주거 형태 따른 삶의 질 분석
신미정
2025-06-11
연구 목적 및 배경 설명
현대 사회에서 ’삶의 질(Quality of Life)’은 단순한 경제적 지표나 생존을 넘어서, 주관적 만족감과 웰빙을 포괄하는 핵심 개념으로 자리 잡고 있습니다. 특히 주거는 삶의 질에 있어 가장 근본적인 기반 중 하나로 개인이 보내는 시간의 상당 부분이 주거 공간에서 이뤄지며 이 공간의 물리적 조건과 안정성, 쾌적성은 심리적 안정감, 건강 상태, 사회적 관계에도 큰 영향을 미치게 됩니다. 한국 사회는 오랜 기간 동안 급격한 도시화와 주택 정책의 변화 속에서 다양한 형태의 주거 유형을 경험해 왔습니다. 단독주택에서 아파트 중심의 주거 형태로 급속히 이동했으며 최근에는 오피스텔, 고시원 등 비전통적인 형태의 주거 공간도 증가하고 있습니다. 하지만 이처럼 다양한 주거 형태들이 삶의 질에 미치는 영향에 대한 실증적 분석은 여전히 제한적인 상황입니다. 따라서 본 보고서는 한국복지패널(KOWEPS) 데이터를 활용하여 주거형태에 따른 삶의 만족도와 건강 인식의 차이를 실증적으로 분석하고자 합니다. 한국복지패널은 전국 표본을 대상으로 매년 수천 가구를 조사한 대규모 데이터를 포함하고 있어 실제 사회에서 관찰되는 주거 환경의 다양성과 그에 따른 삶의 질 차이를 분석하기에 매우 적합한 자료입니다. 분석의 주요 목적은 다음과 같습니다. 첫째, 서로 다른 주거형태 간 삶의 만족도 수준에 유의미한 차이가 존재하는지를 확인합니다. 둘째, 개인의 주관적인 건강 인식이 주거 유형에 따라 어떤 경향성을 보이는지를 분석합니다. 셋째, 이 두 변수 간의 상관관계 및 상호작용을 통해 삶의 질을 결정하는 보다 복합적인 구조를 살펴봅니다. 본 연구는 단순히 주거환경의 실태를 기술하는 데 그치지 않고 개인 삶의 질 향상을 위한 사회정책의 방향성을 제안하고자 합니다. 결과적으로 이러한 분석은 향후 주거복지 정책, 특히 저소득층 및 열악한 주거 환경에 놓인 계층을 위한 개입 방안 설계에 실질적인 시사점을 제공할 수 있을 것입니다.
데이터에 대한 개괄적인 설명
본 연구는 주거 형태에 따른 삶의 질 차이를 분석함으로써 다양한 주거 환경이 개인의 생활 만족도와 건강 인식에 어떤 영향을 미치는지를 살펴보고자 한다. 이를 위해 2024년 최신 통계인 19차 한국복지패널조사(KOWEPS)데이터를 사용하였다. 연구는 다음과 같은 절차로 진행되었다. 먼저 응답자의 주거 형태에 따라 비교 집단을 설정하였다. 해당 변수인 h1901_1은 주거 유형을 단독주택, 아파트, 연립주택, 다세대주택, 오피스텔, 기숙사, 여인숙·고시원, 기타 등 8개 범주로 구분하며 각 주거 유형별로 응답자를 분류하였다.
이후 각 집단의 삶의 만족도(p1903_12)와 건강 인식 수준(p1903_5)을 비교하였다. 삶의 만족도는 ’매우 불만족(1)’부터 ’매우 만족(5)’까지의 5점 척도로 측정되며 건강 인식 역시 같은 방식으로 자기 인지 건강 상태를 평가한 변수이다.
특히 본 연구는 주거 환경이 삶의 질에 미치는 영향력을 직관적으로 확인하기 위해 각 주거 유형별로 삶의 만족도와 건강 인식의 평균, 분산, 분포를 시각화하였다. 이를 통해 단순한 수치 비교를 넘어, 주거 형태에 따른 삶의 질의 차이를 실질적으로 체감할 수 있는 근거 자료를 제공하고자 하였다.
또한 두 변수 간의 상관관계를 분석함으로써 건강 인식과 삶의 만족도 간의 연계성 또한 확인하였다. 이는 주거 환경이 단순한 물리적 공간을 넘어 개인의 심리적·사회적 안정감에 어떠한 영향을 미치는지를 탐색하는 중요한 근거로 작용한다.
본 연구에 사용된 변수는 다음과 같다: h1901_1: 주거 형태 구분 변수, p1903_12: 전반적인 삶의 만족도, p1903_5: 주관적 건강 인식, h19_id: 가구 고유 식별자
결론적으로 본 연구는 주거 형태가 개인의 삶의 질에 실질적으로 어떠한 영향을 미치는지를 데이터 기반으로 실증적으로 분석하고 나아가 주거 정책 개선에 대한 실천적 시사점을 도출하고자 한다.
데이터 정제 및 가공 과정
필요한 패키지 설치
#패키지 설치
install.packages("haven")##
## The downloaded binary packages are in
## /var/folders/n7/82xt8lc51fb__l9jwvvcl89r0000gn/T//RtmpFaCmVZ/downloaded_packagesinstall.packages("dplyr")##
## The downloaded binary packages are in
## /var/folders/n7/82xt8lc51fb__l9jwvvcl89r0000gn/T//RtmpFaCmVZ/downloaded_packagesinstall.packages("ggplot2")##
## The downloaded binary packages are in
## /var/folders/n7/82xt8lc51fb__l9jwvvcl89r0000gn/T//RtmpFaCmVZ/downloaded_packagesinstall.packages("summarytools")##
## The downloaded binary packages are in
## /var/folders/n7/82xt8lc51fb__l9jwvvcl89r0000gn/T//RtmpFaCmVZ/downloaded_packages# 패키지 불러오기
library(haven)
library(dplyr)##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionlibrary(ggplot2)
# 데이터 불러오기
koweps_h19_2024 <- read_dta("koweps_h19_2024_beta1.dta")
koweps_p19_2024 <- read_dta("koweps_h19_2024_beta1.dta")
# 데이터 확인
head(koweps_h19_2024)## # A tibble: 6 × 1,164
## h19_id h19_ind h19_sn h19_merkey h_new h_new1 h19_cobf h19_ws h19_wg
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 2 1 1 20101 0 0 NA 0.414 2055.
