1. 연구의 필요성

세계보건기구(World Health Organization)는 불충분한 신체활동이 사망률의 네 번째 주요 위험요인이며, 전 세계 장애보정 생존연수(disability-adjusted life year)의 약 2.1%가 불충분한 신체활동에서 기인한다고 보고하였다[1]. 신체활동은 강도에 따라 다양하지만, 걷기실천율은 지역주민의 신체활동 정도를 나타내는 대표적인 지표이다. 대부분의 사람들에게 걷기는 가장 일상이면서도 총 일일 에너지 소비(energy expenditure)의 상당 부분을 생성하는 신체활동이다[2]. 걷기는 심박동수를 증가시키는 심혈관계 신체활동이면서 동시에 관절 등에 과도한 무리를 주지 않는 적정 강도 운동 중의 하나로 꼽힌다[3]. 걷기와 달리기를 비교한 6년 간의 코호트 추적 관찰 결과, 동일한 양의 에너지를 소비할 때 고혈압, 이상지질혈증, 당뇨의 위험을 줄이는 데 걷기가 달리기와 유사한 이점을 제공한다는 것이 밝혀져 있다[4]. 따라서 걷기는 연령 등의 제한없이 가장 보편적으로 고려할 만한 지역사회 건강증진사업의 전략이 될 수 있다.

세계보건기구는 2014년에 비감염성 질환(noncommunicable diseases [NCDs])의 예방 및 관리를 위한 국제적 의제로서 2025년까지 불충분한 신체활동을 10% 개선시키는 것을 목표로 제시하였다[5]. 또한 우리나라 제5차 국민건강증진종합계획(Health Plan 2030)에서도 지역사회 중심의 신체활동 기반 구축, 대상자별 신체활동 장려를 위한 서비스 개발 및 제공, 신체활동 친화적 환경조성 및 접근성 강화를 통해 2030년까지 성인 걷기실천율을 50%로 상향하는 것을 목표로 제시하고 있다[6]. 지역사회건강조사 결과를 바탕으로 우리나라의 걷기실천율을 확인한 Kim과 Kang [7]의 연구에서 우리나라 전체의 걷기실천율이 2008년 51.5%에서 2013년 39.9%로 크게 감소하였으며, 특히 강원 북부, 경북, 충남 지역의 걷기실천율 감소폭이 크다고 보고하였다. 2013년 이후 현재까지 걷기실천율은 약 40% 내외에서 유지되고 있으나[8], 이전 수준으로 회복되지는 못하고 있는 실정이다. 최근 걷기실천율의 중앙값은 2019년 40.4%, 2020년 37.4%, 2021년 40.3%를 나타내었으며, 특히 걷기실천율의 범위가 2019년 15.0%~73.0%, 2020년 14.2%~82.0%, 2021년 16.6%~73.9%로[8] 지역사회건강조사에서 조사되고 있는 건강행위 중 지역별 격차가 가장 크다는 것이 문제이다.

인구집단의 건강 수준은 지역이라는 공간 안에 작동하는 여러 건강결정요인들에 의해 영향을 받기에, 지역 간 건강 행위의 차이를 확인하고 그 원인을 탐색하는 것은 인구집단 전략(population strategy)의 관점에서 의의가 있다[9]. 인구집단 전략은 개인을 기본 단위로 하는 고위험 전략(high-risk strategy)과 달리, 인구집단 전체를 기본 단위로 보고 인구집단의 특성과 인구집단 전체에 노출되어 있는 좀 더 근본적인 사회적, 경제적, 환경적 요인을 찾는 데에 중점을 두는 것이다. 건강 행위와 건강 수준의 차이에 영향을 미칠 수 있는 여러 사회구조적 불평등 요인 중 지리적 위치는 그 자체가 독립적으로 영향을 미치는 요인이라기보다는 사회구조적 조건과 상호작용하여 건강 결과에 영향을 미치게 된다[10]. 특히 우리나라의 건강증진사업은 기초자치단체를 중심으로 하여 시·군·구 보건소를 기반으로 수행된다. 그러므로 정책적 접근을 위해서는 기초자치단체별로 나타나는 건강 행위의 차이에 주목하여 지역 간 변이에 영향을 미치는 인구 특성, 사회경제적 특성, 환경 요인에 대한 탐구가 적절할 수 있다.

