개인의 위험 선호와 보수체계
: 고정급과 성과급의 선택을 중심으로
이인재
1) 요약본고는 개인의 위험선호(risk preference)가 보수체계의 선택에 미치는 영향을 실증적으로 검증한 다. 성과급(performance-base pay)은 고정급(fixed pay)과는 달리 성과에 따른 임금의 변동이라는 위험을 내포한다. 따라서 위험기피적인 개인일수록 성과급보다는 고정급을 선호할 가능성이 높 다. 한국노동패널 10차년도의 위험선호와 보수체계 정보를 이용한 다항로짓(multinomial logit) 모형과 다항프로빗(multinomial probit) 모형의 추정결과에 의하면, 위험기피적 개인은 위험중립· 선호적 개인에 비해 개인 성과급이 지급되는 일자리보다 집단 성과급 및 고정급이 지급되는 일 자리를 선택할 확률이 통계적으로 유의하게 높은 것으로 나타난다. 이러한 결과는 노동시장에서 보수체계의 선택에 관하여 개인의 위험선호에 따른 선별(sorting)이 이루어지고 있음을 시사한다. 주요용어 : 위험선호, 고정급, 성과급, 선별
1. 서론
노동시장은 개인과 일자리가 연결(match)되는 시장이다. 근로자는 자신에게 가장 높은 효용을 주는 일자리를 찾고, 기업은 이윤을 극대화하는 조건을 지닌 일자리를 제시한다. 이러한 근로자와 기업의 자기선택(self-selection) 과정에서 개인과 일자리가 적절하게 연결되고, 자원배분의 효율성이 달성된다. 만일 어떤 개인이 지닌 특성 A가 일자리 특정 조건 B를 선호하게 만든다면, B의 조건을 제공하는 일자리에는 A의 특 성을 가진 개인들이 선별(sorting)되어 모이게 될 것이다(Roy(1951)). 이러한 선별과정은 개인의 위험선호(risk preference)와 기업의 보수체계 사이의 관 계에서도 나타난다. 일반적으로 임금의 결정방식을 보수체계라고 부르는데, 임금이 어 떤 방식으로 결정되는가는 개인이 일자리를 선택할 때 고려하는 중요한 특성 중의 하 나이다. 보수체계는 크게 임금이 성과에 따라 변동하는지를 기준으로 고정급과 성과 급으로 분류된다. 보수체계에 관한 경제이론의 기본적 가설은 개인의 위험 선호가 보 수체계의 선택에 영향을 준다는 것이다(Lazear(1986), Homstrom & Milgrom(1987)). 고정급은 임금이 고정되어 있지만, 성과급은 임금이 성과에 따라 변동된다. 따라서 다 른 조건이 동일하면, 위험기피적 개인은 성과급보다 고정급을 선호할 것이고, 위험선 호적인 개인은 고정급보다 성과급 보수체계를 선호할 것이다. 본고는 이러한 위험선별가설(risk-sorting hypothesis)에 근거하여 개인의 위험선호가 보수체계의 선택에 영 향을 미치는지를 실증적으로 검증하고자 한다. 경제이론의 명확한 예측에도 불구하고, 개인의 위험선호가 보수체계의 선택에 미 치는 영향을 분석한 국내외 실증연구는 매우 드물다. 필자가 아는 범위에서 이 주제 를 다룬 국내 실증연구는 아직 존재하지 않는다. 보수체계 또는 임금체계 선택의 결 정요인에 관한 국내연구는 모두 사업체 자료를 사용하고 있는데, 경영환경, 경영전략 및 기업체 특성 등이 기업의 보수체계 선택에 영향을 미치는 것으로 보고하고 있다 (유규창‧박우성(2007), 김동배‧김정한(2011)). 그러나 이 연구들은 개인의 위험선호가 보수체계에 미치는 영향에 관해서는 다루고 있지 않다. 외국의 연구도 손꼽을 정도이 다. 독일의 사회경제패널(German Socio-Economic Panel, GSEOP) 21차 자료를 이용 하여 위험선호와 소득 변동성이 상이한 직종선택의 관계를 OLS를 이용하여 분석한 Bonin et al.(2007)의 연구, 동일한 자료를 사용하여 위험선호와 개인 성과평가 여부 및 성과평가 결과의 보수에의 반영 여부와의 관계를 probit 모형을 사용하여 분석한 Grund & Sliwka(2010)의 연구 및 역시 동일한 자료를 이용하여 위험을 감수할 용의 가 높은 개인이 성과급을 받을 때 직장만족도가 높다는 것을 ordered probit 모형으로 밝힌 Cornelissen et al.(2011)의 연구가 있다.
