기계학습 모형을 이용한 COVID-19 시기 KBO리그 관중 수 예측 연구

Abstract

본 연구의 목적은 팬데믹 상황이 KBO 관중 수 변화에 어떤 영향을 주었는지를 중점으로 알아보는 것이다. COVID-19 상황에서 관중 동원 비율이 관중 수에 어떤 영향을 주었는지 분석하여 지역별, 연도별, 방역 비율에 따라 관중 수 차이를 확인하였다. 연구 대상은 COVID-19 이전인 2018~2019시즌, COVID-19로 인해 영향을 받았던 2020~2021시즌과 COVID-19 이후인 2022년 시즌의 관중 수 자료를 수집하여 분석하였다. 도출된 연구 결과를 통한 주요 결론은 다음과 같다. 첫째, 지역 감염자 수가 증가할수록 관중 동원에 영향을 받았다는 점이다. 특히 수도권 지역에서는 비수도권 지역에 비해 COVID-19 감염자가 늘어날수록 관중 동원이 줄어들었음을 알 수 있었다. 둘째, 방역 수칙으로 인한 관중 동원 비율의 변화는 2020시즌에 의미 있는 차이가 있었지만, 2021시즌에는 동원 비율이 상승하여도 COVID-19 확산으로 인해 관중 증가는 나타나지 않았음을 볼 수 있었다. 셋째, 관중 수 변화 예측을 위해 최소제곱법(Ordinary Least Squares : OLS)과 XGBoost 모델을 사용하여 분석을 진행하였을 때, OLS 모델보다는 XGBoost가 더 좋은 성능을 보임을 확인할 수 있었고, 관중 수를 OLS 모델보다높은 정확도로 예측하였음을 알 수 있었다.