Inference on the difference in male and female populations in the metropolitan area, non-metropolitan area, and local governments^†

2021, 32

4)

853–865

지방자치단체별 성별 인구비율 차이에 대한 추론 ^†

기 ᆷ종태

¹

1대구대학교 수리빅데이터학부

ᄌ ᅥ

ᆸᄉ ᅮ 2021ᄂ ᅧ ᆫ 3ᄋ ᅯ ᆯ 31ᄋ ᅵ ᆯ, ᄉ ᅮᄌ ᅥ ᆼ 2021ᄂ ᅧ ᆫ 6ᄋ ᅯ ᆯ 21ᄋ ᅵ ᆯ, ᄀ ᅦᄌ ᅢ ᄒ ᅪ ᆨᄌ ᅥ ᆼ 2021ᄂ ᅧ ᆫ 6ᄋ ᅯ ᆯ 29ᄋ ᅵ ᆯ

요 약

ᄇ

ᅩ ᆫ ᄋ ᅧ ᆫᄀ ᅮᄋ ᅴ ᄆ ᅩ ᆨᄌ ᅥ ᆨᄋ ᅳ ᆫ ᄋ ᅮᄅ ᅵᄂ ᅡᄅ ᅡ ᄌ ᅮᄆ ᅵ ᆫᄃ ᅳ ᆼᄅ ᅩ ᆨᄋ ᅵ ᆫᄀ ᅮᄋ ᅴ ᄉ ᅮᄃ ᅩᄀ ᅯ ᆫ ᄀ ᅪ ᄇ ᅵᄉ ᅮᄃ ᅩᄀ ᅯ ᆫ ᄆ ᅵ ᆾ ᄌ ᅵᄇ ᅡ ᆼᄌ ᅡᄎ ᅵᄃ ᅡ ᆫᄎ ᅦᄇ ᅧ ᆯ ᄋ ᅵ ᆫᄀ ᅮᄋ ᅦᄉ ᅥ ᄂ ᅡ ᆷᄉ ᅥ ᆼ ᄀ

ᅪ ᄋ ᅧᄉ ᅥ ᆼᄋ ᅴ ᄉ ᅥ ᆼᄇ ᅧ ᆯ ᄋ ᅵ ᆫᄀ ᅮᄇ ᅵᄋ ᅲ ᆯ ᄎ ᅡᄋ ᅵᄅ ᅳ ᆯ 80ᄂ ᅧ ᆫ ᄒ ᅮᄋ ᅵ ᆫ 2100ᄂ ᅧ ᆫ 12ᄋ ᅯ ᆯᄁ ᅡᄌ ᅵ ᄎ ᅮᄅ ᅩ ᆫ ᄒ ᅢ ᄇ ᅩ ᆷ ᄋ ᅳᄅ ᅩᄉ ᅥ ᄉ ᅥ ᆼᄇ ᅵᄋ ᅴ ᄎ ᅡᄋ ᅵᄀ ᅡ ᄋ ᅥ ᆯᄆ ᅡ ᄂ

ᅡ ᄉ ᅵ ᆷᄀ ᅡ ᆨᄒ ᅡ ᆫ ᄌ ᅵᄅ ᅳ ᆯ ᄋ ᅡ ᆯᄅ ᅵᄀ ᅵ ᄋ ᅱᄒ ᅡ ᆫ ᄀ ᅥ ᆺᄋ ᅵᄃ ᅡ. ᄇ ᅩ ᆫ ᄋ ᅧ ᆫᄀ ᅮᄋ ᅴ ᄎ ᅮᄅ ᅩ ᆫ ᄀ ᅧ ᆯᄀ ᅪᄋ ᅦ ᄂ ᅡᄐ ᅡᄂ ᅡ ᆫ ᄉ ᅮᄃ ᅩᄀ ᅯ ᆫ ᄀ ᅪ ᄇ ᅵᄉ ᅮᄃ ᅩᄀ ᅯ ᆫᄇ ᅧ ᆯ ᄉ ᅥ ᆼᄇ ᅧ ᆯ ᄋ ᅵ ᆫᄀ ᅮ ᄋ

ᅪ ᄉ ᅥ ᆼᄇ ᅵ ᄇ ᅮ ᆯᄀ ᅲ ᆫᄒ ᅧ ᆼᄋ ᅴ ᄉ ᅵ ᆷᄀ ᅡ ᆨᄉ ᅥ ᆼᄋ ᅳ ᆫ ᄌ ᅵᄋ ᅧ ᆨᄀ ᅲ ᆫᄒ ᅧ ᆼ ᄇ ᅡ ᆯᄌ ᅥ ᆫᄋ ᅦ ᄆ ᅢᄋ ᅮ ᄋ ᅡ ᆨᄋ ᅧ ᆼᄒ ᅣ ᆼᄋ ᅳ ᆯ ᄁ ᅵᄎ ᅵ ᆯ ᄀ ᅥ ᆺᄋ ᅵᄃ ᅡ. ᄋ ᅧᄉ ᅥ ᆼ ᄋ ᅵ ᆫᄀ ᅮᄂ ᅳ ᆫ ᄀ ᅨᄉ ᅩ ᆨ ᄌ ᅳ ᆼ ᄀ ᅡᄒ ᅢᄉ ᅥ 2020ᄂ ᅧ ᆫ 25,987,994ᄆ ᅧ ᆼᄋ ᅳᄅ ᅩ ᄎ ᅬᄀ ᅩᄌ ᅥ ᆷᄋ ᅳ ᆯ ᄃ ᅡ ᆯᄅ ᅵ ᆫᄃ ᅡ. ᄀ ᅳᄅ ᅥᄂ ᅡ ᄂ ᅡ ᆷᄉ ᅥ ᆼ ᄋ ᅵ ᆫᄀ ᅮᄂ ᅳ ᆫ 2018ᄂ ᅧ ᆫ 25,866,129ᄆ ᅧ ᆼᄋ ᅳᄅ ᅩ ᄎ ᅬᄀ ᅩᄌ ᅥ ᆷᄋ ᅳ ᆯ ᄍ ᅵ

ᆨᄋ ᅳ ᆫ ᄒ ᅮᄋ ᅦ 2020ᄂ ᅧ ᆫ 25,841,029ᄆ ᅧ ᆼᄋ ᅳᄅ ᅩ ᄀ ᅡ ᆷᄉ ᅩᄒ ᅢ ᆻᄃ ᅡ. 2100ᄂ ᅧ ᆫᄋ ᅦᄂ ᅳ ᆫ, ᄇ ᅵᄉ ᅮᄃ ᅩᄀ ᅯ ᆫ ᄋ ᅦᄉ ᅥᄂ ᅳ ᆫ 32ᄆ ᅡ ᆫ 1ᄎ ᅥ ᆫᄆ ᅧ ᆼ ᄌ ᅥ ᆼᄃ ᅩ ᄋ ᅧᄉ ᅥ ᆼ ᄋ

ᅵ ᆫᄀ ᅮᄀ ᅡ ᄆ ᅡ ᆭᄋ ᅡᄌ ᅵᄀ ᅩ, ᄉ ᅮᄃ ᅩᄀ ᅯ ᆫ ᄋ ᅴ ᄋ ᅧᄉ ᅥ ᆼ ᄋ ᅵ ᆫᄀ ᅮᄂ ᅳ ᆫ ᄂ ᅡ ᆷᄉ ᅥ ᆼ ᄋ ᅵ ᆫᄀ ᅮᄇ ᅩᄃ ᅡ 188ᄆ ᅡ ᆫ 9ᄎ ᅥ ᆫ ᄆ ᅧ ᆼ ᄆ ᅡ ᆭᄋ ᅡᄌ ᅵ ᆫᄃ ᅡ. ᄀ ᅧ ᆯᄅ ᅩ ᆫᄌ ᅥ ᆨᄋ ᅳᄅ ᅩ, ᄋ ᅮᄅ ᅵᄂ ᅡ ᄅ

