본 연구는 포아송모형, 음이항모형, 영과잉 포아송모형, 영과잉 음이항모형을 이용하여 어가의 고용량 결정요인을 분석하고, 개별모형 간 고용량 결정요인을 비교 분석한다. 이들 모형의 추정에 사용된 자료는 통계청에서 제공하는 2010년과 2015년의 농림어업총조사 마이크로 데이터이며, 이들 자료를 풀링(Pooling)하여 고용량 결정요인과 그 변화분에 대해 추정한다. 분석모형의 선정 결과, 과대 산포 경향을 갖고 있으면서 자가 노동 및 가족 경영으로 고용을 대체하고 있는 수산업의 특성을 모형에 동시에 반영하고 있는 영과잉 음이항모형이 선정되었다. 또한 2010년 대비 2015년 고용량 결정요인의 변화분을 분석해 본 결과, 어선을 보유한 어가와 판매금액이 많은 어가는 고용량 감소에 유의한 영향을 미치는 것으로 나타난 반면, 어가의 종사경력은 길수록 고용량 증가에 유의한 영향을 미치는 것으로 나타났다. 결론적으로 자본화된 어가와 고령화의 가속화가 수산업의 어가 고용량 수 변화에 유의한 영향을 미친 것으로 나타났다.
본 연구는 포아송모형, 음이항모형, 영과잉 포아송모형, 영과잉 음이항모형을 이용하여 어가의 고용량 결정요인을 분석하고, 개별모형 간 고용량 결정요인을 비교 분석한다. 이들 모형의 추정에 사용된 자료는 통계청에서 제공하는 2010년과 2015년의 농림어업총조사 마이크로 데이터이며, 이들 자료를 풀링(Pooling)하여 고용량 결정요인과 그 변화분에 대해 추정한다. 분석모형의 선정 결과, 과대 산포 경향을 갖고 있으면서 자가 노동 및 가족 경영으로 고용을 대체하고 있는 수산업의 특성을 모형에 동시에 반영하고 있는 영과잉 음이항모형이 선정되었다. 또한 2010년 대비 2015년 고용량 결정요인의 변화분을 분석해 본 결과, 어선을 보유한 어가와 판매금액이 많은 어가는 고용량 감소에 유의한 영향을 미치는 것으로 나타난 반면, 어가의 종사경력은 길수록 고용량 증가에 유의한 영향을 미치는 것으로 나타났다. 결론적으로 자본화된 어가와 고령화의 가속화가 수산업의 어가 고용량 수 변화에 유의한 영향을 미친 것으로 나타났다.
This study applied and compared Poisson model, negative binomial model, zero inflated Poisson model, and zero inflated negative binomial model to estimate determinants of employed labour quantity. To estimate each of models, this study used fisheries census data which were obtained at microdata inte...
This study applied and compared Poisson model, negative binomial model, zero inflated Poisson model, and zero inflated negative binomial model to estimate determinants of employed labour quantity. To estimate each of models, this study used fisheries census data which were obtained at microdata integrated service running by Statistics Korea. The study selected zero inflated negative binomial model according to the Vuong test and Likelihood-ratio test. In addition, the study estimated fishing village's practical changes on employed labour quantity as analyzing changes from 2010 to 2015. The results showed that the household with fishing vessels and high selling price had a significant effect on decrease of the labour quantities. Meanwhile, the longer work experience of the household, the more significant the increase in the labour quantities. In conclusion, this study presented that capitalized fishing household and the acceleration of aging had a significant impact on the change in the labour quantities.
