지방소멸위험지수 0.5는 어떻게 읽나요? 소멸위험지역 130곳과 여성·고령 인구비를 갈라 읽는 데이터 해석 절차

지방소멸위험지수 0.5 미만은 정확히 무엇을 뜻하나요?

핵심부터 말하면, 지방소멸위험지수는 한 지역의 20~39세 여성인구를 65세 이상 고령인구로 나눈 단 하나의 비율이고, 이 값이 0.5 미만이면 소멸위험지역으로 분류됩니다. 한국고용정보원 「지방소멸 2024」 기준으로 전국 228개 시군구 가운데 소멸위험지역은 130곳, 전체의 약 57%였습니다. 숫자만 보면 절반이 넘는 지역이 사라지는 것처럼 읽히지만, 이 지수는 미래 인구를 예측한 값이 아니라 지금의 연령 구조를 압축한 스냅숏에 가깝습니다. 그래서 0.5라는 경계선을 제대로 쓰려면 이 지수가 무엇을 재고 무엇을 빼놓는지부터 갈라 읽어야 합니다.

소멸위험지수가 만들어진 배경
지수를 처음 마주쳤던 현장 이야기
계산식과 5단계 등급을 뜯어보기
소멸위험지역 130곳과 인구감소지역 89곳은 왜 다른가
이 지수가 놓치는 것들
KOSIS로 직접 확인하는 4단계 절차
FAQ
같이 읽으면 좋은 것들

소멸위험지수가 만들어진 배경

지역 인구를 이야기할 때 우리는 오랫동안 총인구 한 줄에 기대 왔습니다. "○○군 인구 3만 명 붕괴" 같은 헤드라인이 대표적인데요. 문제는 총인구가 같은 두 지역이라도 그 안의 나이 구성이 완전히 다를 수 있다는 점입니다. 20대가 두터운 3만 명과 70대가 두터운 3만 명은 10년 뒤 전혀 다른 궤적을 그립니다. 총량 지표 하나로는 이 차이가 전혀 드러나지 않습니다.

이 빈틈을 메우려고 나온 것이 소멸위험지수입니다. 원형은 일본의 마스다 히로야가 제시한 개념인데, 국내에서는 한국고용정보원의 이상호 연구위원이 2016년 무렵부터 시군구 단위로 계산해 발표하면서 널리 알려졌습니다. 아이디어 자체는 단순합니다. 아이를 낳을 핵심 연령대인 20~39세 여성이, 곧 돌봄과 부양이 필요해지는 65세 이상 인구에 비해 얼마나 남아 있는지를 비율로 잡자는 것입니다.

총량 지표와 비교하면 이 지수의 쓸모가 더 또렷해집니다. 총인구는 "지금 몇 명인가"에만 답하지만, 소멸위험지수는 "지금의 나이 구성이 앞으로 유지 가능한가"라는 질문에 답하려 합니다. 두 지역의 총인구가 똑같이 줄고 있어도, 한 곳은 지수가 0.9로 버티고 다른 곳은 0.3으로 무너져 있다면 둘의 미래는 갈라집니다. 하나의 숫자가 나이 구조라는 눈에 잘 안 보이는 정보를 압축해 준다는 점에서, 지역 인구 데이터의 좋은 진입 지표가 됩니다.

여기서 중요한 건 이 지수가 예언 도구가 아니라는 사실입니다. "몇 년 뒤 소멸"을 계산한 값이 아니라, 재생산 잠재력과 고령 부담을 한 컷으로 대비시킨 구조 지표입니다. 이 성격을 놓치면 130곳이라는 숫자를 곧 사라질 마을 목록처럼 오독하게 됩니다.

지수를 처음 마주쳤던 현장 이야기

몇 해 전 한 기초자치단체의 인구정책 자료를 검토한 적이 있습니다. 담당 주무관이 가져온 보고서 첫 장에는 "우리 군 소멸위험지수 0.31, 소멸위험 진입"이라는 문장이 붉게 강조돼 있었는데요. 그 아래 대책은 온통 청년 유입 이벤트와 정착 지원금이었습니다.