이렇게 연구가 부진한 가장 큰 이유는 자료의 제약 때문이다. 이 주제에 관한 실 증분석을 진행하기 위해서는 개인의 위험선호와 보수체계에 관한 정보가 모두 필요하 다. 그러나 이 두 가지 정보를 포함하고 있는 자료는 국내는 물론 외국에서도 매우 드물다. Allen & Lueck (1995)와 Chiappori & Salanié (2003)가 지적하듯이, 개인의 위험선호에 관한 관찰이나 측정은 매우 어렵다. 물론 최근의 연구들은 자료의 제약을 극복하기 위해 실험경제학적 방법을 이용하여 이 문제에 접근하고 있지만(Dohmen & Falk(2011), Bäker & Mertins(2013)), 이러한 접근방식은 노동시장에서의 전반적인 선 별과정을 확인하는 데에는 근본적인 한계가 있다. 더욱이 보수체계에 관한 정보를 포 함하고 있는 자료도 많지 않다. 대부분 자료가 개인의 임금수준에 관해서는 조사하지 만, 임금이 결정되는 방식, 즉 보수체계를 조사하지는 않는다. 본고는 한국노동패널(KLIPS) 10차 조사 자료를 활용하여 개인의 위험선호에 따른 보수체계 선택 문제를 분석한다. 이 자료는 개인의 위험선호와 보수체계에 관한 정보 를 모두 포함하고 있는 매우 드문 자료이다. 본 연구는 동 조사의 개인의 위험선호와 관련된 가상적 질문을 이용하여, 위험기피(risk aversion) 변수를 구성한다. 또한, 동 조사의 보수체계에 관한 설문, 즉 보수체계가 고정급인지 성과급인지, 그리고 성과급 이 개인의 성과에 따라 결정되는지 아니면 팀・부서 또는 회사의 성과에 의해 결정되 는지에 관한 설문을 이용하여 개인 성과급, 집단 성과급, 고정급의 보수체계 변수를 작성한다. 다른 조건이 동일할 경우 임금의 변동성은 개인 성과급>집단 성과급>고정 급 순으로 높다. 따라서 위험기피적 개인은 개인 성과급보다는 집단 성과급과 고정급 을 선호할 것이다. 노동시장에서 위험선호에 따른 보수체계의 체계적 선별(sorting)이 이루어지고 있다면, 이러한 관계가 자료에서 실증적으로 확인될 것이다. 이렇게 보수 체계를 성과급의 지급 여부 및 방식에 따라 세부적으로 분류하여, 위험선호에 따른 선택을 분석한 국내외 연구는 아직 존재하지 않는다.
다항로짓(multinomial logit) 모형과 다항프로빗(multinomial probit) 모형을 이용한 추정결과는 개인의 위험선호가 보수체계 선택에 영향을 미친다는 가설을 지지하는 증 거를 제시한다. 위험기피적 개인일수록 개인 성과급에 비해 집단 성과급 및 고정급을 선택할 확률이 통계적으로 유의하게 높게 추정된다. 그리고 이 결과는 표본의 구성이 나 보수체계 분류방식과 관계없이 강건하게 유지된다. 따라서 실증분석 결과는 노동 시장에서 개인의 위험선호에 따른 보수체계의 선별이 이루어지고 있음을 시사한다.
2. 자료와 기초통계
분석에 사용된 자료는 한국노동패널(KLIPS) 10차 조사이다. 한국노동패널은 비농 촌지역에 거주하는 대표 5,000 가구와 그 가구에 거주하는 가구원을 대상으로 매년 경제활동 및 노동시장 이동, 소득활동 및 소비, 교육 및 직업훈련, 사회생활 등에 관 하여 추적 조사하는 종단면조사(longitudinal survey)이다. 1998년 1차 조사가 시작되 어, 현재 2017년 20차 조사까지 진행되어 있다(한국노동연구원 홈페이지, https://www.kli.re.kr/klips). 분석 대상은 농림어업과 광업을 제외한 산업에 종사하는 65세 미만 임금근로자이 다. 산업을 비농광업으로 한정한 이유는 한국노동패널이 비농촌지역 가구를 대상으로 한 조사이기 때문이다. 연령을 65세 미만으로 한정한 이유는 65세 이상 근로자의 노 동시장에 참여가 단속적이고 한계적인 경우가 많기 때문이다. 이밖에 분석에 사용된 일부 변수에 결측치와 이상치가 존재한다. 최종 표본은 이들 관측치를 제외한 3,986명 이다. 본고는 개인의 위험선호에 따른 보수체계 선택에 초점을 맞춘다. 따라서 위험선호 변수와 보수체계 변수가 핵심변수이다. 통제변수는 한국노동패널이 제공하는 다양한 가구와 개인 특성에 관한 정보에 기초하여 구성된다. 