연구 목적 및 배경

우리나라에선 전통적 가족관이 점차 옅어지고, 개인의 라이프 스타일을 중시하며 보다 독립적이고 자유로운 가치를 추구하는 사회로 변모하고 있다. 평균 초혼 연령이 높아지고 비혼주의를 선언하는 사람들이 늘어나며 1인 가구의 수 역시 급격히 증가하고 있다. 이러한 흐름에 맞추어 기업에서는 ’혼밥족’을 위한 1인석, 한조각 피자, 1인분 배달처럼 1인 가구를 타겟으로 한 서비스들을 내놓고 있지만, 제도적 지원은 충분히 마련되어 있다고 보기 어렵다.

1인 가구는 혼자서 모든 생활비용을 부담해야 하기 때문에 일자리가 불안정하거나 수입이 적은 경우에 어려움을 겪을 수도 있고, 사회적 관계의 약화로 인해 고립감과 외로움을 겪을 수도 있다. 이외에도 개인의 생활에 밀접하게 연관된 문제들에 취약한 모습을 보이고 있으며 신체적/심리적 건강에도 악영향을 줄 수 있다.

본 연구에서는 변화하는 사회의 지표인 1인 가구 비율의 증가와 함께 이들의 행복도가 어떠한지 알아보고, 이에 영향을 미칠 수 있는 요인을 파악하여 취약점을 보완하고 문제에 발빠르게 대처할 수 있는 방안에 대한 통찰을 제공하고자 한다.

데이터에 대한 개괄적인 설명

분석에 사용한 데이터는 2005년부터 2022년까지 한국복지패널에서 조사를 진행한 1차~18차 결합데이터이다. 가구용 데이터와 가구원용 데이터를 합한 머지데이터를 세로로 이어붙인 데이터를 사용하였다.

그중에서도 9차~18차에 해당되는 데이터를 추출하여 2013년부터 2022년까지 10년간 1인 가구 수의 추이를 살펴보고, 가장 최신 자료인 18차 데이터를 활용하여 더 자세히 분석하였다.

본 연구에서는 1인 가구의 행복에 어떤 요인이 영향을 미치는지 분석하기 위해서 1) 인구사회학적 요인, 2) 경제적 요인, 3) 심리사회적 요인으로 나눠 살펴보았다.

행복을 측정하는 변수로는 0점(최악의 상태)부터 10점(최상의 상태)으로 이뤄진 ‘삶의 사다리 점수’를 활용하였다. 삶의 사다리 점수란, 개인의 삶을 밑(0)부터 꼭대기(10)까지 숫자가 매겨져 있는 사다리로 비유하여 자신이 어느 상태에 위치해 있는지를 표현하는 점수이다.

  1. 인구사회학적 요인으로는 ‘성별’과 ‘연령’,
  2. 경제적 요인으로는 ‘월급’ 대비 ‘총생활비’,
  3. 심리사회적 요인으로는 ‘사회적 관계 만족도’와 ‘가족관계 만족도’를 사용하였다.
연령은 만으로 계산하여 34세 이하는 청년, 35세~64세는 중년, 65세 이상은 노년층으로 구분하여 분석하였다. 그 외에도 총생활비 중에서 주거비와 식비의 비중을 알아보기 위해 관련 변수를 추가하였다. 또한 이들의 실질적인 생활의 어려움과 필요로 하는 도움의 종류를 알아보기 위해서 ‘삶을 위해 필요한 제도나 서비스에 대해 필요성을 얼마나 느끼는지’ 응답한 조사 내용을 사용했다.

데이터 정제 및 가공 과정


1. 데이터 준비

한국복지패널의 1~18차 결합데이터를 세로로 이어붙인 머지데이터(가구+가구원+부가데이터)를 불러온 뒤, 2022년에 해당하는 18차 데이터와 2013년~2022년에 해당하는 9~18차 데이터를 각각 ‘wel18’과 ‘wel10’에 따로 저장하였다.

  • ‘wel18’에는 가구 형태를 포함하여 분석에 필요한 변수들을 모두 선택하여 저장했고,
  • ‘wel10’에는 1인 가구의 10년간 변화 추이를 알아보고자 ’조사 연도’와 ’가구 형태’만을 선택하여 저장하였다.

분석의 편의를 위해 변수명과 일부 관측치의 이름을 한글화하는 과정을 거쳤다.

# 원자료 불러오기
raw_welfare <- read.spss(file = "koweps_hp01_18_long_240329.sav",
                         to.data.frame = T)

# 9~18차 10개년 데이터
wel10 <- raw_welfare %>% filter(year >= 2013) %>% 
  select(year,                           # 조사 연도
         code_hhold = h01_110)           # 가구 형태 코드
wel10 %>% head
-   year code_hhold
- 1 2013          1
- 2 2014          1
- 3 2015          1
- 4 2016          1
- 5 2017          1
- 6 2013          1
# 18차 데이터
wel18 <- raw_welfare %>% filter(year == 2022) %>% 
  select(sex = h_g3,                     # 성별
         birth = h_g4,                   # 태어난 연도
         income = p02_8aq1,              # 월급
         code_hhold = h01_110,           # 가구 형태 코드
         cost = h07_9,                   # 총생활비
         cost_rent = h07_3aq3,           # 월세
         cost_maintain = h07_3aq4,       # 관리비
         cost_water = h07_3aq5,          # 수도세
         cost_meal_in = h07_3aq1,        # 가정식비
         cost_meal_out = h07_3aq2,       # 외식비
         sat_family = p03_8,             # 가족관계 만족도
         sat_social = p03_10,            # 사회적 관계 만족도
         happy = p05_12aq1,              # 삶의 사다리 점수
         need_income = da_18aq5,         # 지원 필요도 - 소득보장
         need_psi = da_18aq7,            # 지원 필요도 - 의료보장(신체건강)
         need_psy = da_18aq9,            # 지원 필요도 - 의료보장(정신건강)
         need_hire = da_18aq11,          # 지원 필요도 - 고용보장
         need_live = da_18aq13,          # 지원 필요도 - 주거보장
         need_move = da_18aq15,          # 지원 필요도 - 이동권보장
         need_par_com = da_18aq17,       # 지원 필요도 - 의사소통 정보접근 참여보장
         need_edu = da_18aq19,           # 지원 필요도 - 보육 교육 보장
         need_par_soc = da_18aq21,       # 지원 필요도 - 사회 참여 보장
         need_leisure = da_18aq23,       # 지원 필요도 - 문화여가생활 및 체육활동 보장
         need_selfdec = da_18aq25,       # 지원 필요도 - 자기의사결정권 행사 지원
         need_abuse = da_18aq27,         # 지원 필요도 - 학대 방지
         need_disc = da_18aq29)          # 지원 필요도 - 사회적 차별 금지
wel18 %>% head
-   sex birth income code_hhold cost cost_rent cost_maintain cost_water
- 1   2  1945     NA          1   90         0           0.1          7
- 2   1  1948    180          1  177        40           0.0         10
- 3   1  1942     NA          1   91         0           0.3         10
- 4   1  1962    252          5  408         0           0.9         15
- 5   2  1963     NA          5  408         0           0.9         15
- 6   2  2003     NA          5  408         0           0.9         15
-   cost_meal_in cost_meal_out sat_family sat_social happy need_income need_psi
- 1           25             5          4          3     5          NA       NA
- 2           50             5          4          4    10          NA       NA
- 3           24             6          2          3     7          NA       NA
- 4           71            55          4          4     9          NA       NA
- 5           71            55          1          3     7          NA       NA
- 6           71            55          1          4     7          NA       NA
-   need_psy need_hire need_live need_move need_par_com need_edu need_par_soc
- 1       NA        NA        NA        NA           NA       NA           NA
- 2       NA        NA        NA        NA           NA       NA           NA
- 3       NA        NA        NA        NA           NA       NA           NA
- 4       NA        NA        NA        NA           NA       NA           NA
- 5       NA        NA        NA        NA           NA       NA           NA
- 6       NA        NA        NA        NA           NA       NA           NA
-   need_leisure need_selfdec need_abuse need_disc
- 1           NA           NA         NA        NA
- 2           NA           NA         NA        NA
- 3           NA           NA         NA        NA
- 4           NA           NA         NA        NA
- 5           NA           NA         NA        NA
- 6           NA           NA         NA        NA


