본 연구는 출산율 제고를 위한 지자체별 강조할 정책을 파악하고자 시도별 합계출산율에 영향을 미치는 요인 - 2005~2014년까지의 지자체별 보육시설수, 육아휴직급여, 여성고용률, 여성총근로시간 - 을 패널분석하였으며 그 결과는 다음과 같다. 먼저, 2005~2014년 패널분석에서는 고정효과모형이 가장 타당한 모형으로 검증되었으며, 육아휴직급여는 정적인 영향을, 보육시설수와 여성총근로시간은 합계출산율에 부적인 영향을 미쳤다. 둘째, 저출산 고령사회 기본계획 실시 이전과 실시 기간별로 영향요인을 분석한 결과, 보육시설수는 지속적으로 부적(-) 영향을 미치는 것으로 나타났다. 셋째, 지자체별로 볼 때, 부산/대구/광주는 보육시설수(-), 육아휴직급여(+), 울산/충북/전남은 육아휴직급여(+), 제주는 여성총근로시간(-)이 유의미한 변수로 나타났으며 그 외의 지역은 유의미한 변수가 없었다. 본 연구는 지자체별 합계출산율에 영향을 미치는 변수가 차이가 있으며 그 중심에 보육시설수와 육아휴직급여가 있다는 것을 확인한 것에 의미가 있다.
본 연구는 출산율 제고를 위한 지자체별 강조할 정책을 파악하고자 시도별 합계출산율에 영향을 미치는 요인 - 2005~2014년까지의 지자체별 보육시설수, 육아휴직급여, 여성고용률, 여성총근로시간 - 을 패널분석하였으며 그 결과는 다음과 같다. 먼저, 2005~2014년 패널분석에서는 고정효과모형이 가장 타당한 모형으로 검증되었으며, 육아휴직급여는 정적인 영향을, 보육시설수와 여성총근로시간은 합계출산율에 부적인 영향을 미쳤다. 둘째, 저출산 고령사회 기본계획 실시 이전과 실시 기간별로 영향요인을 분석한 결과, 보육시설수는 지속적으로 부적(-) 영향을 미치는 것으로 나타났다. 셋째, 지자체별로 볼 때, 부산/대구/광주는 보육시설수(-), 육아휴직급여(+), 울산/충북/전남은 육아휴직급여(+), 제주는 여성총근로시간(-)이 유의미한 변수로 나타났으며 그 외의 지역은 유의미한 변수가 없었다. 본 연구는 지자체별 합계출산율에 영향을 미치는 변수가 차이가 있으며 그 중심에 보육시설수와 육아휴직급여가 있다는 것을 확인한 것에 의미가 있다.
This study aimed to find effective policies to cope with low birth rate in local authorities. It was analyzed the variables-a number of child-care facilities, paid parental leave, labor force participation, and total working hours-using panel analysis from 2005 to 2014. The results were as follows. ...
This study aimed to find effective policies to cope with low birth rate in local authorities. It was analyzed the variables-a number of child-care facilities, paid parental leave, labor force participation, and total working hours-using panel analysis from 2005 to 2014. The results were as follows. First, after testing the whole years, we found that the fittest model was the fixed-effects model of 2 models(fixed-effects model, random effects model). A number of child-care facilities had positive effects, and a number of child-care facilities, and total working hours in women influenced negative effects on total fertility rate. Second, during the former time and the period of plan for low birth rate and aging society, a number of child-care facilities influenced negative effects on total fertility rate. Third, a number of child-care facilities had negative effects on total fertility rate in Busan, Daegu, and Kwangju. Paid parental leave influenced positively on total fertility rate in 5 cities and a province. Women's total working hours were a significant variable of total fertility rate in Jeju. This study found that the variables which influenced on total fertility rate were different by local authorities, and a number of child-care facilities and paid parental leave were very important variables on total fertility rate.
This study aimed to find effective policies to cope with low birth rate in local authorities. It was analyzed the variables-a number of child-care facilities, paid parental leave, labor force participation, and total working hours-using panel analysis from 2005 to 2014. The results were as follows. First, after testing the whole years, we found that the fittest model was the fixed-effects model of 2 models(fixed-effects model, random effects model). A number of child-care facilities had positive effects, and a number of child-care facilities, and total working hours in women influenced negative effects on total fertility rate. Second, during the former time and the period of plan for low birth rate and aging society, a number of child-care facilities influenced negative effects on total fertility rate. Third, a number of child-care facilities had negative effects on total fertility rate in Busan, Daegu, and Kwangju. Paid parental leave influenced positively on total fertility rate in 5 cities and a province. Women's total working hours were a significant variable of total fertility rate in Jeju. This study found that the variables which influenced on total fertility rate were different by local authorities, and a number of child-care facilities and paid parental leave were very important variables on total fertility rate.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
이러한 정부의 정책적 노력이 출산율을 제고하는데 어떤 영향을 미쳤는가를 살펴보는 것은 의미 있는 일일 것이다. 따라서 모형의 추정을 육아 정책의 변화가 있었던 연도를 기준으로 하여 분석기간을 구분한 후에 각 기간별로 분석을 하여 결과를 비교해 보고자 한다. 기간구분의 기준이 될 연도는 1차, 2차 저출산・고령사회기본계획이 추진된 2006년과 2011년으로 설정하였다.
