4조 · 한류 관광 연령 분석 · 분석 대화 정리

K-컬처는 방한 관광객을 정말 젊게 만들었나

“K-컬처 영향력이 큰 집단일수록 방한 연령대가 낮고, 그 특성이 방한 시장 전체를 젊어지게 하는 데 기여했다” — 이 가설을 T_PJT 폴더의 원자료로 다시 계산한 결과를, 통계 용어를 최대한 풀어서 정리한 문서입니다.

재계산일 · 2026-09-03 표본 · 외래관광객조사 마이크로데이터 64,598명 (2019·2023·2024·2025) 보조 · 전국 전수통계(2006–2024) / 음악수출 / KOFICE

30초 요약

가설의 앞부분(상대적 효과)은 데이터가 확실히 뒷받침합니다. 뒷부분(시장 전체를 젊게 만들었다)은 장기 흐름·반사실 논리로는 지지되지만, 2019년 이후 최근 창에서는 근거가 약합니다.

상대적 연령 격차 (풀링)

−2.6세

한류동기군 35.9세 vs 비한류 38.4세 · 95% CI [−2.8, −2.3] · p<10⁻¹⁰⁰

교란요인 통제 후

OR 1.5

국적·성별·연도 고정해도 한류동기군이 청년일 확률 +9.5%p

용량–반응

−0.9세 / 점

K-컬처 점수 0→3점, 평균연령 38.7→35.7세 · 청년비중 57%→69%

시장 전체 평균연령

+1.4세

2019→2025 오히려 상승(37.6→38.9세). 한류군 자체도 노령화

이 문서를 어떻게 쓰나 발표 슬라이드의 수치(−8.9세 등)를 실측치로 교체하고, 결론 문장을 “한류가 시장을 젊게 했다” → “한류 세그먼트가 없었다면 시장은 더 늙었을 것”으로 조정하는 것이 이 재분석의 핵심 권고입니다. 상세 근거는 아래 섹션에.

가설을 두 조각으로 나눠 보기

원래 가설은 한 문장이지만 사실 서로 다른 두 개의 주장이 붙어 있습니다. 이걸 분리해야 “어디까지가 증명됐고 어디부터가 안 됐는지” 말할 수 있습니다.

지지됨

(A) 상대적 효과

“한류를 보고 온 사람은 같은 조건의 일반 관광객보다 더 어리다.” — 개인 단위 비교 문제. 9.4만 명 설문에서 매년, 대부분 국가에서, 교란요인을 통제해도 성립.

부분 지지

(B) 집계 기여

“그 특성이 방한 시장 전체 평균 연령을 끌어내렸다.” — 시장 전체 합계 문제. 2007–2019 장기로는 성립하나, 2019–2025 최근 창에서는 시장이 오히려 늙음.

방어 논리

(B′) 반사실 버전

“한류 세그먼트가 없었다면 시장은 더 늙었을 것 (−0.3 ~ −1.5세).” — (B)를 데이터에 맞게 고쳐 쓴 표현. 이건 매년 성립.

왜 (A)가 참인데 (B)가 약할 수 있나 3세 어린 집단이라도 그 집단이 전체의 20%뿐이면, 산술적으로 시장 평균을 끌어내리는 힘은 1년 미만입니다. 게다가 같은 기간 그 집단 자체가 나이를 먹으면(팬덤 에이징) 그 힘마저 상쇄됩니다.

어떤 데이터를 썼나

재분석에 실제로 사용한 파일
구분	파일	단위 / 기간	역할
메인 (미시)	foreigner_merged_SATISFACTION_정정.csv	개인 64,598명 · 2019·2023–2025	한류동기·연령·국적·성별·활동·쇼핑·가중치
거시 전수	(전국기준)연령별+외국인+방문객…csv	전수 · 2006–2024	시장 전체 연령 구조의 장기 추세
거시 결합	kpop_tourism_analysis.csv	연도 패널 · 2007–2024	음악수출액 × 청년/여성 비중 상관
거시 대륙	kpop_continent_tourism_analysis.csv	대륙×연도 · 2007–2024	대륙별 연령 구조 변화
보조	음악산업 - 주요 국가…수출액 현황.csv	2005–2024	한류 노출 강도(처치 강도)

핵심파생변수 3개

FLAG_REASON_K — 방한 이유 1~3순위에 K-Pop·드라마·한류스타가 들어가면 1. “한류동기군”의 기본 정의.
K_CULTURE_SCORE (0~5) — 한류 동기 + 한류 활동 + 한류 정보채널을 합산한 관여도 점수. “영향력이 큰 집단”을 계단식으로 보기 위한 변수.
IS_YOUNG — 30대 이하면 1, 40대 이상이면 0. 연령대 코드(1~6)에 중간나이(17.5·25·35·45·55·65)를 넣어 평균연령도 계산.