ᅡ ᄋ ᅵ ᆫᄀ ᅮ ᄃ ᅦᄃ ᅳᄏ ᅳᄅ ᅩᄉ ᅳ ᄒ ᅧ ᆫᄉ ᅡ ᆼᄋ ᅳ ᆫ ᄂ ᅡ ᆷᄉ ᅥ ᆼ ᄋ ᅵ ᆫᄀ ᅮᄀ ᅡ ᄋ ᅧᄉ ᅥ ᆼ ᄋ ᅵ ᆫᄀ ᅮᄀ ᅡ ᄌ ᅳ ᆼ ᄀ ᅡᄒ ᅡᄂ ᅳ ᆫ ᄉ ᅩ ᆨ ᄃ ᅩ ᄇ ᅩᄃ ᅡ ᄃ ᅥ ᄀ ᅳ ᆸᄉ ᅩ ᆨ ᄒ ᅡᄀ ᅦ ᄀ ᅡ ᆷᄉ ᅩᄒ ᅡᄂ ᅳ ᆫ ᄃ ᅦ ᄋ ᅧ ᆼ ᄒ

ᅣ ᆼᄋ ᅳ ᆯ ᄇ ᅡ ᆮᄋ ᅳ ᆫ ᄀ ᅥ ᆺᄋ ᅵᄀ ᅩ, ᄉ ᅮᄃ ᅩᄀ ᅯ ᆫ ᄌ ᅵ ᆸᄌ ᅮ ᆼ ᄒ ᅪ ᄒ ᅧ ᆫᄉ ᅡ ᆼᄀ ᅪ ᄉ ᅮᄃ ᅩᄀ ᅯ ᆫ ᄀ ᅪ ᄇ ᅵᄉ ᅮᄃ ᅩᄀ ᅯ ᆫ ᄋ ᅴ ᄉ ᅥ ᆼᄇ ᅵ ᄋ ᅵ ᆫᄀ ᅮ ᄇ ᅮ ᆯᄀ ᅲ ᆫᄒ ᅧ ᆼᄋ ᅳ ᆫ ᄃ ᅥ ᄉ ᅵ ᆷᄀ ᅡ ᆨᄒ ᅡᄀ ᅦ ᄃ ᅬ ᆯ ᄀ ᅥ ᆺ ᄋ

ᅵᄃ ᅡ.

ᄌ

ᅮᄋ ᅭᄋ ᅭ ᆼ ᄋ ᅥ: ᄂ ᅡ ᆷᄂ ᅧᄋ ᅵ ᆫᄀ ᅮᄎ ᅡᄋ ᅵ, ᄇ ᅵᄉ ᅮᄃ ᅩᄀ ᅯ ᆫ , ᄉ ᅥ ᆫᄒ ᅧ ᆼᄆ ᅩᄒ ᅧ ᆼ, ᄉ ᅮᄃ ᅩᄀ ᅯ ᆫ , ᄌ ᅡ ᆼᄅ ᅢᄋ ᅵ ᆫᄀ ᅮᄎ ᅮᄀ ᅨ, ᄌ ᅮᄆ ᅵ ᆫᄃ ᅳ ᆼᄅ ᅩ ᆨᄋ ᅵ ᆫᄀ ᅮ.

1. 서론 ᄋ

ᅮ리나라 출생아수의 격감과 노령인구의 급속한 증가로 2019년 12월부터 주민등록인구의 자연인구감 ᄉ

ᅩ가 시작되었다. 우리나라 정부는 출산장려금으로 220조라는막대한 예산을지출하였음에도 출생아수 ᄂ

ᅳᆫ 증가하기 보다는점점 더 심하게 격감하고 있다.

ᄋ

ᅫ 이런 현상이 일어나고 있는것인가? 우리나라의 출생할 수 있는 환경이 점점 나빠지는현상이 발 새

ᆼ하고 있는것은아닌가? 라는관점에서 연구를 진행하고 있다. Kim (2020)의 연구에서 우리나라 결 호

ᆫ연령의 변화와 추이 그리고 혼인 건수의 감소를 분석하였다. 결혼 연령의 상승과 결혼건수의 감소 ᄂ

ᅳᆫ 출생아수의 감소에 영향을미친다. 그러면 왜 결혼연령의 증가와 혼인 건수의 감소가 발생하는지에 ᄃ

ᅢ한 원인 분석이 필요하다. Kim (2021)에서 우리나라 지역균형 발전이 점점 더 수도권 중심으로 편파 ᄌ

ᅥᆨ으로 일어나고 있는현상을 분석하고 있다. 수도권의 인구는 2019년 12월부터 전국주민등록인구의 50%를추월하여 계속 인구가 늘어나고 있고, 특히 경기도의 인구가 수도권의 서울과 인천, 비수도권의 ᄋ

ᅵᆫ구를 집중적으로 흡수하여 주민등록인구 수의 최고점을 계속해서 매달 갱신해 나가고 있다. 이러한 ᄌ

ᅵ역 인구의 심각한 불균형은지역 경제와 사회 문화 전반에 심각한 문제를발생시키고, 젊은이들은수 ᄃ

ᅩ권이나 일자리가 많은지방자치단체로 떠나고, 결혼이나 출산 생각은경제적인 안정이확립된이후로 ᄆ

ᅵ루게 되었다.

†

ᄋ ᅵ ᄂ ᅩ ᆫᄆ ᅮ ᆫᄋ ᅳ ᆫ 2019ᄂ ᅧ ᆫᄃ ᅩ ᄃ ᅢᄀ ᅮᄃ ᅢᄒ ᅡ ᆨᄀ ᅭ ᄒ ᅡ ᆨᄉ ᅮ ᆯᄋ ᅧ ᆫᄀ ᅮᄇ ᅵ 20190580 ᄀ ᅧ ᆯᄀ ᅪᄆ ᅮ ᆯ ᄅ ᅩ ᄌ ᅦᄎ ᅮ ᆯᄃ ᅬ ᆷ.

1

(333-749) 38453) ᄀ ᅧ ᆼᄉ ᅡ ᆼᄇ ᅮ ᆨ ᄃ ᅩ ᄀ ᅧ ᆼᄉ ᅡ ᆫᄉ ᅵ ᄌ ᅵ ᆫᄅ ᅣ ᆼᄋ ᅳ ᆸ ᄃ ᅢᄀ ᅮᄃ ᅢᄅ ᅩ 201, ᄃ ᅢᄀ ᅮᄃ ᅢᄒ ᅡ ᆨᄀ ᅭ ᄉ ᅮᄅ ᅵᄇ ᅵ ᆨᄃ ᅦᄋ ᅵᄐ ᅥᄒ ᅡ ᆨᄇ ᅮ, ᄀ ᅭᄉ ᅮ. E-mail:

[email protected]

ᄋ

ᅵ러한 지방자치단체의 인구 불균형에 이어서, 지방자치단체별 남성 인구와 여성 인구의 심각한 불균 혀

ᆼ 문제가 결혼과 출산에 영향을 줄수 있다는생각에 직면한다. 그러므로 이러한 변화 분석의 필요성에 ᄄ

ᅡ라서 본연구에서는지방자치단체별로 남성과 여성 인구의 불균형이 어떻게 분포되어 있는지, 그리고 ᄌ

ᅵ방자치단체별로 남성과 여성 인구의 차이가 얼마가 많이 차이가 나는지를 분석하고, 그 차이의 변화가 80년 후인 향후 2100년까지 얼마나 더 많이 벌어질 것인가를예측하고, 지방자치단체 불균형의 심각성 ᄋ

ᅳᆯ알리는것이 목적이다.

