한달전쯤에 작성하였던 보고서입니다. 몇년전에 생명의 전화에서 제 돈 들여 40시간 가량 전문상담사 교육도 받고 1년 좀 안 되게 생명의 전화 자원봉사도 했던 기억이 있어 평소 주변 어려운 일, 자살 등에 관해서는 남보다 관심이 많았던 터라 최근 한달전쯤에 작성했던 자살과 계절성에 관한 분석 보고서를 한번 올려봅니다. 참고로 보고서 양식이라 존칭은 생략해서 작성했습니다. (수식을 직접 넣으려고 몇 시간 노력했으나 마음처럼 되지 않아 수식 일부는 제가 작성한 한글문서를 캡쳐하여 중간중간에 넣었습니다. 아울러 10페이지가 넘는 보고서를 수식을 너무 조각조각 캡쳐해서 올려야 해서 부득이하게 중간 생략하여 보고서를 올리게 됨을 양해 바랍니다.)
개인적으로 어려운 일이 있으면 주변에 도움을 구하거나 생명의 전화 1588-9191로 전화하셔서 상담도 받아보시고 아울러 운동, 종교활동 참여, 심리상담, 정신과 진료 등 여러 방법을 시도해보시는 것이 좋습니다. 만약 직장문제라면 어렵지만 새 직장을 알아보시는 것도 좋습니다..
'당신은 스스로 소중한 사람임을 잊지 마세요.'
대부분은 안 그러시겠지만 생명의 전화에 장난전화나 성적인 모욕은 삼가주셨으면 합니다. 부탁드립니다. 감사합니다.
자살사망자 수의 계절성에 대한 실증분석
-로욜라-
1. 서론
대한민국의 자살률은 OECD 평균의 약 2배 수준으로, OECD 국가 중 가장 높다. 그러나 자살예방 사업 및 위기개입에 투입되는 자원은 제한적인 상황이다. 높은 자살률의 문제를 근본적으로 해결하기 위해서는 국민들의 삶의 질을 높일 수 있는 다양한 사회적 제도 확충, 사회안전망 개선, 정신건강 증진을 위한 공익사업 확대 등 사회 전반에 걸친 투자가 필요하고, 자살예방 및 위기개입에도 더 많은 자원을 투입하는 것이 바람직하다. 다만 현재로서는 자살예방 및 위기개입에 활용할 수 있는 자원이 제한되어 있으므로, 한정된 자원을 최대한 효율적으로 활용할 필요가 있다.
계절과 날씨는 정신건강에 상당한 영향을 미치는 것으로 알려져 있고, 대한민국은 대체로 사계절이 뚜렷하므로 자살사망자 수의 증감에도 계절성이 나타날 것으로 예상된다. 이에 ‘봄철 산불조심’, ‘장마철 대비 배수시설 점검’ 등과 같이 자살 위험이 높아지는 시기에 자살예방 및 위기개입을 위한 활동을 강화할 수 있도록 (1) 월별 자살사망자 수를 바탕으로 계절성 여부를 확인하고, (2) 계절성이 존재한다면 어떤 형태의 계절성을 갖는지 분석하고자 한다.
2. 사용 자료 및 분석 방법
(1) 사용한 자료
* KOSIS 국가통계포털의 <성/월별 특정 사망원인(고의적 자해) 사망자 수>
(2019년 1월 데이터부터 확인 가능. 이번 분석에서는 2019년 1월부터 2023년 3월까지의 데이터를 사용함. 2022년 1월 이후의 데이터는 잠정치이나, 2022년 이후의 데이터를 모두 제외하면 자료의 수 이 너무 작아지므로 잠정치도 그대로 사용함.)
** 기상자료개방포털의 전국 평균 기온, 강수량, 강수일수 자료
(2) 분석 방법: 주로 시계열 모형 활용
최초 계획 시에는 기상자료개방포털에 공개되어 있는 기상관측 데이터를 활용해 월별 자살사망자 수를 종속변수로, 각종 기상변수(평균기온, 월별 강수량 등)를 설명변수로 하여 회귀분석을 진행하려 하였다. 기상현상은 지역에 따라 차이가 크므로 지역별 기상변수와 지역별 월 자살사망자 수를 대응시켜 회귀분석을 진행하는 것이 타당하다. 그러나 지역별 월 자살사망자 수는 공개되어 있지 않으므로, 부득이 전국 기준 월 자살사망자 수와 전국의 월별 평균기온, 평균 강수량 등을 대응시켜 회귀분석을 진행해야 한다. 따라서 기상변수에 대한 회귀분석은 참고적인 수준으로 간략히 진행하고자 한다.
개별 설명변수 Xi 를 설정하기 어렵거나, 설명변수에 대한 회귀분석이 어려운 경우에도 시계열 분석을 사용하면 Yi들의 추이가 나타내는 패턴을 파악할 수 있고, 미래값을 예측할 수도 있다. 따라서 월별 자살사망자 수의 추이를 시계열 Y라 하고, 다양한 시계열 모형을 통해 Yi 들이 나타내는 계절성을 파악하고자 한다.
3. 시계열 모형을 활용한 실증분석
(1) 예비적 검토
5-10월을 여름으로, 그 외 기간을 겨울로 간주하여 2019년-2022년 월별 자살사망자 데이터에 대해 chi-square test를 실시하였다.
