머신러닝을 활용한 지방자치단체의 복지지출 특징 분석
Analysis of Welfare Expenditure Characteristics of Local Governments Using Machine Learning
0
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
본 연구는 기초자치단체의 복지지출 특징을 분석하기 위해 머신러닝 기법 중 하나인 의사결정나무분석을 활용했다. 분석 결과는 다음과 같다. 첫째, 1인당 복지지출은 2011~2015년의 경우에는 1인당 보조금과 1인당 지방세가 클수록 크고, 2016~2020년의 경우에는 1인당 보조금과 노인 부양비가 클수록 크다. 둘째, 1인당 기초생활보장 부문의지출은 2011~2015년의 경우에는 노인 부양비와 1인당 보조금, 1인당 지방세가 클수록 크고 2016~2020년의 경우에는 노인 부양비가 클수록 그리고 유소년 부양비가 작을수록 크다. 셋째, 1인당 취약계층지원 부문의 지출은2011~2015년의 경우에는 1인당 지방세가 클수록 크고, 2016~2020년의 경우에는 1인당 보조금이 크고 유소년 부양비가 작을수록 큰 것으로 나타났다. 넷째, 1인당 보육·가족및여성 부문의 지출은 2011~2015년의 경우에는 1인당보조금, 노인 부양비, 1인당 지방세가 클수록 크다. 한편 2016~2020년의 경우, 1인당 보육·가족및여성 부문의 지출은 유소년 부양비, 1인당 지방세, 1인당 보조금이 클수록 큰 것으로 나타났다. 마지막으로 1인당 노인·청소년 부문에대한 의사결정나무분석을 실시한 결과, 1인당 노인·청소년 부문의 지출은 2011~2015년과 2016~2020년 모두 1인당 보조금과 노인 부양비가 클수록 크다.
Abstract
This study used decision tree analysis, one of the machine learning techniques, to analyze the welfare expenditure characteristics of basic local governments. First, in the case of 2011-2015, per capita welfare expenditure is larger as per capita subsidies and per capita local taxes are larger, and in the case of 2016-2020, per capita subsidies and support costs for the elderly are larger. Second, in the case of 2011-2015, the expenditure in the basic living security sector is larger as the elderly support cost, subsidies per capita, and local taxes per capita are larger, and in the case of 2016-2020, the elderly support cost is larger and the youth support cost is smaller. Third, in the case of 2011-2015, expenditure in the support for the vulnerable group is larger as per capita local tax is larger, and in the case of 2016-2020, subsidies per capita are larger and youth dependency ratio are smaller. Fourth, per capita expenditure in the childcare, family, and women sectors is larger in 2011-2015, as per capita subsidies, elderly dependency ratio, and per capita local taxes are larger. Meanwhile, in the case of 2016-2020, expenditure in the childcare, family and women's sectors per capita was found to be larger as youth support expenses, local taxes per capita, and subsidies per capita were larger. Lastly, as a result of conducting a decision tree analysis on the per capita support for elderly and youth, it is larger as per capita subsidies and the elderly dependency ratio are larger in both 2011-2015 and 2016-2020.
참고문헌 (17)
- 김미혜, "재정분권 이후 기초지방자치단체의 사회복지예산 변화에 대한 결정요인 연구", 사회복지정책, 36(4), pp.189~213 (2009), 한국사회복지정책학회[DOI]
- 박고운, "지방자치단체의 사회복지재정에 영향을 미치는 요인", 사회복지정책, (31), pp.423~451 (2007), 한국사회복지정책학회[DOI]
- 서상범, "한국 지방자치단체의 사회복지예산 결정요인에 관한 연구: 「참여정부」의 분권교부세를 중심으로", 사회복지정책, 37(2), pp.151~177 (2010), 한국사회복지정책학회[DOI]
- 신봉호, "지방재정구조의 정치적 결정요인: 지방정부와 중앙정부의 협력 및 갈등 구조", 한국지방재정논집, 21(3), pp.213~246 (2016), 한국지방재정학회[DOI]
- 염준호, "한국 중소도시 지방정부의 재정지출 영향요인 연구: PLS 구조방정식 분석", 지방정부연구, 20(1), pp.477~502 (2016), 한국지방정부학회[DOI]
- 이상일, "지방자치단체의 복지재정 결정요인에 관한 연구: 광역자치단체의 사회복지비 지출을 중심으로", 융합사회와 공공정책, 10(3), pp.129~163 (2016), 융합사회연구소
- 임상수, "세입 구조로 살펴본 지방자치단체의 세출 특징에 관한 연구: 의사결정나무 분석을 중심으로", 지방행정연구, 31(3), pp.221~244 (2017), 한국지방행정연구원[DOI]
- 장덕희, "사회복지비 지출증가가 자치단체 재정지출구조에 미친 영향", 한국행정학보, 49(3), pp.193~218 (2015), 한국행정학회[DOI]
- 조현호, "지방정부 사회복지비 지출 결정 요인 분석: 전라북도 14개 시•군을 중심으로", 한국비교정부학보, 17(1), pp.171~198 (2013), 한국비교정부학회[DOI]
- 최성은, "자치단체 유형별 지방복지재정의 특징과 시사점", 재정포럼, 207, pp.6~16 (2013)
- 홍근석, "사회복지지출 영향요인에 관한 연구: 공간회귀모형의 활용", 한국지방재정논집, 21(2), pp.35~66 (2016), 한국지방재정학회[DOI]
- Breiman, L., "Random Forests", Machine Learning, 45(1), pp.5~32 (2001)
- Breiman, L., "Classification and Regression Trees" (1984)
- Hartigan, J. A., "Clustering Algorithms" (1975), John Wiley & Sons
- Loh, W. -Y., "Split Selection Methods for Classification Trees", Statistica Sinica, 7, pp.815~840 (1997)
- Morgan, J. N., "Problems in the Analysis of Survey Data, and a Proposal", ournal of the American Statistical Association, 58, pp.415~435 (1963)
- Morgan, J. N., "THAID : A Sequential Analysis Program for the Analysis of Nominal Scale Dependent Variables" (1973), University of Michigan