The Effect of an Aging Population on Hearing Loss

연구 자료

본 연구는 현황 추이, 원인과 결과, 추계 예측을 경험적으로 분석한다. 실증 분석에서 사용한 데이터는 통계청 국가통계포털(https://kosis.kr/index/index.do)에 보고된 한국의 연도별 자료로서 2007년부터 2025년 7월까지 분석 기간으로 삼는다. 통계 자료 항목은 보건복지부의 장애인 현황, 통계청의 장래인구 추계, 행정안전부의 주민등록인구 현황, 국민건강보험공단과 건강보험심사평가원의 건강보험통계를 포함한다.

연구 모형 및 분석 방법

본 연구의 분석 방법은 기본적인 경험적 모형에 따라 첫째, 인구 고령화와 노인 난청 간의 시계열 관계를 인과관계 검정을 사용하여 분석한다. 둘째, 안정적 시계열에 대한 회귀 분석을 이용하여 고령화가 청각장애에 미치는 영향을 분석한다. 특히 노인의 나이대와 지역별 영향력을 비교하고 더 나아가 청각장애와 관련 있는 중복 장애 항목을 점검한다. 셋째, 시계열 회귀 예측 분석을 통해 고령화에 따른 청각장애를 예측한다.

본 연구에서 설정한 암묵적인 단순 시계열 회귀 모형은 아래와 같다.

Yt = f(Xt)

여기서 Yt는 t시점에서 난청 인구(청각장애인), Xt는 t시점의 고령 인구, f는 함수 기호이다.

모형의 분석 방법은 노인 인구와 청각장애인 간의 균형관계를 추정하여 고령화가 난청에 미치는 영향을 분석 및 예측한다. 이들의 선형 결합이 연관성을 가지면서 공통 추세를 공유하여 단기적 괴리를 가지더라도 공적분 관계를 유지하는 경우 불안정한 변수를 차분해서 잃는 정보 속성을 유지할 수 있다 는 장점이 있다. 또한 정규최소제곱(ordinary least squares, OLS) 추정량의 한계를 보완하도록 설명 변수와 오차항 간 내생성 및 오차항의 계열 상관을 반영해 주는 완전수정최소제곱법(fully modified least square, FMLS) 기법으로 추정한다. 통계 분석은 regression analysis of time series (Estima, Inc., Evanston, IL, USA) 프로그램을 사용하여 유의수준 p < 0.05로 분석하였다.

노인 인구와 청각장애인 관련 현황 분석

Figure 1은 2007년에서 2025년까지 65세 이상 노인 인구와 청각장애인 인구 추이와 전체 인구 대비 65세 이상 노인 인구 및 전체 장애인 대비 청각장애인 비율 추이를 보여준다.

Figure 1.

Elderly population and people with hearing loss.

2007년에서 2025년 7월까지 65세 이상 노인 인구는 4,761,000명에서 10,514,000명, 75세 이상 노인 인구는 2,956,000명에서 6,825,000명, 80세 이상 노인 인구는 749,000명에서 2,478,000명으로 증가했다. 전체 인구 대비 65세 이상 노인 인구의 비율은 2007년 약 9.7%, 2025년 약 20.6%를 차지하여 분석 기간 동안 노인 인구 비율이 10% points 이상 증가하였다. 2030년 65세, 70세, 80세 이상 노인 인구 수는 각각 12,980,000명, 8,943,000명, 3,073,000명으로 2025년 대비 각각 23%, 31%, 24% 증가할 것으로 추정된다.

또한 전체 장애인은 2007년 2,104,889명에서 청각장애인은 203,324명으로 약 9.7%를 차지했다. 2024년도 전체 장애인 2,631,356명에서 청각장애인은 442,034명으로 약 16.8%에 달했다.

Figure 2에서는 고령화에 따른 전체 의료 비용 및 귀 질환 관련 의료 비용 추이를 보여준다. 2007년에 의료 비용은 약 38.4조원이고 귀 질환 비용은 약 0.54조 원이었고 2023년에는 의료 비용이 약 187.7조 원, 귀 질환 비용은 약 1.8조 원에 달했다. 진료비와 의료비를 합한 의료 비용 및 귀 질환 비용은 전체 의료 비용과 함께 증가함을 보여준다.

Figure 2.

Medical and ear disease costs.

노인 인구와 청각장애인 간의 시계열 계량 분석

인구 고령화가 난청에 미치는 중장기적 효과를 살펴보기 위해 노인 인구와 청각장애인 간의 시계열 관계를 실증 분석하였다. 시계열 분석 방법론은 인과관계 검정, 안정성 검정, 공적분 검정, 시계열 회귀 분석, 시계열 예측의 순서로 검증하였다(Table 1).

Table 1.

Time series analysis of elderly population and people with hearing loss

먼저 추정하려는 고령 인구와 청각장애인 간의 상호적인 관계를 실제로 살펴보기 위해 Granger(1969)의 인과관계 검정을 수행하였다. 검증 결과 고령 인구와 난청 인구는 피드백 관계로 나타났지만 이론 및 더 높은 F-통계값에 의해 인구 고령화는 난청에 영향을 미치는 원인 변수로 해석할 수 있었다.

