방법론

어떻게 계산했나

이 사이트의 모든 숫자는 통계청 KOSIS OpenAPI에서 자동 수집한 공공 통계로 계산됩니다. 결합 지표와 추계는 이 사이트가 독자적으로 만든 것으로, 국가승인통계나 공식 전망이 아닙니다.

공통 원칙

  • 재현 가능성: 수집·계산 코드(etl/)를 공개하며, 매월 자동으로 최신 통계를 다시 받아 재계산합니다.
  • 지역 표준화: 분석 단위는 2025년 말 기준 시·군·자치구 229곳입니다(일반구·출장소 제외). 2026년 출범한 전남광주통합특별시 자료는 이전 광주·전남 단위로 되돌려 맞췄고, 주민등록(행정코드)과 지방지표(통계용 코드)는 시도와 이름으로 연결했습니다.
  • 시나리오: 미래 값은 하나의 예측이 아니라 가정에 따른 범위입니다. 출산율은 통계청 장래인구추계(2022년 기준)의 저위·중위·고위를 따르되 최신 실제 수준에서 출발합니다.
  • 검증: 가능한 경우 과거 시점의 데이터만으로 같은 방법을 적용해 실제와 비교한 오차를 공개합니다(예: 학교 추계 1년 후 평균 오차 약 1%, 6년 후 약 8%).

공통 인구 추계 엔진

인구(a세, t+1) = 인구(a−1세, t) × 코호트 변화율(a) · 코호트 변화율: 최근 3년(2022→2025) 평균, 작은 지역은 시도 값으로 수축 보정 · 지역 고유 순이동 효과: 연 ±8% 상한, 매년 15%씩 전국 평균으로 감쇠 0세(t) = 20~44세 여성(t) × 아동비(최근 3년) × 출산율 지수(시나리오, t)

대한민국의 미래 — 방법론

결합 데이터

  • 주민등록인구 1세별 2015~2025 (DT_1B04006): 내국인 기준
  • 인구동향 출생아 수·합계출산율 (DT_1B81A23)
  • 장래인구추계 2022년 기준: 시나리오별 출생아·가임여성·주요 지표 (DT_1BPA001, DT_1BPA002, DT_1BPA004, DT_1BPA402, DT_1BPA403)

계산

  • 시군구 229곳을 각각 추계한 뒤 합산해 전국·시도 값을 구합니다.
  • 출산율 지수 = 시나리오별 (출생아 ÷ 20~44세 여성) ÷ 2025년 값. 2025년 실제 출생 수준에 곱합니다.
  • “현실은 어느 시나리오인가”는 최근 연도 실제 출생아와 각 시나리오 출생아의 차이로 판정합니다.

한계

  • 외국인이 빠져 공식 추계보다 총인구가 낮습니다.
  • 기대수명 개선을 따로 모형화하지 않아 고령 인구가 과소추계될 수 있습니다.

우리 동네의 미래 — 방법론

결합 데이터

  • 주민등록인구 1세별 (DT_1B04006), 자체 시군구 추계
  • 시군구 장래인구추계 2022년 기준 (DT_1BPB002E): 공식 추계와 비교
  • 국내인구이동 20~39세 순이동 (DT_1B26002), 사업체·종사자 (DT_118N_SAUP*), 빈집 (DT_1YL202005): 상권 모듈에서 결합

지속가능성 지수

50 + 15 × Σ wᵢ zᵢ. 각 요소는 시군구 분포에서 표준화하고 ±3에서 절단합니다.

  • 인구 변화 2025→2035: 30%
  • 청년 순이동률: 20%
  • 소멸위험지수: 20%
  • 종사자 증감률: 15%
  • 빈집률(역): 15%

소멸위험지수 = 20~39세 여성 ÷ 65세 이상. 0.5 미만이면 위험, 0.2 미만이면 고위험입니다.

한계

지수는 상대 비교용 합성 지표입니다. 개발 계획과 정책 변화는 반영하지 않습니다.

