Ⅰ. 서론
우리나라는 경제협력개발기구(Organization for Economic Cooperation and Development, OECD) 국가 중 자살률 지표에서 2018년 1위를 차지하는 불명예를 안았다[1]. 이러한 높은 자살률은 단년도 에 국한된 것이 아니라, 최근 10년간 지속해서 나 타나고 있다[2]. 중앙자살예방센터에 따르면 2010 년부터 2019년 사이 인구 10만 명당 자살사망자 수 비율은 최저 24.3%에서 최대 31.7%로 나타났으 며, 최저였던 2017년조차 OECD 기준 자살률 2위 에 해당하였다. 그런데 더 큰 문제는 이것이 2019 년 이전의 통계수치라는 것이다. 2019년 말부터 COVID-19 감염병 대유행이 일어나 전 세계 사회 경제에 큰 타격을 주었고, 현재까지 이어지고 있 다. 한 사회·국가적 대규모 경제 위기가 사회구성 원들의 자살률에 강력한 영향을 미친다는 것은 이 미 역사적 경험을 통해 잘 알려져 있다[3].
특히 자살 문제에 있어서는 여성보다 남성에게 주의가 집중된다. 선행연구들과 다양한 통계 결과 들은 한국 남성의 자살률은 여성에 비해 2배, 혹은 그 이상의 수치를 보여주고 있다[4]. 선행연구들은 이에 대해 여성이 자살 충동을 느끼거나 자살 생 각을 하는 비율은 남성에 비해 더 높지만, 막상 자 살 수단을 선택할 때는 남성들이 더 치명적인 수 단을 택하기 때문이라고 하였다[5].
자살은 원래 지극히 ‘개인적인 문제’로 간주되어 왔으나, 뒤르켐의 자살론 이후 개인의 문제를 넘어 선 하나의 사회적 현상으로 정의되기 시작하였다 [6]. 즉, 자살은 개인의 독립적이고 자발적인 형태 도 존재하지만, 다른 사람의 자살을 보고 따라하는 모방 자살이나 경제불황 시기 공감대 형성을 통한 자살 등 집단적으로 확산되는 모습을 보이기도 하 는 것이다[7]. 일부 연구는 가까운 사회적 관계 내 의 자살 경험이 주위 사람들의 자살 생각과 행동 에 유의한 영향을 주는 것을 확인했다[8]. 거시적 으로는 지역사회의 분위기, 경제활력도, 인구구성 등에 따라서 영향을 받을 수도 있다. 예를 들어, 최근 고령화로 인해 군 지역의 자연 사망률이 크 게 증가하고 젊은 층이 수도권으로 유출됨에 따라 유령마을 등이 생기고 있다. 이러한 마을 소멸 분 위기가 노인자살에 영향을 미칠 수 있는 것이다. 종합적으로 이런 사회적 현상의 관점에서 보았을 때 자살 문제는 국가와 사회 공동체 차원의 정책 적 개입이 필요하다. 정부는 2004년 ‘자살 예방 5 개년 종합대책’을 시작으로 꾸준히 자살예방을 위 한 지원체계를 마련했으며 보건복지부 산하 정신 건강증진센터를 통해 자살예방 사업을 지속적으로 추진해왔다[9]. 하지만 문제해결에 대한 초점이 대 부분 개인의 행동에 맞춰져 있으며, 지나치게 지엽 적이고 일차원적으로 정책이 이루어졌다는 비판이 제기되었다[10].
따라서 근본적으로 자살 방지를 위해서는 지역 단위의 거시적인 접근법이 필요하다고 여겨진다. 그러나 지역의 특성을 고려한 연구, 혹은 지역단위 의 연구는 매우 적은 편이다. 그간 선행연구로 Geographic Information System(이하 GIS)를 이용 한 지역별 자살률에 영향을 미치는 요인분석[11], 지역단위 지표를 이용한 패널분석[12] 핫스팟 분석 을 이용한 지역 특성 요인의 관계분석[13] 등을 수 행한 연구들이 있었지만 당해연도의 횡단연구라는 점과, 2010년도 중반 이전의 자료들이라는 한계점 이 있다. GIS를 이용한 지리정보분석과 패널분석 을 동시에 시행한 연구 사례는 드물며, 자살률과 지역 특성을 고려한 연구 또한 같은 상황이다.
