지역 간 복지 인식 차이 분석 보고서

연구 목적 및 배경 설명

본 연구는 지역 간 복지 인식의 차이를 분석하고자 한다. 정부의 복지 정책에 대한 인식은 개인의 사회·경제적 배경에 따라 달라질 수 있으며, 특히 거주 지역은 다양한 인프라 접근성, 정보 수급, 지역 복지 수준에 따라 인식에 영향을 줄 수 있다.

이에 따라 본 보고서는 지역별로 복지에 대한 인식이 어떻게 다른지를 시각화하고, 성별과 교육 수준과 같은 사회인구학적 요인과의 관계도 함께 분석하고자 한다.

이를 통해 복지 정책 수립 시 지역별 맞춤형 접근의 필요성을 논의하고, 향후 복지 만족도를 높이기 위한 정책적 시사점을 도출하고자 한다.

데이터에 대한 개괄적인 설명

본 분석에서 사용된 데이터는 한국보건사회연구원과 서울대학교 사회복지연구소가 공동으로 수행한 「한국복지패널조사(KOWEPS)」 제10차 자료(2015년)를 기반으로 한다.
해당 조사는 전국 가구를 대상으로 표본조사를 실시하여, 소득, 고용, 건강, 교육, 주거, 복지 서비스 이용 등 다양한 사회복지 관련 정보를 포함하고 있다.

특히 본 보고서에서는 개인의 성별(h10_g1), 교육 수준(h10_g4), 복지 만족도(h10_g3), 가구소득(p1002_8aq1), 지역(h10_reg7) 등 주요 변수를 활용하여 분석을 진행하였다.

해당 데이터는 구조화된 면접 조사 방식으로 수집되었으며, 연구의 신뢰성과 대표성을 확보하기 위해 층화 다단계 표본 추출을 사용하였다.

데이터 정제 및 가공 과정

본 분석에서는 한국복지패널조사 제10차 원자료(Koweps_hpc10_2015_beta10.sav)를 활용하였다.

mutate()와 factor() 함수를 통해 명확한 범주형 값으로 재코딩하였다.
예를 들어 성별 변수는 1=남성, 2=여성으로, 교육 수준은 ’무학’부터 ’박사’까지 범주형으로 재정의하였다.

또한, 시각화를 위한 변수명 변경과 변수 레벨 정리를 통해 분석 및 그래프 해석이 용이하도록 전처리를 수행하였다.

데이터 불러오기 및 전처리

data <- read_sav("D:/code_final/last/final_data/koweps_hpc10_2015_beta10.sav")

1. 지역별 응답자 수 분석 (geom_bar())

df_region <- data %>%
  select(region = h10_reg7) %>%
  filter(!is.na(region)) %>%
  mutate(region = factor(region,
                         levels = 1:7,
                         labels = c("서울", "수도권", "충청권", "전라권","경상권", "강원/제주", "기타")))
ggplot(df_region, aes(x = region)) +
  geom_bar(fill = "tomato") +
  labs(title = "지역별 응답자 수", x = "지역", y = "명수")+
  theme_minimal()

해석

지역별로 조사된 응답자 수를 시각화한 결과, 수도권 지역이 가장 많은 응답자를 포함하고 있었으며, 그 외 지역은 상대적으로 적은 분포를 보였다. 이는 수도권 인구 집중과 관련이 있을 수 있다.

###그래프 작성 방법 및 유형 선택 이유 이 그래프는 지역별 응답자 수를 나타내는 막대그래프이이다.
이 그래프를 만들기 위해 h10_reg7 변수를 사용하였고, 이 변수는 응답자의 거주 지역을 나타낸다. factor() 함수를 사용하여 숫자형 지역 코드를 사람이 읽기 쉬운 문자형으로 변환하였다(예: 서울, 수도권 등).

이후 geom_bar() 함수를 활용하여 각 지역별 응답자의 빈도(명수)를 시각화하였다.