학교는 얼마나 남을까? — 방법론

결합 데이터

  • 행정안전부 주민등록인구 시군구·1세별 (KOSIS DT_1B04006)
  • e-지방지표 초등학교 학생수·학교수·학급당 학생수·교원 1인당 학생수 (DT_1YL21241, DT_1YL21231, DT_1YL15001, DT_1YL21171)
  • 교육기본통계 초·중·고 개황 시도 (DT_1963003_002~004)
  • 통계청 장래인구추계 출산율 시나리오 (DT_1BPA001, DT_1BPA004, DT_1BPA402, DT_1BPA403)

계산

  1. 공통 인구 추계 엔진으로 시군구별 미래 6~11세 인구를 구합니다.
  2. 초등학생(Y) = r × 6~11세 주민(Y−1년 말). 여기서 r은 2023~2026년 실제 학생 수를 학령 주민 수로 나눈 비율의 평균이며, 통학·대안교육·해외 체류를 보정합니다.
  3. 학급 수 = 학생 수 ÷ 현재 학급당 학생 수. 학교당 학생 수 = 학생 수 ÷ 현재 학교 수.
  4. 입학생 = r × 6세 주민(Y−1년 말).

검증

2020년 말 인구와 20172020년 변화율만으로 20212026년을 예측했습니다. 시군구 평균 오차는 1년 후 약 1%, 6년 후 약 8%입니다.

한계

  • 학급 편성 기준, 학교 통폐합, 신설 학교는 반영하지 않습니다.
  • 대규모 택지 입주처럼 앞으로 생길 이동은 최근 추세가 이어지는 정도만 반영됩니다.

내 월급의 실질 가치 — 방법론

데이터: src/data/wage.json · 생성: cd etl && uv run --python 3.12 python build_wage.py

방법론 (페이지 게시용)

월급은 올랐는데 왜 살림은 그대로일까? 이 서비스는 고용노동부 사업체노동력조사의 1인 이상 사업체 월평균 임금총액(2011년~)에 통계청 소비자물가지수를 결합해, 매년의 월급을 **2025년 원화 가치(실질임금)**로 환산합니다. 물가 잣대는 하나가 아니라 세 가지입니다. 공식 소비자물가지수(CPI), 자주 사는 품목만 모은 생활물가지수, 집을 가진 사람의 주거비까지 넣은 자가주거비포함지수. 같은 월급도 어떤 잣대로 재느냐에 따라 체감이 달라집니다.

**세금과 보험료를 뗀 ‘손에 쥐는 월급’**도 계산했습니다. 연도별 소득세법(근로소득공제·세율·근로소득세액공제·표준세액공제)과 국민연금·건강보험·장기요양·고용보험의 근로자 부담 요율을 코드로 구현해, 평균 월급을 받는 부양가족 없는 1인 근로자를 가정한 간이 계산입니다. 실제 원천징수액은 부양가족·비과세 수당·각종 공제에 따라 달라집니다.

품목별 구매력 지수는 “2015년과 같은 비율의 월급으로 그 품목을 얼마나 더(덜) 살 수 있나”입니다. (임금 상승률) ÷ (품목 가격 상승률)로 계산하며, 100보다 작으면 그 품목은 월급보다 빨리 비싸진 것입니다. 산업별·시도별 실질임금 변화는 상용근로자 임금총액(산업별)과 e-지방지표 시도별 상용 월평균 임금을 각각 전국·시도 소비자물가로 나눈 값입니다.

2030년 전망은 예측이 아닌 시나리오입니다. 명목임금은 최근 5년(20202025) 연평균 증가율이 이어진다고 두고, 물가는 ① 한국은행 목표 2%, ② 최근 10년 평균, ③ 최근 5년 평균(고물가기 포함) 세 가지로 가정해 실질임금 경로를 비교합니다. 세후 금액은 2026년 세법·요율을 고정해 계산하므로 명목소득이 오를수록 누진세 부담이 커지는 효과(bracket creep)가 반영됩니다. 2026년 값은 18월 임금, 1~10월 물가의 전년 동기 대비 증가율을 2025년 연간값에 적용한 잠정치입니다.

