태국 빈곤 요인 지역·공간 의존성 분석과 베이지안 계층 회귀 적용

초록

본 연구는 태국의 기존 행정 구역 대신, 빈곤 관련 변수와 지리적 일관성을 동시에 고려한 새로운 지역 구분을 제안한다. 전역·지역 수준에서 Moran’s I와 Moran 클러스터를 이용해 양의 공간 자기상관을 확인하고, 공간 제약을 가한 계층적 군집화로 지리적으로 연속된 구역을 도출한다. 도출된 구역을 바탕으로 베이지안 계층 회귀 모델을 구축해 소득과 교육 연령 간 관계를 분석했으며, 북부·동북부·북중부 지역이 빈곤 문제에 가장 취약함을 밝혀 정책 설계에 활용 가능성을 제시한다.

상세 분석

이 논문은 2022년 태국 정부가 수집한 1억 298만 가구의 미시 데이터를 활용한다. 먼저 변수별 전역 Moran’s I를 계산해 모든 빈곤 관련 지표(소득, 교육 연령, 저축액 등)가 양의 공간 자기상관을 보임을 확인한다. 이를 뒷받침하기 위해 5-최근접 이웃(k‑nn) 가중치를 적용한 공간 라그를 정의하고, 1,000번의 무작위 퍼뮤테이션을 통해 통계적 유의성을 검증한다. 지역 구분은 두 단계로 진행된다. 첫 단계에서는 Fisher‑Jenks 알고리즘으로 변수값의 분포를 기반으로 초기 클러스터를 만든다. 그러나 이 방법은 지리적 연속성을 보장하지 못하므로, 두 번째 단계에서 공간 제약을 포함한 Ward 연결 방식을 이용한 계층적 군집화를 수행한다. 군집의 지리적 일관성 평가는 등변곡선 비(Isoperimetric Quotient)로, 1에 가까울수록 원형에 근접한 형태를 의미한다. 또한 실루엣 점수와 Calinski‑Harabasz 지표를 통해 특성 일관성을 정량화한다. 최종적으로 도출된 4~5개의 ‘새로운 지역’은 기존 행정 구역과는 다른 경계선을 가지며, 각 지역 내 빈곤 지표의 평균값이 크게 차이난다.

베이지안 계층 회귀 모델은 지역 수준의 랜덤 효과와 국가 수준의 고정 효과를 동시에 포함한다. 종속 변수로는 가구 평균 소득을, 독립 변수로는 평균 교육 연령을 사용했으며, 지역별 변동성을 설명하기 위해 지역별 절편과 기울기를 계층적으로 추정한다. 사전분포는 비정보적 정규분포와 역감마 분포를 채택했으며, MCMC 샘플링을 통해 사후분포를 추정한다. 결과는 교육 연령이 증가할수록 소득이 유의하게 상승한다는 양의 관계를 보여준다. 특히 북부·동북부·북중부 지역은 교육 연령이 낮고 소득이 낮은 ‘취약 구역’으로 식별되었으며, 반면 방콕‑파타야 지역은 평균 교육 연령이 12년을 초과해 고소득 구역으로 구분된다.

방법론적 강점은 (1) 공간 자기상관을 정량화하고, (2) 지리적 연속성을 보장하는 군집화 절차를 도입했으며, (3) 베이지안 계층 모델을 통해 다층 구조를 동시에 분석했다는 점이다. 그러나 몇 가지 한계도 존재한다. k‑nn 가중치의 k값 선택이 임의적이며, 다른 k값에 대한 민감도 분석이 부족하다. 또한 변수 선택이 제한적이며, 건강, 주거 환경 등 다른 다차원 빈곤 지표를 포함하지 않아 MPI와의 비교가 어려운 점이 있다. 시계열 데이터가 없으므로 정책 효과의 시간적 변화를 추적할 수 없으며, 모델 검증을 위한 교차 검증이나 외부 데이터와의 비교가 제시되지 않았다. 마지막으로, 새로운 지역 경계가 실제 정책 시행 시 행정적·법적 제약을 받을 가능성에 대한 논의가 부족하다. 이러한 점들을 보완한다면, 제안된 접근법은 지역 맞춤형 빈곤 완화 정책 설계에 실질적인 도구로 활용될 수 있을 것이다.