구체적으로 보수체계의 선택에 영향을 미치는 성별, 연령, 혼인상태, 교육수준, 노동조합 가입, 정규직, 기업규모, 직 종, 산업 변수가 통제변수로 사용된다. <표 2.1>은 분석에 사용된 변수들의 기술통계 를 제시하고 있다. 개인의 위험 선호는 크게 위험기피, 위험선호, 위험중립 세 가지로 유형화하는 것 이 일반적이다(Varian, 1992). 한국노동패널 10차 조사(2007년)는 리스크(risk), 즉 개 인의 위험선호(risk preference)와 관련된 설문을 포함하고 있다. 한국노동패널 10차 조사의 위험선호 관련 설문은 다음과 같다. “ 님께서 지난 주말 하루 동안 다른 사람의 가게를 돌봐 주었습니다. 다음 날 가게 주인이 이에 대한 대가를 10만원의 현금이나 즉석복권 중 하나로 지불하겠다고 하였습니다. 복권에 당첨됨으로써 얻게 되는 보상 및 당첨 확률이 다음과 같을 때 귀 하께서는 현금과 즉석복권 중 어떤 것을 선택하시겠습니까? (1) 현금 10만원 (2) 복 권: 당첨확률 50%로 15만원, 당첨 안될 확률 50%로 5만원 (3) 어떤 것이라도 상관없 음.”개인의 위험선호는 설문에 대한 응답으로부터 바로 도출된다. 복권의 기대이익은 10만원(=0.5×15만원+0.5×5만원)이므로 현금 10만원을 받는 것과 같다. 개인의 효용함 수를 라고 하면, 위험기피적 개인에게는 만원 만원 만원 (2.1) 이 성립한다. 따라서 위험기피적인 개인은 복권 대신 (1) 현금 10만원을 선택할 것이 다. 반대로 위험선호적인 개인은 위의 식의 부등호가 반대로 바뀌므로, 현금 10만원 대신 (2) 복권을 선호할 것이며, 위험중립적인 개인은 위의 식이 등호로 성립하므로 복권과 현금에 (3) 무차별할 것이다. 따라서 우리는 위의 질문에 대한 응답으로부터 위험기피(risk aversion) 변수를 구 성할 수 있다. 이 변수는 위의 설문에 대한 응답이 (1) 현금인 경우 1의 값을 갖고, 응답이 (2) 복권과 (3) 무차별한 경우 0의 값을 갖는 더미변수이다. 위험중립·선호적인 경우를 하나의 범주로 취급한 이유는 이러한 선호를 가진 개인은 임금 변동의 위험이 있으나 같은 기대임금을 제공하는 보수체계를 적어도 용인할 수 있기 때문이다. 반면 위험기피적 개인은 기대임금이 같은 경우 항상 임금 변동의 위험이 없는 보수체계를 선택한다(Barsky et al., 1997). 우리가 관심을 두는 또 다른 변수는 보수체계에 관한 변수이다. 한국노동패널은 임금근로자에게 현재 일자리에서 성과급 제도가 사용되고 있는지를 묻고 있다. 그리 고 성과급 제도가 사용되고 있는 경우, 자신에게 적용되는 성과급 제도가 (1) 개인 성 과급제 (2) 팀․부서 성과급제 (3) 회사 성과급제인지를 묻고 있다. 여기에서 개인 성 과급제는 “근로자 개인의 실적에 따라 임금이 달라지는 제도,” 팀․부서 성과급제는 “팀 또는 부서의 실적에 따라 임금이 달라지는 제도,” 회사 성과급제는 “회사 전체의 실적에 따라 임금이 달라지는 제도”로 정의된다. 이 설문을 이용하여, 본고는 보수체계를 다음과 같은 세 가지로 재분류한다. 첫째 는 근로자 개인의 실적에 따라 임금이 달라지는 보수체계이다. 이를 ‘개인 성과급’ 제 도라고 부르기로 한다. 위의 설문에서 (1)에 해당하는 범주이다. 둘째는 개인이 아닌 개인이 속해 있는 집단, 즉 팀, 부서 또는 회사의 실적에 따라 임금이 달라지는 보수 체계이다. 이를 ‘집단 성과급’ 제도라고 부르기로 한다. 위의 설문에서 (2)와 (3)을 합 친 범주이다. 셋째는 성과급 제도가 적용되지 않는 보수체계이다. 이를 ‘고정급’ 제도’ 라고 부르기로 한다.2) 집단 성과급과 고정급은 개인 성과급과 달리 성과에 따른 임금 변동의 위험을 다른 근로자와 공유하는 측면이 있다. 따라서 위험기피적 근로자일수 록 개인 성과급보다는 집단 성과급 및 고정급을 선호할 가능성이 높다. <표 2.1>은 개인의 위험선호와 보수체계의 분포를 제시하고 있다. 먼저 위험선호 질문에 현금을 선택한 개인은 전체 표본 3,986명 중 3,578명으로 89.8%이다. 반면 복 2) 보수체계를 재분류하지 않고 설문의 분류방식에 따라 4개의 카테고리, 즉 (1) 개인 성과급 (2) 팀·부서 성과급 (3) 회사 성과급 (4) 고정급으로 분류할 수도 있다. 이러한 분류에 따른 분석결과 역시 제시될 것이다.
