모형 타당성 검토

미래를 예측하는 모형은 모형으로부터 산출된 자료를 기반으로 정책이 나 대안을 제안하기 때문에 모형의 신뢰도는 매우 중요하다. 따라서 이 연 구에서도 모형의 신뢰성을 확보하기 위해 모형의 타당성 검토를 수행하였 다. 우리가 가장 흔히 접하는 미래 예측 자료는 기상청의 일기예보이다. 기 상청의 발표에 따르면 24시간 일기예보의 정확도는 92%라고 한다. 또한 기상 측면에서 장기 예보인 1개월 또는 3개월 예보의 상대조작특성(Relative

Operating Characteristic: ROC)은 0.5~0.6으로 100% 정확성을 의미하는 1

의 값의 절반 정도 수준이라고 한다.³³ 물리적 특성을 기반으로 하는 자연 과학 분야에서도 3개월 이후의 예측력은 생각보다 크게 높지 않다. 일반적 으로 사회과학 분야에서는 자연과학 분야보다 예측력이 떨어지는 경향이 있지만, 대체로 선행연구들을 보면 모형을 통해 관측 시점을 재추정한 결 과의 정확도가 90% 정도 수준이면 통계적으로 유의미하다고 판단한다. 이 연구에서 다루는 시간적 범위가 25년이나 되기 때문에 사실 미래에 대한 정확도가 얼마만큼 높다고 단언하기 어렵다. 따라서 기존 선행연구 결과의 신뢰도 수준을 보다 더 상향시켜 최신 자료들과 모형을 통해 산출된 결과 를 비교한 연평균오차가 5% 안에 들어온다고 판단될 경우 모형이 타당하 다고 판단하였다.

󰋫 인구 부문 모형

인구모형의 타당성은 2017년 7월 1일 주민등록연앙인구상의 실제인구수

33 세계일보. 2018. 08. 18. “‘슈퍼 폭염' 시대…예보도 대책도 ‘헉헉'.” (http://www.

segye.com/newsView/20180815002955: 2018. 11. 06).

와 인구 모형에서 2015년부터 시뮬레이션을 통해 산출된 추계 인구를 비

시도별 총 인구수 오차율 남자 오차율 여자 오차율

서울특별시 -0.3 -0.3 -0.3

부산광역시 0.4 0.4 0.4

대구광역시 0.0 0.1 0.0

인천광역시 0.3 0.3 0.3

광주광역시 0.1 0.1 0.1

대전광역시 -0.1 -0.1 0.0

울산광역시 0.6 0.7 0.6

세종특별자치시 4.2 4.2 4.3

경기도 0.0 -0.1 0.0

강원도 0.3 0.4 0.1

충청북도 0.2 0.3 0.1

충청남도 -0.1 -0.1 -0.2

전라북도 0.3 0.3 0.2

전라남도 0.3 0.5 0.2

경상북도 0.3 0.3 0.2

경상남도 0.2 0.3 0.1

제주특별자치도 0.0 0.1 0.0

전국 0.1 0.1 0.0

주: 2017년 7월 1일 자 주민등록연앙인구와 비교한 값임.

자료: 저자 작성.

<표 3-13> 시도별 성별 인구수 시뮬레이션값의 오차 검증

단위: %

<그림 3-15> 시·군·구별 인구수 시뮬레이션값의 오차 검증

자료: 저자 작성.

<그림 3-16> 통계청 장래인구 추계 값과의 비교

자료: 통계청(각 연도). 장래인구추계를 참고하여 저자 작성.

󰋫 가구·주택 부문 모형

가구·주택 모형의 타당성 분석을 위해 2017년 인구주택총조사 자료의 실제 가구·주택과 가구·주택 모형에서 2015년부터 시뮬레이션을 통해 산 출 된 추계 가구 및 주택을 비교하여 오차를 검증하였다. 가구·주택의 오 차율은 (식 44)로 계산할 수 있다.