This study applied and compared Poisson model, negative binomial model, zero inflated Poisson model, and zero inflated negative binomial model to estimate determinants of employed labour quantity. To estimate each of models, this study used fisheries census data which were obtained at microdata integrated service running by Statistics Korea. The study selected zero inflated negative binomial model according to the Vuong test and Likelihood-ratio test. In addition, the study estimated fishing village's practical changes on employed labour quantity as analyzing changes from 2010 to 2015. The results showed that the household with fishing vessels and high selling price had a significant effect on decrease of the labour quantities. Meanwhile, the longer work experience of the household, the more significant the increase in the labour quantities. In conclusion, this study presented that capitalized fishing household and the acceleration of aging had a significant impact on the change in the labour quantities.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 연구는 우선 모형을 설명력을 높이고자 전수조사된 어업총조사 자료를 활용하여 어가의 고용량 변화의 결정요인을 선정한다. 다음으로 본 연구는 고용에 있어 자가노동으로 고용량을 대체하는 특징을 효과적으로 모형에 반영하고자 가산자료 모형인 포아송모형, 음이항모형, 영과잉 포아송모형, 영과잉 음이항모형을 비교·분석한다.
본 연구는 어가의 고용량에 미치는 요인을 연구하기 위해 2010년과 2015년의 어업총조사 자료를 풀링하여 분석을 실시하였다. 종속변수가 가산변수이므로, 먼저 포아송모형을 추정하였으며, 분산이 평균보다 큰 과대산포경향이 나타나 음이항모형을 추정하였다.
우선, 수산 부문의 인력에 관한 선행연구로, 김종천 외(2016)는 Bootstrap-DEA를 이용하여 해양수산 인재양성 교육의 효율성에 대해 분석하였다. 본 연구의 의의는 기존의 DEA가 비모수적 방법을 통해 분석되는 한계에서 나아가 통계적 검정을 통해 효율성을 도출해 보았다는 것이다. 이광남 외(2013)는 어선원의 중장기 수급분석을 위해 회귀분석을 실시하였고, 선원부족 현상에 대응하기 위해 어선원의 복지, 인력양성, 교육 등의 정책 발굴이 필요하다고 주장하였다.
가설 설정
일반적인 가산자료의 경우 포아송 분포를 활용하여 회귀분석을 실시한다. 모형의 이론적 배경에서 전술하였듯이 포아송 분포를 활용한 회귀분석은 조건부 평균과 조건부분산이 일치한다는 가정이 있다. 하지만 가산자료의 경우 조건부 분산이 조건부 평균보다 큰 경우, 즉 과대산포(Overdispersion)가 존재하는 경우가 보다 일반적이라 할 수 있다.
원 자료상 총판매금액(Sales)은 2010년과 2015년에 각각11개 계급 구간과 12개 계급 구간이 존재3)하고 있다. 본 연구에서는 계급구간별 중위값을 활용하였으며, 중위값을 도출할 수 없는 경우 120만 원 미만은 120만 원으로, 2억 원 이상은 2억 원으로, 5억 원 이상은 5억 원으로 가정하였다.
여기서 귀무가설(H0)은 α = 0이며, 대립가설(H1)은 α > 0이다.
이때 확률분포는 아래 식 (7)과 같이 표현하며, pi의 확률에서 첫번째집단의 가능한 응답은 0뿐이며, (1-pi)의 확률에서 두 번째집단의 응답은 평균이 µi 인 포아송 분포에 의해 통제된다. 즉 영과잉 포아송모형은 모집단이 분리되어 두 집단으로 나누어져 있는 것을 가정한다.
포아송 분포란 특정 사건이 단위시간이나 공간 내에서 발생할 확률이 나머지 단위들에 대하여 독립적일 뿐만 아니라 등분산임을 가정한다(Cameron & Trivedi, 1986).
제안 방법
고령화로 인해 일주일간 신체활동을 한 일수가‘0’이라 응답한 비율이 높고 평균보다 분산이 큰 과분산 현상이 나타남에 따라 영과잉 음이항모형을 적용하였다.