본 연구는 합계출산율에 영향을 미치는 요인이 다양하지만 통상적으로 출산율 제고를 위해 제시되는 정책 욕구들과 서구에서 추진한 정책에 기반을 두어 보육시설수, 육아휴직급여, 여성고용률 및 여성총근로시간을 변수로 선정하여 각 시도별 합계출산율에 영향을 미치는 요인을 파악하고자 한다. 사후적으로 표출된 객관적인 시계열 자료를 바탕으로 동태적 특징과 집단별 특징을 함께 고찰할 수 있는 패널분석을 실시하여 원인을 분석하는 것은 천편일률적으로 시행되는 출산율 제고를 위한 노력에서 지자체가 강조해야 할 지점을 알려주며, 초저출산을 탈피하기 위한 ‘브릿지 플랜 2020(3차 저출산・고령사회기본계획)’을 실시하는 현 시점에서 정책의 실효성을 높이는 방법이 될 것이다.
이 외에도 가구소득, 교육수준이 증가할수록 출산율에 영향을 미치는 연구[10]가 있다. 본 연구에서는 OECD 국가단위의 분석이 아니라 선행연구들과 차별적으로 지자체를 분석단위로 하여 보육시설수, 육아휴직급여, 여성고용률, 여성총근로시간 변수를 활용하고자 한다.
본 연구에서는 합계출산율에 영향을 미치는 요인을 분석하는 방법으로 패널분석을 실시하고자 한다. 패널 분석은 시계열분석과 횡단면 분석의 요인을 함께 고려 하여 분석하는 것으로 시계열과 횡단면의 자료가 충분 하지 않은 본 연구에 있어 적절한 분석방법으로 볼 수 있다.
가설 설정
패널분석으로는 각 시도별로 출산율에 영향을 미치는 요인을 분석하는데 한계가 있다. 그러나 각 시도의 특징에 따라 출산율에 영향을 미치는 요인이 다를 것이다. 이를 살펴보기 위해 각 시도별로 회귀분석을 실시 하였다.
연구가설 3. 지자체별 합계출산율에 영향을 미치는 요인은 차이가 있을 것이다.
제안 방법
기간별 패널분석도 고정효과모형과 랜덤효과모형으로 각각 추정하여 적합성 검정을 하였다. 그 결과 대부분의 경우에서 Hausman test의 결과가 귀무가설을 기각하는 것으로 나타나2 고정효과모형의 결과만을 정리 하였다. 기간별 분석결과는 전 기간의 경우와 비교하여 대부분 낮은 설명력을 보여주었는데 이는 시계열이 짧고 자료의 수가 충분치 못한 것에 기인하는 것으로 판단된다.
기간별 패널분석도 고정효과모형과 랜덤효과모형으로 각각 추정하여 적합성 검정을 하였다. 그 결과 대부분의 경우에서 Hausman test의 결과가 귀무가설을 기각하는 것으로 나타나2 고정효과모형의 결과만을 정리 하였다.
기간구분의 기준이 될 연도는 1차, 2차 저출산・고령사회기본계획이 추진된 2006년과 2011년으로 설정하였다. 따라서 정부의 계획이 추진되기 전인 2004～2005년, 1차 계획이 추진되었던 2006～2010년, 2차 계획이 추진된 2011～2014년의 세 시기로 나누어 각 기간을 패널분석으로 분석하였다.
본 연구는 시도별 합계출산율에 영향을 미치는 요인을 살펴보기 위하여 보육시설수, 육아휴직급여, 여성고용률, 여성총근로시간 변수를 활용하여 분석하였으며 그 결과 및 함의는 다음과 같다.
데이터처리
그러나 각 시도의 특징에 따라 출산율에 영향을 미치는 요인이 다를 것이다. 이를 살펴보기 위해 각 시도별로 회귀분석을 실시 하였다. 연자료로 11년의 관측치 밖에 없어 추정에 어려움이 있지만 지역별 비교는 지역적 특징과 합계출산율 간의 관계를 함께 고찰 할 수 있어 많은 시사점을 줄수 있을 것이다.