지역의 특성은 그 위치와 주변의 환경에 따라 다르기에 동일하다고 할 수 없다. 도시와 농어촌이 라는 큰 틀에서만 보아도 그 규모와 속성이 매우 다르기 때문에 지역의 특성을 고려한 분석은 분명 히 필요하다고 할 수 있다. 본 연구는 공간분석을 통해 남성들의 자살 핫스팟 지역을 도출하고 지역 특성 요인과의 관계성을 밝혀내어 지역단위의 자 살예방 정책을 수립하는데 기여하고자 하는 것이 다. 구체적인 목적은 다음과 같다. 첫째, 2017년부 터 2019년까지 한국 남성의 시·군·구별 자살률의 핫스팟을 도출한다. 둘째 도출된 핫스팟에 영향을 미치는 지역요인을 도출하여 관계성을 확인한다. 셋째 분석 결과를 기반으로 하여 자살 예방, 자살 방지 정책에 대안을 제시한다.
Ⅱ. 연구방법
1. 분석 방법
분석에 사용한 행정구역 지도는 통계지리정보서 비스에서 제공되는 센서스용 행정구역경계 지도를 사용하였다. 연구 대상의 기초자치단체 구성은 센 서스용 행정구역 경계지도 기준으로 252개 시·군· 구이지만, 본 연구에서는 다음과 같이 지역을 통합 하여 연구 대상을 선정하였다. 첫째로 특별시와 광 역시를 제외한 기초자치단체인 ‘시’의 산하 ‘구’를 통합하였다. 예시로 ‘안양시 만안구’,‘안양시 동안 구’는 ‘안양시’로 통합하였다. 결과적으로 78개 시 82개 군 69개 구 총 229개 지역을 분석 대상으로 하였다. 핫스팟 분석에 이용된 인구 10만 명당 연 령표준화 자살률은 국가통계포털(Korean Statistical Information Service, 이하 KOSIS)에서 제공하는 사망원인 통계자료를 사용하였으며 시·군·구별 남 성 연령 표준화 사망률(사망원인: 고의적자해 [자 살:X60- X84])이 그 대상이다. 패널분석에 사용한 지역 특성 변수인 경제적 안정성 변수와 의료자원 과 건강 수준, 사회 커뮤니티적 상황, 지역과 건조 환경 변수는 국가통계포털에서 제공하는 자료를 활용하였다.
2. 변수설정
1) 종속변수
종속변수는 지역의 인구 10만 명당 남성 연령표 준화 자살률을 기반으로 추정한 지역 남성자살률 의 핫스팟 지역 여부이다. ArcGIS Pro 2.8.0로 핫 스팟 분석을 시행하여 산출된 Getis-Ord Gi* 통계 값을 이용하여 Z score와 p-value를 산출하고, Z score가 1.96 이상이고 p-value가 0.05 이하일 때 핫스팟 지역 1, 이외는 비 핫스팟 지역을 0으로 설 정하였다.
2) 독립변수
미국질병통제예방센터(Centers for Disease Control and Prevaention, CDC)의 건강의 사회적 결정요인은 개인 건강, 기능이나 삶의 질에 영향을 미치는 환경의 조건을 일컫는 말로 다양한 분야와 조건에서 건강증진을 위한 지표를 제시한다. 이를 기반으로 하여 지역특성 요인 독립변수들을 선정 하였다. 하위항목으로 각각 경제적 안정성, 의료자 원과 건강 상태, 사회 및 커뮤니티 상황, 지역과 건조환경이다.