다음으로 본 연구는 고용에 있어 자가노동으로 고용량을 대체하는 특징을 효과적으로 모형에 반영하고자 가산자료 모형인 포아송모형, 음이항모형, 영과잉 포아송모형, 영과잉 음이항모형을 비교·분석한다. 끝으로 2010년과 2015년에 고용량 결정요인과 그 변화에 대해 영과잉 음이항모형을 통해 두 기간 간의 차이를 객관적으로 규명해 본다.
그리고 분석된 상기 4가지 모형을 서로 비교분석하여 어가의 고용량 결정요인의 분석모형으로 영과잉 음이항모형이 가장 적절한 모형임을 제시하였다. 끝으로, 선정된 모형을 이용하여 2010년의 고용량 결정요인, 2015년의 고용량 결정요인, 2010년 대비 2015년의 고용량 결정요인 변화분(△)을 추정하였다.
다음으로 본 연구는 고용에 있어 자가노동으로 고용량을 대체하는 특징을 효과적으로 모형에 반영하고자 가산자료 모형인 포아송모형, 음이항모형, 영과잉 포아송모형, 영과잉 음이항모형을 비교·분석한다.
하지만 마이크로데이터 통합서비스에서 제공하는 원 자료상 2010년에 코딩된 어가와 2015년에 코딩된 어가가 서로 일치하지 않아 패널분석을 실시하지 못하는 한계가 있다. 따라서 본 분석에서는 연도별 변화를 살펴보기 위해 두 자료를 풀링하고, 가변수를 활용하여 2010년과 2015년의 변화에 대해 분석을 시도하였다. 구체적으로 아래의 식 (10)은 2010년과 2015년의 고용량 방정식을 나타낸다.
따라서 어가의 고용량 결정요인 모형을 추정하는데 있어 위와 같은 특성을 반영하기 위해 포아송모형, 음이항모형, 영과잉 포아송모형, 영과잉 음이항모형을 모두 추정하고, 모형설정과 관련한 엄격한 검정을 통하여 적절한 모형 선정 및 2010년과 2015년의 고용량 결정요인과 그 변화에 대해 실증적으로 분석하였다.
본 연구는 2010년과 2015년의 자료를 풀링하고, 가변수를 활용하여 변화분을 분석하였다. 따라서 2010년의 경우 Di = 0, 2015년의 경우 Di = 1의 가변수를 도입하면 식 (11)과 같은 회귀식이 된다.
연구에 선정된 종속변수는 고용량(Employee)이며, 독립변수로 경영주의 연령(Age), 경영주의 어업관련 사업 여부(Business), 교육수준(Edu), 경영주의 종사경력(Exp), 가구원수(Household), 65세 이상 고령경영주 여부(Old), 판매금액(Sales), 경영주의 성별(Sex), 생산자조직 참여여부(Union), 어선보유여부(Vessel)로 선정하였다.
요약하자면 조건부 분산이 조건부 평균보다 큰 과대산포 특징과 종속변수에 과도한 영의 응답자가 있는 특징을 동시에 수렴한 영과잉 음이항모형이 어가의 고용량 결정요인을 분석함에 있어 가장 적합한 모형임이 확인됨에 따라 상기 모형을 분석 모형으로 선정하였다.
통계적 검정을 통한 적합한 모형 선정으로 우선, 기초적인 가산자료 모형인 포아송모형을 추정하였다. 이후 앞선 기초통계량 분석에서 종속변수의 조건부 분산이 조건부 평균보다 큰 값을 나타내기 때문에 음이항모형으로 추정을 시도하였다. 그 결과 과도분산을 나타내는 α 계수의 유의성 및 포아송모형과 음이항모형의 우도비 검정 결과, X2 검정 통계량이 1%의 유의수준에서 과대산포가 존재하지 않는다는 귀무가설을 기각하여 과대산포가 존재하고 있는 것으로 나타났다.
