Journal Search Engine
Search Advanced Search Adode Reader(link)
Download PDF Export Citaion korean bibliography PMC previewer
ISSN : 1225-8857(Print)
ISSN : 2288-9493(Online)
Journal of Korean Society of Rural Planning Vol.22 No.4 pp.139-146
DOI : https://doi.org/10.7851/ksrp.2016.22.4.139

Analysis on Spatial Pattern Changes of Aging Phenomenon and Relation between Aging Population and Regional Characteristics

Jimin Lee
Research Institute of Agriculture and Life Sciences, Seoul National University

Corresponding author : Lee, Jimin 02-880-4580habi1004@snu.ac.kr
October 14, 2016 November 6, 2016 November 22, 2016

Abstract

Aging phenomenon is an important issue in Korea national policy. This aging phenomenon depends on the social and environmental characteristics of regions. Also aging phenomenon and regional characteristics have spatial dependency. The purpose of this study is to discover the spatial changes in aging population rate and to find local factors of regional aging phenomenon considering spatial autocorrelation. For spatial analysis of ageing phenomenon, local Moran’s I and Geographically Weighted Regression (GWR) were applied. As the results, the most significant changes of aging phenomenon appeared between 2000 and 2005, and most of hot-spot regions (aged regions) were distributed in Jullanam-do and Jullabuk-do. The results of GWR (R-square: 0.681) shows that total fertility rate, the number of doctor per 1,000 people and forest area rate have positive relation with aging population rate, but the number of private academy per 1,000 people has negative relation.


고령화 현상의 공간적 패턴 변화와 지역특성과의 관계 분석

이 지민
서울대학교 농업생명과학연구원

초록


    National Research Foundation
    NRF-2015R1C1A2A01052421Ministry of Science, ICT and Future Planning

    I.서 론

    우리나라 65세 이상 고령인구 비율은 2015년 기준 13.2%로 2000년 고령화 사회(고령인구비율 7.3%)에 진입 한 이래 2005년 9.3%, 2010년 11%를 기록하며 꾸준히 증가하고 있다. 통계청(2010)은 우리나라가 2018년에는 고령 사회(고령인구비율 14%이상)에, 2026년에는 초고령 사회(고령인구비율 20%이상)에 도달할 것으로 전망하고 있다. 특히, 농촌지역의 고령화는 도시지역보다 빨리 진 행되고 있어 2015년 기준 전라남도 지역은 고령화율 21.2%로 초고령사회에 진입하였고, 전라북도(17.9%), 경 상북도(17.8%), 강원도(16.9%), 충청남도(16.3%) 지역 또 한 이미 고령사회에 해당한다(Statistics Korea, 2015).

    이러한 고령화 현상은 사회적, 경제적, 문화적, 자연환 경의 영향을 받는 사회현상이라 볼 수 있으며, 이와 관 련된 다양한 연구가 진행되었다. Kim(2002)은 백 살 이 상 노인이 거주하고 있는 지역의 사회적 요인을 분석하 여 재정자립도, 수질오염, 마늘과 콩 생산 점유율과 상관 관계가 있음을 밝혔으며, Lee et al.(2012)는 고령화 속도 와 지역특성의 변화를 분석하였다. 한편, Jinmei et al.(2011)은 중국의 장수인구 분포지역이 사회적 요인보 다 환경적 요인에 영향을 받는다고 제시하였으며, 국내 고령화와 자연 환경적 요인에 관한 연구로는 Kim et al.(2002)Han et al.(2005)의 연구가 존재하며, 이들 연 구에서는 각각 장수도와 기온, 강수, 고도, 산림면적 등 과의 관계를 분석하였다. 이와 같이 고령화는 사회적 요 인뿐만 아니라 환경적 요인이 함께 작용한다고 보고 있 다. 그러나 이러한 연구들은 주로 통계자료를 이용한 비 공간적 분석이라는 특징을 가지며, GIS를 활용한 연구에 서도 공간적 분석보다는 공간적으로 가공하여 주제도를 보여주는 데 중점을 두고 진행되었다.

