주요 인구통계 자료원과 특징을 살펴본 데 이어 인구통계 자료 구축의 최근 동향과 쟁점들을 살펴본다. 우선, 인구통계 추정치의 일치성과 신뢰 성이 강조될 필요가 있다. 최근 들어 국제 비교의 차원에서도 인구통계의 일치성(consistency)과 신뢰성(reliability)을 높이고자 하는 노력이 강 화되고 있다. 인구통계의 일치성과 신뢰성을 높이기 위한 국제적 노력의 대표적인 사례들로 Human Mortality Database(HMD)와 Human Fertility Database(HFD)를 들 수 있다. HMD는 미국 캘리포니아 대학 (University of California at Berkeley)과 막스 플랑크 인구 연구소 (MPIDR: Max Planck Institute for Demographic Research),9) HFD는 MPIDR과 VID(Vienna Institute of Demography)가 공동으 로 구축하여 운영하고 있는 데이터베이스이다.10) 이들 사망력과 출산력 데이터베이스에 우리나라의 사망력과 출산력 자료가 최근 수록됨으로써
9) HMD에 관한 자세한 정보는 https://www.mortality.org/에서 확인할 수 있다.
10) HFD에 관한 자세한 정보는 https://www.humanfertility.org/에서 확인할 수 있다.
국제 비교 측면에서 그 중요성이 더욱 높아진 상황이다.
인구변동 모니터링과 관련하여 주목할 만한 또 다른 최근의 변화는 정 보통신기술을 활용한 인구통계 자료 구축이다. 대표적인 사례로 공간 연 계(geo-reference) 자료원을 들 수 있다. 공간정보의 통합은 기후 변화, 중앙-지역 단위 계획, 국가 내 불평등의 공간적 전개 양상 등을 평가하는 데 있어서 매우 중요한 역할을 할 수 있다(United Nations, 2016, p.
19). 공간 연계 자료와 함께 빅데이터의 역할 또한 주목을 받고 있다. 그 러나 역학적 감시(epidemiological surveillance) 등 일부 분야를 제외 하고는 현재까지 전통적인 인구통계 자료원에 비해 상대적으로 그 활용 도가 높지는 않다(Helleringer, 2015, pp. 62-63). 무엇보다도 빅데이 터의 대표성 부족이 가장 큰 한계로 지적된다. 다른 한편으로 수집된 빅 데이터 자료에 대한 접근성 부족도 중요한 문제이다. 통상적인 통계 목적 으로 빅데이터가 활용되기 위해서는 접근성 확보와 함께 빅데이터에 포 함된 개인정보 보호 관련 이슈들도 검토될 필요가 있다(United Nations, 2016, p. 21).
대표성이나 개인정보 등의 문제로 인해 현재까지 인구통계 자료 구축 차원에서 빅데이터를 활용한 실제적인 사례가 많지는 않지만, 향후 활성 화 가능성은 충분히 있다. 우리나라에서 빅데이터를 활용한 대표적인 사 례로 통계청의 신혼부부통계를 들 수 있다. 신혼부부통계는 정부 부처 및 공공 기관에서 관리하는 자료를 연계하여 신혼부부의 결혼, 출산, 양육, 경제활동, 주택 현황 등에 관한 정보를 2016년부터 제공하고 있다(통계 청, 2019d).
공간 연계 자료나 빅데이터 자료뿐만 아니라 과학기술 혁신은 다양한 측면에서 인구통계 자료 구축에 큰 영향을 미치고 있다. 종이에 기초한 과거의 접근과 달리 전자 자료 수집 방식을 통해 사회조사에 필요한 비용
을 크게 축소시킬 수 있다. 또한 전자 자료 수집 방식은 미리 설정된 규칙 에 기초하여 자료를 입력하기에 자료 수집 과정에서 발생하는 오류를 즉 각적으로 확인하는 것이 가능하며, 이로 인해 수집된 자료의 질에 대한 더욱 정교한 모니터링이 가능하다. 전자 자료 수집 방식은 자료의 조사 시점부터 최종 분석 자료 구축까지의 시간을 크게 단축하는 장점도 가지 고 있다(Helleringer, 2015, pp. 58-59; United Nations, 2004, pp.
14-15).
정보통신기술을 활용하는 등 인구통계 자료 구축에서 큰 진전이 이루 어지고 있지만, 산적한 문제점 또한 적지 않다. 인구변동 요인별로 살펴 보면 우선, 사망력 자료 구축에서 제기되는 이슈들로는 초고령층의 연령 보고 오류, 사망 원인 분류 오류 및 모성 사망 과소 보고(모성 사망 대신 다른 사망 원인으로 분류) 오류, 건강기대여명(healthy life expect-ancy) 산출 방식을 둘러싼 문제 등이 지적된다(Helleringer, 2015, p.
