검색 결과
Analysis of the Predictors for General Anxiety Level of Adolescents Based on a Decision Tree Model
Lee, Sangmi(Dongyang University) 보건사회연구 , Vol.44, No.1, pp.141-163 https://dx.doi.org/10.15709/hswr.2024.44.1.141
Abstract
This study was conducted to identify the predictive factors of generalized anxiety levels in adolescents using data from 51,850 middle and high school students from the 18th (2022) Korea Youth Risk Behavior Survey (KYRBS) of the Korea Disease Control and Prevention Agency. The data was analyzed by a decision tree model using SPSS 26.0. Our analysis revealed several findings. First, the group with the highest prevalence of general anxiety exhibited the following characteristics: high stress levels, experiences of sadness and despair, negative subjective health perception, inadequate fatigue recovery after sleep, and regular consumption of high- caffeine beverages. Stress emerged as the most significant predictor of anxiety. Third, the experience of sadness and despair was the second most significant variable affecting the prevalence of anxiety in both groups with below-average or high stress. Furthermore, self-rated ‘ill health’ was found to correlate with an increased prevalence of high-level generalized anxiety. This correlation was further analyzed according to subjective health perception and fatigue recovery after sleep, with or without the experience of sadness and despair. In addition, within the group with poor subjective health and insufficient recovery from fatigue after sleep, high- level anxiety was more prevalent among those consuming high-caffeine beverages more than once a week. General anxiety in adolescents can be predicted by a combination of health cognitive, psycho-emotional, and health behavior factors, including stress, experiences of sadness and despair, subjective health perceptions, fatigue recovery from after sleep, and consumption of high-caffeine beverages. Therefore, these five predictors identified by the decision tree model are crucial considerations for managing high-level general anxiety in adolescents.
초록
본 연구는 청소년의 범불안 수준의 예측요인을 인구사회학적 특성, 건강행위적 특성 및 건강인지/심리정서적 특성 측면에서 분석하기 위해, 2022년 질병관리청 제18차 청소년건강행태조사의 중·고등학생 대상 51,850명의 자료를 이용하여 수행되었다. 자료는 SPSS 26.0을 이용하여 의사결정나무모형을 통해 분석되었다. 분석 결과, 첫째, 범불안 수준이 가장 높은 집단은 스트레스가 많고, 슬픔과 절망감 경험이 있으며, 주관적 건강인지가 ‘불건강’하고, 수면 후 피로감 해소가 ‘불충분’하며, 고카페인 음료 섭취를 ‘주 1~6회 혹은 매일’ 하는 순의 분류였다. 둘째, 범불안 수준의 분류에 가장 중요한 영향을 주는 변인은 스트레스였다. 셋째, 스트레스가 보통 이하거나 많은 집단 모두 슬픔과 절망감 경험이 범불안 수준에 영향을 미치는 다음 변인이었다. 다음으로 주관적 건강인지가 ‘불건강’에 속하는 경우 고수준 범불안 집단이 증가하였으며, 다음은 슬픔과 절망감 경험에 따라 주관적 건강인지와 수면 후 피로감 해소로 분류되었다. 마지막으로, 주관적 건강인지가 ‘불건강’에 속하고, 수면 후 피로감 해소가 불충분한 집단에서 고카페인 음료를 일주일에 한 번 이상 섭취하는 경우 고수준 범불안이 증가하였다. 청소년의 범불안 수준은 주관적 건강인지, 스트레스와 슬픔과 절망감 경험과 같은 건강인지/심리정서적 특성 및 수면 후 피로감 해소와 고카페인 음료 섭취와 같은 건강행위적 측면의 요인을 통해 예측되었다. 그러므로 본 연구에서 도출된 의사결정나무모형의 예측요인을 고려한 청소년 불안의 관리 전략이 수립될 필요가 있다.
Factors Associated with Happiness among Korean Ninth-Grade Students: A Comparative Machine Learning Analysis
Lee, Sangmi(Dongyang University) 보건사회연구 , Vol.46, No.3, pp.546-567 https://dx.doi.org/10.15709/hswr.2026.46.3.546
Abstract
This study aimed to identify factors related to happiness among Korean ninth-grade students using machine learning. Data were drawn from the 16th wave (2023) of the Panel Study on Korean Children (PSKC), conducted by the Korea Institute of Child Care and Education, and the final sample included 1,154 ninth-grade students. Happiness was used as the outcome variable, while sociodemographic, psychological, academic, relational, and lifestyle characteristics were included as predictors. Multiple linear regression, Elastic Net, Random Forest, and XGBoost models were compared. Feature importance, SHapley Additive exPlanations (SHAP), and Random Forest partial dependence plots (PDPs) were used to examine predictor importance, direction of predictive contribution, and nonlinear prediction patterns. Model performance rankings differed between cross-validation and final validation, with the models demonstrating broadly comparable predictive performance. In the tree-based machine learning models—Random Forest and XGBoost—self-esteem was the most important predictor, followed by depression, peer attachment, ego-resilience, academic stress, paternal and maternal attachment, self-regulated learning, smartphone overdependence, and subjective socioeconomic status. SHAP analyses showed broadly consistent directions of predictive contribution across the two models, while the Random Forest PDPs indicated nonlinear prediction patterns for several major variables. These findings demonstrate that happiness among Korean ninth-grade students is associated with diverse psychological, relational, and academic factors and provide foundational evidence for understanding adolescent happiness.
초록
본 연구는 중학교 3학년 청소년의 행복감 관련 요인을 머신러닝을 활용하여 파악하기 위해 육아정책연구소의 2023년 제16차 한국아동패널 Ⅱ 자료를 이용하였으며, 분석대상은 중학교 3학년 학생 1,154명이었다. 행복감을 결과변수로 하고, 청소년의 인구사회학적·심리적·학업적·관계적 및 생활습관 특성을 예측변수로 구성하였다. 분석에서는 평균예측모형을 기준으로 다중선형회귀, 엘라스틱넷, 랜덤포레스트 및 XGBoost의 예측 성능을 비교하였다. 또한 변수 중요도와 SHAP 분석을 통해 주요 변수의 상대적 중요도와 예측 기여 방향을 확인하고, 랜덤포레스트의 부분의존도 분석을 통해 비선형적 예측 양상을 탐색하였다. 분석 결과, 교차검증과 최종 검증에서 모형 간 성능 순위는 일관되지 않았으며 전반적으로 유사한 수준을 보였다. 트리 기반 머신러닝 모형(랜덤포레스트 및 XGBoost)에서 자아존중감이 가장 중요한 변수로 나타났으며, 우울, 또래애착, 자아탄력성, 학업스트레스, 부모애착, 자기조절학습, 스마트폰 과의존 및 주관적 사회경제적 지위도 주요 관련 요인으로 확인되었다. SHAP 분석에서 주요 변수의 기여 방향은 두 모형 간 대체로 일관되었으며, 부분의존도 분석에서는 일부 주요 변수와 행복감 간의 비선형적 관계 양상이 나타났다. 이러한 결과는 중학교 3학년 청소년의 행복감이 다양한 심리적·관계적·학업적 요인과 관련되어 있음을 보여주며, 청소년 행복감 이해를 위한 기초자료를 제공한다.