지역 통계 비교 어떻게 하나요? 1인당 GRDP 8,519만 원과 소득 순유출이 정반대를 가리키는 이유와 데이터 해석 절차

지역 통계 비교, 어떻게 읽어야 할까요?

지역 데이터를 비교할 때 출발점은 순위표가 아니라 분모입니다. 2024년 기준 울산의 1인당 지역내총생산(GRDP)은 8,519만 원으로 전국 평균 4,948만 원의 1.7배이고 9년 연속 1위인데, 정작 울산은 소득이 지역 밖으로 순유출되는 대표적인 지역으로 지적됩니다. 같은 해 조사망률은 인구 10만 명당 702.6명인데 연령 구조를 보정한 연령표준화 사망률은 294.6명으로, 두 수치의 지역 순위도 서로 다르게 나옵니다. 지역 통계에서 자주 벌어지는 착시는 대부분 세 가지 이유에서 생깁니다. 총량과 1인당을 섞어 보거나, 생산지 기준과 거주지 기준을 구분하지 않거나, 연령 구조가 다른 지역을 그대로 견주는 것입니다. 이 세 가지만 걸러내도 지역 비교의 오독은 크게 줄어듭니다.

보고서 초안이 두 번 뒤집혔던 이유
착시 1: 총량과 1인당을 섞어 보는 경우
착시 2: 생산지 기준과 거주지 기준
착시 3: 연령 구조를 보정하지 않은 비교
지역 통계를 어디서 어떻게 가져올까
지역 비교 데이터 해석 4단계
FAQ
같이 읽으면 좋은 것들

보고서 초안이 두 번 뒤집혔던 이유

한 기초자치단체의 생활 지표 보고서를 검토한 적이 있습니다. 초안의 첫 장에는 "우리 시의 1인당 생산액은 도내 3위, 그러나 주민 체감 소득은 하위권"이라는 문장이 있었고, 그 아래에 지역 경제가 성장했는데 주민에게 돌아가지 않는다는 해석이 붙어 있었습니다. 방향은 맞았지만 근거가 어긋나 있었습니다.

확인해보니 1인당 생산액은 지역내총생산을 지역 인구로 나눈 값이었고, 체감 소득으로 제시한 지표는 가계 조사 기반의 개인소득이었습니다. 두 수치는 애초에 다른 단위계에 속합니다. 앞의 것은 그 지역에서 생산된 부가가치, 뒤의 것은 그 지역에 사는 사람이 벌어들인 소득입니다. 대규모 산업단지가 있는 지역은 이 둘의 간격이 크게 벌어지는 게 정상입니다. 통근자와 본사 소재지, 자본 소득이 지역 경계를 넘나들기 때문입니다.

두번째로 뒤집힌 것은 사망률 부분이었습니다. 초안은 "우리 지역의 사망률이 도 평균보다 40% 높다"고 적었는데, 사용한 값은 조사망률이었습니다. 고령 인구 비율이 도 평균보다 10%포인트 넘게 높은 지역이라 당연한 결과였습니다. 연령표준화 사망률로 다시 계산하니 도 평균보다 오히려 낮았습니다. 결론이 정반대로 바뀐 셈입니다.

이 두 번의 수정에서 얻은 교훈은 하나입니다. 지역 통계에서 숫자를 틀리는 일보다 지표를 잘못 고르는 일이 훨씬 자주 벌어진다는 것. 그리고 지표를 잘못 고르면 소수점 자리를 아무리 정확히 맞춰도 결론은 틀립니다.

착시 1: 총량과 1인당을 섞어 보는 경우

2024년 지역내총생산 총량은 경기 651조 원, 서울 575조 원, 경남 151조 원 순입니다. 전국 규모는 2,561조 원으로 전년보다 149조 원 늘었습니다. 여기까지만 보면 경기와 서울이 압도적인 경제 중심으로 읽힙니다.

