인구 예측은 도시계획, 교통, 주택, 교육 등 다양한 분야에서 핵심적인 기초 자료로 활용됩니다. 특히 최소자승법은 인구 증감이 반복되는 대부분의 도시에서 비교적 높은 정확도를 보여주는 방법인데요, 10년 단위 예측 오차를 3% 이내로 줄일 수 있는 핵심 비결은 데이터의 연수(홀수/짝수)에 따른 기준연도 설정과 월 단위 보정에 있습니다. 이 글에서는 실제 계산 예시를 통해 그 과정을 상세히 설명합니다.
최소자승법이 인구 예측에 적합한 이유
과거 인구 데이터를 바탕으로 미래를 추정하는 방법은 여러 가지가 있습니다. 등차급수법이나 등비급수법은 인구가 일정한 패턴으로 증가하거나 감소할 때 유용하지만, 실제 도시의 인구는 경제 상황, 정책 변화, 개발 호재 등 여러 요인에 따라 증감이 교차하는 경우가 많습니다.
이런 현실을 반영해, 최소자승법은 인구 증감이 교차되는 도시에 특히 적합한 방법으로 알려져 있습니다. 실제 도시계획 분야에서는 안정기나 인구 변동이 잦은 도시에 이 방법을 적용하는 것이 일반적입니다. 과거 추세를 단순히 연장하는 다른 방법들과 달리, 최소자승법은 각 데이터 포인트와 추세선 사이의 오차 제곱합을 최소화하기 때문에 전체적인 추세를 더 정밀하게 반영합니다.
물론 단점도 있습니다. 식 자체는 간단하지만(y = a + bx), 계수 a와 b를 구하는 과정이 다른 방법보다 복잡합니다. 또한 제시된 인구 변화 추이가 홀수년인지 짝수년인지에 따라 계산 방식을 달리해야 한다는 점이 까다롭게 느껴질 수 있습니다.
홀수년 데이터로 예측할 때 기준연도를 중심에 두는 이유
최소자승법 계산에서 가장 중요한 첫 단계는 기준연도(x=0) 를 어떻게 설정하느냐입니다. 데이터가 홀수 개(예: 11년)일 때와 짝수 개(예: 6년)일 때 접근법이 완전히 다릅니다.
홀수년 데이터 처리 순서
최근 11년간의 인구 데이터가 있고, 2025년의 인구를 추정해야 한다고 가정해 보겠습니다. (계산 편의를 위해 소수점 처리는 생략하고 핵심 로직만 설명합니다.)
- 기준연도 설정: 11개의 데이터 중 정중앙에 있는 연도를 기준연도(x=0)로 정합니다. 예를 들어 2005년부터 2015년까지의 데이터라면, 2010년이 기준연도가 됩니다. 이렇게 하면 x값이 -5, -4, -3, -2, -1, 0, 1, 2, 3, 4, 5로 대칭을 이루어 계산이 훨씬 수월해집니다.
- a값(기준연도의 이론적 인구) 계산: a는 기준연도의 실제 인구를 그대로 사용하는 것이 아니라, 전체 데이터를 가장 잘 설명하는 추세선 위에서의 기준연도 값입니다. 공식에 따라 계산하면 a를 구할 수 있습니다.
- b값(단위기간 절대 인구 증가 수) 계산: b는 1년당 평균적으로 얼마나 인구가 늘거나 줄어드는지를 나타냅니다. 이 역시 공식을 통해 계산합니다.
- 추정식 완성 및 보정: a와 b를 구한 후
y = a + bx식에 대입합니다. 만약 문제에서 기준연도를 2005년으로 요구했다면, x값을 -5만큼 이동시켜 주는 보정 작업이 필요합니다.
이 과정의 핵심은 데이터의 중심을 맞추는 것입니다. 중심을 맞추지 않고 임의의 연도를 기준으로 삼으면 계산이 복잡해지고 오차가 커질 가능성이 높아집니다.