ᄋ

ᅮ리나라 주민등록인구통계는 2019년 11월 51,851,427명으로 최고점을나타낸 후에 2019년 12월부 ᄐ

ᅥ 감소하기 시작하여서, 2020년 12월 51,829,023명으로 2019년 11월 최고점 대비 22,404명이 감소했 ᄃ

ᅡ. 인구 데드크로스 현상 (사망수가 출생수 보다 많아서 자연인구가 감소하는현상)이 시작이 되었다 ᄂ

ᅳᆫ것이다. 이러한 인구 데드크로스는어떤 지방자치단체들은 인구 데드크로스 영향과 전혀 상관이 없 느

ᆫ것에 반하여, 다른지방자치단체들은매우 심각한 상황에 놓여있다. 이는지방자치단체별로 매우 심 ᄀ

ᅡ

ᆨ한 성비 불균등현상이 발생하고 있는 있는것이다. 지방자치단체 인구 불균형 (Kim (2020))과 남성 ᄀ

ᅪ 여성 인구의 불균형, 남녀 성별 인구 차이에 대한 분석은앞으로 우리나라 지방자치단체 간의 균형발 ᄌ

ᅥᆫ에 대한 국가 행정기획에 필요한 분석일 것이다.

Kim (2020a)에서 출생아수 0세 인구추계를하여 2018년 통계청이 발표한 0세 장래인구추계와 비교 부

ᆫ석하였다. Kim (2020b)에서는 우리나라 공식인구통계인 장래인구추계의 확정인구와 주민등록인구 ᄋ

ᅪ 주민등록연양인구에 대하여 비교연구를하였다. Kim (2019)에서는우리나라 결혼건수에 대하여 분 ᄉ

ᅥᆨ하고 예측하였다. Yoon과 Kim (2007)은 통계청이 2006년 발표한 장래인구추계에서 나이별 인구가 ᄃ

ᅡ음해에 나이가 진급함에 따라 사망 등으로 인해 인구가 줄지 않고 오히려 증가하는추세를보이는구 ᄀ

ᅡᆫ이 많았다. Kim외 2명 (2009), Kim (2009a, 2009b, 2009c), Yoon과 Kim (2012, 2013), Kim (2015, 2018, 2019)에서 신뢰할 수 있는 출생아수가 추정될수 있다면 이를 기반으로 나머지 연령대의 장래추 ᄀ

ᅨ인구를예측할 수 있다.

2절에서는지방자치단체별 남성과 여성 인구수의 차이에 대한 현황을 분석한다. 3절에서는지방자치 ᄃ

ᅡᆫ체별 성별 인구 차이에 대하여 분석하였고, 4절에서는 2100년 12월까지 성별 인구 차이의 장래 추계 ᄎ

ᅮ론을하였다. 5절에서는결론을정리하였다.

2. 지방자치단체별 성별 인구분석 보

ᆫ절에서는 행정안전부의 2008년 1월부터 2020년 12월까지 월별 주민등록인구 전국,여성, 남성 인 ᄀ

ᅮ에 대한 데이터를 분석한 것으로, 유사한 분포를가지는지방자치단체들로 구성하였다.

ᄋ

ᅮ리나라 주민등록인구는 2019년 11월에 최고점 (1st Max)을 찍은후에 2019년 12월부터 감소하기 ᄉ

ᅵ작했다. 지방자치단체 중에 세종시와 경기도, 제주도의 인구는 2020년 12월에 최고점 (1st Max)을 ᄂ

ᅡ타내고 있다. 이들의 두 번째 최고점 (2nd Max)가 2020년 11월, 세 번째 최고점 (3rd Max)은 2020년 10월로 공통분포를가지고 있다. 세종시와 경기도, 제주도의 총인구는 12년 전인 2008년 1월부터 계속 ᄒ

ᅢ서 인구가 꾸준하게 증가해왔다.

ᄀ

ᅳ다음 충청북도의 총인구 역시 2020년 12월에 최고점 (1st Max)을 나타내고 있다. 이는 경기도 ᄋ

ᅪ 세종시의 영향이큰것으로 보인다. 인천시와 전국은 2019년 11월에 인구의 최고점을 찍었고, 다음 ᄋ

ᅳ

ᆫ 충청남도 2018년 12월, 경상남도 2017년 12월, 강원도 2016년 12월, 울산시 2015년 12월, 광주시 2014년 12월, 경상북도 2014년 12월, 대전시 2014년 7월, 전라북도 2011년 11월, 서울시와 대구시는 2010년 10월로 최고점을나타내고는 인구가 감소하고 있다.

ᄆ

ᅡ지막으로 전라남도와 부산시는 2008년 1월 인구의 최고점을나타내고 있으므로 2008년 1월 이전부 ᄐ

ᅥ 인구의 감소가 시작되었다.

Table 2.1은 우리나라 주민등록 여자 인구의 월별 최고점, 두 번째 최고점, 세 번째 최고점을 나타 ᄂ

ᅢᆫ 것이다. 우리나라 주민등록전국여자 인구는 2020년 9월에 최고점 (1st Max)을 찍은후에 2020년 10월부터 감소하기 시작했다. 지방자치단체 중에 세종시와 경기도, 제주도의 여자 인구는 2020년 12월 ᄋ

ᅦ 최고점 (1st Max)을 나타내고 있다. 이들의 두 번째 최고점 (2nd Max)가 2020년 11월, 세 번째 ᄎ

ᅬ고점 (3rd Max)은 2020년 10월로 공통분포를가지고 있다. 세종시와 경기도, 제주도의 여자 인구는 12년 전인 2008년 1월부터 계속해서 인구가 꾸준하게 증가해왔다.

ᄀ

ᅳ다음 인천시로 2019년 12월에 여자 인구의 최고점을 찍었고, 충청북도의 여자 인구는 2018년 12월 ᄋ

ᅦ 최고점 (1st Max)을 나타내고 있다. 다음은 전라북도 2018년 12월, 경상남도 2017년 12월에 최고 ᄌ

ᅥᆷ 2018년 1월에 두 번째 최고점, 충청남도 2018년 12월에 두 번째 최고점, 울산시 2016년 10월, 강원 ᄃ

ᅩ 2015년 4월, 광주시 2014년 12월, 경상북도 2014년 9월, 대전시 2014년 7월, 대구시는 2012년 11월, ᄉ

ᅥ울시는 2010년 10월로 최고점을나타내고는여자 인구가 감소하고 있다.

ᄆ

ᅡ지막으로 전라남도와 부산시는 2008년 1월부터 여자 인구의 최고점을 나타내고 있으므로 2008년 1월 이전부터 여자 인구의 감소가 시작되었다.

Table 2.1 Recent population and highest and 2nd and 3rd peaks of the Resident Registered Female Population I

Sejong Gyeonggi Jeju

Popul. year.M pop. year.M pop. year.M pop.

Recent 2020.12 178,263 2020.12 6,672,545 2020.12 336,026 1stMax 2020.12 178,263 2020.12 6,672,545 2020.09 336,026 2ndMax 2020.11 177,094 2020.11 6,665,398 2020.11 335,689

Chungbuk Jeonguk Incheon

Popul. year.M pop. year.M pop. year.M pop.

Recent 2020.12 789,246 2020.12 25,987,994 2020.12 1,468,885 1stMax 2018.12 790,281 2020.09 25,990,783 2019.12 1,474,777 2ndMax 2019.01 790,135 2020.10 25,990,297 2019.11 1,474,730

Chungnam Gyeongnam Gangwon

Popul. year.M pop. year.M pop. year.M pop.

Recent 2020.12 1,038,395 2020.12 1,658,793 2020.12 732,714 1stMax 2012.06 1,044,444 2017.12 1,678,991 2015.04 745,501 2ndMax 2018.12 1,044,273 2018.01 1,678,796 2014.11 745,637

Ulsan Gwangju Gyeongbuk

Popul. year.M pop. year.M pop. year.M pop.

