머신러닝 기반 복지재원 부담 태도 예측 및 분석

• 영문명: Using Gradient Boosting Machine Learning Algorithm
• 발행기관: 연세대학교 사회과학연구소
• 저자명: 홍기혜(KiHye Hong) 엄태호(TaeHo Eom)
• 간행물 정보: 『사회과학논집』제52권 제2호, 91~114쪽, 전체 24쪽
• 주제분류: 사회과학 > 사회과학일반
• 파일형태: PDF
• 발행일자: 2021.11.30

국문 초록

본 연구는 머신러닝 기법을 활용하여 복지재원 부담 태도를 예측하는 모형을 제시하고 예측 요인을 세대별로 비교 분석하는 것을 목적으로 한다. 실증분석에는 재정패널조사 자료를 활용하였으며 최종 연구대상자는 산업화세대 10,977명, 민주화세대 10,732명, 정보화세대 8,103명 등 총 29,812명이다. 예측 모형은 다속성 태도 모델과 경험적 선행연구의 이론적 근거에 기반하여 자기이익 차원, 가치지향 차원, 주관적 인식 차원, 인구사회학적 특성 차원 등 4개 범주의 32개의 변수를 설명변수로 설정하고 그래디언트 부스팅 머신러닝 알고리즘을 활용하여 추정하였다. 모형의 예측 성과는 산업화, 민주화, 정보화 세대 각각 정분류율이 77.52%, 67.28%, 67.97%, 특이도가 96.10%, 83.34%, 80.53%, 민감도가 20.00%, 43.65%, 51.96%, 정밀도가 62.33%, 64.05%,67.69%로 나타났다. 예측에 높은 중요도를 갖는 설명변수는 산업화세대에서 자기이익 차원, 정보화세대에서 가치지향 및 주관적 인식 차원으로 나타났으며, 민주화세대에서는 산업화세대와 유사하면서도 정보화세대의 특징을 공유하는 특성이 나타났다. 또한 민주화세대와 정보화세대는 산업화세대와는 달리 복지와 증세에 대한 사고와 태도가 일관적으로 나타나는 것을 다수의 설명변수를 통해 확인할 수 있었으며 정보화세대가 복지증세에 보다 적극적인 것으로 나타나 복지국가 조망에 긍정적인 단서를 발견할 수 있었다.

영문 초록

This study aims to develop a predictive model for the attitude toward tax increase for social welfare using a gradient boosting machine learning algorithm. Also, it analyzes the predictive factors of attitude toward the tax increase by cohorts. Participants were 10,977 industrialization generation(IdG), 10,732 democratization generation(DG), and 8,103 information generation(IfG). This study included 32 factors as explanatory variables based on the multi-attribute models and previous studies, estimated a predictive model, and analyzed feature importance and partial dependence by generation. The model performance of IdG, DG, and IfG was evaluated, respectively, using four classification performance metrics: Accuracy was 77.52%, 67.28%, and 67.97%. Specificity was 96.10%, 83.34%, and 80.53%. Recall was 20.00%, 43.65%, and 51.96%. Precision was 62.33%, 64.05% and 67.69%. The attitudes toward tax increase for social welfare were distinct from generation to generation. IdG had high importance of self-interest factors. Value-oriented and subjective recognition factors in IfG ranked as important. DG shared the characteristics of the IfG as well as the IdG. In DG and IfG, unlike the IdG, it was confirmed through several explanatory variables that value-oriented and recognition were consistent with the attitude toward tax increase for social welfare.

목차

Ⅰ. 서론

Ⅱ. 이론적 배경

Ⅲ. 연구방법

Ⅳ. 결과

Ⅴ. 논의 및 제언

키워드

복지재원 부담 태도 복지증세 태도 세대 그래디언트 부스팅 머신러닝 welfare attitudes attitude toward tax increase generation gradient boosting machine learning