2. 변수 전처리

2-1. 가구 형태 코드 한글화

‘단독(1인) 가구’, ‘모자 가구’, ‘부자 가구’, ‘조손 가구/소년소녀가장’, ’기타’의 5가지 유형이 숫자로 코딩된 가구 형태 코드를 한글로 변환하였다.

list_hhold <- data.frame(code_hhold = c(1:5),
                         household = c("단독(1인) 가구",
                                       "모자 가구", 
                                       "부자 가구",
                                       "조손 가구/소년소녀가장",
                                       "기타"))
wel18 <- left_join(wel18, list_hhold, by = join_by(code_hhold))
wel10 <- left_join(wel10, list_hhold, by = join_by(code_hhold))
wel18 %>% select(code_hhold, household) %>% head
-   code_hhold      household
- 1          1 단독(1인) 가구
- 2          1 단독(1인) 가구
- 3          1 단독(1인) 가구
- 4          5           기타
- 5          5           기타
- 6          5           기타
wel10 %>% select(code_hhold, household) %>% head
-   code_hhold      household
- 1          1 단독(1인) 가구
- 2          1 단독(1인) 가구
- 3          1 단독(1인) 가구
- 4          1 단독(1인) 가구
- 5          1 단독(1인) 가구
- 6          1 단독(1인) 가구

2-2. 삶의 사다리 점수

이상치를 제거하고, 0~3점은 낮음(low), 4~7점은 보통(moderate), 8~10점은 높음(high)으로 구분하여 factor 형태로 ‘happyg’ 변수에 추가하였다.

wel18$happy <- ifelse(wel18$happy > 10, NA, wel18$happy)
wel18 <- wel18 %>%
  mutate(happyg = as.factor(ifelse(happy <= 3, "low",
                       ifelse(happy <=7, "moderate", "high"))))
wel18$happyg <- factor(wel18$happyg, levels = c('high', 'moderate', 'low'))
wel18$happyg %>% head
- [1] moderate high     moderate high     moderate moderate
- Levels: high moderate low

2-3. 성별, 연령, 연령대

이상치를 제거한 뒤, 남성(male)과 여성(female)으로 구분하여 명명했다. 연령은 연도에서 출생연도를 뺀 만 나이로 계산하였고, 34세 이하는 청년(young), 35세~64세는 중년(middle), 65세 이상은 노년(old)으로 구분하였다.

# 성별
wel18$sex <- ifelse(wel18$sex == 9, NA, ifelse(wel18$sex == 1, "male", "female"))
table(wel18$sex)
- 
- female   male 
-   8787   7144
# 연령
wel18$age <- (2022 - wel18$birth)
wel18 <- wel18 %>%
  mutate(ageg = as.factor(ifelse(age < 35, "young",
                       ifelse(age < 65, "middle", "old"))))
wel18$ageg <- factor(wel18$ageg, levels = c('young', 'middle', 'old'))
wel18$ageg %>% head(20)
-  [1] old    old    old    middle middle young  old    old    old    middle
- [11] young  old    old    middle middle middle young  young  old    old   
- Levels: young middle old

2-4. 소득 대비 지출, 지출 중 주거비/식비

먼저 boxplot으로 월급과 생활비의 극단치를 확인하여 월급은 0 ~ 736 사이를 벗어나는 수치, 생활비는 30 ~ 1229 사이를 벗어나는 수치를 결측 처리하였다.

boxplot(wel18$cost)$stats
-      [,1]
- [1,]   30
- [2,]  192
- [3,]  377
- [4,]  607
- [5,] 1229
boxplot(wel18$income)$stats
-      [,1]
- [1,]    0
- [2,]  133
- [3,]  250
- [4,]  375
- [5,]  736
wel18$cost <- ifelse(wel18$cost < 30, NA, 
                     ifelse(wel18$cost > 1229, NA, wel18$cost))
wel18$cost %>% head(20)
-  [1]  90 177  91 408 408 408 408 408  76 182 182 105 105  42 796 796 796 796 198
- [20] 198
wel18$income <- ifelse(wel18$income == 0, NA, 
                     ifelse(wel18$income > 736, NA, wel18$income))
wel18$income %>% head(20)
-  [1]  NA 180  NA 252  NA  NA  NA  NA  27  NA  NA  NA  NA  NA 283 233  NA  NA  NA
- [20]  60


그 다음 총생활비를 월급으로 나누어 ‘월급 대비 총생활비(cost_income)’ 파생변수를 생성하였다. 소수점 아래 둘째 자리까지 표시하였다.

wel18$cost_income <- round(wel18$cost/wel18$income, 2)
wel18$cost_income %>% head(20)
-  [1]   NA 0.98   NA 1.62   NA   NA   NA   NA 2.81   NA   NA   NA   NA   NA 2.81
- [16] 3.42   NA   NA   NA 3.30


그리고 주 지출 분야를 확인하기 위하여 ‘주거비(월세+관리비+수도세)’와 ‘식비(가정식비+외식비)’를 추가하고 극단치를 결측치 처리하였다. 모든 금액의 단위는 만 원이다.