2. 교육 수준별 가구 소득 분석

df_income <- data %>%
  filter(!is.na(h10_g4), !is.na(p1002_8aq1)) %>%
  mutate(
    edu = factor(h10_g4,
                 levels = 1:9,
                 labels = c("무학", "초등", "중등", "고등", "전문대", "대학교", "석사", "박사", "기타")),
    income = p1002_8aq1) %>%
  droplevels() 
ggplot(df_income, aes(x = edu, y = income)) +
  geom_boxplot(fill = "skyblue") +
  stat_summary(fun = mean, geom = "point", color = "red", size = 3) +
  labs(title = "교육 수준별 가구소득 분포 (평균 포함)",
       x = "교육 수준", y = "가구 소득") +
  theme_minimal()

###그래프 작성 방법 및 유형 선택 이유 이 그래프는 교육 수준에 따른 가구 소득 분포를 나타낸 박스플롯(boxplot)이다.
분석에 사용된 변수는 h10_g4 (교육 수준)과 p1002_8aq1 (가구 소득)이며, factor() 함수를 통해 교육 수준을 ’무학’부터 ’박사’까지 9단계로 범주화하였다.

geom_boxplot()을 사용하여 각 교육 수준 그룹의 소득 분포, 중앙값, 사분위 범위, 이상값 등을 시각화하였고,
stat_summary()

해석

교육 수준이 높아질수록 가구 소득의 평균도 함께 증가하는 경향이 관찰되었다. 특히 대학교 이상 학력을 가진 응답자의 소득이 상대적으로 높았으며, 이는 교육 수준이 경제적 능력과 밀접한 관련이 있음을 시사한다.

3. 성별 복지 만족도 분석

df <- data %>%
  select(region = h10_reg7, welfare = h10_g3) %>%
  filter(!is.na(region), !is.na(welfare)) %>%
  mutate(region = factor(region,
                         levels = 1:7,
                         labels = c("서울", "수도권(인천/경기)", "충청권", "전라권", "경상권", "강원/제주", "기타")))
df_summary <- df %>%
  group_by(region) %>%
  summarise(mean_welfare = mean(welfare, na.rm = TRUE))

ggplot(df_summary, aes(x = reorder(region, -mean_welfare), y = mean_welfare)) +
  geom_col(fill = "steelblue") +
  geom_text(aes(label = round(mean_welfare, 2)), vjust = -0.5, size = 4) +
  labs(title = "지역별 평균 복지 만족도", x = "지역", y = "평균 만족도") +
  ylim(0, max(df_summary$mean_welfare) + 0.2) +
  theme_minimal()

###그래프 작성 방법 및 유형 선택 이유 본 그래프는 지역별 복지 만족도의 평균값을 비교한 것으로, 만족도가 높은 순으로 내림차순 정렬하였다. 이를 통해 지역 간 상대적인 복지 만족도의 차이를 명확하게 시각화할 수 있다.

해석

여성 응답자의 평균 복지 만족도가 남성보다 다소 높게 나타났다. 이는 여성들이 정부의 복지 정책에 대해 더 긍정적인 평가를 하고 있을 가능성을 보여주며, 성별에 따라 복지 체감도의 차이가 존재할 수 있음을 시사한다.

# 필요한 변수 선택 및 이름 정리
df <- data %>%
  select(region = h10_reg7, welfare_satisfaction = h10_g3,income = p1002_8aq1) %>%
  filter(!is.na(region), !is.na(welfare_satisfaction), !is.na(income))

df$region <- factor(df$region,
  levels = 1:7,
  labels = c("서울", "수도권(인천/경기)", "충청권", "전라권", "경상권", "강원/제주", "기타"))

###그래프 작성 방법 및 유형 선택 이유 이 코드는 분석에 필요한 핵심 변수만을 선택하고, 결측값을 제거하며,
지역 코드를 사람이 읽을 수 있는 형태로 범주(factor)화하는 전처리 과정을 포함하고 있다.h10_reg7 변수는 region으로 이름을 바꾸고, 1부터 7까지의 숫자 코드를 “서울”,“수도권(인천/경기)”,“충청권”,“전라권”,“경상권”,“강원/제주”,“기타”로 변환하였다.h10_g3(복지 만족도),p1002_8aq1`(가구 소득)도 함께 선택되었으며, 세 변수 모두 결측값이 있는 행은 제거하였다.

