본 연구는 조사연구의 과정에서 활용 가능한 공간분석의 유용성을 지리정보시스템(GIS)과 공간적 이질성을 고려하는 지리적 가중 회귀분석(GWR)을 통해 탐색한다. 많은 사회현상은 공간적 차원을 포함하고 있으며, GIS, GPS 단말장치, 온라인 위치기반 서비스의 발달로 위치정보의 수집과 활용이 용이해짐에 따라 조사연구의 과정에서 공간정보를 활용하는 분석이 이전보다 훨씬 더 용이해지고 있다. 관찰의 독립성과 오차의 동분산성을 가정하는 전통적 회귀분석은 공간적 의존성을 분석하지 못한다. GWR 분석은 속성정보뿐만 아니라 공간정보를 활용하는 공간분석 기법으로서, 공간적으로 근접한 사례들은 유사성을 가진다는 가정에 따라 지리적 가중함수를 활용한다. A 기초자치단체 주민들을 대상으로 한 조사연구 자료를 공간정보와 결합시킨 후 간단한 행정만족도 모형을 추정해 본 결과, 지리적 가중 회귀분석은 전통적 회귀분석에 비해 공간적 자기상관의 문제를 극복하고 모형의 부합도를 증가시키는 것으로 나타났다. GWR 결과를 GIS와 결합시켜 독립변수 효과의 공간적 변이를 시각화시켜 봄으로써, 변수들의 효과와 관계를 더 자세하고 풍부하게 이해할 수 있다. 나아가서 이 기법은 특정 변수의 효과가 예외적으로 낮거나 높은 지역을 더 쉽게 밝혀냄으로써 정책방안을 모색하는 데에도 유용하게 활용될 수 있다.
This study investigates the utilities of spatial analysis in the context of survey research using Geographical Information System(GIS) and Geographically Weighted Regression (GWR) which take account of spatial heterogeneity. Many social phenomena involve spatial dimension, and with the development of GIS, GPS receiver, and online location-based services, spatial information can be collected and utilized more easily, and thus application of spatial analysis in the survey research is getting easier. The traditional OLS regression models which assume independence of observations and homoscedasticity of errors cannot handle spatial dependence problem. GWR is a spatial analysis technique which utilizes spatial information as well as attribute information, and estimated using geographically weighted function under the assumption that spatially close cases are more related than distant cases. Residential survey data from a Primary Autonomous District are used to estimate a model of public service satisfaction. The findings show that GWR handles the problem of spatial auto-correlation and increases goodness-of-fit of model. Visualization of spatial variance of effects of the independent variables using GIS allows us to investigate effects and relationships of those variables more closely and extensively. Furthermore, GIS and GWR analyses provide us a more effective way of identifying locations where the effect of variable is exceptionally low or high, and thus finding policy implications for social development.