Recent 2020.12 552,309 2020.12 732,714 2020.12 1,310,211 1stMax 2016.10 568,930 2014.11 745,637 2014.09 1,346,380 2ndMax 2015.11 568,923 2015.04 745,501 2015.12 1,345,520

Daejeon Jeonbuk Daegu

Popul. year.M pop. year.M pop. year.M pop.

Recent 2020.12 733,183 2020.12 907,230 2020.12 1,225,237 1stMax 2014.07 767,517 2018.12 940,193 2012.11 1,257,438 2ndMax 2014.08 767,461 2019.01 940,143 2012.10 1,257,308

Seoul Jeonnam Busan

Popul. year.M pop. year.M pop. year.M pop.

Recent 2020.12 4,966,742 2020.12 920,934 2020.12 3,391,946 1stMax 2010.10 5,208,514 2008.01 965,443 2008.01 1,801,295 2ndMax 2010.11 5,204,343 2008.02 964,052 2008.02 1,800,745

Table 2.2는우리나라 주민등록남자 인구의 월별 최고점, 두 번째 최고점, 세 번째 최고점을나타낸 거

ᆺ이다. 우리나라 주민등록전국남자 인구는 2019년 7월에 최고점 (1st Max)을 찍은후에 2019년 8월 ᄇ

ᅮ터 감소하기 시작했다. 지방자치단체 중에 세종시와 경기도, 제주도, 충청북도의 남자 인구는 2020년

12월에 최고점 (1st Max)을나타내고 있다. 이들의 두 번째 최고점 (2nd Max)가 2020년 11월, 세 번 ᄍ

ᅢ 최고점 (3rd Max)은 2020년 10월로 공통분포를가지고 있다. 세종시와 경기도, 제주도, 충청북도의 ᄂ

ᅡ

ᆷ자 인구는 12년 전인 2008년 1월부터 계속해서 인구가 꾸준하게 증가해왔다. 그리고 충청남도의 남 ᄌ

ᅡ인구 역시 2020년 12월에 최고점 (1st Max)을나타내고 있다.

ᄀ

ᅳ다음 인천시로 2019년 5월에 남자 인구의 최고점을 찍었고, 충청북도의 남자 인구 역시 2018년 12월에 최고점 (1st Max)을나타내고 있다. 다음은경상남도 2017년 12월에 최고점 2018년 1월에 두 ᄇ

ᅥᆫ째 최고점, 전라북도 2018년 12월, 충청남도 2018년 12월에 두 번째 최고점, 경상북도 2016년 6월, ᄀ

ᅡᆼ원도 2015년 12월, 울산시 20115년 11월, 광주시 2014년 11월, 대전시 2014년 7월, 대구시와 서울시 느

ᆫ 2010년 10월로 최고점을나타내고는남자 인구가 감소하고 있다.

ᄆ

ᅡ지막으로 전라남도와 부산시는 2008년 1월부터 남자 인구의 최고점을 나타내고 있으므로 2008년 1월 이전부터 인구의 감소가 시작되었다.

Table 2.2 Recent population and highest and 2nd and 3rd peaks of the Resident Registered Male Population I

Sejong Gyeonggi Jeju

Popul. year.M pop. year.M pop. year.M pop.

Recent 2020.12 177,568 2020.12 6,754,469 2020.12 338,609 1stMax 2020.12 177,568 2020.12 6,754,469 2020.09 338,609 2ndMax 2020.11 176,336 2020.11 6,748,061 2020.11 338,312

Chungbuk Jeonguk Incheon

Popul. year.M pop. year.M pop. year.M pop.

Recent 2020.12 811,591 2020.12 25,841,029 2020.12 1,473,943 1stMax 2020.12 811,591 2019.07 25,868,638 2019.05 1,483,087 2ndMax 2020/11 810,903 2019/06 25,868,406 2019/06 1,482,934

Chungnam Gyeongnam Gangwon

Popul. year.M pop. year.M pop. year.M pop.

Recent 2020.12 1,082,634 2020.12 1,681,423 2020.12 776,505 1stMax 2020.12 1,082,634 2017.12 1,701,413 2015.12 781,434 2ndMax 2019.06 1,082,597 2018.01 1,701,185 2015.10 781,383

Ulsan Gwangju Gyeongbuk

Popul. year.M pop. year.M pop. year.M pop.

Recent 2020.12 583,708 2020.12 717,348 2020.12 1,329,211 1stMax 2015.11 605,128 2014.11 732,567 2016.06 1,357,622 2ndMax 2016.01 604,924 2014.10 732,389 2014.09 1,357,549

Daejeon Jeonbuk Daegu

Popul. year.M pop. year.M pop. year.M pop.

Recent 2020.12 730,699 2020.12 896,874 2020.12 1,193,109 1stMax 2014.07 768,832 2011.11 934,135 2010.10 1,255,986 2ndMax 2014.08 768,825 2011.10 934,102 2012.10 1,255,822

Seoul Jeonnam Busan

Popul. year.M pop. year.M pop. year.M pop.

Recent 2020.12 4,701,723 2020.12 930,615 2020.12 1,661,000 1stMax 2010.10 5,120,401 2008.01 962,801 2008.01 1,785,859 2ndMax 2010.11 5,115,157 2008.02 961,890 2008.02 1,784,848

Table 2.1에서 Table 2.2까지 보았듯이 우리나라 자연인구의 증감은남녀별로 다르게 나타나고 있고 ᄌ

ᅵ역별로도 매우 많은차이를나타내고 있다. 다음절에서는남자와 여자 인구 차이에 따른 권역별 (수 ᄃ

ᅩ권,비수도권, 충청권, 전라권, 경상권,제주권) 및 지방자치단체별 주민등록성별 인구의 차이에 대한 ᄐ

ᅩ

ᆼ계적 추론을한다.

3. 지방자치단체별 성별 인구 차이에 대한 고찰

Table 3.1는연도별 여성 인구 (female), 전년도 대비 현재 년도 여성 인구 차이 (difyyf), 남성 인구 (male), 전년도 대비 현재 년도 남성 인구 차이 (difyym), 전국인구 (popul), 전년도 대비 현재 년도 전 ᄀ

ᅮᆨ인구 차이 (difyyp)를나타낸 것이다.

Table 3.1에서 나타난 것처럼 우리나라 주민등록인구 (Korean registered population) 전체인구 느

ᆫ 2019년 51,849,861명으로 최고 정점을 찍은 후에 2020년 51,829,023명으로 2019년 최고점보다 20,838명이 적은 인구 데드크로스 현상을 나타내었다. 그러나 여성 인구는 2020년 25,987,994명으로 2019년보다 2,949명 증가해서 여전히 최고점을 달리는반면에, 남성 인구는 2018년 25,866,129명으로 ᄎ

ᅬ고점을 찍은후에 2020년 25,841,029명으로 2018년에 비해 25,100명이 감소했다.

겨

ᆯ론적으로, 2020년의 우리나라 인구 데드크로스 현상은여성 인구증가 때문이 아니라 남성 인구가 ᄋ

ᅧ성 인구가 증가하는 속도 보다 더 급속하게 감소하는데 영향을받은것이다.

Table 3.1 The population and difference between year and year of Korean registered population

Y2020 Y2019 Y2018 Y2016 Y2012 Y2010 Y2008

female 25,987,994 25,985,045 25,959,930 25,868,622 25,444,212 25,205,281 24,717,470

difyyf 2,949 25,115 37,305 97,470 116,862 362,075

male 25,841,029 25,864,816 25,866,129 25,827,594 25,504,060 25,310,385 24,822,897

difyym -23,787 -1,313 10,210 69,408 97,126 380,446

population 51,829,023 51,849,861 51,826,059 51,696,216 50,948,272 50,515,666 49,540,367

difyyt -20,838 23,802 47,515 166,878 213,988 742,521

Table 3.2는 2008년 대비 여성 인구비율 (rfem08), 전년 대비 현재 여성 인구비율의 차이 (Difyyf), 2008년 대비 남성 인구비율 (rmale08), 전년 대비 현재 남성 인구비율의 차이 (Difyym), 2008년 대비 ᄌ

ᅥᆫ체 인구비율 (rpop08), 전년 대비 현재 전체 인구비율의 차이 (Difyyt)를나타낸 것이다.

