Ⅰ. 서론

지역의 출산지원금(출산장려금)은 대표적인 지역 인구 정책으로 지역의 출산, 양육 관련 경제적 부담을 경감하는 소위 친출산환경을 조성하고, 저출산 문제에 대응하는 측면에서 지역의 출산을 보다 장려하기 위한 목적을 견지하여 추진되고 있으며1), 거의 대부분의 지자체에서 추진되고 있다. 출산지원금이 두루 추진되고 있는 배경으로 급격하게 감소하는 동시에 세계 최저 수준을 매년 경신하고 있는 전 국가적인 저출산 양상을 들 수 있다. 즉, 저출산 문제에 대한 보다 적극적 대응의 일환으로 지역 출산지원금 지급 정책이 추진되고 있는 것으로 해석할 수 있다. 출산지원금 지급 규모가 대체적으로 증가하는 특성과 더불어 출생 순위가 높아질수록 더욱 커지는 특성(장인수, 우해봉, 박종서, 정찬우, 2021)은 큰 규모의 출산지원금 지급 규모를 통하여 저마다의 지역 내 저출산 문제에 대응하기 위한 노력의 일환으로 이해되고 있다. 출산지원금 규모에 대한 상기 특성은 또한 지역의 인구 규모가 감소하는 지역에서 보다 두드러지게 나타나는 바, 이는 인구감소지역의 경우 상대적·절대적으로 큰 규모의 출산지원금을 바탕으로 저출산에 보다 적극적으로 대응함으로써 결과적으로 인구 감소 문제를 완화, 해결하려는 의지를 보이고 있는 것으로 해석할 수 있다. 다만, 이러한 출산지원금이 저출산 문제에 효과적으로 대응하고 있다고 말할 수 있는지에 대한 소위 정책의 실효성에 대한 심도 있는 논의는 다소 부족하다. 지역 출산지원금의 지역의 출산력에 미치는 영향을 분석한 사례가 양적으로 축적되어 있음에도 불구하고, 이들 연구는 지역의 출산지원금이 띠는 공간적 특성을 고려하지 못한 한계점을 띠고 있다. 장인수 외(2021)에서 제시하고 있는 것과 같이 출산지원금 지급 규모의 공간적 분포는 특정 지역과 인접 지역 간 유사한 소위 공간적 상관성이 유의하게 존재하고 있는 것으로 나타나, 관련 분석을 수행함에 있어 공간적 특성을 고려할 필요성을 시사하고 있다. 더 나아가 상이한 출산지원금 규모와 지역의 출산력 수준이 완전히 일치하는 방향이라고 말하기 어려운 점도 지역별 출산지원금이 지역 출산력에 미치는 영향에 대한 지역별 상이한 특성을 고려하여야 할 요인으로 이해되고 있다. 구체적으로, 출산지원금 지급 규모가 큰 지역은 출산력 수준이 낮은 것이 아니며, 지급 규모가 작은 지역은 출산력 수준이 높은 것이 아니라는 것이다. 단적으로, 2020년 기준 지역 집계자료 형태의 조출생률은 전남 영광군이 10.5명, 세종시가 10.0명으로 높은 특성을 띠고 있는 반면, 서울 강북지역의 일부 자치구는 3~4명 수준이지만 출산지원금 지급 규모는 전남 영광군이 훨씬 더 큰 특성을 띠고 있다(통계청, 2021a; 보건복지부, 육아정책연구소, 2020). 또한, 전 국가적인 초저출산 특성에도 불구하고, 지역별 출산력 수준이 상당히 상이한 특성을 띠고 있다는 점도 고려해야 할 필요가 있다. 출산력 관련 지역별 집계지표가 공간적 측면에서 차별적으로 다양하게 분포하고 있는 특성이 이를 지지하고 있다.