20; United Nations, 2004, pp. 48-49).
특히, 사망률 지표에서는 교란요인(confounding factor)의 효과를 적 절히 통제하는 것이 중요하다. 예컨대, 인구 10만 명당 교통사망자 수 지 표는 자동차 및 대중교통 활용 증가 추세, 그리고 도로와 같은 교통망의 확충과 같은 교란요인들로 인해 그 추세 해석이 쉽지 않다. 또한 교통사 고 사망률을 낮추고자 하는 정책의 효과성을 평가하기도 쉽지 않기에 대 안적인 지표(예컨대 number of traffic deaths per vehicle-kilo-meter)에 대한 검토의 필요성 또한 제기된다(Helleringer, 2015, pp.
53-56). 참고로 제3차 저출산·고령사회 기본계획에서 제시된 13개 핵심 성과 지표들 중의 하나가 노인 교통사망률이다(대한민국정부, 2015, p.
44).
모성 사망률이나 다른 사망 원인별 사망률 지표 또한 동일한 문제에 직
면할 수 있다. 예컨대, 출산력 변천의 결과로 모성 사망률은 점차 고연령 층 그리고 고순위 출산에 집중되는 경향이 있다. 그러나 고연령층 중에서 고순위 출산을 하는 여성의 규모는 감소하는 추세를 보인다. 이러한 변화 는 모성 사망률 감소 정책과는 무관하게 모성 사망비(maternal mortal-ity ratio)의 감소로 이어질 수 있다는 점에서 교란요인을 통제하기 위한 표준화 (혹은 분해) 방법 등의 기법이 적용될 필요가 있다. 이민도 또 다른 교란요인으로 작용할 수 있다(예컨대 healthy migrant effect) (Helleringer, 2015, pp. 53-56).
사망력 자료에서는 또한 사망 원인 간의 연관성에 대한 체계적인 논의도 부족한 상황이다. 사망 원인 간 연관성을 고려함 없이 개별 원인에 기초한 분석은 사망력 변동에 관한 잘못된 정보를 제공하는 동시에 보건의료정책 의 효과를 추정하는 과정에서도 문제를 초래할 수 있다(Helleringer, 2015, p. 46). 이러한 차원에서, 일반적으로 원사인(underlying cause of death)으로 분류되지는 않지만, 건강을 악화시켜 사망을 촉발시키는 질 환(예컨대 당뇨병, 알코올 중독)의 역할에 주목하거나 병리학적으로 치명 적인 결과로 이어질 수 있는 원인들 간의 연쇄 과정을 확인하는 시도 등 사 망진단서에 포함된 가능한 모든 정보를 활용하는 방안에 대한 요구가 커지 고 있다(Meslé, 2003, p. 120).
출산력 분석에서는 기간(period) 출산력 지표가 출산 연기에 따른 왜 곡 문제(tempo distortion)가 있기에 이를 보완하는 추가적인 출산력 지 표들에 대한 많은 논의가 이루어진 바 있다. 다만 현재까지 기간 출산력 지표들이 가지고 있는 문제에 대한 최선의 대안에 관한 합의된 의견은 존 재하지 않는 상황이다. 기간 출산력 지표가 초래할 수 있는 템포 효과에 대해서는 제4장에서 좀 더 자세히 살펴보기로 한다.
사망력에서 주민등록통계(연앙인구)와 인구동태통계가 중심적인 역할
을 담당함에 비해 혼인력과 출산력 분석에서는 추가적으로 행위(예컨대 피임 실천)나 의도(예컨대 의도한 혹은 의도하지 않은 출산)에 관한 정보 를 필요로 한다는 점에서 사회조사가 더욱 큰 역할을 담당하는 경향이 있 다(Helleringer, 2015, p. 27). 피임 실천과 같은 ‘행위’에 대한 측정에 서도 단순히 조사 시점에서의 피임 실천 여부나 방법을 넘어 생애사(사건 사) 달력(life history/event history calendar)의 틀 속에서 분석되는 경향이 강해지고 있는데 이러한 측면에서도 출산력 분석에서는 사회조사 자료의 역할이 매우 중요한 상황이다(Helleringer, 2015, p. 29). 출산 과 가족계획에 관한 정보를 수집하는 사회조사에서는 단순히 출산 선호 에 대한 이분법적 측정 대신 선호에 대한 확률적 평가를 수행하는 방안에 대한 검토 또한 필요함이 지적된다(Helleringer, 2015, pp. 51-52).
