데이터 소개 19)

노인복지법 제5조 노인실태조사 실시의 법제화(2007년 1월)로 3년 마 다 조사를 실시하도록 되어 있으며 그 일환으로 2017년도 노인실태조사 가 실시되었다. 본 조사가 법제화된 2007년 이후 2008년, 2011년, 2014년에 이어 4번째로 실시되는 조사로, 노인에 대한 심층적 이해를 위 한 경험적 기반을 마련함으로써 노인 정책 수립에 필요한 기초자료를 제 공하는 것을 목표로 한다. 즉 본 조사를 통하여 노인의 생활 현황과 욕구 를 다각적으로 파악하고 노인 특성의 변화 추이를 예측하여, 현재의 노인 정책 및 향후 다가올 고령사회에 대응하기 위해 정책 개발에 필요한 기초 자료를 제공하는 것을 목적으로 하고 있다. 본 조사는 사전조사와 전문가 검토 등을 거쳐 통계변경승인(승인번호 제11771호)을 받아 확정된 조사 표를 활용하여 2017년 6월 12일~8월 28일 기간 동안 934개 조사구의 65세 이상 1만 299명(대리응답 226명 포함)에 대한 직접면접조사를 완 료하였다.

2017년 노인실태조사는 노인의 삶의 질 향상을 위한 정책 개발과 향후 고령사회에 대응하기 위한 정책 대응을 위해 매우 중요한 자료로 활용되 는 조사이다. 한국 사회의 급격한 인구고령화와 더불어 노인의 양적 증대 및 노인 내부의 다양성이 증대하고 있어, 이를 반영한 맞춤형 정책 개발

19) [정경희, 오영희, 강은나, 김경래, 이윤경, 오미애, 황남희, 김세진, 이선희, 이석구, 홍송이 (2017). 2017년도 노인실태조사. 보건복지부·한국보건사회연구원.] 보고서 내용 발췌.

내용 세부 내용 설명

- 소분류를 한다면 4번 -> 1번 방법으로 보텀 업(bottom up) 설명 가능

- 이는 특성에 대한 대분류 또는 상세 분류(세부 속성)를 하 기 위해서는 단계별로 이상 탐지 기법을 적용하는 것이 바람직하다는 것을 시사

이 요구되고 있다. 따라서 2017년도 조사는 사회경제문화적 변화 및 정 책 변화라는 맥락 속에서 노인의 특성과 생활 현황을 다각적으로 파악하 여 시계열적인 변화 추이를 파악하고 노인 내부의 다양성을 정확히 파악 하는 데 초점을 두었다.

2017 노인실태조사는 노인 학대 경험에 대한 질문도 포함하고 있는데, 이 장에서는 2017 노인실태조사의 데이터로 노인 학대 경험 유무(y값)를 분석하여 위기 노인의 특성을 다각도로 살펴보고자 한다. 노인 학대의 원 인은 크게 노인의 인구사회학적 특성, 노인의 경제 및 건강, 심리사회적 기능 요인 등 노인의 의존성과 관련된 요인, 가족 상황적 원인, 사회적 관 계망 요인, 사회문화적 원인으로 구분 지어 설명할 수 있다(정경희, 2017).

여기에서는 노인 학대의 원인을 찾고자 하는 것이 아니라, 2017년 노 인실태조사를 이용하여 이상(anomaly)에 대한 개념을 다시 정의하고, 기계학습 기반 이상 탐지 기법을 적용하여 다양한 분석을 시도하고 그 특 성을 파악하는 데 의미가 있다.

