취업자들이 재직기간이 경과하면서 이직 또는 실업 상태로 탈출확률 및 탈출요인 문제를 분석하는 것은 취업의 질을 측정할 수 있는 하나의 방법이다. 일반적으로 취업자들의 이직 또는 실업으로의 탈출확률은 취업자의 개인특성뿐만 아니라, 직종 특성에도 영향을 받는 복수의 분석단위를 가지게 된다. 복수의 분석단위를 가지는 위계적 (hierarchical) 자료구조에서는 직종별로 공유되는 특성이 존재하게 되어, 동일 직종 집단 내의 상관이 발생할 수 있다. 따라서 본 연구에서는 취업자 개인특성 (1-수준)과 직종 특성 (2-수준)의 위계적 자료구조 하에서 콕스의 비례위험 모형 (Cox's proportional hazardmodel)을 이용하여 중소기업 청년인턴사업에 참여한 취업자들의 재직기간 중 실직 및 이직으로의 탈출요인을 분석하였다. 분석결과를 요약하면 다음과 같다. 처리집단 (인턴집단)이 통제집단 (비인턴집단)에 비해서 탈출확률이 통계적으로 유의하게 낮음을 알 수 있다. 또한 남자들이 여자들에 비해서 탈출할 확률이 높고, 연령이 높을수록 탈출할 확률이 더 낮아지는 것을 알 수 있다. 그리고 기업규모가 클수록 탈출확률이 낮으며, 직종별로는 관리사무 관련직에 비해서 전문 서비스 관련직의 탈출확률이 더 낮게 나타났다.
취업자들이 재직기간이 경과하면서 이직 또는 실업 상태로 탈출확률 및 탈출요인 문제를 분석하는 것은 취업의 질을 측정할 수 있는 하나의 방법이다. 일반적으로 취업자들의 이직 또는 실업으로의 탈출확률은 취업자의 개인특성뿐만 아니라, 직종 특성에도 영향을 받는 복수의 분석단위를 가지게 된다. 복수의 분석단위를 가지는 위계적 (hierarchical) 자료구조에서는 직종별로 공유되는 특성이 존재하게 되어, 동일 직종 집단 내의 상관이 발생할 수 있다. 따라서 본 연구에서는 취업자 개인특성 (1-수준)과 직종 특성 (2-수준)의 위계적 자료구조 하에서 콕스의 비례위험 모형 (Cox's proportional hazard model)을 이용하여 중소기업 청년인턴사업에 참여한 취업자들의 재직기간 중 실직 및 이직으로의 탈출요인을 분석하였다. 분석결과를 요약하면 다음과 같다. 처리집단 (인턴집단)이 통제집단 (비인턴집단)에 비해서 탈출확률이 통계적으로 유의하게 낮음을 알 수 있다. 또한 남자들이 여자들에 비해서 탈출할 확률이 높고, 연령이 높을수록 탈출할 확률이 더 낮아지는 것을 알 수 있다. 그리고 기업규모가 클수록 탈출확률이 낮으며, 직종별로는 관리사무 관련직에 비해서 전문 서비스 관련직의 탈출확률이 더 낮게 나타났다.
In general, employment duration is influenced by the individual characteristics (level-1) as well as type of the occupational characteristics (level-2). That is, the data has hierarchical structure in the sense that individual employment duration is influenced by the individual-level variables (leve...
In general, employment duration is influenced by the individual characteristics (level-1) as well as type of the occupational characteristics (level-2). That is, the data has hierarchical structure in the sense that individual employment duration is influenced by the individual-level variables (level-1) and the job-level (level-2) variables. In this paper, we study the determinants of the employment duration of youth-intern in the SMEs (small and medium enterprises) using Cox's mixed effect model. Major results at level-1 variables are as followings. First, the hazard rate of treatment group is lower than that of control group. Second, the hazard rate of woman is lower than that of man. Also, the hazard rate is lower, for the older and the workers working in the bigger company. Investigation of level-2 variables has shown that random effect for job-level is statistically significant.
In general, employment duration is influenced by the individual characteristics (level-1) as well as type of the occupational characteristics (level-2). That is, the data has hierarchical structure in the sense that individual employment duration is influenced by the individual-level variables (level-1) and the job-level (level-2) variables. In this paper, we study the determinants of the employment duration of youth-intern in the SMEs (small and medium enterprises) using Cox's mixed effect model. Major results at level-1 variables are as followings. First, the hazard rate of treatment group is lower than that of control group. Second, the hazard rate of woman is lower than that of man. Also, the hazard rate is lower, for the older and the workers working in the bigger company. Investigation of level-2 variables has shown that random effect for job-level is statistically significant.
그런데 청년인턴으로 취업한 사람이 정규직으로 취업을 하더라도, 오래 근무하지 않고 이직하거나 실직을 하게 되면, 중소기업 청년인턴제도의 도입취지는 제대로 달성되었다고 보기에는 무리가 있다. 이러한 관점에서 청년인턴제도의 성과를 측정하기 위하여 본 연구는 청년인턴 참가자의 재직기간을 결정하는 요인에 대하여 분석하고자 한다.
