Article

Journal of Korean Society of Transportation. 31 December 2022. 781-798
https://doi.org/10.7470/jkst.2022.40.6.781

ABSTRACT


MAIN

  • 서론

  • 선행연구

  •   1. 활동계획 이론

  •   2. 원격근무 확대에 따른 대체활동 선택

  • 데이터 및 분석방법론

  •   1. 데이터 수집

  •   2. 데이터 분석 방법론

  • 분석결과

  •   1. 활동별 선택 – 빈도분석과 교차분석

  •   2. 대체 활동묶음 유형화 및 영향요인 분석 – 잠재계층분석 기반 3단계 접근방법

  •   3. 원격근무 경험에 따른 영향

  • 결론

서론

인간은 활동을 통해 삶에 필요한 것들을 채워 나가고, 도시 공간은 이러한 활동이 이루어질 수 있는 장소를 제공하기 때문에 활동 추구와 도시공간구조는 지속적으로 영향을 주고받는다. 그러나 개인의 스케줄에는 시공간적인 제약이 존재하고, 필요로 하거나 선호하는 활동장소들은 공간적으로 균등하게 분포되어 있지 않기 때문에, 사람들은 이들 간 거리를 극복할 수 있는 적절한 교통수단이 제공되지 않을 때, 활동 참여를 포기하거나 대안 활동을 선택하게 된다(Lu and Pas, 1999; Ettema et al., 2007; Farber and Páez, 2009; Noh and Joh, 2009). 이러한 시공간 제약의 형태는 시간지리학 이론을 바탕으로 구성된 시공간프리즘 형태로 구현할 수 있으며, 프리즘 형태에 가장 큰 영향을 미치는 요인은 하루 중 가장 많은 시간을 보내는 거주지와 직장의 위치 그리고 각 장소에서의 시간 예산(Time budget)에 따른 이동 유연성이다(Hägerstrand, 1970; Miller, 1991; Kwan, 1998).

이동통신기술의 발달은 원격근무를 가능하게 하여 직장과 주거지의 위치에 기반한 시공간 제약에 큰 변화를 가져왔으며 이에 대한 다양한 연구가 1990년대부터 지속적으로 이루어져왔다(Pendyala et al., 1991; Saxena and Mokhtarian, 1997; Golob and Regan, 2001; Dijst, 2004; Chen and Yeh, 2021). 즉, 개인은 직장 대신 집 또는 집 주변 원격업무 센터에서의 근무가 가능해지면서 출퇴근통행과 직장에서 근무시간동안 머물러야 하는 시공간적 제약에서 벗어날 수 있게 되었으며, 이로 인해 원격근무 이전에는 가능하지 않았던 새로운 활동패턴을 선택할 수 있게 되었다. 따라서 원격근무에 의해 새롭게 선택되는 활동(그동안 제약된 활동 또는 새로운 활동 모두 포함)은 활동 위치의 공간적 분포의 변화와 시간배분의 변화를 가져오며, 이는 궁극적으로 도시공간의 변화를 가져올 것으로 예상된다(KRIHS, 2011; KRIHS, 2021 재인용)

그러나 기존 연구에서 제시된 연구들은 활동의 원격화 경험이 제한적인 일반 대중들을 대상으로 또는 원격근무가 이른 시기부터 활성화된 특정 직군의 사람들을 대상으로 이루어져왔기 때문에 원격활동의 증가가 도시 활동선택에 미치는 영향을 분석하기에는 한계가 있어 통행에 대한 집계적 분석이 주를 이루어왔다(Pendyala et al., 1991; Zhu and Mason, 2014; Moeckel, 2017). 최근 코로나-19 확산으로 인한 원격근무 경험의 대중화는 원격활동이 도시활동과 도시공간에 미치는 영향을 연구할 수 있는 새로운 전기를 마련해주었다. 즉, 원격근무 가능업종이 확산되고 원격근무 제도 및 지침이 확립되었으며, 이들에 대한 개인의 인식과 경험이 달라져, 이러한 형태의 근무가 확산되었을 때 개인의 삶이 어떻게 변화하는가에 대해 실제 경험한 사람들이 늘어났다. 따라서, 원격근무 확산이 개인의 삶에 미치는 영향을 다양한 집단으로부터 추출된 다수를 대상으로 구체적인 경험에 기반하여 연구할 수 있게 되었다(Bin et al., 2021).

따라서 본 연구에서는 원격근무의 확산 시 개인의 활동선택이 어떻게 변화할 가능성이 있는지를 분석하는 것을 목적으로 한다. 특히, 원격근무 확대로 인해 절약되는 출 ․ 퇴근 시간을 어떠한 활동으로 대체하고자 하는지에 대해 개인의 선호를 조사하고, 이에 대한 선택에 원격활동 경험의 유무가 어떻게 영향을 미치는지를 분석한다. 또한 각 활동의 선택에 미치는 영향요인을 원격근무경험과 근무환경뿐만 아니라 개인, 가구, 직업적 특성 그리고 거주지와 직장 주변 환경의 특성들과 함께 분석하여 특정 활동 선택에 대한 영향을 확인하고자 한다. 추가적으로 본 연구는 개인별 대체활동의 묶음이 어떻게 구성되는지 대표적인 유형을 도출하고, 이들이 위 영향요인들과 어떠한 상호관계를 가지는지 확인하는 데 그 목적이 있다.

본 연구는 다음 장에서 선행연구를 검토하여 대체활동이 개인의 활동선택 과정에서 어떠한 의미를 가지는지 이론적으로 살펴보고, 기존 원격근무가 개인의 활동선택에 미치는 영향에 대한 선행연구를 살펴본다. 다음으로 본 연구에 활용된 데이터와 분석방법론을 제시한 후, 분석결과를 바탕으로 원격근무로 인해 대체 선택되는 개별 활동들의 비중과 이들의 선택에 영향을 미치는 요인들을 도출해낸다. 이어서 대체활동 선택 묶음 유형 분석을 제시하고, 활동 묶음과 영향요인 간의 관계를 도출하여 원격근무 활성화에 따른 도시활동의 변화를 조망하고자 한다.

선행연구

본 연구에서는 원격근무의 증대에 따른 활동 참여의 변화, 즉 대체활동을 설명하기 위한 이론적 틀로서 활동계획이론을 검토한다. 또한, 원격근무의 증대와 활성화에 따라 대체활동이 어떻게 달라지는지에 대한 선행연구를 검토한다.

1. 활동계획 이론

인간은 활동계획 과정을 통해 특정 활동의 참여 여부를 결정하게 되는데, 이에 대한 이론적인 기반은 Newell and Simon(1972)의 Production System을 통해 제안되었고, Hayes-Roth and Hayes-Roth(1979)에 의해 발전되었다. 이들 이론 및 모형들은 개인의 정신구조와 조건-행동규칙 등에 기반하여 활동이 선택되는 과정을 설명하고 있다. Hayes-Roth and Hayes-Roth의 기회주의적 모형은 Newell and Simon(1972)의 Production System과 다르게 개인의 정신상태를 좀 더 세분화한 활동계획의 과정을 보여주고 있으며, 활동의 선택과 실제 참여에 필요한 자원 배분 등을 담당하는 단계(plane)가 다르다고 보았다. 이 모형에서는 참여를 고려하고 있는 활동은 계획-추상적 개념 단계(plane)에 위치한다고 하였다.

Gärling et al.(1989)은 기회주의적 활동계획 모형(Opportunistic model of planning activity)을 바탕으로 활동 의사결정과정을 강조한 SCHEDULER을 제시하였고, 이는 객관적 환경, 사람, 그리고 실행의 세 가지 요소로 구성되어있다. 이 모형에서는 인지된 기회와 경험을 바탕으로 필요와 욕구가 생긴 활동들이 계획의 단계로 넘어가게 되고, 활동 참여에 문제가 발견되지 않았을 때 개인의 일정에 포함된다는 모형이다. SCHEDULER는 활동계획의 메커니즘을 강조하기 위해 정신구조에 대한 부분을 단순화하였지만, 개인의 활동계획과정을 간단하고 명료하게 잘 설명하고 있어 이후 다양한 활동-통행 시뮬레이션 모형의 개발에 활용되었다(Golledge et al., 1994; Kwan, 1997)

이후 활동선택에서 중장기적 관점에 대한 논의는 활동-통행 모형 및 시뮬레이션 연구에서 주로 이루어졌으며, 활동아젠다 구성 단계에서 선택이 이루어진다고 보았다(Recker et al., 1986; Ettema et al., 1994; Bhat and Koppelman, 1994; Arentze and Timmerman, 2004). 반면 일상생활 속 단기 반복 활동은 활동 선택의 단계에서 이루어지며, 이는 주로 효용 극대화의 원리를 부분적으로 적용하거나(Bhat and Koppelman, 1994) 조건-행동 등의 규칙에 기반하여 이루어진다고 보았다(Vause, 1997; Arentze and Timmerman, 2004). 효용 극대화의 원리는 개인이 각 활동에 대해 인지된 효용을 서로 비교하여 더 높은 효용을 가진 활동을 선택한다는 것이며, 조건-행동 규칙은 개인의 경험들이 다음 선택에 영향을 미치는 순환적 과정으로 타인의 영향으로 인해 생기는 강화 학습과 사회적 학습으로 활동의 선택을 설명하는 것이다. 즉, 활동목록(Activity agenda)의 선택 단계에서는 중장기적 관점에서 포함-제외된 활동에 대한 논의가 이루어지는 반면, 활동선택(Activity choice)의 단계에서는 효용의 비교 또는 관습적인 선택 과정에서 스케쥴에 포함-제외된 활동에 대한 논의가 이루어진다(Lee, 2010).