권을 선택하거나 무차별하다고 응답한 개인은 408명으로 10.2%이다. 따라서 표본 대 다수가 위험기피적 성향을 보인다고 할 수 있다. 한편 보수체계는 전체 표본 3,986명 중 20.3%인 800명이 성과급이다. 보수체계가 고정급인 개인은 전체의 79.7%인 3,176 명으로, 대다수를 차지하고 있다. 앞에서 언급한 것처럼 성과급은 개인 성과급과 집단 성과급으로 분류되는데, 전체 표본에서 개인 성과급이 차지하는 비율은 9.2%(366명), 집단 성과급이 차지하는 비율은 11.1%(444명)이다. 위험선호는 보수체계에 따라 차이가 난다. 개인 성과급 제도에서 위험기피 비율은 85.5%이고, 집단 성과급 제도에서 위험기피 비율은 88.5%이며, 고정급 제도에서 위험 기피 비율은 90.4%이다. <그림 2.1>에 잘 드러나는 것처럼 임금 변동성이 높은 보수 체계일수록 위험기피의 비율이 낮게 나타나고, 위험중립・선호의 비율은 높게 나타난 다. 다만 구체적인 제도설계에 따라 집단 성과급 제도가 개인의 근로유인에 미치는 효 과는 매우 다를 수 있다. 이론 모형 설정에 따라 다소 차이가 있을 수 있으나, 집단 성과급 모형에서의 내쉬균형은 개인이 무임승차하여 최적 수준보다 낮은 수준(전혀 노력을 기울이지 않는 것을 포함)의 노력을 기울이는 것이다. 이러한 내쉬균형에서는 집단 성과급에서의 임금 변동성이 전혀 존재하지 않을 수도 있다. 따라서 위험기피적 개인일수록 개인 성과급보다는 집단 성과급 및 고정급을 선호하는 것은 이론적으로 명확하지만, 위험기피적 개인이 집단 성과급과 고정급 중 어느 것을 선호할지는 이론 적 예측이 불가능하다. 따라서 본 연구가 검증하고자 하는 선별가설(risk-sorting hypothesis)은 개인의 위험선호가 ‘개인 성과급 대 집단 성과급’의 상대적 선택 및 ‘개 인 성과급 대 고정급’의 상대적 선택에 영향을 미친다는 것이다.3) 통제변수로는 개인의 보수체계의 선택에 영향을 미치는 변수들이 사용된다. 우선 개인의 인적 특성 관련 변수로 성별, 연령, 혼인상태, 교육수준을 사용한다. 성별은 남 성은 1, 여성은 0의 값을 갖는 더미 변수이다. 전제 표본 중 60.7%가 남성이다. 연령 은 만나이이며, 평균연령은 39.1세이다. 혼인상태는 기혼이고 배우자가 있으면 1, 그렇 지 않으면 0의 값을 더미변수이다. 전체 표본의 66.5%가 기혼유배우 상태이다. 개인의 인적자본 수준을 나타내는 교육수준 변수는 중졸이하, 고졸, 전문대졸, 대졸, 대학원졸 이상의 더미변수들로 구성된다. 고졸이 35.1%로 가장 비중이 높고, 대졸 23.8%, 전문 대졸 19.3%, 중졸이하 18.1%, 대학원졸 이상 3.7%의 순이다. 보수체계에 따라 근로자의 인적 특성은 다르게 나타난다. 고정급보다 개인 성과급 과 집단 성과급에서 남성과 기혼유배우의 비중이 높다. 반면 연령은 고정급 근로자들 이 성과급 근로자들에 비해 많다. 교육수준은 성과급 근로자들이 고정급 근로자들보 다 전반적으로 높다. 개인 성과급과 집단 성과급 근로자들 중 전문대졸 이상의 비중 은 각각 64.4%와 68.0%인 반면, 고정급 근로자들은 고졸이하의 비율이 58.2%이다. 3) 본 연구의 검증가설을 명확하게 설정해 준 익명의 심사자에게 감사드린다.
<표 2.1> 기술통계 변수 전체 개인 성과급 집단 성과급 고정급 성별 (남성=1) (0.488)0.607 (0.477)0.653 (0.425)0.764 (0.494)0.580 연령 (만나이) (10.418)39.052 (8.676)37.801 (9.081)37.032 (10.730)39.478 혼 인 상 태 ( 기 혼 유 배 우 =1) (0.472)0.665 (0.455)0.708 (0.442)0.734 (0.477)0.651 교육수준 중졸 이하 (0.385)0.181 (0.243)0.063 (0187)0.036 (0.411)0.215 고졸 (0.477)0.351 (0.455)0.292 (0.451)0.284 (0.482)0.367 전문대졸 (0.394)0.193 (0.387)0.183 (0.423)0.232 (0.391)0.188 대졸 (0.426)0.238 (0.489)0.391 (0.484)0.374 (0.401)0.201 대학원졸 이상 (0.190)0.037 (0.257)0.071 (0.263)0.074 (0.166)0.028 재직기간(년) (6.839)6.670 (7.341)8.169 (8.394)10.583 (6.306)5.950 노조가입(=1) (0.315)0.112 (0.371)0.164 (0.458)0.297 (0.271)0.080 정규직(=1) (0.456)0.705 (0.398)0.803 (0.243)0.937 (0.473)0.661 기업규모 1-4인 (0.350)0.143 (0.233)0.057 (0.133)0.018 (0.376)0.170 5-29인 (0.441)0.264 (0.358)0.150 (0.247)0.065 (0.460)0.305 30-99인 (0.338)0.132 (0.319)0.115 (0.273)0.081 (0.348)0.141 100-299인 (0.289)0.092 (0.279)0.085 (0.308)0.106 (0.287)0.090 300-999인 (0.265)0.076 (0.312)0.109 (0.322)0.117 (0.249)0.066 1000인 이상 (0.371)0.164 (0.450)0.281 (0.499)0.457 (0.313)0.110 잘 모름 (0.336)0.130 (0.402)0.202 (0.363)0.155 (0.323)0.118 위험기피(=1) (0.303)0.898 (0.352)0.855 (0.319)0.885 (0.294)0.904 표본수 3,986 366 444 3,176 주: ( )안의 숫자는 표준편차임. 직종 및 산업 더미의 기술통계는 제시하지 않음(본문 참조).
