시군구 거주 지역별 환경 특성에 따른 저출생의 공간적 차이 및 영향변인 탐색: 다중범위 지리가중회귀모형(MGWR)의 활용

I. 서론

출생¹⁾ 억제를 목표로 1961년 채택된 국가시책인 가족계획사업은 전 세계적으로 유례없는 최단기간 성공 신화를 이끌어 내었다. 이러한 출생 억제책은 당시 인구폭증을 국가 위협 요인으로 인식한 시대적 배경에 의해 탄생되었고 경제 성장과 사회 안정의 명분으로 1996년까지 35년간 지속되었다. 가족계획사업이 도입된지 44년만인 2005년 제1차 저출산고령사회기본계획이 수립되었고 출생 장려가 목표인 저출산 정책²⁾이 국정과제로 채택되면서 한국 가족⋅인구정책사의 대전환기를 맞이하였다. 세대(世代)에 걸친 출생 조절의 속도전은 만성적인 저출생을 유도하며 인구 및 가구 구조를 획기적으로 변형시켰고 그 후유증은 여전히 진행 중이며 나아가 국가소멸 위기감이 고조되고 있다. 실제 코로나19 팬데믹 원년인 2020년은 우리나라 인구구조의 변곡점을 맞이한 해로, 전체 인구 중 역사상 최초로 수도권 인구(50.0%)의 비수도권 인구(49.9%) 역전, 사망인구의 출생인구 초월(death cross), 세계 초저출산국가 지위 획득, 생산연령인구의 감소기 및 인구 보너스(demographic boonus) 시대 종료 등 新역사를 만들었다(이현정, 2024). 또한 국가 간 조출생률에서 2018년부터 2022년까지 3년 연속 조사 대상 265개국 중 최저치를 기록하였고, 2024년 세계적으로 전례없는 초단기간 초고령 국가로 진입하였다(국가데이터처, 2025a; World Bank, 2025). 한편 출생 장려를 위한 각종 시책들은 2005년 ｢저출산⋅고령사회기본법｣ 제정과 저출산⋅고령사회위원회가 출범한 이후 5년마다 저출산⋅고령사회 기본계획의 발표로 추진되었고 현재 제4차 기본계획(2021∼2025)이 추진 중이다(대한민국정부, 2006, 2020; 법제처, 2025). 저출산 기본계획은 수립 초기부터 일과 생활의 양립, 양성평등, 양육 부담 경감에 역점을 두었고, 차수별 기본계획에서 각종 경제적, 사회문화적, 정책적 지원을 다양화하며 강도를 조정해 왔다. 즉 1∼2차 저출산⋅고령사회 기본계획(2006∼2015)은 출산과 양육에 유리한 환경과 사회적 책임의 강화로부터 결혼⋅출산⋅양육 부담 경감으로 이어지는 기혼 가구 중심의 미시적 측면에 초점을 두었고, 3차 저출산⋅고령사회 기본계획(2016∼2020)부터 보다 거시적인 접근에서 결혼과 출산의 긴밀한 연계를 고려하여 만혼과 결혼 포기의 대책인 청년층 일자리, 주거, 의료 지원까지 포괄하는 전략으로 확대⋅추진되었다(대한민국정부, 2006, 2010, 2016). 국가 인구 위기 상황에서 현재 수행 중인 4차 저출산⋅고령사회 기본계획은 개인의 삶의 질 향상과 행복을 강조하며, 일⋅생활 균형, 성평등⋅공정성, 돌봄의 공유 및 생활화를 내세우고 있다(대한민국정부, 2020). 이러한 기조는 올해 연말 발표될 5차 저출산⋅고령사회 기본계획(2026∼2030)에서도 유지될 것으로 전망되는 가운데 그동안 추진되어 온 정책의 실효성에 대한 의문이 꾸준히 제기되어 왔다. 지난 20년 간 지속된 저출산 정책은 확대⋅수정 개편을 거듭하는 가운데 2016년부터 가파른 하향세를 보이던 조출생률은 (기저효과로) 2024년 반등의 기미가 나타났다. 그러나 심각한 인구 위기에 대응하기 위한 최근 발표된 ｢저출생 추세 반전을 위한 대책｣에서 “인구 국가비상사태”를 선언하였고 비상대응 체제를 가동시키는 동시에 저출생의 직접적 요인인 3대 핵심분야(일⋅가정양립, 양육, 주거)의 지원에 국가 차원의 총역량을 집중하기에 이르렀다(저출산고령사회위원회, 2024). 특히 일⋅가정 양립(육아⋅출산 관련 휴직 및 휴가의 유연제, 중소기업 부담 경감), 양육(교육돌봄, 틈새돌봄, 돌봄서비스 선택권 확대), 결혼⋅출산⋅양육의 걸림돌 제거(주택대출요건 및 청약요건 완화, 주택공급량 상향 조정, 공공임대주택의 거주 기회 확대, 결혼 특별세액 및 자녀세액 공제, 다자녀 가정에 대한 인센티브 확대, 난임 지원) 등 실효성이 높은 분야에 집중하는 15가지 과제가 채택되었다. 일⋅생활 균형과 양육 부담 경감에 대한 공감과 사회 전반에 걸친 인식은 비교적 안정 단계에 접어들어 전국적으로 출생 친화적인 분위기가 조성된 반면 주거분야의 시책은 그간 추진되어 온 기조(주택공급 확대, 주택 관련 비용 지원)에 큰 변화가 없었다. 오히려 그동안의 일자리와 주거 간의 연계에서 일자리보다 실효성이 더 큰 주거 분야에 집중하는 경향이 강하였다(저출산고령사회위원회, 2024, 2025a). 출산을 위한 충분조건으로서 주거지원 시책은 긍정적인 효과를 이끌었지만 주 소비층인 청년층의 보다 적극적인 호응과 선택을 받기 위해서 주택이라는 단순한 소비재에서 탈피하여 일상생활의 편리성과 쾌적성을 보장하는 거주 지역의 정주환경 일부로서 일련의 지원을 연계하여 통합적으로 인식할 필요가 있다(이현정, 2025a). 사실 그동안 저출산 정책은 주로 경제적 측면(현금 및 현물 지원)이 두드러져 단기적인 성과를 기대할 수 있었으나 지역 정착과 인근으로의 출생 확산 효과에 대한 기여는 의문시된다(김지나, 노승한, 2025; 박혜림, 2024; 주예진, 이철희, 2024). 생애주기 상 거주지 변동과 직장 이동이 가장 활발한 청년기의 특성 상 고용기회와 생활 인프라(amenities)가 훨씬 매력적인 수도권으로 이동 및 집중 현상이 오히려 더 가속화되어 왔기 때문이다(김민석, 강민규, 2023; 김유현, 2025; 송유진, 2025). 이로 인해 2022년 전체 인구의 0.5%를 차지하는 출생아(24.9만명) 중 절반 이상(53.1%)이 수도권(13.2만명)에 분포하였고 수도권 출생아의 다수는 경기도(36.0%)에 편중된 반면 비수도권 출생아(46.9%)는 주로 비특광역시(27.6%)에 위치하였다(국가데이터처, 2025a). 이러한 지역 간 출생아 수 편향은 인구 유입이 없는 지역 특히 인구(자연)감소지역을 중심으로 지역 간 격차를 키우며 소멸 위기를 더욱 가속화시킨다. 또한 삶의 터전인 거주 지역은 지자체별 환경 특성에 따라 매우 다양하며, 동일한 중앙 정부의 정책이나 조치에도 지역별 상이한 결과를 도출한다. 따라서 국토 전반에 걸쳐 출생⋅양육 친화적인 분위기와 사회문화적 인식이 보편화된 여건에서 거주 지역의 환경 특성에 따른 저출생의 차이를 탐색적 공간데이터 분석(Exploratory Spatial Data Analysis, ESDA)으로 살펴보고 그 결정변인을 공간회귀분석으로 비교하여 살펴볼 필요가 있다. 특히 저출산 정책의 근간인 결혼⋅출생, 양육⋅돌봄, 일자리⋅주거 간의 관계에서 이미 수많은 선행연구를 통해 널리 입증된 결혼과 출생 간의 긴밀한 연결고리는 혼인을 출생의 선행지표로 고착화되었으므로 非혼인 지표를 중심으로 하는 거주 지역의 환경 특성으로 구성하여 그 영향력을 심층 분석해야 할 필요성이 제기된다. 본 연구는 기초자치단체별 저출생의 공간적 변이를 탐색하고, 그 영향 요인으로 지자체의 거주지 환경 특성을 공간정보학적 접근으로 분석하는데 그 의의가 있다.