본 연구는 어가의 고용량에 미치는 요인을 연구하기 위해 2010년과 2015년의 어업총조사 자료를 풀링하여 분석을 실시하였다. 종속변수가 가산변수이므로, 먼저 포아송모형을 추정하였으며, 분산이 평균보다 큰 과대산포경향이 나타나 음이항모형을 추정하였다. 또한, 자가노동 및 가족경영 등의 원인으로 고용량이 없는 경우가 76.
종속변수인 고용량(Employee)은 고용 기간에 상관없이 한 해 동안 어가가 단 한명이라도 고용한 경우 해당하는 인원수를 모두 계상하였다. 어업관련 사업여부(Business)는 수산물 직판장, 수산물 직거래, 식당 경영, 수산물 가공업, 어촌관광사업(민박 경영 등), 낚시 안내업에 응답한 어가와 그렇지 않은 어가로 나누었다.
추가적으로 영과잉 음이항모형으로 추정된 계수 값을 통해 2010년과 2015년의 어가고용량 결정요인의 차이에 대해 분석하였다. 영과잉 음이항모형의 계수로는 일반적인 결과 값을 해석하는데 어려움이 있어 한계효과 분석을 활용하였고, 각각의 설명변수에 도함수인 ∂E(y|X)/∂X를 계산하였다.
대상 데이터
본 연구는 어가의 고용량 결정요인을 분석하기 위하여 통계청 마이크로데이터 통합서비스(MDIS: Microdata Integrated Service)에서 제공하는 2010년과 2015년의 해수면 대상 어업총조사 자료를 분석에 사용하였다. 2010년은 총 65,511의 표본 중 누락된 자료를 제외한 65,487 표본을, 2015년은 총 54,793의 표본 중 누락된 자료를 제외한 54,483 표본을 분석에 활용하였다.
어업관련 사업여부(Business)는 수산물 직판장, 수산물 직거래, 식당 경영, 수산물 가공업, 어촌관광사업(민박 경영 등), 낚시 안내업에 응답한 어가와 그렇지 않은 어가로 나누었다. 교육수준(Edu)은 1=안받음, 2=초등학교, 3=중학교, 4=고등학교, 5=대학(4년제 미만), 6=대학교(4년제 이상), 7=대학원 석사, 8=대학원 박사로 구분하여 분석에 활용하였다. 생산자조직(Union)은 업종별 수협, 지구별 수협, 영어조합법인, 일반회사법인, 어촌계, 기타 협회에 참가하는 어가와 그렇지 않은 어가로 나누었다.
본 연구는 어가의 고용량 결정요인을 분석하기 위하여 통계청 마이크로데이터 통합서비스(MDIS: Microdata Integrated Service)에서 제공하는 2010년과 2015년의 해수면 대상 어업총조사 자료를 분석에 사용하였다. 2010년은 총 65,511의 표본 중 누락된 자료를 제외한 65,487 표본을, 2015년은 총 54,793의 표본 중 누락된 자료를 제외한 54,483 표본을 분석에 활용하였다.
데이터처리
영과잉 음이항모형의 계수로는 일반적인 결과 값을 해석하는데 어려움이 있어 한계효과 분석을 활용하였고, 각각의 설명변수에 도함수인 ∂E(y|X)/∂X를 계산하였다.
이론/모형
다음으로, 종속변수에 과도한 영의 응답이 관측치에 있어, 이를 반영하기 위해 영과잉포아송모형과 영과잉 음이항모형을 추정하였다. 먼저, 영과잉 포아송모형과 일반 포아송모형의 적합성을 검정하는 Vuong 검정 통계량5)은 35.
통계적 검정을 통한 적합한 모형 선정으로 우선, 기초적인 가산자료 모형인 포아송모형을 추정하였다. 이후 앞선 기초통계량 분석에서 종속변수의 조건부 분산이 조건부 평균보다 큰 값을 나타내기 때문에 음이항모형으로 추정을 시도하였다.