활동계획 과정에서 이루어지는 선택의 마지막 단계는 이미 스케쥴에 포함된 활동이 수정 또는 취소되는 것을 의미하며, 이 단계에서는 특정 활동이 한번 스케쥴에 포함되면 바뀌기 힘들다는 것과 중요도가 낮은 활동일수록 취소될 가능성이 크다는 특성을 지닌다(Ettema et al., 1994). 또한, 이러한 활동수정 행태는 활동의 추가, 변경, 삭제, 순서조정 등의 형태를 지니며, 이들은 가구원 수, 성별, 소득, 공간적 유연성, 계획시간 등 개인의 사회경제적 특성 및 가구의 특성과 연관되어있다(Joh et al., 2005)

이상의 논의를 종합하면, 개인의 실제 활동 참여 여부는 활동목록(Activity agenda)-활동선택(Activity choice)-활동수정(Activity rescheduling) 등의 세 가지 단계의 선택을 통해 결정되며, 이들의 선택은 개인의 심리적, 상황적, 사회경제적 특성뿐만 아니라 가구의 특성, 공간적 특성 등에 영향을 받게 된다는 것으로 귀결된다. 따라서, 원격근무의 활성화에 따라 대체적으로 선택되는 활동들은 위 단계에서 제외되었던 활동 중 하나이며, 중장기적 관점에서 대체되었던 활동부터 최근 취소되었던 활동까지 모두 포함될 것으로 판단된다. 다만, 개인들의 활동목록, 활동선택, 활동수정 및 취소 등은 장기간 활동-통행 일지조사 등에 기반하여 확인할 수 있으므로, 본 연구에서는 이러한 단계에 대한 논의는 제외하기로 한다.

2. 원격근무 확대에 따른 대체활동 선택

2020년, 코로나-19 확산에 따른 사회적 거리두기의 영향으로 많은 기업과 근로자들에게 원격근무 방식은 급속하게 확산되었고, 이는 일하는 방식의 새로운 기준(New Normal)으로 자리 잡았다. 원격근무자는 통근근무자에 비해 다른 활동을 할 수 있는 시간적 여유가 생기며, 특히 여가, 수면, 학업과 같은 개인적인 활동으로 대체하는 것으로 보인다. Restrepo and Zeballos(2020)는 재택근무가 하루 동안 근로자들이 시간을 할당하는 방식에 영향을 미칠 수 있음을 언급했다. 이때 SUR(Seemingly Unrelated Regression) 프레임워크를 활용하여 재택근무자와 비재택근무자가 음식 관련 활동을 비롯한 주요 활동에 할당하는 시간의 차이를 조사했다. 2017-18년 미국의 시간사용설문조사(Leave and Job Flexibilities Module of the American Time Use Survey) 데이터를 활용하여 분석한 결과, 재택근무를 하는 근로자는 일과 개인 관리(personal care)에 더 적은 시간을 소비하는 대신, 여가, 수면, 요리에 더 많은 시간을 보내며, 이들은 비재택근무자에 비하여 요리에 하루 25분, 식사 및 음주에 하루 48분을 더 사용하는 것으로 밝혀졌다. 이를 통해 근무자들의 장소 유연성에 따라 하루 시간 할당에 중요한 차이가 있음을 보여주었다.

Lee(2021)는 코로나-19로 인한 재택근무의 확산이 생활 양식과 정신 건강과의 연관성에 미치는 영향을 파악하고, 이를 통해 미래에 예상되는 건강영향에 따른 변화를 확인하고자 하였다. 이에 본 연구는 한국노동패널 23차년도 자료를 이용하여 3,114명(통근근무자는 96.6%, 재택근무자는 3.4%)의 근로자를 대상으로 재택근무자와 통근근무자 간 코로나-19 시기에 영향을 받은 삶의 영역과 코로나-19로 인해 느낀 감정의 차이를 알아보고자 하였다. 나이, 성별, 직업군, 결혼 상태, 소득수준을 보정변수 한 뒤 통근근무자와 재택근무자를 비교하여 코로나-19로 인해 삶에 영향을 받은 영역 및 코로나-19로 인해 느낀 감정의 차이를 검정하고, 통근근무자와 비교한 재택근무자가 영향을 받을 오즈비를 산출하여 제시하였다. 분석결과, 재택근무자가 통근근무자에 비하여 여가에 영향을 받은 오즈비가 2.38배(95% 신뢰구간)로 통계적으로 유의하게 나타나, 코로나-19로 인하여 여가활동과 같은 삶의 영역에 영향을 받을 가능성이 재택근무자가 통근근무자에 비해 더 높은 것으로 나타났다.

Yoon and Kim(2021)은 향후 지속적으로 재택근무가 가능할 경우, 출퇴근 시간과 빈도의 감소로 인한 시간사용의 여유와 같은 재택근무 확대의 영향을 조망하고자 하였다. 본 연구에서는 KRIHS(2021)에서 설계한 설문 및 데이터를 사용하였으며, 설문 문항은 재택근무 경험자를 대상으로 향후 재택근무가 활성화될 경우 거주지 이동, 활동, 통행에 나타날 수 있는 영향을 예측할 수 있도록 구성되었다. 재택근무에 대한 조사는 직장이 수도권에 있는 재택근무 경험자 1,072명과 비경험자 610명에게 재택근무로 예상되는 행태변화를 2021년 1월-3월에 걸쳐 온라인으로 진행되었다. 이중 재택근무로 절감된 출·퇴근 시간을 어떤 활동으로 대체하고자 하는지에 대한 질문에는 집에서의 여가활동을 1순위로 대답한 응답자가 36.2%로 가장 많았으며, 학업 및 자기계발(19.4%), 가족과의 시간(15.6%)순으로 나타났다.

한편 원격근무로 인해 선택된 가사 및 양육 관련 대체활동이 성별에 따라 다른 양상으로 나타남을 언급하기도 하였다. Pabilonia and Vernon(2021)은 시간 사용 다이어리를 통해 조사한 내용을 바탕으로 원격근무와 가구의 시간 할당 간의 관계를 검토하고, 근무자의 생산성, 임금, 노동참여 및 복지 측면에서 원격근무의 의미를 논하였다. 원격근무는 통근 및 이를 준비하는 데 소요되는 시간을 재택근무일에 1시간 이상 단축이 가능하므로 근무자의 시간을 크게 절약할 수 있다. 이 시간은 가사 및 여가활동에 사용되지만, 이때 남성과 여성에게 차등적으로 나타난다. 남성은 주로 여가활동을 하는데 대부분의 시간을 보내며, 자녀가 있는 남성의 경우는 주로 양육 시간이 늘어나는 반면, 여성은 가계 생산(household production)에 시간을 소비한다. 한편 원격근무로 인해 부모와 자녀는 더 많은 시간을 함께 보내기도 하지만, 평균적인 정규직 근로자는 원격근무 시 혼자 보내는 시간이 더 많음을 밝혔다.

KLI(2021)은 유연근무제 현황과 추이에 대해 살펴보고, 이중 특히 일하는 방식의 변화를 가장 크게 촉발한 재택근무제의 확산에 초점을 맞추어 제도 활용실태와 근로자의 일 ․ 생활균형에 미치는 효과에 관해 실증적으로 분석하고자 하였다. 이를 위해 2020년에 코로나-19로 인한 근무환경 및 생활 변화를 조사한 한국노동패널 23차 부가조사 자료를 분석하여 유연근무제가 근로자의 삶의 질과 일 ․ 생활균형에 미친 영향을 살펴보았으며, 그 결과 코로나-19 이후 재택근무자가 비재택근무자에 비해 가사노동과 자녀돌봄 시간이 더 크게 증가한 것으로 나타났다. 이러한 영향은 여성에게서 더욱 크게 나타나, 코로나-19 팬데믹으로 인해 보육시설 운영 중단과 학교의 비대면 수업 시행으로 인해 가정 내 돌봄의 필요성이 증가하면서 그 부담이 재택근무자에게, 특히 여성에게서 더욱 크게 나타났음을 확인할 수 있었다.

앞서 제시한 원격근무 확대에 따른 대체활동 연구는 원격근무자와 통근근무자가 선택한 활동이나 그 정도를 비교하였으며, 일부 연구는 가사 및 양육 활동이 남녀에 따라 차이가 있음을 제시하였다. 원격근무자들은 업무 및 업무 외적인 측면에서 이 근무형태의 긍정적 효과를 확인하고, 향후 시행 의사 또한 50%를 상회하지만(KRIHS, 2021), 이로 인한 대체활동 선택이 개인, 가구, 통근통행, 직업 및 직장, 공간적 특성과 어떻게 연관되고 유형화되는지 뿐만 아니라 본래 연쇄적으로 일어나는 활동을 일련의 묶음으로 해석한 연구 또한 제한적이었다. 따라서 본 연구는 대체활동 선택이 어떤 특성들과 연관되어 있는지, 또 개인의 대체활동을 묶음으로 구성하고 다양한 특성들과 어떠한 관계를 맺고 있는지 분석하여 구체적인 도시활동의 변화를 조망하고자 한다.