2. 이상(anomaly) 자료 정의 및 기초 통계

여기에서는 이상점, 이상값의 정의 및 개념을 1절 보건 분야 데이터와 다르게 접근하고자 한다. 1절에서는 이상(anomaly)의 개념을 NCI군이 알츠하이머병으로 전환된 환자로 정의하였다. 2절에서도 학대 경험 유무 정보를 활용하여 이상(anomaly)의 개념을 학대 경험이 있는 노인으로 할 수 있다. 하지만, 여기에서는 맥락적 이상(contextual anomaly)으로 접근하여 자료 내에서 개체(조사 대상자)가 특정 맥락에서 이상하다고 판 단되는 경우를 이상(anomaly) 개념으로 정의하려고 한다. 3장에서 언급

한 것처럼, 학습 자료에서 모형을 학습해 주어진 맥락에서의 행동을 예측 한다. 그리고 구한 예측값과 관측값의 차이가 유의미하면 이상값으로 볼 수 있다. 맥락적 속성이 행동적 속성 예측에 이용되는 것인데, 2017년 노 인실태조사 자료에서는 학대 경험 유무를 반응변수(response variable) 로 놓고 예측 모형을 적용하여 예측값을 구하고 예측값과 관측값(실제값) 의 차이가 나는 경우를 이상(anomaly)이라고 정의하였다.

이를 이항 분류 문제의 분류 행렬로 살펴보면 반응변수의 실제값과 예 측값으로 다음과 같이 나타낼 수 있다. 여기에서 anomaly 개념은 정상 (학대 경험 없음)인데 비정상(학대 피해 경험 있음)으로 분류()되거나, 비정상(학대 경험 있음)인데 정상(학대 피해 경험 없음)으로 분류(_)된 케이스들이 이상값이다.

〈표 4-6〉 복지 데이터에서의 이상(anomaly) 정의

분류 예측(Predicted)

정상 비정상(학대)

분류 결과 (True)

정상 _ _

비정상(학대) _ _

실제 분석을 위해 학대받은 경험 문항에서 결측치를 제외한 1만 83명의 자료를 활용하였다. 학대받은 경험이 있다고 응답한 대상자는 989명으로 전체의 9.8%였다. 예측모형을 위해 사용한 설명변수는 다음과 같다.

〈표 4-7〉 2017년 노인실태조사 예측 모형에 사용한 설명변수

변수명 설명 리코딩(recoding) 비고

ID_add1 리코딩 지역

(동부 1, 읍면부 2) 읍면부 0 ID_add1_adj

ID_SEX 리코딩_성 여성 0 ID_SEX_adj

ID_AGE 리코딩_연령

N6_1_4_a 본인_부채_유무 없음 0 N6_1_4_a_a

dj

위 정의에 따라 분류 테이블을 작성하기 위해 예측 모형은 예측 성능이

기준(lift 상위 10%) 및 예측 모형(부스팅) 방법을 이용하여 분석하였다.

주: 유의수준 10%를 기준으로 *변수명에 표시.

4개 집단에 따른 설명변수별 평균값은 다음 표들과 같다.

〈표 4-12〉 학대 경험이 있는 대상자 분류 결과

학대 경험이 없는 대상자(참값)가 학대 경험이 없는 것으로 예측된 집 단(_)과 학대 피해 경험이 있는 것으로 예측된 집단(_)으로 분류된 각 각의 특성을 살펴보면, 집단은 남성의 비중이 상대적으로 높고, 배우 자가 있는 경우가 많으며 교육 수준, 가구소득분위도 상대적으로 높다.

반면에, 집단은 독거가구 비중이 높으며 기능상태제한이 있는 경우가 많으며 우울한 정도가 상대적으로 높았다. 그리고 기초보장을 받고 있는 경우가 많으며 지난 1년간 자녀와의 갈등 경험이 많았다. 이러한 결과는 학대 피해 경험이 있는 대상자(참값)가 학대 경험이 없는 것으로 예측된 집단(_)과 학대 피해 경험이 있는 것으로 예측된 집단(_)으로 분류된 특성과도 관련이 있다. _집단의 특성은 _집단의 특성과 비슷하며,

_집단의 특성은 _집단의 특성과 유사하다고 할 수 있다. 이러한 결과 는 예측 모형에서 _와 _에 해당되는 대상자들이 오분류된 것과 무관 하지 않다.