지역별 분석에 앞서 전국 자료를 바탕으로 회귀분석을 실시하였다. 그러나 분석결과는 유의하지 못한 결과를 가져왔는데 너무 짧은 시계열이 원인으로 판단된다.
성능/효과
고정효과나 랜덤효과를 고려하지 않고 단순히 모든 자료를 횡단면 자료로 보아 회귀분석을 실시한 Pooled OLS의 경우 대부분의 변수에서 유의적인 결과가 도출되었다. 그러나 추정된 계수 값의 부호는 일반적으로 예상되는 가설과 부합되지 않게 추정된 것도 있는데, 예로 여성총근로시간이 증가하면 합계출산율은 감소하여 부(-)의 관계가 예상되나, 계수 값과 유의성 검정에서 강한 정(+)의 관계가 있는 것으로 분석되었다. 그 외에도 여러 변수에서 패널분석으로 이루어진 추정결과와 반대의 계수 값 부호를 보여준 경우가 많았다.
27%의 증가율을 보이고 있다. 동 기간 가장 높은 증가율을 보인 지역은 부산 2.42%이며, 울산과 경북이 2%대의 증가율로 높은 증가율을 보여 영남권에서 다른 지역보다 높은 출산율 증가율을 보였다. 반면 낮은 증가율을 보인 지역은 시계열 자료가 짧은 세종시를 제외한 지역 중에 경기도가 0.
둘째, 저출산・고령사회 기본계획이 실시된 기간별로 분석한 결과에서는 보육시설수는 지속적으로 부적 (-) 영향을 미치는 요인으로 나타났다. 1차 계획 실시 이전에는 보육시설수(-), 1차 계획에서는 보육시설수 (-), 육아휴직급여(+), 2차 계획에서는 보육시설수(-)와 여성총근로시간(-)이 영향을 미치는 요인이었다.
마지막으로, 지자체별 분석뿐 아니라 모든 분석에서단 한 번도 유의미한 영향을 미치지 않는 변수는 여성고용률이었다. 분석기간 여성고용률은 1.
이는 16개 시도4로 자료를 나누어 분석함에 따라 자료의 수가 크게 낮아져 나타난 것으로 볼 수 있다. 많은 변수에서 낮은 유의성을 보여주었으며 F-test로 살펴본 모형의 정합성 측면에서도 부산, 대구, 울산을 제외하고는 적합 하지 않은 것으로 분석되었다. 그러나 주어진 결과로 시사점을 도출해 본다면 몇 개의 시에서 유의적으로 분석된 변수는 특정 변수에 집중되어 있다는 것이다.
모델의 적합성과 관계되어 다양한 통계량에서 고정 효과모형이 랜덤효과모형보다 양호한 결과를 보여주며, 패널분석 모형의 적합성을 판단하는 Hausman test 결과도 1% 유의수준에서 설명변수와 오차항 간에 상관관계가 존재하지 않는다는 귀무가설을 기각하였다. 따라서 본 연구에서는 고정효과모형이 보다 타당한 것으로 분석되었다1
97%로 뒤를 이었다. 반면 증가세가 낮은 지역은 신도시 건설로 인한 인구의 급격한 유입으로 감소세를 보인 특수성이 있는 세종시를 제외하고 부산이 2.91%로 가장 낮은 수준을 보였으며 광주도 2.94%로 유사한 수준의 낮은 증가율을 나타냈고 충북 4.07%의 순으로 낮은 증가율을 보였다.
마지막으로, 지자체별 분석뿐 아니라 모든 분석에서단 한 번도 유의미한 영향을 미치지 않는 변수는 여성고용률이었다. 분석기간 여성고용률은 1.1%p 변화하였으며 고용률의 변화가 미미하여 합계출산율에 영향을 미치지 않았다고도 판단될 수 있다. 그러나 단순한 고용률의 변화보다 선진국처럼 일가정양립이 가능한 고용여건의 변화가 크지 않기에 합계출산율에 미치는 영향력이 유의미하지 않았다고 해석할 수 있다.
셋째, 지자체별로 볼 때, 부산/대구/광주는 보육시설수(-), 육아휴직급여(+), 울산/충북/전남은 육아휴직급여(+), 제주는 여성총근로시간(-)이 유의미한 변수로 나타났으며 그 외의 지역은 유의미한 변수가 없었다. 그동안 지자체의 연도별 저출산・고령사회 실행계획은 지자체에서 실시하는 복지정책의 백화점식 나열로 특화정책을 찾아보기 어려웠다.