Ⅱ. 선행연구 고찰

출생 및 저출생 관련 이론은 다양하며, 주요 이론으로 (제1차 및 제2차) 인구변천이론(Demographic Transition Theory, DTT), 생애사 이론 (Life History Theory, LHT), 탈물질주의적 가치이론(Post-Materialist Values Theory, PVT), 성평등 이론(Gender-Equity Theory, GET), 합리적 선택이론(Rational Choice Theory, RCT), 위험이론(Risk Theory, RT), 티부 모형(Tiebout Model), 공공선택이론(Public Choice Theory, PCT) 등이 있다. 이들 이론을 시계열적으로 간략하게 살펴보고, 주요 변수들을 중심으로 관련 국내 선행연구에서 나타난 출생의 영향 변인을 정리하면 <표 1>과 같다. 인구학적 접근에서 20세기 후반의 주류를 형성한 제1차 인구변천이론(First Demographic Transition Theory, FDT)은 산업화와 도시화 과정을 통해 高출생률-高사망률-低밀도로부터 低출생률-低사망률-高밀도로 전환되는 안정화 단계를 설명하였다. 기존의 인구⋅경제학적 접근보다 확장된 이론적 틀(예, 생애사 이론, 목표-유산 가설 등)에서 현대 사회의 높은 인구밀도가 경쟁과 비용 상승을 유도하여 저출생의 직접적인 원인이라고 강조한다(감사원, 2021; 임보영, 2022; 한국은행, 2023; Easterlin, 1973, 1976; Lutz & Qiang, 2002; Lutz et al., 2007; Rotella et al., 2021). 국내에서도 출생의 영향요인으로서 인구밀도를 조명하고 고밀도와 저출생 간의 상관관계를 설명한 연구들이 수행되었다(박건영, 2024; 박성훈, 2024; 이은빈 외, 2024). 전국 시도(15곳)의 2005∼2018년 패널 데이터로 분석한 고우영 외(2020)의 연구, 그리고 강원도(시군 18곳)의 2014∼2022년 데이터를 분석한 박건영(2024)의 연구는 모두 인구밀도가 출산을 낮춘다고 밝혀졌지만 광역자치단체(16곳)의 2017∼2022년 패널데이터를 분석한 이은빈 외(2024) 연구에서는 인구밀도와 출생 간의 통계적으로 유의미한 영향이 나타나지 않았다고 주장하였다, 전 세계적인 저출생 현상으로 고전적 인구변천이론(FDT)의 한계를 극복하기 위해 등장한 제2차 인구변천이론(Second Demographic Transition Theory, SDT)³⁾은 대체이론으로서 사회적 가치관의 변화가 새로운 인구변동의 동력이라고 제시하였다(Lesthaeghe & van de Kaa, 1986). 이에 따라 대체수준 이하의 저출생 지속, 전통적 혼인 이외의 다양한 생활방식, 혼인과 출생의 단절, 인구 증감의 변동성 등 4가지 특징이 인구 고령화, 인구 자연감소, 비혼, 1인 가구 증가 등의 현상을 초래한다(이병호, 2020; 정성호, 2009; Lesthaeghe, 2010, 2014). 오늘날 우리 사회의 대표 가구 유형인 1인 가구의 급증은 다양한 생활방식에 따른 비혼 분위기의 영향으로 탄생하였고 이러한 현상은 출생의 선행지표인 결혼을 어렵게 할 수 있다(이병호, 2020; 정성호, 2009).

표 1.

저출생 관련 주요 이론 및 연구 동향

한편 1차와 2차 인구변천이론(FDT, SDT) 간의 이행에서 밀접한 탈물질주의적 가치이론(PVT)은 저출생이 개인과 자유를 중시하는 탈물질주의적 가치의 중요성에서 비롯된 접근이다(Van de Kaa, 2001). 즉 여성의 교육 수준 향상, 경제활동 참여 증가, 결혼 가치관의 변화, 여성의 자율성과 독립성 증대 등 문화적 환경 변화가 저출생을 유도한다(정성호, 2009; Inglehart, 1977, 2007). 그러나 양육의 사회화와 같은 사회 전반에 걸친 분위기의 쇄신으로 여성의 고용기회와 참여는 오히려 소득 증가의 기회비용을 높여 출생 장려로 이어질 수 있다. 이와 관련하여 저출생의 원인으로 가정과 사회 간 성평등 차이를 지적한 성평등 이론(GET)은 가부장적 성평등 수준과 개인중심적 성평등 수준 간의 차이에 주목하였다(정성호, 2009; McDonald, 2000a, 2000b, 2001, 2013). 전통적인 남성부양자 모델에서 성별분업으로 육아와 가사노동은 여성의 전담 영역이나 여성의 교육, 노동, 사회참여는 개별 구성원으로서 지위와 역할을 남성과 동등하게 요구한다. 즉 가족중심적 제도(family-oriented institutions)에서 가족구성원으로서 여성의 역할은 가부장적 성평등 수준으로 결정되므로 이는 개인중심적 제도(individual-oriented institutions)의 사회구성원으로서의 성평등 수준과 상충될 수 밖에 없다(민연경, 2015; 정상호, 2009; McDonald, 2000a, 2001, 2013). 이러한 제도적 불일치가 심화될수록 여성이 부담하는 기회비용은 더욱 커지고 출생 지연⋅포기를 선택하면서 출생 저하로 이어진다. 따라서 일과 삶의 균형이 중시되고 여성 비차별적인 고용 및 양육환경에 대한 사회적 인식 전환으로 저출생을 완화할 수 있다.

반면 합리적 선택이론(RCT)은 출생을 비용과 편익이라는 경제학적으로 접근한 이론으로 출생의 편익이 비용보다 더 크면 효용을 극대화하려는 선택으로 출생을 결정한다(Becker, 1981, 1993; Easterlin, 1973; Gauthier, 2007; McDonald, 2001b). 비용 증가에 따른 소득 감소 또는 다른 재화의 효용함수가 상승할 때 출생이 하락하므로 비용을 저감시키거나 상쇄시킬 소득 보상⋅이전 또는 향상을 통해 출생의 효용을 높일 수 있다(정성호, 2009; Beck, 1981; McDonald, 2001b). 직접 비용(양육비, 교육비, 주거비 등)이나 기회비용인 간접비용(경력단절, 소득 상실 등) 어느 쪽이든 높을 경우 출생은 하락한다. 따라서 여성의 경제활동 참여와 소득 증가는 출생에 긍정적인 영향을 줄 수 있으며, 역으로 실직, 낮은 소득, 고용불안 등 경제적 불확실성⁴⁾은 출생 지연 또는 포기의 부정적인 영향을 낳을 수 있다(김민곤, 천지은, 2016; 민연경, 이명석, 2013; 정성호, 2009; Brewster & Rindfuss, 2000; McDonald, 2000a, 2001). 여성의 고용기회와 노동시장 참여가 출생에 미치는 영향에 관한 국내 선행연구에서 다소 혼재된 결과를 보여준다(박건영, 2023, 2024; 박성훈, 2023; 박정희, 2024; 원숙연, 최윤희, 2018; 이은빈 외, 2024; 이철희, 2023; 조택희, 최은희, 2025; 최선미, 2021; 탁아림, 이찬영, 2024). 다만 장기간 지속된 저출산 정책의 영향으로 사회적 인식 개선과 경제적 지원 확대 등은 여성의 고용이 더 이상 출생에 부정적이지 않은 결과로 이어지고 있다. 실제 강원도(시군 18곳)의 2013∼2022년 데이터를 살펴본 박건영(2023)은 여성 고용이 출생에 미치는 영향이 지역별로 다르다고 기술하였고, 국내 20002∼2013년 데이터를 분석한 박정희(2024)의 연구, 전국 단위의 2005∼2022년 패널 데이터를 조사한 조택희와 최은희(2025), 17개 광역자치단체의 2008∼2019년 패널데이터를 활용한 최선미(2021), 광역자치단체(16곳)의 2003∼2019년 데이터를 이용한 탁아림과 이찬영(2024) 등의 연구 결과에서는 여성의 고용이 출생을 저하시키는 것으로 확인되었다. 반면 OECD 국가(18게국)의 2000∼2007년 데이터를 시계열 분석한 민연경(2015), 시군구(227곳)의 2021년 자료를 살펴본 박성훈(2023), 2021년 노동패널조사를 활용한 서정흔과 마강래(2024), 광역자치단체(17곳)의 2010∼2017년 패널데이터를 실증 분석한 원숙연과 최윤희(2018) 등의 연구에서는 여성 고용이 출생에 긍정적인 영향을 준다고 입증하였다. 또한 이은빈 외(2024) 연구와 광역자치단체(16곳)의 2005∼2022년 데이터를 패널화하여 회귀분석한 최은희와 조택희(2024)의 연구에서는 여성고용과 출생 간의 통계적 유의성이 감지되지 않았다.

한편 공공경제학 및 도시경제학적 접근에서 티부 모형(TM)은 지역 간 경쟁과 개인(지역 주민)의 자유로운 이동을 통해 공공자원 배분의 효율성을 도모할 수 있을 뿐만 아니라 개인의 효용을 추구할 수 있다고 역설한다(Tiebout, 1956). 즉, 개인은 선호하는 공공서비스가 제공되는 지역으로의 거주지 이동을 통해 지역을 선택⁵⁾하게 된다. 이러한 시각은 지역 간 경쟁을 유도하여 공공재의 효율적인 분배가 이루어지며 지역 (주민) 복지의 증감이 가능하다고 보는 공공선택이론(PCT)과 일맥상통한다(Mueller, 2003). 따라서 지자체의 사회복지예산은 출생에 영향을 줄 수 있는 요인이며, 관련 연구에서도 확인되고 있다(민연경, 이명석, 2013; 이철희, 2018; 조택희, 최은희, 2025). 수도권(구군 66곳)의 2011년 데이터를 회귀분석한 민연경과 이명석(2013), 시군구의 2005∼2014년 원시자료를 활용한 이철희(2018), 조택희와 최은희(2025) 등의 연구 결과에서 사회복지예산 비율은 출생률에 긍정적인 영향을 준다고 주장한 반면 박정희(2024)의 연구, 기초자치단체(226곳)의 2014년과 2015년 데이터로 살펴본 오삼권과 권영주(2018)의 연구에서 사회복지예산은 출생에 유의미한 영향을 주지 않는 것으로 나타났다.