출처

  • 고용노동부 사업체노동력조사 산업/규모별 임금 및 근로시간 — KOSIS DT_118N_MON041(20112019), DT_118N_MON051(20202025), DT_118N_MON054(2026 월별)
  • e-지방지표 시도별 상용 월평균 임금 — KOSIS DT_1YL15006
  • 통계청 소비자물가지수(지출목적별·품목, 2020=100) — KOSIS DT_1J22001 (전국·시도)
  • 통계청 생활물가지수 — KOSIS DT_1J22005 (품목 110)
  • 통계청 자가주거비포함 소비자물가지수 — KOSIS DT_1J22006 (항목 20)
  • 소득세법 및 4대보험 요율(연도별 상수, build_wage.py 내 표)

한계

  • 평균 임금은 고임금자에 끌려 올라갑니다(중위 임금 아님). 산업 구성 변화도 평균에 섞입니다.
  • 세금 계산은 간이(1인, 공제 최소). 국민연금 상한·고용보험 요율은 연중 변경을 연 단위로 근사했습니다.
  • 품목 구매력은 가격지수 기반 상대값이며 절대 가격(원)이 아닙니다. 유치원납입금처럼 정책(무상보육)으로 지수가 급락한 품목이 있습니다.
  • 세종은 시도 임금·물가 시계열이 2020년부터라 2015년 기준 비교(realChange)에서 빠지고, 5년(2020→2025) 비교(realChange5)에만 포함됩니다.

집값을 감당할 수 있을까? — 방법론

etl/build_housing.py → src/data/housing.json

결합 데이터

데이터 출처 (KOSIS) 주기·단위
아파트 매매 실거래 평균가격 한국부동산원 408/DT_KAB_11672_S15 월, 시도(서울 5개 권역 포함), 만원/㎡
아파트 전세 실거래 평균가격 한국부동산원 408/DT_KAB_11672_S25 월(2014~), 만원/㎡
가구 평균 경상소득(전년도) 가계금융복지조사 101/INH_1HD_AAA01_01 연(2017~ 조사), 시도, 만원
주택담보대출 금리(신규취급액) 한국은행 301/DT_121Y006 월, 전국, 연%
차주당 가계대출 잔액(연령대별) 한국은행 301/DT_181Y002 연, 만원(원자료 십만원)

자체 지표

이 서비스는 집값, 소득, 금리를 하나의 질문으로 묶습니다. “보통 가구가 국민평형(전용 84㎡) 아파트를 사면, 매달 소득의 몇 %를 대출 상환에 써야 하나?“입니다. 가격은 실거래 ㎡당 평균가격에 84㎡를 곱해 구합니다. 그 가격의 50%를 당시 주택담보대출 평균금리로 30년 원리금균등 상환한다고 가정해 월 상환액을 계산합니다. 이 월 상환액을 지역 가구 월소득으로 나눈 값이 주택구입 부담률입니다. 함께 PIR(84㎡ 가격 ÷ 연소득, 몇 년치 소득인가)과 1년치 소득으로 살 수 있는 면적(연소득 ÷ ㎡당 가격 ÷ 3.3058, 전용 평)을 제공합니다.

실거래 평균가격은 그달에 어떤 단지와 면적이 거래됐는지에 따라 크게 흔들립니다. 그래서 연도 값은 1~12월 평균을 쓰고, 최신 연도는 최근 12개월 이동평균을 씁니다. 소득은 조사연도의 ’전년도 소득’이라 1년 시차를 맞췄습니다. 아직 발표되지 않은 최근 연도 소득은 지역별 최근 3년 연평균 증가율로 연장한 추정치입니다. 금리는 전국 단일 값을 모든 지역에 적용합니다.

전망(~2030)과 민감도

가격 시나리오 3개(연 -2% 하락, 횡보, 지역별 2016년 이후 연평균 상승률 지속)와 금리 시나리오 3개(-1%p 인하, 유지, +1%p 인상)를 조합해 9개 경로의 부담률과 PIR을 계산합니다. 금리는 2년에 걸쳐 목표 수준으로 이동하고, 소득은 최근 3년 증가율로 늘어난다고 가정합니다. 이 결과는 예측이 아니라 “이 조건이면 이렇게 된다”는 조건부 시나리오입니다. 별도로 현재 시점에서 금리가 ±1%p 바뀔 때의 부담률(sensitivity)도 제공합니다.

한계

  • 평균 가구소득 기준이라 실제 무주택 실수요자의 소득보다 높을 수 있습니다. 그러면 부담이 과소평가됩니다.
  • LTV 50%는 단순 가정입니다. 실제 규제(LTV, DSR)와 개인의 대출 조건은 다릅니다.
  • 실거래 평균은 거래 구성의 영향을 받습니다. 예를 들어 2022년처럼 거래가 급감한 해에는 평균이 왜곡됩니다.
  • 전세가율은 매매와 전세의 거래 구성이 달라 대략적인 비교 지표입니다.
  • 광주·전남은 2026년 통합 이후에도 부동산원이 권역을 따로 제공해 시도별로 유지했습니다.