(1) 경제적 안정성
경제적 안정성이라는 지역 특성 요인 변수로는 재정자립도, 사회복지예산 비중을 선택하였다. 복 지예산의 비중이 낮을수록 지역의 자살률이 높다 는 선행연구[12], 지역사회의 경제적인 자립 정도 인 재정자립도와 자살률이 관계성을 가지고 있다 는 선행연구를 참고하였다[14].
(2) 의료 자원과 건강 수준
의료자원과 건강 수준 특성 요인 변수로는 인구 천 명당 의사 수와 병상 수, EuroQol-5 Dimension(건강 관련 삶의 질, EQ-5D), 그리고를 우울감 경험률을 선정하였다. 의료비의 규모가 높 을수록 자살률이 낮아진다는 선행연구를 바탕으로 의료자원의 크기와 규모가 자살에 영향이 있음을 알 수 있었다[15]. 이를 바탕으로 의료자원 지표 중 하나인 의사의 수와 병상 수를 선정하였다. EQ-5D는 건강 관련 삶의 질에 대한 5가지 원칙을 종합한 지표이며 우울, 불안과 관련이 있는 지표이 기에 변수로 선정하였다. 우울감 경험률은 우울감 경험자의 절반 이상이 자살을 생각한 적이 있다는 선행연구를 바탕으로 변수로 선정하였다[16].
(3) 사회 및 커뮤니티 상황
사회 및 커뮤니티 상황 특성 요인 변수로는 조 혼인율과 조이혼율 그리고 1인 가구 비율을 선정 하였다. 청소년의 자살에 가족해체가 영향을 미친 다는 연구결과가 있으며, 가족이라는 안전망의 해 체로 노인들의 자살이 증가하고 있음을 선행연구 에서 밝힌 바 있다[17]. 이것을 바탕으로 조 이혼 율을 사회적 특성으로 선택하였으며 무 배우자인 성인이 유 배우자인 성인에 비해서 우울 및 자살 에 관한 생각이 높다는 선행연구에 따라 조혼인율 또한 사회적 특성으로 사용하였다[18]. 1인 가구비 율의 경우 1인 가구의 구성원이 다인 가구에 비해 우울과 자살 생각이 높다는 선행연구를 바탕으로 선정하였다[19].
(4) 지역과 건조환경
지역과 건조환경에 따른 특성 요인 변수로는 인 구 10만 명당 문화기반시설 수를 변수로 선정하였 다. 선행연구에 따르면 문화예술진흥법에서 지정한 공연시설, 전시시설, 도서 시설, 예술회관 등 공연 시설과 문화시설이 복합된 종합시설의 수는 자살 률에 영향을 미칠 수 있음을 보여주었다[20].
3. 분석방법
본 연구는 2017년부터 2019년까지 3년간의 남성 자살률의 공간적 군집에서 드러나는 지역특성 변 수를 분석한다. 우선 ArcGIS Pro 2.8.0로 핫스팟 분석을 진행하여 남성 자살률이 높은 핫스팟 지역 을 도출하고, 패널로짓 회귀분석을 실시하여 앞서 도출된 핫스팟 지역에 영향을 미치는 지역 특성 요인을 확인하고자 한다. 패널로짓 회귀분석은 Stata/SE ver 15.1 으로 실시하였다.
1) 핫스팟 분석
핫스팟 분석은 공간상의 한 위치에서 발생하는 사건이 그 주변 지역에서 발생하는 사건과 높은 상관관계를 보이는 공간적 자기상관(spatial autocorrelation)에 그 기초를 둔다. 이는 특정 현상 이 일어나는 공간은 인접 지역과의 연계가 있으며 공간상에 인접하는 것들은 서로 상관이 있되, 멀리 있는 것보다 가까이 있는 것의 연관성이 높다는 것이다[21]. 이를 통해 핫스팟 분석은 특정한 속성 의 공간적 집적과 분포를 추정한다. 본 연구에서는 이 핫스팟 분석을 통해 인구 10만 명당 남성 연령 표준화 자살률의 핫스팟을 추정하고자 한다.
