인구추계 방법론의 현황과 평가

1990년대에 들어 전통적인 시나리오 접근을 대신하여 인구추계에 수반된 불확실성을 확률분포 형식으로 처리하는 방법이 본격적으로 검토되기 시작했다. 미래 전망 작업이 본질적으로 불확실하다는 점에서 확률적 인구추계의 필요성이 대두된 것이다. 또한 인구추계의 정확성을 획기적으로 높이는 것이 쉽지 않다는 점에서 인구 전망에 수반된 불확실성의 정도를 측정하는 것이 차선책으로 인식되기 시작했다. 빈도주의(frequentist) 전통에 기초하여 인구추계 작업에 수반된 불확실성을 모형화하는 방식으로는 통계적 모형에 기초한 방법, 전문가 판단에 기초한 방법, 과거 예측 오차 활용법 등이 있다. 이들 빈도주의 전통에 기초하여 인구추계 작업에 수반된 불확실성을 모형화하는 가장 일반적인 방법은 Lee-Carter 모형과 같은 통계적 모형(statistical method)에 기초한 방법이라고 할 수 있다. 최근까지의 논의는, 방법론적 발전에도 불구하고, 사망력 전망 작업의 효용성을 높이기 위해서는 통계적 모형의 단순한 적용 대신 과거 자료에 대한 정확한 분석과 동시에 미래 사망력의 전개 방향과 관련된 인구학적 이론이나 지식이 중요한 역할을 담당할 필요가 있음을 시사하고 있다. 반면 출산율 전망 분야의 경우 방법론적 발전은 상당히 미진한 모습을 보였다고 할 수 있다. 모수적(수리적) 출산율 모형은 물론이고 비모수적 출산율 모형 분야 또한 큰 진전을 보여 주지 못하고 있다. 출산율 전망에 관한 대표적인 연구로 Lee(1993)의 출산율 모형화 연구가 있지만, 점 추정치(point forecast)를 제공하는 출산율 모형으로는 한계가 있으며, 예측구간을 제공하는 측면에서도 이 모형이 큰 성과를 거두었다고 평가하기는 쉽지 않은 것으로 판단된다. 1990년대 이후 등장한 출산율 모형 중에는 UN의 공식적인 세계인구전망에서 활용되는 베이즈 출산율 모형이 일정 정도 인구학적 지식을 충실히 반영하는 한편 다른 국가들의 경험을 동시적으로 고려하고 있다는 점에서 그 성과를 인정할 수 있다. 그럼에도 불구하고 UN의 베이즈 출산율 모형이 향후 어떠한 성과를 보일 것인가에 대해서는 추가적인 시간이 필요한 것으로 보인다. 인구추계 자료와 관련된 불확실성도 고려할 수 있는데, 예컨대, 인구변동 요인 중 출생 및 사망과 같은 인구동태통계(vital statistics)의 경우 상대적으로 그 정의가 명확한 동시에 통계 구축이 법적으로 강제되는 등 자료와 관련된 확실성의 수준이 상대적으로 높은 상황이라고 할 수 있다. 반면 인구이동의 경우 그 정의가 국가별, 시대별로 상이할 개연성이 높은 동시에 자료가 체계적으로 구축되지 못한 경우가 많다는 점에서 자료를 둘러싼 불확실성의 정도가 출생이나 사망에 비해 상대적으로 더욱 높다고 할 수 있다. 하나의 사례로, 장기 국제 이주자를 정의하는 데 있어서 UN은 최소 12개월 이상 거주(United Nations, 1998, p.18)를 요건으로 함에 비해 우리나라 통계청의 경우 3개월 이상 거주를 요건으로 하고 있다. 현재까지 대부분의 인구이동 전망이, 현 인구이동 수준을 유지하거나 순인구이동이 없다는 것과 같은, 단순한 방식을 취하고 있다는 점에서 인구이동 이론과 실제 인구이동 전망 간에는 큰 간극이 존재한다고 할 수 있다. 미래 예측과 관련하여 이론이 중요한 역할을 함에도 불구하고 인구이동 분야의 경우 현재까지의 이론적 발전이 인구이동 전망 측면에서 직접적으로 활용되기에는 한계가 있는 상황이다. 기존 인구학적, 사회학적, 경제학적, 지리학적 인구이동 이론들이 인구이동 현상을 「사후적으로」 설명하는 데 있어서 일정한 역할을 하는 것은 사실이지만, 현재까지 인구이동 「전망」 차원에서 인구이동 이론의 효용성은 매우 제한적이라고 할 수 있다. 이는 인구이동 현상의 복잡성으로 현재까지의 이론들이 다양한 인구이동 현상의 일부분만을 설명하는 것과도 관련이 있다. 물론 세계체제론(World Systems Theory)과 같은 거대 이론이 존재하기는 하지만 이들 거대 이론 또한 인구이동 전망 목적으로 직접 활용되기에는 어려운 측면이 있다. 최근 들어 인구이동 전망과 관련된 연구들이 진행되고 있지만, 인구이동 부문에서 전망 작업의 효용성과 관련하여 일관된 결론이 존재하지 않는다. 