선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 즉 노인 외에 다른 가족 구성원이 있을 경우 이들의 경제적 지위에 따라 노인 빈곤이 결정된다는 것인데, 이는 노인 빈곤에 영향을 미치는 순수한 요인을 분석하기 위해서는 노인 단독가구, 노인 부부로 이루어진 가구로 제한해야 한다는 것을 제시한다. 따라서 본 연구에서는 다른 가족 구성원과 동거하는 노인이 아닌, 노인만으로 이루어진 가구의 노인을 연구 대상으로 설정하도록 한다. 노인의 빈곤에 영향을 미칠 수 있는 또 다른 가구의 특성으로 가구의 자산(McLaughlinㆍJensen, 2000; RuppㆍStrandㆍDavies, 2003)과 노인이 거주하는 지역을 지적할 수 있다.
- 따라서 이 연구에서는 노인 빈곤에 대해 연구한 선행 연구에서 다루지 않은 설명변수를 투입하고, 패널분석(panel data model)을 활용함으로써 노인 빈곤에 영향을 미치는 요인을 살펴볼 것이다. 이 연구에서 이러한 연구방법을 적용하는 이유는, 패널자료에 횡단분석만을 적용할 경우 시간 경과에 따른 동태적 변화를 고려하지 못하게 되고, 시계열분석만을 적용할 경우 횡단관측치 사이의 차이 (individual heterogeneity)를 고려하지 못하기 때문이다.
- 이 연구에서 이러한 연구방법을 적용하는 이유는, 패널자료에 횡단분석만을 적용할 경우 시간 경과에 따른 동태적 변화를 고려하지 못하게 되고, 시계열분석만을 적용할 경우 횡단관측치 사이의 차이 (individual heterogeneity)를 고려하지 못하기 때문이다. 따라서 이 연구에서는 패널분석을 통해 횡단 분석과 시계열분석의 단점을 보완하여 노인 빈곤에 영향을 미치는 요인에 대해 살펴보는 것을 목적으로 한다. 이를 통해 각 특성에 따른 노인 빈곤의 원인에 대한 이해의 기반 구축 및 노인의 탈빈곤정책에 대한 방향을 제시할 수 있을 것이라 생각된다.
- 본 연구에서는 패널분석을 활용하여 노인 빈곤에 미치는 요인을 살펴볼 것이다. 이는 패널분석이 갖는 다음과 같은 장점 때문인데, 우선 횡단분석이나 시계열분석에 비해 관측치(observation)의 수가 크기 때문에 자유도(degree of Freedom) 문제가 줄어들어 추정값이 더 높아지며, 횡단관측치 간의 이질성(heterogeneity)을 고려하므로 시계열자료나 횡단자료에 비해 보다 복잡한 동태적 가설검정이 가능하다는 장점을 갖는다.
- 우리나라의 노인 빈곤 문제는 다른 인구 집단에 비해 심각한 것으로 지적되고 있지만 그 원인을 실증적으로 분석한 연구는 매우 부족한 실정이었다. 여기에서는 이를 분석하기 위하여 노인으로만 이루어진 가구를 대상으로 그들의 빈곤에 영향을 미치는 요인들을 살펴보았다. 특히 이를 총체적으로 살펴보기 위하여 패널분석을 활용하고, 선행 연구에서 다루지 않은 설명 변수를 투입하여 노인의 특성별로 각 영향 요인에 대해 살펴보았다.
- 이제부터는 본 연구의 주요 내용으로, 노인 빈곤에 영향을 미치는 요인에 대해 살펴보도록 한다. 특히, 이를 분석할 때 노인의 특성에 따라 분류하여 분석할 것인데, 이는 노인은 동질적인 집단이라기보다는 ㅊ것에서 기인한다(Schulz, 2001).
- 이제부터는 연구 대상의 기본적 특성을 살펴보도록 한다. 이를 살펴보기 위해 1999년 자료를 활용15)하여 연구 대상 전체와 빈곤층으로 구분하여 연구 대상의 기본적 특성을 살펴보았다.
- 정리하면, 본 연구에서는 노인단독가구와 노인부부만으로 이루어진 가구를 대상으로, 자산정도, 거주지역, 성별, 연령, 교육 수준, 혼인상태 및 건강상태, 과거 노동력과 관련된 변수로 가장 오랫동안 일한 일자리의 직종, 근로기간, 현재 노동시장 참여 여부 등을 투입하여 노인의 빈곤에 영향을 미치는 요인을 분석하도록 한다.6)
제안 방법
- 특히, 홍백의(2005)의 연구에서는 이를 투입하여 분석했는데, 분석 결과 직종 및 정규직 여부가 빈곤에 영향을 미치는 요인임을 제시했다.4) 특히, 이 연구에서는 과거 직업력의 직종 및 정규직 여부에 대한 변수를 노인 개개인에 대한 것으로 활용했는데, 현재 여성 노인의 경우 대부분 과거에 직업이 없기 때문에 가구주의 직업력이 현재 빈곤에 더 영향을 미칠 것이라는 판단 하에 여기서는 이를 개개인에 대한 것이 아닌, 가구주의 과거 직업력 중 가장 오랫동안 일자리의 직종, 근로년수 등을 투입하여 분석하도록 한다.5)
- 15만 원에 비해 매우 높다. 가장 인상적인 항목으로는 이전소득과 기타소득을 지적할 수 있는데, 이들은 각 항목을 자세히 구분하여 살펴보았다. 이전소득의 소계는 비빈곤층이 248.