데이터 및 분석방법론

1. 데이터 수집

본 연구에서 사용한 데이터는 수도권 지역에서 원격근무 시행의 다양한 영향을 살펴본 조사 결과로(KRIHS, 2021), 코로나-19로 인한 원격근무 전과 후를 비교하기 위해 2019년 이전에 서울, 인천, 경기 지역에 위치한 기업과 기관에 입사한 20세 이상 사무직 종사자를 조사대상으로 하고 있다. 원격근무 경험의 영향을 확인하기 위해 원격근무 경험자 1,072명과 비경험자 610명에 대해 설문을 실시하였고, 표본의 대표성을 확보하기 위해 전문 조사업체가 보유한 패널 중 성별, 연령, 근무지 등을 고려한 표본추출을 시행하여 특정 그룹이 과소포함되는 것을 방지하였다. 표본에 포함된 서울, 경기, 인천 근무자는 각각 1,083명, 498명, 101명이며, 이들의 거주지별 인원은 서울 880명, 경기도 857명, 인천 142명, 충청북도 2명, 강원도 1명이었다. 조사는 2021년 1월 15일부터 3월 28일까지 온라인 기반 설문으로 시행되었다. 응답자의 개인, 가구, 직업, 통근, 원격근무 경험 특성은 Table 1에 제시하였다.

조사에 포함된 원격근무 및 출퇴근 시간 절약에 따른 대체활동 종류는 총 9가지로, 업무, 학업·자기계발, 외부에서 여가활동, 집에서의 여가활동, 오프라인 쇼핑, 온라인 쇼핑, 가사(육아), 수면, 가족과의 시간을 선택지로 제시하였다. 설문 응답에 활용된 대체활동의 분류는 기본적으로 가구통행실태조사의 통행목적 분류를 참조하였지만, 통행의 발생 원인인 활동에 대한 정보를 상세화하기 위해 추가적인 분류를 포함하였다. 가구 단위의 활동 세분화에 대해서는 미국 펜실베니아에서 시행된 가구 단위의 활동기반 조사인 CentreSim데이터(Patten and Goulias, 2004)와 관련 연구(Goulias and Kim, 2005; Yoon et al., 2014)를 참고하여 여가활동에 대해서는 집안과 집 밖 장소를 구분하였고, 집안에서만 이루어지는 활동인 ‘육아를 포함한 가사’와 ‘수면’을 포함하였다. 또한, 개인 기반의 활동목적 분류로는 나타내기 어려운 ‘타 가구원의 활동에 동반하는 행태’, ‘타 가구원과의 공동활동’을 고려하기 위해 CentreSim 데이터에서 고려한 ‘for whom’과 ‘with whom’ 변수에 대한 대응으로 ‘가족과의 시간’을 포함하여 시간배분에 있어 가족과 상호작용의 중요성을 확인하고자 하였다. 또한, 쇼핑을 온라인과 오프라인으로 구분하여 추가적인 통행을 발생시키는 오프라인 쇼핑활동을 구분하고자 하였다.

설문 항목은 대체활동에 대해 1, 2, 3순위에 대한 선호 순으로 답하게 구성되었으나, 본 연구에서는 앞서 검토한 활동선택의 개념에 기반하여 9가지 활동 중 중요한 3가지 대체활동의 선택이라는 개념으로 단순화하여 분석하였다.

Table 1.

Descriptive statistics of socio-demographic characteristics

Variables Number of cases Ratio (%)
1,682 100.0
Individual
characteristics
Sex Male 814 48.4
Female 868 51.6
Age 20-29 212 12.6
30-39 584 34.7
40-49 511 30.4
50-59 252 15.0
60- 123 7.3
Driver’s license Yes 1533 91.1
No 149 8.9
Education Elementary school 3 0.2
Middle school 3 0.2
HIghschool 158 9.4
2-year college 259 15.4
University 1052 62.5
Graduate school and higher 207 12.3
Household
characteristics
Household
composition
(multiple choice)
1 person household 279 16.6
Spouse/domestic partner 952 56.6
Child (ren) 763 45.4
One’s own or spouse’s parent (s) 328 19.5
One’s own or spouse’s brother (s) or sister (s) 145 8.6
Other 86 5.1
Age of children
(multiple choice)
Child (ren) under 7 (preschool) 215 28.2
Child (ren) 7-18 years old
(elementary/middle/high school)
405 53.1
Adult child (ren) 267 35.0
Household
income per
month
less than 1 Milllon won 9 0.5
1 M≤ <2 M won 35 2.1
2 M≤ <3 M won 196 11.7
3 M≤ <4 M won 249 14.8
4 M≤ <5 M won 252 15.0
5 M≤ <6 M won 270 16.1
6 M≤ <7 M won 176 10.5
7 M≤ <8 M won 149 8.9
8 M≤ <9 M won 121 7.2
9 M≤ <10 M won 93 5.5
10 M won≤ 132 7.8
Job
characteristics
Job type Management/planning/consulting/
human resource/administaration/legal
416 24.7
Service/customer relation 271 16.1
Sales/marketing/market research 192 11.4
Accounting/financial 163 9.7
Job
characteristics
Job type IT/internet 125 7.4
R&D 128 7.6
Engineering 71 4.2
Production/quality management 64 3.8
Other 252 15.0
Job rank General employee 807 48.0
Mid-level manager 755 44.9
High-level manager 120 7.1
Business type Small/mid-sized company 1,122 66.7
Large company 305 18.1
Legal entity of other types 104 6.2
Civic or religious organization 19 1.1
Public organization 97 5.8
Other 35 2.1
Business size
(Number of
employees)
Less than 10 327 19.4
10-29 297 17.7
30-99 315 18.7
100-299 262 15.6
300- 481 28.6
Commute
characteristics
Major
commute
mode
Private vehicle 558 33.2
Public transportation 972 57.8
Bicycle/personal mobility 19 1.1
Walking 133 7.9
Commute time -30 min 392 23.3
31-60min 600 35.7
61-90min 276 16.4
910-120min 258 15.3
121min- 156 9.3
Experience of telecommuting Having no experience of telecommuting 610 36.3
Having experience of telecommuting 1,072 63.7
Duration of
telecommuting
in 2020
<1month 300 28.0
1≤ <3 months 315 29.4
3≤ <6months 259 24.2
6≤ <9months 113 10.5
9≤ <12months 85 7.9
Average number
of telecommuting
days per week
≤1 241 22.8
1< ≤2 362 34.0
2< ≤3 269 24.5
3< ≤4 62 5.8
4< 138 12.9

2. 데이터 분석 방법론

Figure 1은 본 연구의 목적과 그에 해당하는 분석방법론 간의 관계를 보여주고 있다. 본 연구에서는 원격근무에 따른 도시활동 변화를 이해하기 위해 통근통행시간 감소로 인한 대체활동 선택 행태를 분석하고, 원격근무 경험이 대체활동 선택에 미치는 영향을 확인하는 등 두 가지 목적을 달성하기 위하여 다음과 같은 분석 방법론을 활용하였다.

첫 번째는 출퇴근시간이 줄어들게 되어 늘어난 자유시간에 어떠한 대체 활동을 선택하는지를 개별 활동 선택 비중 및 선택요인 도출뿐만 아니라 활동묶음의 유형화와 이에 영향을 미치는 요인을 도출하는 과정이다. 이를 위해 기초통계분석을 통해 대체활동 선택 비중을 살펴보고, 이들 선택에 영향을 미치는 요인을 확인하기 위하여 이항로지스틱 회귀분석을 활용하였다. 또한 개인별 대체활동 묶음 유형을 분석하고, 이러한 유형묶음에 미치는 영향요인을 확인하기 위해 잠재계층분석(3단계 분석방법)을 활용하였다. 이는 각 대체 활동의 선택 여부가 이항분포하기 때문에 유클리디안 거리(Euclidean distance)에 기반한 군집분석 활용에 제약이 있기 때문이다. 또한 잠재계층 군집분석은 개인이 각 군집에 속할 확률을 결과로 도출해낼 수 있기 때문에 외부변수(영향요인 등)와의 상호관계를 좀 더 통계적으로 엄밀하게 검증할 수 있다는 장점을 지니고 있다(Vermunt and Magidson, 2002; Vermunt, 2010). 따라서 본 연구에서는 개별 대체활동 선택을 이해하기 위해서는 이항로지스틱 회귀분석을, 대체활동 묶음을 이해하기 위해서는 잠재계층분석에 기반한 3단계 분석방법을 활용하였고, 각각 SPSS 26.0과 LatentGold 6.0을 활용하였다.

두 번째는 원격근무 경험이 대체활동 선택에 미치는 영향을 확인하는 것이다. 이는 통근시간의 감소에 따른 각각의 대체활동 선택이 원격근무 경험 유무 또는 주당 원격근무 빈도에 따라 어떠한 차이를 보이는지 확인하는 과정이다. 본 연구에서는 원격근무 경험 유무와 각 대체활동 선택 여부에 대해 교차분석을 실시하여 원격근무가 대체활동 선택과 상호 관련성을 지니고 있는지 확인하였다. 또한 원격근무 유무와 원격근무 빈도를 함께 고려할 수 있는 주당 원격근무 일수(원격근무 경험이 없는 경우 0)를 변수로 정의하고, 이를 이항로지스틱 회귀분석 및 잠재계층분석 3단계에 독립변수 및 공변인으로 활용하였다. 이러한 방식은 대체활동 선택에 영향을 미치는 다른 영향요인과의 관계를 고려하였을 때도 원격근무 유무와 원격근무 빈도가 통계적으로 유의하게 영향을 미치는지 그리고 어떠한 활동 및 활동묶음 선택과 관련이 있는지 확인할 수 있다는 점에서 장점을 지닌다.

https://cdn.apub.kr/journalsite/sites/kst/2022-040-06/N0210400602/images/kst_2022_406_781_F1.jpg
Figure 1.

