[논문 리뷰] Predicting Long-Term Self-Rated Health in Small Areas Using Ordinal Regression and Microsimulation

Seán Caulfield Curley, Karl Mason외 1명|arXiv (Cornell University)|2026. 01. 20.

demographic modeling and climate adaptation인용 수 0

한 줄 요약

이 논문은 아이랜드용 오픈 소스 미시 시뮬레이션과 서수 회귀를 결합하여, 미시 데이터와 인구조사 분포를 맞추고, 고령화 및 이주를 포함한 미래 시나리오 하에서 정교한 지리적 규모로 자기 평가 건강(SRH)을 예측합니다.

ABSTRACT

This paper presents an approach for predicting the self-rated health of individuals in a future population utilising the individuals' socio-economic characteristics. An open-source microsimulation is used to project Ireland's population into the future where each individual is defined by a number of demographic and socio-economic characteristics. The model is disaggregated spatially at the Electoral Division level, allowing for analysis of results at that, or any broader geographical scales. Ordinal regression is utilised to predict an individual's self-rated health based on their socio-economic characteristics and this method is shown to match well to Ireland's 2022 distribution of health statuses. Due to differences in the health status distributions of the health microdata and the national data, an alignment technique is proposed to bring predictions closer to real values. It is illustrated for one potential future population that the effects of an ageing population may outweigh other improvements in socio-economic outcomes to disimprove Ireland's mean self-rated health slightly. Health modelling at this kind of granular scale could offer local authorities a chance to predict and combat health issues which may arise in their local populations in the future.

연구 동기 및 목표

• 선거 구역(Electoral Divisions)에서 아일랜드의 미세 지리 규모로 미래 SRH 분포를 예측합니다.
• 사회경제적 특성으로부터 SRH를 예측하기 위해 동적 오픈 소스 미시 시뮬레이션(SEMIPro)을 서수 회귀와 통합합니다.
• 예측 정확도를 높이기 위해 마이크로데이터 SRH 분포를 Census 분포와 맞춥니다.
• 인구 통계학적 및 사회경제적 변화(예: 고령화, 교육, 이주)가 SRH 경로에 어떤 영향을 미치는지 탐구합니다.
• 지역 보건 계획 및 시나리오 분석에 대한 유용성을 시연합니다.

제안 방법

• SEMIPro 미시시뮬레이션을 사용하여 연령, 성별, 혼인 상태, 시민권, 최근 아일랜드로 이주, 학력, 주요 경제 상태 등의 속성을 가진 합성 개체를 생성합니다.
• SRH에 대해 나이대, 성별, 혼인 상태, 경제 상태, 학력 및 지역을 예측 변수로 하는 서수 회귀 모델을 적용합니다; 잠재 변수 Y*와 임계값을 이용한 누적 모델로 SRH 범주에 대한 확률을 추정합니다.
• 각 코호트의 예측된 SRH 분포를 요소별 비율과 재정규화를 통해 전국 Census 분포와 일치시킵니다.
• 코호트별 추가 로그비율(ALR) 변환과 Gaussian Process(GP) 회귀를 사용하여 연도와 코호트 간의 로그비율을 모델링하고, 불확실성을 반영하기 위해 몬테카를로 샘플링(1000샘플)을 수행합니다.
• 2022년 ED 수준의 평균 SRH를 관찰된 2022년 SRH와 비교하여 예측을 검증하며, 높은 적합도(R^2 ~ 0.9, MSE ~ 0.0037)를 달성합니다.
• 지리적 차이를 설명하고 정책 관련성을 보여주기 위한 사례 연구와 시나리오 분석(예: M1 이주 시나리오 및 2057년 투영)을 사용합니다.

Figure 1: A graphical summary of how the approach operates. Note that synthetic individuals are created for this example and are not based on individuals from either dataset.

실험 결과

연구 질문

• RQ1 서수 회귀가 마이크로시뮬레이션 맥락에서 개인의 SRH를 사회경제적 특성으로부터 정확히 예측할 수 있을까요?
• RQ2 마이크로시뮬레이션으로 생성된 인구가 작은 지역 지리(EDs)에서 관찰된 SRH 분포를 얼마나 잘 재현할 수 있을까요?
• RQ3 정의된 이주 시나리오하에서 2057년까지 고령화와 교육 변화가 전국적 SRH 분포에 미치는 영향은 무엇인가요?
• RQ4 마이크로데이터 SRH를 Census SRH 분포와 일치시키는 것이 예측 정확도에 어떤 영향을 미치나요?
• RQ5 SRH 경로에서 어떤 지리적 패턴이 나타나며 이를 어떻게 지역 보건 계획에 반영할 수 있을까요?

주요 결과

• 선거 구역 수준에서 예측된 SRH 분포가 관찰된 2022년 분포와 밀접하게 일치하며, 평균 R^2는 약 0.9, 평균 MSE는 약 0.0037입니다.
• SRH 악화의 가장 강한 음의 예측 변수는 “질병이나 장애로 일을 할 수 없음”이고, 양의 예측 변수에는 학생이 되거나 일하거나 가정/가사를 돌보는 경우가 포함됩니다.
• 나이는 SRH의 강한 음의 예측 변수이며, 고등 교육은 일반적으로 지역 간 SRH를 더 좋게 하는 상관관계가 있습니다.
• 향후 예측(2057년까지, M1 이주 시나리오 하)은 초기에는 Very Good 및 Good SRH의 비율이 증가하는 경향을 보이며, 양방향 불확실성은 90% 신뢰 구간으로 포착됩니다; 패턴은 2030년대 중반쯤 안정화됩니다.
• Actual_outcome_note_to_usersOnly_from_source: The paper reports that Ireland’s SRH distribution has been relatively stable across recent censuses, but projections indicate notable changes by 2057.
• 실제 결과 주의: 본 논문은 아일랜드의 SRH 분포가 최근 인구조사에서 비교적 안정적이었다고 보고하지만, 2057년까지는 주목할 만한 변화를 시사합니다.

Figure 2: A flowchart summarising the workings of the SEMIPro Irish microsimulation model (Caulfield Curley et al., 2025a ) .