1 인당 국민소득과 출생아수
인당 국민소득과 출생아수에 대한 데이터 분석을 통해 해당 연도 출생한 시민이 선진국, 신흥국, 개발도상국 3가지 범주 중 어디에 속하고 인구 규모가 얼마인지 파악하는 것을 목표로 한다.
1.1 인당 국민총소득
1인당 국민총소득 데이터를 KOSIS에서 다운로드 받아 준비한다.
library(tidyverse)
library(readxl)
world_tbl <- read_excel("data/1인당_국민총소득_20210516221455.xlsx")
gni_tbl <- world_tbl %>%
select(시점, Per_GNI = 한국) %>%
mutate(시점 = as.integer(시점))
gni_tbl %>%
reactable::reactable()1.2 연도별 출생아수
위키백과 대한민국의 인구에서 년도별 출생자수를 구해낸다.
library(rvest)
pop_url <- "https://ko.wikipedia.org/wiki/대한민국의_인구"
pop_df <- pop_url %>%
read_html(encoding = "utf-8") %>%
html_node(xpath = '//*[@id="mw-content-text"]/div[1]/table[2]') %>%
html_table(fill = TRUE) %>%
as_tibble()
pop_tbl <- pop_df %>%
select(시점 = `연도 (년)`, 출생자수 = `출생자수(명)`) %>%
mutate(출생자수 = parse_number(출생자수))1.3 인당 국민소득 출생아수
인당 국민소득은 1960년 통계가 잡힌 이후 꾸준히 늘고 있으나 출생자수는 급격히 감소하고 있는 것을 확인할 수 있다. 따라서, 인당 국민소득 증가는 출생자수 감소에 따른 분모가 줄어 국민소득이 상대적으로 증가하고 있는 것으로 볼 수도 있다.
korea_tbl <- left_join(gni_tbl, pop_tbl)
korea_tbl %>%
reactable::reactable()library(extrafont)
loadfonts()
korea_tbl %>%
pivot_longer(-시점, names_to = "key", values_to = "value") %>%
ggplot(aes(x=시점, y=value, color = key)) +
geom_line() +
facet_wrap(~key, scales = "free_y") +
theme_bw(base_family = "NanumGothic") +
theme(legend.position = "none") +
labs(x="", y="") +
scale_y_continuous(labels = scales::comma)
2 개도국, 신흥국, 선진국 구분
2.1 코이카 기준
코이카(KOICA)에서 발간한 “정보통신기술과 경제발전 개발도상국, 신흥국 그리고 선진국 비교하기” 참고용으로 제시한 보고서에서는 다음과 같은 기준으로 선진국, 신흥국, 개발도상국 3개 범주로 나누고 있다.
- 6,500 달러 미만: 개발도상국
- 6,500달러 ~ 23,000 달러: 신흥국
- 23,000 달러 이상: 선진국
상기 기준을 명목 국민소득으로 나누게 되면 다음과 같이 출생자별로 구분이 가능하다.
korea_grp_tbl <- korea_tbl %>%
mutate(구분 = case_when(Per_GNI < 6500 ~ "개도국",
Per_GNI >= 2600 & Per_GNI < 23000 ~ "신흥국",
TRUE ~ "선진국")) %>%
mutate(구분 = factor(구분, levels = c("개도국", "신흥국", "선진국")))
korea_grp_tbl %>%
group_by(구분) %>%
summarise(출생자수 = sum(출생자수)) %>%
ungroup() %>%
mutate(비율 = 출생자수 / sum(출생자수))# A tibble: 3 x 3
구분 출생자수 비율
<fct> <dbl> <dbl>
1 개도국 25033311 0.621
2 신흥국 10643592 0.264
3 선진국 4619096 0.1152.2 국가 GDP 순위
영문 위키백과 List of countries by past and projected GDP (nominal) 웹사이트에서 G7 및 GDP 점유율을 기준으로 한국이 전세계 GDP에서 기여하는 부분을 감안하여 한국이 개발도상국에서 신흥국으로 신흥국에서 선진국으로 올라선 년도를 특정해보자.