## 2 3 1 1 30101 0 0 NA 0.678 3360.
## 3 4 1 1 40101 0 0 NA 0.368 1825.
## 4 6 1 1 60101 0 0 NA 0.891 4420.
## 5 8 1 1 80101 0 0 NA 0.174 863.
## 6 10 1 1 100101 0 0 NA 0.974 4830.
## # ℹ 1,155 more variables: h19_ws_all <dbl>, h19_wg_all <dbl>,
## # h19_ws_n_all <dbl>, h19_wg_n_all <dbl>, h19_reg5 <dbl>, h19_reg7 <dbl>,
## # h19_din <dbl>, h19_cin <dbl>, h19_flag <dbl>, h19_hc <dbl>,
## # h19_hc_all <dbl>, h19_hc_n_all <dbl>, nh1901_1 <dbl>, nh1901_2 <dbl>,
## # h1901_1 <dbl>, h19_pind1 <dbl>, h19_pid1 <dbl>, h1901_2 <dbl>,
## # h1901_3 <dbl>, h1901_4 <dbl>, h1901_5 <dbl>, h1901_6 <dbl>, h1901_7 <dbl>,
## # h1901_8 <dbl>, h1901_9 <dbl>, h1901_11 <dbl>, h1901_12 <dbl>, …names(koweps_h19_2024)## [1] "h19_id" "h19_ind" "h19_sn" "h19_merkey"
## [5] "h_new" "h_new1" "h19_cobf" "h19_ws"
## [9] "h19_wg" "h19_ws_all" "h19_wg_all" "h19_ws_n_all"
## [13] "h19_wg_n_all" "h19_reg5" "h19_reg7" "h19_din"
## [17] "h19_cin" "h19_flag" "h19_hc" "h19_hc_all"
## [21] "h19_hc_n_all" "nh1901_1" "nh1901_2" "h1901_1"
## [25] "h19_pind1" "h19_pid1" "h1901_2" "h1901_3"
## [29] "h1901_4" "h1901_5" "h1901_6" "h1901_7"
## [33] "h1901_8" "h1901_9" "h1901_11" "h1901_12"
## [37] "h1901_13" "h19_pind2" "h19_pid2" "h1901_14"
## [41] "h1901_15" "h1901_16" "h1901_17" "h1901_18"
## [45] "h1901_19" "h1901_20" "h1901_21" "h1901_23"
## [49] "h1901_24" "h1901_25" "h19_pind3" "h19_pid3"
## [53] "h1901_26" "h1901_27" "h1901_28" "h1901_29"
## [57] "h1901_30" "h1901_31" "h1901_32" "h1901_33"
## [61] "h1901_35" "h1901_36" "h1901_37" "h19_pind4"
## [65] "h19_pid4" "h1901_38" "h1901_39" "h1901_40"
## [69] "h1901_41" "h1901_42" "h1901_43" "h1901_44"
## [73] "h1901_45" "h1901_47" "h1901_48" "h1901_49"
## [77] "h19_pind5" "h19_pid5" "h1901_50" "h1901_51"
## [81] "h1901_52" "h1901_53" "h1901_54" "h1901_55"
## [85] "h1901_56" "h1901_57" "h1901_59" "h1901_60"
## [89] "h1901_61" "h19_pind6" "h19_pid6" "h1901_62"
## [93] "h1901_63" "h1901_64" "h1901_65" "h1901_66"
## [97] "h1901_67" "h1901_68" "h1901_69" "h1901_71"
## [101] "h1901_72" "h1901_73" "h19_pind7" "h19_pid7"
## [105] "h1901_74" "h1901_75" "h1901_76" "h1901_77"
## [109] "h1901_78" "h1901_79" "h1901_80" "h1901_81"
## [113] "h1901_83" "h1901_84" "h1901_85" "h19_pind8"
## [117] "h19_pid8" "h1901_86" "h1901_87" "h1901_88"
## [121] "h1901_89" "h1901_90" "h1901_91" "h1901_92"
## [125] "h1901_93" "h1901_95" "h1901_96" "h1901_97"
## [129] "h19_pind9" "h19_pid9" "h1901_98" "h1901_99"
## [133] "h1901_100" "h1901_101" "h1901_102" "h1901_103"
## [137] "h1901_104" "h1901_105" "h1901_107" "h1901_108"
## [141] "h1901_109" "h1901_110" "h1901_11aq2" "h1901_11aq3"
## [145] "h1901_11aq5" "h1901_11aq6" "h1901_11aq8" "h1901_11aq10"
## [149] "h1902_1" "h1902_2" "h1902_3" "h1902_4"
## [153] "h1902_5" "h1902_6" "h1902_7" "h1902_8"
## [157] "h1902_aq1" "h1902_9" "h1902_3aq1" "h1902_10"
## [161] "h1902_11" "h1902_12" "h1902_13" "h1902_14"
## [165] "h1902_15" "h1902_16" "h1902_17" "h1902_aq2"
## [169] "h1902_18" "h1902_3aq2" "h1902_19" "h1902_20"
## [173] "h1902_21" "h1902_22" "h1902_23" "h1902_24"
## [177] "h1902_25" "h1902_26" "h1902_aq3" "h1902_27"
## [181] "h1902_3aq3" "h1902_28" "h1902_29" "h1902_30"
## [185] "h1902_31" "h1902_32" "h1902_33" "h1902_34"
## [189] "h1902_35" "h1902_aq4" "h1902_36" "h1902_3aq4"
## [193] "h1902_37" "h1902_38" "h1902_39" "h1902_40"
## [197] "h1902_41" "h1902_42" "h1902_43" "h1902_44"
## [201] "h1902_aq5" "h1902_45" "h1902_3aq5" "h1902_46"
## [205] "h1902_47" "h1902_48" "h1902_49" "h1902_50"
## [209] "h1902_51" "h1902_52" "h1902_53" "h1902_aq6"
## [213] "h1902_54" "h1902_3aq6" "h1902_55" "h1902_56"
## [217] "h1902_57" "h1902_58" "h1902_59" "h1902_60"
## [221] "h1902_61" "h1902_62" "h1902_aq7" "h1902_63"
## [225] "h1902_3aq7" "h1902_64" "h1902_65" "h1902_66"
## [229] "h1902_67" "h1902_68" "h1902_69" "h1902_70"
## [233] "h1902_71" "h1902_aq8" "h1902_72" "h1902_3aq8"
## [237] "h1902_73" "h1902_74" "h1902_75" "h1902_76"
## [241] "h1902_77" "h1902_78" "h1902_79" "h1902_80"
## [245] "h1902_aq9" "h1902_81" "h1902_3aq9" "h1903_1"
## [249] "h1903_2" "h1903_3" "h1903_4" "h1903_7aq1"
## [253] "h1903_aq1" "h1903_6" "h1903_3aq1" "h1903_3aq2"
## [257] "h1903_4aq1" "h1903_7" "h1903_8" "h1903_9"
## [261] "h1903_10" "h1903_11" "h1903_12" "h1903_13"
## [265] "h1903_14" "h1903_7aq2" "h1903_aq3" "h1903_16"
## [269] "h1903_3aq3" "h1903_3aq4" "h1903_4aq2" "h1903_17"
## [273] "h1903_18" "h1903_19" "h1903_20" "h1903_21"
## [277] "h1903_22" "h1903_23" "h1903_24" "h1903_7aq3"
## [281] "h1903_aq5" "h1903_26" "h1903_3aq5" "h1903_3aq6"
## [285] "h1903_4aq3" "h1903_27" "h1903_28" "h1903_29"
## [289] "h1903_30" "h1903_31" "h1903_32" "h1903_33"
## [293] "h1903_34" "h1903_7aq4" "h1903_aq7" "h1903_36"
## [297] "h1903_3aq7" "h1903_3aq8" "h1903_4aq4" "h1903_37"
## [301] "h1903_38" "h1903_39" "h1903_40" "h1903_41"
## [305] "h1903_42" "h1903_43" "h1903_44" "h1903_7aq5"
## [309] "h1903_aq9" "h1903_46" "h1903_3aq9" "h1903_3aq10"
## [313] "h1903_4aq5" "h1903_47" "h1903_48" "h1903_49"
## [317] "h1903_50" "h1903_51" "h1903_52" "h1903_53"
## [321] "h1903_54" "h1903_7aq6" "h1903_aq11" "h1903_56"
## [325] "h1903_3aq11" "h1903_3aq12" "h1903_4aq6" "h1903_57"
## [329] "h1903_58" "h1903_59" "h1903_60" "h1903_61"
## [333] "h1903_62" "h1903_63" "h1903_64" "h1903_7aq7"
## [337] "h1903_aq13" "h1903_66" "h1903_3aq13" "h1903_3aq14"
## [341] "h1903_4aq7" "h1903_67" "h1903_68" "h1903_69"
## [345] "h1903_70" "h1903_71" "h1903_72" "h1903_73"
## [349] "h1903_74" "h1903_7aq8" "h1903_aq15" "h1903_76"
## [353] "h1903_3aq15" "h1903_3aq16" "h1903_4aq8" "h1903_77"
## [357] "h1903_78" "h1903_79" "h1903_80" "h1903_81"
## [361] "h1903_82" "h1903_83" "h1903_84" "h1903_7aq9"
## [365] "h1903_aq17" "h1903_86" "h1903_3aq17" "h1903_3aq18"
## [369] "h1903_4aq9" "h1903_87" "h1903_88" "h1903_89"
## [373] "h1903_90" "h1904_1" "h1904_aq1" "h1904_aq2"
## [377] "h1904_aq3" "h1904_aq4" "h1904_aq5" "h1904_aq6"
## [381] "h1904_aq7" "h1904_aq8" "h1904_aq9" "h1904_aq10"
## [385] "h1904_8" "h1904_9" "h1904_11" "h1904_10"
