스트레스와 흡연, 음주, 건강 인식의 관계: 지역별 패널자료를 중심으로*

Ⅰ. 서 론

통계청에 따르면, 한국인의 스트레스 인지율은 점차 줄어들고 있지만(『지역별 통계』). 한국 사회에서 정신건강에 관한 관심이 지속해서 높아지고 있다. 스트레스에 관한 관심이 높아진 이유는 스트레스 감소가 개인과 사회에 유익을 가져다주기 때문이다 - 스트레스 감소는 개인의 신체적, 정신적 건강 향상으로 이어지며, 스트레스 관리를 통해 개인의 건강과 생산성이 향상되면, 개인으로 구성된 조직 전체의 성과도 향상될 것이다.¹⁾ 이를 반영하여 정부는 정신건강 증진을 위해 다양한 정책을 추진하고 있다. 예를 들어 2020년에는 ‘정신건강정책 혁신방안’을 발표하여 100만 명 심리상담 서비스 지원과 10년 내 자살률 50% 감축목표를 세웠다. 또한 정부는 지역사회 중심의 정신건강 서비스 체계 구축을 위해 노력하고 있으며, 기초 및 광역정신건강복지센터 설립 등을 통해 정신질환자를 위한 사회안전망을 마련하고 있다.²⁾ 스트레스는 다양한 요인들과 관련이 있다. 이들 요인 중에 본 연구가 관심을 두는 요인은 흡연, 음주, 생활 습관, 건강 수준이다.

흡연과 음주는 건강에 악영향을 미치는 습관으로 널리 알려져 있다. 보건복지부(2022)의 국민건강영양조사에 따르면, 한국의 흡연율은 2011년 47.3%에서 2021년 31.3%로 감소한 것으로 나타났다. 그러나 여전히 국내 흡연율은 주요 국가들에 비해 높은 수준이다.³⁾ 또한, 월간 폭음률도 2011년 55.9%에서 2021년 47%로 줄었지만, 이 또한 다른 나라들과 비교했을 때 여전히 상당히 높은 수치이다.⁴⁾ 흡연과 음주는 스트레스를 유발하고, 스트레스를 통해 흡연과 음주를 유발하는 악순환이 생길 수 있다. 한편 건강한 생활 습관인 규칙적인 운동과 영양 균형을 유지하는 것은 스트레스 관리에 도움을 줄 수 있다고 알려져 있다. 아이러니하게도 흡연, 음주 및 운동은 스트레스를 감소시키기 위한 행동으로 간주된다. 이에 따라 다음과 같은 질문이 제기될 수 있다: 흡연, 음주 및 운동은 실제로 스트레스를 감소시키는가? 또는 스트레스는 이러한 요인들에 영향을 주는가? 본 연구는 이러한 질문에 대한 답을 찾고자 한다.

본 연구는 2008~2022년 전국 시군구별 228개 기초자치단체로 구성된 패널 자료를 이용해 흡연, 음주, 건강수준이 스트레스에 미치는 영향, 그리고 이들 요인과 스트레스 사이의 인과관계를 조사한다. 본 연구에서 흡연과 스트레스, 그리고 음주와 스트레스의 관계에 관심을 두는 이유는 두 요인(흡연, 음주)이 스트레스에 미치는 영향이 다를 수 있기 때문이다. 예를 들어, 중독성이 상대적으로 높은 행위는 흡연으로 알려져 있다.⁵⁾ 또한 흡연과 달리, 적절한 음주는 일시적으로 스트레스를 덜어주는 효과를 가져올 수 있다. 이를 고려하여, 본 연구는 전국을 ‘서울과 6개 광역시’ 그리고 ‘세종과 9개 비광역시’로 분류하여 흡연율, 음주율, 그리고 주관적 건강수준 인지율과 스트레스 사이의 관계를 조사한다. 또한 세부적으로 각 시도를 대상으로 흡연율, 음주율, 그리고 주관적 건강수준 인지율(이하, 건강지수)⁶⁾이 스트레스에 미치는 영향을 분석한다. 이를 통해 각 건강지수와 스트레스의 관계가 지역별로 차이가 있는지를 분석하게 된다. 연구 결과는 한국인의 스트레스 인지율을 낮추는 요인을 확인하고, 스트레스를 줄이기 위한 정신보건 정책을 수립하는 데 도움을 줄 것으로 기대된다.

본 연구는 다음과 같이 진행된다. 제 II장에서는 선행연구를 검토한다. 이를 통해 본 연구의 핵심 개념을 이해하고, 본 연구에서 다루고자 하는 문제가 어떤 측면에서 중요한지 파악하게 된다. 또한 선행연구에서 사용된 방법론과 접근 방식을 통해 본 연구에 적합한 방법론을 선택하게 될 것이다. 제 III장에서는 228개 기초자치단체를 대상으로 건강지수와 스트레스 인지율을 확인한다. 이를 통해 건강지수와 스트레스 인지율의 지역별 특성이 있는지 분석할 것이다. 또한 패널분석을 위한 패널 단위근 검정을 시행한다. 제 IV장에서는 동적 패널 회귀분석(Dynamic Panel Regression Analysis)을 통해 흡연율, 음주율, 그리고 주관적 건강수준 인지율이 스트레스에 미치는 영향을 확인한다. 회귀분석은 건강지수와 스트레스의 인과성을 파악하는 데 한계가 있다. 이에 따라, 제 V장에서는 건강지수와 스트레스 사이의 인과관계를 검정하기 위해 패널 그랜저 인과성 검정(Panel Granger Causality Test)을 실시한다.⁷⁾ 마지막 제 VI장에서는 연구를 요약하고, 시사점을 제시한다.