지역 출산지원금 지급 규모와 지역 출산력의 공간적 분포 특성은 두 변인 간 연관성이 지역별로 상이할 개연성이 높기 때문에 이를 심도 있게 고려할 필요성을 시사하고 있다. 즉, 지역 출산지원금 규모와 지역 출산력 간 두 변인 간 연관성이 지역별로 상이한 특성을 추정하기 위한 시도가 필요하다. 이를 심도 있게 분석하기 위하여 본 연구에서는 다중범위지리가중회귀모형(multiscale geographically weighted regression model)을 활용한다. 이 연구 방법은 변인의 공간적 상관성을 고려하지 않는 다중회귀모형의 한계점을 보완하여, 공간적 상관성이 있는 경우 독립변수와 종속변수의 공간적 위치 특성을 고려하여 두 변인 간 연관성의 정도가 지역별(공간별)로 상이할 개연성을 고려하는 지리가중회귀모형을 보완한 모형이다. 즉, 지리가중회귀모형이 모든 독립변수의 공간적 분포 특성을 동일하게 고려하는 한계점을 보완하여 독립변수가 서로 다른 분포 특성, 즉, 어떤 독립변수는 보다 촘촘하게, 또 다른 변수는 상대적으로 덜 촘촘하게 분포하고 있는 특성을 추가적으로 고려하는 모형이다. 이러한 장점에 따라 최근 공간적 다양성을 모형 내에서 고려하는 MGWR 모형을 활용한 연구 사례가 양적으로 축적되고 있다(Fotheringham, Yue & Li, 2019; Oshan, Smith & Fotheringham, 2020; Yu, Fotheringham, Li, Oshan, Kang & Wolf, 2020; Mansour, Al Kindi, Al-Said, Al-Said & Atkinson, 2021; Iyanda & Osayomi, 2021; Cao, Shi, Zhou, Tao & Yang, 2021; Sachdeva, Fotheringham & Li, 2022). 지역별로 상이한 두 변인 간 연관성을 정교하게 추정한다면, 이를 바탕으로 각 지역에서 추진되고 있는 출산지원금의 실효성을 보다 엄밀하게 진단하고 향후 개선 방향을 제시할 수 있을 것으로 보인다. 출산지원금 규모가 상대적으로 큰 반면 지역 출산력에 미치는 영향이 크지 않다면, 이러한 양상을 둘러싸고 있는 지역 인구 동태 특성을 심도 있게 진단하는 동시에 이를 제고하기 위한 정책 개선 방향이 요구된다.

본 연구의 구성은 다음과 같이, 제2장에서 관련 선행연구의 주요 내용을 살펴봄과 동시에, 출산지원금 규모와 지역의 출산력 수준의 공간적 현황을 검토하고 제3장에서 분석자료와 방법에 대해서 논의한다. 제4장에서는 다중범위 지리가중회귀모형을 적용한 분석 결과에 대해서 논의하고, 제5장에서 요약과 결론을 통해 연구를 마무리한다.

Ⅱ. 선행연구 고찰 및 현황 검토

2. 관련 현황의 기초 특성

본 연구의 방향성은 지역 출산력과 출산지원금이 뚜렷한 공간적 분포 특성을 띠고 있다는 점과 밀접하게 연관되어 있다. 즉, 지역 출산력과 출산지원금 규모의 공간적 분포 특성은 본 연구가 견지하고 있는 차별성을 더욱 부각시키는 역할을 한다. 구체적으로, 조출생률과 합계출산율, 그리고 합계출산율을 분해한 모의 연령별 출산율의 공간적 분포 특성은 비교적 뚜렷하게 공간적으로 인접 지역 간 유사성을 공유하는 공간적 군집 양상이 나타나고 있다. 이는 공간적 상관성을 고려하지 않은 다중회귀모형의 잔차(residual)의 공간적 분포 특성을 통해서도 쉽게 추측할 수 있는바, Cupido et al.(2021)에서 언급하고 있는 것과 같이 상기 지역별 출산력 관련 집계변수를 종속변수로 한 다중회귀모형의 잔차의 공간적 분포가 인접 지역 간 유사한 군집 특성을 띠고 있다는 점은 추가적으로 모형 내에서 공간적 상관성을 고려하여야 할 필요성을 시사하고 있다는 것이다.

한편, 앞서 언급한 바와 같이, 조출생률, 합계출산율과 지역의 출산지원금 수혜금액 간 연관성은 반드시 정적(+)으로 나타나지 않는다. 구체적으로 2020년 합계출산율과 2019년 지역의 출산지원금 수혜금액은 비교적 정적(+) 연관성이 나타나지만, 2020년 조출생률의 경우 그렇지 않다. 이러한 관측 결과는 지역의 출산지원금 수혜금액이 많을수록 합계출산율을 제고하는 데 기여하였지만, 단위 인구당 출생아 수 증가에는 별다른 기여를 하지 못하였음을 보여주고 있다. 이는 지역 단위의 합계출산율이 실제 출생아 수와 괴리가 있음을 보여주는 것(장인수, 2021) 이외에도 지역별 출산지원금이 지역 출산력이 미치는 영향력이 상이할 개연성을 시사한다는 점에서 의미가 있다.

추가적으로 2018년 조출생률, 합계출산율과 2019년의 지역의 출산지원금 수혜금액 간 연관성의 결과는 다음과 같이 조출생률의 경우 부적(-)인 연관성이, 합계출산율의 경우 정적(+) 연관성이 나타나고 있다.

