Accordingly, this study seeks to identify the causes of rapid population change and prepare alternatives in a way that is differentiated from existing studies. We analyze factors of population increase and decrease over the past four years for each basic local government. The most influential population change factors are extracted through regression analysis and machine learning on the main factors of increase and decrease. We seek to provide alternatives to population changes.
The results of the analysis proved that variables such as the number of housing increases and employment rate are important variables in common. And, as a result of modeling through machine learning, it was found that the most suitable model among linear regression model, random forest model, and LightGBM.
최근 우리나라 인구감소 문제는 그 심각성과 위험성, 영향력이 커지고 있다. 사회, 경제, 안보 전 영역에 걸친 심각한 문제이다. 특히 일부 기초자치단체에서는 지역소멸을 걱정할 만큼 심각하다.
이에 본 연구는 기존 연구와 차별화된 방식으로 급격한 인구 변화의 원인을 규명하고 그 대안을 마련하고자 한다. 기초자치단체별로 최근 4년간의 인구증감 요인을 분석하고, 증가 및 감소의 주요 요인에 대한 회귀분석과 기계학습을 통한 예측방법으로 가장 영향력이 큰 인구변동요인을 추출해 인구변동에 대한 대안을 마련하고자 한다.
분석결과 결과 주택증가건수, 고용률 등의 변수가 공통적으로 중요한 변수임을 증명하였다. 그리고, 기계학습을 통한 모델링 결과 선형 회귀모델과 랜덤 포레스트 모델(Random Fores), 라이트 GBM (LightGBM) 중 가장 적합한 모형이 부스팅 알고리즘 중 하나인 라이트GBM (LightGBM)임을 알 수 있었다.