먼저 알아야 할 데이터 함정 방한 이유(REASON) 문항의 결측률이 2019년 0% → 2023–25년 약 50%로 바뀌었습니다(설문 개편). 그래서 연도 간 “한류동기 비중” 비교는 왜곡됩니다. 이 문서에서 연도 비교는 전부 구성비(%)로만, 그리고 이 한계를 명시하며 다룹니다.

PART A · 상대적 효과 — 근거 5가지

“한류동기군이 더 어리다”는 다섯 가지 다른 각도에서 모두 같은 방향을 가리킵니다. 한 방법이 틀려도 나머지가 버티는 강건한(robust) 결론입니다.

A1매년 예외 없이 더 어리다

한류동기군 vs 비한류군 평균연령 (연도별)

단위: 세 · 표본 내 계산(비가중). 격차는 가중해도 방향 동일.

한류동기군비한류군

연도	한류동기군	비한류군	격차	가중 격차	청년비중 K	청년비중 비K
2019	35.0	38.8	−3.8	−4.1	70%	56%
2023	34.9	37.3	−2.4	−2.5	71%	63%
2024	36.3	38.4	−2.0	−1.8	66%	59%
2025	37.7	39.2	−1.5	−1.7	62%	57%

풀링(4개년 합산): 한류동기군 35.9세(n=14,878) vs 비한류 38.4세(n=49,720), 차이 −2.6세, 95% 신뢰구간 [−2.8, −2.3], t=−22.5, p≈10⁻¹¹¹. 효과크기 Cohen’s d=0.20 — “통계적으로 확실하지만 크기는 완만함”. “극적으로 젊어졌다”보다 “꾸준히 조금 어리다”가 정확한 표현.

주의 — 격차가 매년 줄고 있음 −3.8 → −1.5세. 한류동기군이 비한류군보다 더 빠르게 나이 들고 있습니다(A1 표의 청년비중 K도 70%→62%). 이것이 뒤의 “팬덤 에이징” 논의로 이어집니다.

A2관여도가 높을수록 어리다 (용량–반응)

“영향력이 큰 집단일수록”를 직접 검증하는 부분. K_CULTURE_SCORE가 오를수록 평균연령이 계단식으로 내려갑니다.

K-컬처 관여도 점수별 평균연령 · 청년비중

점수 0~3 구간(표본 대부분). 4~5점은 표본이 적어 참고만.

점수	표본 n	평균연령	청년비중	여성비중
0	17,980	38.7	57.5%	46.5%
1	24,856	38.1	60.2%	60.9%
2	11,540	37.5	62.4%	60.7%
3	7,879	35.7	68.5%	62.9%

0→3점 선형 기울기 −0.9세/점. 상관계수 자체는 약함(Pearson r=−0.07)이나 매우 유의(p≈10⁻⁷⁰) — 방향은 분명, 설명력은 작음.

A3거꾸로 봐도 성립 — 젊을수록 한류동기 채택률↑

연령대	한류동기 채택률	High 관여 비중	표본 n
15–20세	23.7%	34.2%	1,697
20대	27.3%	38.0%	20,999
30대	23.7%	33.4%	16,735
40대	20.6%	30.1%	11,350
50대	18.2%	30.1%	10,606
60세 이상	15.8%	31.4%	3,211

20대에서 채택률이 정점(27.3%), 이후 연령이 오를수록 완만히 하락. 15–20세가 20대보다 낮은 건 표본이 작고 단독 여행 비중이 낮기 때문.

A4국가별로 쪼개도 유지 — 심슨의 역설 아님

“일본인이 늘어서 젊어 보이는 착시 아니냐”에 대한 답. 나라 안에서 비교해도 대부분 한류동기군이 더 어립니다.

국가별 연령 격차 (한류동기군 − 비한류군)

전 연도 풀링, 비가중. 왼쪽(음수)일수록 한류동기군이 더 어림.