이러한 관측 결과는 낮은 지역의 출산력 수준을 회복하기 위하여 출산지원금 규모를 지속적으로 늘린 결과에 기인한 것일 수도 있고, 지역 출산력 수준과 정적인 방향에서 출산지원금 수혜가 이루어지지 않을 수도 있음을 보여주는 것으로도 해석할 수 있다. 즉, 특정 지역의 출산력 수준이 낮더라도 출산지원금이 많이 지급되지 않거나, 출산력 수준이 높더라도 출산지원금이 많이 지급될 수도 있다는 것이다. 이는 지역 출산지원금이 반드시 출산력을 제고하는 방향만을 견지하는 것이 아닐 수 있다는 개연성과 더불어, 출산력을 제고하기 위한 목적을 견지하고 있음을 가정하면, 지역별 상이한 영향력을 심도 있게 살펴봄으로써 향후 정책의 개선 방향을 도출할 필요성이 있음을 복합적으로 시사하는 것으로도 해석할 수 있다. 이러한 시사점은 특히 지역 출산지원금이 인접 지역 간 무분별한 인구 경쟁의 양상을 유발하는 요인으로 작용하고 있다는 논의(박진경, 2019)와 인구감소지역과 같이 사회경제적 여건 및 정책 추진 여건이 상대적으로 높지 않은 소위 인구감소지역에서의 출산지원금 규모가 큰 특성(장인수 외, 2021)을 고려할 때 더욱 그 당위성이 부각된다고 할 수 있다. 다만, 향후 정책 개선 방향은 출산지원금이 지역 출산력에 미치는 영향이 상대적으로 작은 지역의 경우 출산지원금 정책을 추진할 필요성이 없다는 것이 아니라, 출산지원금의 실효성을 제고하기 위한 목적을 견지하여야 한다는 점을 고려하여야 할 것이다.

새창으로 보기

그림 1.

종속변수별 공간적 분포

새창으로 보기

그림 2.

종속변수별 OLS 잔차(OLS residual)의 공간적 분포

새창으로 보기

그림 3.

2019년 지역의 출산지원금 수혜금액과 2020년 합계출산율, 조출생률 간 연관성

새창으로 보기

그림 4.

2018년 합계출산율, 조출생률과 2019년 지역의 출산지원금 수혜금액 간 연관성

주: 2019년의 1인당 출산지원금 수혜금액과 각 변인 간 연관성이 서로 다른 방향으로 나타나고 있음을 제시하고 있으며, BR 결과와 TFR 결과를 직접 비교하는 것에는 주의가 필요하다. 두 변인은 각각 다른 측정 방식에 따라 측정되는 변인이므로 상기 연관성과 관련된 결과를 직접적으로 비교하는 것은 아니다.

Ⅲ. 분석 방법과 자료

지역의 1인당 출산지원금 평균 수혜금액이 지역 출산력에 미치는 영향을 보다 국지적으로 살펴보기 위하여 본 연구에서는 다중범위 지리가중회귀모형(Multiscale Geographically Weighted Regression model, MGWR)을 적용한다. 이 모형은 Fotheringham et al.(2002)이 제시한 지리가중회귀모형(Geographically Weighted Regression, GWR)을 보완한 모형으로, 지리가중회귀모형이 모형 내의 예측변수와 종속변수 간 국지적 연관성을 동일한 공간 규모로 설정하기 때문에 모든 연관성에 대하여 동일한 대역(bandwidth)을 적용하는 한계점을 보완하는 특징이 있다. 구체적으로, Fotheringham et al.(2017)에 따르면 다중범위 지리가중회귀모형은 모형의 이름에서 추측할 수 있는 것과 같이 다양한 예측변수와 종속변수 간 연관성에 대하여 다양한 공간적 척도를 부여함으로써 두 변인 간 공간적 특성을 보다 심층적으로 살펴보는 데 적합함을 시사하고 있다. 각 예측변수의 공간적 분포 특성에 따라 특정 예측변수와 종속변수 간 공간적 연관성이 다른 양상을 보일 개연성을 모형 내에서 고려하는 것으로 이해할 수 있다. 본 연구에서 활용한 MGWR 모형은 OLS의 틀과 유사하나, 가중치로 지리적 요인이 반영되어 독립변수와 종속변수 간 국지적 연관성을 보다 세부적으로 추정하게 하는 모형이다. OLS의 특성이 독립변수 한 개당 한 개의 추정치만 도출되지만, MGWR 모형은 개별 지역만큼의 독립변수 추정치가 도출되는 특성이 그러하다. 지역별로 다양한 연관성의 정도가 보다 구체적으로 도출된다는 점에서도 의미가 있다.

다중범위 지리가중회귀모형은 다음과 같은 수식으로 표현할 수 있는데, 이는 지리가중회귀모형에 추가적으로 각각의 예측변수와 종속변수 간 연관성이 대역(bandwidth)에 따라 다르게 도출된다는 차이점이 존재한다.