현재까지 시행 중인 저출산 정책은 현금 지원, 세제 및 재정, 서비스 및 제도 등 다각적인 측면을 고려하고 긍정적인 효과를 거두고 있다. 이들 상당수 시책들은 변이(variation)가 크지 않은 전역성으로 인해 지역 이동을 용이하게 할 수 있다. 일례로 청년층 신혼부부의 주거 안정을 겨냥한 주거 영역의 공공지원(예, 주택 매입⋅전세 자금 대출, 특별공급 청약, 공공임대 및 신규 주택 공급 등)은 지역의 정주환경(예, 아파트 이외의 저층저밀주택, 노후주택 등)을 비중있게 다루지 않는다. 이로 인해 다수의 선행연구에서 언급되는 주거 관련 변수(예, 아파트 가격, 아파트 전세가격지수, 주택매매가격, 전세가격, 전⋅월세 통합지수, 전월세 전환율, 공공임대주택 비율 등)는 주택경제적 요인만 반영하고 있어(김민곤, 천지은, 2016; 박정희, 2024; 원숙연, 최윤희, 2018; 이은빈 외, 2024; 최선미, 2021) 국지적 주택스톡 요인과 제반 거주환경에 대한 저출생 영향을 탐색할 필요성이 제기된다. 실제 노후 불량 주거지나 낮은 질의 주거환경은 출생을 저하시키고 양육에 불리한 환경이라고 지적하여 지역 경관에 대한 중요성을 강조하고 있다(최재헌, 박판기, 2020; Miranda et al., 2012; UN Habitat, 2020). 강원도(18개 시군)를 조사한 이형석과 김승희(2018), 전국 시군구(229곳)의 2005년과 2015년의 데이터를 이용한 최재헌과 박판기(2020) 등의 연구결과에서 높은 노후주택과 저층주택 비율이 낮은 출생률 간의 연관성을 확인하였다. 이처럼 낡고 오래된 주택이 많은 지역은 직장 및 거주지 이동이 활발한 청년 인구에게 유출 요인이 되고 청년 친화적인 정주환경을 제공하는 지역으로의 유입을 이끌어낸다(김민석, 강민규, 2023; 김유현, 2021; 송유진, 2025; 최선미, 2021). 이상에서 살펴본 이론적 논거와 선행연구를 바탕으로 최근 데이터를 기반으로 전국 또는 광역 단위 보다 지역 단위에서 저출생 차이를 조명하고 거주 지역 간 차이를 시군구별 환경 특성에서 이해하고 접근할 필요가 있다. 이에 본 연구는 거주 지역의 환경 특성 변수로 인구학적 영역(인구밀도, 1인 가구 비율), 경제적 영역(사업체당 평균 종사자 수, 여성 고용률), 주거환경 영역(저층저밀주택 비율, 노후주택 비율), 정책적 영역(보건사회복지 예산 비율)로 선정하여 지역 간 저출생 변이와 조출생률의 영향 요인을 실증적으로 공간분석하고자 한다.

Ⅲ. 연구방법

1. 분석 범위 및 자료

본 연구는 전국 기초자치단체별 저출생의 공간적 분포와 그 지역 간 변이의 영향 변인을 파악하고자 시군구별 거주지역의 환경 특성을 반영한 공간데이터와 공간통계모형을 적용하여 분석하였다. 이에 연구의 공간적 범위는 전국 시군구 229곳이며, 종속변수는 출생 수준을 비교하기 위한 대표적 지표인 조출생률(Crude Birth Rate, CBR)로 선정하였다.⁶⁾ 조출생률은 특정연도 출생아 수를 당해연도의 (연앙)인구 수로 나눈 후 1천분비로 나타낸 수치이다. 조출생률은 단기간의 출생동태 파악이 용이하고 인구 수가 다양한 지역 간 비교 시 유용하며 성(性)별 편향이 없는 특징이 있다(Guest, 1974; Salvati et al., 2020), 또한 초저출생과 초고령화⁷⁾가 병행 중인 인구구조를 고려하고 이미 인구자연감소⁸⁾가 진행 중인 상당수의 지역을 감안하여 인구규모에 민감한 지표인 조출생률⁹⁾이 더 적합하다.

종속변수에 대한 시군구 거주 지역별 환경 특성으로 구성된 독립변수¹⁰⁾는 인구학적 영역으로 인구밀도, 1인 가구 비율, 경제적 영역으로 사업체당 평균 종사자 수, 여성 고용률, 주거환경 영역으로 저층저밀 주택 비율, 노후주택 비율, 정책적 영역으로 보건사회복지 예산 비율 등 총 7가지 변수가 포함되었다(<표 2>). 또한 독립변수와 종속변수 간 시간 배열을 고려하여 분석의 왜곡 가능성을 최소화하도록 전년도 거주 지역의 환경 특성(독립변수, 2022년)이 차년도 조출생률(종속변수 2023년)에 미치는 영향을 분석하도록 자료를 구성하였다. 이들 변수에 관한 공간데이터는 고용노동부의 고용노동통계포털, 국가데이터처의 국가통계포털(KOSIS)와 통계지리정보서비스(SGIS), 국토교통부의 통계누리, 행정안전부의 주민등록인구통계와 지방재정연감 등에서 제공하는 원시자료이며, 시군구별 집계데이터를 수집하여 데이터 전처리(예, 정제, 가공, 변환 등)를 거쳐 시군구 코드와 결합시켜 분석 자료를 구축하였다.

표 2.

변수 정의 및 데이터 출처

Ⅳ. 연구결과

1. 기술통계량

출생을 측정하는 지표 중 가장 널리 사용하는 지표인 조출생률은 지역 간 비교할 때 유용하며. 조출생률은 인구 변동성을 고려하여 당해연도 중간 일(7월 1일)을 기준으로 (연앙)인구 천명당 출생아 수를 산술적으로 측정한다(국가데이터처, 2025). 우리나라 조출생률은 선행지표인 조혼인율과의 상관성(r=0.683)이 높으며 1970년부터 2024년까지 총 12차례를 제외하고 매년 감소세를 유지하였고 2020년 조사망률에 역전되기까지 가파른 하락세를 보였다(<그림 1>). 1960년 조출생률(41.9명)에서 절반 수준으로 도달하기(1983년 19.3명 → 2005년 9.0명 → 2023년 4.5명)까지의 기간을 계속 단축시키며 급락하였다. 2023년 기준 조출생률은 전국적으로 인구 천명당 4.5명이었고, 광역자치단체(총 17곳) 중 가장 높은 곳은 세종(7.2명)이었으며 가장 낮은 시도는 전북(3.8명)으로 이들 지역 간 차이는 1.9배(3.4명)로 나타났다(<표 3>). 대체로 수도권(4.6명)과 비수도권(4.5명)의 권역 간 조출생률 차이는 유사하였으며, 비수도권 내에서 특⋅광역시의 조출생률 차이가 비특⋅광역시보다 더 높았다. 또한 광역자치단체 내 기초자치단체(시군구 229곳) 간 조출생률의 차이는 더욱 역동적이었다. 즉 동일한 광역자치단체 내 시군구 간 조출생률이 가장 큰 시도(부산 5.3명)와 가장 낮은 곳(제주 1.2명) 간의 차이가 커 광역자치단체 간 편차가 두드러졌다. 대체로 다수의 시군구로 이루어진 비수도권 소재 광역자치단체에서 시군구 간 조출생률의 간극이 컸고(예, 경기, 전남, 경북, 강원), 시군구 수가 비교적 적은 시도에서의 격차는 다소 작았다(예, 제주, 광주). 또한 광역자치단체 간 조출생률의 차이(1.9배)와 비교하여 기초자치단체 간 격차(6.2명)는 5.4배로 훨씬 더 커 지역 간 저출생을 보다 면밀히 이해하기 위해서 분석 대상 지역의 단위를 보다 세분화할 필요성이 제기되었다. 즉 공간 범위를 구체화할수록 거주 지역 간 출생의 차이를 보다 자세하게 관측할 수 있을 뿐만 아니라 시군구별 환경 특성에 따른 출생의 영향 요인도 다르게 나타날 것으로 추정된다.

그림 1.

조출생률, 조혼인율, 조사망률의 연도별 추이 (1970-2024년)출처: 국가데이터처 (2025a)

표 3.