- 다음으로 여성과 남성을 비교한 모형을 살펴보도록 한다. 두 모형 간 가장 큰 차이는 여성의 경우 남성과 달리 연령과 혼인상태 변수가 통계적으로 유의미한 것으로 나타난 반면, 남성의 경우 이 변수들은 통계적으로 유의한 결과를 도출하지 않았다는 점이다.
- 이런 방법을 활용하는 이유는 한국노동패널 자료를 활용할 경우 소득의 과소보고 문제가 있고, 따라서 이를 그대로 활용하는 것보다 2000년 최저생계비가 중위소득의 40%에 해당한다는 것을 근거로 이를 추정하여 활용하는 것이 더 적합하다는 홍경준(2004), 구인회(2005)의 지적을 따른 것이다. 따라서 본 연구에서는 2000년 한국노동패널조사에서 중위소득의 40%에 해당하는 소득액9)을 빈곤선으로 이용하고, 2000년 이외의 연도에 대해서는 각 년도 명목소득을 2000년 물가기준 소득으로 전환한 후 2000년의 빈곤선을 그대로 적용하여 가구의 빈곤여부를 판별하였다. 한편 개인의 빈곤여부는 해당 가구의 빈곤여부에 의해 결정된다.
- 특히 본 연구의 대상을 노인으로만 구성된 가구로 제한했다는 점에서 배우자의 유무는 혼자 사는 노인과 그렇지 않은 노인의 빈곤에 영향을 미치는 요인에 대한 차이를 보여줄 수 있을 것이며, 이러한 분석 과정을 통해 노인의 특성에 따른 빈곤 원인을 좀 더 구체적으로 살펴볼 수 있을 것이라 생각된다. 따라서 여기서는 전체 연구 대상을 중심으로 분석한 결과를 살펴본 뒤, 여성과 남성을 구분한 모형과 배우자의 유무에 따른 모형을 살펴보도록 한다.
- 따라서 농어업의 경우 0, 남성가주주의 경우 분류할 수 없는 경우13)와 여성가구주의 경우 노동시장에 참여하지 않아 가사로 분류된 경우에는 1의 값을, 사무직에는 2, 판매ㆍ서비스직의 경우 3, 전문관리직은 4, 기능직은 5, 단순노무직에는 6의 값을 부여했으며, 이를 더미변수화하여 분석에서 활용하였다. 또한 가구주가 가장 오래 일한 일자리의 근로년수 및 부인이 가장 오래 일한 일자리의 근로년수를 분석에 투입했다.
- 자산변수의 경우 연구 대상자가 소유하고 있는 자산의 분산(Variance)이 매우 컸기 때문에 연속 변수로 활용하지 못하고 범주를 나누어서 분석하였는데, 1천만 원 미만에는 1, 1천만 원에서 2천5백만 원 미만은 2, 2천6백만 원에서 5천만 원 미만은 3, 5천만 원에서 7천5백만 원미만은 4, 7천5백만 원에서 1억 원 미만은 5, 1억 원에서 2억 원 미만은 6, 2억 원에서 3억 원 미만은 7, 3억 원에서 4억 원 미만은 8, 4억 원에서 5억 원 미만은 9, 5억 원에서 10억 원 미만은 10, 10억 원 이상은 11의 값을 부여하고 이를 연속 변수로 간주하여 분석했다. 또한 거주 지역의 경우 분석 자료에서는 특별시, 광역시, 그 밖에 도 지역만 파악할 수 있었기 때문에 서울과 광역시를 대도시로 간주하여 1을 부여하였으며, 그 외 도 지역은 0을 부여하여 분석했다.
- 또한 건강변수는 ‘건강하지 않은 편이다’, ‘건강이 아주 안좋다’의 경우 1을, ‘보통이다’라고 응답한 경우 2, ‘건강한 편이다’와 ‘아주 건강하다’의 경우 3을 부여하여 자산변수와 같이 연속변수로 간주하여 분석했다.
- 또한 본 연구의 자료구성에서 가구자료 중 소득에 대한 문항이 지난 해 소득에 대한 질문인 것을 고려하여 1차 개인자료 및 가구자료에서 분석에 활용할 변수를 취한 후, 소득자료는 2차 가구자료에서 가져오는 방식을 채택했다.10) 따라서 개인이 가질 수 있는 총 연구 주기는 6개 년도가 된다.