즉, 개별지역 i의 예측변수와 종속변수 간 연관성에 대한 위도, 경도와 같은 지리적 위치 정보(μ_i, v_i)로 구성된 W(가중행렬)은 동일하나, 추정계수(parameter)인 β가 bwj로 표현되는 j번째 예측변수와 종속변수 간 조건부 연관성을 반영하여 도출된다는 점에서 차이가 있다. 다양한 대역을 반영한 조건부 연관성은 예측변수와 종속변수 간 국지적 연관성을 보다 정교하게 반영하는 바, 구체적으로 대역(bandwidth)이 더욱 짧을수록 보다 더 자세한 범위의 국지적 연관관계를 보여주며, 대역이 무한대인 경우 공간적 특성을 고려하지 않은 소위 전역적 모형(global model)인 다중회귀모형(OLS)의 특성을 띠게 된다(Cupido et al., 2021). 이들에 따르면, 대역이 짧을수록 종속변수에 미치는 예측변수의 영향이 좁은 공간적 범위에서 변화되며 소위 공간적 비정상성(spatial non-stationarity)를 띠고 있음을 의미한다(Cupido et al., 2021). 즉, 다중범위 지리가중회귀모형은 전 국가적 범위에서 일관적이지 않은 종속변수와 예측변수 간 연관성에 더하여, 이러한 개별 예측변수별 종속변수와의 연관성이 공간적 특성에 따라 다양하게 변화되는 특성을 반영하고 있다고 할 수 있다. 이러한 본 모형은 특성은 지역별로 다양한 형태로 추진되고 있는 출산지원금 사업과 이에 대한 수혜 특성이 지역 출산력에 미치는 영향이 지역별로 상이함과 동시에 출산지원금 수혜 특성의 공간적 다양성을 보다 정교하게 반영할 수 있다는 점에서 유용한 것으로 판단된다.

한편, W (가중행렬)은 앞서 언급한 바와 같이, 위도, 경도와 같은 지역의 위치 정보를 바탕으로 공간적 특성을 반영하는 모형 내 요소로서, (다중범위) 지리가중회귀모형에서 가장 중요하게 다루어져야 할 특성 중 하나로 이해된다. 이때, 가중치행렬을 정의하는 커널 함수(kernel function)로 본 연구에서는 지역 간 거리에 bandwidth를 고려한 가중치(b)의 제곱에 반비례하는 가중치 형태를 반영하는 바이스퀘어 공간 커널 함수(Bi-square spatial kernel function)를 적용하였으며, 예측변수의 균등한 공간적 분포가 아닌 다양한 공간적 분포 특성을 반영하기 위하여 커널함수를 다양하게 반영하는 적응 방식(adaptive)(Fotheringham et al., 2002)을 채택하였다. 커널 함수와 관련하여, 하기 표에 제시되고 있는 세부 요인에 대해서 설명하면 d_ij는 지역i와 지역j간 거리(distance)를, b는 대역(bandwidth)을 의미하는데, 두 지역 간 거리에 따른 가중치가 어느 정도로 민감한 특성을 띠는지 반영하는 요인으로 해석할 수 있다. 즉, b가 증가할수록 거리 가중치가 감소하기 때문에, 공간적 특성을 반영하는 요인의 영향력이 작아지는 반면, b가 감소할수록 공간적 특성의 반영이 더욱 커지는 것이다.

또한, 실증분석을 위하여 통계청에서 집계, 구축하여 공표하는 시군구 합계출산율과 모의 연령별 출산율, 조출생률 연도별 자료3)를 가공하여 모형의 종속변수로 활용하였다. 또한 예측변수로서 지역별 1인당 출산지원금 평균 수혜금액은 보건복지부와 육아정책연구소가 공동으로 수집, 구축하고 있는 2019년도 지방자치단체 출산지원정책 사례집(보건복지부, 육아정책연구소, 2019)에서 제시되고 있는 정보를 바탕으로 활용하였다. 또한, 통제변수로서 고려한 시군구 재정자립도, 고령인구비율, 인구 규모, 조혼인율 역시 통계청에서 집계, 구축하고 있는 집계자료4)를 활용하였다. 228개 시군구 집계변수의 기본적인 특성은 다음 <표 3>을 통해 확인할 수 있다.