gdp_url <- "https://en.wikipedia.org/wiki/List_of_countries_by_past_and_projected_GDP_(nominal)"
gdp_1970 <- gdp_url %>%
read_html() %>%
html_node(xpath = '//*[@id="mw-content-text"]/div[1]/table[1]/tbody/tr/td[2]/table') %>%
html_table(fill = TRUE) %>%
as_tibble()
gdp_1980 <- gdp_url %>%
read_html() %>%
html_node(xpath = '//*[@id="mw-content-text"]/div[1]/table[2]/tbody/tr/td[2]/table') %>%
html_table(fill = TRUE) %>%
as_tibble()
gdp_1990 <- gdp_url %>%
read_html() %>%
html_node(xpath = '//*[@id="mw-content-text"]/div[1]/table[3]/tbody/tr/td[2]/table') %>%
html_table(fill = TRUE) %>%
as_tibble()
gdp_2000 <- gdp_url %>%
read_html() %>%
html_node(xpath = '//*[@id="mw-content-text"]/div[1]/table[4]/tbody/tr/td[2]/table') %>%
html_table(fill = TRUE) %>%
as_tibble()
gdp_2010 <- gdp_url %>%
read_html() %>%
html_node(xpath = '//*[@id="mw-content-text"]/div[1]/table[5]/tbody/tr/td[2]/table') %>%
html_table(fill = TRUE) %>%
as_tibble()
# 데이터 결합 ------------------------------
gdp_df <- left_join(gdp_2010, gdp_2000) %>%
left_join(gdp_1990) %>%
left_join(gdp_1980) %>%
left_join(gdp_1970)
gdp_tbl <- gdp_df %>%
pivot_longer(`2010`:`1979`, names_to = "year", values_to = "GDP") %>%
rename(country = `Country (or dependent territory)`) %>%
mutate_at( vars(c("year", "GDP")), parse_number) 2.3 대한민국 GDP 순위
G7국가와 대한민국, 중국을 중요국가로 특정하여 GDP 순위변화를 시각화 한다.
G7 <- c("Canada", "France", "Germany", "Italy", "Japan", "United Kingdom", "United States")
gdp_tbl <- gdp_tbl %>%
mutate(G7 = case_when(country %in% G7 ~ "G7",
country == "South Korea" ~ "대한민국",
country == "China" ~ "중국",
TRUE ~ "기타")) %>%
mutate(G7 = factor(G7, levels=c("G7", "대한민국", "중국", "기타")))
gdp_ranking_gg <- gdp_tbl %>%
group_by(year) %>%
mutate(ranking = min_rank(-GDP)) %>%
ggplot(aes(x=year, y=ranking, group = country, color = G7)) +
geom_line() +
scale_y_continuous(trans = "reverse") +
scale_color_manual(values = c("midnightblue", "blue", "red", "grey")) +
theme_minimal(base_family = "NanumGothic") +
theme(legend.position = "top") +
labs(x = "",
y = "GDP 순위",
title = "연도별 GDP 국가별 순이 변동 추이")
gdp_ranking_gg
너무나도 많은 국가가 있기 때문에 GDP 상위 30개 국가만 선발하여 확대한다.
ggplot_ranking_top_gg <- gdp_ranking_gg +
theme( panel.background = element_rect(fill = "white",
size = 0.5, linetype = "solid")) +
coord_cartesian(ylim=c(30,1)) +
labs(title = "GDP 상위 30개국")
ggplot_ranking_top_gg
전체적인 흐름과 G7, 중국, 대한민국을 비롯한 30개 국가를 따로 시각화한 것을 두가지 그래프를 하나로 합쳐 inset 큰 그림지도 속에 삽입된 삽도(삽화)로 시각화한다.
gdp_ranking_gg +
annotation_custom(ggplotGrob(ggplot_ranking_top_gg +
theme(legend.position = "none") +
labs(title = "")),
xmin = 1967, xmax = 1995,
ymin = -210, ymax = -70)
2.4 G7 GDP 변화
G7 국가가 전세계 GDP에서 차지하는 비중을 계산해 내고 이를 시각화하여 한눈에 살펴볼 수 있도록 작업한다. 먼저 G7 국가를 하나로 두고 비중을 살펴보면 2000년을 기준으로 줄기 시작하여 현재는 50% 아래로 내려간 것을 확인할 수 있다.