# 주거비
wel18 <- wel18 %>% 
  mutate(cost_living = cost_rent+cost_maintain+cost_water)

boxplot(wel18$cost_living)$stats
-      [,1]
- [1,]    0
- [2,]   17
- [3,]   23
- [4,]   31
- [5,]   52
wel18$cost_living <- ifelse(wel18$cost_living == 0, NA, 
                     ifelse(wel18$cost_living > 52, NA, wel18$cost_living))
wel18$cost_living %>% head
- [1]  7.1 50.0 10.3 15.9 15.9 15.9
# 식비
wel18 <- wel18 %>% 
  mutate(cost_meal = cost_meal_in+cost_meal_out)

boxplot(wel18$cost_meal)$stats
-      [,1]
- [1,]    3
- [2,]   57
- [3,]   87
- [4,]  124
- [5,]  224
wel18$cost_meal <- ifelse(wel18$cost_meal < 3, NA, 
                     ifelse(wel18$cost_meal > 224, NA, wel18$cost_meal))
wel18$cost_meal %>% head
- [1]  30  55  30 126 126 126

2-5. 관계 만족도 점수

가족관계, 사회적 관계 만족도 모두 1~2점은 ‘low’, 3점(그저 그렇다)은 ‘moderate’, 4~5점은 ‘high’의 factor 변수로 치환하였다.

wel18 <- wel18 %>% 
  mutate(sat_fam_g = as.factor(ifelse (sat_family == 9, NA, ifelse(sat_family >= 4, 'high', 
                                      ifelse(sat_family == 3, 'moderate', 'low')))),
         sat_soc_g = as.factor(ifelse (sat_social == 9, NA, ifelse(sat_social >= 4, 'high', 
                                      ifelse(sat_social == 3, 'moderate', 'low')))))
wel18$sat_fam_g <- factor(wel18$sat_fam_g, levels = c('low', 'moderate', 'high'))
wel18$sat_soc_g <- factor(wel18$sat_soc_g, levels = c('low', 'moderate', 'high'))
wel18 %>% select(sat_fam_g, sat_soc_g) %>% head
-   sat_fam_g sat_soc_g
- 1      high  moderate
- 2      high      high
- 3       low  moderate
- 4      high      high
- 5       low  moderate
- 6       low      high

2-6. 생활 제도 및 지원 필요 정도

마지막으로 소득, 의료, 고용, 주거, 교육 등 13 항목으로 이루어진 ‘삶에 필요한 서비스에 대한 조사’에서 각 항목에 동의하는 정도를 알아보기 위하여 ‘필요’와 ’매우 필요’는 ’O’, ’전혀 불필요’와 ’불필요’는 NA로 치환하여 각 항목별 파생변수를 추가하였다. 그리고 1인 가구 데이터에 한해서 항목명, 필요 여부를 변수로 두는 새 데이터프레임 ’needif’를 생성하였다.

wel18 <- wel18 %>% mutate(N_income_if = ifelse (need_income == 9, NA, ifelse(need_income >= 3, 'O', NA)))
wel18 <- wel18 %>% mutate(N_psi_if = ifelse (need_psi == 9, NA, ifelse(need_psi >= 3, 'O', NA)))
wel18 <- wel18 %>% mutate(N_psy_if = ifelse (need_psy == 9, NA, ifelse(need_psy >= 3, 'O', NA)))
wel18 <- wel18 %>% mutate(N_hire_if = ifelse (need_hire == 9, NA, ifelse(need_hire >= 3, 'O', NA)))
wel18 <- wel18 %>% mutate(N_live_if = ifelse (need_live == 9, NA, ifelse(need_live >= 3, 'O', NA)))
wel18 <- wel18 %>% mutate(N_move_if = ifelse (need_move == 9, NA, ifelse(need_move >= 3, 'O', NA)))
wel18 <- wel18 %>% mutate(N_parcom_if = ifelse (need_par_com == 9, NA, ifelse(need_par_com >= 3, 'O', NA)))
wel18 <- wel18 %>% mutate(N_edu_if = ifelse (need_edu == 9, NA, ifelse(need_edu >= 3, 'O', NA)))
wel18 <- wel18 %>% mutate(N_parsoc_if = ifelse (need_par_soc == 9, NA, ifelse(need_par_soc >= 3, 'O', NA)))
wel18 <- wel18 %>% mutate(N_leisure_if = ifelse (need_leisure == 9, NA, ifelse(need_leisure >= 3, 'O', NA)))
wel18 <- wel18 %>% mutate(N_selfdec_if = ifelse (need_selfdec == 9, NA, ifelse(need_selfdec >= 3, 'O', NA)))
wel18 <- wel18 %>% mutate(N_abuse_if = ifelse (need_abuse == 9, NA, ifelse(need_abuse >= 3, 'O', NA)))
wel18 <- wel18 %>% mutate(N_disc_if = ifelse (need_disc == 9, NA, ifelse(need_disc >= 3, 'O', NA)))
wel18 %>% filter(!is.na(N_income_if)) %>% select(N_income_if, 
                                                 N_psi_if, 
                                                 N_psy_if, 
                                                 N_hire_if, 
                                                 N_live_if, 
                                                 N_move_if, 
                                                 N_parcom_if, 
                                                 N_edu_if, 
                                                 N_parsoc_if, 
                                                 N_leisure_if, 
                                                 N_selfdec_if, 
                                                 N_abuse_if, 
                                                 N_disc_if) %>% head
-   N_income_if N_psi_if N_psy_if N_hire_if N_live_if N_move_if N_parcom_if
- 1           O        O     <NA>         O      <NA>      <NA>        <NA>
- 2           O        O        O      <NA>         O      <NA>           O
- 3           O     <NA>        O         O      <NA>         O        <NA>
- 4           O        O        O         O         O         O           O
- 5           O        O        O         O         O         O           O
- 6           O        O        O         O         O         O           O
-   N_edu_if N_parsoc_if N_leisure_if N_selfdec_if N_abuse_if N_disc_if
- 1     <NA>        <NA>            O            O          O      <NA>
- 2        O        <NA>            O         <NA>          O         O
- 3     <NA>           O            O         <NA>       <NA>      <NA>
- 4        O           O            O            O          O         O
- 5        O           O            O            O          O         O
- 6        O           O            O            O          O         O
happy_one <- wel18 %>% filter(household == '단독(1인) 가구' & !is.na(happy))
needif <- data.frame(value=c("소득", 
                              "의료: 신체건강", 
                              "의료: 정신건강", 
                              "고용", 
                              "주거", 
                              "이동권", 
                              "의사소통/정보접근 참여", 
                              "보육/교육", 
                              "사회 참여", 
                              "문화/여가/체육", 
                              "자기의사결정권 행사", 
                              "학대 방지", 
                              "사회적 차별 금지"),
                     check = rep(c("O"), length.out = 13),
                     count = c(table(happy_one$N_income_if),
                          table(happy_one$N_psi_if),
                          table(happy_one$N_psy_if),
                          table(happy_one$N_hire_if),
                          table(happy_one$N_live_if),
                          table(happy_one$N_move_if),
                          table(happy_one$N_parcom_if),
                          table(happy_one$N_edu_if),
                          table(happy_one$N_parsoc_if),
                          table(happy_one$N_leisure_if),
                          table(happy_one$N_selfdec_if),
                          table(happy_one$N_abuse_if),
                          table(happy_one$N_disc_if)))
needif %>% head
-            value check count
- 1           소득     O   377
- 2 의료: 신체건강     O   392
- 3 의료: 정신건강     O   216
- 4           고용     O   181
- 5           주거     O   256
- 6         이동권     O   282