그런데 원자료를 분해해 보니 그림이 조금 달랐습니다. 분모인 65세 이상 인구가 최근 5년간 가파르게 늘어난 반면, 분자인 20~39세 여성 수는 오히려 소폭 회복되고 있었습니다. 즉 지수가 낮아진 주된 힘은 청년이 빠져나가서가 아니라 고령층이 두꺼워졌기 때문이었습니다. 같은 0.31이라도 "청년이 계속 유출되는 0.31"과 "고령화가 밀어붙인 0.31"은 처방이 달라야 합니다. 전자는 유출 방지가, 후자는 고령 돌봄 인프라와 이미 있는 청년의 정주 여건이 먼저입니다.

그때 배운 교훈은 분명합니다. 지수 값 하나를 읽는 것과, 그 값을 만든 분자와 분모의 움직임을 읽는 것은 완전히 다른 작업이라는 점입니다. 숫자는 결론이 아니라 질문의 시작이었습니다.

같은 회의에서 옆 군의 자료도 함께 봤는데, 이쪽은 지수가 0.48로 우리 군보다 높았는데도 분위기가 더 어두웠습니다. 이유를 뜯어 보니 분자인 청년 여성이 몇 년째 빠른 속도로 줄고 있었고, 분모인 고령층은 오히려 완만했기 때문이었습니다. 값만 보면 0.31보다 나아 보이지만, 추세로 보면 훨씬 가파른 하강 곡선을 그리고 있던 셈입니다. 정지된 값이 아니라 기울기를 봐야 한다는 것을, 그날 두 지역을 나란히 놓고서야 실감했습니다.

계산식과 5단계 등급을 뜯어보기

계산식 자체는 나눗셈 한 번이면 끝납니다.

소멸위험지수 = (20~39세 여성인구) ÷ (65세 이상 인구)

분자가 크면(젊은 여성이 많으면) 값이 올라가고, 분모가 크면(고령층이 많으면) 값이 내려갑니다. 값이 1이라는 것은 두 집단의 규모가 같다는 뜻이고, 1보다 크면 재생산 잠재 인구가 고령 인구보다 많다는 의미입니다.

한국고용정보원은 이 값을 다섯 구간으로 끊어 등급을 매깁니다.

지수 구간	분류	의미
1.5 이상	소멸 저위험	젊은 인구가 고령 인구를 크게 상회
1.0~1.5	보통	두 집단 규모가 비슷
0.5~1.0	주의	고령 인구가 우위로 기울기 시작
0.2~0.5	소멸위험 진입	재생산 기반이 뚜렷이 약함
0.2 미만	소멸 고위험	재생산 기반이 사실상 붕괴

여기서 실무적으로 가장 자주 쓰이는 경계가 0.5입니다. 언론과 보고서가 말하는 "소멸위험지역"은 대개 0.5 미만, 즉 위험 진입과 고위험을 합친 범주를 가리킵니다. 「지방소멸 2024」에서 이 범주가 130곳이었고, 그 가운데 0.2 미만 고위험이 50여 곳이었습니다. 주목할 변화는 위험이 농어촌을 넘어 도시로 번졌다는 점인데요. 부산이 특별·광역시 가운데 처음으로 소멸위험단계에 들어섰고, 새로 진입한 11개 시군구 중 8곳이 광역시 소속 자치구였습니다. 소멸위험이 더는 시골만의 문제가 아니라는 신호였습니다.

소멸위험지역 130곳과 인구감소지역 89곳은 왜 다른가

데이터를 읽다 보면 헷갈리는 지점이 하나 있습니다. 어떤 기사에는 소멸위험지역이 130곳이라 하고, 다른 자료에는 인구감소지역이 89곳이라고 나오는데요. 둘은 다른 주체가 다른 목적으로 만든 별개의 개념입니다.