지역별 맞춤형 신체활동증진 사업을 수행하기 위해서는, 먼저 각 지역별로 걷기실천율에 영향을 미치는 요인을 규명할 필요가 있다. 지역사회 수준에서 걷기실천율은 인구밀도[11, 12, 13], 1인가구의 비율[14, 15], 주택소유율[16, 17]과 같은 인구사회학적 요인과 환경적 특성[18, 19, 20, 21]에 영향을 받는다고 보고되어 왔다. 그러나 지역사회 수준의 영향요인을 탐색함에 있어 선행연구들에서는 지역의 공간적 효과를 반영하지 못하고 모든 지역이 동일한 특성을 가진다고 가정하는 일반적인 회귀분석을 적용한 한계가 있었다. 전통적인 최소자승법(ordinary least squares [OLS]) 모형은 전역적인 회귀분석으로 정상성(stationary)을 가정한 전역적(global) 모델로서 모든 지역에서 독립변수들이 종속변수에 동일한 영향력을 갖는다고 가정하며, 관찰값들의 독립성과 잔차의 등분산성을 가정한다. 하지만 Tobler [22]의 지리학 제1법칙(the first law of geography)에 따라, 공간적으로 근접한 현상일수록 높은 관련성을 보이기 때문에 현실적으로 이러한 가정이 충족되기는 어렵다. 또한 공간에 따라 변수들의 영향력이 다를 경우 OLS 모형을 적용하면 모수 추정치가 줄어들기 때문에[23], 비정상성(non-stationary)을 가정한 국지적(local) 모델을 적용하는 것이 타당하다. 따라서 공간적으로 근접한 위치에서 수집되어 유사한 값을 가지는 경향이 나타나는 데이터의 경우, 공간적으로 이질적인 패턴을 확인하고 지역별로 서로 다른 계수의 추정이 가능한 지리가중회귀(geographically weighted regression [GWR])와 같은 공간통계분석 기법을 활용할 필요가 있다. GWR 모형은 전통적인 회귀분석을 확장한 분석방법으로 지역에 따라 회귀계수가 달라지도록 하는 국지적 모델이므로 OLS 모형의 한계를 보완한다[24]. 공간적 의존성이 존재하는 현상을 OLS 모형으로 분석하게 되면 공간적 변이의 측면을 반영하지 못하므로 GWR 모형과 같은 국지적 모형을 통해 하위 지역 단위별로 회귀계수를 도출하여 분석하는 것이 현상의 이해에 효과적이다. 즉, 전통적 회귀분석에서 가정하는 오차의 독립성과 등분산성이 현실적으로 충족되기 어렵기 때문에, 본 연구는 지역의 걷기실천율이 지역에 따른 격차가 있을 뿐만 아니라 이와 같은 각각의 요인이 미치는 영향력에도 지역에 따라 차이가 있을 것이라는 가정에 근거하여 걷기실천율의 영향요인을 분석함에 있어 공간통계분석 중 하나인 GWR 분석의 효과성을 검증하고자 한다.

또한 이러한 결과를 지리정보시스템(geographic information system [GIS]) 공간 정보와 융합하여 지도를 이용하여 제시함으로써 데이터들의 공간적 상호작용을 시각적으로 파악할 수 있을 것이다. 이에 본 연구에서는 우리나라 시·군·구 단위에서 주요 건강 행위인 걷기실천율의 공간적 분포를 확인하고, 이에 영향을 미치는 요인을 지역의 공간적 효과를 반영하여 탐색함으로써 지역사회 기반 건강증진사업에 필요한 기초자료를 제공하고자 한다.

