문맥 (context)
음수가 아닌 정수로 관측되는 가산변수는 일반적으로 포아송 분포를 가정하고, 포아송 모형을 적용하여 자료를 분석한다(이승길, 2103). 포아송 분포는 주로 특정 사건이 발생할 가능성이 매우 적은 확률변수가 갖는 분포로서, 특정사건이 특정시간이나 공간 내에서 일어날 확률이 나머지 단위들에 대하여 독립적임을, 또한, 평균과 분산이 동일하다는 등분산(equi-dispersion)임을 가정한다(Chen et al., 2017). 하지만, 포아송 모형이 가정하는 이론적인 ‘0’의 확률모형은 실제로는 부풀려지거나 (inflated), 분산이 평균을 초과하는 과도분산(over-dispersion) 현상이 발생한다. 이러한 ‘0'과잉이나 과도분산의 문제는 모형의 설명력을 감소시키며 통계적 추론의 정확성에 위협이 된다. 이러한 문제를 해결하기 위해 ‘0'과잉이 관측되는 경우에는 ‘0' 과잉 포아송 모형을, 과도분산이 관측되는 경우에는 음이항 회귀모형을 적용하여 변수들 간의 관계를 분석할 수 있다.
이러한 가산종속변수에 내재한 과도한 ‘0’의 문제를 해결하기 위해 다양한 통계적 모형이 제시되어 왔는데, 그 중에서 ‘0'과잉 포아송(zero-inflated Poisson) 모형 및 ‘0'과잉 음이항 회귀(zero-inflated negative binomial regression) 모형이 대표적이다(장안식, 2011). 하지만, 사회구조적 변수들 간의 관계를 분석함에 있어서 이러한 모형들은 적합하지 않거나 설명력이 충분하지 않을 수 있는데, 주된 이유는 사회구조적 변수들 사이의 공간적 종속성의 존재 때문이다(박현수, 2018; 한준희・김창훈, 2015). 즉, 종래의 모형들은 관측들 간의 독립성을 전제로 관측들 간의 공간적 종속성(spatial dependence)에 대한 고려를 배제하였다. 하지만, Tobler(1970)에 따르면, 공간적 변수들은 인접한 관측일수록 더 유사한 값을 가지고 원접한 관측일수록 더 상이한 값을 갖는 특성이 있기 때문에 이러한 공간적 종속성의 존재를 배제하는 모형은 적합하지 않을 수 있다.
수집된 자료들은 공간분석을 위하여 GIS자료로 변환하였다. 좌표부여(geocoding)기법을 활용하여 성범죄자료 및 식품위생업소자료에 기록된 주소지를 위도와 경도로 표시된 좌표로 변환하였다. 이후, QGIS 프로그램을 활용하여 범죄지와 주류업소 위치를 Y구 경계지도에 점으로 현출하였다. 점으로 현출된 범죄지와 주류업소 위치는「위치기반 변수결합 (join attributes by location)」기능을 활용하여 집계구 경계지도와 결합하여 집계구별 성범죄 건수 및 주류업소의 개수를 산출하였다. 결합된 집계구 경계지도와 추출된 통계청 인구통계자료를 QGIS 프로그램의「벡터결합(add vector join)」기능을 활용하여 집계구별로 인구통계자료를 결합하였다.
본 연구는 국내 X시의 Y구를 연구지역으로 설정하고, 사회구조적 관점에서 집계 구 내의 주류업소밀집도와 성범죄 간의 상관관계를 다른 통계적 방법들을 사용하여 분석하였다. 먼저, 가산종속변수인 성범죄에 내재한 ‘0'과잉과 과도분산 문제를 해결하기 위하여 ‘0'과잉 음이항 모형 및 표준음이항 모형을 적용하여 분석한 결과, 주류업소밀집도와 1인 가구비율이 성범죄에 유의미한 양(+)의 영향력을 미치는 것을 확인하였다. 한편, 집계구를 지역적 분석단위로 설정한 본 연구에서 변수들 사이의 공간적 종속성의 존재를 확인하고 이를 고려하는 공간가중 포아송 회귀모형을 적용하여, ‘0’과잉 음이항 모형이나 표준음이항 모형보다 적합도가 더 높은 모형을 도출하였다. 또한, 변수에 내재한 공간종속성이 강할수록 그러한 공간의 효과가 모형에 반영되어 종속변수에 대한 설명력이 상대적으로 높아짐을 확인하였다.