II. 선행연구 검토

스트레스가 흡연을 유발한다는 사실은 널리 알려져 있다. 이경희 외(2006)는 15세 이상 성인 총 1,055명을 대상으로 흡연 여부와 스트레스 수준, 기타 인구사회학적 특성 및 건강행태에 대한 다변량 로지스틱 회귀분석을 시행하였다. 그들은 흡연 여부와 관련이 있는 요인으로 스트레스와 음주를 제시하였다.⁸⁾ 박한주 외(2007)는 대학병원 종합검진센터를 방문한 성인 남성(263명)을 대상으로 다단계 다중회귀분석을 시행하였다. 그들은 스트레스 인지율이 높을수록 흡연율이 높음을 보였다. 김희정(2019)은 금연하고자 하는 143명의 대학생을 대상으로 흡연과 스트레스의 관계를 분석하였으며, 흡연과 스트레스의 유의미한 양의 상관관계를 보였다.

음주와 스트레스의 관계를 분석한 선행연구 역시 존재한다. 하영미·정미라(2015)는 두 직장에서 모집된 191명의 직원을 대상으로 음주 동기, 음주 거절 효능감, 그리고 직무스트레스와 문제성 음주 간의 관계를 분석하였다. 그들은 문제성 음주에 유의미한 영향을 주는 주요 요인으로 대처 동기 (스트레스나 부정적 정서를 해소하려는 동기)를 제시하였다. 이다은 외(2017)는 직장인을 대상으로 직무스트레스와 문제성 음주와의 관계를 규명하고자 하였다. 그들은 직무스트레스 하위 항목(예를 들어, 직무 불안정, 보상 부적절 스트레스)을 독립변수로, 음주 상태를 종속변수로 한 이분형 로지스틱 회귀분석을 시행하였다. 그들은 남성의 경우에 직무스트레스 중 직무 불안정, 보상 부적절 스트레스가 문제성 음주와 유의미한 연관성이 있음을 보고하였다. 그들의 연구는 대규모 인구 집단(19세~65세, 남녀 직장인 72,119명)을 대상으로 분석하였다는 점에서 선행연구들과 차이점을 보인다. 이다은 외(2017)는 직무스트레스가 문제성 음주와 유의미한 연관성이 있음을 확인하였으며, 추가로 과거나 현재의 흡연자 비율은 문제성 음주군과 정상군에서 유의미한 차이가 있음을 보였다. 한석례 외(2019)는 215명의 성인 음주 운전자를 대상으로 설문조사를 실시하여 음주 동기, 스트레스, 특성 분노 등이 문제성 음주에 미치는 영향을 분석하였다. 그들은 하영미·정미라(2015)와 유사하게 대처 동기가 문제성 음주에 유의미한 영향을 준다는 결과를 보였다. 이계승(2021a, 2021b)은 장애인의 음주문제를 예방하기 위한 방안을 제시하기 위해 장애인의 음주행동 변화유형을 분석하였다. 이계승(2021a)은 장애여성의 장애유형, 장애스트레스, 차별, 자존감, 건강상태 사회경제적 수준 등이 장애여성의 음주행동을 예측할 수 있는 요인으로 보고하였다. 이계승(2021b)은 이계승(2021a)의 연구를 확장하여 일반 장애인의 음주행태 변화궤적을 확인하였다.

건강수준과 스트레스의 관계를 분석한 선행연구들로 김준호·장세진(2012)을 들 수 있다. 김준호·장세진(2012)은 6,793명의 근로자를 대상으로 로지스틱 회귀분석을 시행하였다. 그들은 고위험 직무스트레스를 받는 근로자는 육체적, 정신적으로 건강하지 않다는 결과를 보고하였다. 김희정(2019)은 건강증진 행위와 스트레스의 유의미한 음의 상관관계를 보였다.

기존 연구들은 주로 스트레스와 건강지수 간의 관계를 이해하기 위해 회귀분석을 수행하였으며, 스트레스가 건강지수에 미치는 영향을 분석하는 데 초점을 맞추었다. 본 연구는 지역별 스트레스와 건강지수의 관계를 규명하기 위해 지역별 동적 패널 회귀분석과 패널 그랜저 인과성 검정을 함께 진행한다. 선행연구와 달리, 동적 패널 회귀분석에서는 개별 건강지수가 스트레스에 어떤 영향을 미치는지를 중점적으로 분석한다. 또한, 패널 그랜저 인과성 검정을 이용하여 각 건강지수와 스트레스 인지율 간의 그랜저 인과관계를 분석한다. 이를 통해, 각 지역에서 어떤 건강지수가 스트레스 인지율을 감소시키는지, 그리고 스트레스와 그랜저 인과관계를 갖는 건강지수는 무엇인지를 확인하고자 한다.