2. 연구 목적

본 연구의 목적은 지역별 걷기실천율의 격차와 그 영향요인을 확인하는 것이다. 구체적인 연구 목적은 시·군·구별 걷기실천율의 분포를 확인하고, 시·군·구별 걷기실천율이 공간적 분포의 군집성을 나타내는지 확인하며, 지역의 공간적 효과가 반영된 지역특성을 중심으로 시·군·구별 걷기실천율에 영향을 미치는 요인을 분석하는 것이다.

1. 연구설계

본 연구는 지역사회 걷기실천율에 영향을 미치는 요인을 탐색하기 위한 서술적 횡단 조사연구로서 지역사회 건강결과 및 건강 결정요인 데이터베이스 1.3과 통계지리정보서비스 공간통계자료를 활용한 이차 자료 분석 연구이다.

2. 연구대상 및 자료수집

본 연구는 질병관리청에서 제공하는 지역사회 건강결과 및 건강 결정요인 데이터베이스 1.3 자료와 통계청에서 제공하는 통계지리정보서비스의 공간통계자료를 사용하였다. 지역사회 건강결과 및 건강 결정요인 데이터베이스는 국토교통부의 지적통계, 행정안전부의 주민등록인구현황, 통계청의 인구주택총조사, 주택소유통계 등의 데이터를 수합하여 지역사회건강조사 결과와 연계할 수 있도록 수집된 데이터베이스이다. 본 연구에서는 지역사회건강조사 홈페이지에 공개되어 있는 연도별 데이터베이스 자료의 1.3 버전을 다운로드 받아 분석에 사용하였다. 통계지리정보자료는 통계청의 개방형 플랫폼인 통계지리정보서비스(Statistical Geographic Information Service [SGIS])에서 자료 활용에 대한 승인을 받은 후 센서스 공간통계 자료 파일 형태로 제공 받아 사용하였다. 각 통계자료 결합 후 종속변수에 대한 독립변수의 횡단적 영향을 파악하기 위해, 시간적 범위는 모든 변수가 포함된 가장 최근 시점인 2019년으로 제한하였다.

본 연구의 분석 대상은 지역보건 정책의 수행 단위이자 기초자치단체 통계자료에 포함된 229개 시·군·구이다. 기초자치단체가 없는 세종시의 경우 1개의 지역으로 선정하였다. 법정구역과 행정구역 자료가 함께 있는 경우 행정구역 자료를 사용하였다.

3. 연구 변수

4. 자료분석

첫째, 지역사회 걷기실천율 및 걷기실천율에 영향을 미치는 독립변수들에 대한 현황을 파악하기 위하여 기초통계량을 산출하고 분포를 지도로 나타내어 패턴을 분석하였다. 각 변수별 상관관계는 Pearson’s r 상관분석으로 확인하였다.

둘째, 변수들이 공간적 분포의 군집성을 가지는지 파악하기 위하여 전역적(global) 모란 통계량(Moran’s I) 값을 산출하여 변수들의 공간적 자기상관성 유무를 확인하였다. 공간적 자기상관이란 관측개체들의 위치 유사성과 속성 유사성 간의 특정한 관련성을 의미한다[25]. 공간적으로 가까울수록 값이 유사하면 양의 공간적 자기상관이 있다고 말할 수 있고, 공간적으로 가까울수록 값이 다르면 음의 공간적 자기상관이 있다고 말할 수 있다. 공간적 자기상관이 존재하는 데이터들끼리는 일정 값을 공유하여 독립관측 가정을 위배하게 된다[26]. 이는 유효표본 크기를 삭감하고 자유도를 하락시켜 검정통계량 과대추정으로 이어져 통계학적 결론의 오류 가능성을 증대시킨다[27]. 공간적 자기상관이 존재하는 경우 비공간적 통계로는 오류가 생기므로 공간적 통계를 사용하여야 한다. 본 연구에서는 공간적 자기상관정도를 측정하는 대표적인 통계량인 Moran’s I를 사용하여 변수들의 공간적 자기상관 정도를 측정하였다. Moran’s I는 대개 -1에서 1 사이의 값을 보인다. -1에 가까운 경우 음의 공간적 자기상관을, 1에 가까운 경우 양의 공간적 자기상관을 의미하며, 0에 가까워질수록 공간적 자기상관이 없음을 의미한다. 본 연구에서는 점으로 이어진 지역 간에도 상호작용이 있다고 판단하여 Queen 방식을 적용하여 Moran’s I를 산출하였다.

