introduction to coding 기말과제

# 가구 및 개인 파일 불러오기
data_h <- read_dta("koweps_h18_2023_beta2.dta")
data_p <- read_dta("koweps_p18_2023_beta2.dta")

# 필요한 변수만 선택 및 결합
# h18_wg: 가구 월소득, p18_tq: 삶의 만족도 (Likert scale)

df <- data_h %>%
  select(h18_id, h18_wg) %>%
  left_join(data_p %>% select(h18_id, p18_tq), by = "h18_id") %>%
  drop_na(h18_wg, p18_tq)

# 소득 분위 생성
df <- df %>%
  mutate(income_quintile = ntile(h18_wg, 5)) %>%
  rename(income = h18_wg,
         life_satisfaction = p18_tq)

summary(df$income)

##     Min.  1st Qu.   Median     Mean  3rd Qu.     Max. 
##    69.87  3240.65  5132.38  5497.21  7362.23 20799.07

summary(df$life_satisfaction)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   3.000   3.000   3.000   3.019   3.000   4.000

table(df$income_quintile)

## 
##    1    2    3    4    5 
## 2405 2404 2404 2404 2404

소득 분위별 삶의 만족도 분포 (Boxplot) 첫 번째 박스플롯은 응답자를 소득 분위별로 나누어 삶의 만족도 분포를 비교한 것이다. 그래프를 보면 소득 분위가 높아질수록 삶의 만족도 중앙값이 상승하며, 특히 1분위(소득 하위 20%)와 5분위(상위 20%) 사이의 차이가 뚜렷하다.

또한 하위 분위에서는 만족도 분포가 넓고 편차가 크지만, 상위 분위에서는 보다 안정적인 만족도가 유지되는 경향이 나타난다. 이는 단지 평균의 차이만이 아니라, 소득이 삶의 안정성에도 영향을 미칠 수 있음을 시사한다.

df %>%
  group_by(income_quintile) %>%
  summarise(avg_satisfaction = mean(life_satisfaction, na.rm = TRUE)) %>%
  ggplot(aes(x = factor(income_quintile), y = avg_satisfaction)) +
  geom_col(fill = "steelblue") +
  labs(
    title = "소득 분위별 평균 삶의 만족도",
    x = "소득 분위 (1 = 최저, 5 = 최고)",
    y = "평균 삶의 만족도"
  ) +
  theme_minimal()

소득과 삶의 만족도 간의 산점도 두 번째 산점도는 개별 응답자 수준에서 가구 월소득과 삶의 만족도 간의 직접적인 관계를 시각화한다. 산점도의 전반적인 분포는 넓지만, 선형 회귀선을 보면 분명한 양의 기울기를 가지며, 이는 소득이 증가할수록 삶의 만족도도 증가하는 경향이 있다는 증거로 해석할 수 있다.

물론 산점도에는 분산이 존재하고 예외값도 보이지만, 전체적인 경향성은 명확히 긍정적이다. 이는 단순히 그룹 간 비교가 아닌 개별 수준의 상관관계도 소득과 만족도 간에 존재함을 보여준다.

ggplot(df, aes(x = income, y = life_satisfaction)) +
  geom_point(alpha = 0.3, color = "darkgreen") +
  geom_smooth(method = "lm", se = FALSE, color = "red") +
  labs(title = "소득과 삶의 만족도 관계", x = "가구 월소득 (원)", y = "삶의 만족도") +
  theme_minimal()

3. 삶의 만족도 밀도 분포 (Density Plot) 세 번째 그래프는 소득 분위별로 삶의 만족도 분포가 어떻게 다른지를 보여준다. 흥미롭게도, 1~2분위에서는 만족도 분포가 좌측(낮은 점수)에 더 많이 몰려 있는 반면, 4~5분위는 우측(높은 점수)으로 이동하는 경향이 뚜렷하다.

특히 5분위의 밀도곡선은 높은 만족도 구간에 뚜렷한 봉우리를 형성, 만족도 점수가 높은 응답자가 상대적으로 많음을 시사한다. 이는 단지 평균 차이뿐 아니라, 전체 분포 형태에서도 소득이 높은 집단이 더 행복한 경향을 보인다는 추가적인 정성적 증거다.

ggplot(df, aes(x = life_satisfaction, fill = factor(income_quintile))) +
  geom_density(alpha = 0.5) +
  labs(title = "소득 분위별 삶의 만족도 밀도 분포", fill = "소득 분위") +
  theme_minimal()

세 개의 시각화를 종합해 보면, 우리는 다음과 같은 스토리를 그릴 수 있다:

소득이 높을수록 삶의 만족도가 상승하는 경향이 있다.

이는 집단 간 평균 비교, 개별 수준의 상관관계, 분포 전체의 이동을 통해 다각도로 확인되었다.

또한 높은 소득층은 만족도의 편차가 적고, 안정된 삶의 질을 유지하는 경향을 보여준다.

따라서 우리의 연구 질문인 “소득 수준은 삶의 만족도에 영향을 미치는가?”에 대해, 데이터는 명확히 “그렇다”고 답하고 있다. 이는 정책적으로도, 단순한 소득 보전이 아닌 삶의 질과 행복을 함께 고려한 포괄적 복지정책의 필요성을 제안한다.

introduction to coding 기말과제

최성윤

2025-06-10