전국 광역자치단체별 기초자치단체(시군구) 간 조출생률 차이

2. 공간통계량

1) 공간적 분포

전국 시군구(229곳) 간 저출생 수준을 비교하고자 종속변수인 조출생률을 살펴본 결과, 인구 천명당 지자체 평균 출생아 수는 4명(3.96명)이었고, 조출생률이 가장 높은 시군구는 경기 과천시(7.6명)로 가장 낮은 지역(경남 합천군 1.4명)보다 월등히(6.2명) 많았다(<표 4>, <그림 2>). 조출생률이 가장 높은 상위 5곳(7.0명 이상)은 주로 중부지방(경기 2곳, 세종 1곳)과 남부지방(부산⋅전남 각각 1곳)으로 분산된 가운데 비수도권 소재 군지역으로 유일하게 전남 영광군(7.0명)이 포함되었다. 반면 조출생률 하위 5곳(1.7명 이하)은 인구감소지역으로 지정된 경남(3곳)과 호서지역(충남⋅북 각각 1곳씩)이었다. 한편 독립변수 중 인구학적 영역의 인구밀도는 평균 4,234명/k㎡로, 인구밀도가 가장 높은 서울 양천구(25,237명/k㎡)와 가장 낮은 전남 장성군(207명/k㎡) 간의 격차는 매우(121배) 컸다. 오늘날 대표적인 가구 유형인 1인 가구 비율은 전국 평균 36.2%였고, 가장 높은 시군구(서울 관악구 55.9%)는 가장 낮은 지역(경기 과천시 18.7%)보다 훨씬 더(37.2%p) 높았다. 경제적 영역인 사업체당 평균 종사자 수는 3.8명으로, 종사자 수가 가장 많은 지자체인 서울 강남구(7.5명)는 가장 낮은 경기 연천군(2.4명)과 3배 이상의 차이를 보였다. 기초자치단체별 여성 고용률은 평균 54.7%였고, 가장 높은 시군구는 경북 울릉군(77.4%)은 가장 낮은 울산 동구(42.0%)와 상당한 격차(35.4%p)를 보였다. 또한 주거환경 영역으로 저층저밀 주택 비율은 시군구 평균 49.1%로, 가장 높은 지역(전남 신안군 98.2%)과 가장 낮은 지자체(인천 연수구 8.5%)의 간극(89.7%p)이 극명하였다. 노후주택 비율은 평균 30.5%였으며, 가장 높은 지자체인 전남 신안군(68.9%)이 가장 낮은 곳인 경기 광주시(3.7%)보다 훨씬 더(65.2%p) 높았다. 정책적 영역인 보건사회복지 예산 비율은 전국 평균 35.4%로, 가장 높은 곳(부산 부산진구 67.1%)과 가장 낮은 시군구(경북 울릉군 9.1%) 간 격차(58.0%p)는 현저히 컸다.

표 4.

조출생률의 공간통계량 및 시군구 순위

그림 2.

조출생률의 공간적 분포

2) 공간적 자기상관성 및 군집성

시군구별 조출생률에 대한 공간적 자기상관성을 검증하고자 전역적 모란지수(Moran’s I=0.228, z-score=7.748, p=0.000)를 전역적 모란 산점도로 시각화여 먼저 살펴본 결과, 신뢰수준 99%에서 유의미함에 따라 공간적 이질성(spatial heterogeneity)의 존재가 확인되었다(<그림 2>). 마찬가지로 독립변수 7가지(0.197∼0.724) 모두 전역적 모란지수가 통계적으로 유의하였고(p<0.001), 특히 인구밀도, 보건사회복지 예산 비율, 여성 고용률의 지수는 1인 가구 비율, 저층저밀 주택 비율, 사업체당 평균 종사자 수보다 더 강한 관계를 보여 공간적 의존성(spatial dependence)이 명확하게 나타났다. 전역적 모란지수의 통계적 유의성이 확인됨에 따라 국지적 모란지수를 살펴보았고, 조출생률에 대한 리사 분석(LISA)을 통해 신뢰수준 95%(p<0.05)에서 유의미한 총 66곳의 지자체가 4가지 지역으로 구분되었다(<표 5>). 공간적 군집도와 국지적 모란 산점도(Getis-Ord G*=0.005, z-score=3.677, p=0.000)에서 보는 바와 같이 HH(High-High) 지역(23곳)은 중부지방(경기 11곳, 서울 4곳, 충남 3곳, 충북 2곳, 대전⋅세종⋅강원 각각 1곳씩) 중 수도권(15곳)에 주로 집중되었다. 이상치에 해당하는 HL(High-Low) 지역(6곳)과 LH(Low-High) 지역(8곳)은 소수로 일부 비수도권과 수도권에서 관측되었다. LL(Low-Low) 지역(29곳)은 비수도권(경남 9곳, 경북 7곳, 강원⋅충남 각각 4곳씩, 전북 3곳, 전남⋅충북 각각 1곳씩) 중 영남지역(16곳)에 집중되었다.

표 5.

조출생률의 국지적 공간적 자기상관성 및 군집성 결과와 지역

지역 간 유사한 값의 집락 여부를 결정하는 리사 분석(LISA)과 달리 핫스팟 분석(Hot Spot Analysis)은 관측치의 밀집도를 기반으로 공간적 종속성(spatial dependence)을 확인하며 Getis-Ord Gi* 통계량으로 산출한 결과, 통계적으로 유의미한(p<0.05) 총 54곳의 시군구가 2가지 지역으로 구획되었다(<그림 2>, <표 6>). 조출생률의 핫스팟(hot spot) (총 24곳, 평균 5.246, 표준편차 1.052)은 중부지방(경기 13곳, 서울⋅충남 3곳, 충북 2곳, 대전⋅세종⋅강원 각각 1곳씩)에 밀집한 가운데 주로 수도권(16곳)에 분포하였고, 정책적 개입이 필요한 콜드스팟(cold spot) (총 30곳, 평균 2.780, 표준편차 1.002)은 비수도권(경남 10곳, 경북 6곳, 강원 5곳, 충남 4곳, 전남⋅전북 각각 2곳씩, 충북 1곳)의 영남지역(16곳)과 그 접경 지역에 다수 포진하였다. 이처럼 조출생률의 핫스팟과 콜드스팟 간 평균 차이(2.466)는 약 2배 가량으로 상당히 컸다. 이상에서 살펴본 바와 같이 시군구 평균 조출생률은 4명이었고 조출생률이 높은 지역(24곳 이하)은 중부지방 중 수도권(경기⋅서울)에 집중되었으며, 낮은 지역(30곳 이하)은 비수도권 중 영남지역(경남⋅북)에 밀집하였다. 조출생률과 함께 시군구 거주 지역별 특성을 반영하는 독립변수에서도 지역 간 편향이 뚜렷한 차이가 존재함에 따라 공간분석이 요구되었다.

표 6.

조출생률에 대한 회귀모형의 통계량

3. 공간분석

1) 일반회귀모형 분석

시군구 거주 지역별 환경 특성에 따른 저출생의 공간적 변이와 지역 간 차이의 영향 요인을 살펴보고자 회귀분석을 시행하였다. 먼저 공간회귀모형 분석의 적합성을 확증하고자 일반최소자승법의 회귀모형(Ordinary Least Squares, OLS)을 실시하였다(<표 6>). 변수 간 다중공선성을 나타내는 분산팽창계수(Variance Inflation Factor, VIF)는 모든 변수에서 5.5 미만(최댓값 5.25)으로 나타나 이상 없음을 확인하였다. 이어 다중선형회귀분석(OLS)을 실시한 결과, 조출생률은 인구학적 영역 중 인구밀도를 제외한 모든 독립변수가 신뢰수준 95%(p<0.05)에서 유의미하였고, 모형의 수정 설명력(R_adj²)은 51.8%로 나타났다. 구체적으로 양(+)의 관계에서 경제적 영역(사업체당 평균 종사자 수와 여성 고용률), 음(-)의 관계에서 인구학적 영역(1인 가구 비율), 주거환경 영역(저층저밀 주택 비율, 노후주택 비율), 정책적 영역(보건사회복지 예산 비율)이 영향 변인으로 밝혀졌다. 즉 사업체당 평균 종사자 수가 많을수록, 여성 고용률이 높을수록, 1인 가구 비율, 저층저밀 주택 비율, 노후주택 비율, 보건사회복지 예산 비율이 낮을수록 조출생률의 상승이 견인되었다. 공간회귀모형 분석의 적절성을 판정하고자 오차의 이분산성(heteroskedasticity)을 측정하는 Koenker-Bassett 검정, 모형 적합성을 나타내는 log-liklihood, 정보소실량을 간접적으로 나타내는 AICc 통계량, 모형 설명력(R_adj²)을 도출하였다. 검정 결과에서 신뢰수준 95%(p<0.05)에서 유의미하지 않아 이분산성 영가설이 충족되었고, log-likelihood가 크게 개선되었으며 AICc의 현저한 감소로 모형의 불확실성이 대폭 향상되어 전역적 비공간회귀모형(OLS)보다 비전역적 공간회귀모형(MGWR)의 분석이 더 적합한 것으로 판명되었다. 또한 국지적 공간회귀모형인 다중범위 지리가중회귀모형(MGWR)의 설명력(64.6%)은 OLS보다 향상되어(12.8%p) 공간회귀모형 분석의 타당성이 확보되었다. 이처럼 거주 지역의 환경 특성이 저출생에 미치는 영향을 파악하고자 실시한 회귀분석 중 전통적 회귀분석(OLS) 결과에서 시군구별 조출생률(모형 수정 설명력 51.8%)은 사업체당 평균 종사자 수(+), 여성 고용률(+), 저층저밀 주택 비율(-), 1인 가구 비율(-), 노후주택 비율(-), 보건사회복지 예산 비율(-) 순으로 높은 영향과 함께 전역성을 나타냈다. 일련의 검정을 통해 공간회귀분석의 필요성이 확인되면서 다중범위 지리가중회귀모형(MGWR)을 실행하였고, 그 결과 모형 설명력이 OLS보다 더 향상되어 다양한 공간적 범위에 따른 영향력을 고려하는 공간분석기법으로 그 적합성이 입증되었다.