이때 n은 공간 단위의 수, w_ij는 공간가중치행렬을 의미한다[28].

마지막으로, 지역의 공간적 효과가 반영된 지역 특성을 중심으로 시·군·구별 걷기실천율에 영향을 미치는 요인을 살펴보기 위해 동일한 데이터 셋으로 OLS 모형과 GWR 모형을 구축하여 비교하였다. 먼저 지역사회 걷기실천율에 영향을 미치는 요인을 확인하기 위하여 OLS를 활용한 선형회귀분석(linear regression analysis)을 수행하였다. 회귀분석을 시행하기에 앞서 분산팽창지수(variance inflation factor [VIF])를 산출하여 변수들 간의 다중공선성을 확인하였다. 또한 B reusch-Pagan 통계량과 Jarque-Bera 통계량을 통해 데이터가 선형회귀분석의 기본 가정인 잔차의 등분산성, 정규성을 만족하는지 확인하였다. 이후, 지역의 공간적 효과를 반영하기 위하여 GWR 분석을 시행하였다. GWR 모형은 공간단위들간의 의존성을 고려하는 분석방법으로 커널(kernel) 기반의 함수를 활용한다. 일반적으로 분석에 사용하는 커널에는 고정커널(fixed kernel)과 가변커널(adaptive kernel)이 있다. 고정커널의 경우 거리와 상관없이 동일한 대역폭(bandwidth)을 적용하고, 가변커널의 경우 거리에 따라 상이한 대역폭을 적용한다. 본 연구에서는 걷기실천율의 데이터 분포가 불균등하다고 판단하여 가변커널 방식을 선택하였다. 커널의 가중치는 대역폭의 설정에 따라 다른 결과가 나타나므로 이에 대한 적절성 평가가 이루어져야 한다. 본 연구에서 대역폭의 적절성 평가는 akaike information criterion (AIC)을 사용하였다.

이때 (µ_i,ν_i)는 i번째 공간 단위의 중심점 좌표를 의미하며, β_k(µ_i,ν_i)는 k번째 독립변수의 회귀계수를 나타낸다[24].

기술통계 및 OLS분석에는 IBM SPSS version 25 (IBM Co., Armonk, NY, USA)를 사용하였으며, GWR 분석에는 MGWR 2.2.1 (https://sgsup.asu.edu/sparc/multiscale-gwr)을 사용하였다. 연구에 사용한 모든 지도는 QGIS 3.22 (https://qgis.org/en/site/)를 사용하여 작성하였다.

5. 윤리적 고려

본 연구는 연구자가 속한 서울대학교의 기관 생명윤리심의위원회(Institutional Review Board, IRB)에서 심의면제를 받은 후 연구를 수행하였다(IRB No.: E2302/003-003).

1. 변수의 일반적 특성

변수들의 기술통계 분석 결과는 Table 1과 같다. 종속변수인 시, 군, 구별 걷기실천율의 평균은 40.60% (standard deviation [SD] = 12.90), 중앙값은 39.40%이었다. 평균 인구밀도는 3,829.94명/km² (SD = 6,029.71, median = 500.07명/km²)이었으며, 1인 가구 비율은 평균 32.09% (SD = 4.94, median = 32.48%), 주택소유율은 평균 58.64% (SD = 6.32, median = 59.34%), 지역의 자연환경에 대한 긍정적 태도율은 평균 80.21% (SD = 11.39, median = 82.40%), 지역의 생활환경에 대한 긍정적 태도율은 평균 81.81% (SD = 6.36, median = 82.30%)이었다.