Ⅳ. 분석 결과

1. 모형별 추정 결과

본 절의 분석의 여러 목적 중 하나는 예측변수의 공간적 분포 특성을 모형 내에서 고려하는 MGWR 모형을 적용한 추정 결과가 그렇지 않은 모형에 비하여 보다 효율적 추정치를 제공하고 있음을 실증적으로 규명하는 것과 맞물려 있다. 이러한 의도는 <표 4>에서 제공하고 있는 전역적 모형(global model)인 OLS와 MGWR의 조정된 설명계수(adj R-squared)를 보여주고 있다. 조출생률, 합계출산율, 5세 단위 모의 연령별 출산율을 포함한 총 9개의 종속변수별 모든 모형에서 OLS보다 MGWR의 조정된 설명계수가 더 높은 것으로 나타나고 있다. 이는 1인당 평균 출산지원금 수혜금액인 예측변수의 공간적 상관성을 고려한 경우 모형의 설명력이 크게 증가함을 직관적으로 보여주고 있다. 모형의 설명력은 종속변수가 조출생률인 경우와 모의 연령이 25~29세 연령인 경우의 MGWR 모형이 가장 높은 것으로 나타나고 있다.5)

새창으로 보기

표 4.

OLS, MGWR 모형별 조정된 설명계수(adj R²)

모형	Model A: CBR		B: TFR	C: 15~19세 출산율	D: 20~24세 출산율
OLS	0.598		0.327	0.167	0.367
MGWR	0.708		0.544	0.322	0.558
모형	E: 25~29세 출산율	F: 30~34세 출산율	G: 35~39세 출산율	H: 40~44세 출산율	I: 45~49세 출산율
OLS	0.320	0.195	0.299	0.177	-0.005
MGWR	0.629	0.414	0.479	0.267	0.035

<표 5>는 OLS와 MGWR의 모형별 1인당 출산지원금 수혜금액 추정계수 결과를 보여주고 있다. 먼저, OLS의 결과는 각각의 모형별로 1인당 출산지원금 수혜금액이 종속변수에 미치는 영향을 직관적으로 보여주고 있다. 구체적으로, 모든 모형에서 1인당 출산지원금 수혜금액은 지역 출산력 관련 여러 집계변수에 정적(+)인 영향을 미치는 것으로 나타나고 있다. 즉, 1인당 출산지원금 수혜금액이 높을수록 조출생률, 합계출산율, 5세 단위 모의 연령별 출산율이 높은 것으로 나타나고 있다. 이는 공간적 상관성을 고려하지 않은 경우 1인당 출산지원금 수혜금액과 조출생률, 합계출산율, 5세 단위 모의 연령별 출산율 간 전역적인 연관성을 보여주는 것으로, 전역적인 측면에서는 지역 출산지원금이 지역 출산력에 정적(+)인 영향을 미치고 있다. 다만, 출산을 앞둔 부부가 출산지원금이 높은 지역으로 이주하여 수령 후 다시 다른 지역으로 이주하는 가능성과 같은 부분은 본 연구의 한계로 이해될 수 있다. 출산지원금의 효과가 가시적으로 나타나고 있는 것처럼 보이지만, 상기 요인으로 인하여 해당 지역의 출산 장려가 반드시 제고되었는지에 대해서는 보다 심도 있는 연구가 필요하다고 할 것이다.

새창으로 보기

표 5.

모형별 1인당 출산지원금 수혜금액 추정계수

OLS	MGWR
	Mean	Min	Median	Max
		Model A: CBR
0.216***	0.142	0.063	0.129	0.248
		B: TFR
0.305***	0.177	-0.057	0.167	0.167
		C: 15~19세 출산율
0.125*	0.080	-0.061	0.082	0.222
		D: 20~24세 출산율
0.243***	0.098	-0.611	0.129	0.662
		E: 25~29세 출산율
0.268***	0.158	0.131	0.156	0.189
		F: 30~34세 출산율
0.294***	0.264	-0.160	0.209	0.576
		G: 35~39세 출산율
0.220***	0.118	-0.075	0.113	0.341
		H: 40~44세 출산율
0.186***	0.117	0.009	0.113	0.478
		I: 45~49세 출산율
0.122*	0.068	-0.021	0.060	0.200

주: ***, **, *는 각각 통계적 유의수준 1%, 5%, 10%를 의미함.

다만, 지역별 추정계수가 다르게 나타나는 MGWR의 결과는 전역적인 측면의 추정 결과와 같이 지역 출산지원금이 지역 출산력에 정적(+)인 영향 관계가 대체적으로 유지되고 있지만 추정치의 최솟값이 부(-)의 값을 보이는 지역도 존재하고 있다는 점에서 다른 특성을 띠고 있다. 또한 추정계수의 평균과 중위값이 OLS의 추정치에 비하여 다소 작은 특성을 띠고 있다.6)

