데이터마이닝을 이용한 삶의 만족도에 영향을 미치는 요인분석 (Analysis of Factors Affecting Life Satisfaction using Data Mining)

서지정보

· 발행기관 : 한국콘텐츠학회
· 수록지 정보 : 한국콘텐츠학회 논문지 / 25권 / 1호 / 489 ~ 497페이지
· 저자명 : 전해정

초록

본 연구에서는 삶의 만족도에 영향을 미치는 요인을 2016년부터 2023년까지 패널자료를 사용해 종속변수는 삶의 만족도로 독립변수는 자가거주, 주거면적, 주거위치, 주택유형, 연령, 교육수준, 혼인상태, 건강상태, 가구원수, 종교, 성별과 소득으로 설정하여 데이터마이닝 기법인 의사결정나무, 랜덤포레스트와 XGBoost 모형을 이용해 분석하였다. 의사결정나무 분석결과, 가장 높은 영향력을 보인 변수는 소득, 건강상태, 주거면적, 60대 이상 연령, 가구원 수, 교육 수준 대졸이상, 주택형태 빌라 순으로 나타났다. 랜덤 포레스트 모형의 분석결과, 가장 높은 영향력을 보인 변수는 소득, 주거면적, 가구원 수, 종교, 자가거주, 건강상태, 성별, 연령대 순으로 나타났다. XGBoost 모형의 분석결과, 가장 높은 영향력을 보이는 변수는 건강상태 관련 변수, 연령대를 나타내는 변수, 교육수준을 나타내는 변수 순으로 나타난 반면, 가장 낮은 영향력을 보이는 변수들은 혼인상태 관련 변수, 종교 관련 변수, 주택유형 관련 변수, 교육수준 고졸로 나타났다. XGBoost 모형의 정확도는 0.686, ROC-AUC 값은 0.686로 평가되어 큰 차이는 존재하지 않으나 XGBoost 모형이 의사결정나무와 랜덤 포레스트 모형에 비해 우수한 성능을 보임을 알 수 있다.

영어초록

In this study, panel data from 2016 to 2023 were used to determine the effect of life satisfaction. The dependent variable was life satisfaction, and the independent variables were owner-occupied, housing area, housing location, housing type, age, education level, marital status, health status, number of household members, religion, gender, and income. The data mining techniques, decision tree, random forest, and XGBoost were used for analysis. As a result of the decision tree analysis, the variables with the highest influence were income, health status, housing area, age over 60, number of household members, education level college graduate or higher, and housing type villa. As a result of the analysis of the random forest model, the variables with the highest influence were income, housing area, number of household members, religion, owner-occupied, health status, gender, and age group. As a result of the analysis of the XGBoost model, the variables with the highest influence were health status-related variables, age group-related variables, and education level variables, while the variables with the lowest influence were marital status-related variables, religion-related variables, housing type-related variables, and high school graduate education level. The accuracy of the XGBoost model is evaluated as 0.686, and the ROC-AUC value is 0.686, which means there is no significant difference, but it can be seen that the XGBoost model shows superior performance compared to the decision tree and random forest models.

참고자료

· 없음