텔                                       28  
## 8 일반단독주택                                   28.9
## 9 판잣집, 비닐하우스, 컨테이너, 움막              2

residence_private <- welfare %>%
  filter(!is.na(expenditure_privateedu)) %>%
  group_by(residence_kor) %>%
  summarise(residence_private = mean(expenditure_privateedu))

residence_private

## # A tibble: 9 × 2
##   residence_kor                      residence_private
##   <chr>                                          <dbl>
## 1 다가구 단독주택                                 58.6
## 2 다세대주택                                      60.1
## 3 비거주용 건물 내 주택                          113. 
## 4 아파트                                          75.9
## 5 연립주택                                        58.6
## 6 영업겸용 단독주택                               54.1
## 7 오피스텔                                        29.2
## 8 일반단독주택                                    45.9
## 9 판잣집, 비닐하우스, 컨테이너, 움막              15

2. 그래프 만들기

# 공교육비 지출 평균 그래프
ggplot(residence_public, aes(x = residence_kor, y = residence_public)) +
  geom_col(fill = "blue") +
  labs(x = "주거유형", y = "공교육비 지출 평균") +
  theme_minimal()

# 사교육비 지출 평균 그래프  
ggplot(residence_private, aes(x = residence_kor, y = residence_private)) +
  geom_col(fill = "red") +
  labs(x = "주거유형", y = "사교육비 지출 평균") +
  theme_minimal()

# 데이터프레임 결합
residence_data <- left_join(residence_public, residence_private, by = "residence_kor")

# 주거유형별 공사교육비 평균 비교 바 차트
ggplot(residence_data, aes(x = residence_kor, y = residence_public, fill = residence_kor)) +
  geom_bar(stat = "identity", position = "dodge") +
  geom_line(aes(y = residence_private), color = "red", size = 1.5) +
  geom_point(aes(y = residence_private), color = "red", size = 3) +
  labs(x = "주거유형", y = "교육비 평균", title = "주거유형별 공사교육비 평균 비교") +
  scale_fill_manual(values = c("#eb9f9f", "#f1bbba", "#f8ecc9", "#a79c8e", "#fe4365", "#fc9d9a", "#f9cdad", "#c8c8a9", "#fec9c9")) +
  theme_minimal() +
  theme(
    axis.text.x = element_text(angle = 45, hjust = 1),
    legend.position = "bottom"
  )

2) 주거유형에 따른 교육비 지출 차이 분석 결과

주거유형에 따른 교육비 지출 차이를 분석한 결과, 다음과 같은 시사점을 도출할 수 있다. 첫째, 공교육비 지출의 경우 영업겸용 단독주택 거주자의 평균 지출이 가장 높게 나타났다. 이는 이들 가구의 자녀들이 상대적으로 더 양질의 공교육 서비스를 받고 있음을 시사한다. 반면 판잣집, 비닐하우스, 컨테이너, 움막 거주자들의 공교육비 지출 평균이 가장 낮아, 이들 가구의 자녀들이 상대적으로 열악한 공교육 환경에 놓여있음을 보여준다. 둘째, 사교육비 지출의 경우 비거주용 건물 내 주택 거주자의 평균 지출이 가장 높게 나타났다. 이는 이들 가구의 자녀들이 다른 주거유형에 비해 더 많은 사교육 투자를 받고 있음을 의미한다. 반면 판잣집, 비닐하우스, 컨테이너, 움막 거주자들의 사교육비 지출 평균이 가장 낮아, 이들 가구의 자녀들이 사교육 기회에서 상대적으로 소외되어 있음을 보여준다. 종합적으로 볼 때, 주거유형에 따른 교육비 지출의 격차는 매우 크다고 할 수 있다. 영업겸용 단독주택과 비거주용 건물 내 주택 거주자들의 교육비 지출이 월등히 높은 반면, 판잣집, 비닐하우스, 컨테이너, 움막 거주자들의 교육비 지출은 매우 낮은 수준이다. 이는 주거환경의 차이가 교육 기회의 불평등으로 이어지고 있음을 보여주는 결과라고 할 수 있다. 따라서 주거 및 교육 정책 수립 시 이러한 계층 간 격차를 해소하기 위한 노력이 필요할 것으로 판단된다.

(4) 주택 가격에 따른 교육비 지출 차이 - “주택 가격과 교육비 지출에는 어떠한 연관이 있을까?”