## [389] "h1904_aq11" "h1904_7aq1" "h1904_12" "h1904_aq12"
## [393] "h1904_aq13" "h1904_aq14" "h1904_aq15" "h1904_aq16"
## [397] "h1904_aq17" "h1904_aq18" "h1904_aq19" "h1904_aq20"
## [401] "h1904_aq21" "h1904_19" "h1904_20" "h1904_22"
## [405] "h1904_21" "h1904_aq22" "h1904_7aq2" "h1904_23"
## [409] "h1904_aq23" "h1904_aq24" "h1904_aq25" "h1904_aq26"
## [413] "h1904_aq27" "h1904_aq28" "h1904_aq29" "h1904_aq30"
## [417] "h1904_aq31" "h1904_aq32" "h1904_30" "h1904_31"
## [421] "h1904_33" "h1904_32" "h1904_aq33" "h1904_7aq3"
## [425] "h1904_34" "h1904_aq34" "h1904_aq35" "h1904_aq36"
## [429] "h1904_aq37" "h1904_aq38" "h1904_aq39" "h1904_aq40"
## [433] "h1904_aq41" "h1904_aq42" "h1904_aq43" "h1904_41"
## [437] "h1904_42" "h1904_44" "h1904_43" "h1904_aq44"
## [441] "h1904_7aq4" "h1904_45" "h1904_aq45" "h1904_aq46"
## [445] "h1904_aq47" "h1904_aq48" "h1904_aq49" "h1904_aq50"
## [449] "h1904_aq51" "h1904_aq52" "h1904_aq53" "h1904_aq54"
## [453] "h1904_52" "h1904_53" "h1904_55" "h1904_54"
## [457] "h1904_aq55" "h1904_7aq5" "h1904_56" "h1904_aq56"
## [461] "h1904_aq57" "h1904_aq58" "h1904_aq59" "h1904_aq60"
## [465] "h1904_aq61" "h1904_aq62" "h1904_aq63" "h1904_aq64"
## [469] "h1904_aq65" "h1904_63" "h1904_64" "h1904_66"
## [473] "h1904_65" "h1904_aq66" "h1904_7aq6" "h1904_67"
## [477] "h1904_aq67" "h1904_aq68" "h1904_aq69" "h1904_aq70"
## [481] "h1904_aq71" "h1904_aq72" "h1904_aq73" "h1904_aq74"
## [485] "h1904_aq75" "h1904_aq76" "h1904_74" "h1904_75"
## [489] "h1904_77" "h1904_76" "h1904_aq77" "h1904_7aq7"
## [493] "h1904_78" "h1904_aq78" "h1904_aq79" "h1904_aq80"
## [497] "h1904_aq81" "h1904_aq82" "h1904_aq83" "h1904_aq84"
## [501] "h1904_aq85" "h1904_aq86" "h1904_aq87" "h1904_85"
## [505] "h1904_86" "h1904_88" "h1904_87" "h1904_aq88"
## [509] "h1904_7aq8" "h1904_89" "h1904_aq89" "h1904_aq90"
## [513] "h1904_aq91" "h1904_aq92" "h1904_aq93" "h1904_aq94"
## [517] "h1904_aq95" "h1904_aq96" "h1904_aq97" "h1904_aq98"
## [521] "h1904_96" "h1904_97" "h1904_99" "h1904_98"
## [525] "h1904_aq99" "h1904_7aq9" "h1905_1" "h1905_3aq1"
## [529] "h1905_2" "h1905_3" "h1905_4" "h1905_5"
## [533] "h1905_6" "h1905_7" "nh1905_8" "nh1905_9"
## [537] "h1905_3aq2" "h1906_aq1" "h1906_14aq1" "h1906_1"
## [541] "h1906_2" "h1906_4" "h1906_5" "h1906_3"
## [545] "h1906_3_16aq1" "h1906_3_18aq1" "h1906_6" "h1906_8"
## [549] "h1906_9" "h1906_aq2" "h1906_aq3" "h1906_10"
## [553] "h1906_11" "h1906_12" "h1906_13" "h1906_14"
## [557] "h1906_15" "h1906_21" "h1906_22" "h1906_23"
## [561] "h1906_24" "h1906_25" "h1906_27" "h1906_33"
## [565] "h1906_36" "h1906_39" "h1906_18aq2" "h1907_3aq1"
## [569] "h1907_3aq2" "h1907_5aq1" "h1907_3aq3" "h1907_3aq4"
## [573] "h1907_3aq5" "h1907_6aq1" "h1907_3aq6" "h1907_5aq2"
## [577] "h1907_3aq7" "h1907_3aq8" "h1907_3aq9" "h1907_3aq10"
## [581] "h1907_3aq11" "h1907_5aq3" "h1907_5aq4" "h1907_3aq13"
## [585] "h1907_6aq4" "h1907_6aq6" "h1907_13aq1" "h1907_3aq14"
## [589] "h1907_3aq15" "h1907_3aq16" "h1907_3aq17" "h1907_4"
## [593] "h1907_6aq7" "h1907_6aq8" "h1907_6aq9" "h1907_6aq10"
## [597] "h1907_6aq11" "h1907_5" "h1907_6aq12" "h1907_6aq13"
## [601] "h1907_6aq14" "h1907_9" "h1908_1" "h1908_2"
## [605] "h1908_4aq1" "h1908_4" "h1908_4aq2" "h1908_6"
## [609] "h1908_4aq3" "h1908_8" "h1908_4aq4" "h1908_10"
## [613] "h1908_4aq5" "h1908_12" "h1908_4aq6" "h1908_16"
## [617] "h1908_17" "h1908_4aq7" "h1908_19" "h1908_4aq8"
## [621] "h1908_21" "h1908_4aq9" "h1908_23" "h1908_4aq10"
## [625] "h1908_25" "h1908_4aq11" "h1908_27" "h1908_4aq12"
## [629] "h1908_31" "h1908_32" "h1908_4aq13" "h1908_34"
## [633] "h1908_4aq14" "h1908_36" "h1908_4aq15" "h1908_38"
## [637] "h1908_4aq16" "h1908_40" "h1908_4aq17" "h1908_42"
## [641] "h1908_4aq18" "h1908_46" "h1908_47" "h1908_4aq19"
## [645] "h1908_49" "h1908_4aq20" "h1908_51" "h1908_4aq21"
## [649] "h1908_53" "h1908_4aq22" "h1908_55" "h1908_4aq23"
## [653] "h1908_57" "h1908_4aq24" "h1908_61" "h1908_62"
## [657] "h1908_4aq25" "h1908_64" "h1908_4aq26" "h1908_66"
## [661] "h1908_4aq27" "h1908_68" "h1908_4aq28" "h1908_70"
## [665] "h1908_4aq29" "h1908_72" "h1908_4aq30" "h1908_76"
## [669] "h1908_77" "h1908_4aq31" "h1908_79" "h1908_4aq32"
## [673] "h1908_81" "h1908_4aq33" "h1908_83" "h1908_4aq34"
## [677] "h1908_85" "h1908_4aq35" "h1908_87" "h1908_4aq36"
## [681] "h1908_91" "h1908_92" "h1908_4aq37" "h1908_94"
## [685] "h1908_4aq38" "h1908_96" "h1908_4aq39" "h1908_98"
## [689] "h1908_4aq40" "h1908_100" "h1908_4aq41" "h1908_102"
## [693] "h1908_4aq42" "h1908_4aq43" "h1908_4aq44" "h1908_4aq45"
## [697] "h1908_4aq46" "h1908_4aq47" "h1908_4aq48" "h1908_4aq49"
## [701] "h1908_4aq50" "h1908_4aq51" "h1908_4aq52" "h1908_4aq53"
## [705] "h1908_4aq54" "h1908_4aq55" "h1908_4aq56" "h1908_4aq57"
## [709] "h1908_4aq58" "h1908_4aq59" "h1908_4aq60" "h1908_4aq61"
## [713] "h1908_4aq62" "h1908_4aq63" "h1908_4aq64" "h1908_4aq65"
## [717] "h1908_4aq66" "h1908_4aq67" "h1908_4aq68" "h1908_106"
## [721] "h1908_107" "h1908_108" "h1908_109" "h1908_110"
## [725] "h1908_111" "h1908_113" "h1908_114" "h1908_115"
## [729] "h1908_116" "h1908_117" "h1908_118" "h1908_119"
## [733] "h1908_120" "h1908_3aq1" "h1908_3aq2" "h1908_4aq69"
## [737] "h1908_4aq70" "h1908_4aq71" "h1908_4aq72" "h1908_4aq73"
## [741] "h1908_4aq74" "h1908_4aq75" "h1908_4aq76" "h1908_121"
## [745] "h1908_122" "h1908_123" "h1908_124" "h1908_125"
## [749] "h1908_126" "h1908_127" "h1908_128" "h1908_129"
## [753] "h1908_130" "h1908_4aq77" "h1908_4aq78" "h1908_4aq79"
## [757] "h1908_4aq80" "h1908_4aq81" "h1908_4aq82" "h1908_4aq83"
## [761] "h1908_4aq84" "h1908_147" "h1908_148" "h1908_149"
## [765] "h1908_150" "h1908_151" "h1908_152" "h1908_153"
## [769] "h1908_154" "h1908_4aq85" "h1908_4aq86" "h1908_4aq87"
## [773] "h1908_4aq88" "h1908_4aq89" "h1908_4aq90" "h1908_4aq91"
## [777] "h1908_4aq92" "h1908_4aq93" "h1908_4aq94" "h1908_aq1"
## [781] "h1908_aq2" "h1908_aq3" "h1908_aq4" "h1908_aq5"
## [785] "h1908_aq6" "h1908_aq7" "h1908_aq8" "h1908_4aq95"
## [789] "h1908_4aq96" "h1908_4aq97" "h1908_4aq98" "h1908_4aq99"
