Machine Learning-Based Prediction and Analysis of Charitable Giving - Focusing on Attitudes toward Everyday Well-being -

본 연구는 개인의 현금기부행동에 대한 이해를 증진하고 기부 활성화 방안을 모색하기 위해, 성인 약 20만 명의 ‘일상적 안녕에 대한 태도’를 통해 현금기부행동을 예측하고 관계를 분석했다. 이를 위해 '태도의 삼각구조 모델'을 이론적 기반으로 하고, 트리-기반 머신러닝 알고리즘을 적용하여 현금기부행동을 예측하였으며, SHAP 요약 도표, PDP, ALE, SHAP DP 등을 활용하여 예측의 근거를 분석했다. 연구에서 도출된 주요 발견은 다음과 같다. 첫째, XGBoost와 LightGBM 알고리즘은 현금기부행동 예측에서 우수한 성능을 보여 머신러닝 기법의 유용성을 확인하였다. 둘째, 태도의 삼각구조 모델 분석 결과, 행동적 차원의 태도 변수들이 현금기부행동 예측에 결정적인 역할을 하는 것으로 확인되었다. 셋째, 현금기부행동을 예측할 수 있는 가장 강력한 예측변수는 ‘향후 기부 참여의사’로 나타났으며, '노후준비'는 개인의 현금기부행동을 예측할 수 있는 새로운 핵심 변수로 파악되었고, ‘독서’나 ‘여행’ <br/>의 부재는 현금기부행동의 부재를 예측하는 주목할 지표로 확인되었다. 넷째, ‘자원봉사’와 ‘물품기부’의 경우 참여 빈도나 분야의 다양성보다 참여 여부가 현금기부행동을 예측하는 중요한 요인으로 밝혀졌다. 다섯째, 감정적 차원의 태도 변수들은 단순 선형관계가 아닌 일정 수준 이상이 되어야 현금기부활동이 활성화되는 경향을 보여 현금기부행동에 있어 정서적 평가의 임계점이 존재한다는 통찰을 제공했다. 본 연구는 현금기부행동에 대한 이론적 이해를 심화하고 실천현장에서 활용 가능한 예측모델과 전략을 제시했다는 점에서 의의가 있다.