시계열 계량모형을 분석하기 앞서 시계열 수준 변수에 대한 안정성 여부를 Dickey & Fuller(1979)의 단위근 검정을 통해 확인하였다. 단위근 검정을 수행한 결과 수준 변수는 모두 단위근을 갖는다는 귀무가설을 기각하지 못했다. 그러나 1차 차분 변수는 고령 인구를 제외하고 귀무가설을 기각하였고 모형에 사용될 수준 변수는 1차 차분 안정적인 것으로 나타났다.

다음으로 Engle & Granger(1987)과 Gregory & Hansen(1996)의 공적분 검정을 수행하였다. 공적분 검정을 수행한 결과 Gregory & Hansen(1996) 검정은 수준 변수들이 공적분 관계를 갖지 않는다는 귀무가설을 기각하였다. 이는 장기적으로 난청 인구와 고령 인구는 균형관계를 나타내고 있음을 나타낸다. 따라서 공적분 회귀 모형을 추정하여 고령화가 난청에 미치는 영향을 분석하고 특히 고령화가 난청에 미치는 효과를 노인의 연령 및 지역별로 구분하여 그 속성을 비교하였다.

노인의 연령별로 난청에 미치는 회귀 분석을 수행한 결과 고령 인구는 난청에 유의적인 영향을 주었다. 무엇보다 노인 인구는 고령화될수록 청각장애가 더 많이 발생하는 것으로 나타났다. 예컨대 노인 인구가 1명 증가할 때 평균적으로 증가하는 청각 장애 인구는 65세 이상 노인은 0.047, 70세 이상 노인은 0.065, 80세 이상 노인은 0.148로 나타났다. 참고로 FMLS와 OLS 기법의 추정값은 거의 비슷한 수준이었다. 더 나아가 고령 인구가 난청에 미치는 성별 영향을 FMLS 기법으로 추정한 결과 고령 인구는 남자와 여자의 난청에 모두 유의적인 영향을 주었다. 고령 인구가 더 고령화될수록 남자와 여자 모두 차별 없이 난청이 더 많이 발생하는 것으로 나타났다.

표본 기간 동안 노인 인구(65세 이상)와 청각장애 인구 간의 지역별 관계를 분석한 결과 65세 이상의 고령 인구가 1명 증가할 때 난청 인구의 평균 증가분은 0.047이었고 지역별로 약간의 차이가 있었다(Table 2). 고령화에 따른 난청 발생이 평균보다 높은 곳은 대구, 충남, 전북, 경북, 제주, 인천 순이었다. 반면에 서울, 경기 등은 평균보다 낮게 나타났다.

Table 2.

Cointegration estimation for hearing loss: areas

참고로 귀 질환 관련 의료 비용 가능성에 대한 기초 통계량을 분석하였다. 청각장애인 1명당 소요한 귀 의료 비용(진료비와 급여비)은 2007년도에 약 2,653,903원에서 2023년에는 약 4,293,391원으로 증가한 것으로 추정되었다. 따라서 고령화로 청각장애 인구가 늘어남에 따라 귀 관련 의료 비용도 증가할 것으로 예상된다.

또한 중복 장애의 가능성에 대한 상관관계 분석을 시행한 결과 청각장애인은 언어장애인, 지적장애인 및 자폐성장애인과 각각 0.95, 0.93, 0.95의 높은 상관관계를 보였다. 이는 언어, 지적 및 자폐성장애인이 청각장애가 동반될 가능성이 크다는 것을 의미한다.

청각장애인 시계열 계량 분석 예측

난청 추계를 예측 오차 손실을 이용해서 공적분 회귀 모형에 대한 최적의 추정기법을 선택하여 예측하고자 하였다. 공적분 회귀 모형의 추정기법에 대한 예측력은 표본 기간 동안 계산된 오차에 의해 평가했다. 예측 정확도는 예측 기간 동안의 예측 오차 손실을 평균제곱근오차(root mean squared errors, RMSE)로 측정한다. RMSE는 예측값과 실제값 간의 차이 제곱의 평균을 나타내주는 mean square errors (= ∑i=1n (yi - yi^{^})²/n)를 제곱근을 취해서 실제의 오류 평균보다 커지는 왜곡을 줄인 것이다. 표본 내 난청 전망치에 대한 RMSE를 이용하여 모형의 예측력을 비교해 본 결과 FMLS는 20,771이고 OLS는 20,569였다. 따라서 예측력이 조금 더 높은 FMLS 기법을 사용한 예측을 수행하였다.

FMLS 기법에 의한 청각장애 인구에 대한 전망치는 Table 3에서 보여준다.

Table 3.

Cointegration regression forecasting for hearing loss

청각장애 인구에 대한 전망치는 65세 이상의 고령 인구를 기준으로 보면 2025년에 480,862명에서 2030년에는 596,345명으로 크게 증가할 것이다. 70세와 80세 이상의 고령 인구 기준도 비슷하게 증가할 것으로 전망된다.