## [793] "h1908_4aq100" "h1908_4aq101" "h1908_4aq102" "h1908_4aq103"
## [797] "h1908_4aq104" "h1908_155" "h1908_156" "h1908_157"
## [801] "h1908_158" "h1908_160" "h1908_159" "h1908_3aq3"
## [805] "h1908_161" "h1908_162" "h1908_163" "h1908_164"
## [809] "h1908_166" "h1908_165" "h1908_3aq4" "h1908_167"
## [813] "h1908_168" "h1908_169" "h1908_170" "h1908_171"
## [817] "h1908_172" "h1908_173" "h1908_174" "h1908_175"
## [821] "h1908_176" "h1908_177" "h1908_178" "h1908_4aq105"
## [825] "h1908_4aq106" "h1908_4aq107" "h1908_4aq108" "h1908_4aq109"
## [829] "h1908_4aq110" "h1908_4aq111" "h1908_4aq112" "h1908_4aq113"
## [833] "h1908_4aq114" "h1908_aq9" "h1908_aq10" "h1908_aq11"
## [837] "h1908_aq12" "h1908_14aq1" "h1908_14aq2" "h1908_aq13"
## [841] "h1908_aq14" "h1908_aq15" "h1908_6aq1" "h1908_aq16"
## [845] "h1908_10aq1" "h1908_aq19" "h1908_aq20" "h1908_aq21"
## [849] "h1908_19aq1" "h1908_5aq3" "h1908_14aq3" "h1908_aq22"
## [853] "h1908_aq23" "h1908_aq24" "h1908_4aq116" "h1908_4aq117"
## [857] "h1908_18aq1" "h1908_5aq1" "h1908_11aq1" "h1908_7aq4"
## [861] "h1908_7aq6" "h1908_7aq8" "h1908_aq25" "h1908_15aq1"
## [865] "h1908_aq26" "h1908_aq27" "h1908_aq28" "h1908_aq29"
## [869] "h1908_3aq5" "h1908_4aq118" "h1908_aq30" "h1908_6aq3"
## [873] "h1908_3aq6" "h1908_3aq7" "nh1908_3aq1" "h1908_aq32"
## [877] "h1908_aq33" "h1908_aq34" "h1908_11aq2" "h1908_11aq3"
## [881] "h1908_11aq4" "h1908_11aq5" "h1908_11aq7" "h1908_11aq8"
## [885] "h1909_aq1" "h1909_aq2" "h1909_aq3" "h1909_aq4"
## [889] "h1909_aq5" "h1909_aq6" "h1909_aq7" "h1909_aq8"
## [893] "h1909_12aq1" "h1909_12aq2" "h1909_12aq3" "h1909_12aq4"
## [897] "h1909_12aq5" "h1909_12aq6" "h1910_aq1" "h1910_aq2"
## [901] "h1910_aq3" "h1910_aq4" "h1910_aq5" "h1910_aq6"
## [905] "h1910_aq7" "h1910_aq8" "h1910_aq9" "h1910_aq10"
## [909] "h1910_aq11" "h1910_aq12" "h1910_aq13" "h1910_aq14"
## [913] "h1910_aq15" "h1910_aq16" "h1910_aq17" "h1910_aq18"
## [917] "h1910_aq19" "h1910_aq20" "h1910_26" "h1910_27"
## [921] "h1910_aq23" "h1910_aq24" "h1910_aq25" "h1910_aq26"
## [925] "h1911_2" "h1911_3" "h1911_4" "h1911_5"
## [929] "h1911_6" "h1911_7" "h1911_8" "h1911_3aq1"
## [933] "h1911_3aq2" "h1911_3aq3" "h1911_3aq4" "h1911_3aq5"
## [937] "h1911_3aq6" "h1911_3aq7" "h1912_2_11aq1" "h1912_2_11aq2"
## [941] "h1912_2_11aq3" "h1912_2_11aq4" "h1912_2_11aq5" "h1912_2_11aq6"
## [945] "h1912_2_11aq7" "h1912_2_11aq8" "h1912_2_11aq9" "h1912_2_11aq10"
## [949] "h1912_2_11aq11" "h1912_2_11aq12" "h1912_2_11aq13" "h1912_2_11aq14"
## [953] "h1912_2_11aq15" "h1912_2_11aq16" "h1912_2_12aq1" "h1912_2_11aq17"
## [957] "h1912_2_12aq2" "h1912_2_11aq18" "h1912_2_12aq3" "h1912_2_11aq19"
## [961] "h1912_2_12aq4" "h1912_2_11aq20" "h1912_2_12aq5" "h1912_2_11aq21"
## [965] "h1912_2_12aq6" "h1912_2_11aq23" "h1912_2_12aq7" "h1912_2_11aq24"
## [969] "h1912_2_12aq8" "h1912_2_11aq25" "h1912_2_12aq9" "h1912_2_11aq26"
## [973] "h1912_2_12aq10" "h1912_2_11aq27" "h1912_2_12aq11" "h1912_2_11aq28"
## [977] "h1912_2_12aq12" "h1912_2_11aq30" "h1912_2_12aq13" "h1912_2_11aq31"
## [981] "h1912_2_12aq14" "h1912_2_11aq32" "h1912_2_12aq15" "h1912_2_11aq33"
## [985] "h1912_2_12aq16" "h1912_2_11aq34" "h1912_2_12aq17" "h1912_2_11aq35"
## [989] "h1912_2_12aq18" "h1912_2_11aq37" "h1912_2_12aq19" "h1912_2_11aq38"
## [993] "h1912_2_12aq20" "h1912_2_11aq39" "h1912_2_12aq21" "h1912_2_11aq40"
## [997] "h1912_2_12aq22" "h1912_2_11aq41" "h1912_2_12aq23" "h1912_2_11aq42"
## [1001] "h1912_2_11aq43" "h1912_2_11aq44" "h1912_2_11aq45" "h1912_2_11aq46"
## [1005] "h1912_2_11aq47" "h1912_2_11aq48" "h1912_2_11aq49" "h1912_2_11aq50"
## [1009] "h1912_2_11aq51" "h1912_2_11aq52" "h1912_2_11aq53" "h1912_2_11aq54"
## [1013] "h1912_2_11aq55" "h1912_2_11aq56" "h1912_2_11aq57" "h1912_2_11aq58"
## [1017] "h1912_2_11aq59" "h1912_1_4aq1" "h1912_1_11aq1" "h1912_1_5aq1"
## [1021] "h1912_1_5aq2" "h1912_1_5aq3" "h1912_1_5aq4" "h1912_1_5aq5"
## [1025] "h1912_1_4aq2" "h1913_2" "h1913_6" "h1913_10"
## [1029] "h1913_14" "h1913_18" "h1913_22" "h1913_26"
## [1033] "h1913_8aq1" "h1913_5aq1" "h1913_8aq2" "h1913_15aq1"
## [1037] "h1913_4aq1" "h1913_4aq4" "h1913_4aq6" "h1913_4aq8"
## [1041] "h1913_12aq1" "h1913_5aq4" "h1913_15aq2" "h1913_5aq8"
## [1045] "h1913_15aq3" "h1913_15aq4" "h1913_12aq2" "h1913_4aq14"
## [1049] "h1913_4aq15" "h1913_4aq16" "h1913_4aq17" "h1913_4aq18"
## [1053] "h1913_4aq20" "h1913_4aq22" "h1913_4aq24" "h1913_4aq26"
## [1057] "h1913_4aq28" "h1913_4aq30" "h1913_4aq32" "h1914_4"
## [1061] "h1914_8" "h1914_12" "h1914_16" "h1914_20"
## [1065] "h1914_24" "h1914_28" "h1914_32" "h1914_36"
## [1069] "h1914_3aq1" "h1914_4aq1" "h1915_14aq1" "h1915_19aq1"
## [1073] "h1915_4" "h1915_8" "h1915_12" "h1915_20"
## [1077] "h1915_25" "h1915_29" "h1915_33" "h1915_37"
## [1081] "h1915_4aq1" "h1915_7aq1" "h1915_aq1" "h1915_40"
## [1085] "h1915_41" "h1915_42" "h1915_43" "h1915_44"
## [1089] "h1915_45" "h1915_46" "h1915_47" "h1915_48"
## [1093] "h1915_49" "h1915_50" "h1915_51" "h1915_52"
## [1097] "h1915_53" "h1915_54" "h1915_55" "h1915_56"
## [1101] "h1915_57" "h1915_60" "h1915_aq2" "h1915_61"
## [1105] "h1915_62" "h1915_63" "h1915_66" "h1915_67"
## [1109] "h1915_68" "h1915_aq3" "h1915_69" "h1915_70"
## [1113] "h1915_71" "h1915_74" "h1915_75" "h1915_76"
## [1117] "h1915_aq4" "h1915_77" "h1915_78" "h1915_79"
## [1121] "h1915_82" "h1915_83" "h1915_84" "h1915_aq5"
## [1125] "h1915_85" "h1915_86" "h1915_87" "h1915_90"
## [1129] "h1915_91" "h1915_92" "h1915_aq6" "h1915_93"
## [1133] "h1915_94" "h1915_95" "h1915_98" "h1915_99"
## [1137] "h1915_100" "h1915_aq7" "h1915_101" "h1915_102"
## [1141] "h1915_103" "h1915_106" "h1915_107" "h1916_6aq1"
## [1145] "h1916_6aq4" "h1916_8" "h1916_24" "h1916_4aq1"
## [1149] "h1916_4aq4" "h1916_32" "h1916_36" "h1916_40"
## [1153] "h1916_4aq7" "h1916_56" "h1916_60" "h1916_64"
## [1157] "h1916_15aq1" "h1917_1" "h1917_2" "h1917_3"
## [1161] "h1917_4" "h1917_5" "h1917_6" "h1917_7"str(koweps_h19_2024)## tibble [7,499 × 1,164] (S3: tbl_df/tbl/data.frame)