<그림 2.1> 보수체계별 위험중립・선호 비율 주: 각각의 보수체계에서 위험중립・선호적인 개인의 비율을 나타냄. 개인-기업 매치와 관련된 변수도 보수체계 선택의 결정요인이 될 수 있다. 재직기 간, 노조가입, 정규직, 기업규모, 직종, 산업 변수가 여기에 해당된다. 재직기간 평균연 수는 6.67년이다. 노조에 가입한 근로자 비율은 11.2%이다. 정규직 비율은 70.5%로 나 타난다. 기업규모 더미는 1-4인, 5-29인, 30-99인, 100-299인, 300-999인, 1,000인 이상 과 기업규모를 잘 모른다고 응답한 근로자 집단의 더미들로 구성되어 있다. 각각의 구성비는 14.3%, 26.4%, 13.2%, 9.2%, 7.6%, 16.4%, 13.0%이다. 개인-기업 매치 관련 변수들에서도 보수체계에 따른 차이가 관찰된다. 성과급 근 로자들이 고정급 근로자들에 비해 재직기간이 더 길고, 노조가입 비율과 정규직 비율 이 더 높다. 그리고 성과급 근로자들이 고정급 근로자들에 비해 규모가 큰 기업에 상 대적으로 많이 분포되어 있다. 개인 성과급과 집단 성과급 근로자의 경우 300인 이상 에 기업규모에 각각 39.0%와 57.4%가 분포되어 있지만, 고정급 근로자는 100인 이하 의 기업규모에 61.6%가 분포되어 있다. <표 2.1>에는 제시하지 않았지만, 보수체계는 직종과 산업에 따라서도 다르게 분 포되어 있다. 먼저 직종에 따라 보수체계 구성비에 큰 차이가 나타난다. 성과급의 비 중은 단순노무직 7.2%, 기능원 및 관련종사자 10.0%, 서비스종사자 10.0%에서 낮고, 고위임직원 및 관리자 43.5%, 전문가 31.2%, 사무직 29.3%에서 상대적으로 높다. 실 증분석에서는 이러한 차이를 통제하기 위해 직종 대분류 기준으로 9개의 직종 더미를 작성하여 사용한다. 보수체계의 구성비는 산업별로도 큰 차이를 보인다. 성과급의 비 중은 음식숙박업 3.1%, 영화오락운동 7.1%, 보건복지업 7.9%, 건설업 9.4% 등에서 낮 고, 금융보험업 48.3%, 전기가스증기수도업 41.7%, 공공국방사회보장 40.6%, 전문과학
기술서비스 29.6% 등에서 높다. 실증분석에서는 이러한 산업별 구성비의 차이를 반영 하여 제조업, 전기가스수도건설업, 도소매음식숙박운송업, 금융보험사업서비스업, 기타 서비스업의 5개의 산업 더미를 작성하여 사용한다.4)
3. 추정방법
본고는 다항로짓(multinomial logit: 이하 MNL) 모형과 다항프로빗(mutinomial probit; 이하 MNP) 모형을 이용하여 개인의 위험선호와 개인이 선택한 보수체계의 관 련성을 분석한다. 두 모형은 모두 서열이 존재하지 않는(unordered) 다양한 범주들 (categories) 사이의 선택 문제를 다룬다. 우리의 예에서, 개인은 (1) 개인 성과급 (2) 집단 성과급 (3) 고정급 중 하나를 선택한다. 이러한 선택에 각각 1, 2, 3의 값을 부여 한다고 가정하자. 이 경우 각각의 범주에 부여된 값은 자의적이고, 부여된 값의 크기 자체는 아무런 의미가 없다. 이때 주로 사용되는 모형이 MNL 모형과 MNP 모형이 다. MNL 모형과 MNP 모형은 효용 극대화(utility maximization)의 경제이론을 바탕 으로 하고 있다(McFadden(1974), Greene(2017)). 보수체계 에 대한 개 인 의 효용 는 보수체계와 관련된 관찰된 개인 특성 및 개인-기업 매치 변수로 구성된 독립변수 벡터 와 오차항 의 함수라고 가정하자. 이를 식으 로 표현하면 (3.1) 이다. 벡터 에는 우리가 관심을 가지는 개인의 위험선호 변수가 포함되어 있다. 우 리는 이 변수의 회귀계수를 추정하고자 한다. 개인이 자신의 효용을 극대화한다고 가정하자. 개인 가 보수체계 를 선택할 확 률은 다음과 같다. ≠ (3.2) 이를 다시 정리하면, ≠ (3.3) 4) 한국노동패널 10차 조사는 직종분류는 표준직업분류 5차, 산업분류는 표준산업분류 8차를 사용하고 있다. 직종과 산업분류는 주요 추정결과에 영향을 미치지 않으므로, 직종 및 산업 분류는 최신 분류로 불완전하게 전환하지 않고, 한국노동패널 10차 조사의 분류방식을 그대 로 따르기로 한다.
이 된다.