본 연구는 인구밀도와 1인 가구비율을 통제변수로 설정하였다. 이러한 통제변 들은 다수의 선행연구에서 성범죄 등의 폭력범죄에 영향을 주는 것으로 추정된 사회구조적 변수들로서, Mustaine과 Tewksbury(2009)는 잠재적 성범죄자를 동기화된 성범죄자로 격상케 하는 주류업소 등과 같은 변수 이외에도 범죄의 기회를 제공하거나 박탈하는 여타의 사회구조적 요소들을 고려하였다. 먼저, 본 연구는 Mustaine과 Tewksbury의 연구와 유사하게, 1인 가구비율을 성범죄의 대상이 될 수 있는 ‘적절한 피해자'의 대리변수로 측정하고자 하는데, 특히 1인 가구에 거주하는 여성은 잠재적 성범죄자에게 유인성이 높은 피해자로 인식될 수 있다. 이러한 1인가구비율의 영향력은 주류업소밀집도로 인해 초래되는 음주가능인구의 영향력이라기보다는 해당 지역의 상주인구의 영향력으로 판단되어, 이를 통제하여 주류업소밀집도의 독립적 영향력을 알아보고자 한다. 한편, 인구밀도는 주류업소밀집도가 초래하는 유동인구와는 대비되는 개념으로서, 인구밀도로 나타나는 지역의 상주인구를 통제하여 주류업소밀집도의 독립적 영향력을 추정하고자 한다.
공간가중 포아송 회귀모형으로 추정한 결과, 주류업소밀집도 및 1인 가구비율이 증가할수록 그리고 인구밀도는 감소할수록 성범죄가 증가하는 것으로 추정되었다. 이러한 결과는 일상활동이론에 기반을 둔 유동인구모델의 기본전제에 부합하는 것으로, 높은 주류업소밀집도는 음주가능인구의 유입을 가져올 뿐만 아니라, 이러한 인구유입은 잠재적 성범죄자의 수를 증가시키고, Mustaine과 Tewksbury(2010)가 추정한 바와 같이, 잠재적 성범죄자를 동기화된 성범죄자로 전화시키는 사회구조적요인으로 작동하는 것으로 해석될 수 있다. 이와 유사하게, 잠재적 피해자의 음주행위는 성범죄 피해발생에 대한 저항력을 저해시켜 동기화된 범죄자에게 유인성이 높은 피해자로 인식되게 하여 성범죄의 발생 개연성을 더욱 높이게 된다. 하지만, 이러한 주류업소밀집도의 성범죄에 대한 영향력은 지하철역 및 여타의 상업시설로 인한 유동인구의 유입이 상대적으로 많은 지역에서 일부 상쇄되기도 하였으나, 여전히 통계적으로 유의미한 양(+)의 상관관계를 나타내었다.
또한, 1인 가구비율은 오히려 유동인구가 많은 지역에서 성범죄에 대한 영향력이 강한 것으로 추정되었는데, 이는 유동인구가 많은 지역에서 1인 가구형태의 거주 비율이 높다는 것과 일상활동이론의 관점에서 1인 가구원들이 ‘적절한 피해자’로 작용하는 것으로 해석될 수 있는데, 이러한 두 가지 해석들 간의 설명력의 우위관계는 향후 연구에서 분석할 필요가 있다고 판단된다. 한편, 인구밀도의 성범죄에 대한 영향력은 추정되는 유동인구와 반비례하는 경향을 확인하였는데 이는 주류업소밀집도 등의 원인으로 인해 유동인구가 높은 지역은 주로 상업중심지구로서, 이들 지역의 상주인구의 비율이 낮은 것으로 설명될 수 있다. 즉, 인구밀도는 본 연구가 가정한 바와 같이 일상활동이론에서 설명하는 감시자로서 성범죄와 음(-)의 상관관계를 갖는 것이 아니라, 유동인구의 관점에서 상업지역과 주거지역을 구분할 수 있는 간접적인 지표로서 작용하였다고 해석되나, 이에 대해서도 차후 연구에서 심도 있는 논의가 필요하다고 판단된다.
그럼에도 불구하고, 본 연구의 가장 큰 의의는 성범죄와 같이 포아송 분포이면서 공간적 상관성을 내재한 변수를 분석함에 있어서는 표준포아송 모형보다는 공간효과까지 고려할 수 있는 공간가중 포아송 회귀모형이 더 적절하다는 결론을 도출하였다는 점이며 이러한 결론은 다수의 선행연구 결과와 일치한다(한준희・김창훈, 2015; Chen et al., 2017). 특히, 이러한 공간가중 포아송 회귀모형은 주로 가산변수의 형태를 갖는 범죄에 대한 사회구조적 연구에서는 우선적으로 고려되어야 모형임에는 틀림없으나, 변수들 사이의 공간적 상관성의 존재에 대한 확인은 반드시 선행되어야 하며 종속변수의 다양한 분포를 좀 더 세밀하게 관측하여 더 발전된 모형의 적용 가능성도 확인해 봐야할 것이다. 예를 들어, 본 연구는 ‘0’과잉 음이항 회귀모형과 비교하기 위해 단순 포아송 분포를 가정한 공간가중 포아송 회귀모형을 사용하였다.