2) 공간회귀모형 분석

MGWR(다중범위 지리가중회귀모형) 분석에 앞서 변수 간 국지적 다중공선성(multicollinearity)을 살펴보고자 시군구별로 산출되는 국지적 조건수(Local control number, LCN)를 도출한 결과, LCN의 범위(4.051∼12.656)는 다중공선성의 판정 기준치인 30 미만을 훨씬 하회하였다(ESRI, 2025a). 국지적 다중공선성의 우려가 제거됨에 따라 MGWR 분석을 실시하였고, 지자체별 조출생률의 모형 설명력(Local R²)은 평균 63.0%로 지역별 공간적 범위의 다양성에 따른 모형 설명력의 차이가 포착되었다(<그림 3>). 모형 설명력이 가장 높은 곳(충남 태안군 83.8%)과 가장 낮은 지자체(전남 신안군 35,8%) 간 차이(48.0%p)는 상당히 컸으며, 모형의 국지적 설명력(Local R²)은 대체로 호서지역(충남 13곳, 충북 6곳, 대전 5곳, 세종 1곳)과 경남(7곳)에서 높아(73.6% 이상, 32곳) 상대적으로 모형 설명력이 낮은(48.8% 이하, 39곳) 호남지역 일대(전남 15곳, 광주 5곳, 전북 4곳, 제주 2곳), 강원(10곳)⋅경북(3곳) 일부와 대비되었다. 이어 표준화된 잔차(Standardized Residuals) 분포도에서 공간적 군집이 관측되지 않아 MGWR 모형 활용의 적절성이 재차 확증되었다.

그림 3.

조출생률의 다중범위 지리가중회귀모형(MGWR) 분석 결과

MGWR 분석에서 인구학적 영역의 1인 가구 비율을 제외한 모든 독립변수가 다양한 공간적 범위에서 유의미한 영향을 주었다. 양(+)의 영향을 주는 경제적 영역(여성 고용률 142곳, 사업체당 평균 종사자 수 37곳), 음(-)의 영향력을 미치는 주거환경 영역(저층저밀 주택 비율 229곳, 노후주택 비율 92곳), 인구밀도 17곳), 정책적 영역(보건사회복지 예산 비율 8곳)의 변수들이 통계적 유의성(p<0.05)을 보였다(<표 7>). 각 변수의 지역별 영향력을 구체적으로 살펴보면, 여성 고용률의 추정계수는 대부분의 수도권(경기 29곳, 서울 25곳, 인천 10곳) 그리고 비수도권의 광역시(대구⋅대전⋅세종 전지역 14곳), 경북(21곳), 관동지역(강원 17곳), 호서지역(충남 14곳, 충북 11곳)에서 양(+)의 영향력이 포착된 반면 사업체당 평균 종사자 수(+)는 비수도권 중 강원(17곳)과 경북(15곳)에서 관측되었다. 주거환경 영역 중 모든 지자체(229곳)에 영향을 주어 공간적 확산 효과가 큰 저층저밀 주택 비율은 그 추정계수(-)가 대부분의 수도권(경기 26곳, 서울 25곳, 인천 10곳)에서 보다 더 큰 영향력이 관측되었다. 유사하게 노후주택 비율(-)의 추정계수도 수도권 전 지역에서 비교적 더 큰 영향을 주었고, 인구밀도(-)는 전남(14곳)⋅광주(3곳) 일부, 정책적 영역인 보건사회복지 예산 비율(-)은 강원⋅경북(각각 4곳씩) 일부 시군구에서 영향력이 감지되었다. 이상에서 정리한 바와 같이 공간적 관계의 다양성을 정교하게 감지하는 MGWR 분석 결과, 조출생률에 대한 모형의 국지적 설명력은 호서지역과 경남에서 비교적 더 높은 반면 호남지역 일대와 강원⋅경북 일부에서 상대적으로 더 낮았다. 또한 MGWR 분석에서 조출생률의 영향 변수는 저층저밀 주택 비율(-), 여성 고용률(+), 노후주택 비율(-), 사업체당 평균 종사자 수(+), 인구밀도(-), 보건사회복지 예산 비율(-)이 포함되었다. 주거환경 영역(-)과 경제적 영역(+)의 변수가 지역 간 조출생률에 더 큰 영향 범위를 보여준 반면 인구학적 영역과 정책적 영역의 변수 영향 범위는 상대적으로 다소 작았다. 구체적으로 저층저밀 주택 비율(66곳), 노후주택 비율(66곳), 여성 고용률(64곳)은 수도권 전 지역에서 영향력이 더 큰 반면 저층저밀 주택 비율(18곳), 노후주택 비율(18곳), 사업체당 평균 종사자 수(17곳), 여성 고용률(17곳)은 강원 전 지역, 저층저밀 주택 비율(23곳), 여성 고용률(21곳), 사업체당 평균 종사자 수(15곳)는 경북, 저층저밀 주택 비율과 여성 고용률은 대구⋅대전(각각 5곳씩), 충북(11곳)의 전 지역에서 더 큰 영향력이 나타났다.

표 7.

조출생률의 다중범위 지리가중회귀모형(MGWR) 분석 결과와 변수별 유의미한 지역

Ⅴ. 결론 및 제언

장기간 지속된 저출생 현상은 미시적으로 가족 및 가구유형을 변형시킬 뿐만 아니라 거시적으로 세계 초저출생국으로서 인구구조의 대변환과 인구자연감소라는 국가 위기를 초래하며 그 심각성은 계속 진행 중이다. 이러한 시점에 본 연구는 전국 시군구(229곳)의 지역별 환경 특성에 기반한 공간데이터로 저출생 영향 변인을 공간분석기법(ESDA, OLS, MGWR)으로 파악하여 저출생의 거주 지역 간 편차와 그 영향 변인을 확인하였다. 그 주요 결과를 정리하면, 첫째, 시군구별 평균 조출생률은 4명이었고, 조출생률이 높은 지역은 중부지방 중 수도권(경기⋅서울)에 편중된 반면 낮은 지역은 비수도권 중 영남지역(경남⋅북)에 밀집하였다. 또한 거주 지역의 환경 특성(사업체당 평균 종사자 수, 1인 가구 비율, 여성 고용률, 저층저밀 주택 비율, 노후주택 비율, 보건사회복지 예산 비율, 인구밀도)에 따른 공간적 편포가 뚜렷하게 존재하였다. 둘째, 시군구 거주 지역별 환경 특성에 따른 저출생의 결정 변인을 파악하고자 전통적 회귀분석(전역적 비공간 회귀모형, OLS)을 실시한 결과, 조출생률의 영향 변수는 인구학적 영역의 인구밀도를 제외한 모든 변수로 사업체당 평균 종사자 수(+), 여성 고용률(+), 저층저밀 주택 비율(-), 1인 가구 비율(-), 노후주택 비율(-), 보건사회복지 예산 비율(-)이 포함되었다. 공간회귀분석의 적합성 여부를 검정한 결과, 공간적 범위(scale)에 따라 다양한 영향력이 고려되는 국지적 공간회귀분석인 MGWR(다중범위 지리가중회귀모형) 분석의 필요성이 제기되었다. MGWR 분석 결과, 모형 설명력이 향상되어 적합한 분석 모형으로 입증되었다. 조출생률에 대한 MGWR 모형의 국지적 설명력은 호서지역과 경남에서 더 높았고 호남지역과 강원 일부에서 상대적으로 더 낮았다.

한편 MGWR 분석에서 조출생률의 영향 변수는 인구학적 영역과 정책적 영역보다 주거환경 영역과 경제적 영역에서 더 주효하였고 구체적으로 저층저밀 주택 비율(-), 여성 고용률(+), 노후주택 비율(-), 사업체당 평균 종사자 수(+), 인구밀도(-), 보건사회복지 예산 비율(-) 순으로 영향력이 컸다. 즉 주거환경 영역, 경제적 영역, 정책적 영역의 변수는 OLS와 MGWR 분석 모두 공통적으로 통계적 유의성을 나타낸 변수와 영향력의 방향성은 동일하였고 대부분의 변수 결과는 선행연구와 비슷하였다, 특히 주거환경 영역의 저층저밀 주택 비율(-)과 노후주택 비율(-)에서 높은 노후주택과 저층주택 비율이 낮은 출생으로 이어지는 연관성을 확인한 결과(이형석, 김승희, 2018; 최재헌, 박판기, 2020)와 일맥상통하였다. 이러한 맥락에서 직장 및 거주지 이동이 활발한 청년 인구는 청년 친화적인 정주환경을 제공하는 지역으로 전입할 수 밖에 없다(김민석, 강민규, 2023; 김유현, 2021; 송유진, 2025; 최선미, 2021). 따라서 저출생 극복의 일환으로 각 시군구는 지역 경관의 중요성을 인지하여 공간 재구조화와 정비 여부를 고려해야 할 것이다. 다음으로 경제적 영역의 여성 고용률(+)은 여성 고용이 출생에 긍정적인 영향을 준다고 주장한 민연경(2015), 박성훈(2023), 서정흔과 마강래(2024), 원숙연과 최윤희(2018) 등의 연구결과와 비슷하였으며, 사업체당 평균 종사자 수(+)도 출생에 긍정적 효과를 나타낸다고 확인한 다수의 선행연구(원숙연, 최윤희, 2018; 이은빈 외, 2024; 이철희, 2023; 최선미, 2021; 탁아림, 이찬영, 2024)와 일치하였다. 반면 주거환경 및 경제적 영역과 달리 정책적 영역의 보건사회복지 예산 비율(-)은 선행연구(민연경, 이명석, 2013; 이철희, 2018; 조택희, 최은희, 2025)와 다소 상반된 결과로 나타났는데, 이는 변수의 특성 상 다양한 용도의 항목들이 포함될 수 있는 점과 지자체별 저출생과 직접적인 관련 예산액이 다를 수 있는 점 등에 기인하기 때문이다. 또한 선행연구에서 사용된 데이터의 조사 시기(2011년, 2005∼2014년, 2014∼2015년), 분석대상의 지리적 범위(전국 또는 수도권), 분석기법(회귀분석)은 시군구 단위의 최신 데이터를 공간통계로 분석한 본 연구와 매우 상이한 점에서 비롯된 결과로 추정된다.

