분위회귀모형을 이용한 임금결정요인 분석

• 영문명: Determinants of Wage using Quantile Regression Model
• 발행기관: 한국자료분석학회
• 저자명: 조장식(Jangsik Cho)
• 간행물 정보: 『Journal of The Korean Data Analysis Society (JKDAS)』Vol.18 No.4, 1883~1893쪽, 전체 11쪽
• 주제분류: 자연과학 > 통계학
• 파일형태: PDF
• 발행일자: 2016.08.30

국문 초록

본 연구에서는 한국고용정보원에서 실시한 “2013 고졸자 취업진로조사” 자료를 활용하여 특성화고 졸업자의 임금결정요인을 분석하였다. 일반적으로 임금결정요인을 분석할 때 최소제곱법(OLS; ordinary least squares method)을 활용한 회귀모형을 사용한다. 그러나 이 방법은 단지 독립변수에 대한 종속변수의 평균값 추세에 관한 정보만 제공할 뿐만 아니라, 정규성, 등분산성 등의 가정을 요구하며, 특히 이상치에 영향을 받는다는 단점을 가진다. 특히 임금에 대한 이질성이 존재하는 경우, 표본 집단별 독립변수가 임금에 미치는 효과가 과소 또는 과대평가 될 수 있어서 임금수준에 따라 임금결정요인이 다를 가능성이 존재한다. 따라서 분위회귀분석을 활용하여 임금결정요인을 분석하였다. 분석결과를 요약하면 다음과 같다. 첫째, 임금에 대한 이분산성 검정을 통해 분위회귀분석이 타당함을 알 수 있었다. 둘째, 대부분의 독립변수들이 임금에 미치는 효과가 통계적으로 유의함을 알 수 있었다. 셋째, 분위회귀분석에서는 OLS 회귀분석의 결과와 상이할 뿐만 아니라, 분위수 tau의 값이 양 극단 값으로 갈수록 회귀계수의 크기와 유의성 및 부호까지도 변함을 알 수 있다. 마지막으로, 모든 독립변수들이 임금에 대한 분위수별 분위 회귀계수들이 통계적으로 유의한 차이가 있음을 알 수 있다.

영문 초록

This study aimed to analysis wage determinants of the vocational high school graduates utilizing “2013 high school graduates occupational mobility survey” data. In general, the linear regression model based on least square method is used in analyzing the wage determinants. However, this method only provides information about the average relationship of the dependent variables for the independent variables. Also this model requires the assumption of a normality, equal variance, and independence of error. Quantile regression model is more proper than ordinary least squares because wage does not satisfy the assumption of normality, equal variance, and independence of error. In this study, we analysis wage determinants using quantile regression model. The major results are the followings. The result of heteroscedasticity test on wages was statistically significant. The result of quantile regression analysis is different from the result of OLS (ordinary least squares) regression analysis. Almost of independent variables including sex, maester dummy, parental income and education level, GPA (grade point average), high school satisfaction, number of licenses and regular dummy et al. are statistically significant for individual-level wages. However, the size and sign for regression coefficient are statistically significantly changed as the value of quantile tau increased. Also quantile regression coefficients on wage for each quantile tau are statistically significant different.

목차

1. 서론

2. 자료소개 및 기술통계

3. 분석방법

4. 분위회귀분석

5. 결론

References

키워드

분위 회귀분석 이분산성 임금결정요인 최소제곱법 표본선택편의 heteroscedasticity ordinary least squares method quantile regression sample selection bias wage determinants