    Tobler(1970)가 제시한 지리학의 1법칙을 고려할 때 고 령화는 공간상에서 상호작용하는 특성을 가진다. 또한 고령화와 관련된 사회, 자연 환경적 요인은 지형공간상 에서 연속적인 형태로 분포하게 되므로 공간적으로 인접 한 지역일수록 더욱 큰 유사성을 가지는 경향이 있으므 로 이를 고려한 연구가 필요하다. 고령화 현상의 공간적 분석에 관한 연구로는 Choi and Suh(2012)Yeo and Suh(2014)이 연구가 있었으나, 연구대상지가 한정되고 단 순한 현상분석에 그친 한계를 가진다.

    따라서 다년도간 지속된 우리나라의 고령화 현상 및 변화를 살펴봄에 있어 공간자기상관을 고려하여 분석하 여야 하며, 고령화과 관련된 지역요인 분석에서도 이러 한 공간적 특성을 고려하여야 지역특성에 맞는 공간정책 수립이 가능할 것이다.

    본 연구에서는 공간분석기법을 활용하여 장기간 자료 를 통해 우리나라 고령화 현상의 공간분포패턴 변화를 분석하고, 2010년을 기준으로 고령화 현상과 사회․ 자연․ 환경적 요인과의 관계와 각 요인의 공간적 영향 관계를 분석하고자 한다.

    II.자료 및 방법

    1.연구 자료

    고령화의 공간분포패턴을 분석하기 위한 고령인구자 료는 인구총조사 자료를 이용하여 1975년부터 2010년까 지 자료를 구축하였다. 공간 자료인 행정구역도와 연계 하기 위해 2010년 행정구역 기준으로 자료를 재집계하 였다. 도시지역 분화로 인하여 누락된 데이터가 존재하 여 1995년 이전까지는 특별시와 광역시를 제외한 지역 을 대상으로 분석하였으며, 2000년부터 2010년까지는 전 국을 대상으로 분석하였다.

    고령화와 지역의 사회적, 환경적 요인과의 관계 분석 을 위한 자료는 통계청 지역 통계와 지적 통계, 기상청 기상 정보를 활용하여 인구, 경제, 복지, 교육, 기상, 환 경요인을 대표할 통계치를 선정하고 2010년을 기준으로 시군구 단위 자료를 구축하였다. 기상자료의 경우, IDW (Inverse Distance Weighted) 방식으로 보간하여 구축하였 다. 각 영역별 독립변수는 합계출산율, 인구 천 명당 사 업체 수, 인구 천 명당 의사 수, 인구 천 명당 사설학원 수, 평균기온, 연 강수량, 산림 면적 비율로 선정하였다 (Table 1). 또한 공간적 인접지역이 적은 제주지역은 분 석에서 제외하였다.

    2.연구 방법

    고령화 현상의 공간적 분포 특성을 파악하기 위해 국 지모란지수를 이용하여 고령화 집중지역 및 아웃라이어 지역을 살펴보고 지리가중회귀모형을 통해 고령화의 지 역특성과의 관계를 분석하고자 하였다. 연구 흐름은 Figure 1과 같이 1) 고령화 현상의 시계열 변화 분석 2) 고령화 핫스팟 변화 분석 3) 지역 특성과의 관계 분석으 로 이뤄진다.

    가.국지모란지수

    고령화 현상의 공간적 패턴을 분석하기 위해 국지적 공간통계기법 중 국지모란지수(Local moran’s I)을 이용 하였으며, 식(1)에 의해 산정된다. 식(1)에서 wi,j는 공간 가중치 행렬을 의미하는데 본 연구에서는 거리반비례 (inverse distance)방식을 사용하였다.

    I i = x i X ¯ S i 2 i = 1 , j 1 n w i , j ( x j X ¯ ) S i 2 = i = 1 , j 1 n ( x j X ¯ ) 2 n 1
    (1)

    국지모란지수 분석은 거리가 가까운 두 지역을 비슷 한 그룹으로 추정하여 분석하는 방법으로, 거리가 가까 울 경우 자기상관관계가 존재한다고 추정하고 분석결과 이와 같은 추정이 기각되는 경우 핫스팟으로 판별한다 (Kang, 2008). 본 연구에서는 Arcgis를 이용하여 각 연도 별 고령인구비율의 공간적 분포 패턴을 분석하였으며, 분석결과인 국지모란지수, 국지모란지수의 Z값에 의해 High-High(H-H), Low-Low(L-L), Low-High(L-H), High-Low(H-L) 으로 구분된 클러스터를 도출하였다. 각 클러스터의 특징은 Table 2와 같다. 이러한 클러스터는 공간적으로 유사한 지역이 집중된 핫스팟(H-H)과 콜드스 팟(L-L), 공간적으로 이질적인 특징을 보인 아웃라이어 (spatial outlier) 지역으로 고령인구비율의 연도별 핫스팟 지역의 증감 및 분포의 공간적 변화를 살펴보았다.