2008년 대비 여성 인구비율은 2020년에 1.051로 여전히 최고점을 찍고 있고, 2019년 대비 2020년 여 서

ᆼ 인구비율의 차이는 0.01% 증가세를나타내고 있다. 반면에 2008년 대비 남성 인구비율 (rmale08)은 2018년에 1.042로 최고점을 찍은 후 2020년 1,041로 낮아졌다. 2018년 대비 2020년 남성 인구비율의 ᄎ

ᅡ이는 0.11%감소추세를나타내고 있다. 이는 2020년 남녀 인구비율이 2019년 대비 0.9%로 남성 인 ᄀ

ᅮ가 감소했다.

2008년 대비 전국인구 비율은 2019년에 1.047로 최고점을 찍고 2020년에 1.046으로 떨어졌다.

2019년 대비 2020년 전국인구 비율의 차이는 0.04%감소세를나타낸다.

Table 3.2 Ratio of the gender population and the national population compared to 2008 Y2020 Y2019 Y2018 Y2016 Y2014 Y2012 Y2010 Y2008 rfem08 1.051 1.051 1.050 1.047 1.038 1.029 1.020 1.000 Difyyf 0.01% 0.10% 0.15% 0.39% 0.43% 0.47% 1.46%

rmale08 1.041 1.042 1.042 1.040 1.034 1.027 1.020 1.000 Difyym -0.10% -0.01% 0.04% 0.28% 0.33% 0.39% 1.53%

rpop08 1.046 1.047 1.046 1.044 1.036 1.028 1.020 1.000 Difyyt -0.04% 0.05% 0.10% 0.34% 0.38% 0.43% 1.50%

ᄋ

ᅧ기서 남성 인구의 감소가 전국인구의 감소에 영향을주었다는것을알 수 있다. 그리고 지방자치단 ᄎ

ᅦ별로 전체 및 여성과 남성 인구의 변화는어떻게 나타나고 있는지를 분석할 필요성이 있다.

Table 3.3은 우리나라 지방자치단체별 남성 대비 여성 인구의 차이를 나타낸 것이다. 2015년 6월 ᄌ

ᅮ민등록 여성 인구는 남성 인구를 492명 추월한 후에 2020년 12월까지 146,965명 더 많이 증가하였

ᄃ

ᅡ. 증가 속도를가정해 볼때, 증가추세는계속해서 늘어 날 것이다. 2020년 12월을기준으로 서울은 265,019명으로 여성 인구가 남성 인구보다 절대적으로 많다. 서울다음으로 부산, 대구, 광주, 전라북 ᄃ

ᅩ, 대전, 세종 순으로 여성 인구가 남성 인구보다 많다.

ᄋ

ᅵ와 반대로 남성 인구가 여성보다 많은 지방자치단체는 경기도가 81,924명으로 더 많고, 충청남도, 우

ᆯ산, 경상남도, 충청북도, 경상북도, 강원도, 전라남도, 인천, 제주도 순으로 남성 인구가 여성 인구보 ᄃ

ᅡ 많다.

Table 3.3 The difference in the female population versus the monthly male population by local government district 2020.12 2019.12 2018.12 2016.12 2015.12 2010.12 2008.12 2008.01 Jeonguk 146,965 120,229 93,801 41,028 12,966 -105,104 -105,427 -114,404 Sudo 178,732 154,078 131,394 90,677 68,734 -30,675 -32,123 -43,458 Nonsudo -31,767 -33,849 -37,593 -49,649 -55,768 -74,429 -73,304 -70,946 ChungGaG -73,575 -67,657 -64,562 -59,314 -59,831 -49,714 -45,622 -43,791 JeonlaG 16,041 19,082 21,382 22,857 23,310 18,314 19,318 19,920 GyeongsangG 29,045 19,312 10,298 -9,661 -17,406 -43,120 -47,442 -47,783 Seoul 265,019 240,989 217,825 177,038 160,295 90,027 77,209 68,262 Incheon -5,058 -7,472 -9,046 -12,273 -13,923 -22,416 -20,250 -21,302 Gyeonggi -81,924 -80,324 -77,849 -74,126 -77,018 -98,286 -89,082 -90,418 Chungbuk -22,345 -20,761 -18,690 -14,855 -13,840 -13,074 -11,209 -11,230 Chungnam -44,239 -40,167 -37,736 -32,803 -31,229 -23,212 -22,097 -20,548

Daejeon 2,484 1,656 1,260 -208 -781 -3,632 -2,327 -3,410

Sejong 695 885 464 38 -620

Gangwon -10,170 -9,270 -9,860 -11,486 -13,361 -9,796 -9,989 -8,603

Jeonnam -9,681 -6,603 -3,030 136 1,234 1,237 2,018 2,642

Jeonbuk 10,356 10,697 10,238 9,781 9,201 6,001 6,232 6,695

Gwangju 15,366 14,988 14,174 12,940 12,875 11,076 11,068 10,583 Gyeongbuk -19,000 -18,238 -16,547 -13,338 -11,786 -12,484 -12,467 -12,468 Gyeongnam -22,630 -21,511 -20,836 -24,567 -25,260 -21,548 -18,999 -15,703 Busan 69,946 63,007 56,611 47,315 42,637 21,570 18,269 15,436

Daegu 32,128 27,459 23,085 16,219 13,247 1,186 -1,022 -3,028

Ulsan -31,399 -31,405 -32,015 -35,290 -36,244 -31,844 -33,223 -32,020

Jeju -2,583 -3,701 -4,247 -3,493 -2,461 91 442 708

Table 3.3에서 대구는 2009년 3월, 전국은 2015년 6월, 세종은 2016년 12월, 대전은 2017년 1월부터, ᄉ

ᅥ울,부산,광주, 전라북도는 2008년 1월 이전부터 여성 인구가 남성 인구보다 꾸준히 많아졌다.

ᄇ

ᅡᆫ면에 제주도는 2011년 10월부터 남성 인구가 여성 인구보다 많아져서 2017년 10월에 남녀차이가 4,616명 정점을 찌고 2020년 12월까지 2,583명으로 격차를 줄이고 있다. 전라남도는 2017년 1월부터 ᄂ

ᅡ

ᆷ성 인구가 여성 인구보다 많아져서 2020년 12월에 9,681명으로 격차가 최대이다. 인천, 강원도, 경상 ᄇ

ᅮ

ᆨ도, 경상남도, 충청북도, 울산, 전라남도, 경기도는 2008년 1월 이전부터, 남성 인구가 여성 인구보다 ᄆ

ᅡ

ᆭ다. 인천은여성 인구의 증가로 인하여 2020년 12월에 5,058명의근소한 차이를보이고 미래에는여 서

ᆼ 인구가 남성 인구를추월할 것으로 보인다. 그러나 전라남도와 충청북도는남녀인구 차이가 2020년 12월 최고점을 찍고 있고 그 차이는더 벌어질 것이다.

ᄉ

ᅮ도권 (서울, 인천, 경기도, 세종)은 2008년 1월 남성 인구가 여성 인구보다 43,458명 많았으나, 2012년 11월을 기점으로 여성 인구가 남성 인구를추월하여 2020년 12월 178,732명의 차이를나타낸 ᄃ

ᅡ. 반면 비수도권은 2009년 2월 75,777명 남녀인구 차이의 정점을보였으나, 그 차이가 점점 줄어들어 2020년 12월 31,767명으로 여전히 남성 인구가 여성 인구보다 많다.