제안 방법
본 연구에서는 청년인턴 참가자들의 재직기간에 미치는 영향을 분석하기 위해 청년인턴 DB와 고용보험 DB를 결합하여 성향점수매칭법으로 통제집단을 구성하였다. 생존나무분석 및 혼합효과를 갖는 콕스의 비례위험 모형을 활용하여 재직기간을 분석하였다. 주요 분석결과를 요약하면 다음과 같다.
대상 데이터
따라서 본 연구에서 사용한 데이터는 2009년부터 2012년까지 중소기업 청년인턴 사업에 참여한 모든 참여자 (청년인턴 DB)와 동 기간의 고용보험 가입자 (고용보험 DB)들을 대상으로 하였다. 그리고 청년인턴 DB와 고용보험 DB를 결합한 후, 성향점수매칭법 (propensity score matching method)을 활용하여 인턴사업 참여자 (처리집단)와 최대한 유사한 특성을 가진 비참여자 집단 (통제집단)으로 분석용 데이터를 구성하였다.
데이터처리
이 절에서는 독립변수들이 재직기간에 미치는 영향력을 분석하기 위해 의사결정나무분석 (decision tree analysis)을 수행하였다. 그런데 재직기간은 중도 절단자료를 포함하고 있기 때문에 회귀나무 (regression tree) 분석이 아닌 생존나무 (survival tree) 분석을 수행하였다.
이론/모형
본 연구에서는 재직기간 결정요인 분석을 위해 콕스의 비례위험 모형 (Cox’s proportional hazard model)을 사용한다. 일반적으로 재직기간은 취업자의 특성뿐 만 아니라, 직종에 따라 영향을 받는다.
성능/효과
넷째, 인턴 참여자 집단이 미참여자 집단에 비해서 이직이나 실직으로 탈출할 확률이 통계적으로 유의하게 낮음을 알 수 있었다. 또한 남자들이 여자들에 비해서 이직이나 실직으로 탈출할 확률이 높음을 알 수 있었다.
다섯째, 연령이 높을수록, 기업규모가 클수록 이직이나 실직으로 탈출확률이 더 낮게 나타났으며, 관리 및 사무 관련직에 비해서 전문 서비스 관련직이 이직이나 실직으로 탈출할 확률이 낮은 것으로 나타났다. 마지막으로 충청권을 제외한 모든 지역이 수도권에 비해서 이직이나 실직으로 탈출할 확률이 더 높은 것으로 나타났다.
둘째, 기업규모가 10인 이상이며, 연령이 20세 이하인 경우는 특히 여자의 재직 확률이 완만하게 낮아짐을 알 수 있다.
셋째, 고정효과만 고려한 콕스의 비례위험 모형보다 혼합효과를 반영하는 콕스의 비례위험 모형이 통계적으로 유의한 것으로 나타났다.
첫째, 생존나무분석 결과에서 재직기간에 가장 영향을 미치는 변수는 기업규모이며, 그 다음으로 연령과 성별, 직종의 순으로 나타났다. 특히 시간이 지날수록 재직 (생존기간)할 확률이 완만하게 낮아지는 경우는 기업규모가 10인 이상이면서 연령이 20세 초과인 경우이며, 특히 직종이 관리, 전문서비스 및 과학/공학 관련직은 재직할 확률이 가장 완만하게 낮아지는 것으로 나타났다.
후속연구
위의 분석결과는 청년인턴 사업 참여자의 재직기간이 직종별로 랜덤효과가 존재한다는 것과 이를 고려한 통계모형을 설정해서 분석했다는데 대해 의미가 있으며, 재직기간 분석뿐 만 아니라, 입직할 때까지 걸리는 기간 등 다양한 분야에도 적용할 수 있다는 점에서 의의가 있다. 그러나 본 연구에서는 수집가능한 제한된 독립변수만을 사용했다는 점과, 2-수준 변수에서 직종에 영향을 미치는 다양한 변수들을 고려하지 못했다는 점에서 연구의 한계점을 가진다. 또한 랜덤효과로 직종만을 고려했는데, 지역, 업종 등 다양한 랜덤효과를 고려한 모형에 대한 분석은 향후 과제로 남겨두고자 한다.
그러나 본 연구에서는 수집가능한 제한된 독립변수만을 사용했다는 점과, 2-수준 변수에서 직종에 영향을 미치는 다양한 변수들을 고려하지 못했다는 점에서 연구의 한계점을 가진다. 또한 랜덤효과로 직종만을 고려했는데, 지역, 업종 등 다양한 랜덤효과를 고려한 모형에 대한 분석은 향후 과제로 남겨두고자 한다.
질의응답
핵심어
질문
논문에서 추출한 답변
해자드 모형이란 무엇인가?