인구이동 전망의 효용성과 관련된 극단적인 견해로, Bijak & Wisniowski(2010, p.794)는 인구이동 전망이 지닌 효용은 5~10년 정도의 추계 기간에 한정됨을 지적하며, 인구이동 부문에서 장기 전망은 신뢰할 수 없음을 지적하고 있다. 구체적인 인구이동 전망 모형과 관련하여 아래에서는 함수적 자료 분석(FDA) 모형(Hyndman & Booth, 2008)과 베이즈 인구이동 모형(Azose & Raftery, 2015)을 간략히 소개하기로 한다. 인구이동 전망의 효용성 논란에도 불구하고 인구이동을 적극적으로 모형화하고자 하는 시도가 이루어진 바 있는데, 그중 하나가 함수적 자료 분석 패러다임에 기초한 모형이다. 앞에서도 언급했듯이 FDA 모형은 사망력 분야뿐만 아니라 출산력과 인구이동 부문에서도 활용되고 있다. 출생이나 사망에 비해 인구이동 부문에서는 베이즈 접근에 기초한 연구가 더욱 활성화되는 경향이 관측되는데, 이는 앞에서도 언급했듯이 인구이동 부문의 경우 활용 가능한 자료가 상당히 제한적이라는 것과 관련이 있다. 결국 활용 가능한 자료가 제한적인 상황에서 전문가의 판단이 인구이동 전망과 관련하여 더욱 중요한 역할을 할 수 있는데, 베이즈 접근이 전문가의 판단을 보다 체계적인 방식으로 고려할 수 있는 것과 관련이 있다. 예컨대, Bijak & Wisniowski(2010)는 베이즈 접근을 통해 2025년까지 유럽 7개국(오스트리아, 이탈리아, 체코, 포르투갈, 폴란드, 프랑스, 헝가리)의 국제 인구이동을 전망하고 있는데, 양적 자료와 함께 전문가를 대상으로 한 델파이 서베이에 기초한 질적 자료를 활용하고 있다. 유사하게 환경적 요인에 기초하여 인구이동을 전망하고 있는 Abel, Bijak, Findlay, McCollum, & Wisniowski(2013)의 연구 또한 양적 자료와 함께 델파이 서베이에 기초한 전문가의 판단을 분석 모형에 반영하고 있다. 연구 방법과 관련하여, 우선, 방법론 분석을 중심으로 1990년대 이후 등장한 주요 인구추계 모형의 기본 구조 및 특징에 대한 세부적인 검토를 진행한다. 전통적인 시나리오 방식이든 최근의 확률적 방식이든 출산력, 사망력, 이동력과 같은 인구변동 요인별로 구분하여 예측 작업이 이루어진 후 코호트-요인법(cohort-component method)을 통해 장래 인구의 규모와 구조를 전망한다는 점에서 인구추계 모형에 대한 분석 또한 사망력, 출산력, 이동력으로 구분하여 검토를 진행하기로 한다. 다만, 최근까지도 이동력에 대한 논의는 상대적으로 제한적으로만 이루어지고 있다는 점에서 사망력과 출산력 분야를 중점적으로 검토하기로 한다. 인구추계 방법론 검토 부분에서는 단순히 모형의 주요 내용을 소개하는 데에 그치지 않고 이론적 측면 혹은 최근까지 이루어진 경험적 연구 등을 활용하여 개별 인구추계 모형의 장단점에 대한 평가를 시도한다. 다음으로, 본 연구에서는 인구추계 모형의 예측 정확성을 경험적으로 평가하고자 한다. 앞에서 언급했듯이, HMD, HFD 자료를 활용하여 주요 인구추계 모형의 예측 정확성을 경험적으로 평가한다. 2015년 기준의 인구추계 자료를 통계청이 구축하고 있는 상황에서, 최신 인구통계 정보가 반영되지 않은 과거 자료에 기초하여 인구추계 결과물을 산출하는 것은 시의 적절하지 못하다는 지적이 있었다. 이러한 측면에서 우리나라를 대상으로 한 인구추계 작업은 본 연구의 기획 단계에서 제외되었음을 밝힌다. 대신 예측의 정확성 측면에서 주요 인구추계 모형의 성과를 비교하고자 본 연구에서는 Human Mortality Database(이하 HMD로 명명)와 Human Fertility Database(이하 HFD로 명명)와 같은 인구통계 데이터베이스를 활용하여 주요 인구추계 모형의 성과를 경험적으로 평가하고 시사점을 살펴보고자 하고 있다. 과거 자료에 기초하여 예측 정확성을 평가(ex-post validation)한다는 점에서 가능하면 다양한 조건하에서 인구추계 모형의 성과를 살펴볼 필요가 있다. 이러한 점에서 HMD와 HFD 데이터베이스는 인구추계 모형의 예측 성과를 평가하기 위한 최적의 자료원이라고 할 수 있다.