한편 통계적으로 유의미한 변수가 조사대상 시군구 전역에 영향력을 주는 OLS와 달리 지역에 따라 유의미한 변수가 다르게 관측되는 MGWR 결과에서 변수별 영향력이 미치는 시군구 수가 다르므로 이를 주목할 필요가 있다. 즉 수도권 소재 시군구에서 저층저밀 주택 비율, 노후주택 비율, 여성 고용률의 영향력이 큰 반면 비수도권에서 다소 혼재된 결과가 나타났다. 특히 강원은 저층저밀 주택 비율, 노후주택 비율, 사업체당 평균 종사자 수, 여성 고용률, 경북은 저층저밀 주택 비율, 여성 고용률, 사업체당 평균 종사자 수가 더 큰 영향력을 발휘하였고, 대구, 대전, 충북에서 저층저밀 주택 비율과 여성 고용률의 영향력이 컸다. 이처럼 다수의 지역에서 주거환경 영역인 저층저밀 주택 비율과 경제적 영역인 여성 고용률이 공통변인으로서 공간적인 영향력 범위가 넓어 해당 변수의 저출생에 미치는 확산 효과가 컸다. 추가로 중부지방(수도권 및 관동지역[강원])의 주거환경 영역(노후주택 비율), 강원과 경북의 경제적 영역(사업체당 평균 종사자 수)이 강조되면서 조출생률의 지역 간 영향 변인의 차이가 두드러졌다. 이러한 결과는 각 지역별 저출생을 심화시키지 않도록 또는 반등시키기 위한 시군구 차원의 노력이 경주되고 특히 정주환경의 질 개선과 경제적 기회 제공이 동시에 수반되어야 함을 시사한다. 일반적으로 저층저밀주택과 노후주택 비율 모두 높은 지역(예, 전남 신안군)은 일상생활을 위한 기반 시설이 취약할 수 있을 뿐만 아니라 관리가 소홀할 경우 빈집으로 전락하여 지역의 사회경제적 활력 저하와 지역사회의 건강 위협 등 유해 요인이 될 개연성이 크다. 이러한 결과들을 고려하여 수도권은 여성 고용률을 높이는 동시에 지역별 주택스톡에서 노후화된 저층저밀 주택을 낮추어 쾌적한 거주환경 제공이라는 투트랙 전략을 접근하여 지역 출생을 더 상승시킬 여지가 있다. 또한 강원과 경북은 공통적으로 양질의 일자리 창출을 위한 기업 유치 또는 창업을 장려하는 동시에 취업교육 및 훈련 프로그램을 병행하여 소득 증가 그리고 여성의 고용 기회 확대를 도모할 뿐만 아니라 지역 주택 스톡 중 일정 비율의 신축 공동주택을 유지하는 등의 부가적으로 세심한 배려가 수반되어야 할 것이다.

지난 40여년 동안 지속된 저출생 시대는 20년 간 시행된 저출산 정책에도 불구하고 반등의 기미와 달리 초저출생 국면으로 계속 이행되었으며, 초저출생 시대 진입 불과 13년 만에 세계적인 초저출생국 지위를 획득하면서 인구자연감소의 현실화로 이어졌고 국가소멸 위기감을 고조시키고 있다. 이러한 국가 초유의 위기 상황에서 저출생은 가장 시급히 해결되어야 할 국정과제인 동시에 공공정책의 최대 당면과제로 등장하였고, 이에 그동안 저출생 난국을 타개하기 위하여 수많은 학술적 접근이 다양한 관점과 기법을 통해 수행되어 왔다. 대부분의 연구에서는 저출생의 가장 유효한 변인으로 혼인(결혼)을 다루어 왔고 거주 지역의 환경적 특성은 큰 주목을 받지 못하였다. 또한 다수의 출생-주거에 관한 연구는 주거비 부담 감소와 주택공급 확대에만 집중한 나머지 일상생활의 터전으로서 주택을 포함한 거주환경과 그 질에 대한 지역 차원의 배려와 관심은 극히 제한적이다. 특히 혼인 변수를 제외한 출생 영향 변인으로서 거주 지역의 주거환경에 관한 연구는 매우 드물고 시군구별 지역 환경 특성을 반영한 공간데이터와 공간분석기법을 접목한 심층적인 분석 시도는 거의 없었다. 이러한 점에서 본 연구는 혼인 이외의 변수로서 지역 간 저출생의 분포와 차이를 살펴보고, 지역의 공간적 특성과 영향을 공간데이터와 공간분석기법으로 밀도있게 다룬 점에서 의의가 있다. 또한 본 연구 결과에서 나타난 바와 같이 전국 또는 시도 단위보다 시군구와 같이 공간적 범위를 보다 세밀화할수록 지역 간 저출생 수준과 차이가 보다 정교하게 파악될 수 있었으며, 그 영향 요인으로 시군구의 거주 지역별 환경 특성이 밀접하게 관련있음(association)을 확증할 수 있었다. 즉 저출생 수준이 유사한 시군구일지라도 지역 정주 여건이 달라지면서 거주 지역 간 변이를 초래하므로 지역 저출생 속도를 조절하고 반등시키기 위해서는 시군구 단위의 정책적 개입, 특히 지역 정주환경의 질 개선에 대한 적극적인 관심이 요구된다. 주택 관련 비용 부담을 지원하는 현금성 지원이나 단순히 신축주택을 건설하는 소극적이고 획일화된 공급 방식에서 탈피하여 삶의 질과 행복을 추구할 수 있는 동시에 양질의 일자리를 통해 일상생활의 편의를 도모하는 정주환경 조성이 필요하며 나아가 지역 경관을 보다 체계적이고 종합적으로 관리하기(지역 공간의 재구성) 위한 인접 지자체와의 협력이 병행되어야 한다. 쾌적하고 편리한 정주 환경은 출생 친화적인 분위기를 보다 더 자연스럽게 강화하고 지역 정착을 촉진할 뿐만 아니라 출산 연령대 인구(가임연령인구)의 지역 유출을 최소화시키고 나아가 외부로부터 해당 코호트 인구의 유인책이 될 수 있기 때문이다. 비록 본 연구에서 저출생의 지역 간 차이를 공간분석하여 시군구별 저출생을 심화시키는 요인을 실증적으로 확인한 점에서 의미가 있으나 후속 연구에서 공간적 범위를 지역사회(예, 읍면동)로 보다 더 세분화하여 다양한 영역의 변인을 포함한 심층 연구와 시계열적 접근이 수반되어야 할 것이다.

Acknowledgments

본 연구는 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원으로 수행되었음(과제번호: RS-2023-NR076755).

본 연구 내용의 일부는 2025년 한국부동산정책학회 상반기 학술대회에 발표되었음.

