Predicting Factors of Korean Workers" Quality of Life Using Stagewise Additive Modeling with a Multi-class Exponential Loss Function

본 연구는 한국 근로자의 삶의 질(QoL) 예측에 있어 SAMME(Stagewise Additive Modeling using a Multi-class Exponential loss function) 모델의 유효성을 평가하고 그 성능을 다양한 기계 학습 모델(로지스틱 회귀분석, 나이브 베이즈, GBM, XGBoost, LightGBM)과 비교하였다. 이 연구에서는 국민건강영양조사(KNHANES)에 참여한 2,385명의 자료를 사용하였으며, 입력 변수에는 인구통계학적, 직업적, 작업 환경 요인이 포함되었다. SAMME 모델의 성능은 정확도, 정밀도, 재현율, F1 점수, AUC를 통해 평가되었고, 변수 중요도도 분석되었다. 연구 결과, SAMME 모델은 가장 높은 정확도(0.82), F1 점수(0.79), AUC(0.88)을 기록하여 다른 모델보다 우수한 예측 성능을 보였다. 주요 예측 변수로는 주당 근무 시간(Importance Score: 0.25), 직업 자율성(Importance Score: 0.20), 가계 월 소득(Importance Score: 0.18) 등이 포함되었다. 본 연구는 SAMME 모델이 근로자의 QoL 예측에 유용하며 정책 입안자와 고용주에게 실행 가능한 통찰력을 제공할 수 있음을 입증하였다. 향후 다학제 및 산학기술적인 측면에서 다양한 데이터셋을 활용하여 연구 결과의 일반화를 도모할 필요가 있다.