Table 1
Descriptive Statistics Variables (N = 229)

• Download Table

2. 지역별 걷기실천율 분포

시·군·구별 걷기실천율 분포는 Figure 1과 같다. 걷기실천율이 가장 높은 지역은 서울 송파구(73.0%)였다. 서울 영등포구(71.5%), 서울 용산구(69.1%), 경남 통영시(67.6%), 부산 서구(66.7%)가 뒤를 이어 높은 지역으로 나타났다. 걷기실천율이 낮은 지역은 강원 정선군(15.0%), 경북 울릉군(15.9%), 경남 사천시(17.8%), 경남 함양군(17.9%), 경남 산청군과 충남 부여군(19.2%) 순이었다(Appendix 2).

Figure 1
Spatial distribution of walking practice in Korea.

• Download Figure

3. 변수들의 공간적 자기상관

OLS 분석과 GWR 분석을 시행하기에 앞서 변수들의 공간적 자기상관 여부를 파악하기 위해 전역적 Moran’s I를 확인하였다. 종속변수인 걷기실천율의 Moran’s I는 0.53으로 강한 정적 공간 자기상관이 존재하였다(Table 2). 독립변수인 인구밀도의 Moran’s I는 0.74, 1인가구율의 Moran’s I는 0.35, 주택소유율의 Moran’s I는 0.54, 지역의 자연에 대한 만족도의 Moran’s I는 0.42로 모두 양의 공간적 상관관계를 나타내 걷기실천율에 대한 독립변수의 영향은 전역적 모형으로 설명하기 보다는 국지적 모형으로 설명하는 것이 더 적합한 것으로 나타났다(Table 2).

Table 2
Spatial Autocorrelation of the Variables

• Download Table

4. 걷기실천율에 영향을 미치는 요인

지역사회 걷기실천율에 영향을 미치는 요인을 OLS 모형 및 GWR 모형으로 확인한 결과는 Table 3과 같다. 독립변수들의 VIF는 최소 1.10에서 최대 1.81로 모두 2를 넘지 않아 다중공선성을 위배하지 않았다. B reusch-Pagan S tatistic은 8 .63 (p = .125)으로 등분산성을 만족하였으나, Jarque-Bera Statistic은 21.00 (p < .001)으로 데이터가 정규분포하지 않았다(Table 3). 각 모형의 결정계수값을 비교해보면 OLS 모형에서 Adjusted R² 값은 .55였으며, GWR 모형에서는 Adjusted R² 값이 .64로 상승하였다. 모형적합도를 나 타내는 A IC도 O LS 모형에서 472.06, GWR 모형에서 458.65로 13 이상 감소해 OLS 모형보다 GWR 모형에서 설명력이 현저히 개선됨[29]을 확인하였다(Table 3).

Table 3
Summary of Ordinary Least Squares Statistics and Geographically Weighted Regression Statistics (N = 229)

• Download Table

OLS 분석 결과, 1인가구 비율이 낮을수록(B = -0.40, p < .001), 주택소유율이 낮을수록(B = -0.48, p < .001), 지역의 생활환경에 대한 긍정적 태도율이 높을수록(B = 0.22, p = .043) 걷기실천율이 통계적으로 유의하게 높았다(Table 3).

GWR 분석 결과, 독립변수 회귀계수들의 최댓값, 최솟값, 평균, 표준편차의 지역별 변이 및 통계적 유의성을 확인하였다(Table 3, Figure 2). 인구밀도의 경우 모든 지역에서 회귀계수가 양수를 나타냈으나 인구밀도를 제외한 나머지 독립변수들은 영향력의 방향성이 다른 지역이 일부 나타났다.

Figure 2
Spatial distribution of geographic weighted regression local coefficients. (A) Population density, (B) one-person households, (C) homeownership, (D) satisfaction with natural environment, (E) satisfaction with living environment.

• Download Figure