- 특히, 고정효과 모델의 경우 종속변수와 설명변수들은 횡단면치 시계열상의 산술평균을 구해 각각의 값에서 뺀 형태의 새로운 변수로 전환되어 분석되므로, 횡단관측치의 수가 많으면 자유도에 영향을 줄 수 있다. 본 연구에 투입되는 과거 직업력 변수의 경우 회고자료이므로 시간에 따라 변하는 자료가 아닌 일정한 값을 갖는 변수라는 점과, 본 연구의 분석 년도가 6년으로 그리 길지 않다는 점을 고려하여 여기에서는 임의효과 모델을 활용하여 분석하도록 한다.
- 본 연구의 종속변수는 빈곤지위인데, 빈곤하면 1, 빈곤하지 않으면 0의 값을 부여하였다.
- 11) 구체적인 자료구성 방법은 다음과 같다. 우선 한국노동패널 1차 자료에서 연구대상을 추출한 다음 이를 99, 00, 01, 02, 03년 자료에서 개인고유번호를 기준으로 취합하는 작업을 수행했다. 이를 위해 1차 자료에서 노인으로 이루어진 가구에 속한 55세 이상의 개인을 추출했으며, 소득자료는 2차 자료와 취합하였다.
- 이러한 측면을 고려하여 노인의 빈곤 원인을 실증적으로 분석한 연구로 최근 이루어진 홍백의(2005)의 연구를 지적할 수 있다. 이 연구는 한국노동패널(KLIPS) 5차 자료를 활용하여 노인 빈곤에 영향을 미치는 요인을 분석하였다. 특히 한국노동패널의 직업력 자료를 활용하여 선행연구에서는 고려되지 않았던 과거 노동력 변수를 활용하고, 과거의 직업 및 종사상의 지위가 현재 노인 빈곤에 영향을 미치고 있음을 증명하였다는 점에서 기존 연구와 비교할 때 큰 의의를 갖는다.
- 이를 위해 1차 자료에서 노인으로 이루어진 가구에 속한 55세 이상의 개인을 추출했으며, 소득자료는 2차 자료와 취합하였다. 이를 2004년의 자료까지 추적하여 취합하고, 이를 다시 직업력 자료와 취합하여 과거의 직업 변수들을 데이터셋에 포함시켰다.
- 이제부터는 연구 대상의 기본적 특성을 살펴보도록 한다. 이를 살펴보기 위해 1999년 자료를 활용15)하여 연구 대상 전체와 빈곤층으로 구분하여 연구 대상의 기본적 특성을 살펴보았다. 우선 가구 특성 요인부터 살펴보면, 거주 지역은 전체를 대상으로 할 경우 중소도시에 거주하는 경우가 41.
- 따라서 이러한 한계를 보완하기 위해서는 노인 빈곤에 영향을 미치는 요인들을 좀 더 총체적으로 살펴보고, 이를 정교하게 분석하여 노인 빈곤에 영향을 미치는 요인들을 명확하게 제시할 필요가 있다. 이를 위해, 노인 빈곤에 영향을 미치는 요인으로 선행 연구에서 지적하는 것들을 살펴보도록 한다. 선행 연구에서 노인 빈곤에 영향을 미치는 요인들로 제시한 것은 크게 노인이 속한 가구의 특성, 노인의 인구사회학적 특성, 현재 노인의 노동시장 참여 여부, 과거 노인의 직업력으로 구분할 수 있다.
- 그렇다면 일자리가 없는 노인으로만 이루어진 가구 가운데 빈곤에 떨어지지 않은 가구의 특성은 무엇인가? 이들의 소득은 어떻게 구성되는가? 빈곤한 노인과 빈곤하지 않은 노인의 소득 구성 사이에 차이는 무엇인가? 이에 대한 답을 위하여 연구 대상의 소득 구성을 각 대상별로 구분하여 살펴보았다. <표 4> 에 정리한 것은 각 대상별 소득 구성의 평균을 구한 것이다.
- 연구에서 활용된 독립변수들은 연구 대상의 가구 특성 요인과 인구사회학적 요인, 현재 일자리 관련 요인, 과거 직업력 요인의 하위 차원으로 구분되는데, 우선 연구 대상의 가구 특성 요인으로는 자산과 거주지역이 있다. 자산변수의 경우 연구 대상자가 소유하고 있는 자산의 분산(Variance)이 매우 컸기 때문에 연속 변수로 활용하지 못하고 범주를 나누어서 분석하였는데, 1천만 원 미만에는 1, 1천만 원에서 2천5백만 원 미만은 2, 2천6백만 원에서 5천만 원 미만은 3, 5천만 원에서 7천5백만 원미만은 4, 7천5백만 원에서 1억 원 미만은 5, 1억 원에서 2억 원 미만은 6, 2억 원에서 3억 원 미만은 7, 3억 원에서 4억 원 미만은 8, 4억 원에서 5억 원 미만은 9, 5억 원에서 10억 원 미만은 10, 10억 원 이상은 11의 값을 부여하고 이를 연속 변수로 간주하여 분석했다. 또한 거주 지역의 경우 분석 자료에서는 특별시, 광역시, 그 밖에 도 지역만 파악할 수 있었기 때문에 서울과 광역시를 대도시로 간주하여 1을 부여하였으며, 그 외 도 지역은 0을 부여하여 분석했다.