대한민국 산업의 미래 — 방법론

산출물: src/data/industry.json · 생성: cd etl && uv run --python 3.12 python build_industry.py

무엇을 결합하나

데이터 KOSIS 표 쓰임
지역별고용조사 산업/연령별 취업자 (KSIC 11차, 반기) DT_1ES3B27J 산업별 취업자·연령구조 (연평균 = 상·하반기 평균)
경제활동인구조사 연령계층별 고용률 DT_1DA7002S 세부 연령별 고용률 (2025)
한국은행 경제활동별 실질 GDP DT_200Y106 산업별 실질부가가치 (2020년 연쇄가격)
기업특성별 무역통계 산업별 수출 (KSIC 11차) DT_1TEC_P320 수출 기업의 산업별 수출액
주민등록인구 + 장래인구추계 출산율 시나리오 pop.py 연령별 미래 인구

산업은 KSIC 대분류 19개(T·U 제외)이고, 제조업은 수출 통계 분류에 맞춰 7개 묶음으로 나눴습니다. 그래서 모두 25개 산업입니다.

방법

3축 성장 점수. 2015→2025년 연평균 증가율을 취업자, 실질부가가치, 수출(수출 통계가 있는 산업만) 세 축으로 구합니다. 축마다 경제 전체 증가율보다 1%p 이상 높으면 +1, 1%p 이상 낮으면 −1, 그 사이면 0을 줍니다. 경제 전체 증가율은 취업자 0.96%, 부가가치 2.49%, 수출 3.02%입니다. 산업 분류 기준은 다음과 같습니다.

  • 성장: 평균 점수가 +0.5 이상이고, 취업자와 부가가치가 모두 실제로 증가
  • 쇠퇴: 평균 점수가 −0.5 이하이고, 취업자나 부가가치 중 하나가 실제로 감소
  • 정체: 나머지

보조 표시도 붙입니다. 부가가치는 크게 늘었는데 취업자가 줄면 ‘고용 없는 성장’, 그 반대면 ’저생산성 고용 확대’입니다. 노동생산성은 실질부가가치를 취업자 수로 나눈 값입니다.

은퇴 대체 수요. 10년 안에 65세에 이르는 취업자 수를 계산합니다. 2025년 기준 60세 이상 취업자 전원에 50대 취업자의 절반(55~59세 근사)을 더합니다. 산업 규모에 이 비중을 곱하면, 은퇴로 비는 자리를 채우는 데 필요한 인력이 나옵니다.

노동공급 갭.

  • 공급: 2025년 세부 연령별 고용률을 주민등록 기반 인구추계(중위)에 곱해 연령대별 노동공급을 구합니다. 기준연도 실제 취업자에 맞게 보정합니다. 이를 2025년 연령대별 산업 점유율로 각 산업에 나눕니다.
  • 공급 시나리오 2개: 고용률 고정(base), 고령자 고용 확대(older, 6069세 +7.5%p, 7074세 +5%p, 2035년까지 선형 증가)
  • 수요 시나리오 3개:
    • hold: 2025년 취업자 수 유지
    • trend: 최근 10년 증가율을 해마다 10%씩 줄이며 연장
    • demo: 수요를 이끄는 인구에 비례. 교육은 6~21세, 보건·복지는 65세 이상, 나머지 산업은 총인구
  • 갭: 공급 − 수요. 음수면 인력이 부족하다는 뜻입니다.

한계

  • 출산 시나리오의 영향이 거의 없습니다. 2026년 이후 태어난 아이들은 2041년이 되어야 15세가 되므로, 2045년까지 공급에 거의 반영되지 않습니다. 그래서 공급 시나리오는 출산율이 아니라 고용률로 나눴습니다.
  • 연령대별 산업 선택 구조를 고정합니다. 60세 이상 비중이 큰 산업(농림어업, 부동산)은 고령인구가 늘면서 공급이 오히려 늘어나는 것으로 나옵니다. 지금의 60대가 앞으로도 같은 산업을 고를 것이라는 가정이 들어가 있습니다.
  • 추정 인구 기준이 다릅니다. 주민등록인구는 내국인 기준입니다. 외국인 노동력 유입은 기준연도 보정 비율 안에만 간접적으로 들어 있습니다.
  • 수출은 ‘수출한 기업의 산업’ 기준입니다. 도소매업 수출은 무역상사 실적이고, 서비스 수출은 포함되지 않습니다.
  • 부가가치 분류가 일부 묶여 있습니다. 한국은행 분류에 맞춰 묶은 산업(D/E, M/N, R/S)은 세부 항목을 썼습니다.
  • 대체 수요는 근사치입니다. 50대의 절반을 55~59세로 본 균등분포 근사입니다.