이러한 통계학적인 방법들은 변수들에 내재한 특성이나 분포들을 고려하여 보다 적합한 모형구축을 가능하게 하여, 보다 현실에 부합하는 실증연구가 가능하도록 할 것으로 기대한다. 모형 적합도가 높은 실증연구의 방법으로 도출된 결과는 새로운 형사정책을 입안하거나 수정하는데 있어 중요한 이론적, 실증적 토대가 될 것이라고 기대한다. 특히, 본 연구에서 활용한 공간가중 포아송 회귀모형은 사회구조적 변인들의 성범죄에 대한 영향력을 전역적 관점뿐만 아니라, 국지적 관점에서도 추 할 수 있다. 앞서 살펴본 바와 같이, 주류업소밀집도 혹은 1인가구의 성범죄에 대한 영향력은 국지적 지역마다 다양한 방향 및 강도를 나타낼 뿐만 아니라, 전역적 관점에서 추정되는 영향력과 정반대의 방향성을 가질 수 있다. 따라서 전역적 관점에서 수행된 연구결과를 통해 도출된 형사정책을 국지적 지역에 획일적으로 적용하는 것은 정책의 효과성을 낮출 수 있다. 이에 국지적 지역에서 발생하는 범죄의 원인을 개별적으로 분석하고 그러한 치안수요에 부합하는 개별화된 정책을 시행해야할 것이다.
본 연구는 국내 X시 Y구를 연구대상지역으로 설정한 연구로서, 본 연구의 결과를 다른 지역에 동일하게 적용하기에는 한계가 있다. 특히, 본 연구는 전역적 관점 외에도 국지적 관점에서 주류업소밀집도의 영향력을 도출하는 공간가중모형을 활용하여 한 지역구 안에서도 각 변수들의 성범죄에 대한 영향력이 그 방향과 강도에 있어 상이하게 추정될 수 있음을 확인하였다. 따라서 차후 연구에서 다른 연구지역 및 지역적 분석단위를 사용하여 개별 변수들의 일반적 경향성을 구축해나갈 필요가 있는 것으로 판단된다. 뿐만 아니라, 본 연구는 주류업소밀집도와 성범죄 간의 상관관계를 다른 사회구조적 변수를 고려하여 추정하였으나, 횡단(cross-sectional)자료를 토대로 하였기 때문에 추정된 상관관계의 인과성을 단정하기는 어렵다. 이러한 역의 인과관계 성립 가능성 문제는 횡단자료를 사용한 실증연구에서 한계점으로 지속적으로 제기되어 온 것(Livingston, 2005)으로, 향후 연구에서는 종단(longitudinal)자료를 수집하고 이를 바탕으로 하여, 주류업소밀집도와 성범죄 간의 인과관계를 보강할 필요가 있다고 판단된다.
지시문 (instruction)
다음 문맥을 읽고 질문에 답하시오.
질문 (question)
본 연구에서 공간가중 포아송 회귀모형이 '0'과잉 음이항 모형이나 표준음이항 모형보다 적합도가 더 높게 나타난 이유는 무엇인가?
추론 과정 (compact_reasoning)
-
1과제 해석
task_interpretation공간가중 포아송 회귀모형이 기존의 음이항 모형들보다 더 높은 적합도를 보인 원인을 파악해야 한다.
-
2정보 추출
information_extraction기존 모형들의 한계와 공간적 종속성에 관한 내용을 추출한다.
- 사회구조적 변수들 사이의 공간적 종속성의 존재 때문이다
- 종래의 모형들은 관측들 간의 독립성을 전제로 관측들 간의 공간적 종속성(spatial dependence)에 대한 고려를 배제하였다.
-
3근거 선택
evidence_selection공간적 종속성을 고려하는 것이 모형의 적합도와 어떤 관계가 있는지 보여주는 근거를 선택한다.
- 변수에 내재한 공간종속성이 강할수록 그러한 공간의 효과가 모형에 반영되어 종속변수에 대한 설명력이 상대적으로 높아짐을 확인하였다.
-
4논리 통합
logical_integration기존 모형은 공간적 종속성을 배제하여 설명력이 낮지만, 공간가중 포아송 회귀모형은 공간적 종속성을 고려하여 공간 효과를 반영하므로 적합도가 높다는 논리를 구성한다.
- 종래의 모형들은 관측들 간의 독립성을 전제로 관측들 간의 공간적 종속성(spatial dependence)에 대한 고려를 배제하였다.
- 변수에 내재한 공간종속성이 강할수록 그러한 공간의 효과가 모형에 반영되어 종속변수에 대한 설명력이 상대적으로 높아짐을 확인하였다.
-
5결론 도출
conclusion_formulation변수들 사이의 공간적 종속성을 고려하고 이를 모형에 반영함으로써 설명력을 높였기 때문에 적합도가 더 높다는 결론을 도출한다.
-
6답변 생성
answer_generation질문에 대한 최종 답변을 작성한다.
최종 답변 (final_answer)
기존의 모형들은 관측들 간의 독립성을 전제로 하여 변수들 사이의 공간적 종속성을 고려하지 않았으나, 공간가중 포아송 회귀모형은 변수에 내재한 공간적 종속성을 고려하여 공간의 효과를 모형에 반영함으로써 종속변수에 대한 설명력을 높였기 때문이다.
핵심 해석 (core_interpretation)
기존 모형들이 간과했던 변수 간의 공간적 종속성을 공간가중 포아송 회귀모형은 모형에 반영하여 설명력을 높였음을 근거로 적합도가 높은 이유를 설명한다.