III. 기초분석

1. 분석자료

본 연구는 패널 회귀분석과 패널 그랜저 인과성 검정을 위해 통계청 국가통계포털에서 제공하는 자료를 활용한다. 연구 대상은 2008~2022년(15년) 전국 시군구별 228개 기초자치단체로서 총 표본은 3,420개이다.⁹⁾ 서울과 6개 광역시(부산, 대구, 인천, 광주, 대전, 울산)에 대한 표본은 1,110개이며, 나머지 시도(세종, 경기, 강원, 충북, 충남, 전북, 전남, 경북, 경남, 제주; 이하 비광역시)에 대한 표본은 2,310개이다.¹⁰⁾

<표 1>은 각 변수의 정의를 보여준다.

<표 1>

변수의 정의

<표 2>는 각 변수의 기초 통계량을 보여준다. 표의 마지막 열은 관측치의 개수를 보여주는데, n = 228은 228개 기초자치단체의 숫자이고, T = 15는 2008~2022년의 시간변수의 관측치 숫자이다. 따라서, 총관측치 개수는 3,420개이다. overall은 전체 관측치(N = 3,420)의 개념이며, 전체 관측치를 대상으로 계산한 기초 통계량을 제시하게 된다, between은 패널 그룹 간의 개념으로 그룹 간 특성을 측정한 것이다. 그리고 within은 패널 그룹 내의 개념이다. 모든 변수는 between 편차가 within 편차에 비해 작게 나타났는데 이는 기초자치단체 간 차이에 따른 변동보다 시간에 따른 변동이 더 크다는 것을 말해준다.

<표 2>

기초 통계랑(전국)

<표 3>은 광역시를 대상으로 한 각 변수의 기초 통계량이다. 광역시는 74개의 기초자치단체로 구성되며, 총관측치 개수는 1,100개이다. 광역시로 한정한 자료에서도 모든 변수는 between 편차가 within 편차에 비해 작게 나타났는데 이는 기초자치단체 간 차이에 따른 변동보다 시간에 따른 변동이 더 크다는 것을 말해준다.

<표 3>

기초 통계랑(광역시)

<표 4>는 비광역시에 대한 각 변수의 기초 통계량을 보여준다. 비광역시는 154개의 기초자치단체로 구성되며, 총관측치 개수는 2,310개이다. 광역시와 마찬가지로 모든 변수는 between 편차가 within 편차에 비해 작게 나타난 결과를 알 수 있으며, 이는 기초자치단체 간 차이에 따른 변동보다 시간에 따른 변동이 더 크다는 것을 말해준다.

<표 4>

기초 통계랑(비광역시)

<그림 1>-<그림 4>는 각 건강지수의 연도별 평균값과 그 신뢰구간을 보여준다. 각 그림에서 수직선은 연도별 건강지수 평균값에 대한 95% 신뢰구간의 하한(lb)과 상한(ub)을 표시한 것이다.

<그림 1>

연도별 평균값 및 신뢰구간(STR)

2. 연도별 추이

스트레스 인지율은 2020년 코로나 사태 이전까지 낮아지는 추세였으며, 2020년에 상승한 후 다시 낮아지고 있음을 알 수 있다(<그림 1>). 이는 코로나 사태가 스트레스를 상승시키는 원인이었을 가능성을 보여주는 것이다.

<그림 2>는 연도별 흡연율 평균값과 신뢰구간을 보여주고 있다. 연도별 흡연율 역시 지속해서 낮아지는 추세이다.

<그림 2>

연도별 평균값 및 신뢰구간(SMK)

<그림 3>은 연도별 음주율 평균값과 신뢰구간을 보여주고 있다. 음주율은 2017년 이후 낮아지다가 2022년에 높아졌다. 음주율이 2020년에 급격히 낮아진 이유는 코로나 사태에 기인한 것으로 추측된다. 즉, 코로나 사태로 인해 회식, 야외 활동이 줄어들었기 때문일 것이다.

<그림 3>

연도별 평균값 및 신뢰구간(ALC)

<그림 4>는 연도별 주관적 건강수준 인지율 평균값과 신뢰구간을 보여주고 있다. 주관적 건강수준 인지율 역시 코로나 사태에 영향을 받을 것을 추측할 수 있다.

<그림 4>

연도별 평균값 및 신뢰구간(SHEA)

<그림 1>-<그림 4>를 보면, 코로나 사태가 각 변수에 주목할 만한 영향을 주었을 가능성을 제기하고 있는데, 이는 다음과 같이 해석할 수 있다. 코로나 사태는 스트레스 인지율을 높였는데, 이때 흡연율과 음주율은 떨어졌지만, 주관적 건강수준 인지율은 높아졌다. 흡연율과 음주율이 낮아진 이유는 코로나 사태로 인해 사회활동이 줄어들었고 건강에 관한 관심이 증가하였기 때문으로 추측된다. 또한, 주관적 건강수준 인지율이 높아진 이유는 건강에 관한 관심으로 흡연, 음주 등이 줄었을 뿐 아니라 감기, 독감 등 전염병의 감염이 줄어들었기 때문으로 추측된다.

3. 지역별 특성

<표 5>-<표 8>은 전국을 대상(2022년 기준)으로 스트레스 인지율, 흡연율, 음주율, 그리고 주관적 건강수준 인지율이 가장 낮은 기초자치단체(순위 10)와 가장 높은 기초자치단체(순위 10)를 각각 보여준다.

