머신러닝과 네트워크 분석을 활용한 연령집단별후속출산의도 예측 모형 비교

Abstract

본 연구의 목적은 후속출산의도를 예측하는 요인을 탐색하고 네트워크 분석을 통해 요인 간의 상호작용 및 예측요인의 중요도를 파악하는 것이다. 이를 위해 2022년 한국 영유아 교육･보육 패널 자료 중 어머니 1,922명의 자료를 분석하였다. 개인요인, 양육요인, 가구요인, 환경요인의 20개의 예측요인과 후속출산의도 간의 관계를 설정하고 랜덤포레스트, 그래디언부스트, 로지스틱, 스태킹 모델을 적용하였다. 연구 결과, 네 가지 모델의 성능은 F1 .60~.87으로 나타났다. 20대 집단에서 후속출산의도를 예측하는 주요 요인은 양육스트레스, 성격(그릿), 우울로 나타났고 30대 집단에서는 어머니연령, 부부갈등, 양육스트레스, 40대 집단에서는 사회적지지, 총자녀수, 학력으로 나타났다. 본 연구를 통해 후속출산의도를 예측할 수 있는 주요 요인을 탐색하였으며 후속출산을 지원하기 위한 실증적인 자료와 토대를 마련하였다는 점에서 의의가 있다.

This study aimed to explore the factors predicting the intention of subsequent childbirth and to identify the interactions and importance of these predictive factors through network analysis. For this purpose, data from 1,922 mothers in 2022 Korean Early Childhood education and care panels were analyzed. Relationships between 20 predictive factors, including individual, parenting, household, and environmental factors, and intention for subsequent childbirth were established, and Random Forest, Gradient Boosting, Logistic Regression, and Stacking models were applied. The results showed that the performance of the four models ranged from F1 .60 to .87. In the 20s age group, parenting stress, personality (grit), and depression were the main factors predicting subsequent childbirth intentions. The main factors in the 30s group, were mother’s age, marital conflict, and parenting stress, whereas in the 40s group, the main factors were social support, total number of children, and education level. This study is significant in that it explored the main factors that can predict the intention of a subsequent childbirth and provided empirical data and a foundation to support subsequent childbirth through the interrelationships among these factors.