시도별 분석결과는 광역시의 경우 패널분석의 결과와 비교하여 설명력이 크게 낮게 분석되었다. 이는 16개 시도4로 자료를 나누어 분석함에 따라 자료의 수가 크게 낮아져 나타난 것으로 볼 수 있다.
고정효과모형에서는 여성고용률을 제외한 변수에서 유의한 추정결과가 도출되어 합계출산율에 영향을 주는 설명변수가 타당하게 선택되어 구성되었음을 보여준다. 여성총근로시간이 증가할수록 출산율에는 부(-) 의 영향을 주고, 육아휴직급여가 증가할수록 정(+)의 영향을 주는 것으로 분석되어 가설에 부합되는 것으로 나타났다. 그러나 보육시설수 증가는 육아부담 감소로 출산증가를 예상할 수 있으나 결과는 반대로 분석되었다.
영유아보육시설의 확대는 그동안 일가정양립 환경 조성 및 출산율 증대의 가장 기본적인 전략으로 인식되어 왔으나 실제 보육시설수의 증가는 합계출산율에 부적인 영향을 미치는 것으로 나타났다. 연구가설과 다른 결과는 본 연구의 분석기간인 2005~2014년까지 어떤 유형의 보육시설이 증가하였느냐에 결과의 의미를 찾을 수 있다고 판단된다.
먼저, 2005～2014년 패널분석에서는 고정모형이 가장 타당한 모형으로 검증되었으며, 고정모형에서 유의한 영향을 미친 요인은 보육시설수(-), 육아휴직급여 (+), 여성총근로시간(-)으로 나타났다. 육아휴직급여는 합계출산율에 정적인 영향을 미치고, 보육시설수와 여성총근로시간은 합계출산율에는 부적인 영향을 미쳤으나, 선진국처럼 여성고용률의 증가는 합계출산율에 영향을 미치지 않았다.
랜덤효과모형은 결정계수 및 유의성 검정 등으로 살펴본 결과 고정효과 보다 낮은 설명력을 보여준다. 육아휴직급여와 여성총근로시간에서는 유의적인 결과가 도출되었으나, 그 외의 변수에서는 유의성이 낮은 추정 결과가 나왔다. 유의성 있게 분석된 변수의 경우는 고정효과모형과 계수 값의 부호가 동일하게 도출되었으나 고정효과모형에서 유의한 부(-)의 관계가 있다고 분석된 보육시설수가 랜덤효과모형에서는 유의하지 않게 추정되었다.
이러한 결과는 OECD 국가 육아휴직급여의 소득대체율과 합계출산율과의 관계를 분석한 나진구(2009)[15]의 결과와 일치한다. 즉 육아휴직급여의 증가는 합계출산율에 정적인 영향을 미치는 것으로 나타났다. 따라서 육아휴직급여의 꾸준한 증가 (소득대체율의 향상)는 합계출산율의 변화를 기대할 수있을 것으로 판단된다.
그러나 주어진 결과로 시사점을 도출해 본다면 몇 개의 시에서 유의적으로 분석된 변수는 특정 변수에 집중되어 있다는 것이다. 즉, 여성고용률이나 여성총근로시간은 모든 광역시에서 여성의 출산율에 유의적인 관계를 미치지 못하는 것으로 분석되었는데. 반면 육아휴직급여와 유아 보육시설수는 몇몇 광역시에서는 유의적인 분석결과가 나타나는등 상대적으로 출산율에 영향을 미치고 있는 것으로 나타났다.
증가율 측면에서 보면 전국 평균으로 분석기간 동안 연평균 37.6%의 고성장을 보였다. 지역별로 살펴보면 강원이 46.
지역별 분석기간의 증감율을 살펴보면, 가장 큰 감소율을 보인 곳은 충남이 –0.69%이었으며, 경기(-0.51%), 충북(-0.48%)도 상대적으로 큰 폭의 감소율을 보였다.
패널분석이나 추정결과 낮은 유의성을 보였던 광역시의 경우에도 상대적으로 유의미한 영향을 주는 것으로 분석된 육아휴직급여와 보육시설수의 변수도 도 단위에서는 대부분 유의하지 않은 결과를 보여줬다. 충북과 전남의 경우만 각각 5%와 10% 유의수준에서 육아휴직급여가 출산율에 유의미한 영향을 주는 것으로 분석되었다. 전반적으로 낮은 모형 설명력에서 제주도의경우 여성총근로시간이 출산율에 유의미한 부(-)의 영향을 미친다는 분석결과는 특이할 만하다.