References

• 감사원(2021). 감사보고서: 인구구조변화와 대응실태 Ⅰ (지역). 서울: 감사원.
• 국가데이터처(2025a). 국가통계포털(KOSIS). https://kosis.kr/index/index.do, 에서 인출
• 국가데이터처(2025b). 통계지리정보서비스(SGIS). https://sgis.kostat.go.kr/view/index, 에서 인출
• 국토교통부(2025). 통계누리. https://stat.molit.go.kr/portal/main/portalMain.do, 에서 인출
• 고용노동부(2025). 고용노동통계. https://laborstat.moel.go.kr/hmp/index.do, 에서 인출
• 고우림, 조영태, 차영재, 장대익(2020). 한국 합계출산율의 결정 요인으로서의 인구밀도. 사회과학담론과 정책, 13(2), 129-153. [https://doi.org/10.22417/DPSS.2020.10.13.2.129]
• 김민곤, 천지은(2016). 저출산 정책으로써 출산장려 정책 효과성 연구: 서울 25개 자치구들을 중심으로. 국가정책연구, 30(2), 163-190. [https://doi.org/10.17327/ippa.2016.30.2.007]
• 김민석, 강민규(2023). 개인 및 지역 특성을 고려한 비수도권청년유출 영향 요인 분석. 도시행정학보, 36(2), 47-66. [https://doi.org/10.36700/KRUMA.2023.6.36.2.47]
• 김유현(2021). 지역의 경제･생활여건이 청년인구이동에 미치는 영향. 한국행정학보, 55(2), 337-367. [https://doi.org/10.18333/KPAR.55.2.337]
• 김지나, 노승한(2025). 주거지원제도가 출산에 미치는 영향에 관한 연구: 현물지원과 현금지원 방식의 비교를 중심으로. 대한부동산학회지, 43(2), 181-200.
• 대한민국정부(2006). 제1차 저출산·고령사회 기본계획(보완판) (2006-2010) 새로마지플랜 2010. 서울: 저출산고령사회위원회.
• 대한민국정부(2010). 제2차 저출산·고령사회 기본계획(보완판) (2011-2015) 새로마지플랜 2015. 서울: 저출산고령사회위원회.
• 대한민국정부(2016). 제3차 저출산·고령사회 기본계획 (2016-2020) 브릿지플랜 2020. 서울: 저출산고령사회위원회.
• 대한민국정부(2020). 제4차 저출산·고령사회 기본계획 (2021-2025) 함께 일하고 함께 돌보는 사회. 서울: 저출산고령사회위원회.
• 민연경(2015). 노동시장 내 여성고용평등과 출산율의 관계 연구: OECD 18개 국가를 대상으로. 국정관리연구, 10(3), 1-32. [https://doi.org/10.16973/jgs.2015.10.3.001]
• 민연경, 이명석(2013). 지방자치단체 특성이 출산율에 미치는 영향에 관한 연구: 수도권 66개 기초자치단체를 중심으로. GRI연구논총, 15(3), 365-386. [https://doi.org/10.23286/gri.2013.15.3.017]
• 박건영(2023). 강원특별자치도 합계출산율 현황과 지역 특성에 관한 연구. 경관과 지리, 33(4), 39-54. [https://doi.org/10.35149/jakpg.2023.33.4.004]
• 박건영(2024). 인구밀도가 합계출산율에 미치는 효과에 관한 연구: 강원특별자치도를 중심으로. 경관과 지리, 34(2), 45-58. [https://doi.org/10.35149/jakpg.2024.34.2.004]
• 박성훈(2024). 인구밀도가 출산율에 미치는 영향: 남녀 나이와 지가의 매개효과. 아시아태평양융합연구교류논문지, 10(10), 71-87. [https://doi.org/10.47116/apjcri.2024.10.06]
• 박정희(2024). 국내 출산율의 장기적 결정요인에 대한 연구. 산업경제연구, 37(3), 379-403. [https://doi.org/10.22558/jieb.2024.6.37.3.379]
• 박혜림(2024). 지방자치단체 출산지원정책의 효과성 분석: 현금정책과 비현금정책을 중심으로. 경제분석, 30(2), 1-33. [https://doi.org/10.23299/bokeri.2024.30.2.001]
• 법제처(2025). 국가법령정보센터. https://www.law.go.kr/LSW/main.html, 에서 인출
• 서정흔, 마강래(2024). 지역 특성이 결혼 및 자녀 출산에 미치는 영향. 지역연구, 40(3), 43-61. [https://doi.org/10.22669/krsa.2024.40.3.043]
• 송유진(2025). 지역을 떠난 청년들과 남은 청년들의 경험: 수도권 이동 여부의 원인과 결과를 중심으로. 한국인구학, 48(2), 163-190.
• 염윤호, 최재훈(2024). QGIS 활용과 지리공간분석. 서울: 도서출판 윤성사.
• 오삼권, 권영주(2018). 지방자치단체별 출산율 영향요인 연구: 사회･문화적, 경제적, 정책적 요인을 중심으로. 국가정책연구, 32(1), 55-81. [https://doi.org/10.17327/ippa.2018.32.1.003]
• 원숙연, 최윤희(2018). 우리나라 광역자치단체 출산율의 영향요인: 자녀에 대한 비용관련 요인을 중심으로. 한국정책학회보, 27(3), 231-268.
• 이병호(2020). 제2차 인구변천 이론, 1986-2020: 특징, 논쟁, 함의. 한국인구학, 43(4), 37-68. [https://doi.org/10.31693/KJPS.2020.12.43.4.37]
• 이상일, 손학기, 채미옥, 조대헌(2010). 공간 클러스터의 범역 설정을 위한 GIS-기반 방법론 연구: 수정 AMOEBA 기법. 대한지리학회지, 45(4), 502-520.
• 이승진, 여효성, 김상봉(2024). 지역별 자료를 활용한 국내 저출생 결정 요인에 대한 분석. 재정정책논집, 26(3), 139-171. [https://doi.org/10.37103/KAPP.26.3.5]
• 이은빈, 강인성, 이병호(2024). 광역자치단체 저출산율에 영향을 미치는 요인에 관한 연구. 한국공공관리학보, 38(3), 199-222.
• 이철희(2018). 한국의 출산장려정책은 실패했는가?: 2000년~2016년 출산율 변화요인 분해. 경제학연구, 66(3), 5-42. [https://doi.org/10.22841/kjes.2018.66.3.001]
• 이철희(2023). 일자리 질이 결혼과 출산에 미치는 영향: 지역 제조업 고용 비율의 효과. 한국경제연구, 41(2), 5-34.
• 이현정(2024). 인구절벽 시대의 지역별 미혼 청년 여성 1인 월세 가구의 거주 유사성 및 상이성. 토지주택연구, 15(3), 1-23. [https://doi.org/10.5804/LHR.2024.15.3.1]
• 이현정(2025a). 시군구별 지역환경 특성에 따른 저출생의 공간적 변이 탐색: 다중스케일 지리가중회귀분석의 적용. 대한보건연구, 51(3), 23-38. [https://doi.org/10.22900/kphr.2025.51.3.003]
• 이현정(2025b). 서울 소지역 노인의료복지시설의 입지 영향 요인에 관한 공간통계 분석. 대한보건연구, 51(1), 67-80. [https://doi.org/10.22900/kphr.2025.51.1.006]
• 이형석, 김승희(2018). 빈집의 지역별 유형과 특성: 강원도 18개 시⋅군을 중심으로. 사회과학연구, 57(2), 37-64. [https://doi.org/10.22418/JSS.2018.12.57.2.37]
• 임보영(2022). 우리나라 초저출산과 지역불균형의 관계에 관한 실태분석. 재정동향 및 이슈, 99, 33-38.
• 장인수, 정찬우(2022). 출산지원금이 지역 출산력에 미치는 영향에 대한 공간적 변이 탐색: 다중범위지리가중회귀모형의 적용과 함의. 보건사회연구, 42(4), 305-325. [https://doi.org/10.15709/hswr.2022.42.4.305]
• 저출산고령사회위원회(2024). 출생 추세를 반전시키기 위한 3대 핵심분야 총력 지원 + 사회인식 변화 노력 강화. https://www.betterfuture.go.kr/front/notificationSpace/pressReleaseDetail.do?articleId=325&listLen=1&searchKeyword=%EC%B6%9C%EC%83%9D%20%EC%B6%94%EC%84%B8%EB%A5%BC%20%EB%B0%98%EC%A0%84%EC%8B%9C%ED%82%A4%EA%B8%B0%20%EC%9C%84%ED%95%9C&position=S&pageIndex=1, 에서 인출
• 저출산고령사회위원회(2025a). 서울 ‘미리내집’ 현장 찾아 신혼부부 의견 청취...주거안정이 결혼의 출발점”. https://www.betterfuture.go.kr/front/notificationSpace/pressReleaseDetail.do?articleId=450&listLen=1&searchKeyword=%EC%84%9C%EC%9A%B8%20%E2%80%98%EB%AF%B8%EB%A6%AC%EB%82%B4%EC%A7%91%E2%80%99%20%ED%98%84%EC%9E%A5&position=S&pageIndex=1, 에서 인출
• 저출산고령사회위원회(2025b). ‘유‧사산휴가, 혼외자 등 문제표현 바꾼다’, 결혼·출산·육아 관련 부정적 용어개선 추진. https://www.betterfuture.go.kr/front/notificationSpace/pressReleaseDetail.do?articleId=484&listLen=10&searchKeyword=&position=M&pageIndex=6, 에서 인출
• 정성호(2009). 저출산에 관한 이론적 접근. 한국인구학, 32(2), 161-183. [https://doi.org/10.15709/hswr.2022.42.4.305]
• 정호용(2020). 출산장려금의 출생률 제고효과 분석: 호남지역을 중심으로. 한국정책학회보, 29(1), 23-46. [https://doi.org/10.33900/KAPS.2020.29.1.2]
• 조택희, 최은희(2025). 안정적 패널자료를 이용한 출산율 결정요인 분석. 한국융합과학회지, 14(3), 49-66.
• 주예진, 이철희(2024). 현금성 출산 지원정책의 한계 효과 평가. 한국경제연구, 42(3), 35-70. [https://doi.org/10.46665/jkes.2024.9.42.3.35]
• 최선미(2021). 광역자치단체 출산율의 영향요인 분석: 경제적 요인과 정책적 요인을 중심으로. 국정관리연구, 16(4), 65-100. [https://doi.org/10.16973/jgs.2021.16.4.003]
• 최은희, 조택희(2024). 합계출산율에 영향을 미치는 요인 : 가치관, 경제적, 성평등요인을 중심으로. 한국과 세계, 6(6), 931-955. [https://doi.org/10.22743/kwr.2024.6.6.931]
• 최재헌, 박판기(2020). 한국 축소도시의 지역적 특성과 도시정책의 방향. 한국도시지리학회지, 23(2), 1-13. [https://doi.org/10.21189/JKUGS.23.2.1]
• 탁아림, 이찬영(2024). 여성의 경제활동참가와 고용 지위가 출산율에 미친 영향. 노동경제논집, 47(3), 33-62.
• 한국은행(2023). 초저출산 및 초고령사회: 극단적 인구구조의 원인, 영향, 대책. 경제전망 핵심이슈 심층연구, 11, 57-104.
• 행정안전부(2025). 행정안전통계. https://jumin.mois.go.kr/index.jsp, 에서 인출
• Anselin, L. (1998). Exploratory Spatial data analysis in a geocomputational environment. In P.A. Longley, S.M. Brooks, R. McDonell, & B. MacMillan (Eds.), Geocomputation: A primer. Chichester, West Sussex: John Wiley & Sons.
• Anselin, L. (2001). Spatial econometrics. In B. H. Baltagi (Ed.), A Companion to Theoretical Econometrics (pp. 310–330). New Jersey: Wiley-Blackwell. [https://doi.org/10.1002/9780470996249.ch15]
• Becker, G. (1981). A treatise on the family. Cambridge, MA: Harvard University Press.
• Becker, G. S. (1993). A treatise on the family. Economic Journal, 75, 493–517. [https://doi.org/10.2307/j.ctv322v4rc]
• Beck, U. (1999). World risk society. Malden, MA: Polity Press.
• Brewster, K. L., & Rindfuss, R. R. (2000). Fertility and women’s employment in industrialized nations. Annual Review of Sociology, 26, 271–296. [https://doi.org/10.1146/annurev.soc.26.1.271]