일반적으로 일정 기간 동안 재직을 계속하던 상태에서 이직 또는 실직상태로 탈출하게 될 확률은 해자드 모형 (hazard model)이라고 알려진 통계모형을 통해 추정할 수 있다. 해자드 모형은 생존과 관련된 독립변수가 있을 때 탈출에 영향을 미치는 여러 변수들을 동시에 알아보기 위해 사용되는 분석방법이다. 특히, 다중 회귀분석에 비해서 직장에서 계속 재직을 하여 이직 또는 실직상태로 탈출하지 않아서 재직기간을 관찰할 수 없는 우측절단 (right censoring)이 있는 경우에도 일치추정량을 갖는 것으로 알려져 있다.
해자드 분석을 위해 자료를 절단할 필요가 있는 이유는 무엇인가?
또한 재직기간은 해자드 모형 (hazard model)을 활용하여 분석하는데, 해자드 분석을 하기 위해서는 서로 다른 연도에 고용된 사람들의 재직기간을 일치시키기 위하여 자료를 절단 (censoring)할 필요가 있다. 본 연구에서는 2009년에 고용된 취업자의 경우는 2011년 6월말을 기준으로 절단하고, 2010년에 고용된 취업자의 경우는 2012년 6월말을 기준으로 절단하였다.
보다 타당한 분석을 위해 직종특성을 반영한 랜덤효과까지 고려해야 하는 이유는 무엇인가?
1의 결과를 통해서 알 수 있듯이, 직종별 특성을 고려한 위계적 자료구조를 갖는 모형으로 분석할 필요가 있다. 이 경우 콕스의 비례위험 모형 (Cox’s proportional hazard model)과 같은 전통적인 통계모형은 더 이상 일치추정량을 제공하지 못한다. 따라서 보다 타당한 분석을 위해서는 고정효과 뿐만 아니라 직종특성을 반영한 랜덤효과까지 고려해야 하기 때문에, 본 연구에서는 콕스의 혼합모형 (Cox’s mixed-effects model)을 이용하여 실업 또는 이직으로 탈출요인을 분석하고자 한다.
참고문헌 (17)
Chang, J. E. and Ho, J. H. (2001). Change of labor market and re-employment of women after the economic crisis. Korean Sociological Association, 35, 159-188.
Cho, J. S. (2013). Determinants of student course evaluation using hierarchical linear model. Journal of the Korean Data & Information Science Society, 24, 1-12.
Cho, J. S. (2015). Determinants of the number of job experience and duration to first job in college. Journal of the Korean Data Analysis Society, 17, 183-194.
Joo, M. H., Kim, D. S., Kim, B. W., Choi, J. I. and Kim, J. H. (2013). The study on the employment effect of the youth-intern project, Korea Employment Information Service, Seoul.
Jun, H. J., Ryu, J. S., Cho, J. S., Park, S. I. and Kim, J. H. (2009). An analysis on the employment determinants of university graduates in NURI project teams-the case of the universities in Busan region. Korean Journal of Labor Economics, 32, 31-56.
Jung, D. I. (2012). Cox model with non-proportional hazards and its application to organization studies. Journal of the Korean Data Analysis Society, 14, 657-668.
Kim, H. I. and Jun, H. J. (2010). Studying on parents' satisfactory factor to elementary school which their children go to - focusing on Anyang city. Journal of the Korean Data & Information Science Society, 21, 1009-1020.
Kiefer, N. M. (1988), Economic duration data and hazard functions. Journal of Economic Literature, 26, 646-679.
Lee, K. Y. (2009). The evaluation of the youth-intern project, The monthly labor review, The Korea Labor Institute, Seoul.
Nasser, F. and Hagtvet, K. A. (2006). Multilevel analysis of the effects of student and instructor/course characteristics on student ratings. Research in Higher Education, 47, 559-590.
Park, J. K., Oh, K. H. and Kim, M. S. (2012). Survival analysis on the business types of small business using Cox's proportional hazard regression model. Journal of the Korean Data & Information Science Society, 23, 257-269.
Park, S. I. and Cho, J. S. (2015). Determinants of employee's wage using hierarchical linear model. Journal of the Korean Data & Information Science Society, 26, 65-75.
Raudenbush, S. W. and Bryk, A. S. (2002). Hierarchical linear models : Applications and data analysis methods, SAGE publication, San Francisco.
Ryu, J. S., Park, S. I., Cho, J. S., Kim, J. H., Ha, B. C. and Kim, J. H. (2012). The current state and the employment effect of the youth-intern project, Human Resource Development Institute at Pukyung National University, Busan.
Ryu, J. S., Park, S. I., Cho, J. S. and Jung, H. J. (2014). The performance evaluation of the youth-intern project, Human Resource Development Institute at Pukyung National University, Busan.
Song, H. Y. (2005). Survival analysis, Cheungmungak, Seoul.
Yang, W. Y. and Ha, H. T. (2009). Analyze cervical cancer relapse using Cox proportional hazards model. Journal of the Korean Data Analysis Society, 11, 2291-2301.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.