한국의 임금격차와 요인별 기여

• 영문명: Wage Difference in South Korea and Its Decomposition by Factors
• 발행기관: 한국경제발전학회
• 저자명: 이우진(Woojin Lee) 최은영(Eunyoung Choi)
• 간행물 정보: 『경제발전연구』經濟發展硏究 第26卷 第2號, 87~126쪽, 전체 40쪽
• 주제분류: 경제경영 > 경제학
• 파일형태: PDF
• 발행일자: 2020.06.30

국문 초록

한국사회에서 연령별, 성별, 사업체규모별, 고용형태별 등 다양한 요인별로 임금격차가 크게 존재함은 잘 알려진 사실이다. 본 논문에서 우리는 임금격차를 초래하는 요인들의 한계적 기여를 분석하고자 한다. 요인별 임금격차는 산업별, 직업별로 다를 것이므로 이를 나누어 분석한다. 임금격차를 초래하는 요인들로는 연령, 성, 교육수준, 경력, 근속년수, 사업체 규모, 고용형태, 노조유무, 근로시간을 고려한다. 분석방법은 임금격차에 영향을 미치는 결정요인들의 한계적 기여도를 계산할 수 있는 회귀분석기반의 샤플리값 분해방법(regression-based Shapley value decomposition method)이다. 임금변수로는 ‘임금총액’과 ‘시간당임금’ 두 가지를 사용한다. 먼저 산업별 분석결과를 임금총액을 중심으로 살펴보자. 제조업, 보건업 및 사회서비스업, 전문, 과학 및 기술 서비스업에서는‘사업체 규모’가, 전기, 가스, 증기 및 수도 사업, 도매 및 소매업, 부동산업 및 임대업, 금융 및 보험업에서는 ‘고용형태’가 가장 기여도가 높은 요인으로 나타났다. 임금총액에 대한 요인별 기여도를 직업별로 살펴보면 다음과 같다. 관리자의 경우에는 ‘연령’이, 전문가 및 관련 종사자, 기계조작 및 조립 종사자의 경우에는 ‘사업체 규모’가, 사무 종사자의 경우에는 ‘성별’이, 서비스 종사자, 판매 종사자, 농림어업 숙련 종사자, 기능원 및 관련 기능 종사자, 단순노무 종사자의 경우에는 ‘근로시간’이 기여도가 가장 높은 요인으로 나타났다.

영문 초록

We calculate the marginal contributions of factors of wage difference by industry and occupation. As factors affecting wage difference, we consider age, gender, education, job career, employment duration, company size, employment type, presence of labor union, and work hours. The analytical method used is the regression-based Shapley value decomposition method. As the variable for wages, we consider both ‘total wage’ and ‘hourly wage.’ The main results by industry are the following. It is ‘company size’ that contributes the most to the wage difference of total wage in industries like ‘manufacturing,’ ‘human health and social work activities,’ and ‘professional, scientific and technical activities.’ It is ‘employment type’ in industries like ‘electricity, gas, steam and air conditioning,’ ‘wholesale and retail trade,’ ‘real estate activities,’ and ‘financial and insurance activities.’ The main results by occupation are the following. ‘Age’ contributes the most to the difference of total wage in occupations like ‘managers.’ In occupations like ‘professionals and related workers’ and ‘plant, machine operators and assemblers,’ it is ‘company size.’ ‘Gender’ contributes the most in occupations like ‘clerks.’ In occupations like ‘service workers,’ ‘sales workers,’ ‘skilled agriculture, forestry and fishery workers,’ and ‘craft and related trades workers’ it is ‘total working hours.’

목차

Ⅰ. 서론

Ⅱ. 모형과 분석방법

III. 분석자료 및 연구방법

Ⅳ. 분석 결과

Ⅴ. 결론

참고문헌

키워드

임금 격차 요인별 분해 산업 직업 샤플리값 wage difference factor decomposition industry occupation Shapley-value decomposition