국가	표본 n	한류 n	격차(비가중)	격차(가중)
홍콩	4,868	651	−4.5	−5.1
대만	4,326	673	−4.4	−4.5
독일	1,808	289	−3.8	−5.4
프랑스	1,839	383	−3.6	−4.9
영국	1,643	319	−2.7	−3.7
미국	2,151	469	−2.7	−3.6
일본	8,012	1,857	−1.9	−3.2
중국	8,458	2,293	−2.5	−0.3

중국은 가중하면 격차가 사실상 0(−0.3세). “모든 국가에서 일관되게”는 과장 — “검증한 8개국 중 7개국에서”가 정확.

A5교란요인을 한꺼번에 통제해도 유지 (회귀)

OLS(연속 연령): 국적·성별·연도를 통제한 뒤에도 한류동기 계수 −2.6세 (p≈10⁻¹⁰⁴). 관여도 High 그룹은 −1.6세.
로지스틱(청년 여부): 한류동기 시 청년일 오즈비 1.5배, 확률로는 +9.5%p (p≈10⁻⁸⁸).

계수표 전체를 어떻게 읽는지는 섹션 06에서 자세히.

PART B · 시장 전체를 젊게 만들었나

여기서 근거가 갈립니다. 장기(2007–2019)로는 그렇다, 최근 창(2019–2025)으로는 아니다, 그리고 반사실로 보면 “세그먼트가 기여는 했다”.

B1장기 — 시장은 실제로 젊어졌고, 한류와 강하게 동행

전국 전수통계 (승무원 제외) — 30세 이하 / 40세 이상 비중
연도	30세 이하	40세 이상	음악수출액
2007	26.9%	50.7%	$0.14억
2011	30.8%	47.9%	$2.0억
2016	35.6%	42.8%	$4.4억
2019	36.7%	40.1%	$7.6억
2023	38.3%	42.0%	$12.2억

거시 시계열 상관(팬데믹 제외): corr(log 음악수출액, 청년비중) = 0.91, corr(log 음악수출액, 여성비중) = 0.96. 강한 동행. 다만 변화의 상당 부분이 BTS 이전(중국 청년 관광 붐 + LCC 취항기)에 일어나 한류 단독 귀속은 제한적 — LCC 좌석공급·환율 통제가 필요한 대목.

B2반사실 — 한류 세그먼트를 빼면 시장은 더 늙는다

연도	실제 평균연령(가중)	한류동기군 제외 시	세그먼트가 낮춘 폭
2019	37.7	39.2	−1.5세
2024	38.9	39.2	−0.3세
2025	38.7	39.0	−0.3세

→ “한류가 시장 연령을 내렸다”보다 “한류 세그먼트가 없었다면 시장은 더 늙었을 것”이 데이터에 맞는 문장. 기여 폭은 2019년 1.5세에서 최근 0.3세로 줄었지만 부호는 유지.

B3최근 창 — 시장은 오히려 늙음

시장 전체 평균연령: 2019년 37.6세 → 2025년 38.9세 (+1.4세). 청년비중 61% → 58%.
2019→2025 분해: 전체 +1.4세 중 집단 내 노령화가 +1.2세로 대부분. 한류동기군 자체가 35.0→37.7세.
측정된 한류동기 비중은 33%→20%로 떨어졌지만, 이건 앞서 말한 REASON 문항 결측(설문 개편) 영향이 큼 — 실제 감소분은 이보다 작을 것.

발표 문장 교체 권고 “한류가 방한 시장 전체의 연령대를 젊게 전환시킨 핵심 견인 요인” → “한류동기 관광객은 일반보다 일관되게 2~4세 어렸고(A), 이들이 없었다면 시장은 더 고령이었을 것이다(B′). 단, 2019년 이후로는 이 집단 자체의 노령화로 하방 압력이 약해지고 있다.”

비즈니스 인사이트 3종 — 무엇이 맞고 무엇을 고쳐야 하나

방향 O · 문구 수정

① 1020 팬덤 → 3040 라이프스타일

에이징은 실재. 단 실제 신규 유입층은 30대가 아니라 40·50대.

수치 교체 필수

② 국가별 하향폭 차이

성향 차이는 사실. 그러나 −8.9세 / −5.2세는 실측(−2.7 ~ −3.4세)과 큰 차이.

여성·화장품 O · SNS 근거 재구성

③ 여성 × SNS × 화장품 고리

여성·화장품 결합은 뚜렷. SNS는 한류동기군에서 리프트가 거의 없음(정의상 순환).

①팬덤 에이징 / 3040 라이프스타일

한류동기군 내부 연령대 구성비 — 2019 vs 2025

한류를 이유로 방한한 사람들만 놓고 본 연령 분포 변화.

