Write text and code here.

연구 목적 및 배경 설명

What is (are) your main question(s)? What is your story? What does the final graphic show?

본 보고서서의 주된 질문은 ’주거형태에 따라 컴퓨터 보유율에 차이가 존재하는가?’이다.
컴퓨터는 현대 사회에서 필수적인 정보기기이며, 개인과 가정의 정보 접근성 및 교육, 업무 능력에 중요한 역할을 한다.
따라서 주거 환경과 같은 사회경제적 요인이 컴퓨터 보유율에 어떠한 영향을 미치는지 탐구하는 것은 디지털 격차 문제를 이해하고 사회복지 정책 수립에 중요한 기초 자료가 된다.
이 보고서서를 통해 주거형태별로 컴퓨터 보유 현황을 파악하고, 사회복지 정책 방향에 시사점을 제공하고자 한다.

데이터에 대한 개괄적인 설명

Explain where the data came from, what agency or company made it, how it is structured, what it shows, etc.

본 연구에 사용된 데이터는 한국복지패널 17차년도 데이터(Koweps_h17_2022_beta3.sav)이다.
데이터는 국내 가구 및 개인의 사회경제적 특성을 포함하며, 이번 분석에서는 주거형태(h17_hc)와 컴퓨터 보유 여부(h1701_11) 변수에 집중하였다.

데이터 전처리 과정에서 결측치가 있는 행은 제외하였으며, 변수들은 범주형 변수로 변환하여 분석에 활용하였다.

데이터 정제 및 가공 과정

Describe and show how you cleaned and reshaped the data

# 데이터 불러오기
raw_welfare <- read.spss(file = "Koweps_h17_2022_beta3.sav",
                         to.data.frame = T)
## Warning in read.spss(file = "Koweps_h17_2022_beta3.sav", to.data.frame = T):
## Koweps_h17_2022_beta3.sav: Compression bias (0) is not the usual value of 100
## Warning in read.spss(file = "Koweps_h17_2022_beta3.sav", to.data.frame = T):
## Koweps_h17_2022_beta3.sav: Very long string record(s) found (record type 7,
## subtype 14), each will be imported in consecutive separate variables
df <- raw_welfare %>%
  select(h17_hc,h1701_11) %>%
  filter(!is.na(h17_hc), !is.na(h1701_11)) %>%
  mutate(
    housing_type = factor(h17_hc,
                          levels = c(1,2,3,4,5,6),
                          labels = c("자가", "전세", "보증금 있는 월세", "보증금 없는 월세", "사글세", "무상")),
    has_computer = if_else(h1701_11 == 1, "보유", "미보유")
  )

데이터 분석

Describe and show how you analyzed the data

# 주거형태별 데이터 수
table(df$housing_type)
## 
##             자가             전세 보증금 있는 월세 보증금 없는 월세 
##             2764             1788                0                0 
##           사글세             무상 
##                0                0
# 컴퓨터 보유 여부 데이터 수
table(df$has_computer)
## 
## 미보유   보유 
##   2042   2510
housing_computer <- df %>%
  group_by(housing_type, has_computer) %>%
  summarise(count = n()) %>%
  mutate(percentage = round(count / sum(count) * 100, 1))
## `summarise()` has grouped output by 'housing_type'. You can override using the
## `.groups` argument.
housing_computer
## # A tibble: 4 × 4
## # Groups:   housing_type [2]
##   housing_type has_computer count percentage
##   <fct>        <chr>        <int>      <dbl>
## 1 자가         미보유         827       29.9
## 2 자가         보유          1937       70.1
## 3 전세         미보유        1215       68  
## 4 전세         보유           573       32

그래프 만들기

Figure 1

Describe and show how you created the first figure. Why did you choose this figure type?

<주거형태별 컴퓨터 보유율 누적 막대그래프> 첫 번째 그래프는 주거형태별 컴퓨터 보유율을 시각화한 누적 비율 막대그래프이다. geom_col(position = “fill”)를 사용하여 각 주거형태 내에서 보유와 미보유 비율을 100%로 맞춰 상대적으로 비교할 수 있게 하였다.

library(plotly)
## 
## 다음의 패키지를 부착합니다: 'plotly'
## The following object is masked from 'package:ggplot2':
## 
##     last_plot
## The following object is masked from 'package:stats':
## 
##     filter
## The following object is masked from 'package:graphics':
## 
##     layout
p <- ggplot(housing_computer, aes(x = housing_type, y = percentage, fill = has_computer)) +
  geom_col(position = "fill") +
  scale_y_continuous(labels = scales::percent_format()) +
   scale_fill_manual(
    values = c("보유" = "#FF4266", "미보유" = "#82B09C"),
    name = "컴퓨터 보유 여부"
  ) +
  labs(x = "주거형태", y = "비율", fill = "컴퓨터 보유 여부") +
  theme_minimal() +
  ggtitle("주거형태에 따른 컴퓨터 보유율")

ggplotly(p)

‘자가’ 거주 가구가 가장 높은 컴퓨터 보유율(약 70%)을 보인 반면, ‘무상’ 거주 가구는 절반 이하인 약 32%에 머무른다는 점이 드러났다. 이는 주거 안정성과 경제적 여건이 좋은 가구일수록 디지털 기기에 대한 접근성이 훨씬 우수함을 보여준다. 즉, 주거형태가 컴퓨터 보유에 직접적인 영향을 미친다는 사실을 확인할 수 있다.