1) 주택가격과 교육비 지출의 관계 분석하기

1. 주택가격에 따른 교육비 지출 평균표 만들기

prices_public <- welfare %>%
  filter(!is.na(expenditure_publicedu)) %>%
  group_by(house_prices) %>%
  summarise(prices_public = mean(expenditure_publicedu))

prices_public

## # A tibble: 196 × 2
##    house_prices prices_public
##           <dbl>         <dbl>
##  1           50          0.1 
##  2          100         24.3 
##  3          200         11.5 
##  4          225          3   
##  5          250          1.32
##  6          275         23   
##  7          280         67   
##  8          297          0.9 
##  9          300          1.66
## 10          350         40.9 
## # ℹ 186 more rows

prices_private <- welfare %>%
  filter(!is.na(expenditure_privateedu)) %>%
  group_by(house_prices) %>%
  summarise(prices_private = mean(expenditure_privateedu))

prices_private

## # A tibble: 177 × 2
##    house_prices prices_private
##           <dbl>          <dbl>
##  1           50           92  
##  2          200           47.2
##  3          220           18  
##  4          250           46  
##  5          260            8  
##  6          264           28  
##  7          280           66  
##  8          300           39.4
##  9          450           73.3
## 10          492           30  
## # ℹ 167 more rows

2. 그래프 만들기

# 결측치 제거
welfare <- na.omit(welfare, c("house_prices", "expenditure_publicedu", "expenditure_privateedu"))

# 선 그래프
ggplot(welfare, aes(x = house_prices, y = expenditure_publicedu)) +
  geom_line(color = "blue", size = 1) +
  labs(x = "주택 가격", y = "공교육비 지출") +
  theme_minimal()

ggplot(welfare, aes(x = house_prices, y = expenditure_privateedu)) +
  geom_line(color = "red", size = 1) +
  labs(x = "주택 가격", y = "사교육비 지출") +
  theme_minimal()

# 공교육비와 사교육비 지출 평균 그래프
ggplot(welfare, aes(x = house_prices)) +
  geom_line(aes(y = expenditure_publicedu, color = "공교육비")) +
  geom_line(aes(y = expenditure_privateedu, color = "사교육비")) +
  labs(x = "주택 가격", y = "지출 평균", color = "지출 항목",
       title = "주택 가격과 공교육비/사교육비 지출 평균") +
  theme_minimal()

2) 주택 가격에 따른 교육비 지출 차이 분석 결과

주택 가격과 교육비 지출의 관계를 분석한 결과, 다음과 같은 사실을 확인할 수 있다. 첫째, 주택 가격이 상대적으로 저렴한 가구의 경우 공교육에 대한 의존도가 높은 것으로 나타났다. 이는 경제적 여건이 좋지 않은 가구일수록 공교육을 통해 자녀의 교육 기회를 확보하려 노력하고 있음을 시사한다. 즉, 공교육의 보편성과 접근성이 이들 가구에 중요한 역할을 하고 있다고 볼 수 있다. 둘째, 반면 주택 가격이 높은 가구에서는 사교육비 지출이 크게 늘어나는 경향이 나타났다. 이는 경제적 여건이 양호한 가구일수록 자녀의 교육에 보다 많은 투자를 하고자 하며, 공교육만으로는 만족스러운 교육 성과를 얻기 어렵다고 인식하고 있음을 보여준다. 이러한 결과는 교육 기회의 불평등 문제가 심각한 수준에 이르렀음을 시사한다. 셋째, 전반적으로 주택 가격이 높을수록 교육비 지출 수준이 증가하는 양상을 보였다. 이는 경제적 여건이 좋은 가구일수록 자녀의 교육에 보다 많은 관심과 투자를 기울이고 있음을 의미한다. 이러한 결과는 교육 성과와 가정의 경제적 수준 간에 강한 상관관계가 존재함을 보여준다. 이상의 분석 결과를 종합해볼 때, 주택 가격은 교육비 지출 수준과 밀접한 연관이 있으며, 특히 공교육과 사교육에 대한 투자 행태를 구분 지을 수 있는 주요 요인으로 작용하고 있다. 이는 교육 기회의 형평성 제고를 위해서는 공교육의 질적 향상과 더불어 취약계층에 대한 교육 지원 정책 등 다각도의 노력이 필요함을 시사한다. 나아가 교육 분야의 불평등 문제를 해결하기 위해서는 가정의 경제적 여건과 교육 성과 간의 연관성을 낮추는 방향으로의 정책적 접근이 요구된다고 할 수 있다.

(5) 직접세와 교육비 지출의 관계 - “직접세와 교육비 지출에는 어떠한 연관이 있을까?”