20192025

한류동기군 평균연령 35.0세(2019) → 37.7세(2025). 20대 비중 41%→34%.
늘어난 건 40대(15→16%)·50대(12→17%). 30대는 26%로 사실상 고정.
정확한 문구: ❌ “1020 팬이 3040 직장인으로 성장” → ✅ “1020 비중이 줄고 4050이 새로 유입”.
고부가가치 근거는 아직 약함: 한류동기군 체류일수는 오히려 짧음(6.3일 vs 8.6일). 1인 지출 비교는 2019년 원화 혼입 문제로 재정리 필요.

②국가별 하향폭 차이 — 실측으로 교체

권역	슬라이드 표기	실측 격차(비가중)	실측(가중)
미주	−8.9세	−2.7세	−3.6세
유럽(영·독·프)	−8.9세	−3.4세	−4.9 ~ −5.9세
일본	−5.2세	−1.9세	−3.2세
중국	−6.8세	−2.5세	−0.3세

성향 차이 자체는 데이터로 뒷받침됩니다:

유럽 — 한류동기군의 K-Pop 활동 비중 54%. 유럽 30세 이하 비중이 장기적으로 16.9%(2007) → 31.5%(2024)로 급상승, 유럽 음악수출 $0.2M → $133M. “장거리 시장에서 2030을 뚫었다”는 유럽에 한해 강하게 성립.
미국 — 청년비중이 26%→27%로 정체. 방한 물량만 증가(환율 수혜 포함). “성지순례로 젊어졌다”보다 “물량 확대”가 정확.
일본 — 한류동기군 여성 67%, 화장품 쇼핑 67%, 미식 90%, K-Pop 활동은 26%뿐 → 뷰티·식도락·일상 체험형이 맞음.

③여성 × SNS × 화장품 세그먼트

지표	한류동기군	비한류군	리프트	슬라이드 표기
여성 비중	61.8% (가중 ~66%)	55.6%	+6.2%p	68.2%
화장품 쇼핑	63.2%	55.7%	+7.5%p	57.5%
SNS 정보습득	36.3%	35.5%	+0.8%p	35.7%

여성·화장품 결합은 강함: 한류동기 여성의 화장품 쇼핑률 70.6% vs 남성 51.2%. 여성&SNS&화장품 삼중 교집합 17.7%, 이 세그먼트 평균연령 35.9세.
SNS는 한류동기군(FLAG_REASON_K)에서 비한류군과 사실상 차이 없음. High 관여 그룹에서 SNS 54.5%로 높지만, SNS 플래그가 그 그룹 정의에 들어가 있어 순환 논리. “디지털 바이럴 채널” 주장은 연령별 SNS 이용률 격차 같은 다른 근거로 다시 잡아야 함.
슬라이드의 여성 68.2% → 62~66%로 하향, 화장품 57.5% → 63%로 상향 정정 권장(04_보강_인사이트_메모와 동일 결론).

로지스틱 회귀 계수표 — 무엇을 보여주는가

“한류동기 + 국적 + 성별 + 조사연도”로 방한객 1명이 청년(30대 이하)일 확률을 설명하는 모형입니다. 핵심은 국적·성별·연도를 통제한 뒤에도 한류 효과가 남는가를 보는 것.

coef (로그오즈 계수): 부호만 보면 됨. + 면 청년일 확률↑, − 면 ↓. 크기는 직관적이지 않아 보통 OR로 변환.
OR (오즈비) = e^coef: 1보다 크면 그 조건에서 청년일 “가능성 배수”. 1.5 = 1.5배. 0.58 = 42% 낮음.
95% CI: OR의 신뢰구간. 1을 안 걸치면 유의. 1을 걸치면 “차이 있다고 말 못 함”.
AME (평균 한계효과): OR을 쉬운 말로. “이 조건 때문에 청년일 확률이 평균 몇 %p 바뀌나”.