- 따라서 이들의 경우 가구주(남편)의 직업에 더 영향을 많이 받을 것이라는 판단 하에 개인의 직업력을 분석에 투입하는 것보다는 가구주의 직종을 분석에 투입하는 것이 좋을 것이라 판단하였다. 즉, 가구 안에 남성이 있을 경우 남성의 직종을, 여성만으로 이루어진 가구의 경우 여성의 직종을 가구주의 직종으로 간주하여 분석에 투입했다. 또한 이와 관련하여 홍백 의(2005)의 연구에서는 과거 일자리를 가장 최근의 일자리로 분석하였는데, 본 연구에서는 가장 최근의 일자리가 아닌 개인의 직업력에서 근로년수가 가장 긴 일자리의 직종을 활용하였다.
- 여기에서는 이를 분석하기 위하여 노인으로만 이루어진 가구를 대상으로 그들의 빈곤에 영향을 미치는 요인들을 살펴보았다. 특히 이를 총체적으로 살펴보기 위하여 패널분석을 활용하고, 선행 연구에서 다루지 않은 설명 변수를 투입하여 노인의 특성별로 각 영향 요인에 대해 살펴보았다. 이러한 과정을 통해 얻어진 결과는 다음과 같다.
대상 데이터
- 본 연구에서는 1998년에서 2004년까지의 종단적인 연구를 시행할 것이므로 1차 년도에 55세 이상인 노인을 분석 대상으로 상정한다. 55세 이상을 노인으로 정의한 이유는, 현재 고령자 고용촉진법과 통계청조사에서 노인과 비노인의 기준 연령을 55세로 규정하고 있다는 것에서 기인한다(장인협ㆍ최성재, 1992; 김순미, 1998; 정순희ㆍ김현정, 2001).
- 본 연구에서는 한국노동패널조사(KLIPS: Korea Labor and Income Panel Study)자료를 활용한다. 한국노동패널조사는 비농촌지역에 거주하는 한국의 가구와 가구원을 대표하는 패널표본구성원(5,000가구에 거주하는 가구원)을 대상으로 1년에 1회 경제활동 및 노동시장 이동, 소득 활동 및 소비, 교육 및 직업훈련, 사회생활 등에 관하여 추적 조사하는 종단면 조사이다(1998, 한국노동연구원).
- 연구대상을 추출하기 위해 98년 한국노동패널자료에서 55세 이상이면서 가구원이 모두 55세 이상으로 이루어진 노인 가구를 추출하고, 분석에서 활용될 변수들이 결측값인 경우에는 연구대상에서 제외하였다. 이러한 작업을 수행한 결과 1차년도에는 448명, 2차년도에는 333명, 3차년도에는 275명, 4차 년도에는 251명, 5차년도에는 232명, 6차년도에는 221명이 연구대상으로 선택되었다. 표본유지율은 49%로, 한국노동패널자료의 6차 표본유지율인 77%에 비해 적은 것으로 나타났는데 이는 노인가구의 경우 사망 등으로 인해 누락된 사례가 다른 인구 집단보다 많은 것에서 기인한 것으로 보인다.
- 우선 한국노동패널 1차 자료에서 연구대상을 추출한 다음 이를 99, 00, 01, 02, 03년 자료에서 개인고유번호를 기준으로 취합하는 작업을 수행했다. 이를 위해 1차 자료에서 노인으로 이루어진 가구에 속한 55세 이상의 개인을 추출했으며, 소득자료는 2차 자료와 취합하였다. 이를 2004년의 자료까지 추적하여 취합하고, 이를 다시 직업력 자료와 취합하여 과거의 직업 변수들을 데이터셋에 포함시켰다.
이론/모형
- 또한 본 연구의 종속변수는 빈곤 여부이므로 본 연구의 모델은 로짓(logit)모형을 따르는데, 이는 다음과 같이 나타나며, 최대우도 추정(maximum-likelihood)을 활용한다.
성능/효과
- 5%로 배우자가 없는 비중이 더 높게 나타나, 배우자 없이 혼자 사는 노인의 경우 빈곤 위험이 더 높을 수 있음을 보여주었다. 그리고 전체 연구 대상의 평균 건강상태는 1.90으로 대부분 보통인데 반해, 빈곤층의 경우 1.73으로 건강상태가 약간 낮았다. 이를 좀더 자세히 살펴본 결과 전체를 대상으로 한 경우 건강상태가 좋지 않다고 응답한 비중이 28.