이주석 외(2013)는 이산화탄소 저감정책에 대한 설문조사 결과를 활용하여 영의 지불의사에 대해 모수적 추정법과 비모수적 추정법을 비교·분석하였다. 특히 지불의사가 없는 영(0)의 지불의사를 처리하기 위해 일반적인 조건부 가치측정법, 스파이크모형, 혼합모형 등을 이용하였다. 신영철(2012)은 포아송모형, 음이항모형, 절단된 포아송모형, 절단된 음이항모형 간 비교를 통해 영산강 하구의 방문수요함수를 추정한 후, 방문 편익을 추정하였다.
성능/효과
각 변수별 기초통계량으로 종속변수는 그 평균이 2010년 0.9780, 2015년 1.1765이며, 표준편차는 3.3763과 5.0723으로 나타났다. 여기서 2010년과 2015년의 개별 평균보다 각각의 분산(11.
그 결과 과도분산을 나타내는 α 계수의 유의성 및 포아송모형과 음이항모형의 우도비 검정 결과, X2 검정 통계량이 1%의 유의수준에서 과대산포가 존재하지 않는다는 귀무가설을 기각하여 과대산포가 존재하고 있는 것으로 나타났다.
그 외에도 2015년의 교육 수준(Edu)이 한 단계 높을수록, 2010년 교육 수준 증가에 따른 고용량인 0.1222명에서 그 변화분(△Edu)인 0.0322명만큼을 감소시켜, 결과적으로 고용량을 0.09명 더 증가시키는 것으로 나타났으며, 2015년에 어업 관련 경영체(Business)를 가지고 있는 어가는 2010년 어업 관련 경영체의 고용량인 0.1241명에서 그 변화분(△Business)인 0.0789명만큼을 증가시켜, 결과적으로 고용량을 0.203명 더 증가시키는 것으로 나타났다.
83%로 나타나 영과잉 포아송모형과 영과잉 음이항모형을 추정하였다. 그리고 분석된 상기 4가지 모형을 서로 비교분석하여 어가의 고용량 결정요인의 분석모형으로 영과잉 음이항모형이 가장 적절한 모형임을 제시하였다. 끝으로, 선정된 모형을 이용하여 2010년의 고용량 결정요인, 2015년의 고용량 결정요인, 2010년 대비 2015년의 고용량 결정요인 변화분(△)을 추정하였다.
끝으로, 본 연구는 2010년과 2015년의 자료를 풀링하였으므로, 2015년의 고용량 결정방정식은 각 변수별로 2010년에 추정된 계수 값에 변화분(∆)의 계수 값을 선형결합함으로써 추정할 수 있었다. 변화분 분석결과, 2015년에 어선을 가진 어가(Vessel)는 2010년에 어선을 가진 어가의 고용량인 0.
끝으로, 영과잉 포아송모형과 영과잉 음이항모형의 과대산포의 존재 여부에 대한 α 계수의 유의성과 영과잉 포아송모형과 영과잉 음이항모형의 우도비 검정 결과, X2 검정통계량이 1%의 유의수준에서 과대산포가 존재하지 않는다는 귀무가설을 기각하여 영과잉 음이항모형이 영과잉 포아송모형에 비해 적합한 것으로 추정되었다.
다음으로, 2010년에 고용량을 감소시키는 유의한 요인으로 경영주의 경력(Exp)이 한해 많을수록 고용량을 0.0045명 감소시키며, 경영주가 65세 이상 고령어가(Old)인 경우 그렇지 않은 어가에 비해 고용량을 0.0722명 감소시키는 것으로 나타났다. 여기서 고령어가는 경영규모를 줄이기 때문에 고용을 증가시키지는 않는 것으로 나타났고, 가구원수(Household), 협동조합 참여여부(Union), 경영주의 성별(Sex)은 고용량에 유의한 영항을 미치지 않는 것으로 나타났다.