MNL 모형과 MNP 모형은 오차항 의 구조에 관하여 다른 가정을 한다. MNL
모형은 오차항들이 독립적이고 동일하게 분포된(iid) 타입 I 극단값 분포(Type I extreme value distribution)를 갖는다고 가정한다. 이 가정하에서 개인 가 보수체계 를 선택할 확률은 다음과 같이 주어진다.
exp exp (3.4) MNP 모형은 오차항이 평균이 0이고 공분산이 인 다변량 정규분포(multivariate normal distribution)라고 가정한다. 즉 라고 가정한다. 이 가정하에서 개인 가 보수체계 를 선택할 확률은 다음과 같이 주어진다.
∞ ≠ (3.5) 여기에서 ∙는 다변량 정규분포의 확률밀도함수이다. 개인 가 보수체계 를 선택한 경우 , 가 아닌 개의 다른 대안을 선택 한 경우 의 값을 갖는 더미변수 를 정의하자. 그러면 로그 우도함수 (log-likelihood function)는 다음과 같이 표현할 수 있다. ln
ln (3.6) 여기에서 는 식 (3.4)와 (3.5)에서 정의된 것이다. 추정계수는 식 (3.6)을 극대화하 는 값이다. MNL 모형과 MNP 모형에서 을 식별하기(identify) 위해서는 모델에 제약을 부 여해야 한다. 왜냐하면, 하나 이상의 파라미터의 벡터 가 해(solution)로 존재할 수 있기 때문이다. MNL 모형과 MNP 모형에서는 통상적으로 하나의 준거 범주를 설정 하고, 그 준거집단의 을 0 벡터로 설정(normalize)한 뒤, 나머지 범주의 의 값을 추정한다. 이는 준거 범주의 효용을 일정한 값으로 고정하는 것을 의미한다. 우리의 분석에서는 개인이 개인 성과급, 집단 성과급, 고정급 세 가지 유형의 보수 체계를 놓고 선택을 한다고 가정한다. 따라서 이다. 세 가지 범주에 개인 성과급 = 1, 집단 성과급 = 2, 고정급 = 3의 값을 부여하고, 준거 범주는 인 개인 성과 급으로 설정한다. 따라서 이다. 다음 절에서 제시되는 추정결과는 이러한 가정 아래에서 추정된 결과이므로, 추정계수는 모두 준거 범주인 개인 성과급을 기준으로상대적으로 해석된다.5)
마지막으로 모형의 가정에 관하여 언급할 것이 있다. MNL 모형은 무관한 대안에 서의 독립(independence of irrelevant alternatives, IIA)이라는 가정을 포함하고 있다 (Greene(2017)). 이 가정은 개인이 자신의 선호체계에 따라 두 가지 대안을 비교하여 선택할 때, 그 우열은 선택 집합에 다른 대안이 추가되거나 제거되어도 변하지 않는 다는 것이다(Arrow(1951)). 한편 MNP 모형은 이러한 제약이 부여되어 있지 않다. IIA 가정에 입각한 MNL 모형은 선택 집합이 유동적인 상황에서 선택지의 추가 또는 제거에 따른 대체관계를 잘 측정하지 못한다는 문제가 있다. 그러나 우리의 경우는 보수체계라는 몇 가지로 분류되는 고정된 선택지 사이의 선택을 다루고 있으므로 MNL 모형의 IIA 가정 자체가 크게 문제 되지는 않을 것이다.
4. 추정결과
4.1 기본 추정결과 <표 4.1>은 개인의 위험선호와 보수체계의 선택에 관한 기본 추정결과를 제시한 다. 이 표에는 MNL 모형의 추정결과와 MNP 모형의 추정결과가 나란히 제시되어 있 다. 표 하단의 우도 비율 통계량(likelihood ratio statistics)을 이용한 LR 검증과 Wald 검증은 두 모형이 전반적으로 자료에 잘 부합됨을 확인해 준다. 두 추정모형 모두에서 준거 범주는 개인 성과급이다. 개인 성과급의 추정계수들은 모두 0 벡터로 정규화(normalize)된다. 따라서 회귀계수들은 상대적 확률(relative probability)이며, 그 크기 자체로서가 아니라 준거 범주인 개인 성과급을 기준으로 상 대적으로 해석되어야 한다. 이러한 점을 명확하게 하려고 표에서도 단순히 ‘집단 성과 급’과 ‘고정급’이라고 표기하지 않고, ‘집단 성과급/개인 성과급’과 ‘고정 성과급/개인 성과급’이라고 표기한다. 4.1.1 다항로짓(MNL) 모형 추정결과 먼저 <표 4.1>에 제시된 MNL 모형 추정결과를 살펴보자. 우선 ‘집단 성과급/개인 성과급’ 열을 보자. 개인 특성 변수 중에서 개인 성과급 대비 집단 성과급의 선택에 영향을 미치는 요인은 연령(만나이)이다. 연령의 회귀계수는 –0.047로 1% 수준에서 통계적으로 유의하다. 개인의 나이가 많을수록, 개인 성과급 대비 집단 성과급을 선택 할 확률이 감소한다. 반면 개인 특성 변수 중 성별, 혼인상태는 집단 성과급의 상대적 선택확률에 유의한 영향을 미치지 않는 것으로 나타난다. 