그런데 1인당으로 나누면 그림이 달라집니다. 1인당 GRDP는 울산이 8,519만 원으로 1위이고, 전국 평균은 4,948만 원입니다. 울산, 충남, 서울 등 6개 시도가 전국 평균을 웃돌고 대구·부산·광주 등 11개 시도가 밑돕니다. 총량 순위와 1인당 순위가 이렇게 갈리는 이유는 단순합니다. 총량은 인구가 많은 곳이 유리하고, 1인당은 인구 대비 생산 밀도가 높은 곳이 유리합니다.

기준	상위 지역 성격	적합한 질문	부적합한 질문
총량(GRDP)	인구·기업이 많은 대도시권	어디에 경제 규모가 몰려 있나	어디 주민이 잘사나
1인당 GRDP	중화학·정유 등 장치산업 지역	인구 대비 생산 강도가 어디가 높나	주민 소득 수준이 어떤가
1인당 개인소득	고소득 직군이 거주하는 지역	주민이 실제로 얼마를 버나	지역 산업 규모가 어떤가

정책 문서에서 흔히 발견되는 실수는 총량 순위를 근거로 "성장했다"고 쓰고, 1인당 순위를 근거로 "격차가 벌어졌다"고 쓰는 식으로 두 기준을 문단마다 바꿔 쓰는 것입니다. 읽는 사람은 두 문장이 같은 데이터에서 나온 줄 알지만 실제로는 다른 지표입니다. 인구 규모 자체가 지표를 왜곡하는 구조는 1인 가구나 고령 인구 비중을 다룰 때도 똑같이 반복됩니다.

착시 2: 생산지 기준과 거주지 기준

한 줄로 요약하면, 어디서 만들어졌는지와 누가 가져갔는지는 다른 질문입니다.

GRDP는 그 지역 안에서 생산된 부가가치를 집계합니다. 공장이 그 지역에 있으면 생산은 그 지역 몫으로 잡힙니다. 하지만 그 공장에서 발생한 이익은 본사가 있는 지역으로, 임금은 통근하는 노동자의 거주지로 흘러갑니다. 울산이 1인당 GRDP 1위를 9년째 지키면서도 지역 언론에서 20조 원대 소득 순유출이 반복적으로 지적되는 배경이 이것입니다.

이 간격을 확인하려면 지표를 세 개 나란히 놓아야 합니다.

1인당 지역내총생산: 생산 기준. 그 지역에서 얼마나 만들어졌나
1인당 지역총소득: 소득 유출입을 반영한 값
1인당 개인소득: 가계가 실제로 처분할 수 있는 소득에 가까운 값

통근이 만들어내는 왜곡도 같은 계열입니다. 낮에는 일하러 들어오고 밤에는 빠져나가는 도시에서는 주간 인구를 기준으로 한 지표와 야간 상주인구를 기준으로 한 지표가 전혀 다른 값을 냅니다. 상권 매출을 상주인구로 나누면 실제보다 훨씬 높은 값이 나오고, 반대로 공공시설 수요를 상주인구로만 추계하면 낮 시간대 이용자를 통째로 놓칩니다. 어떤 인구를 분모로 쓸지는 취향이 아니라 질문의 성격이 정합니다.

세 값의 순위가 지역마다 크게 엇갈립니다. 서울은 개인소득에서 오랫동안 1위를 지켜왔고, 장치산업 도시들은 생산 기준에서만 높습니다. 지역 경제 정책을 설계할 때 이 세 값의 간격 자체가 진단 재료가 됩니다. 생산은 많은데 소득이 남지 않는 지역이라면 필요한 처방은 기업 유치가 아니라 정주 여건과 본사 기능 유치 쪽에 가깝습니다.

체류 인구와 등록 인구의 차이를 다룬 논의도 같은 계열입니다. 어디에 주민등록이 되어 있느냐와 실제로 어디서 시간을 보내느냐가 다르다는 문제인데, 자세한 내용은 생활인구 통계 어떻게 읽나요에서 정리했습니다.

착시 3: 연령 구조를 보정하지 않은 비교

건강·복지 지표를 지역별로 비교할 때 가장 자주 나오는 실수입니다.