The research objectives and methods

1) 대체 활동별 선택 요인 분석 – 이항 로지스틱 회귀분석

본 연구에서는 이항 로지스틱 회귀분석을 통해 각 대체활동의 선택이 개인의 특성, 가구의 특성, 직업 특성, 공간적 특성뿐만 아니라 원격근무 경험의 특성과 어떻게 통계적으로 연관되는지 살펴본다. 이항 로지스틱 회귀분석은 두 개의 값만 가지는 종속변수와 독립변수 간의 연관성을 탐색하는 방법으로, 본 연구에서는 이항 분포하는 총 9개의 대체활동 선택 여부(선택 1, 미선택 0)로 측정된 변수를 종속변수로 활용한다. 따라서, 총 9번의 이항 로지스틱 회귀분석을 실시하였고, 모든 분석에서는 기존 활동계획이론 및 경험적 연구에서 중요 영향요인으로 제시된 개인, 가구, 통행, 직업, 공간 특성들을 독립변수로 동일하게 사용하였다. 개인특성으로는 연령, 성별, 학력이, 가구특성으로는 가구소득, 맞벌이 유무, 1인 가구 유무, 미취학 아동 동거자 유무, 초중고학생 동거자 유무가, 통근통행 특성으로는 자가용 통근 여부, 하루 평균 출퇴근 시간이, 직장 및 직업 특성으로는 IT 인터넷 종사자 여부, 최고관리자 직급 여부, 중간관리자 직급 여부, 대기업 여부, 공공기관 재직 여부가, 그리고 시군구 단위 공간 특성으로는 거주지 주변 사업체 종사자 밀도, 직장 주변 사업체 종사자 밀도(2019년 사업체조사 결과 기반) 등이 독립변수로 활용되었으며, 원격근무 경험이 영향을 미치는 활동을 도출하기 위해 원격근무 특성(주당 원격근무 일수, 2020년 기준)도 함께 활용하였다. 이항 로지스틱 회귀분석의 기본 수식은 Equation 1과 같다.

(1)
P(y=1|x1,,xi)=exp[f(xi,βi)]1+exp[f(xi,βi)]

P(y=1|x1,,xi):Alternativeactivitytypechoiceprobability

xi:Factorsaffectingacitvitytypechoice

βi:Estimatedparameters

이 과정을 통해 추정된 파라미터의 계수가 양의 값을 가질 경우 해당 대체 활동을 선택할 가능성이 높은 것을 의미하며, 음의 값을 가질 경우 그 확률을 감소시키는 것을 의미한다. 또한, 분석에 앞서 본 연구에서 활용한 독립변수 간 다중공선성을 확인한 결과, 모든 변수는 최대 VIF 값이 2.0 이하로 나타났으며, 이는 로지스틱 회귀분석에 활용 가능한 수준이었다(Allison, 2012).

2) 활동묶음 분석 – 잠재계층분석 기반 3단계 접근방법

본 연구에서는 원격근무의 활성화에 따른 개인별 대체활동 묶음을 분석하기 위하여 잠재계층분석 방법론을 활용하였다. 개인별 대체활동 묶음의 특성은 개인의 9가지 대체활동 선택에 대해 군집분석을 통해 유형화하여 도출할 수 있다. 즉, 군집분석은 유사한 대체활동을 선택한 개인들을 하나의 집단으로 묶어주며, 적정 개수의 대표적인 군집(대체활동선택 묶음)들로 유형화할 수 있다. 잠재계층 군집분석의 수식은 Equation 2와 같이 나타낼 수 있으며, x는 잠재계층을 나타내고, yit는 변수 i에 대한 개인 t의 응답변수, T는 표본 수를 나타낸다. 따라서, 본 논문에서 yit는 개인의 대체 활동선택 여부에 대한 응답이며, x는 대체 활동묶음 패턴, 그리고 f(yit|x)는 x패턴에 속한 개인 t의 활동 i 선택 여부이다.

(2)
f(yi)=k=1KP(x)t=1T(yit|x)

잠재계층분석 중 3단계 접근방법은 관찰변수를 기반으로 적정 군집을 도출하는 1단계, 개인별 각 군집 소속 확률을 고정하는 2단계, 군집별 확률을 활용하여 공변인들과의 상호관계를 확인하는 3단계로 구성된다. 먼저 적정 잠재계층군집 도출 단계는 2개 잠재계층군집 가정부터 9개 가정에 기반하여 군집분석모형을 추정하고, 1개의 잠재계층군집이 증가함에 따라 개선되는 모형적합도 지수의 변화를 바탕으로 적정 군집의 수를 결정한다(Vermunt and Magidson, 2002; Lee and Park, 2020 재인용). 모형에 기반한 잠재계층 군집분석은 군집이 1개 늘어날 때마다 일정 개수의 파라미터가 증가한다. 따라서 적정 군집 개수의 선택은 동일한 수준의 파라미터 증가가 AIC(Akaike Information Criterion), BIC(Bayesian Information Criterion), AIC3(Akaike Information Criterion 3) 등의 지수로 나타나는 모형적합도 개선에 큰 영향을 주지 않는 지점이며(Vermunt and Magidson, 2002), 이는 K-means 등의 방법론에서 사용되는 Elbow 기법과 동일한 원리에 기반하고 있다. 모형의 추정은 EM 알고리즘과 Newton-Raphson 방법을 모두 활용하여 이루어진다. 임의의 시작 값과 EM 알고리즘을 통해 미리 정해둔 일정 수준의 우도값보다 작아질 때까지 추정을 반복하며, 이 수준에 다다랐을 때 Newton-Raphson 방법론을 통해 미리 정해둔 수렴(Convergence) 한계에 다다를 때까지 반복하여 최적 모형을 추정한다(Vermunt and Magidson, 2002; Lee et al., 2020 재인용). 이러한 과정을 통해 대표적인 개인의 대체활동 선택 묶음을 도출해낼 수 있다.

다음 단계는 적정개수의 군집을 선택한 후에 각 응답자들이 군집별로 속할 확률을 저장하고, 이를 종속변수로 두고 다항로지스틱 회귀분석을 실시하는 것이다. 이들에 영향을 미치는 공변인들은 앞서 이항 로지스틱 회귀분석에 활용한 변수들을 동일하게 활용하였다. 이 과정을 통해 각 대체활동 선택 묶음에 기반한 군집들이 어떠한 특성을 지닌 응답자들과 연관되어있는지 확인할 수 있다. 단, 전통적인 다항 로지스틱 회귀분석과는 다르게 확률에 기반한 효과코딩(effect coding) 기법과 외부변수 효과를 과소추정하는 문제를 개선한 최대우도 3단계 접근법(ML 3-STEP approach)을 활용하였다. 효과코딩 기법을 활용한 각 개인이 m 활동 묶음에 속할 확률(ηm|zi)을 나타내는 다항 로지스틱 회귀분석의 수식은 Equation 3와 같다. m은 1단계 과정을 통해 도출된 활동묶음 유형을 의미하고, M은 총 활동묶음의 수를 의미한다. 또한 p는 공변인의 수, zi는 공변인을 의미한다. 이러한 효과코딩 기법을 활용한 다항 로지스틱 회귀분석은 기준 대안이 존재하는 분석과는 다르게 m′를 통해 구해진 모든 활동묶음 유형의 기하평균(geometric mean)과 비교했을 때 통계적으로 유의미하게 설명되는 공변인을 도출해낼 수 있다.

(3)
ηm|zi=log(P(y=m|zi)[m'=1MP(y=m'|zi)]1/M)=βm0+p=1Pβmp*zip

이러한 방식을 통해 도출된 결과는 하나의 기준 카테고리에 대비한 선택의 가능성이 아니라 전체집단의 평균 특성 대비 각 군집의 특성이 얼마나 통계적으로 차이를 보이는가로 해석이 가능하다는 점에서 탐색적 분석에 장점을 지닌다(Vermunt, 2010; Hardman et al., 2019; Lee et al., 2020). 따라서, 잠재계층분석 3단계 분석방법은 대체활동의 유형화뿐만 아니라 개인, 가구, 직업, 공간적 특성, 그리고 원격근무 특성이 어떠한 대체활동 묶음 선택과 연관성을 지니는지를 보여주는 데 효과적이라 판단된다.

분석결과

1. 활동별 선택 – 빈도분석과 교차분석

통근시간의 감소에 따라 늘어나는 시간을 활용하기 위해 가장 많은 응답자들이 선택한 대체활동은 집에서의 여가활동(Home Leisure, 70%)이었으며, 가족과의 시간(With family, 55%)과 학업 및 자기계발(Studying, 54%)이 그 뒤를 이었다(Figure 2). 반면 가장 적은 대체활동은 업무(Work, 8%)와 쇼핑활동이었으며, 대면 쇼핑(Shopping, 10%) 및 온라인 쇼핑(Online Shopping, 10%) 모두 낮은 수준의 대체활동으로 선택되었다.