<표 5>

스트레스 인지율(STR, 2022)

<표 5>는 스트레스 인지율에 관한 기초자치단체별 순위다. 먼저, 비광역시 수준에서 스트레스 인지율이 낮고, 광역시 수준에서 스트레스 인지율이 높음을 알 수 있다. 흥미롭게도 228개 기초자치단체 중에서 스트레스 인지율이 낮은 지역은 모두 비광역시에 속해 있었다. 또한, 스트레스 인지율이 높은 기초자치단체 중에서 7개 지역이 광역시에 속해 있었다.

흡연율 순위는 스트레스 인지율 순위와 상반되게 나타났다: 광역시 수준에서 흡연율이 낮고, 비광역시 수준에서 흡연율이 높다(<표 6>). 흡연율이 낮은 기초자치단체 중에서 7개 지역이 광역시에 속해 있었으며, 흡연율이 높은 기초자치단체 중에서 9개 지역이 비광역시에 속해 있었다.

<표 6>

흡연율(SMK, 2022)

<표 7>은 음주율에 관한 기초자치단체별 순위다. 음주율 순위는 스트레스 인지율 순위와 유사하게 나타났다: 광역시 수준에서 음주율이 높고, 비광역시 수준에서 음주율이 낮다(<표 7>). 음주율이 낮은 기초자치단체 중에서 광역시에 속한 단체는 인천시 강화군 1개 지역이었으며, 음주율이 높은 기초자치단체 중에서 광역시에 속한 단체는 5개 지역이었다.

<표 7>

음주율(ALC, 2022)

마지막으로 주관적 건강지수의 지역별 특성에 대해 알아보기로 한다(<표 8>). 주관적 건강수준 인지율이 낮은 기초자치단체는 비광역시에 집중되었으며, 높은 기초자치단체는 광역시와 비광역시에 고루 분포된 것으로 보인다.

<표 8>

주관적 건강수준 인지율(SHEA, 2022)

4. 패널 단위근 검정

그랜저 인과성을 검정하기 위해서는 ‘시계열 과정’의 안정성(stationarity)이 확보되어야 한다. 따라서 본 연구는 각 변수의 시계열 과정의 안정성을 확인하기 위해, 스트레스 인지율과 흡연율, 음주율, 주관적 건강수준 인지율에 대해 패널 단위근 검정을 수행한다.

패널 자료에 대한 단위근 검정 방법은 Harris and Tzavalis(1999), Breitung(2000), Hadri(2000), Im et al.(2003), Levin et al.(2002), 그리고 ADF와 PP검정 등을 이용한 Maddala and Wu(1999)의 Fisher형 검정이 있다. 이 중에서 본 연구는 Levin et al.(2002)의 공통 단위근 검정, Im et al.(2003)과 Maddala and Wu(1999)의 개별 단위근 검정을 시행한다. <표 9>는 패널 단위근 검정 결과를 보여준다.

<표 9>

패널 단위근 검정 결과11)

1차 차분변수를 포함한 패널 단위근 검정 결과, 모든 변수에 대해 패널 단위근이 존재하지 않는 것으로 나타났다. 이는 시계열 과정의 안정성이 확보되었음을 의미한다.

IV. 패널 회귀분석

2. 패널분석 결과

동적 패널 모형을 이용한 분석 결과는 <표 10>-<표 13>에 요약된다.¹³⁾

<표 10>

패널분석 결과 I(시스템 GMM)

<표 11>

패널분석 결과 II(시스템 GMM)

<표 12>

패널분석 결과 III(시스템 GMM)

<표 13>

패널분석 결과 IV(시스템 GMM)

먼저 전국 및 광역시, 비광역시의 패널분석 결과를 검토하기로 한다 (<표 8> 참조). 전국적으로 과거 스트레스는 현재 스트레스에 통계적으로 유의미한 양(+)의 영향을 미쳤다. 흡연율은 스트레스에 유의미한 양(+)의 영향을 주었는데, 이는 흡연이 스트레스 지수를 높인다는 것을 의미할 수 있다. 흥미로운 결과는 음주율과 스트레스의 관계이다. 음주율은 광역시에서 스트레스에 유의미한 음(-)의 영향을 주었지만, 비광역시에서 유의미한 영향을 주지 못했다. 이는 다음과 같은 해석이 가능하다. 대도시에서는 음주가 스트레스 완화나 긴장 해소의 수단으로 사용될 수 있으며, 이러한 해석은 지역의 특성, 문화, 사회적 요인 등과 관련이 있을 수 있다는 것을 말해준다.¹⁴⁾ 다음으로 주관적 건강수준 인지율은 전 지역에서 스트레스 인지율에 유의미한 양(+)의 영향을 미쳤다.

다음으로 각 시도의 패널분석 결과를 검토하기로 한다 (<표 11>-<표 13> 참조). 먼저, 과거 스트레스가 현재 스트레스에 유의미한 양(+)의 영향을 주는 지역은 대구, 인천, 광주, 대전, 전북, 전남, 경북, 경남, 제주로 나타났다. 흡연율은 대전과 울산을 제외한 지역에서 스트레스에 유의미한 양(+)의 영향을 주었으며, 음주율은 서울, 광주 울산 등 광역시 권역에서 스트레스에 유의미한 음(-)의 영향을 주었으며, 비광역시 권역에서 유의미한 영향을 준 지역은 없는 것으로 나타났다. 주관적 건강수준 인지율은 부산, 대구, 인천, 경기, 경남 등 5개 시도를 제외한 지역에서 스트레스에 유의미한 음(-)의 영향을 미치는 것으로 나타났다.