Table 3.4는 지방자치단체별 월별 남성 인구 대비 여성 인구의 비율을 나타낸 것이다. 전국에서 2020년 12월 여성 인구가 남성 인구보다 0.006% 많은것으로 나타나고, 남성 인구보다 여성 인구가 많

ᄋ ᅳ

ᆫ지방자치단체는서울, 부산, 대구,광주, 세종, 전라북도, 대전 순으로, 이 중에서 전라북도와 대전을 ᄌ

ᅦ외하면 서울,부산, 대구, 광주, 세종이 전국평균보다 여성 인구의 비율이 높다. 여성 인구가 인천과 ᄋ

ᅮᆯ산을제외한 서울,부산, 대구,광주, 세종과 같은대도시 지역에 집중되는것은 흥미로운 일이다.

ᄇ

ᅡᆫ면에 여성 인구보다 남성 인구가 가장 많은지방자치단체는 울산, 충청남도, 충청북도, 경상북도, 겨

ᆼ상남도, 강원도, 경기도, 전라남도, 제주, 인천 내림 순으로 남자 인구가 많다. 울산은 중공업 도시이 ᄀ

ᅵ에 남성 인구가 많을것이고, 제주는 육지 대도시로의 여성 인구의 이탈이 많을것으로 보인다. 그리 ᄀ

ᅩ 인구의 폭발적인 증가가 일어나고 있는경기도가 여성 인구의 유입보다는남성 인구의 유입이 더 많 ᄃ

ᅡ는것은매우 흥미로운사실이다. 만약 결혼할 남성과 여성의 성비가 균형을이루지 않는다면 적절한 겨

ᆯ혼건수에 문제가 생길 것이다.

Table 3.4 The ratio of the difference between the male population and the female population by month by local government

ratediffFM 2020.12 2020.11 2017.11 2017.10 2017.09 2017.08 2016.12 2016.11 2015.06

Jeonguk 1.006 1.006 1.003 1.002 1.002 1.002 1.002 1.002 1.000

Seoul 1.056 1.056 1.040 1.040 1.040 1.040 1.036 1.036 1.031

Busan 1.042 1.042 1.030 1.030 1.030 1.030 1.027 1.027 1.024

Daegu 1.027 1.027 1.016 1.016 1.016 1.015 1.013 1.013 1.010

Gwangju 1.021 1.021 1.018 1.018 1.018 1.018 1.018 1.018 1.018

Jeonbuk 1.012 1.012 1.011 1.011 1.011 1.011 1.011 1.010 1.010

Sejong 1.004 1.004 1.002 1.002 1.002 1.002 1.000 0.999 0.990

Daejeon 1.003 1.003 1.000 1.001 1.001 1.001 1.000 0.999 0.999

Incheon 0.997 0.996 0.993 0.993 0.993 0.992 0.992 0.992 0.990

Jeju 0.992 0.992 0.986 0.986 0.986 0.986 0.989 0.989 0.994

Jeonnam 0.990 0.990 1.000 1.000 1.000 1.000 1.000 1.001 1.001

Gyeonggi 0.988 0.988 0.988 0.988 0.988 0.988 0.988 0.988 0.987

Gangwon 0.987 0.987 0.986 0.986 0.986 0.986 0.985 0.985 0.982

Gyeongnam 0.987 0.987 0.987 0.987 0.986 0.986 0.986 0.985 0.985

Gyeongbuk 0.986 0.986 0.989 0.990 0.990 0.990 0.990 0.990 0.992

Chungbuk 0.972 0.973 0.981 0.981 0.981 0.981 0.982 0.982 0.983

Chungnam 0.959 0.959 0.967 0.967 0.967 0.967 0.969 0.969 0.971

Ulsan 0.946 0.946 0.944 0.943 0.943 0.943 0.942 0.941 0.940

4. 성별 인구 차이의 장래 추계추론

Table 4.1은 2012년 7월 세종시의 출범에서부터 2020년 12월까지 권역별 월별 남성 인구 대비 여성 ᄋ

ᅵᆫ구 차이에 대한 선형모형 분석한 것이다. 전라권과 제주권을제외하고는결정계수 R²의 값은 95%에 ᄉ

ᅥ 99.9%까지 매우 양호하게 나타난다. 그리고 p-값도 매우 유의한 결과들을보여주고 있다. 전라권과 ᄌ

ᅦ주권의 경우에 남성과 여성 인구 차이에 대한 주기적인 변곡점 (changing point)이 일어나는것에 따 ᄅ

ᅳ

ᆫ영향을받은것이다.

Table 4.1의 서울, 인천, 경기도의 월별 남성 인구 대비 여성 인구 차이에 대한 선형모형 분석한 것에 ᄉ

ᅥ, 경기도를제외하고는결정계수 R²의 값은 99%이상 매우 양호하게 나타난다. 그리고 p-값도 매우 ᄋ

ᅲ의한 결과들을보여주고 있다. 경기도의 경우에 R²의 값이 29%로 낮게 나왔다. 이는 2012년 7월을 ᄉ

ᅵ작점으로 하는 동안에 경기도의 남성과 여성 인구 차이에 대한 변곡점 (changing point)들이 일어나 ᄂ

ᅳᆫ것에 따른영향을받은것이다. 그러므로 시작 시점을다르게 하는자세한 연구가 필요하다.

추

ᆼ청강원권인 강원도, 충청북도, 충청남도, 대전, 세종의 월별 남성 인구 대비 여성 인구 차이에 대한 ᄉ

ᅥᆫ형모형 분석한 것에서, 강원도를제외하고는결정계수 R²의 값은 89%에서 99%로 이상 매우 양호하

ᄃ

ᅡ. 그리고 p-값도 매우 유의한 결과들을보여주고 있다. 강원도의 경우에 R²의 값이 11.3%로 매우 낮 ᄀ

ᅦ 나왔다. 그러므로 강원도의 경우는시작 시점을다르게 하는자세한 연구가 필요하다.

ᄌ

ᅥᆫ라권인 전라북도, 전라남도, 광주의 월별 남성 인구 대비 여성 인구 차이에 대한 선형모형 분석한 거

ᆺ에서는결정계수 R²의 값은 73.9%에서 88%로 양호하다. 그리고 p-값은매우 유의한 결과들을보여 ᄌ

ᅮ고 있다.

겨

ᆼ상권인 경상북도, 경상남도, 부산, 대구, 울산의 월별 남성 인구 대비 여성 인구 차이에 대한 선형 ᄆ

ᅩ형 분석한 것에서, 경상남도의 결정계수 R²값이 7.7%로 매우 낮게 추정되었다. 그다음 울산의 R²값 ᄋ

ᅧᆨ시 40.6%로 매우 낮게 추정되었다. 그러나 값들은매우 유의한 결과들을보여주고 있다. 경상남도와 우

ᆯ산에 대하여 시작 시점을다르게 하는자세한 연구가 필요하다.

Table 4.2는 Table 4.1의 선형모형분석 계수 (coefficient)들의 추정값을 이용하여 2021년 1월부터 2100년 12월까지 권역별, 월별 남성 인구 대비 여성 인구 차이에 대하여 2100년 12월까지 추론하였다.

ᄌ

ᅥᆫ국의 남성 인구와 여성 인구의 격차는점점 더 커져서 2050년 12월에는 91만 9천 명 정도로 격차가 버

ᆯ어져서 2100년 12월에는 221만 명으로 격차가 벌어져서 여성이 압도적으로 많은비중을차지하는것 ᄋ

ᅳ로 예측이된다. 비수도권에서는 2027년 11월까지는남성 인구가 여성 인구보다 많지만 2027년 12월 으

ᆯ기점으로 여성 인구가 남성 인구를추월하여 2100년에는 32만 1천 명 정도 여성 인구가 많아지지만, ᄉ

ᅮ도권의 188만 9천 명에 비교하면 17% 수준에 불과하다. 이는수도권의 여성 인구가 압도적으로 많아 ᄌ

ᅵᆫ다는것을의미한다.