종속변수 IS_YOUNG(30대 이하=1) · N=64,598 · Pseudo R²=0.020 · 기준: 국적=일본, 성별=남, 연도=2019
변수	OR	95% CI	p	AME	해석
한류동기 (FLAG_REASON_K)	1.505	1.45–1.57	<0.001	+9.5%p	같은 국적·성별·연도라도 청년일 오즈 1.5배
성별 = 여	1.347	1.30–1.39	<0.001	+6.9%p	여성이 더 젊은 층
연도 = 2023	1.267	1.21–1.33	<0.001	+5.5%p	팬데믹 회복기 구성 왜곡
연도 = 2024	1.030	0.98–1.08	0.21	+0.7%p	2019와 차이 없음
연도 = 2025	0.916	0.88–0.96	<0.001	−2.0%p	2019보다 오히려 고령
국적 = 대만	0.577	0.54–0.62	<0.001	−12.7%p	일본 대비 훨씬 고령
국적 = 홍콩	0.738	0.69–0.79	<0.001	−7.0%p
국적 = 중국	0.784	0.74–0.84	<0.001	−5.7%p
국적 = 미국	0.811	0.74–0.89	<0.001	−4.9%p	일본 대비 고령
국적 = 프랑스	1.226	1.10–1.37	<0.001	+4.7%p	일본보다도 젊음
국적 = 독일 / 영국	1.06 / 1.06	1 걸침	0.30 / 0.31	+1.3%p	일본과 차이 없음

국적 코드 5~13·19·20 등은 D_NAT 코드표 미확정으로 국가명 생략(값은 모형에 모두 포함).

이 표가 가설에 주는 근거

한류동기 OR 1.5가 국적·성별·연도 더미를 다 넣은 뒤에도 살아있음 → “일본인이 늘어서 젊어 보이는 착시”가 아니라 같은 나라·성별·해 안에서도 한류동기군이 더 젊음. (A)의 방어 논리.
연도 더미가 반대로 말함: 2025년 계수 음수(−2%p) → 다른 조건이 같으면 시장은 2019년보다 늙음. (B)가 최근 창에서 약하다는 재확인.
국적 계수가 큼(대만 −12.7%p): 연령 구조의 1차 결정 요인은 여전히 국적 믹스, 한류는 그 위에 얹히는 2차 효과.

Pseudo R² = 0.02 — 반드시 방어 이 4개 변수로 청년 여부 분산의 2%만 설명. 나머지는 방문목적·여행형태·소득·거리 등 모형 밖 요인. “한류가 연령을 결정한다”가 아니라 “다른 것 통제해도 한류의 방향 효과는 유의하게 존재한다” 수준으로만 주장.

발표 전 체크리스트

슬라이드 5의 국가별 수치를 실측치로 교체 (미국 −8.9→−2.7, 일본 −5.2→−1.9, 중국은 가중 시 −0.3으로 사실상 0)
결론 문장: “한류가 시장 전체를 젊게 만들었다” → “한류 세그먼트가 없었다면 시장은 더 늙었을 것 (−0.3 ~ −1.5세)”
“3040 확장”은 방한 시장 전체가 아니라 한류 응답군 내부 한정임을 명시. 실제 신규 유입층은 4050
REASON 문항 결측률 변화(2019 0% → 2023–25 ~50%)를 각주로 밝히고, 연도 간 비교는 구성비(%)만 인용
여성 비중 68.2% → 62~66%, 화장품 57.5% → 63%로 정정
SNS 고리는 순환 정의를 피한 별도 근거(연령별 SNS 이용률 격차 등)로 재구성
“모든 국가에서 일관되게” → “검증한 8개국 중 7개국에서”로 표현 완화
효과크기 언급 시 “−2.6세, Cohen’s d=0.2 (완만함)” 각주 — “극적” 표현 지양

한계와 주의사항

마이크로데이터 원본(.xlsx) 미검증 항목 — 재방문율 61.4% 등 발표자료의 일부 숫자는 이번 재계산 범위(정정 CSV) 밖. 원본으로 재현 필요.
가중치 이상 — 2023년은 가중 평균연령(39.3세)이 비가중(36.9세)과 크게 벌어짐. 연도 간 비교는 비가중을 주로, 국가 내 비교는 가중을 보조로.
팬데믹 구간(2020–2022) 제외 — 관광객 98% 급감, 유학생·필수입국 위주라 정상기 비교에서 뺌.
보조 시계열 일부 합성 의심 — KOFICE 연령별 파일(너무 매끄러운 단조증가, 호감도 정확히 상한값)은 “정황” 수준으로만.
국적 코드표 미확정 — 1·2·3·4·14·16·17·18만 확인(일·중·홍콩·대만·미·영·독·프). 나머지는 국가명 없이 처리.
인과가 아니라 연관 — 관측 데이터. LCC 좌석공급·환율을 회귀로 통제한 “순수 한류 설명력”은 별도 분석 필요(현재 “미미하다” 서술만 존재).