순수 오차항 e_it에 시계열 상관이 없는지에 관한 여부를 검정하기로 한다. 이를 위해 △e_it의 자기상관에 관한 가설검정(Arellano-Bond 검정)을 하기로 한다. <표 14>와 <표 15>는 그 검정 결과를 정리한다. 검정 결과를 보면, 식(2)의 △e_it에 1계 자기상관이 없다는 귀무가설은 대부분 기각되며¹⁵⁾, 2계 자기상관이 없다는 귀무가설은 기각되지 않는다. 결론적으로, 식(1)의 순수 오차항에 해당하는 e_it에는 1계 자기상관이 존재하지 않는다고 판단할 수 있다.

<표 14>

오차항의 자기상관 검정 I

<표 15>

오차항의 자기상관 검정 II

V. 패널 그랜저 인과관계 분석

1. 그랜저 인과관계의 이론 및 분석모형

패널 그랜저 인과관계를 분석하기에 앞서, Granger(1969)가 개발한 방법론을 살펴보기로 한다. 두 안정적 시계열(stationary series) x_t와 y_t를 고려하자. x가 y의 그랜저 원인인지를 분석하기 위한 모형은 다음과 같다.

$\[ y_t=a+\sum _{k=1}^K {\gamma }_k{y}_{t-k}+\sum _{k=1}^K {\beta }_k{X}_{t-k}+{\epsilon }_t,t=1, 2,\dots ,T \]$

(3)

식(3)을 통해, 다음과 같은 해석이 가능하다: y의 과거값들이 모델에 포함되었을 때도 x의 과거값들이 y의 현재 값을 유의미하게 예측한다면, x는 y에 인과적인 영향을 미친다고 판단될 수 있다. 식(3)으로부터, F-test에 기초한 인과관계를 검정하기 위한 다음과 같은 귀무가설을 설정할 수 있다.

$\[ H_0:{\beta }_1=\dots {\beta }_K=0 \]$

(4)

식(4)에서 H0가 기각되면, x가 y의 그랜저 원인이라고 결론 내릴 수 있다. 또한 y가 x의 그랜저 원인인지 분석할 때도 이 모델은 사용된다.

본 연구는 스트레스 인지율과 건강지수 사이에 인과관계를 분석하기 위해 그랜저가 제시한 모형을 확장하여 Dumitrescu and Hurlin(2012)의 이산적 패널에 관한 그랜저 비인과관계 검정(Granger non-casuality test for heterogeneous panels, 이하 DH test)을 시행한다. DH test는 일반적 그랜저 인과관계 분석과 달리 패널 데이터를 활용하여 변수들 사이에 인과관계를 분석한다.

DH test를 위한 모형은 다음과 같다.

$\[ \begin{array}{c}{y}_{i,t}=a_i+\sum _{k=1}^K{\gamma }_{ik}{Y}_{i,t-k}+\sum _{k=1}^K{\beta }_{ik}{X}_{i,t-k}+{\epsilon }_{i,t}\\ i=\mathrm{1,2},\dots ,N 그리고 t=\mathrm{1,2},\dots ,T\end{array} \]$

(5)

식(5)에서 x_i,t와 y_i,t는 t연도에 i지역에서의 정상 변수들의 관측값이다. 식(5)에 표시된 계수들은 지역 간에 다를 수 있지만, 시간에 따라 변하지 않는다고 가정한다. 또한 지연 순서(lag order) K는 모든 지역에 같게 적용된다고 가정되며, 균형패널에서만 적용된다. Granger(1969)와 마찬가지로 인과관계의 존재를 확인하기 위한 절차는 x의 과거값들이 y의 현재값에 유의미한 영향을 미치는지 아닌지를 검정하는 것이다. 따라서 다음과 같은 귀무가설을 설정할 수 있다.

$\[ H_0:{\beta }_{i1}=\dots {\beta }_{iK}=0 \forall i=\mathrm{1,2},\dots , N \]$

(6)

DH test는 일부 지역들에서는 인과관계가 존재할 수 있지만, 반드시 모든 지역에 유지되지는 않는다고 가정한다. 따라서, 대립가설은 다음과 같이 표현된다.

$\[ \begin{array}{c}{H}_1:{\beta }_{i1}=\dots {\beta }_{iK}=0 \forall i=\mathrm{1,2},\dots , N_1\\ {\beta }_{i1}\ne 0 또는\dots 또는 {\beta }_{iK}\ne 0\forall i=N_{1+1},\dots , N\end{array} \]$

(7)

DH test에 대한 절차는 Lopez and Weber(2017)에 잘 정리되어 있다. 본 연구는 Lopez and Weber(2017)가 고안한 STATA command인 xtgcause를 사용하여 DH test를 시행한다. DH test 절차에 따르면 Wald static의 평균($$ \stackrel{-}{W}$$), 그리고 $$ \stackrel{-}{Z}$$, $$ \tilde{Z}$$통계량에 대한 값을 얻는다. 표준화된 $$ \stackrel{-}{Z}$$ 및 $$ \tilde{Z}$$ 통계량은 Wald 통계량에서 유도되며, 다양한 패널 크기와 모델 간의 통계 비교를 가능하게 한다. 이러한 통계량이 기준 임계값보다 크다면 귀무가설 H₀를 기각하여 그랜저 인과관계의 존재를 확인한다. 본 연구에서는 N(= 3,420)이 크지만, T(=15)가 상대적으로 작은 데이터를 다루므로, 결과를 해석할 때 $$ \tilde{Z}$$통계량을 활용한다.