소멸하는 상권, 성장하는 상권 — 방법론

  • 빌더: etl/build_commerce.py → src/data/commerce.json
  • 실행: cd etl && uv run --python 3.12 python build_commerce.py [-v] (인구는 run_all.population() 캐시 사용)
  • 상권 범위: 도매 및 소매업(G) + 숙박 및 음식점업(I), 분석 단위는 시·군·자치구(2025년 말 행정구역, 229개)

방법

상권의 ’현재 체력’과 ’미래 수요’를 한 지표로 결합했습니다. 현재 체력은 고용노동부 사업체노동실태현황의 상권 사업체·종사자 수 연평균 증감률(2020→2024)과, 통계청 기업생멸행정통계의 순진입률(신생률 − 소멸률, 20222024 평균)로 측정합니다. 미래 수요는 주민등록인구 기반 자체 소지역 추계(중위)의 소비인구(2064세) 2025→2030 변화와, 최근 3년 20~39세 순이동률(인구 1천 명당)로 측정합니다.

다섯 요소는 전국 시군구 분포에서 표준화(z, ±3 절단)한 뒤 가중합합니다(사업체 20%, 종사자 20%, 순진입 20%, 소비인구 25%, 청년 순이동 15%). 상권 활력 지수 = 50 + 15 × 가중 z 이며 0~100으로 자릅니다. 50은 전국 평균 수준입니다.

분류 기준은 공개된 임계값을 따릅니다. 성장은 지수 58 이상, 정체는 42~58, 위축은 42 미만입니다. 소멸위험은 2035년 소비인구가 20% 이상 줄고 최근 순진입률이 0 이하인 지역이며, 지수와 관계없이 우선 적용합니다. 별도의 조기 신호인 점포 과잉은 최근 사업체가 늘었는데 2035년 소비인구가 20% 이상 줄어드는 지역에 붙입니다. 점포 수가 유지된다고 가정할 때 점포 1곳당 수요가 감소할 폭(demandPerStore2035)과 2035년 소비인구 1천 명당 점포 수(storesPer1k2035)도 함께 제공합니다.

「우리 동네의 미래」용 보조 시계열(dongne)도 함께 담았습니다. 전 산업 사업체·종사자 수, 연간 순이동(전체, 20~39세), 주민등록 세대수, 주택 수, 빈집 수와 빈집률입니다.

출처 (KOSIS OpenAPI)

내용 표 ID
시군구×산업대분류 활동·신생·소멸 기업 수 (2016~2025, 소멸은 2024까지) 101 / DT_6BD1132
시군구×산업 사업체수·종사자수, 2017~2023 (8개 시 / 9개 도) 118 / DT_118N_SAUPN75, DT_118N_SAUPN78
시군구×산업 사업체수·종사자수, 2024 118 / DT_118N_SAUPM75, DT_118N_SAUPM78
시군구/연령(5세) 순이동자수 101 / DT_1B26002
주민등록 세대수 101 / DT_1B040B3
미거주주택(빈집) 수·비율, 전체 주택 101 / DT_1YL202005
1세별 주민등록인구 + 자체 추계 101 / DT_1B04006

한계

  • 사업체노동실태현황은 2019→2020 사이 전국 상권 사업체가 89.8만 → 71.8만으로 꺾여 수준이 꺾입니다(조사 체계 변경 또는 코로나19 영향으로 추정, 원인 미확인). 그래서 증감률은 2020년부터 계산하며, 저점 기준이라 절대값이 높게 나옵니다. 지수는 상대 비교(z)라 영향이 작습니다.
  • 기업생멸의 ’기업’은 사업체(점포)와 단위가 다르고, 최신 연도 소멸 기업은 1년 늦게 확정됩니다.
  • 유동인구·카드매출 같은 상권 내부 자료는 KOSIS에 없습니다. 이 지표는 시군구 단위의 구조적 신호이며, 골목 단위 판단에는 쓸 수 없습니다.
  • 소비인구는 주민등록(내국인) 기준이라 관광·통근 수요를 반영하지 않습니다. 관광지(예: 부산 강서구, 신안군)는 점포 밀도가 높게 나옵니다.
  • 일반구(수원 장안구 등)는 상위 시에 합산되며, 원천 표의 일반구 행은 무시합니다.