## $ h19_id : num [1:7499] 2 3 4 6 8 10 12 14 15 16 ...
## ..- attr(*, "label")= chr "가구 패널 id(h19_id)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h19_ind : num [1:7499] 1 1 1 1 1 1 1 1 1 1 ...
## ..- attr(*, "label")= chr "가구생성차수(h19_ind)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h19_sn : num [1:7499] 1 1 1 1 1 1 1 1 1 1 ...
## ..- attr(*, "label")= chr "가구분리일련번호(h19_sn)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h19_merkey : num [1:7499] 20101 30101 40101 60101 80101 ...
## ..- attr(*, "label")= chr "패널간 가구머지 키변수(h19_merkey)"
## ..- attr(*, "format.stata")= chr "%12.0g"
## $ h_new : num [1:7499] 0 0 0 0 0 0 0 0 0 0 ...
## ..- attr(*, "label")= chr "7차 추가표본(1,800가구) 구분(h_new)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h_new1 : num [1:7499] 0 0 0 0 0 0 0 0 0 0 ...
## ..- attr(*, "label")= chr "17차 추가표본(2,012가구) 구분(h_new1)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h19_cobf : num [1:7499] NA NA NA NA NA NA NA NA NA NA ...
## ..- attr(*, "label")= chr "분가사유(h19_cobf)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h19_ws : num [1:7499] 0.414 0.678 0.368 0.891 0.174 ...
## ..- attr(*, "label")= chr "표준 가중치(표본분석) - 횡단면 데이터 및 종단면 데이터 분석용(원표본)(h19_ws)"
## ..- attr(*, "format.stata")= chr "%12.0g"
## $ h19_wg : num [1:7499] 2055 3360 1825 4420 863 ...
## ..- attr(*, "label")= chr "일반 가중치(모수추정) - 횡단면 데이터 및 종단면 데이터 분석용(원표본)(h19_wg)"
## ..- attr(*, "format.stata")= chr "%12.0g"
## $ h19_ws_all : num [1:7499] 0.255 0.539 0.235 0.986 0.109 ...
## ..- attr(*, "label")= chr "표준 가중치(표본분석) - 횡단면 데이터 및 종단면 데이터 분석용(원표본+7차 추가표본)(h19_ws_all)"
## ..- attr(*, "format.stata")= chr "%12.0g"
## $ h19_wg_all : num [1:7499] 982 2081 906 3806 420 ...
## ..- attr(*, "label")= chr "일반 가중치(모수추정) - 횡단면 데이터 및 종단면 데이터 분석용(원표본+7차 추가표본)(h19_wg_all)"
## ..- attr(*, "format.stata")= chr "%12.0g"
## $ h19_ws_n_all : num [1:7499] 0.2544 0.5068 0.2333 1.0362 0.0976 ...
## ..- attr(*, "label")= chr "표준 가중치(표본분석) - 횡단면 데이터 및 종단면 데이터 분석용(통합표본)(h19_ws_n_all)"
## ..- attr(*, "format.stata")= chr "%12.0g"
## $ h19_wg_n_all : num [1:7499] 741 1476 679 3017 284 ...
## ..- attr(*, "label")= chr "일반 가중치(모수추정) - 횡단면 데이터 및 종단면 데이터 분석용(통합표본)(h19_wg_n_all)"
## ..- attr(*, "format.stata")= chr "%12.0g"
## $ h19_reg5 : num [1:7499] 1 1 1 1 3 1 1 1 1 1 ...
## ..- attr(*, "label")= chr "5개 권역별 지역구분(h19_reg5)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h19_reg7 : num [1:7499] 1 1 1 1 2 1 1 1 1 1 ...
## ..- attr(*, "label")= chr "7개 권역별 지역구분(h19_reg7)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h19_din : num [1:7499] 1354 2874 2519 6204 934 ...
## ..- attr(*, "label")= chr "가처분소득(h19_din)"
## ..- attr(*, "format.stata")= chr "%12.0g"
## $ h19_cin : num [1:7499] 1558 2947 2531 6468 935 ...
## ..- attr(*, "label")= chr "경상소득(h19_cin)"
## ..- attr(*, "format.stata")= chr "%12.0g"
## $ h19_flag : num [1:7499] 0 0 0 0 0 0 0 0 0 0 ...
## ..- attr(*, "label")= chr "가처분소득 및 경상소득 -imputation 여부(무응답 대체법 적용 여부)(h19_flag)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h19_hc : num [1:7499] 2 1 1 1 2 2 2 2 1 1 ...
## ..- attr(*, "label")= chr "균등화소득에 따른 가구구분(공공부조 이전의 균등화 경상소득의 중위 60% 기준)(원표본)(h19_hc)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h19_hc_all : num [1:7499] 2 1 1 1 2 2 2 2 1 1 ...
## ..- attr(*, "label")= chr "균등화소득에 따른 가구구분(공공부조 이전의 균등화 경상소득의 중위 60% 기준)(원표본+7차 추가표본)(h19_hc_all)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h19_hc_n_all : num [1:7499] 2 1 1 1 2 2 2 2 1 1 ...
## ..- attr(*, "label")= chr "균등화소득에 따른 가구구분(공공부조 이전의 균등화 경상소득의 중위 60% 기준)(통합표본)(h19_hc_n_all)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ nh1901_1 : num [1:7499] NA NA NA NA NA NA NA NA NA NA ...
## ..- attr(*, "label")= chr "신규가구 생성시기 년(nh1901_1)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ nh1901_2 : num [1:7499] NA NA NA NA NA NA NA NA NA NA ...
## ..- attr(*, "label")= chr "신규가구 생성시기 월(nh1901_2)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_1 : num [1:7499] 1 1 1 4 1 2 2 1 4 2 ...
## ..- attr(*, "label")= chr "가구원수(h1901_1)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h19_pind1 : num [1:7499] 1 1 1 1 1 1 1 1 1 1 ...
## ..- attr(*, "label")= chr "1번.가구원 가구진입차수(h19_pind1)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h19_pid1 : num [1:7499] 201 301 401 601 801 ...
## ..- attr(*, "label")= chr "1번.개인 패널id(h19_pid1)"
## ..- attr(*, "format.stata")= chr "%12.0g"
## $ h1901_2 : num [1:7499] 1 1 1 1 1 1 1 1 1 1 ...
## ..- attr(*, "label")= chr "1번.가구원 번호(h1901_2)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_3 : num [1:7499] 10 10 10 10 10 10 10 10 10 10 ...
## ..- attr(*, "label")= chr "1번.가구주와의 관계(h1901_3)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_4 : num [1:7499] 2 1 1 1 2 2 1 1 1 1 ...