원격근무 경험에 따른 집단별 차이를 살펴보기 위해 교차 분석을 실시하였으며, 그 결과는 Figure 2에 가로축 제목에 함께 제시되어 있다. 두 집단의 선택에 있어 가장 큰 차이는 외부에서 여가활동(Out of home leisure)과 가사(육아)활동(Homeduties(childcare))에 있으며, 학업 및 자기계발(Studying) 또한 유의수준 0.05에서 통계적으로 차이를 보였다. 원격근무 경험이 있는 사람들은 가구 내에서 해결할 수 있는 활동들을 좀 더 선택했지만, 경험이 없는 사람들은 시·공간 제약과 관련 있는 외부에서의 여가활동(Out of home leisure)을 선택한 비율이 더 높았다. 이는 실제 원격근무를 경험한 사람들은 경험하지 않은 사람들보다 사전 계획 수립을 필요로 하거나 이동 소요가 큰 외부에서의 여가활동보다는 학업 및 자기계발 또는 가사(육아) 등 현실적인 문제 해결을 위한 활동을 택하는 경우가 더 많았던 것으로 해석된다.

https://cdn.apub.kr/journalsite/sites/kst/2022-040-06/N0210400602/images/kst_2022_406_781_F2.jpg
Figure 2.

Impact of telecommuting experience on the choices of activity types

Table 2는 각 활동별 선택이 개인, 가구, 통근통행, 직업 및 직장, 공간적 특성뿐만 아니라 원격근무 경험 특성과 어떻게 연관되는지 이항 로지스틱 회귀분석을 통해 도출된 결과를 제시하고 있다. 전반적으로 개인과 가구의 특성이 개인의 활동선택과 밀접한 연관관계를 가지는 것으로 나타났고, 직업 및 직장의 특성과 공간적 특성은 제한적으로 유의미한 연관관계를 가지는 것으로 나타났다. 원격근무의 특성은 대면 쇼핑활동(Shopping) 및 업무활동(Work)과 유의미한 관계를 가지는 것으로 나타났으나, 그외 활동과는 통계적인 관계를 찾을 수 없었다.

각 활동별로 살펴보면, 집에서의 여가활동(Home leisure)과 외부에서의 여가활동(Out of home leisure)은 가구 내에 초·중·고등학생이 없고, 맞벌이 부부가 아닐 때 공통적으로 더 많이 선택하는 것으로 나타났다. 다만, 집에서의 여가활동은 미취학 아동이 가구 내에 없을 때도 더 많이 선택하였으며, 외부에서의 여가활동은 통근거리가 상대적으로 짧고 연령이 많은 남성들이 더 많이 선택한 것으로 나타났다. 추가적으로 상대적으로 고령의 남성들이 선택할 확률이 높았으며, 출·퇴근에 소요되는 시간이 적을수록 외부에서의 여가활동을 대체활동으로 선택할 가능성이 크게 나타났다. 이와 정반대의 결과는 가사(육아)활동(Homeduties(childcare))선택에서 나타났으며, 추가적으로 연령이 낮을수록, 여성일수록 가사(육아)활동을 선택할 가능성이 더 큰 것으로 나타났다.

쇼핑 활동은 쇼핑의 형태에 따라 선택이 차별적으로 나타났다. 직접 쇼핑(Shopping)의 경우 상대적으로 소득이 적은 사람일수록, 중간 관리자급이 아닌 자가용 통근자일수록, 사업체 밀도가 높은 공간에 거주할수록 그리고 주당 원격근무일이 많을수록 선택 가능성이 크게 나타났다. 반면 온라인 쇼핑(Online shopping)의 경우 통근시간만 통계적으로 유의한 설명변수로 도출되었다. 이는 온라인 쇼핑을 선택한 사람들과 그렇지 않은 사람들 간 개인, 가구, 통근통행, 직업과 직장의 특성이 유사하기 때문이다. 또한 통근시간이 짧을수록 새롭게 늘어나는 시간의 총량이 적기 때문에 활동에 필요한 절대적 시간이 짧은 온라인 쇼핑을 선택하는 것으로 보인다.

학업 및 자기계발(Studying)은 상대적으로 어리며, 가구 내 미취학 아동이 없는 고학력자들이 주로 선택한 것으로 나타났다. 업무활동의 경우 가구 소득이 낮고, 원격근무일이 많은 고령자들이 주로 택한 것으로 나타났다(Table 2). 또한, 가사 활동에 부담이 적은 가구인 취학아동 및 청소년이 없는 가구에서 업무활동을 더 많이 선택한 것으로 나타났다. 이는 원격근무로 인해 늘어난 시간을 추가적인 경제적 활동에 활용하여 가구 소득을 높이기 위한 선택으로 보인다.

가족과의 시간(With family)은 1인 가구 아닌 가구 내 미취학 및 취학 아동이 있는 소득수준이 높은 고령자들이 주로 선택하는 것으로 나타났다. 반면 수면(Sleeping)은 출퇴근 시간이 긴 1인 가구의 젊은 여성들이 많이 선택하는 것으로 나타났다. 또한 주중 원격근무 경험일수가 늘어날수록 이를 선택할 가능성이 줄어드는 것으로 나타났다.

Table 2.

The results of the binary logistic regression analysis

Independent
variables
Home
leisure
Out of
home
leisure
Shopping Online
shopping
Studying Work Homedu-
ties
(childcare)
With
family
Sleeping
B p-val. B p-val. B p-val. B p-val. B p-val. B p-val. B p-val. B p-val. B p-val.
Per-
sonal
Age 0.014 0.053 0.014 0.024 0.008 0.423 0.006 0.532 -0.012 0.046 0.025 0.022 -0.039 0.000 0.021 0.001 -0.028 0.000
Male
(1)
-0.068 0.602 0.269 0.027 0.260 0.190 0.294 0.126 0.115 0.335 0.172 0.449 -0.389 0.007 0.095 0.457 -0.444 0.001
Educa-
tion
-0.083 0.261 -0.042 0.535 0.068 0.549 -0.079 0.454 0.209 0.002 0.009 0.945 0.037 0.646 -0.015 0.831 -0.112 0.124
Hous
ehold
Income 0.018 0.477 0.009 0.722 -0.095 0.021 -0.038 0.342 0.005 0.848 -0.097 0.030 -0.034 0.234 0.081 0.001 0.002 0.948
Dual
earner
couple
(1)
-0.333 0.009 -0.258 0.033 0.150 0.444 0.061 0.760 0.045 0.701 0.180 0.398 0.618 0.000 0.158 0.207 -0.306 0.024
Single
person
HH
(1)
0.259 0.157 0.180 0.256 -0.363 0.192 0.248 0.305 0.292 0.068 -0.578 0.083 0.039 0.843 -0.923 0.000 0.363 0.026
Children
under 7
(1)
-0.345 0.036 -0.110 0.514 0.198 0.442 -0.217 0.444 -0.648 0.000 -0.151 0.629 0.712 0.000 0.862 0.000 -0.253 0.181
Children
7-18
(1)
-0.391 0.004 -0.294 0.028 -0.033 0.880 -0.205 0.356 -0.052 0.685 -0.686 0.007 0.775 0.000 0.746 0.000 -0.265 0.085
Com
mute
By
private
vehicle
-0.160 0.204 -0.066 0.584 0.391 0.041 -0.080 0.676 -0.116 0.323 0.276 0.197 -0.072 0.613 0.144 0.256 0.070 0.597
Com
mute
time
-0.001 0.296 -0.003 0.020 -0.002 0.302 -0.010 0.000 0.001 0.545 0.003 0.201 0.002 0.124 0.002 0.097 0.003 0.021
Job
related
IT
related
(1)
0.402 0.070 -0.349 0.090 -0.130 0.703 0.121 0.695 -0.020 0.918 -0.777 0.104 -0.089 0.706 -0.015 0.943 0.345 0.099
Highest
level
mana
gers
(1)
0.134 0.625 -0.240 0.338 -0.120 0.748 -0.509 0.256 -0.242 0.322 0.637 0.098 0.308 0.344 -0.035 0.896 0.050 0.865
Mid-
level
mana
ger
(1)
-0.148 0.275 0.096 0.453 -0.483 0.024 0.123 0.542 0.036 0.772 0.119 0.622 0.189 0.206 0.021 0.873 -0.030 0.826
Major
com
pany
(1)
0.024 0.871 -0.075 0.590 -0.388 0.128 -0.100 0.665 -0.096 0.478 -0.269 0.346 0.000 1.000 0.268 0.071 0.174 0.243
Public
Agency
(1)
0.300 0.238 -0.419 0.079 -0.244 0.535 -0.393 0.345 0.053 0.809 0.292 0.447 0.266 0.300 -0.121 0.606 0.193 0.420
Spatial
charac
teristics
(sigun
gu)
Density
of
workers
around
home
(1,000)
0.004 0.724 -0.001 0.932 0.037 0.009 0.024 0.123 -0.009 0.352 0.003 0.869 -0.008 0.521 -0.009 0.426 -0.007 0.519
Density
of
workers
around
work
place
(1,000)
0.001 0.836 -0.002 0.732 -0.002 0.876 -0.022 0.074 0.005 0.432 -0.001 0.933 0.012 0.086 -0.005 0.470 0.000 0.978
N. of
telecommuting
days (Y 2020)
-0.057 0.093 -0.017 0.592 0.167 0.001 0.068 0.172 0.040 0.207 0.156 0.004 -0.024 0.527 -0.047 0.165 -0.074 0.036
Constant 1.036 0.022 -0.590 0.158 -2.701 0.000 -1.415 0.031 -0.423 0.301 -3.544 0.000 -0.200 0.692 -1.373 0.002 1.069 0.018
LL 2005.651 2189.755 1015.877 1049.729 2270.565 852.430 1720.144 2017.171 1963.747