데이터 분석


가구 형태

먼저 2022년 기준, 각 가구유형이 전체에서 차지하는 비율과 그 수는 다음과 같다.

hhold_n <- wel18 %>% 
  group_by(household) %>% 
  filter(!is.na(household)) %>% 
  summarise(n=n()) %>% 
  mutate(total = sum(n)) %>% 
  mutate(prop = round(n/total*100, 2))
hhold_n
- # A tibble: 5 × 4
-   household                  n total  prop
-   <chr>                  <int> <int> <dbl>
- 1 기타                   12778 15931 80.2 
- 2 단독(1인) 가구          2972 15931 18.7 
- 3 모자 가구                103 15931  0.65
- 4 부자 가구                 44 15931  0.28
- 5 조손 가구/소년소녀가장    34 15931  0.21
ggplot(hhold_n, aes(x = "", y = n, fill = household)) +
  geom_bar(stat = "identity") +
  theme_void()+
  coord_polar(theta = "y") +
  geom_text(aes(label=paste0(round(prop, 1), '%')),
            position=position_stack(vjust=0.5),
            color='black', size=5) +
  labs(title = "2022 한국 가구 형태 분포",
       fill = "가구 형태",
       x = NULL,
       y = NULL) +
  theme(legend.position = "bottom",
        plot.title = element_text(face = "bold", hjust = 0.5, size = 20, color = "darkblue"))


한국복지패널의 가장 최신 자료인 2022년 18차 조사에서 전체 응답자 15,931명중 단독(1인) 가구라 응답한 사람은 2,972명으로, 전체에서 약 18.7%를 차지하며 ’기타’를 제외하고는 1인 가구의 수가 가장 높은 것으로 나타났다. 기타 가구를 전통적 형태의 가구라고 생각해 봤을 때, 다른 특수한 형태의 가구가 전체에서 차지하는 비율이 1%도 미치지 못한 것에 비해 1인 가구의 18.7%는 상당히 거대한 수치라고 볼 수 있다.

시간에 따른 1인 가구 수 증가

다음으로 1인 가구의 증가 시점과 양상을 알아보기 위해 10년간의 데이터를 분석해 봤다.

wel10 %>% filter(household == '단독(1인) 가구') %>% group_by(year) %>% summarise(count=n()) %>%
  ggplot(aes(x = year, y = count)) +
  geom_line(color = "darkblue", size = 0.8) +
  geom_point(color = "darkblue") +
  geom_text(aes(label=count), vjust=2.5) +
  theme(plot.title = element_text(face = "bold", hjust = 0.5, size = 20, color = "darkblue"),
        panel.background = element_rect(fill = "white"),
        panel.grid.major = element_blank(),
        panel.grid.minor = element_blank(),
        axis.line = element_line(color = "black")) +
  labs(title = "최근 10년 간 1인 가구 수의 변화", x = "연도", y = "1인 가구 수(명)") +
  scale_x_continuous(breaks = seq(2013,2022)) +
  coord_cartesian(ylim=c(1000,3200))


데이터를 보면 1인 가구의 수는 2019년에 잠시 주춤하긴 했으나 전체적으로 증가하는 양상을 띠고 있다. 특히 2021년에는 전년도보다 무려 800여가구가 늘어나며 가파르게 증가했다. 그러나 이 그래프는 전체 가구 중 1인 가구가 차지하는 비율이 아닌 단순 1인 가구의 수만 나타냈기 때문에 전체 인구 혹은 응답자 수와 함께 늘어났을 가능성이 있어 10년 동안의 1인 가구의 비율을 분석해 봤다.

hhold10_n <- wel10 %>% 
  group_by(year, household) %>% 
  filter(!is.na(household)) %>% 
  summarise(n=n()) %>% 
  mutate(total = sum(n)) %>% 
  mutate(prop = round(n/total*100, 2))
hhold10_n
- # A tibble: 50 × 5
- # Groups:   year [10]
-     year household                  n total  prop
-    <dbl> <chr>                  <int> <int> <dbl>
-  1  2013 기타                   14654 17134 85.5 
-  2  2013 단독(1인) 가구          1989 17134 11.6 
-  3  2013 모자 가구                242 17134  1.41
-  4  2013 부자 가구                 93 17134  0.54
-  5  2013 조손 가구/소년소녀가장   156 17134  0.91
-  6  2014 기타                   14182 16664 85.1 
-  7  2014 단독(1인) 가구          2017 16664 12.1 
-  8  2014 모자 가구                252 16664  1.51
-  9  2014 부자 가구                 87 16664  0.52
- 10  2014 조손 가구/소년소녀가장   126 16664  0.76
- # ℹ 40 more rows


이 표는 2013년부터 2022년까지 각 가구유형의 비율과 그 수, 그리고 각 연도의 전체 응답자 수를 나타낸다.

그래프를 통해 각 유형별 비율 변화를 나타내면 다음과 같다.

ggplot(hhold10_n, aes(x = year, y = prop, color = household, linetype = household,)) +
  geom_line(size=0.8) +
  theme(legend.position = "bottom",
        plot.title = element_text(face = "bold", hjust = 0.5, size = 20, color = "darkblue"),
        panel.background = element_rect(fill = "white"),
        panel.grid.major = element_line(color = "lightgray"),
        panel.grid.minor = element_blank(),
        axis.line = element_line(color = "black")) +
  labs(title = "최근 10년 간 가구 유형의 변화", x = "연도", y = "비율(%)", color = "가구 유형", linetype = "가구 유형") +
  scale_x_continuous(breaks = seq(2013,2022)) +
  coord_cartesian(ylim=c(0,100))


1인 가구의 비율은 2013년 이후로 감소한 적 없이 꾸준하고 완만한 증가 추세를 보이고 있다. 2021년에 특별히 그 비율이 커졌다기보다는 전체 응답자 수의 증가로 인해 값이 튄 것이라 볼 수 있다. 다른 가구 유형은 점차 감소하는 모습을 보이는 반면, 1인 가구의 비율은 모든 가구 유형 중에서 유일하게 증가세를 그리고 있다.