조사망률은 그해 사망자 수를 인구로 나눈 값입니다. 2024년 전국 조사망률은 인구 10만 명당 702.6명으로 전년 대비 1.9% 늘었습니다. 이 값은 인구 구조를 그대로 반영하기 때문에, 고령 인구 비율이 높은 지역은 자동으로 높게 나옵니다. 의료 수준이나 생활 환경과 무관하게 말입니다.

연령표준화 사망률은 이 문제를 없애기 위해 각 지역의 연령별 사망률을 동일한 표준 인구(2005년 전국 인구)에 적용해 다시 계산한 값입니다. 2024년 전국 연령표준화 사망률은 표준인구 10만 명당 294.6명으로 전년보다 5.1명 줄었습니다. 시도별로는 전남 333.7명, 강원 324.6명, 충북 324.2명 순으로 높고 서울 254.7명, 세종 276.6명, 경기 279.8명 순으로 낮습니다.

지표	계산 방식	답할 수 있는 질문
조사망률	사망자 수 ÷ 해당 지역 인구	이 지역에서 실제로 몇 명이 사망했나 (의료·복지 수요 추정)
연령표준화 사망률	연령별 사망률을 표준 인구에 적용	연령 구조를 같게 놓았을 때 어느 지역이 더 위험한가

용도가 다릅니다. 병상 수요나 장례·복지 예산을 추정할 때는 조사망률이 맞습니다. 실제로 발생하는 사망자 수가 중요하니까요. 반대로 지역 간 건강 수준을 비교하거나 보건 정책의 효과를 평가할 때는 연령표준화 사망률을 써야 합니다. 두 지표를 바꿔 쓰면 결론이 뒤집힙니다.

같은 보정 논리는 실업률, 자가 보유율, 소비지출에도 적용됩니다. 청년 비중이 높은 지역과 노년 비중이 높은 지역을 그대로 비교하면 지역 특성이 아니라 인구 구조를 측정하게 됩니다. 지역의 연령 구조가 지표를 어떻게 흔드는지는 인구 고령화 통계 어떻게 읽나요에서 더 자세히 짚었습니다.

지역 통계를 어디서 어떻게 가져올까

실무에서 쓰는 경로는 크게 셋입니다.

첫째, KOSIS의 e-지방지표입니다. 시도·시군구 단위로 인구, 가구수, GRDP, 1인당 GRDP, 경제성장률, 특허 출원 건수 같은 지표를 지역 간 비교 형태로 제공합니다. 지역 비교 화면에서 여러 시군구를 한 번에 선택해 표로 뽑을 수 있어 초안 작업에 편리합니다.

둘째, 통계지리정보서비스(SGIS)입니다. 지도 위에 통계를 얹어 보여주는 서비스로, 정책통계지도 기능을 쓰면 센서스 통계와 자체 보유 데이터를 함께 올려 지도를 만들 수 있습니다. 읍면동보다 작은 격자 단위 자료를 다룰 때 특히 유용합니다.

셋째, 원 통계의 보도자료와 부록 표입니다. 포털에서 지표만 뽑으면 정의와 주석을 놓치기쉽습니다. 표준화 기준 연도가 언제인지, 잠정치인지 확정치인지, 기준연도 개편이 있었는지는 대부분 보도자료 각주에 적혀 있습니다. 기준연도 개편이 있으면 과거 수치가 소급 변경되므로, 예전 보고서의 숫자와 다르다고 당황할 필요가 없습니다.

지역 비교 데이터 해석 4단계

1단계, 질문을 먼저 확정합니다. "어디가 잘사나"는 질문이 아닙니다. 생산 규모를 묻는지, 주민 소득을 묻는지, 성장 속도를 묻는지에 따라 써야 할 지표가 갈립니다.

2단계, 분모를 확인합니다. 인구인지, 가구인지, 경제활동인구인지, 면적인지를 봅니다. 같은 지표라도 분모가 바뀌면 순위가 통째로 뒤집힙니다. 시군구 단위로 내려가면 인구가 적은 지역에서 값이 크게 튀는현상도 함께 고려해야 합니다.