가구주택 오차율 

실제가구주택 수

추정가구주택 수  실제가구주택 수

×  (식 44)

가구 오차율은 2년 동안 전국적으로는 -3.1%의 오차가 나타났으며 시도 별로는 서울특별시에서 -4.5%, 경기도에서 4.2%로 오차가 타 시도에 비해 크게 나타났다. 반면 강원도는 -1.3%로 가장 오차가 작으며 나머지 시도에 서도 ±2~3% 이내에서 오차가 발생하였다. 결국 가구 수의 경우도 전국기 준으로 연평균 -1.6% 오차가, 시·도 최대 기준으로 -2.25%가 되어 모형이 타당하다고 판단하였다.

시도별 추계 가구 실제 가구 가구 오차율

시도별 추계 주택 수(2017) 실제 주택 수 오차율

<그림 3-17> 통계청 가구원 수별 장래추계가구와 시뮬레이션값의 비교

자료: 통계청(각 연도). 장래가구추계를 참고하여 저자 작성.

<그림 3-18> 시·군·구별 주택 수 시뮬레이션값의 오차 검증

자료: 저자 작성.

󰋫 경제 부문 모형

값 171만 2,008명이 경제활동인구조사 값보다 더 정확도가 높다. 경제 모 형의 농림어업 취업자 수 추계 값과 농림어업조사의 농림어업 주 종사자 수를 비교하여 오차를 검증하면 아래와 같이 2년 동안 오차율이 -1.62%로 감소하여, 농림어업 부문에서도 타당성이 높은 것으로 나타났다. 즉, 모형 을 통계 계산된 농림어업분야 취업자의 오차율이 연 0.81%로 타당하다고 할 수 있다.

경제 모형(A) 경제활동인구조사(B) (A, B)오차율 농림어업조사(C) (A, C)오차율

2015년 1,712,008 1,337,000 28.05 1,792,995 -4.52

2017년 1,598,719 1,279,000 25.00 1,624,980 -1.62

자료: 통계청(2015, 2017). 경제활동인구조사; 통계청(2015, 2017). 농림어업조사를 참고하여 저자 작성.

<표 3-17> 농림어업 취업자 수 시뮬레이션값의 오차 재검증

단위: 명, %

󰋫 토지 부문 모형

토지 부문 모형의 타당성을 평가하기 위해 2017년 지적통계와 2015년부터 시뮬레이션을 통해 산출된 값을 비교하였다. 여기서는 계획적 정비의 관점 에서 파악고자 하는 용도의 토지(주거상업지역, 공장지역, 농업용 토지, 임 야)를 대상으로 정확도를 파악하였다. 전국의 해당 용도별 면적의 오차율 은 2년 동안 농업용 토지가 최대 7.97%로 1년간 5% 이내의 오차를 보이 는 것으로 나타났다. 시·군·별로 각 용도의 오차율을 보면 주거상업지역은 시·군·구 평균 오차가 -3.56%, 공장지역은 5.65%, 농업용 토지는 5.03%, 임야는 -9.66%로 나타나, 1년 평균 오차가 5% 이내여서 모형이 타당하다 고 판단하였다.

2017년 실제값 2017년 추계값 오차율

주거상업지역 3076.255 2866.966 -6.80

공장지역 978.6988 960.2791 -1.88

농업용 토지 19958.28 21548.11 7.97

임야 63582.66 60907.16 -4.21

주: 주거상업지역은 지목상 대지 주유소 용지를 포함하여, 공장지역은 공장용지, 농업용 토지는 지목상 전, 답, 과수원, 목장용지, 양어장이며, 임야는 지목상 임야인 지역으로 구분.

자료: 통계청(2017). 행정구역·지목별 국토이용현황(국토교통부 지적통계).

<표 3-18> 용도별 토지면적 시뮬레이션값의 오차 검증

단위: ㎢, %