<표 16>은 패널 그랜저 인과관계 검정 체계를 제시한다.

<표 16>

패널 그랜저 인과 검정 체계

즉, <표 16>은 건강지수가 스트레스 인지율에 영향을 주는지 또는 스트레스 인지율이 건강지수에 영향을 주는지에 대한 검정 체계를 보여준다. 귀무가설이 기각되면, 패널 내에서 그랜저 인과관계가 존재한다는 것을 의미한다. 이에 따라 식(5)는 다음과 같이 특별한 모형으로 표현된다.

$\[ \begin{array}{c}{y}_{i,t}=a_i+\sum _{k=1}^K{\gamma }_{ik}ST{R}_{i,t-k}+\sum _{k=1}^K{\beta }_{ik}HEALT{H}_{i,t-k}+{\epsilon }_{i,t}\\ i=\mathrm{1,2},\dots ,N 그리고 t=\mathrm{1,2},\dots ,T\end{array} \]$

(8)

$\[ \begin{array}{c}HEALT{H}_{i,t}=a_i+\sum _{k=1}^K{\gamma }_{ik}HEALT{H}_{i,t-k}+\sum _{k=1}^K{\beta }_{ik}ST{R}_{i,t-k}+{\epsilon }_{i,t}\\ i=\mathrm{1,2},\dots ,N 그리고 t=\mathrm{1,2},\dots ,T\end{array} \]$

(9)

식(8)과 식(9)에서 HEALTH는 SMK, ALC, SHEA에 해당한다. 따라서 식(8)을 이용하여 흡연, 음주, 그리고 주관적 건강수준이 각각 스트레스의 그랜저 원인인지 검정한다. 또한 식(9)를 이용하여 스트레스가 흡연, 음주, 그리고 주관적 건강수준의 그랜저 원인인지 검정한다.

2. 패널 그랜저 인과성 검정

식(8)에 대한 DH test 결과를 보기로 한다. <표 17>은 식(8)의 DH test에 따른 통계량을 보여준다.

<표 17>

DH test 결과: STR ↚ SMK, ALC, SHEA

먼저 흡연율과 음주율에 대해 분석하기로 한다. 전국적으로 흡연율은 스트레스 인지율의 그랜저 원인이며, 통계적으로 유의미하였다. 이에 반해, 음주율과 주관적 건강수준 인지율은 스트레스 인지율의 그랜저 원인으로 채택할 수 없는 결과를 보였다.

다음으로, 식(9)에 대한 DH test 결과를 보기로 한다. <표 18>은 식(9)의 DH test에 따른 $$ \tilde{Z}$$ 통계량을 보여준다. 스트레스 인지율은 흡연율의 그랜저 원인이며, 통계적으로 유의미함을 보였다. 하지만 음주율, 주관적 건강수준 인지율은 스트레스 인지율의 그랜저 원인이 아니었다.

<표 18>

DH test 결과: STR ↛ SMK, ALC, SHEA

동적 패널 회귀분석 결과(<표 10>), 건강지수의 스트레스에 대한 DH test(<표 17>), 그리고 스트레스의 건강지수에 대한 DH test(<표 18>)를 종합하면, 다음과 같다. 첫째, 흡연은 대전과 울산을 제외한 전국적으로 스트레스를 증가시킬 뿐 아니라, 흡연과 스트레스 간 양방향 그랜저 인과관계가 존재하였다. 이는 흡연이 스트레스를 직접적으로 높이는 역할을 하고 있음을 의미한다.

둘째, 서울, 광주, 울산 등 광역시 권역에서 음주는 스트레스를 줄이는 역할을 하였지만, 음주가 스트레스의 그랜저 원인은 아니었다. 이는 서울, 광주, 울산 등에서 음주는 스트레스 수준을 낮추는 요인으로 작용하였으나, 음주가 스트레스를 직접적으로 줄이는 역할을 하지는 않았음을 의미한다. 비광역시에서 음주는 스트레스에 유의미한 영향을 미치지 않았으며, 스트레스의 그랜저 원인도 아니었다.

셋째, 주관적 건강수준의 인지는 부산, 대구, 인천, 경기, 경남 등 5개 시도를 제외한 지역에서 스트레스를 줄였으나, 그랜저 인과관계를 갖지는 않았다. 이는 대부분 시도에서 주관적 건강수준 인지율이 스트레스 수준을 낮추는 요인으로 작용하였으나, 주관적 건강수준 인지율이 스트레스를 직접적으로 낮추는 역할을 하지는 않았음을 의미한다.