## ..- attr(*, "label")= chr "1번.성별(h1901_4)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_5 : num [1:7499] 1945 1948 1942 1962 1940 ...
## ..- attr(*, "label")= chr "1번.태어난 연도(h1901_5)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_6 : num [1:7499] 4 3 7 6 3 5 4 6 7 5 ...
## ..- attr(*, "label")= chr "1번.교육수준1(h1901_6)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_7 : num [1:7499] 5 5 3 5 3 5 5 5 5 5 ...
## ..- attr(*, "label")= chr "1번.교육수준2(h1901_7)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_8 : num [1:7499] 0 0 0 0 1 0 0 0 0 0 ...
## ..- attr(*, "label")= chr "1번.장애종류(h1901_8)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_9 : num [1:7499] 0 0 0 0 2 0 0 0 0 0 ...
## ..- attr(*, "label")= chr "1번.장애정도(h1901_9)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_11 : num [1:7499] 2 2 3 1 2 3 1 5 1 1 ...
## ..- attr(*, "label")= chr "1번.혼인상태(h1901_11)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_12 : num [1:7499] 1 2 1 1 1 1 2 1 2 1 ...
## ..- attr(*, "label")= chr "1번.종교(h1901_12)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_13 : num [1:7499] 1 1 1 1 1 1 1 1 1 1 ...
## ..- attr(*, "label")= chr "1번.동거여부(h1901_13)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h19_pind2 : num [1:7499] NA NA NA 1 NA 1 1 NA 1 1 ...
## ..- attr(*, "label")= chr "2번.가구원 가구진입차수(h19_pind2)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h19_pid2 : num [1:7499] NA NA NA 602 NA ...
## ..- attr(*, "label")= chr "2번.개인 패널id(h19_pid2)"
## ..- attr(*, "format.stata")= chr "%12.0g"
## $ h1901_14 : num [1:7499] NA NA NA 2 NA 2 2 NA 2 2 ...
## ..- attr(*, "label")= chr "2번.가구원 번호(h1901_14)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_15 : num [1:7499] NA NA NA 20 NA 11 20 NA 20 20 ...
## ..- attr(*, "label")= chr "2번.가구주와의 관계(h1901_15)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_16 : num [1:7499] NA NA NA 2 NA 2 2 NA 2 2 ...
## ..- attr(*, "label")= chr "2번.성별(h1901_16)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_17 : num [1:7499] NA NA NA 1963 NA ...
## ..- attr(*, "label")= chr "2번.태어난 연도(h1901_17)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_18 : num [1:7499] NA NA NA 5 NA 4 2 NA 7 3 ...
## ..- attr(*, "label")= chr "2번.교육수준1(h1901_18)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_19 : num [1:7499] NA NA NA 5 NA 3 0 NA 5 5 ...
## ..- attr(*, "label")= chr "2번.교육수준2(h1901_19)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_20 : num [1:7499] NA NA NA 0 NA 0 0 NA 0 0 ...
## ..- attr(*, "label")= chr "2번.장애종류(h1901_20)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_21 : num [1:7499] NA NA NA 0 NA 0 0 NA 0 0 ...
## ..- attr(*, "label")= chr "2번.장애정도(h1901_21)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_23 : num [1:7499] NA NA NA 1 NA 5 1 NA 1 1 ...
## ..- attr(*, "label")= chr "2번.혼인상태(h1901_23)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_24 : num [1:7499] NA NA NA 1 NA 1 2 NA 2 1 ...
## ..- attr(*, "label")= chr "2번.종교(h1901_24)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_25 : num [1:7499] NA NA NA 1 NA 1 1 NA 1 1 ...
## ..- attr(*, "label")= chr "2번.동거여부(h1901_25)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h19_pind3 : num [1:7499] NA NA NA 1 NA NA NA NA 1 NA ...
## ..- attr(*, "label")= chr "3번.가구원 가구진입차수(h19_pind3)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h19_pid3 : num [1:7499] NA NA NA 603 NA ...
## ..- attr(*, "label")= chr "3번.개인 패널id(h19_pid3)"
## ..- attr(*, "format.stata")= chr "%12.0g"
## $ h1901_26 : num [1:7499] NA NA NA 3 NA NA NA NA 3 NA ...
## ..- attr(*, "label")= chr "3번.가구원 번호(h1901_26)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_27 : num [1:7499] NA NA NA 11 NA NA NA NA 11 NA ...
## ..- attr(*, "label")= chr "3번.가구주와의 관계(h1901_27)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_28 : num [1:7499] NA NA NA 2 NA NA NA NA 2 NA ...
## ..- attr(*, "label")= chr "3번.성별(h1901_28)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_29 : num [1:7499] NA NA NA 2003 NA ...
## ..- attr(*, "label")= chr "3번.태어난 연도(h1901_29)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_30 : num [1:7499] NA NA NA 7 NA NA NA NA 7 NA ...
## ..- attr(*, "label")= chr "3번.교육수준1(h1901_30)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_31 : num [1:7499] NA NA NA 1 NA NA NA NA 1 NA ...
## ..- attr(*, "label")= chr "3번.교육수준2(h1901_31)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_32 : num [1:7499] NA NA NA 0 NA NA NA NA 0 NA ...
## ..- attr(*, "label")= chr "3번.장애종류(h1901_32)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_33 : num [1:7499] NA NA NA 0 NA NA NA NA 0 NA ...
## ..- attr(*, "label")= chr "3번.장애정도(h1901_33)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_35 : num [1:7499] NA NA NA 5 NA NA NA NA 5 NA ...
## ..- attr(*, "label")= chr "3번.혼인상태(h1901_35)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_36 : num [1:7499] NA NA NA 1 NA NA NA NA 2 NA ...
## ..- attr(*, "label")= chr "3번.종교(h1901_36)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_37 : num [1:7499] NA NA NA 1 NA NA NA NA 1 NA ...
## ..- attr(*, "label")= chr "3번.동거여부(h1901_37)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h19_pind4 : num [1:7499] NA NA NA 1 NA NA NA NA 5 NA ...
## ..- attr(*, "label")= chr "4번.가구원 가구진입차수(h19_pind4)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h19_pid4 : num [1:7499] NA NA NA 605 NA ...
## ..- attr(*, "label")= chr "4번.개인 패널id(h19_pid4)"
## ..- attr(*, "format.stata")= chr "%12.0g"
## $ h1901_38 : num [1:7499] NA NA NA 4 NA NA NA NA 4 NA ...
## ..- attr(*, "label")= chr "4번.가구원 번호(h1901_38)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_39 : num [1:7499] NA NA NA 2 NA NA NA NA 12 NA ...
## ..- attr(*, "label")= chr "4번.가구주와의 관계(h1901_39)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_40 : num [1:7499] NA NA NA 2 NA NA NA NA 2 NA ...
## ..- attr(*, "label")= chr "4번.성별(h1901_40)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_41 : num [1:7499] NA NA NA 1934 NA ...
## ..- attr(*, "label")= chr "4번.태어난 연도(h1901_41)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_42 : num [1:7499] NA NA NA 4 NA NA NA NA 4 NA ...
## ..- attr(*, "label")= chr "4번.교육수준1(h1901_42)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_43 : num [1:7499] NA NA NA 5 NA NA NA NA 1 NA ...
## ..- attr(*, "label")= chr "4번.교육수준2(h1901_43)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_44 : num [1:7499] NA NA NA 0 NA NA NA NA 0 NA ...
## ..- attr(*, "label")= chr "4번.장애종류(h1901_44)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_45 : num [1:7499] NA NA NA 0 NA NA NA NA 0 NA ...
## ..- attr(*, "label")= chr "4번.장애정도(h1901_45)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_47 : num [1:7499] NA NA NA 2 NA NA NA NA 0 NA ...
## ..- attr(*, "label")= chr "4번.혼인상태(h1901_47)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_48 : num [1:7499] NA NA NA 1 NA NA NA NA 2 NA ...
## ..- attr(*, "label")= chr "4번.종교(h1901_48)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_49 : num [1:7499] NA NA NA 1 NA NA NA NA 1 NA ...
## ..- attr(*, "label")= chr "4번.동거여부(h1901_49)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h19_pind5 : num [1:7499] NA NA NA NA NA NA NA NA NA NA ...
## ..- attr(*, "label")= chr "5번.가구원 가구진입차수(h19_pind5)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h19_pid5 : num [1:7499] NA NA NA NA NA NA NA NA NA NA ...