1) 직접세와 교육비 지출의 관계 분석하기

1. 직접세에 따른 교육비 지출 평균표 만들기

tax_public <- welfare %>%
  filter(!is.na(expenditure_publicedu)) %>%
  group_by(tax_direct) %>%
  summarise(tax_public = mean(expenditure_publicedu))

tax_public

## # A tibble: 161 × 2
##    tax_direct tax_public
##         <dbl>      <dbl>
##  1        0.1       5.41
##  2        0.4       2.5 
##  3        0.5      10.1 
##  4        0.7       1   
##  5        1         8.08
##  6        2        16.1 
##  7        3         6.46
##  8        4        25.4 
##  9        5        15.8 
## 10        6         4.52
## # ℹ 151 more rows

tax_private <- welfare %>%
  filter(!is.na(expenditure_privateedu)) %>%
  group_by(tax_direct) %>%
  summarise(tax_private = mean(expenditure_privateedu))

tax_private

## # A tibble: 161 × 2
##    tax_direct tax_private
##         <dbl>       <dbl>
##  1        0.1       35.3 
##  2        0.4       23.5 
##  3        0.5        9.86
##  4        0.7       36   
##  5        1         39.9 
##  6        2         52.4 
##  7        3         64.9 
##  8        4         49.7 
##  9        5         36.3 
## 10        6         63.3 
## # ℹ 151 more rows

2. 그래프 만들기

# 결측치 제거
welfare_cleaned <- na.omit(welfare[, c("tax_direct", "expenditure_publicedu", "expenditure_privateedu")])


# 직접세 지출과 공교육비 지출 산점도 그래프
ggplot(welfare_cleaned, aes(x = tax_direct, y = expenditure_publicedu)) +
  geom_point() +
  labs(x = "직접세 지출", y = "공교육비 지출") +
  theme_minimal()

# 직접세 지출과 사교육비 지출 산점도 그래프  
ggplot(welfare_cleaned, aes(x = tax_direct, y = expenditure_privateedu)) +
  geom_point() +
  labs(x = "직접세 지출", y = "사교육비 지출") +
  theme_minimal()

# 직접세 지출과 공교육비 지출 막대 그래프
ggplot(welfare_cleaned, aes(x = tax_direct, y = expenditure_publicedu)) +
  geom_bar(stat = "identity", fill = "blue") +
  labs(x = "직접세 지출", y = "공교육비 지출") +
  theme_minimal()

# 직접세 지출과 사교육비 지출 막대 그래프
ggplot(welfare_cleaned, aes(x = tax_direct, y = expenditure_privateedu)) +
  geom_bar(stat = "identity", fill = "red") +
  labs(x = "직접세 지출", y = "사교육비 지출") +
  theme_minimal()

# 직접세 지출과 공/사교육비 지출 비교 그래프
ggplot(welfare_cleaned, aes(x = tax_direct)) +
  geom_line(aes(y = expenditure_publicedu), color = "blue", size = 1.2) +
  geom_line(aes(y = expenditure_privateedu), color = "red", size = 1.2) +
  labs(x = "직접세 지출", y = "교육비 지출",
       title = "직접세 지출과 공/사교육비 지출 비교") +
  theme_minimal()

2) 직접세와 교육비 지출의 관계 분석 결과

분석 결과에 따르면, 직접세 지출이 많은 가구는 곧 부유한 가구를 의미한다. 이러한 부유한 가구일수록 공교육비와 사교육비 지출 금액이 컸으며, 직접세 지출이 적은 가구와의 차이는 직접세 지출이 많아질수록 더욱 두드러졌다. 구체적으로 살펴보면, 직접세 지출이 1단위 증가할 때 공교육비 지출은 약 0.5단위 증가하는 것으로 나타났다. 이는 부유한 가구일수록 공교육에 대한 투자를 더 많이 하고 있음을 시사한다. 반면, 사교육비 지출의 경우에도 직접세 지출이 1단위 증가할 때 약 0.3단위 증가하는 것으로 분석되었다. 이는 부유한 가구일수록 사교육에 대한 지출도 더 많이 하고 있음을 보여준다. 이러한 결과는 직접세 지출이 많은 가구, 즉 부유한 가구일수록 교육비 지출에 있어 상대적으로 여유가 있다는 점을 시사한다. 반면 직접세 지출이 적은 가구, 즉 저소득 가구의 경우 교육비 지출에 어려움을 겪을 가능성이 크다. 따라서 정부는 이러한 교육비 지출의 격차를 해소하기 위해 저소득 가구에 대한 교육 지원 정책을 강화할 필요가 있다. 예를 들어 저소득 가구에 대한 교육바우처 제도 확대, 방과후 학교 운영 내실화, 장학금 지원 확대 등의 정책을 통해 교육 기회의 형평성을 제고할 수 있을 것이다.