*red marked : Significant at the level of 0.05

2. 대체 활동묶음 유형화 및 영향요인 분석 – 잠재계층분석 기반 3단계 접근방법

잠재계층 군집분석 결과, 6개 군집이 응답자들의 선택을 가장 잘 유형화해주는 것으로 나타났다(Table 3). BIC, AIC, AIC3 등 모든 모형적합도 지수의 개선은 2-6번째 군집(cluster)이 추가될 때까지 꾸준히 나타났으나, 7번째 군집이 추가된 이후부터 개선 정도가 줄어들었다. BIC 기준 모형적합도는 9번째 군집이 추가되었을 때 다시 늘어나는 양상을 보였으나, AIC와 AIC3 등의 모형적합도 지수는 개선 정도가 7-8번째 군집이 추가된 모형과 유사하게 나타났다. 특히, 분류오류 및 엔트로피 R2값을 기준으로도 9개 군집모형과 6개 군집모형이 큰 차이가 나지 않았으나, 모형의 간명도 측면에서 30개의 추가적인 파라미터(Npar)가 사용된 9개 군집모형에 비해 6개 군집모형이 더욱 우수하다고 볼 수 있다. 다시 말해서, 유사한 수준의 모형적합도 지수가 나타날 경우 간결한 모형이 더욱 우수하다(Lee and Park, 2020). 따라서 이후 분석은 6개 군집모형을 통해 도출된 값을 바탕으로 진행되었다.

Table 3.

Results of latent class cluster analysis

Models LL BIC (LL) AIC (LL) AIC3 (LL) Npar Class.Err. Entropy R2
1-Cluster -7977.1 16021.1 15972.3 15981.3 9 0.000 1.000
2-Cluster -7769.2 15679.5 15576.4 15595.4 19 0.001 0.992
3-Cluster -7628.1 15471.6 15314.2 15343.2 29 0.001 0.993
4-Cluster -7513.8 15317.4 15105.7 15144.7 39 0.013 0.964
5-Cluster -7383.4 15130.7 14864.7 14913.7 49 0.032 0.932
6-Cluster -7224.4 14887.1 14566.9 14625.9 59 0.019 0.976
7-Cluster -7166.2 14844.9 14470.4 14539.4 69 0.025 0.960
8-Cluster -7113.1 14812.9 14384.1 14463.1 79 0.034 0.953
9-Cluster -6985.5 14632.0 14148.9 14237.9 89 0.013 0.981

Figure 3는 6개 군집 가정에 기반한 잠재계층 군집분석 결과를 보여주고 있다. 전체의 29.3%의 가장 많은 응답자들이 속한 군집은 가족과의 시간을 공통적으로 선택하였으며, 70% 이상의 응답자가 집에서의 여가활동을 선택하였다. 이뿐만 아니라 외부에서의 여가활동, 가사(육아) 및 수면을 선택한 사람들이 30% 이상을 차지하고 있었다. 따라서 이 군집은 가족과의 집안활동 중심형(In home activity oriented with family) 그룹으로 명명하였다.

두 번째 클러스터는 학업 및 자기계발을 모두 선택한 그룹으로 전체의 20.5%를 차지하였다. 가족과의 시간과 외부에서 여가활동을 선택한 사람들도 각각 약 70%, 50%의 비중을 차지하고 있었다. 이 군집에 속한 사람들은 약 28%와 26%의 비율로 수면과 가사(육아)도 선택하였다. 따라서 이 군집은 학업 및 가족과의 여가활동 병행형(Studying and leisure with family) 그룹으로 명명하였다.

세 번째 클러스터는 집에서 여가활동을 모두 선택하였고, 학업과 자기계발 그리고 수면 비중이 높은 클러스터였다. 가사(육아)의 비중도 약 34%로 상대적으로 높게 나타났다. 따라서 이 군집은 학업과 집안활동형(Studying and mostly at home) 그룹으로 명명하였다. 또한 네 번째 클러스터는 모든 사람이 동일한 활동을 선택하지 않은 유일한 군집이었지만, 집안과 외부에서의 여가활동 비중이 높고, 타 그룹 대비 쇼핑 활동선택 비중이 높은 그룹이었다. 따라서 이 그룹은 여가활동과 쇼핑 중심형(Leisure and shopping oriented)으로 명명하였다.

다섯 번째와 여섯 번째 클러스터는 모든 사람이 동일한 선택을 한 경우였고, 각각 집안여가-학업-수면과 집안여가-외부여가-학업을 선택하였다. 따라서 이들 군집의 이름을 집안여가-학업-수면형(Home leisure-Studying-sleeping) 그룹과 여가-학업형(Leisure and Studying oriented) 그룹으로 명명하였다.

https://cdn.apub.kr/journalsite/sites/kst/2022-040-06/N0210400602/images/kst_2022_406_781_F3.jpg
Figure 3.

Six clusters of the alternative activity type choices

가족과의 집안활동 중심형(Cluster 1) 대체활동 묶음을 선택한 사람들은 취학 아동이 있는 맞벌이 가구로 연령이 상대적으로 낮은 특성이 있었다(Table 4). 또한, 이들은 주변 사업체 밀도가 낮은 교외지역에 거주하는 것으로 해석할 수 있다. 이는 취학 아동이 있는 맞벌이 부모들이 통근시간으로 인해 가족과 함께하지 못했던 활동들을 선택한 것으로 판단되며, 가사(육아)와 수면 등 필수적으로 필요한 활동(Maintenance activities)과 여가 활동 등 비필수적 활동(discretionary activities)이 혼합된 선택으로 판단된다. 또한 교외지역에 거주하기 때문에 집안 활동 위주의 선택이 이루어졌을 것으로 판단된다.

반면 학업 및 가족과의 여가활동 병행형(Cluster 2) 묶음은 취학 자녀가 없는 외벌이 또는 1인 가구가 주로 선택하는 유형으로 나타났다. 이 가구는 1인 가구들이 절약된 출퇴근 시간을 자유롭게 활용해 가족들과의 여가뿐만 아니라 자기계발에 투자하는 형태로 볼 수 있겠다. 학업과 집안활동형(Cluster 3) 묶음은 1인 가구이며, 자녀가 없고 자가용으로 통근하지 않는 어린 사람들이 주로 선택하는 것으로 나타났다. 이 활동 묶음은 학업 및 가족과의 여가활동 병행형과 1인 가구들의 선택이라는 점에서는 유사하지만, 상대적으로 더욱 어린 대중교통 통근자들의 선택이기 때문에 집안 활동의 비중이 높은 것으로 판단된다.

한편 여가활동과 쇼핑 중심형(Cluster 4) 묶음은 가구 내 미취학 및 취학 아동이 있는 사람들이 주로 선택한 것으로 나타났으며, 이는 가구 구성원에 자녀가 포함된 경우 쇼핑 활동에 대한 소요가 더 많기 때문으로 판단된다. 마지막으로 집안여가-학업-가족과의 시간형(Cluster 5) 그룹은 고소득 고령자들이 주로 선택하는 대체활동 묶음이고, 여가-학업형(Cluster 6) 묶음은 저소득 자가용 통근자이며, 도심에 가까이 거주하는 그리고 원격근무 일수가 많은 사람이 주로 선택하는 묶음으로 나타났다. 전자의 경우 나이가 상대적으로 많은 고소득자들이 주로 집에서 가족과 여가를 즐기거나 자기계발에 시간을 투자하는 형태로 보인다. 후자의 경우 장소에 상관없이 여가활동을 모두 선택한 그룹이며 학업 및 자기계발도 선택하였다. 이는 사업체 종사자 밀도가 높은 도심 지역에 거주하는 상대적으로 저소득 계층의 사람들이 원격근무의 비중이 증가할 때 주로 선택했다는 점을 고려한다면, 업무와 삶의 균형을 추구하는 사람들이 주로 택하는 활동묶음으로 판단된다.

Table 4.