## ..- attr(*, "label")= chr "5번.개인 패널id(h19_pid5)"
## ..- attr(*, "format.stata")= chr "%12.0g"
## $ h1901_50 : num [1:7499] NA NA NA NA NA NA NA NA NA NA ...
## ..- attr(*, "label")= chr "5번.가구원 번호(h1901_50)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_51 : num [1:7499] NA NA NA NA NA NA NA NA NA NA ...
## ..- attr(*, "label")= chr "5번.가구주와의 관계(h1901_51)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_52 : num [1:7499] NA NA NA NA NA NA NA NA NA NA ...
## ..- attr(*, "label")= chr "5번.성별(h1901_52)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_53 : num [1:7499] NA NA NA NA NA NA NA NA NA NA ...
## ..- attr(*, "label")= chr "5번.태어난 연도(h1901_53)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_54 : num [1:7499] NA NA NA NA NA NA NA NA NA NA ...
## ..- attr(*, "label")= chr "5번.교육수준1(h1901_54)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_55 : num [1:7499] NA NA NA NA NA NA NA NA NA NA ...
## ..- attr(*, "label")= chr "5번.교육수준2(h1901_55)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_56 : num [1:7499] NA NA NA NA NA NA NA NA NA NA ...
## ..- attr(*, "label")= chr "5번.장애종류(h1901_56)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_57 : num [1:7499] NA NA NA NA NA NA NA NA NA NA ...
## ..- attr(*, "label")= chr "5번.장애정도(h1901_57)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_59 : num [1:7499] NA NA NA NA NA NA NA NA NA NA ...
## ..- attr(*, "label")= chr "5번.혼인상태(h1901_59)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_60 : num [1:7499] NA NA NA NA NA NA NA NA NA NA ...
## ..- attr(*, "label")= chr "5번.종교(h1901_60)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_61 : num [1:7499] NA NA NA NA NA NA NA NA NA NA ...
## ..- attr(*, "label")= chr "5번.동거여부(h1901_61)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h19_pind6 : num [1:7499] NA NA NA NA NA NA NA NA NA NA ...
## ..- attr(*, "label")= chr "6번.가구원 가구진입차수(h19_pind6)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h19_pid6 : num [1:7499] NA NA NA NA NA NA NA NA NA NA ...
## ..- attr(*, "label")= chr "6번.개인 패널id(h19_pid6)"
## ..- attr(*, "format.stata")= chr "%12.0g"
## $ h1901_62 : num [1:7499] NA NA NA NA NA NA NA NA NA NA ...
## ..- attr(*, "label")= chr "6번.가구원 번호(h1901_62)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_63 : num [1:7499] NA NA NA NA NA NA NA NA NA NA ...
## ..- attr(*, "label")= chr "6번.가구주와의 관계(h1901_63)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_64 : num [1:7499] NA NA NA NA NA NA NA NA NA NA ...
## ..- attr(*, "label")= chr "6번.성별(h1901_64)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_65 : num [1:7499] NA NA NA NA NA NA NA NA NA NA ...
## ..- attr(*, "label")= chr "6번.태어난 연도(h1901_65)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_66 : num [1:7499] NA NA NA NA NA NA NA NA NA NA ...
## ..- attr(*, "label")= chr "6번.교육수준1(h1901_66)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_67 : num [1:7499] NA NA NA NA NA NA NA NA NA NA ...
## ..- attr(*, "label")= chr "6번.교육수준2(h1901_67)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_68 : num [1:7499] NA NA NA NA NA NA NA NA NA NA ...
## ..- attr(*, "label")= chr "6번.장애종류(h1901_68)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## $ h1901_69 : num [1:7499] NA NA NA NA NA NA NA NA NA NA ...
## ..- attr(*, "label")= chr "6번.장애정도(h1901_69)"
## ..- attr(*, "format.stata")= chr "%8.0g"
## [list output truncated]# 변수명 바꾸기
h19 <- read_dta("koweps_h19_2024_beta1.dta")
p19 <- read_dta("koweps_p19_2024_beta1.dta")
h19_clean <- h19 %>%
rename(
household_id = h19_id,
house_type = h1901_1
)
p19_clean <- p19 %>%
rename(
household_id = h19_id,
life_satisfaction = p1903_12,
health_perception = p1903_5
)
data_clean <- h19_clean %>%
select(household_id, house_type) %>%
left_join(
p19_clean %>% select(household_id, life_satisfaction, health_perception),
by = "household_id"
)## Warning in left_join(., p19_clean %>% select(household_id, life_satisfaction, : Detected an unexpected many-to-many relationship between `x` and `y`.
## ℹ Row 4 of `x` matches multiple rows in `y`.
## ℹ Row 28 of `y` matches multiple rows in `x`.
## ℹ If a many-to-many relationship is expected, set `relationship =
## "many-to-many"` to silence this warning.본 연구에서는 2024년 제19차 한국복지패널조사 데이터를 활용하여 주거 형태에 따른 삶의 질 차이를 분석하였다. 이를 위해 가장 먼저 데이터의 복사본을 생성한 뒤 연구에 활용할 주요 변수들의 이름을 직관적으로 바꾸어 분석의 명확성과 가독성을 높였다. 특히 h19_id, h1901_1, p1903_12, p1903_5 변수는 각각 household_id, house_type, life_satisfaction, health_perception이라는 새로운 변수명으로 재정의하였다.
# 원본 데이터 복사
df <- koweps_h19_2024
df$household_id <- df$h19_id
df$house_type <- df$h1901_1
df$life_satisfaction <- df$p1903_12## Warning: Unknown or uninitialised column: `p1903_12`.df$health_perception <- df$p1903_5## Warning: Unknown or uninitialised column: `p1903_5`.다음으로 각 변수의 값 분포와 결측치를 확인하였다. 이를 통해 분석에서 제외할 필요가 있는 이상치나 결측 데이터를 파악하였다. 주거 형태(house_type) 변수는 코드북에 따라 1번부터 8번까지의 값을 가지며 각 값은 특정한 주거 유형을 나타낸다. 분석에서는 유효한 값(1~8)만을 기준으로 하여 비교를 수행한다.
#주거 형태 분포 확인
table(df$house_type, useNA = "ifany")##
## 1 2 3 4 5 6 7 8
## 2963 2474 1016 817 190 29 9 1#주거 형태 factor로 변환
df$house_type <- factor(df$house_type,
levels = 1:8,
labels = c("단독주택", "아파트", "연립주택",
"다세대주택", "오피스텔", "기숙사",
"고시원", "기타"))삶의 만족도 변수(life_satisfaction)는 1~5의 값을 가지며 1은 매우 불만족, 5는 매우 만족을 의미한다. 이 변수의 요약 통계량을 통해 전체 응답자의 평균 만족도 수준과 분포를 확인할 수 있다.
# 삶의 만족도 기술통계 확인
summary(df$life_satisfaction)## Warning: Unknown or uninitialised column: `life_satisfaction`.## Length Class Mode
## 0 NULL NULLtable(is.na(df$life_satisfaction))## Warning: Unknown or uninitialised column: `life_satisfaction`.## < table of extent 0 >건강 인식 변수(health_perception)도 삶의 만족도와 동일하게 1~5의 5점 척도로 측정되었으며 주관적인 건강 상태를 반영한다. 본 변수 또한 요약 통계량과 결측치 유무를 확인하여 신뢰도 있는 분석을 위한 사전 점검을 실시하였다.
# 건강 인식 변수 기술통계
summary(df$health_perception)## Warning: Unknown or uninitialised column: `health_perception`.## Length Class Mode
## 0 NULL NULLtable(is.na(df$health_perception))## Warning: Unknown or uninitialised column: `health_perception`.## < table of extent 0 >마지막으로 분석의 일관성과 명확성을 유지하기 위해 결측치가 존재하는 응답은 필터링하여 제거하였으며 주요 변수들 간의 상관관계 및 주거 형태에 따른 평균값 분석을 위한 준비를 마쳤다.
df_clean <- data_clean %>%
select(household_id, house_type, life_satisfaction, health_perception) %>%
filter(
!is.na(house_type),
!is.na(life_satisfaction),
!is.na(health_perception)
)이러한 정제 과정을 통해 연구에 필요한 주요 변수들을 정돈하고 분석에 적합한 상태로 구축하였다. 다음 단계에서는 이 데이터를 바탕으로 주거 형태에 따른 삶의 만족도와 건강 인식의 평균, 분산, 시각화 및 상관관계를 분석하게 된다.