짝수년 데이터 예측의 핵심 '월(月)'을 활용한 트릭
짝수년 데이터(예: 6년)는 홀수년처럼 깔끔하게 중심 연도를 정할 수 없습니다. 6개의 연도 중 정중앙은 존재하지 않기 때문입니다. 이 문제를 해결하는 방법이 바로 '월(月) 단위 추가' 입니다.
짝수년 데이터 처리 순서
- 데이터를 7월 기준으로 통일: 모든 데이터가 각 연도의 7월 1일 기준 인구라고 가정합니다.
- 1월 데이터를 중간에 추가: 데이터 연도가 2005년부터 2010년까지 6개라면, 그 중간에 위치한 2007년 1월 1일 또는 2008년 1월 1일의 인구 데이터를 하나 추가합니다. 이렇게 하면 데이터가 홀수 개(7개)로 바뀝니다.
- 기준연도 재설정: 새로 추가된 1월 데이터를 포함하여, 이제 7개의 데이터 중 정중앙에 있는 연도를 기준연도로 설정합니다.
- x값 보정 (6개월 단위 → 1년 단위): 이 계산에서 x는 6개월을 단위로 하기 때문에, 최종적으로 1년 단위로 환산하려면 x값에 2를 곱해주어야 합니다.
- 기준연도 보정 (1월 → 7월): 기준연도가 1월로 설정되어 있으므로, 다른 데이터들과 맞추기 위해 x값에 -0.5를 추가로 적용합니다. (1월은 7월보다 6개월 앞서기 때문입니다.)
이 방법을 사용하면 짝수년 데이터로도 정확한 최소자승법 계산이 가능해집니다. 실제로 위 과정을 거쳐 2020년 인구를 추정한 예시에서는 최종적으로 소수점 이하를 버린 값이 도출되었습니다.
FAQ 최소자승법 인구 예측, 자주 묻는 질문
Q. 최소자승법이 항상 가장 정확한가요?
아닙니다. 최소자승법은 인구 증감이 교차되는 안정적인 도시에 적합합니다. 급격한 성장기 도시에는 등비급수법이나 지수함수법이, 인구 성장이 한계에 도달한 도시에는 로지스틱법이 더 적합할 수 있습니다. 도시의 특성에 맞는 방법을 선택하는 것이 중요합니다.
Q. 기준연도를 왜 꼭 바꿔야 하나요?
기준연도를 데이터의 중심(홀수) 또는 중간(짝수 보정 후)에 두는 것은 계산의 편의성과 정확성을 위해서입니다. 중심에 두면 x값의 합이 0이 되어 a와 b를 구하는 공식이 단순해지고, 숫자가 커지는 것을 방지하여 계산 오류를 줄일 수 있습니다.
Q. 짝수년 데이터에서 1월 데이터는 어떻게 구하나요?
실제 데이터가 없는 경우, 해당 연도의 1월 1일 인구는 전년도 7월 1일 인구와 당해 연도 7월 1일 인구의 평균값으로 추정하여 사용할 수 있습니다. 예를 들어 2007년 1월 인구는 (2006년 7월 인구 + 2007년 7월 인구) / 2로 계산합니다.
Q. 예측 오차를 3% 이내로 줄이려면 추가로 무엇을 고려해야 하나요?
최소자승법 자체의 정확도도 중요하지만, 입력 데이터의 질이 더 중요합니다. - 최신 데이터 우선 반영: 10년 이상 지난 오래된 데이터보다 최근 5-10년 데이터에 가중치를 두는 방법을 고려할 수 있습니다. - 비정상적인 변동 제거: 전쟁, 대규모 재해, 특별한 행사(예: 올림픽) 등 일시적인 요인으로 인한 급격한 인구 변동은 분석에서 제외하거나 보정해야 합니다. - 여러 방법 교차 검증: 최소자승법 하나만 믿지 말고, 등차급수법, 등비급수법 등 다른 방법으로도 예측해 본 후 그 범위 안에서 판단하는 것이 안전합니다.