• Brunsdon, C., Fotheringham, A. S., & Charlton, M. E. (2002). Geographically weighted summary statistics. Environment and Urban Systems, 26(6), 501–524. [https://doi.org/10.1016/S0198-9715(01)00009-6]
• Capellan, J. A., & Porter, J. R. (2014). Spaces of terror: Modeling spatial non-stationarity in state-level repression. Applied Spatial Analysis and Policy, 7, 245–258. [https://doi.org/10.1007/s12061-014-9106-2]
• Easterlin, R. A. (1973). Relative economic status and the american fertility swing. In E. B. Sheldon (Ed.), Family economic behavior: Problems and Prospects (pp. 173–223). Philadelphia: J.B. Lippincott Company.
• Easterlin, R. A. (1976). Population Change and Farm Settlement in the Northern United States. The Journal of Economic History, 36(1), 45–75. [https://doi.org/10.1017/S002205070009450X]
• ESRI (2025a). How Multiscale Geographically Weighted Regression (MGWR) works. Retrieved from https://doc.arcgis.com/en/allsource/1.1/analysis/geoprocessing-tools/spatial-statistics/how-multiscale-geographically-weighted-regression-mgwr-works.htm
• ESRI. (2025b). Multiscale Geographically Weighted Regression (MGWR) (Spatial Statistics). Retrieved from https://pro.arcgis.com/en/pro-app/3.4/tool-reference/spatial-statistics/multiscale-geographically-weighted-regression.htm
• ESRI. (2025c). Spatial Autocorrelation (Spatial Statistics). Retrieved from https://pro.arcgis.com/en/pro-app/latest/tool-reference/spatial-statistics/spatial-autocorrelation.htm
• Fotheringham, A. S., Oshan, T. M., & Li, Z. (2023). Multiscale Geographically Weighted Regression: Theory and practice. Boca Raton, FL: CRC Press. [https://doi.org/10.1201/9781003435464]
• Gauthier, A. H. (2007). The Impact of family policies on fertility in industrialized countries: A review of the literature. Population Research and Policy Review, 26(3), 323–346. [https://doi.org/10.1007/s11113-007-9033-x]
• Getis, A., & Ord, J. K. (1992). The analysis of spatial association by use of distance statistics. Geographical Analysis, 24, 189–206. [https://doi.org/10.1111/j.1538-4632.1992.tb00261.x]
• Guest, A. M. (1974). The relationship of the crude birth rate and its components to social and economic development. Demography, 11(3), 457–472. [https://doi.org/10.2307/2060438]
• Inglehart, R. (1977). The Silent Revolution: Changing Values and Political Styles Among Western Publics. Princeton: Princeton University Press.
• Inglehart, R. (2007). Postmaterialist Values and the Shift from Survival to Self-Expression Values. In R. J. Dalton and H. Klingemann (Eds.), Oxford Handbook of Political Behavior (pp. 223-239). New York: Oxford University Press. [https://doi.org/10.1093/oxfordhb/9780199270125.003.0012]
• Lesthaeghe, R. (2010). The unfolding story of the second demographic transition. Population and Development Review, 36(2), 211–251. [https://doi.org/10.1111/j.1728-4457.2010.00328.x]
• Lesthaeghe, R. (2014). The second demographic transition: A concise overview of its development. Proceedings of the National Academy of Sciences, 111(51), 18112–18115. [https://doi.org/10.1073/pnas.1420441111]
• Lesthaeghe, R., & van de Kaa, D. J. (1986). Two demographic transitions? In D. J. van de Kaa, & R. Lesthaeghe (Eds.), Population: Growth and Decline (pp. 9–24). Deventer: Van Loghum Slaterus.
• Lutz, W., & Qiang, R. (2002). Determinants of human population growth. Philosophical Transactions of the Royal Society B: Biological Sciences, 357(1425), 1197–1210. [https://doi.org/10.1098/rstb.2002.1121]
• Lutz, W., Testa, M. R., & Penn, D. J. (2007). Population density is a key factor in declining human fertility. Population and Environment, 28, 69–81. [https://doi.org/10.1007/s11111-007-0037-6]
• McDonald, P. (2000a). Gender equity in theories of fertility transition. Population and Development Review, 26(3), 427–439. [https://doi.org/10.1111/j.1728-4457.2000.00427.x]
• McDonald, P. (2000b). Gender equity, social institutions and the future of fertility. Journal of Population Research, 17(1), 1–16. [https://doi.org/10.1007/BF03029445]
• McDonald, P. (2001). Theory pertaining to low fertility. International Perspective on Low Fertility: Trends, Theories and Policies, March 21–23, Tokyo.
• McDonald, P. (2013). Societal foundations for explaining fertility: Gender equity. Demographic Research, 28, 981–994. [https://doi.org/10.4054/DemRes.2013.28.34]
• Miranda, M. L, Messer, L. C,, & Kroeger, G. L. (2012). Associations between the quality of the residential built environment and pregnancy outcomes among women in North Carolina. Environmental Health Perspectives, 120(3), 471-477. [https://doi.org/10.1289/ehp.1103578]
• Mueller, D. C. (2003). Public choice III. New York: Cambridge University Press. [https://doi.org/10.1017/CBO9780511813771]
• Ord, J. K., & Getis, A. (1995). Local spatial autocorrelation statistics: Distributional issues and an application. Geographical Analysis, 27, 286–306. [https://doi.org/10.1111/j.1538-4632.1995.tb00912.x]
• Oshan, T. M., Smith, J. P., & Fotheringham, A. S. (2020). Targeting the spatial context of obesity determinants via multiscale geographically weighted regression. International Journal of Health Geographics, 19(1), 1–17. [https://doi.org/10.1186/s12942-020-00204-6]
• Rotella, A., Varnum, M. E. W., Sng, O., & Grossman, I. (2021). Increasing population densities predict decreasing fertility rates over time: A 174-Nation Investigation. American Psychologist, 76(6), 933–946. [https://doi.org/10.1037/amp0000862]
• Salvati, L., Benassi, F., Miccoli, S., Rabiei-Dastjerdi, H., & Matthews, S. A. (2020). Spatial Variability of total fertility rate and crude birth rate in a low-fertility country: Patterns and trends in regional and local scale heterogeneity across Italy, 2002–2018. Applied Geography, 124, 102321. [https://doi.org/10.1016/j.apgeog.2020.102321]
• Tiebout, C. M. (1956). A pure theory of local expenditures. Journal of Political Economy, 64(5), 416–424. [https://doi.org/10.1086/257839]
• Tobler, W. R. (1970). A computer movie simulating urban growth in the detroit region. Economic Geography, 46, 234–240. [https://doi.org/10.2307/143141]
• UN Habitat. (2020). World cities report 2020. Nairorbi, Kenya: United Nations Human Settlements Programme. Retrieved from https://unhabitat.org/world-cities-report-2020-the-value-of-sustainable-urbanization
• Van de Kaa, D. J. (2001). Postmodern fertility preferences: From changing value orientation to new behavior. Population and Development Review, 27, 290–333.
• World Bank. (2025). World Development Indicators. Retrieved from https://databank.worldbank.org/source/world-development-indicators
• Yu, H., Fotheringham, A. S., Li, Z., Oshan, T., Kang, W., & Wolf, L. J. (2020). Inference in multiscale geographically weighted regression. Geographical Analysis, 52(1), 87–106. [https://doi.org/10.1111/gean.12189]