1인 가구의 행복도

이렇듯 점차 그 비중이 늘어나고 있는 1인 가구의 행복도가 기타 가구와 어느 정도의 차이가 있을지 알아보았다.

hhold_happy <- wel18 %>% 
  group_by(household) %>% 
  filter(household %in% c('단독(1인) 가구','기타')) %>% 
  summarise(mean_happy = round(mean(happy, na.rm = T), 2))
hhold_happy
- # A tibble: 2 × 2
-   household      mean_happy
-   <chr>               <dbl>
- 1 기타                 6.82
- 2 단독(1인) 가구       6.1
ggplot(hhold_happy, aes(x=household, y=mean_happy)) + 
  geom_col(fill='pink', width=0.5) +
  geom_text(aes(label=round(mean_happy, 1), vjust=-1.5)) +
  theme(plot.title = element_text(face = "bold", hjust = 0.5, size = 20, color = "darkblue"),
        panel.background = element_rect(fill = "white"),
        panel.grid.major = element_blank(),
        panel.grid.minor = element_blank(),
        axis.line = element_line(color = "black")) +
  labs(title = "1인 가구/기타 가구의 행복도: 평균 점수", x = "", y = "평균 점수") +
  scale_y_continuous(breaks = seq(0,10)) +
  coord_cartesian(ylim=c(0,10))


1인 가구의 평균 행복도는 10점 만점에 약 6.1점으로, 기타 가구의 6.82점에 비해 0.7점 정도 차이나는 것으로 나타났다.

hhold_happyg <- wel18 %>% 
  group_by(household, happyg) %>% 
  filter(household %in% c('단독(1인) 가구','기타') & !is.na(happyg)) %>% 
  summarise(n=n()) %>% 
  mutate(total = sum(n)) %>% 
  mutate(prop = round(n/total*100, 2))
hhold_happyg
- # A tibble: 6 × 5
- # Groups:   household [2]
-   household      happyg       n total  prop
-   <chr>          <fct>    <int> <int> <dbl>
- 1 기타           high      3824 10069 38.0 
- 2 기타           moderate  5916 10069 58.8 
- 3 기타           low        329 10069  3.27
- 4 단독(1인) 가구 high       686  2904 23.6 
- 5 단독(1인) 가구 moderate  1965  2904 67.7 
- 6 단독(1인) 가구 low        253  2904  8.71
ggplot(hhold_happyg, aes(x=household, y=prop, fill=happyg)) + 
  geom_col(width=0.5) +
  geom_text(aes(label=paste0(round(prop, 1), '%')),
            position=position_stack(vjust=0.5),
            color='black', size=4) +
  theme(plot.title = element_text(face = "bold", hjust = 0.5, size = 20, color = "darkblue"),
        panel.background = element_rect(fill = "white"),
        panel.grid.major = element_blank(),
        panel.grid.minor = element_blank(),
        axis.line = element_line(color = "black")) +
  labs(title = "1인 가구/기타 가구의 행복도: 응답 비율", x = "", y = "비율(%)", fill = "행복도(수준)")


각 가구유형의 응답자 비율을 더 자세히 들여다보면, 기타 가구보다 1인 가구에서 더 많은 사람이 낮은 행복을 보고했고, 행복하다고 응답한 사람은 더 적었다는 사실을 알 수 있다. 또한 보통 수준의 행복을 보고한 응답자 비율이 더 많았다. 그 차이는 높은 수준의 행복에서는 14.4%p, 중간 수준에서는 8.9%p, 낮은 수준에서는 5.4%p로 유의미한 차이가 나타났다. 본 연구에서는 이러한 차이에 어떤 요인이 얽혀 있는지 찾아보고자 했다.

1. 인구사회학적 요인


1) 연령대와 행복도

먼저 1인 가구 중에서 누가 특히나 행복을 덜 느끼는지, 그 특성을 파악하기 위해 연령대 별 1인 가구의 행복도를 분석했다.

ageg_happy <- happy_one %>% 
  group_by(ageg, happyg) %>% 
  summarise(n=n()) %>% 
  mutate(total = sum(n)) %>% 
  mutate(prop = round(n/total*100, 2))
ageg_happy
- # A tibble: 9 × 5
- # Groups:   ageg [3]
-   ageg   happyg       n total  prop
-   <fct>  <fct>    <int> <int> <dbl>
- 1 young  high       125   278 45.0 
- 2 young  moderate   145   278 52.2 
- 3 young  low          8   278  2.88
- 4 middle high       147   548 26.8 
- 5 middle moderate   347   548 63.3 
- 6 middle low         54   548  9.85
- 7 old    high       414  2078 19.9 
- 8 old    moderate  1473  2078 70.9 
- 9 old    low        191  2078  9.19
ggplot(ageg_happy, aes(x=ageg, y=prop, fill=happyg)) + 
  geom_col(width=0.5) +
  geom_text(aes(label=paste0(round(prop, 1), '%')),
            position=position_stack(vjust=0.5),
            color='black', size=4) +
  theme(plot.title = element_text(face = "bold", hjust = 0.5, size = 20, color = "darkblue"),
        panel.background = element_rect(fill = "white"),
        panel.grid.major = element_blank(),
        panel.grid.minor = element_blank(),
        axis.line = element_line(color = "black")) +
  labs(title = "1인 가구의 연령별 행복도", x = "", y = "비율(%)", fill = "행복도(수준)")


청년층에서는 45%나 되는 응답자가 높은 행복 수준을 보고하였고, 오직 2.9%만이 낮은 행복감을 나타낸 반면, 노년층에서는 19.9%로 1/5이 채 되지 않는 응답자만이 높은 행복 수준을 보고하였다. 중년층의 높은 행복감은 26.8%로 노년층보다는 더 많은 비율을 가져갔지만 앞서 살펴본 기타 가구(38%)와는 여전히 차이가 뚜렷하다. 자신의 삶이 최악에 가깝다고 응답한 이들은 중년, 노년 모두 9%대다. 청년층의 1인 가구는 통학으로 인한 자취나 유학 생활을 하는 학생들이 상당수이기에 완전히 독립한 중년층이나 노년층보다 경제적, 사회적 부담이 덜 작용했을 것으로 생각된다.

2) 성별과 행복도

다음으로 1인 가구의 행복도에 따른 성별 분포를 확인해 봤다.

sex_happy <- happy_one %>% 
  group_by(sex, happyg) %>% 
  summarise(n=n()) %>% 
  mutate(total = sum(n)) %>% 
  mutate(prop = round(n/total*100, 2))
sex_happy
- # A tibble: 6 × 5
- # Groups:   sex [2]
-   sex    happyg       n total  prop
-   <chr>  <fct>    <int> <int> <dbl>
- 1 female high       491  2111 23.3 
- 2 female moderate  1439  2111 68.2 
- 3 female low        181  2111  8.57
- 4 male   high       195   793 24.6 
- 5 male   moderate   526   793 66.3 
- 6 male   low         72   793  9.08
ggplot(sex_happy, aes(x=sex, y=prop, fill=happyg)) + 
  geom_col(width=0.5) +
  geom_text(aes(label=paste0(round(prop, 1), '%')),
            position=position_stack(vjust=0.5),
            color='black', size=4) +
  theme(plot.title = element_text(face = "bold", hjust = 0.5, size = 20, color = "darkblue"),
        panel.background = element_rect(fill = "white"),
        panel.grid.major = element_blank(),
        panel.grid.minor = element_blank(),
        axis.line = element_line(color = "black")) +
  labs(title = "1인 가구의 성별 행복도", x = "", y = "비율(%)", fill = "행복도(수준)")