VI. 결론 및 정책적 시사점

스트레스를 감소시키는 것이 개인과 사회에 유익하다는 사실은 명백하다. 이러한 이유로 스트레스에 관한 연구가 진행 중이며, 대부분 선행연구는 스트레스가 흡연율과 음주율에 미치는 영향에 초점을 맞췄다. 흡연과 음주는 스트레스에 영향을 받을 뿐만 아니라, 스트레스에 영향을 줄 수도 있다. 이에 따라 본 연구는 흡연, 음주, 주관적 건강수준이 스트레스에 미치는 영향을 분석하였다. 연구 방법으로는 동적 패널 회귀분석과 패널 그랜저 인과관계 분석을 사용하였다. 연구 대상은 2008년부터 2022년까지의 전국 시군구별 228개 기초자치단체로 총 표본은 3,420개이며, 지역별 차이를 고려하기 위해 광역시(서울, 부산, 대구, 인천, 광주, 대전, 울산)와 비광역시(경기도, 강원도, 충북, 세종, 충남, 전북, 전남, 경북, 경남, 제주)로 분류하였다.

본 연구의 주요 결론은 다음과 같다.

첫째, 흡연은 스트레스를 증가시키며, 흡연과 스트레스 간 양방향 그랜저 인과관계가 존재하였다. 이는 흡연과 스트레스가 악순환을 이룬다는 것을 의미한다. 둘째, 광역시에서 음주는 스트레스를 감소시키는 역할을 하지만, 음주와 스트레스 간 그랜저 인과관계는 존재하지 않았다. 이에 반해, 비광역시에서 음주는 통계적으로 유의미하지는 않지만, 스트레스를 증가시켰으며, 음주와 스트레스는 그랜저 인과관계를 갖지 않았다. 셋째, 자신의 건강수준을 긍정적으로 인식하는 사람의 스트레스는 전 지역에서 낮았지만, 건강수준과 스트레스 간 그랜저 인과관계는 존재하지 않았다.

본 논문에서 도출된 결론의 함의는 다음과 같이 요약할 수 있다.

흡연은 스트레스를 증가시키며, 이는 다시 흡연의 증가를 초래하는 악순환(vicious circle)을 발생시킨다. 따라서, 흡연 예방 및 금연 지원 정책은 스트레스를 줄이는 선순환(virtuous circle)으로 작용할 수 있을 것이다. 반면, 음주와 주관적 건강수준의 인지는 스트레스에 영향을 미칠 수는 있으나, 스트레스를 직접적으로 통제하는 역할을 하지는 않는 것으로 분석되었다. 이러한 분석은 ‘음주와 주관적 건강수준’과 스트레스의 관계를 심층적으로 이해하기 위해서는 인구사회학적 특성을 고려한 다양한 변수들을 고려한 분석이 필요하다는 것을 시사한다.

기존 문헌에 대한 공헌은 다음과 같다.

첫째, 선행연구는 흡연, 음주 등이 스트레스에 미치는 영향과 역으로 스트레스가 이들에 미치는 영향을 보였다.¹⁶⁾ 반면 본 연구는 이들 요인과 스트레스의 시간적 선행성을 고려하였다는 점에서 차별성이 있다. 즉, 본 연구는 패널 회귀분석과 그랜저 인과성 검정을 병행함으로써, 흡연이 스트레스 지수를 직접 높이는 역할을 하나, ‘음주와 주관적 건강수준의 인지’가 스트레스를 직접적으로 통제하지는 않는다는 결과를 제시할 수 있었다.

둘째, 선행연구는 소규모 인구 집단을 대상으로 분석하였다.¹⁷⁾ 반면 본 연구는 전국 데이터를 활용하여 권역별(지역별) 패널회귀 분석과 그랜저 인과성 검정을 시행하였다는 점에 의의가 있다 ― 본 연구는 지역별로 스트레스에 미치는 요인이 다름을 확인할 수 있었다.

전국 단위의 데이터를 활용하는 과정에서 몇 가지 한계점이 있었다. 특히, 인구사회학적 특성(예를 들어, 연령, 성별, 결혼 상태, 교육 연한, 수면시간)을 충분히 고려하지 못했다는 점이 본 연구의 주요 한계로 지적될 수 있다. 예를 들어, 국내 전체 흡연율과 음주율은 하락하는 추세이지만, 여성의 경우 흡연율과 음주율은 증가하는 추세이다. 다른 예로 본 연구에서 유도된 음주와 스트레스의 관계를 들 수 있다. 본 연구는 광역시에서 음주는 스트레스 지수를 낮추는 역할을 하였으나, 음주가 스트레스를 직접적으로 유발하지 않는다는 결론을 내렸다. 이는 음주와 스트레스의 관계를 더욱 심층적으로 이해하기 위해서는 인구사회학적 특성을 고려한 분석(예를 들어, 음주와 스트레스 사이에 매개변수를 고려한 분석)이 필요할 수 있음을 시사한다.¹⁸⁾ 또한, 분석 대상이 다르다는 점도 한계점으로 언급될 수 있다. 예를 들어, 흡연율과 음주율에 대한 조사 대상은 만 19세이지만 주관적 건강수준 인지율과 스트레스 인지율에 대한 조사 대상은 13세이다. 이러한 한계점의 주된 이유는 분석 대상을 통계청 자료에 의존하였기 때문이다. 위의 두 가지 한계점에 대응하여 인구사회학적 특성과 조사 대상의 일관성을 고려하는 분석은 연구의 과제로 남긴다.

Acknowledgments

귀한 심사평을 보내주신 익명의 심사위원들께 감사드린다. 이 논문은 조선대학교 연구지원금의 지원을 받아 연구되었음(2023년도).