    나.지리가중회귀모형 분석

    Fortherinham(2002)에 의해 체계화된 지리가중회귀모형 (Geographically Weighted Regression: GWR)은 선형 회귀 분석의 추정결과를 지역별 자료에 적합하게 맞춘 국지적 회귀분석 방법이다(Lee et al., 2006). GWR모형은 회귀계 수를 상수가 아닌 위치의 함수로써 적용하여 모든 공간 단위에서 위치에 따라 독립변수의 효과가 달라지는 변동 성을 설명할 수 있다(Choi and Suh, 2012; Chun, 2016). GWR모형은 식(2)과 같이 정리할 수 있으며, 식에서 β 는 회귀계수를 의미하며, W(i)는 공간가중치행렬을 의미 한다.

    Y i = β 0 ( u i , υ i ) + k β k ( u i , υ i ) + i β ( i ) = ( X T W ( i ) X ) 1 X T W ( i ) Y
    (2)

    공간가중치행렬은 커널(kernel)에 따라 계산되는데 고 정커널(fixed kernel)과 적응커널(adaptive kernel) 방식이 있다. 고정커널은 모든 지역에 동일한 bandwidth를 사용 하는 형태이며, 적응커널은 자료의 밀집정도에 따라 다 른 bandwidth를 사용한다(Choi and Suh, 2012). 본 연구에 서는 적응커널을 적용하였다.

    본 연구에서는 자기공간상관을 갖는 고령화 현상과 지역특성을 분석하기 위해 종속변수는 2010년 고령화율, 독립변수는 합계출산율, 인구 천 명당 산업체수, 인구 천 명당 의사 수, 인구 천 명당 사설학원 수, 평균 기온, 연 강수량, 산림 면적 비율로 설정하여 지리가중회귀모형 분석을 실시하였다.

    III.고령화의 공간적 패턴 분석 결과

    1.고령화 확산 현상

    고령화 현상의 연도별 변화를 살펴보기 위해 1975년 부터 2010년까지 인구총조사 자료를 이용하여 각 연도 별 고령화율(65세 이상 인구비율)을 살펴보았다. 고령화 사회, 고령 사회, 초고령 사회를 구분하는 기준을 이용하 여1) 주제도의 범례를 3%, 7%, 14%, 20%, 20%초과지역 으로 구분하여 작성하였다(Figure 2).

    고령화지역이 뚜렷하게 나타난 시기는 1995년 이후이 며, 2000년부터 고령화율이 20%이상인 초고령 지역이 확대됨을 살펴 볼 수 있었다. 2000년 초고령 지역의 수 는 6개 지역으로 경상남도 남해, 의령, 경상북도 예천, 의성, 전라북도 순창, 임실 지역으로 나타났으나 2005년 46개, 2010년 66개 지역으로 크게 확대되었다. 고령화가 확산되는 공간적 특성을 살펴보면 경상남북도와 전라남 북도지역으로, 2005년 이후 강원도 지역으로 확대되어 수도권 및 충청지역 이외 전국적으로 고령화현상이 나타 남을 알 수 있다 .

    이러한 고령화현상이 확대되는 시기를 살펴보기 위해 각 5년간 고령인구 비율의 변화를 2.5% 간격으로 지도 로 표현하면 Figure 3과 같다. 가장 큰 고령화률 변화를 보인 시기는 2000년에서 2005년 사이로 나타났으며, 2005년에서 2010년 사이 고령인구비율의 변화는 다른 시기보다 크지 않음을 알 수 있다. 이는 2005년 이후 고 령화 변화 속도는 조금 둔화된 현상을 보이고 있다.

    2.공간적 패턴 분석 결과

    각 연도별 고령인구의 핫스팟 분포를 분석하기 위해 국지모란지수 분석을 통해 클러스터를 도출하고 도시하 다(Figure 4, Table 3). 고령화율이 높은 지역이 밀집한 핫스팟(H-H) 지역은 1985년 25개 지역에서 1995년 47개 지역까지 확대됨을 알 수 있었다. 1990년에서 1995년 사 이 고령화 집중 지역인 크게 증가하였는데, 전라남도 4 개 지역(곡성, 구례, 담양, 장성)에서 16개 지역으로, 전 라북도 5개(무주, 순창, 임실, 장수, 진안) 지역에서 10개 지역으로 증가하였다. 이러한 증가로 전라남북도 대부분 의 지역이 핫스팟지역에 해당하는 것으로 나타났다. 이 러한 현상은 1995년 이후 지속적으로 유지되고 있었다.