막대 그래프를 보면 알 수 있듯 성별 분석에서는 유의미한 차이가 나타나지 않았다. 즉 1인 가구의 행복도는 성별보다는 연령에 따른 차이가 더 크다는 사실을 알 수 있다. 연령에 따른 행복도의 차이는 전체적인 흐름에서도 나타나는데, 연령이 높을수록 질병과 건강 문제에 취약하고 활동량 감소와 퇴직으로 인한 자기가치감 감소, 인간관계 약화로 인한 사회적 고립 등의 위험에 노출되어 있기 때문이다. 특히나 노년층은 사별로 인해 1인 가구가 되는 경우가 많고, 주변에 그들을 지지하고 돌봐줄 사람이 부재하기 때문에 더 큰 타격을 입으리라 예상해 볼 수 있다. 중년층의 낮은 행복도에는 경제적인 부담이 가장 크지 않을까 생각한다. 자식들의 독립 이후 배우자와 갈라지며 1인 가구가 된 경우라면 이 역시 사회적 고립감을 많이 느낄 것이라 예측한다.

2. 상관관계: 경제적 요인과 사회적 요인

다음으로 상관계수를 활용하여 변인 간 연관성을 밝혀내려 했다. 행복도와 소득, 소득 대비 지출, 가족관계 만족도, 사회적 관계 만족도의 상관계수 행렬을 만들고, 히트맵을 활용하여 그 크기를 색으로 나타내 대략적인 상관관계를 확인했다. 같은 변인끼리는 제외하였다.

happy_cor <- cor(happy_one[, c("happy", "income", "cost_income", "sat_family", "sat_social")], use = "pairwise.complete.obs")
happy_cor
-                  happy      income  cost_income  sat_family  sat_social
- happy        1.0000000  0.22802627 -0.039584599 0.391642712 0.472088417
- income       0.2280263  1.00000000 -0.547669171 0.073459366 0.115472586
- cost_income -0.0395846 -0.54766917  1.000000000 0.003781927 0.005817687
- sat_family   0.3916427  0.07345937  0.003781927 1.000000000 0.405430281
- sat_social   0.4720884  0.11547259  0.005817687 0.405430281 1.000000000
corrplot(happy_cor, method = "color", diag = F)


히트맵을 보면 진한 푸른색일수록 큰 정적 상관관계를, 진한 붉은색일수록 큰 부적 상관관계를 예측할 수 있다. 분석 결과 1인 가구의 행복은 관계 관련 변수와 가장 큰 상관관계를 가지고, 소득과도 어느정도 정적인 상관관계가 나타나는 것으로 보인다. 그리고 희미하지만, 소득 대비 지출도 약간이나마 부적 상관관계를 지니고 있을 가능성을 보여준다. 이 변수들을 하나하나 살펴보겠다.

3. 경제적 요인


1) 소득

먼제 경제적 요인 중 소득의 영향을 알아보기 위해서 월급과 행복도 점수 간의 관계를 산점도로 나타냈는데, 연령별 차이를 함께 확인하기 위해 plotly 패키지를 활용한 인터랙티브 그래프로 만들어 보았다.

happy_one %>% filter(!is.na(income) ) %>% 
  plot_ly(x = ~income, y = ~happy, color = ~ageg, type = 'scatter', mode = 'markers') %>%
  layout(title = "연령별 소득과 행복도 점수",
         xaxis = list(title = "월급(만원)"),
         yaxis = list(title = "행복도(점)"))


소득이 높아질수록 행복도가 올라간다는 확실한 경향성이 보이지는 않는다. 소득이 높으면 행복도가 높을 가능성은 존재하지만, 소득이 낮다고 하여 행복도가 낮아지는 현상이 발생하진 않았다. 월급이 600만원 이상인 경우는 전부 7점 이상을 줬지만 100만원 이하의 월급을 받는 사람 중에서도 꽤나 많은 수가 높은 행복감을 보고했다. 이밖에 알 수 있는 사실은, 소득의 범위가 노년층은 200만원 이하, 청년층은 200만원 이상에 분포가 몰려 있다는 점과, 낮은 행복감(0~3점)은 월급이 250만원 이하인 경우에서만 나타났다는 점 정도이다. 이에 대해서 어느 정도 보장된 소득은 보통 수준의 행복감까지는 느낄 수 있게 만들어 주지만 물질적 행복에는 한계가 있고 그 이상은 다른 영역에 더 큰 영향을 받는다고 해석해 봤다.

2) 총생활비 비교

다음으로 1인 가구의 생활비 부담에 대해 알아보기 위해 간단히 1인 가구와 기타 가구의 평균 생활비와 월급 대비 생활비를 살펴보았다.

cost_differ <- wel18 %>% 
  filter(household %in% c('단독(1인) 가구', '기타')) %>% 
  group_by(household) %>% 
  summarise(mean_cost = round(mean(cost, na.rm=T),2), mean_cost_income = round(mean(cost_income, na.rm=T),2))
cost_differ
- # A tibble: 2 × 3
-   household      mean_cost mean_cost_income
-   <chr>              <dbl>            <dbl>
- 1 기타                478.             2.99
- 2 단독(1인) 가구      153.             2.21


1인 가구의 총생활비는 평균 153만원 정도로 기타 가구의 절반도 못 미치는 수준이지만, 월급 대비 생활비는 기타 가구와 0.7%p 정도밖에 차이나지 않는다. 이를 통해 생활비의 절대적 수치는 한참 낮지만 그 부담은 크게 떨어지진 않는다고 생각해 볼 수 있다.

2-1) 총생활비 중 주거비와 식비의 비중

living_meal <- wel18 %>% 
  group_by(household) %>% 
  filter(household %in% c('단독(1인) 가구','기타') & !is.na(cost) & !is.na(cost_living) & !is.na(cost_meal)) %>% 
  summarise(cost=mean(cost), living=mean(cost_living), meal=mean(cost_meal)) %>% 
  mutate(living_cost = round(living/cost*100, 2),
         meal_cost = round(meal/cost*100, 2),
         etc = round(100-living_cost-meal_cost, 2))

living_meal %>% select('가구 형태' = household, 
                       '주거비 비율' = living_cost, 
                       '식비 비율' = meal_cost,
                       '기타' = etc)
- # A tibble: 2 × 4
-   `가구 형태`    `주거비 비율` `식비 비율`  기타
-   <chr>                  <dbl>       <dbl> <dbl>
- 1 기타                    5.29        22.2  72.5
- 2 단독(1인) 가구         12.7         28.8  58.5

1인 가구의 생활비 중 주거비와 식비를 합친 비율은 약 41.5%로 거의 절반 정도가 ‘식’, ’주’에 투자되고 있다. 생존에 필요한 비용을 제외한 다른 부문에서의 지출이 적어, 문화나 여가 생활에 투자할 여력이 없을 것으로 추측할 수 있다. 특히 주거비의 비율은 기타 가구의 2배 이상인데, 혼자 사는 1인 가구들의 주거비 부담이 클 것이라고도 예측할 수 있겠다.