후속연구
본 연구는 지자체별 합계출산율에 영향을 미치는 변수가 차이가 있으며 그 중심에 보육시설수와 육아휴직급여가 있다는 것을 확인한 것에 의미가 있으나, 혼인 상태, 육아휴직기간, 고용상태 등 다양한 변수를 고려하여 분석하지 못하였으며, 시계열이 짧다는 한계가 있다. 따라서 후속연구에서는 이러한 점을 반영하여 지자체별 다양한 요인을 도출할 필요가 있다.
본 연구는 지자체별 합계출산율에 영향을 미치는 변수가 차이가 있으며 그 중심에 보육시설수와 육아휴직급여가 있다는 것을 확인한 것에 의미가 있으나, 혼인 상태, 육아휴직기간, 고용상태 등 다양한 변수를 고려하여 분석하지 못하였으며, 시계열이 짧다는 한계가 있다. 따라서 후속연구에서는 이러한 점을 반영하여 지자체별 다양한 요인을 도출할 필요가 있다.
따라서 지자체는 합계출산율 제고를 위해 유의미한 영향변수에 초점을 둔 정책 방안을 모색하는 것이 필요하다. 뿐만 아니라 본 연구에 사용된 4가지 변수 외에 소득, 교육비 등 다양한 영향변수들을 고려하여 지자체만의 고유한 정책을 발굴 하는 것이 필요하다.
사후적으로 표출된 객관적인 시계열 자료를 바탕으로 동태적 특징과 집단별 특징을 함께 고찰할 수 있는 패널분석을 실시하여 원인을 분석하는 것은 천편일률적으로 시행되는 출산율 제고를 위한 노력에서 지자체가 강조해야 할 지점을 알려주며, 초저출산을 탈피하기 위한 ‘브릿지 플랜 2020(3차 저출산・고령사회기본계획)’을 실시하는 현 시점에서 정책의 실효성을 높이는 방법이 될 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
저출산으로 판단하는 조건은?
합계출산율은 가임여성 1명이 평생 낳을 것으로 예상 되는 자녀수를 의미하며 인구대체수준인 2.1명 보다 낮으면 저출산으로 판단한다. 우리나라의 경우 2005년 1.
합계출산율이란?
합계출산율은 가임여성 1명이 평생 낳을 것으로 예상 되는 자녀수를 의미하며 인구대체수준인 2.1명 보다 낮으면 저출산으로 판단한다.
M-curve현상을 개선하기 위한 우리나라의 정책은?
서구의 이러한 경향과 달리, 우리나라는 임신·출산기 여성의 경제활동이 감소하는 M-curve현상이 지속되고 있으며, 여전히 출산정책으로 산후도우미 지원, 보육비 지원, 육아휴직, 보육시설확충, 근로시간유연화가 필요하다고 제시되고 있다[2]. 정부는 이러한 욕구에 부응하고 인구문제에 대처하기 위해 1차, 2차 저출산・고령사회기본계획을 수립하고, 지방자치단체는 지역의 상황에 맞는 출산장려정책을 실시하여 출산율 제고를 위해 매진해 왔다. 각 정책주체들의 노력에 힘입어 지난 10년간 일정부분 출산율 반등(05년 1.
참고문헌 (17)
Eurostat, Europe in figure, Eurostat yearbook, 2012.
한국노동연구원, 저출산 극복을 위한 일가정양립 방안 연구, 노동부, 2009.
J. Sleebos, "Low fertility rates in OECD countries: Facts and policy responses," OECD labour market and social policy occupational papers, No.15.
이충환, 출산장려정책 활성화에 따른 효과성 분석: 전국 기초자치단체를 대상으로 한 실증분석, 건국대학교 대학원, 박사학위논문, 2012.
정성호, "저출산정책의 효과성에 관한 연구," 한국인구학, 제35권, 제1호, pp.31-52, 2012.
D. Del Boca, "Low fertility and labour force participation of Italian women: evidence and interpretation," OECD Labour Market and Social Policy Occasional Papers, No.61, pp.1-27, 2002.
F. G. Castle, "The world turned upside down: Below replacement fertility, changing preferences and family-friendly public policy in 21 OECD Countries," Journal of European Social Policy, Vol.13, No.3, pp.209-227, 2003.
J. M. Hoem, P. Alexia, and N. Gerda, "Autonomy or conservative adjustment? The effect of public policies and educational attainment on third births in Austria," MPIDR WORKING PAPER WP 2001-016, JUNE 200. 2001.
한국경제연구원, "저출산의 해법, 유럽에서 배운다," 지속가능 성장을 위한 VIP리포트, 제14권, 제13호, pp.1-21, 2014.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.