암은 오랫동안 한국인의 주된 사망원인이었으며, 주로 환경적 요인이 암 발생에 영향을 주고 있다. 암으로 인한 높은 사망률에도 불구하고, 어떠한 지리적 및 환경적 요인이 암 발생에 영향을 주는지에 대한 국내 사례 연구는 부족한 실정이다. 본 연구의 목적은 공간적 관점에서 갑상선암, 대장암, 위암, 폐암, 간암, 전립선암, 유방암을 포함한 주요 암의 발생률이 지리･환경적 요인에 따라 어떻게 다르게 나타나는지를 파악하는 것이다. 이를 위하여, 시군구 수준에서 계산된 암 발생률을 종속변수로 활용하였고, 암 발병에 영향을 미칠 것으로 기대되는 13가지 독립변수를 선정하였다. 종속변수의 공간적 의존성 및 군집을 확인하기 위하여 전역적, 국지적 Moran ’ s I 통계량을 이용하였고, 암 발병에 영향을 미치는 요인을 파악하기 위하여 OLS 및 공간회귀모형들을 활용하였다. 전역적 Moran 통계량과 LISA Cluster map을 통하여 암 발생의 공간적 패턴에서 공간적 자기상관을 확인할 수 있었다. 다음 OLS 회귀 분석을 통하여 암 발생에 영향을 미치는 변수들을 파악하였다. 이때 대부분의 암에서 연령 효과가 강하게 나타났기 때문에 이를 통제하였다. OLS 모형의 잔차에서 공간적 의존성이 명확하게 나타남을 확인한 후, 공간적 의존성을 모형화하기 위하여 공간회귀분석을 수행하였다. 분석 결과 모든 유형 별 암에 대한 발생률을 설명하는데 있어 공간회귀분석이 적합한 것으로 나타났다. 특히 공간적 의존성을 고려할 경우 암별로 영향을 주는 요인이 OLS 분석 결과와 상이할 수 있음을 확인하였다. 본 연구 결과는 공간통계분석을 통하여 암 발생에 영향을 주는 지리 환경적 요인을 보다 정확하게 식별할 수 있음을 보여주었다. 이러한 결과는 암을 예방하기 위하여 지역의 환경을 요인을 어떻게 개선할 것인지에 대한 유용한 정보를 제공한다.

저출산으로 인해 학령인구는 감소하고 있으나, 과대학교와 과밀학급 문제는 여전히 존재한다. 이러한 문제는 학교별 학생수요 예측이 어렵기 때문에 발생하며, 근본적으로는 학령인구 이동에 대한 예측의 불확실성에 기인한다. 이는 학교의 신설이나 이전 계획 수립에 장애가 된다. 장기적 관점에서 학생수요를 예측하기 위해서는 학령인구의 순이동 경향에 대한 파악이 선행되어야 한다. 따라서 본 연구는 지난 16년간 전국 인구이동자료를 바탕으로 시도별로 연령별 인구의 이동 경향을 파악하고 만 11세 인구를 대상으로 크리깅을 적용하여 전국규모의 순이동을 추정하였다. 분석결과, 학령인구의 연령별 순이동은 연령이 높아질수록 감소하 였다. 크리깅을 통해 추정한 결과, 만 11세 인구는 서울, 대구, 경기, 인천 등에서 높게 나타났으며, 서울 강남이나 대구 수성구와 같이 교육열이 높은 지역이나 송도 같은 신규 개발지로의 순이동 경향이 가시적으로 파악되었다. 이 연구는 전국을 범위로 장기간의 학령인구이동 경향을 제시하였다는데 의의가 있으며, 이는 국가차원의 교육 계획 수립에 기여할 수 있다.

최근 소규모 창업을 위한 상권분석, 지역 산업 수요 조사 등에 잠재적 서비스 인구 통계에 대한 수요가 점차 증가하고 있다. 하지만 센서스 조사와 같이 장기적 시간 간격을 두고 수행되는 방식으로는 현시성 있는 잠재적 서비스 수요를 파악하는데 한계가 있다. 개인의 모바일폰으로 수집되는 이동통신 빅데이터는 센서스 조사의 이러한 단점을 극복할 수 있으며, 실시간으로 변하는 지역 인구 분포와 유동성을 잘 보여줄 수 있다. 본 연구는 이동통신 빅데이터와 공간통계 기법을 이용하여 지역의 잠재적 서비스 수요인 현주인구를 추정하고자 한다. 이를 위해 먼저, 대구광역시를 사례로 한 민간 이동통신사가 제공하는 '서비스인구'의 성별, 연령별, 시간대별 분포 특성을 살펴보았고, 지역의 인구, 사회, 경제적 특성 변수에 기반한 일반회귀모델(OLS)과 공간회귀모델(SEM, SLM)을 이용하여 집계구별 현주인구를 추정하였다. 사례 분석 결과, 지역 특성을 반영하는 여러 통계 자료를 활용하여 해당 지역의 잠재적 서비스 수요 인구를 유의미하게 추정할 수 있었다. 또한 인구의 공간적 의존성을 명시적으로 반영하는 공간회귀모델이 현주인구를 추정하는데 가장 적합한 모델인 것으로 나타났다. 집계구 수준의 공간 단위에서 추정 오차도 유의미하게 작았으며, 연령별 현주인구의 추정값이 성별, 시간대별 현주인구에 비해 정확하게 산출되었다. 오차의 공간적 분포는 대체로 도심부에서 과대 추정이, 외곽 지역은 과소 추정이 나타났다. 이는 지역간 모바일폰 사용 행태와 이동성의 차이가 추정 정확성에 영향을 미칠 수 있음을 시사한다.

This study applied the Bayesian method for the quantification of the parameter uncertainty of spatial linear mixed model in the estimation of the spatial distribution of probability rainfall. In the application of Bayesian method, the prior sensitivity analysis was implemented by using the priors normally selected in the existing studies which applied the Bayesian method for the puppose of assessing the influence which the selection of the priors of model parameters had on posteriors. As a result, the posteriors of parameters were differently estimated which priors were selected, and then in the case of the prior combination, F-S-E, the sizes of uncertainty intervals were minimum and the modes, means and medians of the posteriors were similar to the estimates using the existing classical methods. From the comparitive analysis between Bayesian and plug-in spatial predictions, we could find that the uncertainty of plug-in prediction could be slightly underestimated than that of Bayesian prediction.