데이터 분석
1. 주거 형태에 따른 삶의 만족도 차이 분석
1-1. 주거 형태별 삶의 만족도 평균
주거 형태에 따라 삶의 만족도의 평균을 구해 분석하였다. 아래 결과는 각 주거 유형별 평균 삶의 만족도 수치를 나타낸다.
housing_life_mean <- df_clean %>%
group_by(house_type) %>%
summarise(mean_life = mean(life_satisfaction, na.rm = TRUE))1-2. 주거 형태별 삶의 만족도 분산
삶의 만족도의 분산 또한 계산하여 유형별 만족도의 일관성 정도를 파악하였다.
housing_life_var <- df_clean %>%
group_by(house_type) %>%
summarise(var_life = var(life_satisfaction, na.rm = TRUE))1-3. 주거 형태별 삶의 만족도 분포 확인을 위한 빈도표
삶의 만족도 점수가 주거 형태별로 어떻게 분포되어 있는지 확인하였다.
housing_life_dist <- df_clean %>%
group_by(house_type, life_satisfaction) %>%
summarise(count = n()) %>%
arrange(house_type, life_satisfaction)## `summarise()` has grouped output by 'house_type'. You can override using the
## `.groups` argument.2. 주거 형태에 따른 건강 인식 차이 분석
2-1. 주거 형태별 건강 인식 평균
주거 형태에 따라 건강 인식의 평균을 산출하여 분석하였다.
housing_health_mean <- df_clean %>%
group_by(house_type) %>%
summarise(mean_health = mean(health_perception, na.rm = TRUE))2-2. 주거 형태별 건강 인식 분산
건강 인식 점수의 분산도 계산하여 분포의 안정성을 확인하였다.
housing_health_var <- df_clean %>%
group_by(house_type) %>%
summarise(var_health = var(health_perception, na.rm = TRUE))2-3. 주거 형태별 건강 인식 분포 확인을 위한 빈도표
건강 인식 점수별 분포 빈도를 주거 형태별로 확인하였다.
housing_health_dist <- df_clean %>%
group_by(house_type, health_perception) %>%
summarise(count = n()) %>%
arrange(house_type, health_perception)## `summarise()` has grouped output by 'house_type'. You can override using the
## `.groups` argument.3.삶의 만족도와 건강 인식 간 상관관계 분석
3-1. 삶의 만족도와 건강 인식 간 상관관계 분석
삶의 만족도와 건강 인식 간의 관계가 얼마나 밀접한지를 수치로 확인하기 위해 상관계수를 산출하였다.
cor(df_clean$life_satisfaction, df_clean$health_perception, use = "complete.obs", method = "pearson")## [1] 0.4798316그래프 만들기
1. 성별에 따른 기부 및 봉사 행위
주거 형태별로 평균 삶의 만족도에 차이가 나타났으며 예를 들어 자가 거주자의 만족도가 전세/월세보다 상대적으로 높은 것으로 나타났다면 이는 안정적인 주거 환경이 삶의 만족도에 긍정적인 영향을 줄 수 있음을 시사한다.
ggplot(df_clean, aes(x = house_type, y = life_satisfaction)) +
stat_summary(fun = mean, geom = "bar", fill = "steelblue", width = 0.6) +
labs(title = "주거 형태에 따른 평균 삶의 만족도", x = "주거 형태", y = "삶의 만족도 (평균)") +
theme_minimal()
2. 주거 형태에 따른 삶의 만족도 분포
박스플롯을 통해 전반적인 분포를 비교하면 특정 주거 형태에서 분산이 크거나 이상치가 존재하는지를 파악할 수 있다. 예를 들어 월세의 경우 만족도의 편차가 크다면 주거 안정성에 대한 경험이 다양하다는 점을 반영할 수 있다.
ggplot(df_clean, aes(x = house_type, y = life_satisfaction)) +
geom_boxplot(fill = "skyblue") +
labs(title = "주거 형태별 삶의 만족도 분포", x = "주거 형태", "삶의 만족도") +
theme_light()## Warning: Continuous x aesthetic
## ℹ did you forget `aes(group = ...)`?
3. 주거 형태에 따른 건강 인식 평균
주거 형태에 따라 평균 건강 인식 수준에도 차이가 존재한다. 예를 들어 아파트 거주자들이 상대적으로 높은 건강 인식을 보인다면 주거환경이 건강한 삶을 유지하는 데 긍정적 영향을 미칠 수 있음을 시사한다.
ggplot(df_clean, aes(x = house_type, y = health_perception)) +
stat_summary(fun = mean, geom = "bar", fill = "darkgreen", width = 0.6) +
labs(title = "주거 형태에 따른 평균 건강 인식", x = "주거 형태", y = "건강 인식 (평균)") +
theme_minimal()
4. 건강 인식과 삶의 만족도의 관계
전반적으로 건강 인식이 높을수록 삶의 만족도도 증가하는 경향이 나타났다. 이는 건강에 대한 긍정적 인식이 삶의 질 향상에 중요한 요인임을 의미한다. 또한 주거 형태에 따라 이 관계의 경향성이 다르게 나타날 수 있다.
ggplot(df_clean, aes(x = health_perception, y = life_satisfaction, color = house_type)) +
geom_jitter(alpha = 0.4) +
geom_smooth(method = "lm", se = FALSE) +
labs(title = "건강 인식과 삶의 만족도 관계", x = "건강 인식", y = "삶의 만족도") +
theme_bw()## `geom_smooth()` using formula = 'y ~ x'## Warning: The following aesthetics were dropped during statistical transformation:
## colour.
## ℹ This can happen when ggplot fails to infer the correct grouping structure in
## the data.
## ℹ Did you forget to specify a `group` aesthetic or to convert a numerical
## variable into a factor?
5. 주거형태별 삶의 만족도 & 건강 인식 히트맵
자가 거주 형태에서는 전반적으로 삶의 만족도와 건강 인식이 모두 높은 조합이 많이 나타났으며 반대로 불안정한 거주 형태에서는 두 지표가 모두 낮은 비율이 더 높게 나타났다. 이는 주거 안정성이 삶의 전반적인 질에 중대한 영향을 줄 수 있음을 의미한다.
df_clean %>%
count(house_type, life_satisfaction, health_perception) %>%
ggplot(aes(x = life_satisfaction, y = health_perception, fill = n)) +
geom_tile() +
facet_wrap(~ house_type) +
scale_fill_gradient(low = "white", high = "red") +
labs(title = "주거형태별 삶의 만족도 & 건강 인식 히트맵", x = "삶의 만족도", y = "건강 인식") +
theme_minimal()
결론
이번 분석을 통해 가장 주목할 점은 삶의 만족도와 주관적 건강 인식이 주거 형태에 따라 유의미하게 차이를 보인다는 사실이다. 자가 소유자들이 전반적으로 전세 및 월세 거주자에 비해 삶의 만족도와 건강 인식 수준이 높았으며 특히 월세 거주자들은 두 지표 모두에서 가장 낮은 평균값을 나타냈다. 이는 주거의 안정성과 삶의 질 간에 밀접한 상관관계가 있음을 시사한다.
한편 자원봉사 참여 여부를 살펴보면 삶의 만족도와 자아존중감이 높을수록 자원봉사에 더 많이 참여한다는 경향이 확인되었다. 이는 단순한 도덕적 의무감이나 외부적 동기가 아니라 내적 만족과 자아에 대한 긍정적인 태도가 자원봉사 참여의 주요한 원인임을 보여준다. 즉 개인이 자신의 삶에 만족하고 자아를 긍정적으로 인식할수록 타인과 사회에 대한 관심과 참여로 이어진다는 점에서 봉사 참여를 높이기 위한 정책은 심리적·사회적 웰빙 향상을 함께 추구해야 할 것이다.
또한 연령대에 따른 자원봉사 참여 비율을 보면 중년층이 가장 높은 참여율을 보였으며 노년층으로 갈수록 참여율이 감소하였다. 이는 신체적 제약이나 접근성 문제로 인해 노년층의 봉사 참여가 어렵다는 현실을 반영하며 노년층이 쉽게 접근하고 무리 없이 참여할 수 있는 봉사 프로그램의 확대가 필요함을 시사한다.
결국 자원봉사와 같은 사회참여 행위는 개인의 삶의 만족, 자아존중감 그리고 물리적 여건과 직결되어 있으며 이를 장려하기 위해선 단순한 참여 권유를 넘어 삶의 질 향상과 주거 안정 보장이라는 구조적 기반 마련이 선행되어야 한다. 이는 개개인의 복지뿐 아니라 공동체적 연대와 사회 자본 형성이라는 측면에서도 중요한 과제라 할 수 있다.