핫스팟에서 산출된 Getis-Ord-Gi*는 공간 단위 와 그 주변의 공간 단위가 전체에서 차지하는 비 중을 통계적으로 산출하여 유의한 핫스팟과 비핫 스팟을 구분한다[22]. Getis-Ord-Gi*의 결괏값인 Z score와 p-value값을 이용하여 핫스팟과 비 핫스팟 을 구분하는데, Z score 값이 클수록 해당 공간과 그 주변 공간의 군집 정도가 강한 핫스팟이라고 할 수 있다[23]. 여기에 p-value 값이 0.05보다 작 은 경우 유의한 핫스팟 지역이라고 결론 내릴 수 있다.
2) 패널로짓 회귀분석
2017년부터 2019년까지의 핫스팟 지역과 지역특 성 변수의 관계성을 분석하기 위하여 패널로짓 회 귀분석을 실시하였다. 분석에 사용하는 패널데이터 의 종속변수가 이항 변수(binary variable)일 경우 프로빗 모형(probit)혹은 로짓 모형(logit)을 사용한 다. 본 연구의 인구 10만 명당 남성 연령표준화 자 살률에 따른 핫스팟 지역(핫스팟 지역: 1, 비 핫스 팟 지역: 0)이라는 이항 변수를 종속변수로 사용하 였기에 패널로짓 회귀분석이 적합하다고 판단하였 다. Stata/SE ver 15.1을 활용한 하우스만 검정결 과, 확률효과 로짓모형이 적합한 것으로 판단되었 기에 본 연구는 확률효과 모형을 활용하여 분석을 진행하였다. 기존 연구에서는 인구사회학적 특성, 경제적 특성, 건강수준 및 행태 특성 변수를 사용 하였으나 본 연구에서는 변수의 공신력을 높이기 위하여 미국질병통제예방센터에서 선정한 건강의 사회적 결정요인을 기반으로 지역특성 요인 변수 를 선정하였다. 분석에 사용된 변수는 경제적 안정 성(재정자립도, 일반회계 중 사회복지예산 비중), 의료자원과 건강 수준(인구 천 명당 의사수, 천 명 당 병상 수, EQ-5D, 우울감 경험률), 사회 및 커뮤 니티 맥락(조이혼율, 조혼인율, 1인 가구 비율), 지 역과 건조환경(10만 명당 문화기반시설 수)이다.
Ⅲ. 연구결과
1. 연구 대상 지역의 기술통계 및 상관관계
<Table 1>에서 2017년부터 2019년까지 10만명 당 지역별 남성의 연령표준화 자살률은 지속적으 로 증가하였다. 자살률의 평균(표준편차)은 2017년 32.34(±10.44)명에서 2018년 34.08명(±9.79명)으로 증가하였고 2019년 34.40명(±11.33명)까지 증가하였 다. 조이혼율의 경우 2017년부터 2019년까지 계속 해서 증가하는 추세를 보였고 1인 가구 비율도 지 속적으로 증가하는 추세를 보였다. 한편 조 혼인율 의 경우 지속적으로 감소하는 추세를 보였다. 우울 감 경험률의 경우 2017년에서 2018년은 감소하였 으나 2019년 다시 증가하여 일관적인 양상을 보이 지는 않았다. 패널로짓 회귀분석에 앞서 변수 간의 상관관계를 확인하였으나 독립변수들 간의 강한 상관관계는 나타나지는 않았다.