- 또한 남성과 여성을 구분하여 분석한 모형 모두에서 과거 직업력 변수가 빈곤에 영향을 미치는 중요한 변수임이 확인되었다. 남성의 경우 가구주가 판매ㆍ서비스직인 경우 농어업에 비해 빈곤에 빠질 확률이 낮아지는 것으로 나타났으며, 여성의 경우에도 가구주가 판매ㆍ서비스직인 경우, 기능직이었던 경우 빈곤에 빠질 확률이 낮아지는 것으로 나타났다는 것이 이를 보여준다. 특히, 남성보다 여성 모형에서 유의미한 직업력 변수가 더 많이 나타난 것은 가구주의 직업력이 남성의 빈곤보다 여성의 빈곤에 더 많은 영향을 미치는 것에서 기인하였을 것이라 생각된다.
- 둘째, 노인 빈곤에 영향을 미치는 요인들은 연령, 학력, 혼인 상태, 자산, 거주 지역 등의 인구사회학적 요인 및 가구특성과 함께 과거의 직업력이 중요한 요인임이 밝혀졌다. 특히 ‘좋은 일자리’에 종사한 경우 노인의 빈곤에 부적인 영향을 미쳤는데, 이는 이러한 일자리의 경우 안정적이고, 소득이 높을 뿐 아니라 이 일에 종사하는 사람들의 경우 노후 계획을 체계적으로 준비할 수 있는 사람들인 것에서도 기인할 수 있을 것이라 생각된다.
- 과거 직업력을 분석에 투입한 홍백의 (2005)의 연구에서는 여성과 남성 모두 개인의 직종 및 근로 기간을 분석에 투입했는데, 여성 노인의 경우 대부분 비경제활동인구로 가사를 담당하고 있었기 때문에 개인의 직종 및 근로기간을 분석에 투입할 경우 다수의 결측치가 발생했다. 따라서 이들의 경우 가구주(남편)의 직업에 더 영향을 많이 받을 것이라는 판단 하에 개인의 직업력을 분석에 투입하는 것보다는 가구주의 직종을 분석에 투입하는 것이 좋을 것이라 판단하였다. 즉, 가구 안에 남성이 있을 경우 남성의 직종을, 여성만으로 이루어진 가구의 경우 여성의 직종을 가구주의 직종으로 간주하여 분석에 투입했다.
- 따라서 횡단분석을 통한 기존의 결과는 노인 빈곤에 미치는 영향에 대한 과거 직업력의 특성을 과대평가할 수 있는 위험이 있다는 것을 지적할 수 있다. 또한 기존의 실증 연구에서 투입되지 않은 자산과 거주 지역 변수가 유의미한 것으로 나타나, 이러한 요인들이 노인의 빈곤에 영향을 미치는 중요한 변수임을 확인할 수 있었다.
- 또한 남성과 여성을 구분하여 분석한 모형 모두에서 과거 직업력 변수가 빈곤에 영향을 미치는 중요한 변수임이 확인되었다. 남성의 경우 가구주가 판매ㆍ서비스직인 경우 농어업에 비해 빈곤에 빠질 확률이 낮아지는 것으로 나타났으며, 여성의 경우에도 가구주가 판매ㆍ서비스직인 경우, 기능직이었던 경우 빈곤에 빠질 확률이 낮아지는 것으로 나타났다는 것이 이를 보여준다.
- 또한 배우자가 없는 경우에도 가구주의 과거 직종이 중요한 변수로 나타났는데, 가구주의 직종이 기능직이었던 경우 농어업에 비해 빈곤에 빠질 확률이 낮게 나타났다. 한편, 과거 가구주의 직업력과 관련된 요인 가운데 배우자가 없는 경우가 배우자가 있는 경우보다 유의미하게 나타나는 변수가 적다는 것은 배우자가 없을 경우 가구주의 직업력보다는 현재 축적한 자산이나 자신의 건강상태에 영향을더 많이 받는다는 것을 드러내는 결과라 하겠다.
- 이를 정리하면 연령이 높을수록 빈곤에 빠질 확률이 높고, 학력이 높을수록 빈곤에 빠질 확률이 낮으며, 혼인상태의 경우에는 배우자가 없을 때보다 배우자가 있을 때 빈곤에 빠질 확률이 낮았다. 또한 자산이 많을수록 빈곤에 빠질 확률이 낮고, 중소도시보다는 대도시에 거주하는 경우 빈곤에 빠질 확률이 낮다는 것을 보여준다. 중소도시에 거주하는 사람에 비해 대도시에 거주하는 사람이 빈곤에 빠질 확률이 낮게 나타났다는 것은 빈곤층의 경우 낮은 가구소득으로 인해 대도시에 거주하지 못하는 것을 보여주는 것일 수 있다.