이 과정을 통해 지역별 복지 만족도와 소득의 차이를 분석하기 위한 데이터셋이 정제되었다.

##4.각 지역 평균 복지 만족도 (값 있는 막대)

###그래프 작성 방법 및 유형 선택 이유 이 그래프는 지역별 평균 복지 만족도를 점으로 표현한 것이며, 수치 차이가 작더라도 시각적으로 명확하게 구분할 수 있다는 장점이 있다. 특히 평균값을 기준으로 오름차순 정렬하여 지역 간 상대적 만족도를 한눈에 파악할 수 있도록 하였다.()`로 시각화하여 지역 간 만족도 수준을 쉽게 비교할 수 있도록 하였다.

해석

일반적으로 수도권이나 서울보다 일부 지방(예: 전라권, 충청권 등)에서 상대적으로 높은 만족도를 보이기도 하며, 이는 복지 정책에 대한 지역 간 체감 차이 또는 기대 수준의 차이를 반영할 수 있다.

##5.소득과 복지 만족도 관계

df <- data %>%
  select(region = h10_reg7,welfare_satisfaction = h10_g3,income = p1002_8aq1) %>%
  filter(!is.na(region),!is.na(welfare_satisfaction),!is.na(income)) %>%
  mutate(region = factor(region,levels = 1:7,labels =c("서울","수도권(인천/경기)", "충청권", "전라권", "경상권", "강원/제주", "기타")))

ggplot(df, aes(x = income, y = welfare_satisfaction, color = region)) +
  geom_point(alpha = 0.5) +
  geom_smooth(method = "lm", se = FALSE) +
  labs(title = "소득과 복지 만족도의 관계 (지역별)",
       x = "가구 소득", y = "복지 만족도") +
  geom_point()

## `geom_smooth()` using formula = 'y ~ x'

###그래프 작성 방법 및 유형 선택 이유 이 그래프는 income(가구 소득)과 welfare_satisfaction(복지 만족도) 간의 관계를 시각화한 산점도(scatter plot)이다.region 변수를 색상으로 지정하여, 각 지역별로 소득과 만족도의 분포 및 경향을 비교할 수 있도록 하였다.geom_point()로 개별 데이터를 시각화하고,geom_smooth(method = \"lm\")을 통해 선형 회귀선을 추가하여 각 지역 내의 전체적인 경향성을 확인할 수 있도록 하였다. 이 그래프는 소득이 높을수록 복지 만족도가 증가하거나 감소하는 경향이 있는지를 확인할 수 있게 해 주며,지역에 따라 그 관계가 어떻게 달라지는지도 한눈에 파악할 수 있다.

결론

본 보고서는 한국 복지패널조사(제17차) 데이터를 바탕으로, 지역별 복지 만족도 차이를 분석하였다. 데이터 전처리와 시각화 과정을 통해 얻은 결과에 따르면, 지역에 따라 복지 만족도에는 유의미한 차이가 존재하였다. 특히, 전라권 및 충청권 등 일부 비수도권 지역은 상대적으로 높은 만족도를 보인 반면, 서울 및 수도권 지역은 다소 낮은 만족도를 나타냈다.

이러한 결과는 지역별 복지 정책 집행력, 주민의 기대 수준, 정보 접근성 및 행정 참여 정도 등과 밀접한 관련이 있을 수 있다. 이는 단일화된 전국 복지 기준이 아닌, 지역 특성을 고려한 정책 접근이 필요함을 시사한다.

따라서 정부는 향후 복지 정책 수립 시 지역 맞춤형 복지 전략을 강화하고, 만족도가 낮은 지역에 대한 집중 지원과 제도 개선을 고려해야 한다. 지방정부의 실행역량 강화와 주민 참여 확대가 동반되어야 하며, 정기적인 복지 데이터 모니터링 시스템 구축을 통해 공정하고 유연한 복지 체계가 실현될 수 있을 것이다.