The results of the multinominal logistic regression model (Step-3 model)

Characteristics of each cluster Cluster1 Cluster2 Cluster3 Cluster4 Cluster5 Cluster6
In home
activity
oriented
with Family
Studying and
leisure
with family
Studying and
mostly
at home
Leisure and
shopping
oriented
Home
leisure-
Studying-
With
Family
Leisure and
Studying
oriented
Parameters B z-val B z-val B z-val B z-val B z-val B z-val
Personal Age -0.015 -2.070 0.010 1.582 -0.031 -4.084 0.003 0.343 0.028 3.612 0.006 0.643
Male (1) 0.094 0.780 0.200 1.606 -0.241 -1.791 -0.232 -1.600 -0.053 -0.343 0.233 1.309
Education 0.044 0.615 -0.081 -1.194 -0.032 -0.444 -0.062 -0.809 0.080 0.961 0.052 0.560
House
hold
Income 0.016 0.635 0.016 0.629 -0.031 -1.107 0.014 0.522 0.066 2.185 -0.080 -2.137
Dual earner couple (1) 0.238 1.999 -0.414 -3.259 -0.060 -0.409 0.119 0.928 -0.014 -0.093 0.130 0.775
Single person HH (1) 0.200 1.098 0.461 2.892 0.762 4.525 -1.002 -3.398 -0.372 -1.359 -0.049 -0.191
Children under 7 (1) 0.243 1.551 -0.275 -1.388 -0.962 -3.305 0.536 3.192 0.178 0.842 0.279 1.282
Children 7-18 (1) 0.307 2.420 -0.337 -2.310 -0.421 -2.201 0.299 2.170 0.125 0.814 0.027 0.150
Com-
mute
By private vehicle 0.065 0.540 -0.190 -1.526 -0.332 -2.227 0.145 1.099 -0.029 -0.195 0.340 2.094
Commute time 0.000 0.374 -0.002 -1.922 0.000 0.260 0.002 1.563 0.002 1.226 -0.002 -0.914
Job
related
IT related (1) -0.330 -1.545 -0.048 -0.233 0.229 1.066 -0.067 -0.303 0.350 1.554 -0.133 -0.471
Highest-level
managers (1)
-0.170 -0.617 -0.060 -0.243 0.284 0.862 0.367 1.396 -0.321 -1.117 -0.100 -0.294
Mid-level manager (1) 0.258 1.956 0.224 1.723 0.071 0.493 0.028 0.185 -0.184 -1.231 -0.398 -2.124
Major company (1) 0.016 0.112 -0.031 -0.214 -0.173 -1.024 0.276 1.786 0.227 1.417 -0.315 -1.441
Public Agency (1) -0.185 -0.762 -0.117 -0.472 0.359 1.416 0.237 1.018 -0.090 -0.316 -0.204 -0.585
Spatial
charac
teristics
(sigungu)
Density of workers
around home (1,000)
-0.022 -2.071 0.000 -0.003 -0.003 -0.214 0.011 1.092 -0.019 -1.206 0.032 2.556
Density of workers
around workplace
(1,000)
0.001 0.117 0.001 0.212 0.004 0.493 0.002 0.222 -0.006 -0.788 -0.001 -0.119
N. of telecommuting days
(Y 2020)
-0.025 -0.781 -0.063 -1.813 -0.019 -0.513 -0.034 -0.964 0.005 0.118 0.137 3.469
Constant 0.539 1.191 0.558 1.329 1.861 3.997 -0.060 -0.127 -2.080 -3.923 -0.818 -1.442

*red marked : significant at the level of 0.05

3. 원격근무 경험에 따른 영향

원격근무의 활성화에 따른 대체활동의 선택은 직장 및 직업의 특성보다는 개인의 특성, 가구의 특성, 통근 특성에 많은 영향을 받는 것으로 나타났다. 또한, 원격근무의 경험자들은 비경험자들에 비해 주로 학업과 자기계발 및 가사(육아) 활동의 증가가 두드러지는 것으로 나타났다. 원격근무 경험의 유무와 주당 원격근무 일수를 함께 나타내는 변수인 주당 원격근무 일수(N. of telecommuting days)의 증대는 쇼핑과 업무활동 그리고 수면 활동의 변화에만 통계적으로 유의한 관련이 있는 것으로 나타났다. 이는 주당 원격근무 비중이 높아질수록 집 밖 활동의 일부 증가(집 밖 쇼핑)와 집안 활동의 감소(수면)를 의미하며, 특히 집 주변 활동의 기회(사업체 종사자)가 많을 때 그 외부활동의 가능성이 더욱 높아지는 것으로 나타났다. 나아가 활동묶음 단위 선택에서는 삶과 업무의 균형을 추구하는 특성을 지닌 사람들로부터 실내 및 외부 여가활동과 학업 및 자기계발 묶음의 선택을 증가시킬 것으로 보인다.

결론

그동안 원격근무의 증대가 가져오는 변화에 대한 다양한 연구가 진행된 바 있으나, 국내에서는 실제 제한적인 원격근무 도입 경험으로 인해 도시민의 일상생활 속 구체적인 변화를 예상하고, 이를 바탕으로 연구를 진행해나가는 데 어려움이 있었다. 2020년 2월부터 시작된 코로나-19 확산 사태는 필수인력을 제외한 다수를 대상으로 강제적인 원격근무를 시행한 첫 사례이며, 이러한 경험은 원격근무의 본격적인 도입이 활동-통행행태의 변화 등 구체적인 도시활동의 변화를 조망해볼 수 있는 기회를 제공하고 있다.

본 연구에서는 코로나-19 시기 동안 원격근무를 직·간접적으로 경험한 사람들이 통근시간의 감소와 직장에서 머물러야 하는 공간적 제약의 해소로 인해 발생한 시공간적 자유도를 개인이 어떻게 활용할지에 대해 살펴보았다. 이는 활동계획이론에서 그동안 다양한 제약으로 인해 선택하지 못한 활동들을 활동 스케쥴에 포함할 수 있게 되는 것을 의미한다. 본 연구에서는 다양한 활동 중 어느 활동이 개별적으로 더 많이 포함되게 될지와, 이러한 선호는 어떠한 개인, 가구, 통행, 직업, 공간 특성들과 연관되어있는지 분석하였다. 또한 원격근무의 증대로 인해 선택하게 되는 개인의 대체활동 묶음은 주로 어떻게 구성되고, 이들 구성은 위 특성들과 어떠한 관계를 가지고 있는지 또한 통계적으로 분석하였다.

그 결과 원격근무의 경험 여부는 학업 및 자기계발과 가사(육아)활동 참여 증대 등과 관련성이 높은 것으로 나타났고, 주중 원격근무 일수의 증가는 쇼핑과 업무활동 증가를 가져올 것으로 보인다. 또한, 6가지 대표적인 대체활동 묶음 유형을 도출하였고, 다양한 대체활동 묶음 유형 중 가족과의 여가지향형학업 및 가족과의 여가활동 병행형이 가장 높은 비중을 차지하는 것으로 나타났다. 그리고 전통적인 활동-통행행태 모형에서 나타난 바와 같이 개별 활동의 선택과 활동묶음의 선택 모두 개인의 특성과 가구의 특성이 미치는 영향이 큰 것으로 나타났고, 직장과 직업의 특성과 공간적 특성은 상대적으로 영향이 적은 것으로 나타났다.

이상의 결과는 업종별 원격근무의 증대로 인한 활동의 변화가 개인에 따라 차별적으로 나타날 것을 시사하며, 코로나-19 이후에 원격근무가 직종이나 회사 규모에 따라 선별적으로 도입되면서 나타나는 대체활동 선택 행태의 차별성은 낮을 것으로 예상된다. 반면 활동묶음의 선택은 가구 구성원과 연령의 영향이 가장 큰 것으로 나타났다. 이는 가구 구성원의 특성에 따라 각 가구원의 활동과 통행사슬 구성이 결정될 것임을 보여주며, 이는 가구를 모델링 단위로 하는 활동기반 교통수요 분석의 기본 가정과 부합하는 결과라 할 수 있다.

응답자들은 전반적으로 집 밖 활동보다는 집안 활동 위주의 대체활동을 선택하였으며, 이는 “출퇴근 시간의 절약”을 조건으로 설문이 진행된 것과 관련이 높아 보인다. 즉, 서울 및 경기권 평균 통근시간은 79분과 102분이며, 이 시간과 출퇴근 전후 시간 일부를 합쳐 참여 가능한 활동 위주로 선택이 이루어진 것으로 보인다. 그러나 최근 활발하게 도입 중인 유연근무제를 결합하는 방식의 원격근무제 도입은 활동선택의 유연성을 더욱 높여줄 것으로 보이며, 이는 향후 지금과는 다른 형태의 대체활동 묶음으로의 진화가 예상된다. 또한, 코로나-19로 인한 거리두기가 시행 중인 시기에 설문이 이루어져, 일시적으로 집 안 활동의 선호도가 높게 나타났을 가능성도 배제할 수 없다.

도시 기반 시설의 구성 측면에서는 위치에 따라 특성화된 생활 또는 여가 인프라 구축이 필요하다는 점을 시사한다. 즉, 거주지의 사업체 밀도가 낮은 곳에서 여가 지향형 활동묶음이, 높은 곳에서 여가-학업형 묶음이 나타날 가능성이 더 크다는 것은 도심 내에는 학업 및 자기계발 활동과 여가활동을 지원할 수 있는 복합적인 생활 인프라의 도입이 필요하며, 도시 외곽지역의 경우 가족 구성원과 함께 할 수 있는 여가활동 중심 시설을 집중적으로 도입할 필요가 있겠다.

본 연구는 설문 단계에서 활동의 종류를 9가지로 한정하여 계량적 분석을 실시하였다는 점에서 유연한 미래 변화를 예측하는 데는 한계가 있었다. 또한, 우선순위대로 3가지 활동만을 선택하게 하였다는 점에서 다양한 활동에 참여하고자 하는 사람들의 필요를 반영하지 못했다는 한계를 지닌다. 마지막으로 이론적 틀에 기반한 활동목록에서 제외되었던, 활동목록에서 선택되지 못했던, 취소되었던 활동 중 어떤 활동이 원격근무의 활성화와 함께 다시 활동계획일정에 돌아왔는지 등은 확인할 수 없었다. 따라서 향후 연구에서는 활동계획 이론에 기반하여 구성된 활동종류와 활동 참여일지 등을 바탕으로 중장기적 활동 참여 여부를 구체적으로 확인하여 원격근무 활성화가 개인의 일상생활에 미치는 영향을 심도 있게 연구해나갈 예정이다.

알림

국토연구원. 2021. 「모빌리티 혁신과 원격활동 확대의 파급 영향 조망과 교통·도시 대응 전략」., 윤서연, 김민영, 이재현<보고서> 등에서 수집된 자료를 활용하였음.

