머신러닝 기법을 활용한 고령자 경제활동 및 임금근로 여부에 미치는 영향 요인 탐색

• 영문명: Exploring Factors Affecting the Economic Activities and Paid Labor among the Elderly using Machine Learning Method
• 발행기관: 한국기업교육학회
• 저자명: 윤지영 김소정
• 간행물 정보: 『기업교육과 인재연구』기업교육과 인재연구 제25권 제1호, 1~29쪽, 전체 29쪽
• 주제분류: 사회과학 > 교육학
• 파일형태: PDF
• 발행일자: 2023.03.31

국문 초록

본 연구는 우리나라의 고령 인구의 증가로 인한 사회·경제적 문제에 대비하기 위한 일환으로 고령층의 경제활동 참여와 임금근로의 참여에 대한 요인들을 밝히기 위한 목적으로 실시하였다. 본 연구에서는 고령층 경제활동의 참여에 영향을 주는 요인들을 머신러닝 기법을 활용해 탐색적으로 접근하여 확장된 시각으로 고령층의 경제활동 참여와 임금근로 참여에 영향을 주는 요인들을 밝히고자하였다. 이를 위해 한국고용정보원에서 고령화연구패널조사의 2020년도 연구패널의 총 대상 6,488명중 신규 패널을 제외하고 최종 보고된 기존 패널 5,717명을 그 대상으로 하였다. 본 연구에서 활용한분석방법은 머신러닝 기법으로 통용되고 있는 의사결정나무, 랜덤포레스트, 그래디언트 부스팅, 익스트림 그래디언트 부스팅 및 인공신경망(심층신경망) 모형이다. 그 결과, 고령층의 경제활동 참여 영향요인을 밝히는 모형을 예측하기 위해 5개의 머신러닝 기법을 비교, 그 중 가장 예측력이 높은 익스트림 그래디언트 부스팅 모형을 활용해 상위 30개 요인을 분석한 결과, 경제상태, 신체건강, 정신건강의순으로 나타났다. 둘째, 고령층의 임금근로 참여 영향 요인을 밝히는 모형을 예측하기 위해 5개의 머신러닝 기법을 비교, 그 중 가장 예측력이 높은 익스트림 그래디언트 부스팅 모형을 활용해 상위 30 개 요인을 분석한 결과, 신체건강, 경제상태, 정신건강의 순으로 나타났다. 이러한 결과를 바탕으로 고령층의 경제활동 참여의 필요성과 이를 지원하는 정책적 제도적 노력이 필요함을 시사하였다.

영문 초록

This study aims to identify factors affecting the elderly’s participation in economic activities and wage labor to address socioeconomic issues associated with Korea’s aging population. To explore these factors, this study used machine learning methods. As the study’s sample, we selected 5,717 latest panel responses out of 6,488 responses from elderly participants in the 2020 Korea Longitudinal Study of Ageing (KLoSA) by the Korea Employment Information Service. For analysis, this study used various machine learning methods such as decision tree, random forest, gradient boosting, extreme gradient boosting, and artificial neural network (deep neural network) models. To predict the factors affecting elderly people’s participation in economic activities, five machine learning methods were compared. The extreme gradient boosting model was selected as the most effective for prediction. An analysis of the top 30 factors showed that financial status was the most predictive factor, followed by physical health and mental health. Second, five machine learning methods were compared to select the most effective model in identifying the factors affecting elderly people’s participation in paid labor; the extreme gradient boosting model was selected. The analysis of the top 30 factors showed that physical health was the most determinant, followed by financial status and mental health. Based on these findings, this research revealed elderly people’s needs for participating in economic activities and suggested the necessity of policy efforts to support their needs.

목차

Ⅰ. 서론

Ⅱ. 이론적 배경

Ⅲ. 연구방법

Ⅳ. 연구결과

Ⅴ. 결론 및 제한점

참고문헌

키워드

머신러닝 고령층 경제활동 참여 임금근로 참여 고령화연구패널조 Machine Learning Elderly’s Participation Economic Activities Financial Status KLoSA