딥러닝을 활용한 출산율 예측 모형의 제안 (A Proposal for a Fertility Rate Prediction Model Using Deep Learning)

서지정보

· 발행기관 : 한국산업기술융합학회
· 수록지 정보 : 산업기술연구논문지 / 28권 / 4호 / 15 ~ 24페이지
· 저자명 : 이상희, 김규석, 정태양, 서예진

초록

본 연구는 각 시도별 인구· 사회· 경제·교육학적 요인과 교육 및 의료시설 인프라, 부동산의 요인이 시도별 출산 율에 미치는 영향을 알아보고자 다중선형회귀 분석과 DNN 기반의 인공지능 모형을 적용하였다. 국가 위기 극복을 위한 합계출산율을 예측하여 저출산 대책 마련의 기초자료로 제공하고자 한다. 저출산 원인을 분석한 결과 초혼연령과 출산연령, 부동산 가격, 아파트 전세가격이 높을수록 또는 도시인 경우 통계적으로 유의미하게 부정적인 영향을 주었다. 산부인과 의료기관이 많을수록 출산율은 미미하게 낮았다. 반면 사교육비가 높을수록 유치원과 초등학 교수가 많을수록 통계적으로 유의미하게 긍정적인 영향을 주었다. 1인당 지역내 총생산량이 높을수록 출산율은 미미하게 높았다. 이러한 합계출산율 예측결과는 여성의 출산율 감소를 위한 정책을 마련하기 위한 기초자료를제공하는데 기여하고자 한다.

영어초록

This study applied the multiple linear regression analysis and DNN-based artificial intelligence models to determine the impact of population, social, economic, educational, and real estate factors, and educational and medical facility infrastructure on fertility rates in cities and provinces. It intends to predict the fertility rate to overcome the national crisis and provide essential data to address low fertility rate. Younger age at marriage and pregnancy, and higher real estate and apartment lease prices significantly impact fertility rate in cities. An increase in obstetrics and gynecology medical institutions slightly lowers fertility rate. Meanwhile, higher cost of private education, and an increase in number of kindergartens and elementary schools positively affect fertility rate. Furthermore, a higher gross regional product per capita leads to a higher fertility rate. Predicting fertility rate can provide basic data for policy preparation to address low fertility rates.

참고자료

· 없음