추

ᆼ청강원권과 제주권은남성 인구가 여성 인구보다 더 많아진다. 이는수도권과 가까운이유로 대도 ᄉ

ᅵ를선호하는여성들의 이탈이 가속화되는것이 보인다. 전라권은 2020년 12월에는여성의 인구가 많 ᄋ

ᅡ

ᆻ으나 점점 남성 인구의 비중이 증가하여 2069년 9월에는남성 인구가 여성 인구를추월하여 2100년 12월까지 그 차이가 더 벌어지는것으로 예측된다. 비수도권 중에서 경상권만 여성 인구가 증가하는것 ᄋ

ᅳ로 예측한다. 이는경상권에서의 부산과 대구로의 여성 인구증가의 영향으로 보인다.

ᄉ

ᅮ도권인 서울, 인천, 경기도의 월별 남성 인구 대비 여성 인구 차이에 대한 2100년 12월까지 추론에 ᄉ

ᅥ, 서울의 남성 인구와 여성 인구의 격차는점점 더 커져서 2100년 12월에는 175만 6천 명으로 격차가 버

ᆯ어져서 여성이 압도적으로 많은 비중을차지할 것이다. 인천은 2024년 3월까지는남성 인구가 여성 ᄋ

ᅵᆫ구보다 많지만 2024년 4월을기점으로 여성 인구가 남성 인구를추월하여 2100년에는 12만 9천 명 저

ᆼ도 여성 인구가 많아질 것으로 추론된다. 경기도는 2097년 4월에는여성 인구가 남성 인구를추월하 ᄋ

ᅧ 2100년 12월에는 3천 7백 명 정도 여성 인구가 많아지는것으로 추론된다.

추

ᆼ청강원권인 강원도, 충청북도, 충청남도, 대전, 세종의 월별 남성 인구 대비 여성 인구 차이에 대 ᄒ

ᅡᆫ 2100년 12월까지 추론에서, 대전과 세종의 남성 인구와 여성 인구의 격차는점점 더 커져서 2100년 12월에는각각 26만 7천 명과 3만 8천 명으로 격차가 벌어져서 여성이 압도적으로 많은비중을차지할 거

ᆺ이다. 강원도는 2077년 6월까지는 남성 인구가 여성 인구보다 많지만 2077년 7월을기점으로 여성 ᄋ

ᅵᆫ구가 남성 인구를추월하여 2100년에는 4.15천 명 정도 여성 인구가 많아지는것으로 추론된다. 반면 ᄋ

ᅦ 충청북도와 충청남도는남성 인구가 여성 인구보다 점점 많아져서 2100년 12월에는각각 11만 5천 며

ᆼ과 22만 1천 명으로 격차가 벌어지는것으로 추론된다.

ᄌ

ᅥᆫ라권인 전라북도, 전라남도, 광주의 월별 남성 인구 대비 여성 인구 차이에 대한 2100년 12월까지 ᄎ

ᅮ론에서, 전라북도와 광주의 남성 인구와 여성 인구의 격차는점점 더 커져서 2100년 12월에는 각각 5만 2천 명과 3만 8천 명으로 격차가 벌어져서 여성이 압도적으로 많은비중을차지할 것이다. 반면에 ᄌ

ᅥᆫ라남도는남성 인구가 여성 인구보다 점점 많아져서 2100년 12월에는 10만 3천 명으로 격차가 벌어 ᄌ

ᅵ는것으로 추론된다.

겨

ᆼ상권인 경상북도, 경상남도, 부산, 대구, 울산의 월별 남성 인구 대비 여성 인구 차이에 대하여 2100년 12월까지 추론에서, 부산과 대구의 남성 인구와 여성 인구의 격차는 점점 더 커져서 2100년

Table 4.1 Linear model estimates of the monthly difference in the number of female versus male population by region from July 2012 to December 2020

Coefficient Estimate t-value p-value R-squared Jeonguk Intercept -74965.931 -262.4 ¡2e-16 0.9995

slope 2152.170 446.9 ¡2e-16

Sudo Gwon Intercept -6893.590 -24.05 ¡2e-16 0.9993 slope 1785.476 369.54 ¡2e-16

Non Sudo Gwon Intercept -68072.341 -166.92 ¡2e-16 0.9660

slope 366.694 53.34 ¡2e-16

ChungchGang Gwon Intercept -51507.118 -220.79 ¡2e-16 0.9548 slope -180.755 -45.96 ¡2e-16

Jeonla Gwon Intercept 23131.726 58.343 ¡2e-16 0.2028 slope -33.711 -5.044 2.04e-06

Gyungsang Gwon Intercept -38817.16 -62.37 ¡2e-16 0.9721

slope 618.72 58.97 ¡2e-16

Jeju Intercept -879.793 -5.938 4.19e-08 0.6934

slope -37.561 -15.040 ¡2e-16

Seoul Intercept 98764.72 124.2 ¡2e-16 0.9927

slope 1560.56 116.4 ¡2e-16

Incheon Intercept -19914.406 -321.9 ¡2e-16 0.9945

slope 140.662 134.9 ¡2e-16

Gyunggi Intercept -85743.90 -109.702 ¡2e-16 0.2902

slope 84.25 6.395 5.2e-09

Ganwon Intercept -11522.258 -47.127 ¡2e-16 0.1137

slope 14.764 3.582 0.000528

Chungbuk Intercept -10895.534 -52.23 ¡2e-16 0.8866 slope -98.311 -27.96 ¡2e-16

Chungnam Intercept -23820.099 -216.3 ¡2e-16 0.9902 slope -186.292 -100.4 ¡2e-16

Daejeon Intercept 4377.29 18.09 ¡2e-16 0.9736

slope 247.65 60.70 5.2e-09

Sejong Intercept -2480.315 -33.95 ¡2e-16 0.9076

slope 38.595 31.34 ¡2e-16

Jeonbuk Intercept 6880.890 74.48 ¡2e-16 0.8822

slope 42.614 27.36 ¡2e-16

Jennam Intercept 4099.139 11.51 ¡2e-16 0.7396

slope -101.163 -16.85 ¡2e-16

GwangJu Intercept 12151.697 172.4 ¡2e-16 0.8138

slope 24.838 20.9 ¡2e-16

Gyungbuk Intercept -10226.965 -45.80 ¡2e-16 0.8136 slope -78.652 -20.89 ¡2e-16

Daegu Intercept 4377.29 18.09 ¡2e-16 0.9736

slope 247.65 60.70 ¡2e-16

Gyungnam Intercept -23835.318 -85.985 ¡2e-16 0.07725

slope 13.520 2.893 0.00468

Ulsan Intercept -35743.960 -140.41 ¡2e-16 0.4061 slope 35.486 35.486 5.96e-13

Busan Intercept 26611.798 131 ¡2e-16 0.9928

slope 400.718 117 ¡2e-16

12월에는각각 45만 2천 명과 26만 7천 명으로 격차가 벌어져서 여성이 압도적으로 많은비중을차지할 거

ᆺ이다. 반면에 경상북도는남성 인구가 여성 인구보다 점점 많아져서 2100년 12월에는 9만 3천 명으 ᄅ

ᅩ 격차가 벌어질 것으로 추론된다. 그러나 경상남도와 울산은남성 인구가 차지하는비중이 점점 줄어

Table 4.2 Forecast of the monthly difference in the number of female versus male population by region from January 2021 to December 2100