42로 추정됨에 따라 1%의 유의수준에서 두 모형에 차이가 없다는 귀무가설을 기각하여 영과잉 포아송모형이 포아송 모형에 비해 적합한 모형으로 나타났다. 다음으로, 영과잉 음이항모형과 음이항모형의 적합성을 검정하는 Vuong 검정 통계량은 36.40로 추정되어 1%의 유의수준에서 두 모형에 차이가 없다는 귀무가설을 기각하였으므로 영과잉 음이항모형이 음이항모형에 비해 적합한 모형으로 나타났다. 끝으로, 영과잉 포아송모형과 영과잉 음이항모형의 과대산포의 존재 여부에 대한 α 계수의 유의성과 영과잉 포아송모형과 영과잉 음이항모형의 우도비 검정 결과, X2 검정통계량이 1%의 유의수준에서 과대산포가 존재하지 않는다는 귀무가설을 기각하여 영과잉 음이항모형이 영과잉 포아송모형에 비해 적합한 것으로 추정되었다.
0181명 증가시키는 것으로 나타났다. 또한 어업 관련 경영체(Business)를 가지고 있는 어가는 그렇지 않은 어가에 비해 고용량을 0.1241명 더 증가시키는 것으로 나타났다. 경영주의 연령(Age)이 한 살 많을수록 고용량을 0.
이는 2015년 어업총조사 결과에서 나타나듯이 자본화된 어가의 등장으로 인해 고용량이 줄어든 것에 기인한 것으로 판단된다. 또한, 2010년과 비교했을 때 경영주의 경력(Exp)이 한 해 증가할수록 0.0025명만큼더많은 인원을 고용하는 것으로 나타났다. 일반적으로 종사경력의 증가는 숙련도가 높아지므로 고용량을 줄일 것이라 생각된다.
즉, 어업에 있어서 자본화된 어가의 등장으로 노동을 대체하여 고용량이 줄어들고 있는 것이라 볼 수 있다. 또한, 2015년 경영주의 경력(Exp)이 한 해 증가할수록2010년 경영주 경력 증가에 따라 고용량이 0.0045명 감소시키는 것에서 그 변화분(△Exp)인 0.0070명만큼 증가시켜, 결과적으로 고용량을 0.0025명 증가시키는 것으로 나타났다. 일반적으로 경력의 증가는 숙련도가 높아지므로 노동수요의 감소를 가져온다고 생각되며, 이는 앞선 2010년의 분석 결과와 반대되는 결과이다.
다음으로, 종속변수에 과도한 영의 응답이 관측치에 있어, 이를 반영하기 위해 영과잉포아송모형과 영과잉 음이항모형을 추정하였다. 먼저, 영과잉 포아송모형과 일반 포아송모형의 적합성을 검정하는 Vuong 검정 통계량5)은 35.42로 추정됨에 따라 1%의 유의수준에서 두 모형에 차이가 없다는 귀무가설을 기각하여 영과잉 포아송모형이 포아송 모형에 비해 적합한 모형으로 나타났다. 다음으로, 영과잉 음이항모형과 음이항모형의 적합성을 검정하는 Vuong 검정 통계량은 36.
변화분 분석결과, 2015년에 어선을 가진 어가(Vessel)는 2010년에 어선을 가진 어가의 고용량인 0.6883명에서 그 변화분(△Vessel)인 0.9566명 만큼을 감소시켜, 결과적으로 고용량을 0.2683명 감소시키는 것으로 나타났다.
분석결과, 영과잉 음이항모형의 한계효과로 2015년에 어선을 가진 어가(Vessel)는 2010년에 어선을 가진 어가에 비해 고용량을 0.2683명 감소시키는 것으로 나타났으며,이들 어가의 매출액(Sales)이 백만 원 증가할수록 고용량을 0.0135명 증가시키기는 하나 그 변화분의 감소로 인해 그 증가폭은 0.0046명만큼 감소하는 것으로 나타났다. 이는 2015년 어업총조사 결과에서 나타나듯이 자본화된 어가의 등장으로 인해 고용량이 줄어든 것에 기인한 것으로 판단된다.
