Exploring Generational Differences in Sociodemographic Variables for Charitable Giving - A Machine Learning Analysis -

본 연구는 현금기부행동과 관련된 인구사회학적 변수의 역할이 선행연구마다 일관되지 않게 나타나는 현상에 주목하여, 그 원인을 ‘세대’라는 관점에서 탐색하고자 하였다. 통계청 사회조사(2009-2023) 자료의 268,346명을 전통세대, 베이비붐세대, X세대, MZ세대로 구분하여, 8개의 주요 인구사회학적 변수가 세대별 현금기부행동 예측에 기여하는 양상을 머신러닝 알고리즘(Random Forest)과 설명가능한 인공지능(XAI) 해석 방법론(중요도, PDP, SHAP DP)을 활용하여 분석하였다. 분석 결과, 인구사회학적 변수의 역할은 세대에 따라 뚜렷한 변화와 함께 보편적 일관성이 공존하는 복합적인 양상을 보였다. 구체적으로, 세대 간 차이를 드러내는 두 가지 변화 유형과 세대를 관통하는 하나의 특징이 관찰되었다. 첫째, 변수 역할의 전환이다. 성별은 전통세대의 남성 우위에서 MZ세대의 여성 우위로, 가구원수 증가는 기성세대의 긍정적 관계에서 MZ세대의 부정적 관계로 역전되었다. 출생년도는 세대 내에서 복잡한 비선형 관계를 나타냈으며, 주거점유형태는 젊은 세대로 갈수록 예측력이 약화되는 경향을 보였다. 둘째, 임계점의 체계적 이동이다. 현금기부행동과 높은 연관성을 보이는 교육수준과 가구월소득의 기준점이 젊은 세대로 갈수록 상향 조정되었다. 셋째, 보편적 예측 변수의 존재이다. 취업상태와 결혼상태는 세대를 관통하는 일관된 예측력을 보였으며, 특히 취업상태는 가장 강력하고 보편적인 예측 변수로 확인되었다. 본 연구는 선행연구 결과의 비일관성을 통합적으로 조망할 수 있는 해석적 틀을 제시하고, 세대별 특성에 기반한 맞춤형 모금 전략 수립에 필요한 실증적 근거를 제공한다는 점에서 의의를 찾을 수 있다.