Month,YY Jeonguk SudoG NonSudoG ChungGangG JeonlaG GyungsangG JejuG

Dec,2020 146,965 178,037 -31,072 -73,575 16,041 29,045 -2,583

Dec,2030 402,816 389,482 13,334 -91,635 15,648 98,539 -9,218

Dec,2040 661,076 603,739 57,337 -113,325 11,603 172,785 -13,726

Dec,2050 919,337 817,996 101,340 -135,016 7,557 247,031 -18,233

Dec,2060 1,177,597 1,032,253 145,344 -156,707 3,512 321,278 -22,740 Dec,2070 1,435,857 1,246,511 189,347 -178,397 -533 395,524 -27,248 Dec,2080 1,694,118 1,460,768 233,350 -200,088 -4,579 469,771 -31,755 Dec,2090 1,952,378 1,675,025 277,353 -221,778 -8,624 544,017 -36,262 Dec,2100 2,210,639 1,889,282 321,357 -243,469 -12,669 618,263 -40,770

Month,YY Seoul Incheon Gyeonggi SudoG

Dec,2020 265,019 -5,058 -81,924 178,037

Dec,2030 445,209 11,313 -67,040 389,482

Dec,2040 632,476 28,192 -56,930 603,739

Dec,2050 819,743 45,071 -46,820 817,996

Dec,2060 1,007,011 61,951 -36,710 1,032,253 Dec,2070 1,194,278 78,830 -26,600 1,246,511 Dec,2080 1,381,545 95,710 -16,490 1,460,768 Dec,2090 1,568,812 112,589 -6,380 1,675,025 Dec,2100 1,756,079 129,469 3,730 1,889,282

Month,YY Gangwon Chungbuk Chungnam Daejeon Sejong ChungGaG

Dec,2020 -10,170 -2,345 -44,239 2,484 695 -73,575

Dec,2030 -8,245 -32,721 -65,177 59,356 6,088 -91,635

Dec,2040 -6,473 -44,518 -87,532 89,074 10,719 -113,325

Dec,2050 -4,701 -56,315 -109,887 118,792 15,351 -135,016

Dec,2060 -2,930 -68,113 -132,242 148,510 19,982 -156,707

Dec,2070 -1,158 -79,910 -154,597 178,228 24,613 -178,397

Dec,2080 614 -91,707 -176,952 207,946 29,245 -200,088

Dec,2090 2,385 -103,504 -199,307 237,664 33,876 -221,778

Dec,2100 4,157 -115,302 -221,662 267,382 38,508 -243,469

Month,YY Jeonbuk Jeonnam Gwangju JelaG

Dec,2020 10,356 -9,681 15,366 16,041

Dec,2030 16,341 -18,359 17,666 15,648

Dec,2040 21,455 -30,499 20,646 11,603

Dec,2050 26,569 -42,638 23,627 7,557

Dec,2060 31,682 -54,778 26,607 3,512

Dec,2070 36,796 -66,917 29,588 - 533

Dec,2080 41,910 -79,057 32,569 -4,579

Dec,2090 47,023 -91,196 35,549 -8,624

Dec,2100 52,137 -103,336 38,530 -12,669

Month,YY Gyeongbuk Daegu Gyeongnam Ulsan Busan GyungsangG

Dec,2020 -19,000 32,128 -22,630 -31,399 69,946 29,045

Dec,2030 -27,688 59,356 -20,834 -27,866 115,571 98,539

Dec,2040 -37,126 89,074 -19,211 -23,608 163,657 172,785

Dec,2050 -46,564 118,792 -17,589 -19,349 211,744 247,031

Dec,2060 -56,002 148,510 -15,967 -15,091 259,830 321,278

Dec,2070 -65,441 178,228 -14,344 -10,833 307,916 395,524

Dec,2080 -74,879 207,946 -12,722 -6,574 356,002 469,771

Dec,2090 -84,317 237,664 -11,099 -2,316 404,088 544,017

Dec,2100 -93,755 267,382 -9,477 1,942 452,174 618,263

ᄃ ᅳ

ᆯ어 2100년 12월에는경상남도 남성 인구가 9천 명 정도로 낮아지고, 울산의 경우는 2096년 6월부터 ᄋ

ᅧ성 인구가 남성 인구보다 점점 많아져서 2100년 12월에는 1천 9명으로 격차가 벌어지는것으로 추론 되

ᆫ다.

5. 결론

4절에서 제시한 남성과 여성 인구 차이에 대한 2100년 12월까지 추계추론이 어느 정도 신뢰할 수 있 느

ᆫ가라는 의문을 가진다. 그런 관점에서 데이터의 시작점을 2012년 7월에서 인구 데드크로스가 발생 ᄒ

ᅡᆫ 2019년 12월에서부터 2020년 12월까지 13개의 데이터를가지고 선형모형 분석하였다. Table 4.1과 Table 5.1, Table 4.2와 Table 5.2의 두 개의 결과를 놓고 비교해 보면 시작점이 2012년 7월부터의 결과 ᄂ

ᅳᆫ 2019년 12월 추정 결과보다 여성 인구의 증가를다소 과대하게 추정하고 있다. 그러나 전국과 수도 ᄀ

ᅯ

ᆫ, 비수도권에서의 남성 인구와 여성 인구 차이에 대한 추정치의 방향은제주도를제외하고 비슷한 흐 ᄅ

ᅳ

ᆷ을보인다.

Table 5.1 Linear model estimates of the monthly difference in the number of female versus male population by region from July 2012 to December 2020

Coefficient Estimate t-value p-value R-squared Jeonguk Intercept 120379.4 314.16 ¡2e-16 0.9951

slope 2413.0 42.71 1.06e-11

Sudo Gwon Intercept 157213.07 464.76 ¡2e-16 0.9932 slope 1807.38 36.24 4.59e-11

Non Sudo Gwon Intercept -36833.7 -106.28 2.93e-15 0.9398

slope 605.6 11.85 8.55e-07

ChungchGang Gwon Intercept -68672.22 -433.97 ¡2e-16 0.9710 slope -405.19 -17.37 3.14e-08

Jeonla Gwon Intercept 16855.40 112.445 ¡1.77e-15 0.5122 slope -67.95 -3.074 0.0133

Gyungsang Gwon Intercept 18901.98 126.23 6.24e-16 0.9952 slope 956.47 43.32 9.29e-12

Jeju Intercept -3918.855 -89.52 1.37e-14 0.9756 slope 122.309 18.95 1.46e-08

Table 5.2 Forecast of the monthly difference in the number of female versus male population by region from January 2021 to December 2100

Month,YY Jeonguk SudoG NonSudoG ChungGangG JeonlaG GyungsangG JejuG

Dec,2030 436,482 393,980 42,500 -121,752 7,954 144,200 12,104

Dec,2040 726,042 610,865 115,172 -170,375 -200 258,976 26,781

Dec,2050 1,015,602 827,751 187,844 -218,998 -8,354 373,752 41,458 Dec,2060 1,305,162 1,044,637 260,516 -267,621 -16,508 488,529 56,135 Dec,2070 1,594,722 1,261,522 333,188 -316,243 -24,662 603,305 70,812 Dec,2080 1,884,282 1,478,408 405,860 -364,866 -32,816 718,082 85,489 Dec,2090 2,173,842 1,695,293 478,532 -413,489 -40,970 832,858 100,166 Dec,2100 2,463,402 1,912,179 551,204 -462,112 -49,124 947,634 114,843

Table 5.1에서 전라권의 결정계수 값은 Table 4.1의 20.2%에서 51.2%로 개선되었다. Table 5.2에서 ᄉ

ᅮ도권에서 여성 인구증가에 대한 예측은거의 비슷하나 비수도권에서 남성 인구와 여성 인구 차이에 대 ᄒ

ᅡᆫ 예측은다소 차이를보인다. 비록데이터는 13개로 작더라도 인구 데드크로스가 하나의 변곡점인 만 크

ᆷ앞으로 연구에서는 2019년 12월을시작점으로 추론하는 것이 옳다고 생각한다. 지방자치단체별 남