포아송모형에 과대산포가 존재하는 경우 음이항모형을 활용하여 계수를 추정하게 되며, 과대산포의 계수는 전술하였듯이 Alpha(α)로 나타낸다. 아울러 본 분석에 사용한 종속변수인 종사자수는 고용인력이 없다는 응답이 전체 중 76.83%를 차지하였는데, 이는 자가노동 및 가족들이 경영에 참가하는 등으로 인해 고용을 하지 않는 특징 때문이었다.
0722명 감소시키는 것으로 나타났다. 여기서 고령어가는 경영규모를 줄이기 때문에 고용을 증가시키지는 않는 것으로 나타났고, 가구원수(Household), 협동조합 참여여부(Union), 경영주의 성별(Sex)은 고용량에 유의한 영항을 미치지 않는 것으로 나타났다.
이상의 2010년과 2015년의 농림어업총조사의 자료 분석 결과, 우선 어촌 인구 구조의 뚜렷한 변화가 나타나 어가수 및 어가인구는 빠르게 줄어들고 있는 반면, 65세 이상 고령층이 차지하는 비중은 증가하고 있다. 또한 어가인구의 중위 연령이 58.
한편, 2010년에는 유의하지 않게 분석되었지만, 순수한 2010년 대비 2015년의 변화분 분석에 있어 경영주의 성별(△Sex)은 유의미하게 추정되었다. 즉, 2010년의 남성경영주에 비해 2015년의 남성경영주는 고용량을 0.1107명 감소시키는 것으로 나타났다. 이는 자본화된 어가의 등장으로 인해 노동을 대체한데 기인한 것으로 판단된다.
7282)이 커 과대산포경향을 보였다. 특히 본 분석에 사용한 종속변수는 고용인이 없는 경우가 전체 관측치수인 119,9704) 중 76.83%를 차지하였다.
후속연구
끝으로 어업 인력수요는 생산물과 대체재의 가격, 생산요소의 가격, 소득, 어업제도, 어업기술, 어업자원의 변동 등 수 많은 요인에 의해 영향을 받으므로 향후의 연구에는 이들 요소들을 고려하는 모형을 이용하여 연구를 확장할 필요가 있다.
특히, 수산 부문의 인력수급 문제는 어촌지역의 인력감소 문제뿐만 아니라 어촌의 정주 여건 유지, 어촌의 문화적 아카이브 보전 등에도 큰 영향을 미칠 수 있다. 따라서 향후 수산 부문의 어업인력운영 정책의 방향을 설정함에 있어 고용인력 수요의 특징을 파악하고, 그 변화를 추정할 수 있는 모형을 찾아본다는 것은 시의적으로 필요한 연구라 여겨진다. 그럼에도 불구하고 자가 노동으로 고용을 대체하고 있는 어업에 있어 최근 어업구조의 변화를 반영한 어가의 고용량 변화의 결정 요인에 대해 여러 모형을 이용하여 비교·분석한 논문은 거의 없는 실정이다.
본 연구의 한계점으로는 먼저, 어업총조사 분류상의 한계로 패널분석을 실시하지 못하고, 2010년과 2015년의 데이터를 풀링하고 가변수를 활용하여 그 변화를 살펴보았다는 점이다. 그럼에도 불구하고 본 연구는 어업총조사라는 전수조사된 자료에 기초하여 우리나라 전체 어업 고용량 결정요인에 대해 분석해 보았다는 점에서 기존 연구와 차이가 있다.
질의응답
핵심어
질문
논문에서 추출한 답변
어가인구 감소나 경영주의 평균 연령 증가는 어떤 변화를 가지고 오는가?