- 또한 전체 연구 대상의 연령은 평균 68세였으며, 빈곤층의 평균연령은 69세로 전체에 비해 조금 더 높게 나타났다. 또한 전체의 평균 교육년수는 4.16년인 반면, 빈곤층의 평균 교육년수는 2.66년인 것으로 나타나 노인 빈곤층의 경우 노인 전체에 비해 학력수준이 낮은 사람들임을 확인할 수 있었다. 한국노동패널 2차 기초분석보고서에서 전체 인구 집단을 기준으로 분석한 결과, 고졸인 경우가 가장 많은 비중을 차지하는 것과 비교하면 연구 대상인 노인들의 교육수준이 매우 낮음을 확인할 수 있다.
- 그러나 배우자가 없는 경우에는 이와 다른 양상이 나타난다. 배우자가 없는 경우, 배우자가 있는 경우와 달리 자산과 건강상태 변수가 빈곤에 영향을 미치는 중요한 변수로 나타났는데, 자산이 많을수록 빈곤에 빠질 확률이 낮으며, 건강이 좋을수록 빈곤에 빠질 확률이 낮은 결과를 보여주었다. 이러한 결과는 배우자가 없는 경우 노인의 빈곤은 개인의 건강상태, 가구의 자산에 더 많은 영향을 받는데서 기인한 것이다.
- 셋째, 노인 빈곤에 영향을 미치는 요인들은 노인의 특성별로 다른 결과를 가져왔다. 성별로 나누어 분석한 결과 여성은 남성에 비해 혼인 상태와 연령이 중요한 변수였으며, 배우자의 유무로 나누어 분석한 결과 배우자가 없는 경우 자산과 건강상태가 중요한 변수로 도출되었다는 것이 이를 뒷받침한다. 여성 노인의 빈곤이 혼인 상태에 많은 영향을 받는다는 것은 이들의 빈곤이 배우자(남성)의 특성에 의존적이라는 것을 보여주는 것인데, 가구의 소득원이었던 배우자와의 사별은 여성 노인의 경제적 지위가 하락하는데 가장 많은 영향을 미치는 요인(최희경, 2005)이라는 선행 연구의 결과가 이를 뒷받침한다.
- 셋째, 노인 빈곤에 영향을 미치는 요인들은 노인의 특성별로 다른 결과를 가져왔다. 성별로 나누어 분석한 결과 여성은 남성에 비해 혼인 상태와 연령이 중요한 변수였으며, 배우자의 유무로 나누어 분석한 결과 배우자가 없는 경우 자산과 건강상태가 중요한 변수로 도출되었다는 것이 이를 뒷받침한다.
- 우선 전체를 대상으로 분석한 결과, 인구사회학적 특성 가운데 연령, 학력, 혼인상태가 통계적으로 유의미한 결과가 나타났으며, 가구 특성 가운데에서는 자산과 거주 지역이 통계적으로 유의미한 결과를 보여주었다. 이를 정리하면 연령이 높을수록 빈곤에 빠질 확률이 높고, 학력이 높을수록 빈곤에 빠질 확률이 낮으며, 혼인상태의 경우에는 배우자가 없을 때보다 배우자가 있을 때 빈곤에 빠질 확률이 낮았다.
- 17로 큰 차이는 없는 것으로 나타났다. 이 또한 자산 범주별로 나누어 자세히 살펴본 결과, 자산 가치가 천만 원 이하인 경우가 전체는 62.9%인 반면 빈곤층의 경우 94.3%로 나타나 빈곤층의 경우 전체에 비해 자산이 적다는 것을 확인할 수 있었다.
- 다음으로 본 연구의 종속변수인 빈곤여부를 살펴보자. 이는 각 년도별로 분석하여 그 추이를 살펴보았는데, 분석결과 1차년도에는 53%, 2차년도에는 52%, 3차년도에는 54%, 4차년도에는 53%, 5차년도에는 53%, 6차년도에는 50%로 나타났으며, 6개년도의 평균 빈곤율은 52.92%였다. 각 연도별 빈곤율에 큰 차이가 없는 이유는 첫째, 본 연구 대상이 1차년도부터 동일한 대상을 분석에 포함했다는 점, 둘째, 분석 대상이 노인이기 때문에 빈곤의 진입과 탈피를 반복하는 사람이기보다는 장기 빈곤자가 많다(구인회, 2005)는 것 때문이라 생각된다.
- 99만 원으로 비빈곤층과 마찬가지로 가장 높은 수준을 나타내고 있다. 이러한 결과는 첫째, 노인으로만 이루어진 가구의 경우 친척 보조와 같은 사적 이전에 많이 의존하고 있으며, 이로 인해 근로소득이 낮더라도 빈곤에 빠지지 않는다는 것, 둘째, 빈곤 노인의 경우 정부보조금에 의존하여 생활을 유지한다는 것을 시사한다.