    콜드스팟(L-L)은 1995년에서 2000년 사이 해당 지역 수가 크게 증가하였는데, 이는 2000년 이후 분석대상지 역에서 도시지역인 특별시와 광역시를 포함하게 되어 나 타난 현상이다. 도시지역은 대부분 고령화율이 낮은 지 역에 해당하는 콜드스팟(L-L)으로 나타났다. 이러한 콜드 스팟 지역은 특별시 및 광역시인 도시지역 이외 경기도 지역이 주를 이루고 있으며, 2010년까지 지속적으로 확 대되고 있는 것으로 나타났다. 특히 1995년 이후 충청남 도 천안시가 콜드스팟으로 나타난 이후 충청남도, 강원 도 지역도 확대되는 모습을 보였다. 이는 수도권의 영향 이 주변 지역으로 확대되는 것으로 판단된다.

    주위 지역이 고령화율이 낮으면서 해당지역은 고령화 율이 높은 아웃라이어(H-L)지역은 특별한 특징을 보이지 않았으나, 해당지역은 고령화율이 낮으나 주위지역이 고 령화율이 높은 아웃라이어(L-H)지역은 1990년 이후 동일 한 지역이 지속적으로 해당하는 것으로 나타났다. L-H지 역으로 나타난 지역은 경상남도 진주, 경상북도 구미, 광 주 광산구, 북구, 전라남도 광양, 목포, 순천, 여수, 전라 북도 전주시 지역으로 나타났다. 이들 지역은 지역 내에 서 도시화된 지역으로 볼 수 있을 것이다.

    이와 같이 고령화현상은 일정한 클러스터를 형성하면 서 확대되고 있으며, 고령화 핫스팟뿐 만 아니라 콜드스 팟 지역도 확대됨을 알 수 있었다. 이는 고령화의 지역 별 격차가 확대되고 있음을 확인할 수 있다.

    IV.고령화와 지역특성의 지리가중 회귀분석 결과

    고령인구 비율과 지역특성과의 관계 분석을 위해 지리 가중회귀모형을 적용하였다. 회귀분석에서 다중공선성 문제를 해결하기 위해 독립변수로 선정한 변수들 간의 상관분석을 실시한 결과(Table 4) 산업체수와 의사수가 높은 상관관계를 갖고 있어 산업체수 변수를 제거하였다.

    상관분석을 실시하여 변수를 제거했음에도 GWR모형 분석하는 과정에서 다중공선성 문제가 발생하여 불필요 한 독립변수를 살펴보기 위해 공간효과를 고려하지 않은 OLS(Ordinary least square)분석을 실시하였다. 그 결과 수 정된 R2은 0.526으로 나타났으며, 회귀계수의 유의확률 값을 살펴보면 기온변수는 유의하지 않은 것으로 나타났 다(Table 5). 또한 강수량 변수의 회귀계수 값이 매우 작 아 영향이 거의 없는 것으로 나타났다.

    OLS 분석에서 유의하지 않으며, GWR 분석에서 국지 적 다중공선성을 갖는 변수로 나타난 기온변수와 강수량 변수를 제외한 모형을 적용하였다. GWR 분석 결과 수 정된 R2값은 0.681로 나타났으며, R2값의 공간적 변동 성을 그래프로 살펴보면 Figure 5와 같다. 분석 대상이 된 228개 지역에 대해 0.4 이상의 설명력을 갖으나 지역 별 편차는 존재하는 것으로 나타났다.

    각 독립변수의 회귀계수 값의 최소, 최대, 평균, 표준 편차 값은 Table 6과 같다. 회귀계수 값을 살펴보면 합 계출산율, 천 명당 의사 수, 산림 면적 비율은 고령화율 과 정(+)의 관계를 가지며, 인구 천 명당 사설학원 수는 고령화율과 부(-)의 관계를 갖는 것으로 나타났다.