이러한 변화는 수산업을 기반으로 하는 어촌사회 전반에 영향을 미칠 수 있는 중요한 관심사이다. 다시 말해, 어가인구 감소나 경영주의 평균 연령 증가 등의 현상은 어촌을 중심으로 하는 연안지역사회에 변화를 가져와 자본으로 노동을 대체시키는 현상을 가속화시킬 수 있다. 특히, 수산 부문의 인력수급 문제는 어촌지역의 인력감소 문제뿐만 아니라 어촌의 정주 여건 유지, 어촌의 문화적 아카이브 보전 등에도 큰 영향을 미칠 수 있다.
고도의 경제성장기와 맞물려 어업에 참여하는 종사자의 수는 어떤 양상을 띄는가?
이는 수산업의 본격적인 성장에 따른 어업인력 수요 증대와 경제성장기의 인구 증가에 따른 구직인구의 증가로 인한 상호보완적 결과라 할 수 있다. 하지만 고도의 경제성장기와 맞물려 어업에 참여하는 종사자수는 1967년 467,387명을 정점으로 계속 줄어들어 2015년에는 128,352명까지 감소하였다. 특히 최근에는 수산업이 가지고 있는 산업적인 특성과 수산업 관련 직업에 대한 사회적 인식마저 낮다보니 정부의 어가소득 안정정책, 귀어정책, 어촌마을 복지증진정책 등에도 불구하고 어업에 종사하고자 하는 인력은 여전히 줄어들고 있는 실정이다.
과거 우리나라의 어업종사자가 급증했던 이유는?
우리나라의 어업종사자는 수산업이 성장하기 시작한 1960년대부터 급증하였다. 이는 수산업의 본격적인 성장에 따른 어업인력 수요 증대와 경제성장기의 인구 증가에 따른 구직인구의 증가로 인한 상호보완적 결과라 할 수 있다. 하지만 고도의 경제성장기와 맞물려 어업에 참여하는 종사자수는 1967년 467,387명을 정점으로 계속 줄어들어 2015년에는 128,352명까지 감소하였다.
참고문헌 (28)
김봉정, "영과잉 음이항 회귀모형을 적용한 농촌지역 성인 신체활동의 지역사회환경 요인 분석", 한국보건간호학회지, 제29권 제3호, 2015, pp. 488-502.
황기형.김봉태.한경숙, "어업인력 변화 분석 및 전망 연구 : 어가인구를 중심으로", 연구보고서, 한국해양수산개발원, 2005.
Anderson, D. M., "Estimating the economic value of ice climbing in Hyalite Canyon: An application of travel cost count data models that account for excess zeros", Journal of Environment Management, Vol. 91, No. 4, 2010, pp. 1012-1020.
Cameron, A. C. and Trivedi, P. K., "Econometrics models based on count data: Comparisons and applications of some estimators and tests", Journal of Applied Econometrics, Vol. 1, 1986, pp. 29-53.
Cameron, A. C. and Trivedi, P. K., Microeconometrics Using Stata, Stata Press, 2009.
Gujarati, Damodar., Econometrics by Example. 2nd Edition, Sigmapress.co.kr, 2016.
Dean, C. and Lawless, J. F., "Tests for detecting overdispersion in Poisson regression models", Journal of the American Statistical Association, Vol. 84, No. 406, 1989, pp. 467-472.
Greene, W. H., "Accounting for excess zeros and sample selection in Poisson and negative binomial regression models", Department of Economics Working paper, New York University, 1994.
Gurmu, S. and P. Trivedi., "Excess zeros in count models for recreational trips", Journal of Business and Economics Statistics, Vol. 14, No. 4, 1996, pp. 469-477.
Karlafitis, M. G. and Tarko, A. P. "Heterogeneity considerations in accident modeling. Accident Analysis and Prevention, Vol. 30, No. 4, 1998, pp. 425-433.
Sheu, M. L., Hu, T. W., E.Keeler T., Ong, M. and Sung, H, Y., "The effect of a major cigarette price change on smoking behavior in California: a zero-inflated negative binomial model", Health Econ, Vol. 13, 2004, pp. 781-791.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.