3) 소득 대비 지출

이를 바탕으로 월급 대비 총생활비와 행복도 점수 간의 관계를 분석해 봤다.

happy_one %>% filter(!is.na(cost_income)) %>% 
  ggplot(aes(x=cost_income, y=happy)) +
  geom_point(size=0.5) +
  theme(plot.title = element_text(face = "bold", hjust = 0.5, size = 20, color = "darkblue"),
        panel.background = element_rect(fill = "white"),
        panel.grid.major = element_line(color = "lightgray"),
        panel.grid.minor = element_blank(),
        axis.line = element_line(color = "black")) +
  labs(title = "생활비 부담과 행복도 점수", x = "월급 대비 생활비(만원)", y = "행복도(점)") +
  scale_y_continuous(breaks = c(0,3,7,10))


예상과 달리, 월급 대비 생활비와 행복도와의 관계성은 소득에서보다 찾아보기 힘들었다. 1인 가구에게 있어 생활비 부담은 존재하나 행복도에 대한 영향은 크게 없는 것으로 보여진다.

4. 심리사회적 요인


1) 가족관계

다음으로 심리사회적 요인 중 가족과의 사이가 1인 가구 개인의 행복도에 미치는 영향을 살펴보기 위해, 가족관계 만족도에 따라 행복도 수준을 택한 비율이 어떻게 달랐는지 분석했다.

family_happy <- happy_one %>% 
  group_by(sat_fam_g, happyg) %>% 
  filter(!is.na(sat_fam_g)) %>% 
  summarise(n=n()) %>% 
  mutate(total = sum(n)) %>% 
  mutate(prop = round(n/total*100, 2))
family_happy
- # A tibble: 9 × 5
- # Groups:   sat_fam_g [3]
-   sat_fam_g happyg       n total  prop
-   <fct>     <fct>    <int> <int> <dbl>
- 1 low       high        13   179  7.26
- 2 low       moderate   112   179 62.6 
- 3 low       low         54   179 30.2 
- 4 moderate  high        53   602  8.8 
- 5 moderate  moderate   430   602 71.4 
- 6 moderate  low        119   602 19.8 
- 7 high      high       620  2123 29.2 
- 8 high      moderate  1423  2123 67.0 
- 9 high      low         80  2123  3.77
ggplot(family_happy, aes(x = sat_fam_g, y = prop, fill = happyg)) +
  geom_col(width=0.5) +
  geom_text(aes(label=paste0(round(prop, 1), '%')),
            position=position_stack(vjust=0.5),
            color='black', size=4) +
  theme(plot.title = element_text(face = "bold", hjust = 0.5, size = 20, color = "darkblue"),
        panel.background = element_rect(fill = "white"),
        panel.grid.major = element_blank(),
        panel.grid.minor = element_blank(),
        axis.line = element_line(color = "black")) +
  labs(title = "1인 가구의 가족관계 만족도와 행복도 수준", x = "가족관계 만족도 수준", y = "비율(%)", fill = "행복도 수준")


이 막대그래프는 각 수준별로 유의미한 차이를 보여주고 있으며, 가족관계에 만족하는 사람일 수록 행복도 수준이 높고 반대일 경우 낮을 가능성이 높음을 시사한다. 낮은 행복감은 각 가족관계 만족도 수준에서 3.8%, 19.8%, 30.2%로 점차적인 증가를 보이고, 가족관계 만족도가 보통이거나 낮은 경우 높은 행복감에는 큰 차이를 주지 않았으나(7.3%, 8.8%), 만족도가 높을 경우에는 행복도 수준 또한 높을 가능성이 컸다(29.2%).

2) 사회적 관계

social_happy <- happy_one %>% 
  group_by(sat_soc_g, happyg) %>% 
  filter(!is.na(sat_soc_g)) %>% 
  summarise(n=n()) %>% 
  mutate(total = sum(n)) %>% 
  mutate(prop = round(n/total*100, 2))

ggplot(social_happy, aes(x = sat_soc_g, y = prop, fill = happyg)) +
  geom_col(width=0.5) +
  geom_text(aes(label=paste0(round(prop, 1), '%')),
            position=position_stack(vjust=0.5),
            color='black', size=4) +
  theme(plot.title = element_text(face = "bold", hjust = 0.5, size = 20, color = "darkblue"),
        panel.background = element_rect(fill = "white"),
        panel.grid.major = element_blank(),
        panel.grid.minor = element_blank(),
        axis.line = element_line(color = "black")) +
  labs(title = "1인 가구의 사회적 관계 만족도와 행복도 수준", x = "사회적 관계 만족도 수준", y = "비율(%)", fill = "행복도 수준")


앞서 살펴본 상관분석에서 가족관계, 사회적 관계 만족의 두 요소가 서로 상관계수가 높았던 만큼 그래프에서도 비슷한 경향성을 보이지만, 사회적 관계의 영향은 가족관계 만족도보다 행복도 수준의 높고 낮음에서 더 뚜렷한 차이를 보인다. 이를 통해서 지금까지 살펴봤던 변인들 중, 사회적 관계 만족도 수준이 1인 가구의 행복에 가장 큰 영향을 미친다는 사실을 알 수 있었다.

이에 대한 노년층에서의 흥미로운 변화를 그래프를 통해 살펴보면,

social_happy_old <- happy_one %>% 
  group_by(sat_soc_g, happyg) %>% 
  filter(!is.na(sat_soc_g) & ageg == 'old') %>% 
  summarise(n=n()) %>% 
  mutate(total = sum(n)) %>% 
  mutate(prop = round(n/total*100, 2))

ggplot(social_happy_old, aes(x = sat_soc_g, y = prop, fill = happyg)) +
  geom_col(width=0.5) +
  geom_text(aes(label=paste0(round(prop, 1), '%')),
            position=position_stack(vjust=0.5),
            color='black', size=4) +
  theme(plot.title = element_text(face = "bold", hjust = 0.5, size = 20, color = "darkblue"),
        panel.background = element_rect(fill = "lightyellow"),
        panel.grid.major = element_blank(),
        panel.grid.minor = element_blank(),
        axis.line = element_line(color = "black")) +
  labs(title = "사회적 관계 만족도와 행복도 수준: 노년층", x = "사회적 관계 만족도 수준", y = "비율(%)", fill = "행복도 수준")


사회적 관계 만족도가 낮은 노인들의 39%가 행복도 또한 낮다고 답했지만, 만족하는 사회적 관계 상태에 있는 노인 중에서는 그 비율이 3.5%로 대폭 줄어들었다. 바꿔 말하면 사회적 관계 만족이 높은 노인의 96.5%가 불행하지 않다고 답한 것이다. 1인 가구의 세 연령층 중 가장 행복도가 낮았던 노년층이지만, 사회적 자원이 있다면 극복할 수 있다는 방증이다. 그만큼 사회적 지지와 연결감이 노인들, 그리고 우리의 행복에 매우 중요하다는 것을 알 수 있다.