2. 핫스팟 분석결과
<Table 2>는 연령표준화 자살률의 핫스팟으로 추정된 지역의 빈도를 나타낸다. 총 3년간 36개의 지역이 핫스팟으로 추정되었으며 중복되는 지역을 포함하여 12개의 시와 24개의 군이 핫스팟으로 추 정되었다. 태백시, 홍성군, 예산군, 태안군의 경우 2회 이상 핫스팟으로 추정되었다. 지역별로 구분하 여 보았을 경우 강원도가 중복지역을 포함하여 16 개소(태백시, 춘천시, 원주시, 강릉시, 속초시, 철원 군, 홍천군, 횡성군, 영월군, 평창군, 화천군, 양구 군, 인제군, 고성군, 양양군), 충청남도가 중복지 역을 포함 총 6개소(홍성군, 예산군, 태안군), 전라 북도가 5개소(전주시, 익산시, 김제시, 정읍시, 완주 군), 충청북도가 4개소(보령시, 서산시, 서천군, 청 양군), 경상북도가 4개소(영주시, 영양군, 봉화군, 울진군,), 경기도가 1개소(연천군)씩 핫스팟 지역으 로 추정되었다. 이를 그림으로 나타낸 것이 <Figure 1>이다.
3. 핫스팟 지역과 비 핫스팟지역 특성
<Table 3>은 지역을 핫스팟과 비 핫스팟으로 나누어 지역의 일반적 특성을 연도별로 나타낸 것 이다. 2017년부터 2019년 3년간의 10만 명당 남성 연령표준화 사망률의 경우 2017년과 2019년에 유 의하게 핫스팟 지역이 높았으며 2019년 핫스팟 지 역의 자살률(48.00±17.91)과 비 핫스팟 지역의 자살 률(32.74±8.99)이 가장 큰 차이를 보였다. 1인 가구 비율의 경우 2019년만 유의하였는데 핫스팟 지역 이 비 핫스팟 지역보다 높았으며 3년간 지속하여 증가하였다. 일반회계 중 사회복지예산 비중의 경 우 3년간 지속해서 증가하였으며 2019년 유의한 지역 간의 차이를 보여주었다.
4. 패널로짓 회귀분석
<Table 4>는 핫스팟지역 여부를 종속변수로 하 여 패널로짓 회귀분석을 실시한 분석 결과이다. 통 계적으로 유의한 변수는 일반회계 중 사회복지예 산 비중과 재정자립도였다. 나머지 변수인 의료자 원과 건강 수준, 사회 및 커뮤니티 상황, 지역과 건조 환경 변수는 유의하지 않았다. 유의한 변수인 일반회계 중 사회복지예산 비중과 재정자립도의 경우 음(-)의 관계를 보였다. <Table 54>에 따르면 사회복지예산 비중이 1단위 증가할 때 남성 자살 률의 핫스팟일 지역일 확률은 0.93배이고(β=-0.08) 재정자립도가 1단위 증가할 때 0.93배(β=-0.07) 였 다.
Ⅳ. 고찰
본 연구의 목적은 남성들의 자살률이 높은 핫스 팟 지역을 도출하고 지역특성 요인과의 관계성을 밝혀내어 지역단위의 자살 예방 정책을 수립하는 데 기여하고자 하는 것이다. 이에 229개 시·군·구 를 대상으로 2017년부터 2019년까지 3년간 지역별 남성 자살 핫스팟 지역을 산출한 후 지역특성 요 인과의 관계를 분석했다. KOSIS에서 제공하는 지 역 변수들을 사용하였으며 남성 연령표준화 자살 률을 이용하여 핫스팟 분석을 수행한 뒤 패널로짓 회귀분석을 실시하였다.
핫스팟 분석을 위해 사용한 Getis-ord-Gi*는 중 심지역의 값만으로 계산하는 것이 아닌 주변 지역 의 값을 포함하여 군집을 보이는 지역을 탐지한 다. 또한 Getis-Ord-Gi* 로 계산된 통계치로부터 핫스팟 지역과 비 핫스팟 지역을 직관적으로 구분 할 수 있다[22].