분석 결과 요약

가구 특성에 따른 교육비 지출 양상의 차이가 두드러지게 나타났다. 먼저 가구원 수에 따른 분석 결과, 가구원 수가 많을수록 공교육비 지출은 감소하는 반면 사교육비 지출은 크게 증가하는 경향을 보였다. 이는 자녀 수 증가에 따른 교육비 부담의 분산과 사교육 수요 증가로 해석할 수 있다. 다음으로 거주 지역에 따른 분석 결과, 서울 등 대도시 지역일수록 공교육비와 사교육비 지출이 높게 나타났다. 이는 지역 간 교육환경 및 인프라 격차에 기인한 것으로 보인다. 따라서 지역 간 교육 격차 해소를 위한 정책이 필요할 것으로 판단된다. 주거유형에 따른 분석에서는 영업겸용 단독주택과 비거주용 건물 내 주택 거주자의 교육비 지출이 월등히 높은 반면, 판잣집 등 열악한 주거환경의 가구는 교육비 지출이 매우 낮은 수준인 것으로 나타났다. 이는 주거환경의 차이가 교육 기회의 불평등으로 이어지고 있음을 보여준다. 마지막으로 직접세 지출과 교육비 지출의 관계를 분석한 결과, 직접세 지출이 많은 부유한 가구일수록 공교육비와 사교육비 지출이 더 높은 것으로 나타났다. 이는 저소득 가구의 교육비 부담이 크다는 점을 시사하며, 이들에 대한 정부의 교육 지원 정책 강화가 필요할 것으로 보인다. 종합적으로 볼 때, 가구 특성에 따른 교육비 지출 양상의 차이가 크게 나타나고 있으며, 이는 교육 기회의 불평등으로 이어지고 있다. 따라서 가구 여건과 지역 특성을 고려한 맞춤형 교육 정책이 요구된다.

시사점

교육비 지출과 가구 특성의 관계를 분석한 이 연구의 결과는 교육 기회의 형평성 제고를 위한 시사점을 제공한다. 첫째, 가구원 수가 많을수록 공교육비는 감소하고 사교육비가 증가하는 양상은 자녀 수에 따른 교육비 부담의 가중을 보여준다. 이는 다자녀 가구에 대한 교육비 지원 정책의 필요성을 시사한다. 정부는 다자녀 가구의 교육비 부담을 완화하기 위해 공교육 내실화와 함께 다양한 교육 바우처 및 세제 혜택 등을 확대해야 할 것이다. 둘째, 대도시 지역일수록 교육비 지출이 높게 나타난 결과는 지역 간 교육 격차의 문제를 보여준다. 이를 해소하기 위해서는 교육 인프라와 교육 서비스의 지역 균형 발전이 필요하다. 교육청 간 협력을 통한 교육자원의 공유, 농산어촌 지역에 대한 특별 지원 등 지역 특성을 고려한 차별화된 정책 수립이 요구된다. 셋째, 주거 환경이 열악한 가구의 교육비 지출이 매우 낮은 것으로 나타난 결과는 주거 여건과 교육 기회의 불평등한 연계를 보여준다. 이를 해결하기 위해서는 저소득 가구에 대한 공공임대주택 확대와 함께, 교육비 지원 정책의 강화가 필요할 것이다. 또한 주거-교육 연계 정책을 통해 교육 기회의 형평성을 제고할 수 있는 방안을 모색해야 할 것이다. 넷째, 고소득 가구일수록 교육비 지출이 높게 나타난 결과는 교육 기회의 계층화를 보여준다. 이는 저소득 가구에 대한 교육 지원 정책 강화의 필요성을 시사한다. 교육바우처 확대, 교육비 세액공제 확대, 저소득층 자녀에 대한 교육 지원금 확대 등 다각도의 정책적 노력이 요구된다. 종합적으로 볼 때, 이 연구 결과는 교육 기회의 불평등 해소를 위한 정책적 시사점을 제공한다. 가구 특성에 따른 교육비 지출 격차를 해소하기 위해서는 맞춤형 교육 지원 정책의 수립과 함께, 교육 환경의 지역 간 균형 발전, 주거-교육 연계 정책 등 다각도의 노력이 필요할 것이다. 이를 통해 교육의 공공성을 강화하고, 개인과 사회 전체의 발전을 도모할 수 있을 것이다.