5. 1인 가구에게 필요한 것은

마지막으로 1인 가구가 정말 필요로 하는 실질적인 도움을 파악하기 위해, 일상생활 분야에 대한 지원 13가지 항목 각각의 필요 여부 응답을 분석해 봤다.

ggplot(needif, aes(x=reorder(value, count), y=count)) + 
  geom_col(width=0.5, fill="darkgreen") +
  coord_flip() +
  geom_text(aes(label=paste0(round(count/400*100, 1),'%')),
            position=position_stack(vjust=0.5),
            color='white') +
  theme(plot.title = element_text(face = "bold", hjust = 0.5, size = 20, color = "darkblue"),
        panel.background = element_rect(fill = "white"),
        panel.grid.major = element_blank(),
        panel.grid.minor = element_blank(),
        axis.line = element_line(color = "black")) +
  labs(title = "1인 가구가 필요로 하는 생활 지원", x = "생활 서비스 분야", y = "'필요하다'고 답한 응답자 수(명)")


1인 가구가 제도적인 필요성을 절실히 느끼고 있는 분야는 신체적 건강과 소득 보장이었다. 건강과 소득은 기본적인 삶의 질을 좌우하기 때문에 이러한 지원은 가히 필수적이라고 할 수 있겠다. 예상치 못한 사고와 마주했을 때, 질병이나 건강 악화로, 혹은 고용이 불안정해져서 생활이 불편해지면 1인 가구는 그 빈자리를 메우기 더욱 힘들기 때문에 필요도가 높다고 생각된다.

그 다음은 이동권과 주거 보장이 나란히 상위권을 차지하였다. 1인 가구에게도 보금자리와 이동의 자율성이 역시 중요하게 다가온다는 뜻이다.

문화/여가/체육 분야도 어느 정도 필요성을 나타내고 있다. 1인 가구의 생활비는 주거비와 식비에 집중되어 있는 만큼, 모자란 문화/여가생활에 대한 수요가 있어 보인다.

보육/교육 보장은 최하위를 기록했는데, 함께 사는 어린 자녀가 없는 1인 가구이니만큼 당연한 결과로 보인다.

의외로 정신 건강 부문에서는 필요의 목소리가 54%로 찬반이 나뉘는 편이다. 앞서 살펴봤듯 1인 가구의 행복도는 기타 가구에 비해 낮은 편이며, 행복감에 큰 영향을 주는 사회적 관계가 약할 가능성이 있어 외로움, 고독감으로 인해 우울한 마음이 들거나 여러 부담으로 인해 불안한 마음이 찾아오기 십상이다. 우리나라엔 아직 정신과에 대한 선입견이나 익숙지 않은 분위기가 존재하기에 필요도가 높지 않게 나타난 것으로 보인다. 그러나 몸이 아프면 병원에 가듯이 마음이 아플 때도 적절한 도움을 받아야 한다는 사실을 간과해선 안 될 것이다. 개인의 행복을 위해선 신체적 건강과 소득 보장도 물론 중요하지만, 정신건강 의료 지원도 그에 못지 않게 필요하다는 인식을 갖출 필요가 있겠다.

종합

분석 결과, 2013년부터 현재까지 모든 가구 유형 중 유일하게 그 비율이 증가하고 있는 1인 가구의 행복도는 전통적 가구로 여겨지는 기타 가구보다 0.7점 낮은 6.1점이다.

성별에 따른 행복도 수준의 차이는 찾아볼 수 없었고, 연령대에 따라서는 달라지는 양상을 보였다. 청년에 비해 중년과 노년의 1인 가구가 더 낮은 행복감을 보고했다. 청년층의 45%는 높은 행복감을, 2.9%는 낮은 행복감으로 대체로 불행하지 않다고 보고한 반면, 중년층과 노년층에서는 높은 행복감이 각각 26.8%, 19.9%로 적은 비율을 보였으며, 낮은 행복감은 거의 9%대에 이르렀다.

사회적 관계 만족도는 1인 가구의 행복도에 가장 큰 영향을 미쳤으며, 그보다는 약하지만 가족관계 만족도 역시 강한 상관을 나타냈다.

1인 가구는 기타 가구에 비해 총생활비는 현저히 적지만, 소득과 비교했을 때는 기타 가구와 약간의 차이만을 보였고, 이중 주거비와 식비의 비중이 높아 문화나 여가생활 측면에서 여유가 없을 거라 추측할 수 있었다. 그러나 생활비 부담에 따른 행복도 수준 차이는 크지 않았다. 소득에 따른 차이 역시 크지 않았는데, 소득이 250만원 이상인 경우 보통 이상의 행복감을 보고했으나, 그보다 낮은 경우에서는 눈에 띄는 경향성이 없었다.

생활 지원에서 중요도가 높게 나타난 것은 소득과 의료 보장처럼 기초적인 분야였고, 문화와 여가 생활에 대한 수요도 어느 정도 있었다. 정신건강 항목은 그 중요성에 비해 그리 높은 필요도를 보이지 않았다.

이러한 결과를 바탕으로, 소득 수준이 보통 수준까지의 행복에는 도움을 줄 수도 있지만, 소득이 낮고 연령이 높더라도 가족을 포함하여 사회적인 관계에 대한 만족도가 높다면 행복할 수 있다는 결론에 이르렀다. 기초적인 삶을 영위하는 데에 있어 소득과 의료 보장은 중요하다. 그러나 관계망이 취약할 수 있는 1인 가구에 대한 지원 제도를 마련할 때는 관계적 측면 역시 중요하게 고려할 필요가 있다. 또한, 이들에게 부족한 문화와 여가 생활을 채워 줄 수 있는 방안도 마련해야 한다.

본 연구에서는 양적 데이터를 통해 1인 가구의 행복을 살펴봤지만 숫자에는 드러나지 않는 개인마다 천차만별인 수많은 어려움이 있고, 그것을 해결하는 방법 또한 여러 가지이기 때문에 양적 연구와 더불어 질적 연구를 통해서 좀더 보편적이고 실용적인 지원책을 강구하는 노력이 필요하다. 1인 가구뿐 아니라 우리 주변의 취약 계층에 조금더 관심을 가지고 나아가다 보면 언젠가 사회는 바뀌어 있을 것이다. 우리의 힘으로 함께 살기 좋은 터전을 가꾸어 나가길 희망한다.