References

1
Allison P. D. (2012), Logistic Regression Using SAS: Theory and Application, SAS Institute(Cary, United States).
2
Arentze T., Timmermans H. (2004), Albatross: A Learning-Based Transportation Oriented Simulation System, Transportation Research Part B, 38(7), 613-633. 10.1016/j.trb.2002.10.001
3
Bhat C. R., Koppelman F. S. (1994), A Structural and Empirical Model of Subsistence Activity Behavior and Income, Transportation, 21, 71-89. 10.1007/BF01119635
4
Bin E., Andruetto C., Susilo Y., Pernestål A. (2021), The Trade-off Behaviours between Virtual and Physical Activities during the First Wave of the COVID- 19 Pandemic Period, European Transport Research Review, 13(14), 1-19. 10.1186/s12544-021-00473-7PMC7872826
5
Chen Z., Yeh A. G. O. (2021), Effects of Built Environment on Activity Participation under Different Space-time Constraints: A Case Study of Guangzhou, China, Travel Behaviour and Society, 22, 84-93. 10.1016/j.tbs.2020.08.007
6
Dijst M. (2004), ICTs and Accessibility: an Action Space Perspective on the Impact of New Information and Communication Technologies, Transport Developments and Innovations in an Evolving World, 27-46. 10.1007/978-3-540-24827-9_3
7
Ettema D., Borgers A., Timmermans H. (1994), Using Interactive Computer Experiments for Identifying Activity Scheduling Heuristics, 7th International Conference on Travel Behavior, Valle Nevado, Santiago, Chile, June, 13-16.
8
Ettema D., Schwanen T., Timmermans H. (2007), The Effect of Locational, Mobility and Socio-demographic Factors on Task and Time Allocation in Households, Transportation, 34, 89-105. 10.1007/s11116-006-0007-3
9
Farber S., Páez A. (2009), My Car, My Friends, and Me: A Preliminary Analysis of Automobility and Social Activity Participation, Journal of Transport Geography, 17(3), 216-225. 10.1016/j.jtrangeo.2008.07.008
10
Gärling T., Brann K., Garvill J., Golledge R., Gopal S., Holm E. et al. (1989), Household Activity Scheduling, In Transport Policy, Management and Technology Towards 2001: Selected Proceedings of the Fifth World Conference on Transportation Research, 6, 235-248.
11
Golledge R. G., Kwan M. P., Garling T. (1994), Computational-Process Modelling of Household Travel Decisions Using a Geographical Information System, Papers in Regional Science, 73, 99-118. 10.1111/j.1435-5597.1994.tb00605.x
12
Golob T. F., Regan A. C. (2001), Impacts of Information Technology on Personal Travel and Commercial Vehicle Operations: Research Challenges and Opportunities, Transportation Research Part C: Emerging Technologie, 9(2), 87-121. 10.1016/S0968-090X(00)00042-5
13
Goulias K. G., Kim T. (2005), An Analysis of Activity Type Classification and Issues Related to the With Whom and for Whom Questions of an Activity Diary, Chapter 14 in Harry Timmermans (Ed.), Progress in Activity-based Analysis, Elsevier, 309-334. 10.1016/B978-008044581-6/50017-X
14
Hägerstrand T. (1970), What about People in Regional Science, regional science association, Papers of the Regional Science Association, 24, 6-21. 10.1007/BF01936872
15
Hardman S., Lee J. H., Tal G. (2019), How Do Drivers Use Automation? Insights from a Survey of Partially Automated Vehicle Owners in the United States, Transportation Research Part A: Policy and Practice, 129, 246-256. 10.1016/j.tra.2019.08.008
16
Hayes-Roth B., Hayes-Roth F. (1979), A Cognitive Model of Planning, Cognitive Science, 3(4), 275-310. 10.1207/s15516709cog0304_1
17
Joh C. H., Doherty S. T., Polak J. W. (2005), Analysis of Factors Affecting Frequency and Type of Activity Schedule Modification, Transportation Research Record: Journal of the Transportation Research Board, 1926(1), 19-25. 10.1177/0361198105192600103
18
Korea Research Institute for Human Settlements(KRIHS) (2011), “Urban Space Changes and the Direction of Urban Planning in the Age of U-City”.
19
Korea Research Institute for Human Settlements(KRIHS) (2021), “Ripple effect of mobility innovation and remote activities, and transportation and urban strategies responding to it”.
20
Korea Labor Institute(KLI) (2021), “Changes in working methods and work-life balance in untact time”.
21
Kwan M. P. (1997), GISICAS: Aan Activity-Based Travel Decision Support System Using a GIS-interfaced Computational Process Model, Activity-based Approaches to Travel Analysis, 263-282.
22
Kwan M. P. (1998), Space-Time and Integral Measures of Individual Accessibility: a Comparative Analysis Using a Point-Based Framework, Geographical Analysis, 30(3), 191-216. 10.1111/j.1538-4632.1998.tb00396.x
23
Lee D. W. (2021), Impact and Emotions of Life According to Telework in the Time of COVID-19, Korean Labor & Income Panel Study Conference, October 29, 253-261. 10.21479/kaft.2021.29.4.725
24
Lee G. H, Park J. (2020), The Classification and Effect of News Users’ ‘News Media Repertoire’ By Latent Class Analysis, Korean Journal of Communication & Information, 99, 148-176. 10.46407/kjci.2020.02.99.148
25
Lee J. H. (2010), (The) empirical study on the activity constraints of the people in the urban area: On the asis of activity scheduling Theory, Master Thesis, Kyunghee University, Seoul.
26
Lee J. H., Chakraborty D., Hardman S. J., Tal G. (2020), Exploring Electric Vehicle Charging Patterns: Mixed Usage of Charging Infrastructure, Transportation Research Part D: Transport and Environment, 79, 102249. 10.1016/j.trd.2020.102249
27
Lu X., Pas E. I. (1999), Socio-demographic, Activity Participation and Travel Behavior, Transportation Research Part A: Policy and Practice, 33(1), 1-18. 10.1016/S0965-8564(98)00020-2
28
Miller H. J. (1991), Modelling Accessibility Using Space-Time Prism Concepts within Geographical Information Systems, International Journal of Geographical Information System, 5(3), 287-301. 10.1080/02693799108927856
29
Moeckel R. (2017), Working from Home: Modeling the Impact of Telework on Transportation and Land Use, Transportation Research Procedia, 26, 207-214. 10.1016/j.trpro.2017.07.021
30
Newell A., Simon H. A. (1972), Human Problem Solving, Prentice-Hall.
31
Noh S. H., Joh C. H. (2009), Travel Pattern Differences Between the Elderly and the Younger Adults in Seoul Metropolitan Area, The Geographical Journal of Korea, 43(3), 1-14.
32
Pabilonia S. W., Vernon V. (2021), Telework and Time Use, IZA Institue of Labor Economics, Institute of Labor Economics. 10.2139/ssrn.4114366
33
Patten M. L., Goulias K. G. (2004), Integrated Survey Design for a Household Activity-Travel Survey in Centre County, Pennsylvania, 83rd Annual Meeting of the Transportation Research Board Meeting, Washington DC.
34
Pendyala R. M., Goulias K. G., Kitamura R. (1991), Impact of telecommuting on spatial and temporal patterns of household travel, Transportation, 18(4), 383-409. 10.1007/BF00186566
35
Recker W. W., McNally M.G., Root G. S. (1986), A Model of Complex Travel Behavior: Part I-Theoretical Development, Transportation Research Part A: General, 20(4), 307-318. 10.1016/0191-2607(86)90089-0
36
Restrepo B. J., Zeballos E. (2020), The Effect of Working from Home on Major Time Allocations with a Focus on Food-related Activities, Review of Economics of the Household, 18, 1,165-1,187. 10.1007/s11150-020-09497-932863807PMC7443151
37
Saxena S., Mokhtarian P. L. (1997), The Impact of Telecommuting on the Activity Spaces of Participants, Geographical Analysis, 29(2), 124-144. 10.1111/j.1538-4632.1997.tb00952.x
38
Vause M. (1997), A Rule-based Model of Activity Scheduling Behavior, Activity-based Approaches to Travel Analysis, 73-88.
39
Vermunt J. K. (2010), Latent Class Modeling with Covariates: Two Improved Three-Step Approaches, Political Analysis, 18(4), 450-469. 10.1093/pan/mpq025
40
Vermunt J. K., Magidson J. (2002), Latent Class Cluster Analysis, Applied latent class analysis, 11(89-106), 60. 10.1017/CBO9780511499531.004
41
Yoon S. Y., Kim M. Y. (2021), A study on the ripple effect of telecommuting on urban structure and travel behavior, Journal of the Korean Regional Development Association, 33(2), 57-59.
42
Yoon S. Y., Ravulaparthy S. K., Goulias K. G. (2014) Dynamic Diurnal Social Taxonomy of Urban Environments Using Data from a Geocoded Time Use Activity-Travel Diary and Point-Based Business Establishment Inventory, Transportation Research Part A: Policy and Practice, 68, 3-17. 10.1016/j.tra.2014.01.004
43
Zhu P., Mason S. G. (2014), The Impact of Telecommuting on Personal Vehicle Usage and Environmental Sustainability, International Journal of Environmental Science and Technology, 11, 2,185-2,200. 10.1007/s13762-014-0556-5
페이지 상단으로 이동하기