[그림 5]에서 제시되고 있는 종속변수별 1인당 출산지원금 수혜금액 추정계수의 공간적 분포 특성을 통해, 지역 출산력을 나타내는 다양한 범주의 종속변수에 대한 1인당 출산지원금 수혜금액의 영향력의 차이를 보다 명확하게 살펴볼 수 있다. MGWR의 추정계수는 표준화된 값을 제공하고 있기 때문에 지역별 추정계수의 크기 비교가 가능하다. 조출생률의 경우 경기 북부와 서울, 그리고 호남 해안 및 내륙 일부 지역의 경우 다른 지역에 비하여 1인당 출산지원금 수혜금액이 높을수록 조출생률이 더욱 크게 증가함을 보여주고 있다. 반면, 강원, 충청, 경남 해안 및 내륙 일부 지역으로 이어지는 지역의 경우 상대적으로 1인당 출산지원금 수혜금액과 조출생률 간 정적(+) 연관성의 정도가 약하며 보다 구체적으로 앞서 경기 북부와 서울, 그리고 호남 해안 및 내륙 일부 지역의 추정계수에 비하여 평균 약 1/3~1/4의 수준인 것으로 나타나고 있다. 이러한 경향은 종속변수가 합계출산율인 경우에도 유의하게 나타나지만 경기 북부, 서울 지역은 조출생률의 경우 관측되었던 높은 연관성의 정도가 다소 낮아진 것으로 나타나고 있다. 5세 단위 모의 연령별 출산율이 종속변수인 모형에서도 공통적으로 관측되는 결과는 대체적으로 호남 해안 및 내륙 일부 지역에서의 두 변인 간 정적(+) 연관성이 다른 지역에 비하여 상대적으로 높은 경향이 나타난다는 것과, 30~34세 출산율의 경우 특히 경기 북부와 서울 지역에서의 정적(+) 연관성이 높게 나타나고 있다는 점이다. MGWR 모형을 적용한 추정 결과는 1인당 출산지원금 수혜금액이 높을수록 호남 해안 및 내륙 일부 지역, 경기 북부와 서울의 지역 출산력이 상대적으로 더 크게 증가하고 있으며, 출산지원금의 평균 수혜금액 대비 지역 출산력 제고 효과가 이들 지역에서 더욱 분명하게 도출되고 있음을 보여주고 있다. 반면, 강원, 충북, 경북 일부 지역은 대체적으로 다른 지역에 비하여 1인당 출산지원금 수혜금액과 지역 출산력 간 정적 연관성의 정도가 다소 낮은 것으로 나타나고 있다. [부도 2]에서 확인할 수 있는 것과 같이, 이들 지역의 1인당 출산지원금 수혜금액 평균이 다른 지역과 비교하여 볼 때 낮지 않은 분포를 보이고 있음을 상기하면, 지역 출산력을 제고하기 위한 목적에서의 출산지원금 효과성이 높지 않기 때문에 작지 않은 규모의 현금성 지원으로 인한 지방재정 악화 비효율성을 완화할 필요가 있다. 다만, 현금성 지원의 경우 지급 규모가 축소 내지는 폐지되는 경우 거주민의 반발이 심하고, 특히 출산지원금이 거의 대부분의 지역에서 추진되고 있음을 상기하면, 이들 지역에 대해서는 특별교부세 등의 형태로 중앙정부의 재정적 지원을 고려해 볼 수 있다. 더욱이 본 연구의 실증분석에서 대체적으로 1인당 출산지원금 수혜금액과 지역 출산력 간 정적 연관성의 정도가 다소 낮은 지역이 지역 인구 감소가 상대적으로 심화되는 지역이 두루 포함되어 있음을 상기하면, 지역 출산력 제고 효과성이 상대적으로 낮은 특성에 대해서는 중앙정부의 재정적 지원을 통한 충당이 더욱 의미를 띤다고 할 수 있다.

새창으로 보기

그림 5.

종속변수별 1인당 출산지원금 수혜금액 추정계수의 공간적 분포

또한, 5세 단위 모의 연령별 출산율에 따라 1인당 출산지원금 수혜금액의 영향력이 상이한 특성은 지역별 인구 구조를 포함하여 연령대별 출산율이 상이한 특성이 공간적으로 고려된 데 기인하고 있다 할 것이다. 구체적으로, 특정 연령대의 출산율과 1인당 출산지원금 수혜금액 간 연관성이 높은 특성을 띠는 군집 지역은 이들 지역의 특정 연령대 출산율이 재정적 지원에 민감하게 반응하는 동시에 인접 지역 간 유사한 특성이 나타남을 보여주는 것이다. 반면, 낮은 연관성을 띠는 군집 지역은 지역 인구 구조 및 재정적 지원에 덜 민감한 특성이 인접 지역 간 유사성을 공유하여 나타나는 것으로 해석할 수 있다. 1인당 출산지원금 수혜금액이 높음에도 불구하고, 지역 출산력이 제고되지 않는 지역의 경우 보다 심층적인 출산지원금 수혜 실적과 성과 평가, 모니터링의 필요성이 강하게 대두된다고 할 수 있다. 본 연구 결과는 구체적으로 어떤 이들이 출산지원금을 수혜하는지, 이들이 수혜 이후 다른 지역으로 유출되는지 등에 대한 심도 있게 집계적으로 관리할 필요성을 시사하고 있다.