은퇴 후 대한민국 — 방법론

생성: cd etl && uv run --python 3.12 python build_retire.py → src/data/retire.json

결합 데이터

데이터 KOSIS 표 용도
완전생명표(1세별) 기대여명, 성별 101 / DT_1B42 은퇴 나이별 남은 기간
장래 생명표(2022년 기준, 중위) 101 / DT_1BPA202 2025~2072 기대여명 변화
연금통계 연금종류별 수급자(65세 이상) 101 / DT_1PEN_006 수급률·월평균·중위 수급액
가계동향조사 가구주 연령별 월평균 가계수지(전국, 1인 이상) 101 / DT_1L9U108 고령가구 소비지출과 항목 비중
소비자물가지수 지출목적별(2020=100) 101 / DT_1J22001 항목별 물가 상승률
국민노후보장패널 필요 최소·적정 노후생활비 322 / DT_322001_D003 생활비 기준선
주민등록인구 기반 자체 추계 pop.py 2050년까지의 고령인구와 부양 구조

방법

필요 노후자금. 생활비 기준은 국민노후보장패널의 ’개인 기준 적정 노후생활비’입니다. 조사 연도 가격으로 된 금액을 소비자물가지수로 최신 연도 가격까지 올린 뒤, 완전생명표의 은퇴 나이 기대여명을 곱합니다. 결과는 오늘 가격(실질) 기준입니다. 수익률과 물가가 같다면 명목 총액도 같습니다. 연금 공백은 적정생활비에서 65세 이상 연금 수급자의 월평균 수급액(모든 연금 합산)을 뺀 금액에 같은 기간을 곱해 구합니다.

고령가구 체감물가. 지출목적 12개 대분류의 10년 연평균 상승률을 가구 유형별 지출 비중으로 가중합니다. 비중은 65세 이상 가구주 가구와 전체 가구 각각의 가계동향조사 소비지출에서 가져옵니다. 고령가구는 식료품과 보건 비중이 높아서 같은 물가 속에서도 상승률을 다르게 체감합니다.

자금 소진 나이. 실질 기준 연 단위 시뮬레이션입니다. 매년 잔고에 실질수익률(명목수익률 − 물가)을 적용하고, 생활비와 연금의 차이(월 × 12)를 인출합니다. 잔고가 0 아래로 내려가는 나이를 소진 나이로 봅니다. 미리 계산한 격자(자산 1·2·3·5억 원 × 실질수익률 0~3%)를 함께 제공하고, calculator.defaults로 브라우저 계산기를 초기화합니다.

부양 구조. 주민등록 1세별 인구를 Hamilton-Perry 방식으로 추계한 값(출산율 저위·중위·고위)에서 20~64세 인구를 65세 이상 인구로 나눕니다. 2035년 연금 수급자 수는 65세 이상 추계 인구에 최신 수급률을 곱한 근사치입니다.

주의

  • 연금 평균액은 수급자 평균이고 평균은 소수의 고액 수급자에게 끌려 올라갑니다. 중위값(49.7만 원)과 함께 봐야 합니다. 부부가 함께 받는 경우는 반영되지 않습니다.
  • 적정생활비는 응답자의 인식 조사 결과입니다. 의료·요양비가 크게 드는 사건은 기대여명 평균에 반영되지 않습니다.
  • 생명표는 기간생명표라서 앞으로의 수명 개선이 빠져 있습니다. 실제 기대여명은 이보다 길 가능성이 높습니다(장래 생명표 참고).
  • 가계동향 65세 이상 가구의 평균 가구원 수는 약 1.8명이라 1인 기준 생활비와 단순 비교할 수 없습니다.
  • 국민연금 소득대체율과 개혁안 변화는 반영하지 않았습니다.