Figure 2

<주거형태별 컴퓨터 ‘미보유’ 가구 수 (절대수 막대그래프) > 이번 그래프는 상대비율이 아닌, 실제 미보유 가구 수의 절대값, 즉 얼마나 많은 가구가 실제로 컴퓨터 없이 살아가는지를 직관적으로 보여준다. 예를 들어 ’자가’와 같은 상대적으로 안정적인 주거형태에서도 미보유 가구 수가 상당히 많다. 이는 해당 주거 형태의 가구 수 자체가 많기 때문이다.

# 주거형태별 '미보유' 가구 수만 집계
nonowners_by_housing <- df %>%
  filter(has_computer == "미보유") %>%
  group_by(housing_type) %>%
  summarise(nonowners = n()) %>%
  arrange(desc(nonowners))

# 막대그래프
ggplot(nonowners_by_housing,
       aes(x = reorder(housing_type, -nonowners), y = nonowners, fill = housing_type)) +
  geom_bar(stat = "identity", width = 0.6) +
  labs(title = "주거형태별 컴퓨터 미보유 가구 수",
       x = "주거형태",
       y = "컴퓨터 미보유 가구 수") +
  theme_minimal() +
  theme(legend.position = "none") +
  geom_text(aes(label = nonowners), vjust = -0.5, size = 4)

이 그래프는 단순한 ’비율’이 아닌 ’규모’를 보여줌으로써, 정책적 우선순위를 가늠할 수 있는 기초 정보를 제공한다.

Figure 3

In showing the figures that you created, describe why you designed it the way you did. Why did you choose those colors, fonts, and other design elements?

이 그래프는 앞선 두 시각자료와 달리, 두 연속형 변수 간의 관계를 탐색한다.

rel_data <- df %>%
  group_by(housing_type) %>%
  summarise(
    total = n(),
    owners = sum(has_computer == "보유"),
    rate = owners / total
  )

relation <- ggplot(rel_data,
                   aes(x = total, y = rate,
                       color = housing_type)) +
  geom_point(size = 3, alpha = 0.8) +
  geom_smooth(method = "lm", se = FALSE, size = 1.2,
              color = "#555555") +
  scale_y_continuous(labels = scales::percent_format()) +
  labs(x = "전체 가구 수",
       y = "컴퓨터 보유율",
       color = "주거형태",
       title = "주거형태별 가구 수와 컴퓨터 보유율의 관계") +
  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.
relation
## `geom_smooth()` using formula = 'y ~ x'

이 산점도를 통해 전체 가구 수가 많은 주거형태가 반드시 높은 컴퓨터 보유율을 가지는 것은 아니라는 점이 드러난다.

예를 들어 ’자가’는 가구 수가 많고 컴퓨터 보유율도 높아 우상단에 위치하고, ’전세’는 가구 수는 많지만 보유율은 자가보다 다소 낮다.

이러한 분포는 주거 형태는 단순한 배경 변인이 아닌, 디지털 접근성의 주요 결정요인으로 기능하고 있음을 입증한다.

결론

연구 결과 요약

본 분석을 통해 주거형태와 컴퓨터 보유율 사이에 유의미한 상관관계가 있음을 확인했다. 자가 거주 가구는 컴퓨터 보유율이 70%로 가장 높았으며, 무상 거주 가구는 32%로 가장 낮았다. 전체 가구 수 대비 보유율은 주거 안정성과 정비례하는 경향을 보였다. 이는 주거 안정성이 높을수록 디지털 기기 접근성이 우수하며, 주거 형태가 디지털 격차의 중요한 요인임을 시사한다.

정책 제안

  1. 취약 계층 대상 디지털 인프라 지원 무상/사글세 거주 가구에게 컴퓨터 무상 지원 프로그램을 확대해야 한다. 복지관·주민센터에 공용 컴퓨터실을 설치하고, 디지털 교육을 병행할 것을 제안한다.
  2. 주거 안정성 제고를 통한 간접 지원 월세·전세 거주자에게 주거비 지원 또는 저렴한 임대주택 공급을 강화하여 경제적 부담을 줄여야 한다. 주거 안정성이 컴퓨터 보유율 향상으로 이어질 수 있음을 정책 근거로 활용할 수 있다.
  3. 데이터 기반 맞춤형 정책 설계 지역별 주거 형태 분포와 컴퓨터 보유 현황을 매핑하여, 특정 지역에 집중 지원하는 방안이 필요하다.

기대효과

  1. 디지털 격차 완화
    취약 계층의 정보 접근성 향상으로 교육·고용 기회 확대.
  2. 사회적 형평성 강화
    주거 환경 개선을 통한 간접적 복지 효과 발생.
  3. 정책 효율성 증대
    데이터 기반 타겟팅으로 예산 낭비 최소화.
  4. 추가 연구 촉진
    주거-디지털 격차 연관성에 대한 후속 연구 활성화.