[그림 6]에서 확인할 수 있는 MGWR 모형의 잔차의 공간적 분포는 앞서 살펴본 OLS의 잔차와 비교하여 볼 때 각각의 종속변수별 공간적 군집 특성이 다소 사라졌음을 확인할 수 있다. 이러한 경향은 모형 내에서 각각의 종속변수가 띠는 공간적 상관성을 고려하여 잔차의 종속성을 제거한 결과로서 이해되고 있다(Cupido et al., 2021).

새창으로 보기

그림 6.

종속변수별 MGWR 잔차(MGWR residual)의 공간적 분포

Ⅴ. 결론

본 연구는 출산지원금 규모와 지역 출산력 간 연관성이 공간적으로 다를 개연성을 심도 있게 고려하기 위하여 MGWR 모형을 적용하여 두 변인 간 연관성을 실증적으로 분석하였다. 본 연구에서 주목하고 있는 주된 논의사항은 1인당 출산지원금 수혜금액이 지역 출산력 집계지표에 미치는 영향(1인당 출산지원금 수혜금액의 추정계수)이다. 가구의 출산 결정에 미치는 다양한 요인을 추가적으로 고려할 필요성에도 불구하고, 본 연구는 출산지원금이 가구의 양육 부담을 경감시키는 요인으로 작용하여 지역의 출산력이 제고됨에 초점을 두었다. 지역 간 공간적 상관성을 고려하지 않는 OLS 모형의 분석 결과는 1인당 출산지원금 수혜금액 평균은 지역의 출산력을 나타내는 조출생률과 합계출산율, 그리고 5세 단위 모의 연령별 출산율에 정적(+)인 영향력을 미치는 것으로 나타났지만, 이러한 제약을 완화하는 MGWR 모형의 추정 결과는 이러한 정적(+) 연관성이 지역별로 상이하게 나타남을 보여주고 있다. 이는 대부분의 지역에서 두루 지원되고 있는 지역 출산지원금이 지역의 출산력 제고에 미치는 영향력이 지역별로 상이하며, 지역의 사회경제적 특성을 비롯하여 지역의 정책 추진 환경을 종합적으로 고려하여 지역 출산지원금 재원 조달을 포함한 성과 평가와 관련된 모니터링이 보다 심도 있게 이루어질 필요성을 시사하고 있다.

구체적으로 MGWR 모형을 적용한 실증분석 결과에서 확인할 수 있는 것과 같이, 1인당 출산지원금 수혜금액이 지역 출산력에 미치는 정적 영향력이 상대적으로 낮은 지역은 대체적으로 지역 인구 감소, 인구 고령화 등의 인구 변화에 따른 사회경제적 수준이 점차 악화되는 동시에 재정 여건 등의 정책 추진 여건이 높지 않은 지역으로 이해되고 있다. 이들 지역의 출산지원금에 대한 국가적 지원은 이들 지역의 현금성 지원에 대한 안정적 재원 조달과 더불어 장소 기반 정책으로서도 의미가 있을 것으로 보인다. 지역의 출산 장려 측면에서 실효성이 상대적으로 높지 않다고 해서 지급 규모를 축소하거나 제도를 폐지할 수 없으며, 이들 지역의 재정적 여건이 높지 않음을 상기할 때, 중앙정부의 재정적 지원은 지속적인 정책 추진을 가능하게 하는 기반으로 작용할 수 있을 것으로 보인다. 즉, 본 연구의 MGWR 적용 결과는 출산지원금과 같은 지역의 현금성 지원사업에 대한 국가적 지원의 필요성을 부각시킨다고 하겠다. 구체적으로, 대부분의 지역에서 추진하고 있는 출산지원금 정책과 관련하여 현금성 지원사업 재원에 대한 차등적 재정 보조와 같이 중앙정부의 역할이 보다 강조되어야 한다. 이러한 논의는 Brachert, Dettmann & Titze(2019)가 제시하는 바와 유사하게 낙후된 지역에 대한 투자 지원 정책을 추진하는 것과 그 궤를 같이 하고 있다. 이는 중앙정부의 재정적 지원이 장소기반적 특성을 견지하여, 특히 인구감소지역에서의 현금성 지원에 대한 재정 지원 정책을 추진하여야 하는 필요성을 시사하고 있다. 출산지원금 정책과 같은 현금성 지원 정책으로 인구감소지역이 경험하는 재정적 악순환의 양상이 보다 악화될 개연성을 국가의 재정적 지원으로 완화시킬 수 있다는 데 기인하고 있다 할 것이다. 다만, 보다 세부적으로, 재정 지원 시 출산 지원이 필요한지 여부 그리고 출산 지원 시 현물보다 현금 지원이 더 적절한지 여부는 서로 다른 질문으로 구분하여 논의할 필요가 있으며, 이는 추후 연구에서 보다 심층적으로 살펴볼 필요가 있다.