References

• 김계숙·민인식(2010). “집적경제가 지역-산업 고용성장에 미친 영향: System GMM 추정방법의 활용”, 『국토계획』, 45(2): 227-246.
• 김준호·장세진(2012). “근로환경에 따른 직무스트레스 수준과 건강이상과의 관련성”, 『보건과 사회과학』, 31: 5-24.
• 김희정(2019). “금연하고자 하는 대학생의 흡연동기, 흡연행동, 스트레스, 금연자기효능이 건강증진행위에 미치는 영향”, 『대한통합의학회지』, 7(3): 189-196.
• 박남수(2012). “마음챙김에 근거한 스트레스 완화 프로그램이 조직구성원의 정신건강에 미치는 효과”, 『한국조직학회보』, 9(2): 107-144.
• 박한주·김종성·김경민·김성민·이동훈·김성수·정진규(2007). “흡연 남성의 스트레스에 대한 내적반응이 니코틴 의존도에 미치는 영향”, 『가정의학회지』, 28(8): 604-609.
• 보건복지부(2022). 『국민건강영양조사』.
• 이경희·정우진·이선미(2006). “스트레스 수준과 흡연 여부의 관련성”, 『가정의학회지』, 27(1): 42-48.
• 이계승(2021a). “장애여성의 음주행태 변화궤적 유형과 예측요인에 관한 연구: 장애 및 심리 특성을 중심으로”, 『GRI연구논총』, 23(2): 221-252.
• 이계승(2021b). “장애인의 음주행동 변화유형과 예측요인에 관한 연구”, 『장애인평생교육복지연구』, 7(2): 85-113.
• 이다은·임세원·신동원·오강섭·신영철(2017). “한국 직장인의 문제성 음주와 관련된 직무 스트레스 요인”, 『대한불안의학회지』, 13(1): 39-45.
• 하영미·정미라(2015). “남성근로자의 음주동기, 음주거절 효능감, 직무 스트레스가 문제음주에 미치는 영향”, 『한국직업건강간호학회지』, 24(1): 48-56.
• 한석례·김지영·이명하(2019). “성인 음주운전자의 음주동기, 스트레스 및 특성분노가 문제음주에 미치는 영향”, 『인문사회21』, 10(3): 1805-1820.
• 통계청(2019, 2020). 『국제통계』.
• 통계청, 각년도, 『지역별 통계』.
• Allerano, M. & S. Bover(1991). “Some Tests of Specification for Panel Data: Monte Carlo Evidence and an Application to Employment Equations”, Review of Economic Studies, 58: 277–297. [https://doi.org/10.2307/2297968]
• Allerano, M. & O. Bover(1995). “Another Look at the Instrumental Variable Estimation of Error-components Models”, Journal of Econometrics, 68: 29–51. [https://doi.org/10.1016/0304-4076(94)01642-D]
• Blundell, R. & S. Bond(1998). “Initial Conditions and Moment Restrictions in Dynamic Panel-data Models”, Journal of Economics, 87: 115–143. [https://doi.org/10.1016/S0304-4076(98)00009-8]
• Breitung, J.(2000). “The Local Power of Some Unit Root Tests for Panel Data”, Advances in Econometrics, 15: 161–177. [https://doi.org/10.1016/S0731-9053(00)15006-6]
• Dumitrescu, E.-I. & C. Hurlin(2012). “Testing for Granger Non-causality in Heterogeneous Panels”, Economic Modelling, 29: 1450–1460. [https://doi.org/10.1016/j.econmod.2012.02.014]
• Granger, C. W. J.(1969). “Investigating Causal Relations by Econometric Models and Cross-spectral Methods”, Econometrica, 37: 424–438. [https://doi.org/10.2307/1912791]
• Hadri, K.(2000). “Testing for Stationarity in Heterogeneous Panel Data”, Econometrics Journal, 3(2): 148–161. [https://doi.org/10.1111/1368-423X.00043]
• Harris, R. D. & E. Tzavalis(1999). “Inference for Unit Root in Dynamic Panels Where the Time Dimension is Fixed”, Journal of Econometrics, 91(2): 201-226. [https://doi.org/10.1016/S0304-4076(98)00076-1]
• Im, K. S., M. Pesaran & Y. Shin(2003). “Testing for Unit Roots in Heterogeneous Panels”, Journal of Econometrics, 115(1): 53–74. [https://doi.org/10.1016/S0304-4076(03)00092-7]
• Levin, A., C.-F. Lin, & C.-S. Chu(2002). “Unit Root Tests in Panel Data: Asymptotic and Finite-sample Properties”, Journal of Econometrics, 108(1): 1–24. [https://doi.org/10.1016/S0304-4076(01)00098-7]
• Lopez, L. & S. Weber(2017). “Testing for Granger Causality in Panel Data”, The Stata Journal, 17(4): 972-984. [https://doi.org/10.1177/1536867X1701700412]
• Maddala, G. S. & S. Wu(1999). “A Comparative Study of Unit Root Tests with Panel Data and a New Simple Test”, Oxford Bulletin of Economics and Statistics, 61: 631-652. [https://doi.org/10.1111/1468-0084.61.s1.13]
• https://www.mohw.go.kr/menu.es?mid=a10706040000, 보건복지부.