gdp_g7_tbl <- gdp_tbl %>%
mutate(G7 = case_when(country %in% c("Canada", "France", "Germany", "Italy", "Japan", "United Kingdom", "United States") ~ "G7",
TRUE ~ "기타")) %>%
mutate(G7 = factor(G7, levels=c("G7", "기타"))) %>%
group_by(year, G7) %>%
summarise(GDP = sum(GDP, na.rm = TRUE)) %>%
ungroup()
gdp_g7_tbl %>%
pivot_wider(names_from = G7, values_from = GDP) %>%
mutate(G7점유율 = G7 / (G7 + 기타)) %>%
ggplot(aes(x = year, y = G7점유율)) +
geom_area(fill = "lightblue") +
scale_y_continuous(limits = c(0,1), labels = scales::percent) +
geom_hline(yintercept = 0.5, linetype = 2) +
theme_minimal(base_family = "NanumGothic") +
labs(x = "",
title = "전세계 GDP 중 G7 점유율 (%)") 
G7국가를 쪼개 대한민국과 함께 GDP 점유율을 시각화한다.
gdp_country_tbl <- gdp_tbl %>%
mutate(G7 = case_when(! country %in% c("Canada", "France", "Germany", "Italy", "Japan", "United Kingdom", "United States", "South Korea") ~ "기타",
TRUE ~ country)) %>%
group_by(year, G7) %>%
summarise(GDP = sum(GDP, na.rm = TRUE)) %>%
ungroup()
G7_korea_GDP_gg <- gdp_country_tbl %>%
group_by(year) %>%
mutate(GDP_sum = sum(GDP)) %>%
mutate(GDP_점유율 = GDP / GDP_sum) %>%
ungroup() %>%
select(year, G7, GDP_점유율) %>%
mutate(G7 = factor(G7, levels = c("United States", "Japan", "Germany", "France", "Canada", "Italy", "United Kingdom", "기타", "South Korea"))) %>%
ggplot(aes(x = year, y = GDP_점유율, group = G7)) +
geom_area(aes(fill = G7)) +
scale_y_continuous(limits = c(0,1), labels = scales::percent) +
geom_hline(yintercept = 0.5, linetype = 2) +
theme_minimal(base_family = "NanumGothic") +
labs(x = "",
title = "전세계 GDP 중 G7 점유율 (%)") +
scale_fill_viridis_d() +
theme(legend.position = "right") +
guides(fill = guide_legend(nrow = 9))
G7_korea_GDP_gg
대한민국이 전세계 GDP 기여분이 늘어나는 시점이 1980년, 1998년 두가지 시점이 눈에 띄고 이를 기점으로 1980년 이전은 개발도상국, 1980년에서 1998년 사이는 신흥국, 1998년 이후는 선진국으로 나눠볼 수 있다.
G7_korea_GDP_gg +
geom_vline(xintercept = 1980, color = "red", linetype = 3) +
geom_vline(xintercept = 1998, color = "red", linetype = 3)
3 출생자수 분포
정확한 것은 아니지만, 1940년 이후 출생자를 기준으로 개도국, 신흥국, 선진국을 출생연도 별로 범주화시켜 대략적인 비율을 보면 다음과 같다.
pop_df %>%
select(시점 = `연도 (년)`, 출생자수 = `출생자수(명)`) %>%
mutate(출생자수 = parse_number(출생자수)) %>%
filter(시점 >= 1940) %>%
mutate(구분 = case_when(시점 < 1980 ~ "개도국",
시점 >= 1980 & 시점 < 1998 ~ "신흥국",
TRUE ~ "선진국")) %>%
mutate(구분 = factor(구분, levels = c("개도국", "신흥국", "선진국"))) %>%
group_by(구분) %>%
summarise(출생자수 = sum(출생자수)) %>%
mutate(비율 = 출생자수 / sum(출생자수))# A tibble: 3 x 3
구분 출생자수 비율
<fct> <dbl> <dbl>
1 개도국 33649666 0.590
2 신흥국 12811658 0.225
3 선진국 10583534 0.186데이터 과학자 이광춘 저작
kwangchun.lee.7@gmail.com