또한 본 연구에서 적용한 MGWR 모형의 추정 결과는 지역 출산력에 미치는 출산지원금의 영향력과 관련된 공간적 분포 특성이 분명하게 나타나며, 개별 지역에서 출산지원금의 실효성을 지속적으로 탐색하기 위한 모니터링 기반의 필요성을 시사하고 있다. 아울러 이러한 객관적 사후 평가에 따라 중앙정부가 보편적인 수준에서 재원을 조달하는 방향은 이들 지역에서의 지속적인 정책 추진과 더불어 이들 지역이 경험하는 재정적 악순환을 고려할 때 개선 대안으로서의 의미가 있다고 판단된다.

본 연구의 한계점은 다음과 같다. 추후 보다 다각적인 방법을 통하여 지역 출산지원금의 효과를 둘러싼 복잡한 경로에 접근할 필요성이 다분하다는 것이 바로 그것이다. 단적으로, 본 연구는 1인당 출산지원금 수혜금액과 지역 출산력 집계변수 간 연관성에 대한 공간적 변이가 나타나는 이유에 대해서는 규명하지 못하였다. 왜 특정 지역에서는 정적(+) 연관성이 상대적으로 높은 반면, 어떤 지역에서는 왜 낮은지, 이는 추후 공간적 프로세스를 보다 미시적인 방법과 병행하여 살펴보는 방법을 활용함으로써 추가적인 논의가 가능할 것으로 보인다. 가령, 지역 간 출산지원금 수혜 연령대의 인구 이동의 특성을 추가적으로 고려한다면, 상기 연관성에 대한 공간적 변이를 둘러싼 다양한 원인 중 하나를 구체적으로 살펴볼 수 있을 것으로 보인다. 앞서 언급한 지역 출산지원금이 인접 지역 간 무분별한 인구 경쟁의 양상을 유발하는 요인으로 작용하고 있다는 논의와 인구감소지역과 같이 사회경제적 여건 및 정책 추진 여건이 상대적으로 높지 않은 지역에서의 출산지원금 규모가 큰 특성이 1인당 출산지원금 수혜금액과 지역 출산력 집계변수 간 연관성의 공간적 변이에 미치는 영향을 추가적으로 파악할 수 있을 것으로 보인다. 또한, 본 연구에서는 시군구 단위의 경제적 특성을 반영할 수 있는 변수를 고려하지 못한 한계점이 존재한다. 이는 1인당 GRDP의 경우 광역시도별로 공표시기가 상이하여 일관성 있는 시점에서의 자료 구득이 여의치 않았던 것에 기인하고 있다. 아울러, 사업체 수의 경우에도 최근 시점에서의 자료 구득이 일관성 있게 이루어질 수 없는 한계점에 기인하고 있다. 그밖에 고용률, 실업률 등의 대리변수, 가구소득, 여성의 상대임금, 보육시설 접근도와 같은 요인도 충분히 고려할 필요성에도 불구하고 유사한 한계점으로 인하여 활용하지 못하였다. 전반적으로 자료의 가용성 측면에서의 한계에 기인하고 있지만, 추후 연구에서는 이에 대해서 다른 방법으로 고려할 필요가 있다.

또한, 1인당 출산지원금 수혜 금액은 지역의 출산지원금 규모와 밀접하게 맞물려 있으며, 이는 합계출산율과 같이 정책 수요를 대리하는 특성과 밀접하게 연관되어 있다는 점에서 엄밀하게 내생성을 통제하지 못한 한계가 있다. 이에 패널자료나 도구변수와 같은 추가 분석 방법을 통해 이를 해결할 필요성이 있다. 다만, 다만, 본 연구는 대부분의 지역에서 두루 지원되고 있는 지역 출산지원금이 지역의 출산력 제고에 미치는 영향력이 지역별로 상이하기 때문에, 이를 정교하게 고려할 수 있는 모형 결과를 통해 무분별하게 추진되고 있는 양상에 대한 심도 있는 성과 평가 체계가 필요함을 제시하고자 하고 있음을 언급하고자 한다. 지금까지 언급한 사항은 추후 연구과제로 남기며 마무리하고자 한다.