    회귀계수 값을 살펴보면 산림면적 비율이 가장 큰 값 을 가지며, 인구 천 명당 사설학원수가 두 번째로 큰 절 대 값을 갖는 것으로 나타났다. 이는 도시지역의 고령화 율이 농촌지역보다 낮은 특성에 의한 영향이 모형 분석 결과에 나타난 결과라 판단된다. 또한 다른 변수에 비해 영향력이 적지만 인구 천 명당 의사 수는 고령화에 긍정 적인 영향을 미치는 것을 알 수 있었다.

    지역별 회귀계수의 공간적 분포를 살펴보기 위해 표 준편차 값을 기준으로 주제도를 작성하였다(Figure 6). 그 결과, 출산율의 회귀계수 값은 동과 서 방향으로 다 른 경향을 보였으나 표준편차의 1.5배 이상에 해당하는 지역은 넓게 나타나지 않았다. 사설학원 변수의 경우 남 쪽과 북쪽으로 나누어 다른 분포를 보이고 경상북도 일 부지역에 고령화와 부(-)의 영향이 큰 지역이 집중된 지 역이 있으나 유의한 수준으로 나타나진 않았다. 이에 반 해 의사수의 경우 고령화율과 관계가 높게 나타난 지역 이 경상북도 예천, 영주, 봉화 지역에 공간적으로 집적되 어 나타났다. 산림면적 비율의 경우에도 경상북도 김천, 구미, 칠곡, 성주, 고령지역의 경우 높은 회귀계수 값을 갖는 지역이 공간적으로 집중된 모습을 보였다. 이와 같 이 지역별로 각 독립변수가 갖는 영향의 정도가 다름을 알 수 있었으며, 지형과 의료복지가 중요한 요인으로 작 용하는 지역의 집중을 확인하였다.

    V.결 론

    본 연구에서는 급속히 진행된 고령화 현상을 시간에 따른 공간분포 패턴 분석을 통해 핫스팟을 살펴보고, 고 령화 현상과 사회․자연․환경적 요인과의 관계를 분석하고 자 하였다. 이러한 고령화 현성은 공간적 의존성을 가지 며, 지역 특성 또한 인접한 지역과 유사한 특성을 가지 므로 공간적 자기상관을 고려하기 위해 공간통계기법인 국지모란지수 분석과 지리가중회귀분석을 이용하였다.

    고령인구 비율을 기준으로 1975년부터 5년 간격으로 살펴 본 결과, 2000년 이후 초고령지역이 나타났으며, 서울 수도권 이외의 전국으로 확대되고 있음을 알 수 있 었다. 또한 각 5년간의 고령인구비율의 변화를 통해 2000년에서 2005년 사이 고령화 속도가 가장 크게 나타 났다. 이러한 고령화 현상은 시간에 따라 군집화가 진행 된 것으로 나타났으며, 1985년에는 전라도와 경상도의 중산간지역이 고령화율이 높은 핫스팟지역이었으나 점차 확대되어 전라남도와 전라북도로 넓게 나타났으며 이러 한 현상은 현재까지 지속되고 있다. 콜드스팟 지역의 경 우 수도권의 영향으로 충청남도, 강원도 지역으로 확대 되고 있음을 확인하였다. 아웃라이어 지역 중 고령화율 이 낮으나 주위 지역이 고령화율이 높은 (L-H)지역은 경 상남도 진주, 경상북도 구미, 광주 광산구, 북구, 전라남 도 광양, 목포, 순천, 여수, 전라북도 전주시 지역으로 나 타났다.

    또한 고령화 현상과 인구, 산업, 복지, 교육, 기후, 환 경 요인과의 관계를 GWR 모형을 이용하여 살펴보았다. 사업체수와 기상변수는 다중공선성 문제로 제거한 후 모 델을 분석한 결과, 수정된 R2은 0.681로 나타났으며, 합 계출산율, 천 명당 의사 수, 산림 면적 비율은 고령화율 과 정(+)의 관계를 가지며, 인구 천 명당 사설학원 수는 고령화율과 부(-)의 관계를 갖는 것으로 나타났다. 이는 산간지역, 비도시화 지역이 고령화가 많이 진행되었으며, 의료복지 여건이 고령화에 긍정적인 역할을 함을 알 수 있었다. 지역별 회귀계수를 분석한 결과, 경상북도의 예 천, 영주, 봉화 지역은 의사 수 변수가 고령화율에 높은 영향을 주는 것으로 나타났다.