계절에 따른 차이는 통계적으로 유의하므로, 시계열 분석을 통해 월별 자살사망자 수 추이의 계절성을 분석하고자 한다.
(2) 시계열 Y의 안정성 여부를 확인
안정 시계열의 경우 시간이 흐르더라도 평균, 분산, 자기공분산 등이 일정하게 유지되며 AR 모형, MA 모형 등을 적용할 수 있다. 불안정 시계열의 경우 평균, 분산 등이 해당 시계열을 대표하는 값으로 사용될 수 없고, 통상적인 회귀분석을 할 수 없는 등 여러 제약이 따른다. 따라서 본격적인 분석을 진행하기 전, 시계열 Y의 안정성 여부를 확인한다. 시계열의 안정성 여부는 단위근 검정(ADF test)를 이용하여 판단하기로 한다.
ADF test 결과, p-value = 0.0002 < 0.05로 나타났다. 귀무가설은 ‘Y가 단위근을 가진다(Y has a unit root)’는 것이므로, 귀무가설이 기각되는 것은 Y가 안정 시계열임을 시사한다. Y는 안정 시계열이고, 자료 분석 시 MA 모형보다는 AR 모형이 일반적으로 자주 이용되므로 Y에 AR 모형을 적용해보자.
(3) AR 모형의 차수 결정
[6개의 시차항을 사용한 AR(6) 모형]
따라서 AR(1) 모형을 우선 고려하기로 한다.
AR(1) 모형의 설명력이 매우 낮게 나타나는 이유를 찾기 위해 시계열 Y의 그래프를 검토하자. 시계열 Y의 그래프는 다음과 같다. (t=1,2,3,.....,51, X축에서 1은 2019년 1월, 51일은 2023년 3월에 해당함)
Y의 평균과 분산은 대략 일정해보이지만, 대체로 여름철에 높고 겨울철에 낮은 패턴(계절성)이 보인다.
전월보다 전년 동월의 자살사망자 수가 당월의 자살사망자 수에 대한 설명력이 훨씬 높으며, 자살은 계절성이 뚜렷한 사건임을 추론할 수 있다. 다중공선성이 있는 경우 두 변수가 jointly significant하면서 개별 계수추정치는 유의성이 없게 도출될 수 있다.
따라서 자살은 계절성이 강한 사건으로 이해할 수 있다. 자살사망자 수를 예측하는 이론적 모형은 없고, 시계열 모형에 분기별 가변수를 추가하는 것에 대한 명확한 이론적 근거를 제시하기는 어려우나 지금까지의 회귀분석 결과를 바탕으로 (6)번 모형에 분기별 가변수를 추가하여 분석하고자 한다.
(중 략)
3분기(7, 8, 9월)는 연중 평균 기온이 가장 높은 시기임을 고려하면, 3분기의 일별 자살사망자 수가 가장 많다는 결론에 도달한다. 이는 앞서 시계열 분석을 통해 도출한 내용과 일치하는 것으로, 가용 데이터 및 가용 설명변수의 한계에도 불구하고 유의미한 분석이 진행되었음을 암시한다.
오차항의 특성을 검토한 결과 오차항에 대한 이분산 검정, 자기상관 검정 모두 p>0.05로 나타나 OLS를 적용하는 데 문제가 없으며, 오차항의 정규성도 만족하는 것으로 나타나 소표본임에도 통상적인 검정법으로 계수추정치의 유의성을 해석하는 데 무리가 없음을 확인하였다.
5. 결론
시계열 분석 및 계절가변수를 이용한 회귀분석을 통해 확인했듯, 자살은 뚜렷한 계절성을 띄는 사건이다. 특히 시계열 분석 및 기상변수를 활용한 회귀분석 모두에서 3분기의 자살사망자 수가 높게 나타났으며, 분기 간의 날짜 수 차이를 고려하더라도 3분기의 일별 자살사망자 수가 더 높게 나타났다. 이는 대체로 봄에 자살률이 상승한다는 기존의 연구결과와 다소 배치되는 내용으로 추가적인 검토 및 연구를 필요로 하는 결과이다. 만일 본 보고서의 분석 결과가 옳다면, 3분기에 자살예방 및 위기개입 활동을 더욱 적극적·전략적으로 진행하는 것이 더 많은 생명을 지킬 수 있는 하나의 방법일 것이다. 또, 한여름에 자살사망자 수가 증가하는 원인을 규명하는 것도 정신보건의 관점에서 유의미한 연구 주제가 될 것으로 예상된다. 추후 월별·지역별 자살사망자 수 데이터가 충분히 확보된 상태에서 다양한 분석 기법을 통해 한국의 자살사망자 수 추이가 갖는 계절성이 상세히 밝혀지고, 이를 기반으로 한국의 실정에 맞는 효과적인 자살예방 정책이 수립되고 시행될 수 있기를 소망하며 이 보고서를 마친다.
[부록] 이 보고서 작성에 사용된 데이터는 KOSIS 및 기상자료개방포털에서 해당하는 자료를 검색한 후 xls 또는 csv 파일로 다운로드하여 얻었다.