경기도 31개 시군의 증가·감소와 1년 변화
13개월 공식 통계를 재계산해 전체 순증가와 지역별 차이를 비교합니다. 표·직접 만든 도표·CSV를 제공합니다.
APT NOW는 지역별 인구·세대수와 주거 생활정보를 정리합니다. 통계의 기준월·범위·계산식을 확인하고, 전체 합계에서 놓치기 쉬운 지역별 차이를 살펴보세요.
13개월 공식 통계를 재계산해 전체 순증가와 지역별 차이를 비교합니다. 표·직접 만든 도표·CSV를 제공합니다.
26개 읍면동의 규모와 1년 흐름을 정리하고 분동을 인구 급증으로 오해하기 쉬운 지점을 짚었습니다.
2025년 10월~2026년 10월의 흐름과 동네별 연간·월간 변화를 구분한 분석입니다.
원자료를 내려받아 증감·증감률을 계산하고 합계를 검산하는 순서를 안내합니다.
K-apt에서 발생월·항목·면적을 맞춰 확인할 때 필요한 비교 기준을 정리했습니다.

그림 설명: 같은 +130명이라도 구성은 다릅니다. A지역은 자연감소 −20명·순이동 +140명·기타 +10명, B지역은 +70명·+60명·0명입니다. 실제 지역 통계가 아닌 APT NOW의 가상 계산 예시입니다.
동네 인구가 한 달에 130명 증가했다는 표를 보았다고 가정해 보겠습니다. 여기서 곧바로 “130명이 이사 왔다”거나 “새 아파트 입주 때문에 늘었다”고 결론 내리면 서로 다른 숫자를 섞게 됩니다. 총인구의 두 시점 차이는 결과이고, 전입·전출·출생·사망은 그 결과를 구성하는 흐름입니다. 이 글은 같은 증가 인원을 서로 다른 원인으로 분해하는 방법을 설명합니다.
아래 A·B지역과 모든 수치는 계산을 설명하기 위한 가상 자료입니다. 특정 지자체의 최신 인구나 정책 성과를 나타내지 않습니다. 정의는 공식 통계 설명을 참고하고, 비교표·검산 예시는 APT NOW가 작성했습니다.
| 구분 | 무엇을 세는가 | 이 글의 예 |
| 월말 총인구 | 특정 시점의 인구 규모 | 지난달 말 50,000명 → 이번 달 말 50,130명 |
| 출생·사망 | 기간 중 발생 또는 신고된 사건의 인원 | 출생 70명·사망 90명 |
| 전입·전출 | 지역 경계를 넘는 이동의 집계 | 전입 640명·전출 500명 |
| 기타·조정 | 해당 통계에서 따로 분류하거나 총계와 차이를 만드는 부분 | 가상 예시의 +10명 |
예를 들어 전입 640명과 순이동 140명은 모두 맞는 숫자일 수 있습니다. 전입에서 전출 500명을 빼면 순이동이 됩니다. 순이동을 “전입자 수”라고 쓰면 빠져나간 사람의 규모가 가려집니다. 이동 통계의 집계 규칙에 따라 같은 사람이 기간 중 여러 번 이동할 수도 있으므로, 이동 건수·이동자 집계가 고유한 주민 몇 명을 뜻하는지도 통계 설명에서 확인해야 합니다.
자연증가 = 출생 − 사망, 순이동 = 전입 − 전출입니다. 자연증가가 음수이면 자연감소, 순이동이 음수이면 순유출로 읽습니다. 자료 범위가 맞는지 점검할 때는 총인구 증감과 이 두 항목의 합 사이에 남는 차이도 별도로 기록합니다.
| 항목 | 가상 A지역 | 가상 B지역 |
| 출생 | 70명 | 170명 |
| 사망 | 90명 | 100명 |
| 자연증가 | 70−90 = −20명 | 170−100 = +70명 |
| 전입 | 640명 | 560명 |
| 전출 | 500명 | 500명 |
| 순이동 | 640−500 = +140명 | 560−500 = +60명 |
| 기타·조정 | +10명 | 0명 |
| 최종 인구 변화 | −20+140+10 = +130명 | 70+60+0 = +130명 |
A지역은 출생보다 사망이 많지만 순유입이 이를 상쇄했습니다. B지역은 자연증가와 순유입이 함께 작용했습니다. 두 곳 모두 130명 늘었다는 사실만으로는 이런 차이를 알 수 없습니다. A지역의 순이동 140명을 총증가 130명으로 나누면 107.7%가 되는데, 오류가 아니라 다른 항목의 감소가 동시에 존재하기 때문입니다. 다만 이를 “주민의 107.7%가 전입했다”는 표현으로 바꾸면 안 됩니다.
