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.

The relationship between urban spatial structures and GHG-AP integrated emissions was investigated by statistically analyzing those from 25 administrative districts of Seoul. Urban spatial structures, of which data were obtained from Seoul statistics yearbook, were classified into five categories of city development, residence, environment, traffic and economy. They were further classified into 10 components of local area, population, number of households, residential area, forest area, park area, registered vehicles, road area, number of businesses and total local taxes. GHG-AP integrated emissions were estimated based on IPCC(intergovernmental panel on climate change) 2006 guidelines, guideline for government greenhouse inventories, EPA AP-42(compilation of air pollutant emission factors) and preliminary studies. The result of statistical analysis indicated that GHG-AP integrated emissions were significantly correlated with urban spatial structures. The correlation analysis results showed that registered vehicles for GHG (r=0.803, p<0.01), forest area for AP (r=0.996, p<0.01), and park area for AP (r=0.889, p<0.01) were highly significant. From the factor analysis, three groups such as city and traffic categories, economy category and environment category were identified to be the governing factors controlling GHG-AP emissions. The multiple regression analysis also represented that the most influencing factors on GHG-AP emissions were categories of traffic and environment. 25 administrative districts of Seoul were clustered into six groups, of which each has similar characteristics of urban spatial structures and GHG-AP integrated emissions.

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.