- 우선 전체를 대상으로 분석한 결과, 인구사회학적 특성 가운데 연령, 학력, 혼인상태가 통계적으로 유의미한 결과가 나타났으며, 가구 특성 가운데에서는 자산과 거주 지역이 통계적으로 유의미한 결과를 보여주었다. 이를 정리하면 연령이 높을수록 빈곤에 빠질 확률이 높고, 학력이 높을수록 빈곤에 빠질 확률이 낮으며, 혼인상태의 경우에는 배우자가 없을 때보다 배우자가 있을 때 빈곤에 빠질 확률이 낮았다. 또한 자산이 많을수록 빈곤에 빠질 확률이 낮고, 중소도시보다는 대도시에 거주하는 경우 빈곤에 빠질 확률이 낮다는 것을 보여준다.
- 73으로 건강상태가 약간 낮았다. 이를 좀더 자세히 살펴본 결과 전체를 대상으로 한 경우 건강상태가 좋지 않다고 응답한 비중이 28.1%인 반면, 빈곤층의 경우에는 47.7%인 것으로 나타나 노인 빈곤층이 전체 노인에 비해 건강 상태가 좋지 않음을 확인할 수 있었다.
- 가장 인상적인 항목으로는 이전소득과 기타소득을 지적할 수 있는데, 이들은 각 항목을 자세히 구분하여 살펴보았다. 이전소득의 소계는 비빈곤층이 248.19만 원, 빈곤층의 경우 155.38만 원으로 비빈곤층이 더 많긴 하지만 빈곤층의 경우 이전소득이 가장 높은 것으로 나타나 이전소득에 많이 의존하는 것으로 나타났다. 또한 이전소득의 항목을 살펴보면 두 집단 사이의 차이가 드러나는데, 비빈곤층의 경우 정부 보조금은 7.
- 두 모형 간 가장 큰 차이는 여성의 경우 남성과 달리 연령과 혼인상태 변수가 통계적으로 유의미한 것으로 나타난 반면, 남성의 경우 이 변수들은 통계적으로 유의한 결과를 도출하지 않았다는 점이다. 즉, 여성의 경우 연령이 낮을수록 빈곤에 빠질 확률이 낮아지고, 배우자가 있는 경우가 없는 경우에 비해 빈곤에 빠질 확률이 낮아지는 것으로 나타났는데, 이는 연령이 높아질수록 배우자가 없는 여성노인이 증가하는 것과 관련이 있으며, 이들의 경우 노후의 경제 상황을 배우자에 의존한다는 점 때문인 것으로 생각된다.
- 우선 배우자가 있는 경우, 연령과 학력, 거주 지역이 통계적으로 유의미했다. 즉, 연령이 낮을수록, 학력이 높을수록, 중소도시에 비해 대도시에 거주하는 경우 빈곤에 빠질 확률이 낮음을 보여준다. 또한 앞에서와 마찬가지로 이 모형에서도 가구주의 과거 직종이 중요한 변수로 나타났는데, 현재 직업으로 분류할수 없는 경우와 사무직인 경우, 판매ㆍ서비스직인 경우가 기준 변수인 농어업에 비해 빈곤에 빠질 확률이 낮은 것으로 나타난 것이다.
- 첫째, 노인으로만 이루어진 가구의 가구원을 대상으로 분석한 결과 이들의 6년간 평균 빈곤율은 52.92%로, 기존에 다른 가족 구성원과 함께 사는 노인을 포함하여 분석한 연구의 노인 빈곤율에 비해 높은 수준으로 나타났다. 이는 고령화가 진행될수록 경제활동을 하는 가구원과 같이 사는 비중이 높아지기 때문에(최현수ㆍ류연규, 2003), 다른 가족 구성원과 같이 사는 노인을 분석 대상에 포함시킬 경우 이들의 경제 상황에 따라 영향을 받는 것에서 기인한다.
- 9%로 전체에 비해 낮은 비중을 차지했다. 특히 사무직과 전문관리직의 경우 2.3%로 전체에 비해 비중이 크게 감소함을 확인할 수 있었다. 일반적으로 ‘좋은 일자리’라고 여겨지는 사무직과 전문관리직의 비중이 낮은 것을 볼 때, 빈곤층의 경우 가구주가 가장 오랫동안 일한 일자리의 질이 전체 노인에 비해 좋지 않음을 확인할 수 있었다.
- 이러한 작업을 수행한 결과 1차년도에는 448명, 2차년도에는 333명, 3차년도에는 275명, 4차 년도에는 251명, 5차년도에는 232명, 6차년도에는 221명이 연구대상으로 선택되었다. 표본유지율은 49%로, 한국노동패널자료의 6차 표본유지율인 77%에 비해 적은 것으로 나타났는데 이는 노인가구의 경우 사망 등으로 인해 누락된 사례가 다른 인구 집단보다 많은 것에서 기인한 것으로 보인다.