두 변수의 회귀계수는 모두 통계적으로 유의하지 않다. 교육수준 또한 집단 성과급의 상대적 선택에 영향을 미치 5) 네 가지 유형의 보수체계로 나누어 분석하는 경우에는 이다. 이때도 준거 범주는 개인 성과급으로 설정한다.지 않는 것으로 추정된다. 고졸, 전문대졸, 대졸, 대학원 이상 더미들의 회귀계수는 모 두 통계적 유의성이 없다. 개인-기업 매치 변수 중에서는 정규직 여부와 기업규모가 개인 성과급 대비 집단 성과급의 선택에 영향을 미치는 것으로 추정된다. 정규직 더미의 회귀계수는 0.939로 1% 수준에서 통계적으로 유의하다. 정규직일수록 개인 성과급 대비 집단 성과급을 선 택할 확률이 높다. 기업규모 더미는 1,000인 이상에서 통계적으로 유의한 양(+)의 값 을 보인다. 추정계수는 0.665이며 1% 수준의 통계적 유의성을 유지하고 있다. 기업규 모 100-299인 더미의 회귀계수도 10% 수준에서 한계적으로 유의한 양(+)의 값이다. 이들 기업규모에 종사하는 개인의 보수체계는 개인 성과급보다 집단 성과급일 확률이 높다. 그러나 노조가입 여부는 집단 성과급의 상대적 선택 확률에 영향을 미치지 않 는 것으로 추정된다. ‘집단 성과급/개인 성과급’ 열에서 우리가 관심을 가지는 위험기피 변수의 회귀계 수는 0.539로 5% 수준에서 통계적으로 유의하다. 따라서 위험기피적 개인일수록 개인 성과급보다는 임금 변동성의 위험이 낮은 집단 성과급을 선택할 확률이 높다. 이는 위험선호가 보수체계 선택에 영향을 미친다는 가설을 지지해주는 결과이다. 다음으로 MNL 모형의 ‘고정급/개인 성과급’ 열을 살펴보자. 개인 성과급 대비 고 정급의 선택에 영향을 미치는 개인 특성 변수는 성별과 학력이다. 성별의 회귀계수는 –0.348로 5% 수준에서 통계적으로 유의하다. 남성일수록 개인 성과급에 비해 고정급 을 선택할 확률이 낮다. 학력 더미의 추정계수는 모두 음(-)의 값을 가지며, 이 중 대 졸이 5% 수준에서, 고졸과 대학원졸 이상이 10% 수준에서 통계적으로 유의하다. 따 라서 중졸이하에 비하여 대졸일수록 개인 성과급 대비 고정급을 선택할 확률이 낮다. 고졸과 대학원졸 더미에 대해서도 같은 해석이 가능하다. 반면 개인 특성 변수 중 혼 인상태와 연령은 개인 성과급 대비 고정급의 상대적 선택확률에 유의한 영향을 미치 지 않는 것으로 나타난다. 두 변수의 회귀계수는 통계적으로 유의하지 않다. 개인-기업 매치 변수 중에서는 재직기간과 기업규모가 개인 성과급 대비 고정급의 선택에 영향을 미치는 것으로 나타난다. 재직기간의 회귀계수는 –0.090으로 1% 수준 에서 통계적으로 유의하며, 재직기간 제곱의 회귀계수는 0.215로 역시 1% 수준에서 통계적으로 유의하다. 재직기간이 길수록 개인 성과급 대비 고정급의 상대적 선택확 률은 감소하지만, 그 감소 폭은 점차 작아진다. 기업규모 더미는 300-999인과 1,000인 이상에서 통계적으로 1% 수준에서 유의한 음(-)의 값을 보인다. 이들 기업규모에 종 사하는 개인의 보수체계는 개인 성과급보다 고정급일 확률이 30인 미만의 소규모 기 업에 비해 낮다. 한편 정규직 여부와 노조가입 여부는 고정급의 상대적 선택 확률에 영향을 미치지 않는 것으로 나타난다. ‘고정급/개인 성과급’ 열에서 위험기피의 회귀계수는 0.407로 5% 수준에서 통계적 으로 유의하다. 따라서 위험기피적 개인일수록 개인 성과급보다는 변동성이 낮은 고 정급을 선택할 확률이 높다. 이 역시 보수체계 선택에 위험선호가 영향을 미친다는 가설에 부합한다. MNL 모형은 IIA의 가정에 입각하고 있으므로 보수체계 사이의 상관관계가 문제 될 수 있다. 만약 IIA 가정이 위배되면, 이를 고려한 다른 방식의 추정방법(nested
logit 또는 heteroscedastic logit model)이 사용되어야 한다. IIA 가정 위배 여부는 Hausman & McFadden(1984) 검증을 통해 확인될 수 있다. 이 검증에 따르면, 집단 성과급 또는 고정급 등 어느 한 범주를 제외하고 추정하더라도 다른 범주의 추정계수 에는 큰 영향을 미치지 않는 것으로 나타난다. 즉, 집단 성과급을 제외한 경우 통 계량은 -25.82, 고정급을 제외한 경우 통계량은 14.64로 범주를 제외한 모형과 포 함한 모형의 추정계수들 사이의 체계적 차이가 존재하지 않는다는 가설을 기각할 수 없다. 