소멸위험지역은 한국고용정보원이 연구 목적으로 지수를 계산해 분류한 학술·통계적 구분입니다. 법적 효력이나 예산이 따라붙지 않습니다. 반면 인구감소지역은 행정안전부가 2021년에 지정한 행정 지정입니다. 연평균 인구증감률, 고령화 비율, 조출생률, 순이동률 등 여러 지표를 종합해 89곳을 골랐고, 여기에는 1조 원 규모의 지방소멸대응기금과 국고보조사업이 실제로 배정됩니다.

구분	소멸위험지역	인구감소지역
주관	한국고용정보원	행정안전부
성격	연구·통계 분류	법·행정 지정
기준	소멸위험지수 단일	8개 지표 종합
규모	130곳(2024)	89곳(2021 지정)
예산 연계	없음	지방소멸대응기금 등

그래서 두 숫자가 어긋나는 것은 오류가 아니라 당연한 결과입니다. 데이터를 인용할 때는 "어느 기관의, 어떤 정의인가"를 먼저 확인해야 엉뚱한 비교를 피할 수 있습니다. 소멸위험지역이라고 모두 기금을 받는 것도 아니고, 인구감소지역이라고 모두 지수 0.5 미만인 것도 아닙니다.

이 지수가 놓치는 것들

소멸위험지수의 최대 장점은 직관성입니다. 나눗셈 한 번으로 지역 간 비교가 되니까요. 하지만 그 단순함이 곧 한계이기도 합니다.

첫째, 출산율을 담지 못합니다. 지수는 "20~39세 여성이 몇 명 있는가"만 볼 뿐, 그들이 실제로 아이를 얼마나 낳는지는 반영하지 않습니다. 젊은 여성이 많아도 둘째 이상 출산이 드물면 인구는 결국 줄어드는데, 이 흐름이 지수에는 잡히지 않습니다.

둘째, 이동을 담지 못합니다. 대학과 직장 때문에 주소만 잠깐 옮겨 둔 청년, 반대로 주소는 그대로 둔 채 실제로는 도시에 사는 사람까지 그대로 계산됩니다. 이른바 생활인구와 등록인구의 격차가 큰 지역일수록 지수의 오차도 커집니다.

셋째, 남성과 다른 연령대를 뺀 설계라 재생산을 여성 중심으로만 본다는 비판이 꾸준합니다. 원형이 일본에서 만들어진 산식이라 "젊은 여성이 많은 곳일수록 출산율이 높다"는 전제를 깔고 있는데, 이 전제가 한국에서는 잘 성립하지 않는다는 지적도 있습니다. 실제로 젊은 인구가 몰린 대도시일수록 출산율이 더 낮은 역설이 나타나니까요.

이런 이유로 한국고용정보원도 최근에는 지수 한 줄에만 기대지 않고, 이동·산업·연령 구조를 함께 보는 새 분류체계를 「지방소멸 2025」에서 제안했습니다. 지수는 여전히 유용한 출발점이지만, 그 자체가 종착점은 아니라는 뜻입니다.

KOSIS로 직접 확인하는 4단계 절차

보고서에 적힌 지수를 그대로 받아쓰는 대신, 원자료로 직접 확인하는 습관을 들이면 오독이 크게 줄어듭니다. 국가통계포털(KOSIS)에서 다음 네 단계면 충분합니다.

1단계, 분자와 분모의 원천을 확인합니다. 소멸위험지수는 통계청 주민등록인구통계를 바탕으로 계산됩니다. KOSIS에서 시군구·성·연령별 주민등록인구를 받아 20~39세 여성과 65세 이상 인구를 각각 확보합니다.

2단계, 직접 나눠 봅니다. 두 값을 나눠 지수를 재현해 보면, 보고서 값과 대체로 맞아떨어지는지 검증할 수 있습니다. 어긋난다면 기준 시점(연초인지 연말인지)이나 연령 구간 정의가 다른 경우가 많습니다.