여기에 하나 덧붙이면, 비교 대상 지역을 고르는 것 자체가 이미 해석입니다. 인구 5만 명의 군을 인구 100만 명의 특례시와 나란히 놓으면 거의 모든 지표에서 차이가 나는데, 그 차이는 정책 성과가 아니라 규모의 차이일 가능성이 큽니다. 유사한 인구 규모와 산업 구조를 가진 지역을 묶어 비교군을 만드는 작업이 표를 그리기 전에 먼저 와야 합니다. 실무에서는 인구 규모, 고령 인구 비율, 재정자립도 세 축으로 비교군을 짜는 방식이 무난합니다.

3단계, 구조를 보정합니다. 건강·고용·소비 지표는 연령 구조를 맞춰 비교합니다. 표준화 값이 제공되지 않는 지표라면 최소한 고령 인구 비율을 함께 표기해 독자가 보정해 읽을 수 있게 합니다.

4단계, 시계열로 확인합니다. 한해 값만 보면 특정 연도의 대형 투자나 일회성 요인에 휘둘립니다. 최소 5년치를 나란이 놓고 방향을 봅니다. 지역 지표는 단년도 순위보다 추세가 훨씬 많은 것을 말해줍니다. 이 흐름을 소멸위험 논의와 함께 볼 때 무엇을 주의해야 하는지는 지방소멸위험지수 0.5는 어떻게 읽나요에서 다뤘습니다.

FAQ

1인당 GRDP가 높으면 그 지역 주민이 잘사는 건가요?

아닙니다. GRDP는 생산지 기준 지표라 그 지역에서 만들어진 부가가치를 집계할 뿐, 그 소득이 지역 주민에게 남는지는 별개입니다. 울산은 1인당 GRDP 8,519만 원으로 9년 연속 1위지만 소득 순유출 규모가 크다는 지적이 반복됩니다. 주민의 실제 형편을 보려면 1인당 개인소득이나 1인당 지역총소득을 함께 봐야 합니다.

조사망률과 연령표준화 사망률 중 무엇을 써야 하나요?

목적에 따라 다릅니다. 실제 사망자 규모가 필요한 예산·수요 추계에는 조사망률이 맞고, 지역 간 건강 수준 비교나 정책 효과 평가에는 연령표준화 사망률이 맞습니다. 2024년 기준 전국 조사망률은 10만 명당 702.6명, 연령표준화 사망률은 294.6명으로 값 자체가 두 배 이상 차이 나기 때문에, 문서 안에서 두 지표를 섞어 쓰면 반드시 혼선이 생깁니다.

시군구끼리 비교할 때 특히 주의할 점이 있나요?

표본 규모입니다. 조사 기반 통계는 시군구 단위로 내려가면 표본 수가 급격히 줄어 오차 범위가 커집니다. 상대표준오차나 표본 수가 함께 공표되는지 확인하고, 값이 튀는 지역은 단정하지 말고 여러 해 평균으로 보정하는 편이 안전합니다. 등록 기반 행정통계와 조사 기반 통계를 구분하는 것도 중요합니다.

지역 통계는 어디서 내려받는 게 가장 빠른가요?

비교 표가 필요하면 KOSIS의 e-지방지표, 지도 형태가 필요하면 통계지리정보서비스(SGIS)를 권합니다. 다만 두 경로 모두 지표값만 제공하므로, 정의와 기준연도, 잠정·확정 여부는 원 통계 보도자료를 함께 확인해야 합니다.

기존 방식과 비교해 무엇이 가장 크게 달라지나요?

예전에는 순위표 한 장으로 지역을 설명했다면, 지금은 같은 현상을 서로 다른 세 지표로 교차 확인하는 방식이 표준에 가깝습니다. 생산·소득·구조 보정 값을 나란히 놓는 것만으로도 잘못된 결론의 상당수가 걸러집니다. 작업 시간은 늘지만 보고서가 뒤집히는 일은 크게 줄어듭니다.