    본 연구는 고령화 현상의 공간적 분포 특성을 분석하 고 지역별 사회적 자연․환경적 요인과의 관계를 살펴보 고자 하였으나, 많은 지역특성 변수를 선정하지 못하여 지역에 따른 고령화 요소를 도출하고 이를 활용하는 방 안을 제시하는데 한계를 가진다. 그러나 공간적 자기상 관을 고려한 분석방법은 지역별 특성에 따른 대응방안 마련 등에 활용될 수 있을 것이다.

    본 연구는 2015년도 정부(미래창조과학부)의 재원으 로 한국연구재단의 지원을 받아 수행된 기초연구사 업임(NRF-2015R1C1A2A01052421)

    Figure

    KSRP-22-139_F1.gif

    Flow chart of this study

    KSRP-22-139_F2.gif

    The rate of aging population (1975~2010)

    KSRP-22-139_F3.gif

    Aging population rate changes during the period

    KSRP-22-139_F4.gif

    Spatial clusters maps of aging population rate

    KSRP-22-139_F5.gif

    Spatial variability of local r square

    KSRP-22-139_F6.gif

    Thermatics maps of GWR coefficients

    Table

    Independent variables in geographically weighted regression

    Explanation of cluster types in results of local moran’s I analysis

    Number of regions by sido and cluster categories

    Seoul:SO, Incheon:INC, Pusan:PS, Ulsan:US, Gwangju:GWJ, Gyeonggi-do,:GG, Gangwon-do:GW, Chungcheongnam-do:CN, Chungcheongbuk-do:CB, Gyeongsangbuk-do:GB, Gyeongsangnam-do:GN, Jeollabuk-do:JB, Jeollanam-do:JN,

    Pearson’s r between variables

    ***p<0.001,
    **p<0.01,
    *p<0.05

    Results of OLS

    Results of GWR

    AICc: Akaike’s information criterion

    Reference

    1. Choi D J , Suh Y C (2012) Geographically Weighted Regression on the Environmental-Ecological Factors of Human Longevity , Journal of the Korean Society for Geo-spatial Information System, Vol.20 (3) ; pp.57-63
    2. Chun H J (2016) A Study on Estimation of Housing Price Using GWR Model and GIS Technology , Residential Environment, Vol.14 (1) ; pp.1-12
    3. Fotheringham A S , Brundson C , Charlton M B (2002) Geographically Weighted Regression: the Analysis of Spatially Varying Relationships, John Wiley and Sons Ltd,
    4. Han Y C , Lee J J , Jung N S (2005) Longevity and Environmental-Ecological Characteristics , Journal of the Korean Society for Gerontology, Vol.15 (3) ; pp.76-82
    5. Jinmei L , Wuyi W , Yonghua L (2011) Effects of Environmental Factors on the Longevous People in China , Archives of Gerontology and Geriatrics, Vol.53 ; pp.200-205
    6. Kang H J (2008) Hot Spot Analysis : Basic Spatial analysis, Nearest Neighbor Hierarchical Clustering Analysis and Local Moran’s I , The Korea Spatial Planning Review, Vol.324 ; pp.116-121
    7. Kim J I (2002) Social-environment Factors by Region of Centenarians , Journal of the Korea Gerontological Society, Vol.21 (3) ; pp.157-168
    8. Kim Y S , Kim S S , Lee H J , Lee J J (2002) Assessment of Geographic Factors with Time on Longevity using Geographic Information System , Journal of Korean Society of Rural Planning, Vol.8 (3) ; pp.41-48
    9. Lee J M , Lee Y H , Bae Y J , Lee J J , Suh K (2012) Development of Indicators to Evaluate the Regional Preparedness Level for Rural Aging , Journal of Korean Society of Rural Planning, Vol.18 (4) ; pp.69-78
    10. Lee S W , Yoon S D , Park J Y , Min S H (2006) The Practice on spatial econometrics models, Pakyoungsa,
    11. Statistics Korea (2010) Future population projections,
    12. Statistics Korea (2015) 2015 Elderly statistics,
    13. Tobler W (1970) A Computer Movie Simulating Urban Growth in The Detroit Region , Economic Geography, Vol.46 (2) ; pp.234-240
    14. Yeo C H , Seo Y H (2014) An Analysis on the Spatial Spillover Patterns of Aging Population in Rural Areas , Journal of the Korean Association of Geographic Information Studies, Vol.17 (3) ; pp.39-53