남성 자살률에 대한 핫스팟은 3년간 중복지역을 포함하여 총 36개 지역으로 추정되었다. 그중에서 시는 12개, 군 24개 지역으로 군에서 핫스팟이 더 많이 산출되었다. 지역별로 살펴보면 중복지역 포 함 강원도가 총 16개소, 충청남도가 6개소, 전라북 도가 5개소, 충청북도, 경상북도 각 4개소, 경기도 가 1개소 순서로 핫스팟 지역이 나왔다. 기존 연구 에서 강원도의 시⦁군⦁구가 핫스팟 지역으로 추 정되었는데[13] 이번 연구에서도 강원도에 집중되 었다. 또한, 시보다 군에서 핫스팟 지역이 다수 나 타나는 것 역시 기존 연구와 유사하였다. 선행연구 에서는 이를 농어촌 지역은 의료기관이나 심리적 문제를 해결 가능한 서비스 기관이 부족하고 물리 적으로 고립된 지역에 위치하여 열악한 환경과 자 원 부족하기 때문이라고 설명하였는데[24], 그 외 에도 고령화로 인한 동네 주민, 지인들의 잦은 부 고, 사회적 관계 단절이 자살로 확대되어 번져나가 고 있는 것으로도 해석된다[25].
2017년부터 2019년 까지 핫스팟과 비 핫스팟 지 역 간 차이의 변화를 살펴보면 2017년에는 유의한 차이를 보이는 변수가 10만 명당 남성 연령표준화 사망률뿐이었으나 2018년에는 EQ -5D와 우울감 경험률 재정자립도로 3개로 증가하였다. 2019년에 는 10만 명당 남성 연령 표준화 자살률, 조이혼 율, 1인 가구 비율, 인구 천 명당 병상 수, 인구 천 명당 의사 수, 일반회계 중 사회복지예산 비중, 재 정자립도, 인구 10만명 당 문화기반시설 수가 유의 한 차이를 보였다. 이는 핫스팟 지역과 비 핫스팟 지역의 특성 간의 차이가 확대되는 경향을 보이는 것으로 해석된다.
한편, 자살률의 핫스팟 지역과 유의한 관계를 보인 지역 특성 변수는 일반회계 중 사회복지예산 비중(β=-0.08, p<0.05)과 재정자립도(β=-0.07, p<0.05)였다. 재정자립도는 지자체의 전체 재원 대 비 자체 재원의 비율을 말한다[26]. 이는 지방세와 세외 수입으로 구성된다. 지역의 소득 수준의 증가 가 이루어질 때 지방세의 규모가 같이 증가하므로 거주자들의 소득이 높으면 재정자립도 또한 높다 고 할 수 있다[27]. 사회복지예산은 기초생활보장, 취약계층 지원 보육, 가족 등의 지원과 보건 분야 에 사용되는 비용으로 국가에서 제공하는 사회적 지원이라고 할 수 있다. 경제적 불안정이 자살에 유의한 영향을 미친다는 연구 결과가 있는 만큼 [32], 이와 같은 이유로 사회복지예산 비중이 낮은 지역이 핫스팟으로 추정되었을 가능성이 높다. 위 의 두 가지 변수는 모두 경제적 안정성에 해당하 는 변수이기에 재정구조가 취약하다면 지역의 자 살률이 높아질 수 있음을 보여준다고 할 수 있다. 주의할 것은, 재정자립도가 높을수록 확보할 수 있 는 세수가 많아 사회복지예산 또한 많이 편성될 수 있어 두 변수는 서로 상관관계가 있을 수 있는 데 상관관계 분석을 시행한 결과 변수 간의 상관 관계가 유의하지 않았다. 이는 다른 한편으로는 예 산의 절대적인 크기가 아니라 해당 지자체에서 사 회복지에 대한 중요성을 인식하는 정도, 즉 그 비 중이 중요함을 나타내는 것이라 할 수 있다. 본 연 구에서 재정자립도와 사회복지예산이 높아졌을 때 핫스팟일 가능성이 낮아졌다는 사실을 상기하면, 해당 지역의 경기 하락으로 인해 사회적 불안정성 이 높아질 경우 자살률이 높아질 수 있으므로, 이 를 복지적 차원의 지원을 통해 완화할 수 있다고 도 볼 수 있다. 경제가 어려워지면 복지예산은 삭 감되는 경향이 있다[28]. 그러나 경기가 어렵다고 하여 반복적으로 사회복지예산을 삭감하는 것은 이직률을 높이게 되는 등, 효율성을 떨어뜨리게 된 다[29]. 따라서, 사회복지예산은 고정 지출로 안배 해 두면서 지역의 자살위험 요소들을 면밀히 케어 할 수 있는 프로그램을 설치해야 할 것이다.