3단계, 시계열로 분해합니다. 최근 5~10년치를 뽑아 분자와 분모를 따로 그려 봅니다. 앞서 현장 사례처럼, 지수 하락이 청년 유출 탓인지 고령화 탓인지가 여기서 갈립니다. 방향이 같은 0.4라도 원인이 다르면 대책이 달라야 합니다.

4단계, 다른 지표와 교차합니다. 순이동률, 조출생률, 생활인구 통계를 나란히 놓고 봅니다. 지수가 낮아도 순유입이 회복 중인 지역이 있고, 지수가 괜찮아 보여도 청년 순유출이 가파른 지역이 있습니다. 지표 하나가 아니라 서로 다른 각도의 지표가 같은 방향을 가리킬 때 결론의 신뢰도가 올라 갑니다.

이 네 단계를 거치면 "우리 지역 지수 0.4"라는 한 줄이 "고령화가 주도한 0.4이고 최근 순이동은 개선 중"이라는 훨씬 실용적인 문장으로 바뀝니다.

한 가지 덧붙이면, 지수를 비교할 때는 반드시 같은 시점과 같은 정의로 맞춰야 합니다. 어떤 자료는 연초 주민등록인구를, 어떤 자료는 연말 인구를 쓰고, 연령 구간을 20~39세가 아니라 15~49세 가임여성으로 잡는 경우도 있습니다. 기준이 다른 두 값을 나란히 놓고 "옆 동네보다 우리가 낫다"고 말하면, 그 비교 자체가 성립하지 않습니다. 원자료를 직접 만졌을 때 얻는 가장 큰 이점은 바로 이 기준을 손으로 통일할 수 있다는 데 있습니다. 숫자를 받아쓰는 사람과 숫자를 만들어 보는 사람의 차이는, 결국 이 사소해 보이는 정의의 일치에서 갈립니다.

FAQ

소멸위험지수가 0.5 미만이면 그 지역은 정말 사라지나요?

아닙니다. 이 지수는 미래를 예측한 값이 아니라 현재의 연령 구조를 압축한 지표입니다. 0.5 미만은 재생산 인구 대비 고령 인구가 많다는 구조적 신호일 뿐, 소멸 시점을 계산한 것이 아닙니다. 실제 인구 궤적은 출산율과 인구 이동에 따라 얼마든지 달라집니다.

왜 하필 20~39세 여성만 분자로 쓰나요?

이 연령대가 출산의 대부분이 일어나는 구간이라 재생산 잠재력을 대표한다고 보기 때문입니다. 다만 남성과 출산율 자체를 빼놓았다는 점은 이 지수의 대표적인 한계로 지적됩니다. 그래서 최근에는 이동·산업 지표를 함께 보는 보완 분류가 제안되고 있습니다.

소멸위험지역과 인구감소지역은 같은 말인가요?

다릅니다. 소멸위험지역은 한국고용정보원의 통계적 분류(130곳, 2024)이고, 인구감소지역은 행정안전부가 여러 지표를 종합해 지정한 행정 구분(89곳, 2021)입니다. 예산이 배정되는 쪽은 인구감소지역입니다. 두 숫자가 다른 것은 정의가 다르기 때문입니다.

내 지역 지수를 직접 계산할 수 있나요?

가능합니다. KOSIS에서 시군구·성·연령별 주민등록인구를 받아 20\~39세 여성 수를 65세 이상 인구 수로 나누면 됩니다. 여기에 최근 5\~10년치를 시계열로 분해하면 지수를 움직인 원인까지 읽어 낼 수 있습니다.

지수가 낮으면 청년 유입 정책만 세우면 되나요?

그렇게 단정하면 위험합니다. 지수 하락이 청년 유출 때문인지 고령화 때문인지에 따라 처방이 달라집니다. 원자료의 분자·분모를 나눠 본 뒤, 유출 방지가 급한지 고령 돌봄과 기존 주민 정주 여건이 급한지를 판단하는 것이 먼저입니다.