- 2%를 차지하고 있는 것과 비슷한 결과이다. 한편 혼인 상태의 경우 전체 연구 대상은 배우자가 있는 경우가 64.6%, 배우자가 없는 경우는 35.4%였고, 빈곤층의 경우에는 배우자가 있는 경우가 54.4%, 배우자가 없는 경우는 45.5%로 배우자가 없는 비중이 더 높게 나타나, 배우자 없이 혼자 사는 노인의 경우 빈곤 위험이 더 높을 수 있음을 보여주었다. 그리고 전체 연구 대상의 평균 건강상태는 1.
- 그렇다면 과거 직업력과 관련된 변수들의 분석 결과는 어떠한가? 우선 가구주의 근로년수와 부인의 근로년수는 유의미한 결과를 나타내지 않았는데, 이러한 결과는 다른 연구들의 결과(홍백의, 2005; McLaughlinㆍJensen, 2000)와 유사하다. 한편, 직종과 관련해서는 가구주의 직업이 사무직이었던 경우, 판매ㆍ서비스직이었던 경우, 기능직이었던 경우 통계적으로 유의미한 결과가 나타났는데, 이들 모두는 기준 변수인 농어업에 종사했던 경우에 비해 빈곤에 빠질 확률이 낮음을 보여주었다. 홍백의 (2005)의 연구와 마찬가지로, 과거의 직업력은 현재 노인의 빈곤에 영향을 미치는 중요한 변수라는 것이 본 연구를 통해서도 확인된 것이다.
후속연구
- 특히 한국노동패널의 직업력 자료를 활용하여 선행연구에서는 고려되지 않았던 과거 노동력 변수를 활용하고, 과거의 직업 및 종사상의 지위가 현재 노인 빈곤에 영향을 미치고 있음을 증명하였다는 점에서 기존 연구와 비교할 때 큰 의의를 갖는다. 그러나 이 연구는 거주지역 및 자산, 건강상태 등 노인 빈곤에 영향을 미칠 것으로 예상되는 중요한 변수를 분석에서 제외함으로써 노인 빈곤에 영향을 미치는 요인에 대해 총체적으로 파악하지 못하였고, 횡단분석을 시행하여 빈곤 및 이에 영향을 미치는 요인들을 동태적으로 분석하지 못했다는 점을 한계로 지적할 수 있다.
- 두 번째는 공적연금제도와 관련된 것이다. 노후 빈곤을 예방할 수 있는 대표적인 소득보장 정책으로 공적연금제도를 지적할 수 있을 것이다. 그러나 현재 보험 방식으로 이루어지고 있는 국민연금제도의 경우 고용기간과 임금수준에 따라 급여수준이 달라지기 때문에 상당수의 불안정한 노동계층에게는 배제되어 있다.
- 마지막으로 현재 일자리가 있다고 응답한 경우는 전체의 채 1%도 되지 않았으며, 빈곤층을 대상으로 할 경우 아예 존재하지 않았기 때문에 최종 분석에서는 이를 제외하고 분석하도록 한다.17) 그렇다면 일자리가 없는 노인으로만 이루어진 가구 가운데 빈곤에 떨어지지 않은 가구의 특성은 무엇인가? 이들의 소득은 어떻게 구성되는가? 빈곤한 노인과 빈곤하지 않은 노인의 소득 구성 사이에 차이는 무엇인가? 이에 대한 답을 위하여 연구 대상의 소득 구성을 각 대상별로 구분하여 살펴보았다.
- 따라서 미래의 잠재적인 노인 빈곤층에 대한 예방적인 탈빈곤정책이 요구된다. 이를 위한 정책으로 자활사업 프로그램과 직업훈련의 내용 전환 및 일자리 질의 유지ㆍ향상이 요구되며, 이들의 근로소득을 향상할 수 있는 지원정책으로 근로소득보전세제와 같은 정책 등을 제시할 수 있을 것이다.
- 따라서 이 연구에서는 패널분석을 통해 횡단 분석과 시계열분석의 단점을 보완하여 노인 빈곤에 영향을 미치는 요인에 대해 살펴보는 것을 목적으로 한다. 이를 통해 각 특성에 따른 노인 빈곤의 원인에 대한 이해의 기반 구축 및 노인의 탈빈곤정책에 대한 방향을 제시할 수 있을 것이라 생각된다.
- 혼자 사는 노인의 경우 그렇지 않은 노인에 비해 빈곤율이 높을뿐더러, 그 정도가 심하다는 점에서 이들을 따로 분류하여 살펴볼 필요가 있다. 특히 본 연구의 대상을 노인으로만 구성된 가구로 제한했다는 점에서 배우자의 유무는 혼자 사는 노인과 그렇지 않은 노인의 빈곤에 영향을 미치는 요인에 대한 차이를 보여줄 수 있을 것이며, 이러한 분석 과정을 통해 노인의 특성에 따른 빈곤 원인을 좀 더 구체적으로 살펴볼 수 있을 것이라 생각된다. 따라서 여기서는 전체 연구 대상을 중심으로 분석한 결과를 살펴본 뒤, 여성과 남성을 구분한 모형과 배우자의 유무에 따른 모형을 살펴보도록 한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.