핫스팟으로 추정된 지역들은 자살률이 높은 지 역이다. 즉, 이 지역들을 중심으로 하는 자살 예방 지원, 자살 시도 예방관리 등이 필요하다고 볼 수 있다. 하지만 현재의 자살에 대한 정책은 예산 확 대의 한계나 지역단위의 자살 예방 및 정신건강 증진 서비스 제공을 위한 인프라가 취약하다는 평 가를 받는다[10]. 그렇기에 핫스팟으로 선정된 지 역을 중심으로 하는 집중 권역을 형성하여 한정된 자원과 인력을 투입하는 방식을 고려할 수 있을 것이다. 이를 통해 형성된 권역에 획일화된 방식이 아닌 정부나 지방자치단체에서 지역 맞춤형으로 프로그램을 시행할 때 자살률을 낮출 수 있을 것 이다.
본 연구의 한계점은 다음과 같다. 첫째, 2차 자 료를 활용하면서 변수선정을 하는데 어려움이 있 었다. 선행연구에서 사용된 변수나 새로이 사용하 고자 하는 변수가 없는 경우도 있었고, 자료는 있 으나 연구 해당연도가 누락 되어 사용할 수 없는 경우가 있었다. 추후 연구에서는 이 변수를 대체할 수 있는 변수를 찾아야 할 것이다. 둘째, 본 연구 에 사용된 변수가 지역 특성이기에 개인적 요인에 대해서는 간과하는 부분이 분명히 존재한다. 자살 이라는 요인은 사회적인 요소와 개인적인 요소가 복합적으로 작용하여 나타나는 현상인데 본 연구 는 지역적 특성에 집중하여 연구를 진행하였고, 자 료의 한계로 개인이라는 변수는 고려하지 않았다. 추후에는 개인과 지역 특성 모두를 고려한 모델을 구현하여 분석을 진행하면 좋을 것이다.
Ⅴ. 결론
이 연구는 229개 시⦁군⦁구를 대상으로 2016년 부터 2019년까지 3개년도의 남성 자살률의 핫스팟 지역과 지역특성 요인 간의 관계를 분석하였다. 강 원도, 경기도 일부 지역, 충청남도, 전라북도, 경상 북도에서 군집의 형태를 나타냈으며 분석 결과 경 제적 안정성 요인인 재정자립도, 일반회계 중 복지 예산 비중이 핫스팟 지역의 여부와 음의 관계를 나타내었다. 연구 결과는 자살률을 감소시키기 위 해서는 지역의 특성을 반영한 정책이 필요함을 시 사하고 있다. 자살로 인한 사망률을 감소시키기 위 한 정책이 지역의 특성을 반영하지 않고 획일적일 경우 자살률 감소라는 목적 달성에 어려움을 겪을 수 있다. 핫스팟으로 도출된 지역을 우선 관리 구 역으로 지정하여 한정된 자원을 효율적으로 배분 하는 정책이 필요할 것으로 보이며, 이 연구는 그 기초자료로써의 역할을 할 수 있을 것으로 생각된 다.