한편, 인구변동 모니터링에서는 인구변동 지표의 위계적 구조 (hierarchical structure)에 대한 고려 또한 필요하다. 예컨대 합계출산 율(total fertility rate)이나 기대여명(life expectancy)은 다양한 근접 (proximate) 및 원격(distal) 요인들의 영향을 받는 복잡한 지표이다. 기 본적으로 이들 지표가 특정 정책에 기초하는 것이 아니라는 점에서 특정 정책(프로그램)의 평가 지표로 사용하는 것은 바람직하지 않을 수 있다 (Helleringer, 2015, p. 42).
출산력과 사망력 모니터링에서는 또한 가능하면 근접 요인들을 포괄하 는 방식으로 모니터링이 진행될 필요가 있다. 예컨대, 다음 장에서 더욱 자세히 논의하겠지만, 우리나라에서는 ‘전국 출산력 조사’에서 피임 실천 현황에 대한 모니터링이 이루어지고 있지만, 조사 시점 기준의 피임 실천 에 초점을 맞추고 있는 관계로 피임 실천이 얼마나 지속적으로 준수되고 있는가에 대한 측정은 이루어지지 못하고 있다. 다른 한편으로 인공임신 중절에 대한 정보는 조사 시점 기준의 전체 임신 이력 조사에서 수집되고
있지만, 현재까지 정보의 정확성에 대한 체계적인 논의는 이루어지지 못 하고 있는 상황이다.
마지막으로 인구통계 자료 구축 과정에서 자료의 세분화와 관련된 이 슈들이 있다. 2015년 UN 총회에서 채택된 SDGs는 모든 형태의 빈곤과 차별, 배제를 종식시키고, 인격체로서의 개인의 역량을 약화시키는 불평 등을 감소시키고자 하는 의지를 드러내는 보편적 가치로 “leave no one behind”를 제시하고 있는데(UNSDG, 2020), 이는 이행 전략이나 정책 차원에서 사회적 취약계층을 확인할 수 있는 자료 세분화의 중요성을 보 여 준다. 앞에서 언급했듯이 인구변동 모니터링이 정책적 개입을 위한 기 초 자료로 활용되기 위해서는 가능하면 하위 집단별로 세분화된 정보를 제공해야 한다. 이러한 측면에서 하위 집단별 추세를 모니터링할 필요성 이 높은 지표들에서는 시간의 경과에 따라 하위 집단들 간 추세에서의 차 이를 확인할 수 있는 수준으로 표본의 크기를 결정할 필요가 있다 (Helleringer, 2015, p. 77). 물론 일반적인 표본조사를 통해 소지역 혹 은 소집단별 자료의 세분화가 현실적으로 불가능한 경우도 적지 않다. 이 러한 측면에서 국가 차원에서 추진되는 대규모 표본조사(예컨대 우리나 라의 인구주택총조사 표본조사 20%)의 경우 조사를 통해 수집하는 항목
마지막으로 인구통계 자료 구축 과정에서 자료의 세분화와 관련된 이 슈들이 있다. 2015년 UN 총회에서 채택된 SDGs는 모든 형태의 빈곤과 차별, 배제를 종식시키고, 인격체로서의 개인의 역량을 약화시키는 불평 등을 감소시키고자 하는 의지를 드러내는 보편적 가치로 “leave no one behind”를 제시하고 있는데(UNSDG, 2020), 이는 이행 전략이나 정책 차원에서 사회적 취약계층을 확인할 수 있는 자료 세분화의 중요성을 보 여 준다. 앞에서 언급했듯이 인구변동 모니터링이 정책적 개입을 위한 기 초 자료로 활용되기 위해서는 가능하면 하위 집단별로 세분화된 정보를 제공해야 한다. 이러한 측면에서 하위 집단별 추세를 모니터링할 필요성 이 높은 지표들에서는 시간의 경과에 따라 하위 집단들 간 추세에서의 차 이를 확인할 수 있는 수준으로 표본의 크기를 결정할 필요가 있다 (Helleringer, 2015, p. 77). 물론 일반적인 표본조사를 통해 소지역 혹 은 소집단별 자료의 세분화가 현실적으로 불가능한 경우도 적지 않다. 이 러한 측면에서 국가 차원에서 추진되는 대규모 표본조사(예컨대 우리나 라의 인구주택총조사 표본조사 20%)의 경우 조사를 통해 수집하는 항목