같은 기준으로 작성한 자료라면 기타 항목에 국적 변동·등록 정리 등이 들어갈 수 있습니다. 그러나 서로 다른 기관의 표를 합쳤을 때 계산상 10명이 남았다고 해서 그 10명을 곧바로 귀화자로 이름 붙일 수는 없습니다. 남은 값은 우선 “미설명 차이”입니다. 공식 표에 별도 기타 항목이 있을 때만 그 정의를 따라 해석하세요.
특히 월별 주민등록 총계와 인구동향조사의 출생·사망 값을 바로 더해 맞추려 하지 마세요. 작성 대상과 시점·집계 기준이 다를 수 있습니다. 공식 자료마다 정의를 확인하고 맞지 않는 조건은 비교표에 남겨 두는 편이, 잔차를 임의로 없애는 것보다 재현하기 쉽습니다.
A열 지역, B열 이전 월말 총인구, C열 현재 월말 총인구, D열 출생, E열 사망, F열 전입, G열 전출로 둡니다. H2에는 =C2-B2, I2에는 =D2-E2, J2에는 =F2-G2, K2에는 =H2-I2-J2를 입력하면 총증감·자연증가·순이동·미설명 차이를 분리할 수 있습니다. K열을 0으로 덮어쓰지 말고 기준 불일치나 공식 기타 항목을 확인하는 출발점으로 사용하세요.
증감률까지 만들려면 분모도 밝혀야 합니다. “이전 월말 인구 대비 증가율”과 공식 자료의 연앙인구를 사용하는 증가율은 이름이 비슷해도 동일한 계산이 아닐 수 있습니다. 원문 수치를 재현할 때는 원문의 분모를 따르고, 독자 계산이면 산식을 따로 적습니다.
이 방식은 “순유입이 자연감소를 상쇄했는가”, “순유출이 있어도 총인구가 늘었는가”를 설명합니다. 특정 아파트·학교·지원 정책이 원인인지까지 증명하지는 않습니다. 그 질문에는 전입 전 거주지, 연령, 주소의 행정동, 사업 일정 등 추가 자료가 필요합니다. 하나의 총증가 숫자를 정책 효과나 주택 수요로 곧장 번역하지 않는 것이 핵심입니다.
기존 원주 13개월 인구 분석은 “얼마나 변했는가”를 보는 자료입니다. 변화의 원인까지 확장할 때는 이 글의 흐름 항목을 추가로 확인하세요. 인구 증가율 계산법과 행정구역 변경 전후 비교도 함께 참고할 수 있습니다.
공식 인구 분석 보고서: 자연증가·순이동·기타의 구분에서 개념과 각주를 확인했습니다. 해당 보고서의 과거 지역 수치를 현재 통계로 사용하지 않았습니다. 직접 조회할 때는 행정안전부 주민등록 인구통계와 해당 지자체의 출생·사망·이동 통계에서 같은 기간·범위인지 먼저 확인하세요.
작성·출처 확인: 2026년 11월 4일. 가상 비교표·계산·도표: APT NOW.
| 인구밀도 높은 동네가 더 붐빌까? SGIS 격자지도와 행정동 통계 읽는 법 (0) | 2026.11.04 |
|---|---|
| 평균연령과 중위연령 차이: 평균 40세인 두 동네의 연령 구조가 다른 이유 (0) | 2026.11.04 |
| 양천구 동별 인구수 2026년 10월: 목동·신정·신월 인구와 세대 비교 (0) | 2026.11.04 |
| 서울 강서구 동별 인구수 2026년 10월: 화곡·공항·방화·마곡 조회 기준 (0) | 2026.11.04 |
| 영등포구 동별 인구수 2026년 10월: 여의·당산·문래·신길 비교 (0) | 2026.11.04 |