적극행정의 영향요인에 관한 연구: CatBoostRegressor와 SHAP을 활용하여 = A Study on Determinants of Proactive Administration: Using CatBoostRegressor and SHAP

국문 초록 (Abstract)

본 연구는 적극행정의 영향요인을 실증적으로 규명하고자 하였다. 기존의 적극행정 연구는 주로 선형적회귀분석에 의존하여 변수 관계를 탐색해왔으나, 실제 적극행정은 복합적이고 비선형적인 변수 간 상호작용으로 구성되어 있다. 이에 본 연구는 머신러닝 기법인 CatBoostRegressor와 설명 가능한 인공지능 기법인 SHAP(SHapley Additive exPlanations)을 활용하여, 적극행정의 다양한 개인적·조직적 영향요인을 포괄적으로 분석하였다. 분석 자료는 한국행정연구원의 『2023년 공직생활실태조사』 데이터를 활용하였으며, 중앙정부와 광역·기초자치단체 공무원 6,444명의 응답을 기반으로 하였다. 연구 결과, 적극행정에 가장 큰영향을 미치는 요인은 공직가치였으며, 조직시민행동, 공공봉사동기, 직무만족, 목표명확성이 뒤를 이어 주요 예측변수로 나타났다. 반면 기존 연구에서 중요하게 논의되었던 리더십 유형이나 조직커뮤니케이션과 같은 변수들은 상대적으로 낮은 영향력을 보였다. 방법론적 측면에서, CatBoostRegressor는 기존 선형회귀모형과 비교하여 비선형성 및 변수 간 복합적 상호작용을 포착할 수 있는 구조적 장점을 바탕으로 분석을수행하였으며, SHAP 분석은 각 변수의 기여도 및 영향 방향성을 시각화함으로써 모형의 해석 가능성을 보완적으로 제시하였다. 이러한 분석 결과는 적극행정이 조직적·제도적 요인보다 공무원 개인의 내재적 동기및 가치지향적 특성에 의해 주로 촉진됨을 시사하며, 행정조직의 인사관리 및 조직문화 전략 설계에 시사점을제공한다

다국어 초록 (Multilingual Abstract)

This study aims to empirically identify the factors influencing proactive public administration. Previous studies on proactive administration have typically relied on linear regression models, limiting their analysis to simplistic variable relationships.
However, actual proactive administration is characterized by complex, nonlinear interactions among multiple variables. Therefore, this research comprehensively analyzes various individual and organizational factors affecting proactive administration by employing the CatBoostRegressor machine learning algorithm alongside SHAP (SHapley Additive exPlanations), a technique for interpretable artificial intelligence. The study utilized data from the “2023 Public Employee Perception Survey” conducted by the Korea Institute of Public Administration, involving responses from 6,444 public officials from central and local governments (metropolitan and municipal). The results indicated that public service values had the most significant influence on proactive administration, followed by organizational citizenship behavior, public service motivation, job satisfaction, and goal clarity. In contrast, factors traditionally emphasized in previous literature, such as leadership style and organizational communication, demonstrated relatively lower predictive power. Methodologically, the CatBoostRegressor effectively captured nonlinearities and complex interactions between variables more precisely compared to a conventional linear regression model. Furthermore, the SHAP analysis enhanced interpretability by visually illustrating the relative contributions and directional impacts of each variable. These findings imply that proactive administration is primarily driven by individual intrinsic motivation and value-oriented characteristics of public officials, rather than organizational or institutional factors. Consequently, this research offers implications for human resource management and the strategic design of organizational culture within public administration.