따라서 Hausman & McFadden 검증에 따르면 IIA 가정이 위배된다는 증거는 발견되지 않는다.6) 4.1.2 다항프로빗(MNP) 모형 추정결과 이제 <표 4.1>에 제시된 MNP 모형의 추정결과를 살펴보자. MNP 모형의 기본구 조와 가정이 MNL 모형과 다르므로 추정계수를 직접 비교할 수는 없으나, 정성적인 비교는 가능하다. 두 모형의 추정결과는 매우 유사하다. 추정계수의 부호는 동일하며, 통계적 유의성 또한 거의 일치한다. 먼저 MNP 모형의 ‘집단 성과급/개인 성과급’ 열을 살펴보자. MNL 모형의 추정결 과와 같이, 개인 특성 변수 중에서 개인 성과급 대비 집단 성과급의 선택에 영향을 미치는 요인은 연령(만나이)이다. 연령의 회귀계수는 –0.032로 1% 수준에서 통계적으 로 유의하다. 반면 개인 특성 변수 중 성별, 혼인상태와 교육수준은 집단 성과급의 상 대적 선택확률에 유의한 영향을 미치지 않는다. 개인-기업 매치 변수 중에서는 정규직 여부와 기업규모가 개인 성과급 대비 집단 성과급의 선택에 영향을 미치는 것으로 나타난다. 정규직 더미의 회귀계수는 0.595로 1% 수준에서 통계적으로 유의하다. 기업규모 더미는 1,000인 이상에서 1%, 100-299인 에서 5% 수준에서 통계적으로 유의한 양(+)의 값을 보인다. 한편 노조가입 여부는 집 단 성과급의 상대적 선택 확률에 영향을 미치지 않는다. ‘집단 성과급/개인 성과급’ 열에서 위험기피 변수의 회귀계수는 0.361로 5% 수준에 서 통계적으로 유의하다. 따라서 MNL 모형의 추청결과와 마찬가지로 위험기피적 개 인일수록 개인 성과급보다는 임금 변동성의 위험이 낮은 집단 성과급을 선택할 확률 이 높다. 다음으로 MNP 모형의 ‘고정급/개인 성과급’ 열을 살펴보자. MNL 모형의 추정결 과와 같이, 개인 성과급 대비 고정급의 선택에 영향을 미치는 개인 특성 변수는 성별 과 학력이다. 성별의 회귀계수는 –0.265로 1% 수준에서 통계적으로 유의하다. 학력 더미의 추정계수는 모두 음(-)의 값을 가지며, 이 중 대졸이 1% 수준, 대학원졸 이상 이 5% 수준, 고졸이 10% 수준에서 한계적 유의성을 가진다. 반면 개인 특성 변수 중 혼인상태와 연령은 고정급의 상대적 선택확률에 유의한 영향을 미치지 않는 것으로 나타난다. 6) 다항로짓모형의 IIA 가정에 관한 검증 필요성을 지적한 익명의 심사자에게 감사드린다.
개인-기업 매치 변수가 보수체계의 선택에 미치는 영향도 MNL 모형의 추정결과 와 같다. 우선 재직기간과 기업규모가 개인 성과급 대비 고정급의 선택에 영향을 미 친다. 재직기간의 회귀계수는 –0.068로 1% 수준에서 통계적으로 유의하며, 재직기간 제곱의 회귀계수는 0.155로 5% 수준에서 통계적으로 유의하다. 기업규모 더미는 300-999인과 1,000인 이상에서 통계적으로 1% 수준에서 유의한 음(-)의 값을 보인다. 따라서 재직기간이 길수록, 기업규모가 클수록 개인의 보수체계는 개인 성과급보다 고정급일 확률이 낮다. 정규직 여부와 노조가입 여부는 고정급의 상대적 선택확률에 영향을 미치지 않는 것으로 나타난다. ‘고정급/개인 성과급’ 열에서 위험기피의 회귀계수는 0.276으로 5% 수준에서 통계 적으로 유의하다. 따라서 위험기피적 개인일수록 개인 성과급보다는 임금 변동성의 위험이 낮은 고정급을 선택할 확률이 높다. 이상의 기본 추정결과를 요약해 보자. MNL 모형과 MNP 모형 모두에서 개인의 위험선호는 보수체계의 선택에 통계적으로 유의한 영향을 미치는 것으로 나타난다. 위험기피적 개인일수록 개인 성과급보다는 집단 성과급을 선택할 확률이 높으며, 또 한 개인 성과급보다는 고정급을 선택할 확률이 높게 추정된다. 이러한 추정결과는 보 수체계의 선택에 관한 위험선별 가설에 부합하는 결과이다.
<표 4.1> 기본 추정결과 다항로짓(MNL) 다항프로빗(MNP) 변수 /개인집단 /개인고정 /개인집단 /개인고정 상수항 (0.987)0.151 3.770(0.773)*** (0.647)0.071 2.790(0.526)*** 위험기피(=1) 0.539(0.223)** (0.171)0.407** (0.154)0.361** 0.276(0.125)** 성별(남성=1) (0.184)0.197 -0.348 ** (0.136) (0.121)0.108 -0.265 *** (0.096) 혼인상태(기혼유배우=1) (0.196)0.168 (0.147)-0.168 (0.130)0.126 (0.103)-0.128 연령(만나이) -0.047(0.013)*** (0.009)0.006 -0.032(0.009)*** (0.006)0.005 재직기간(년) (0.033)0.020 -0.090(0.026)*** (0.022)0.015 -0.068(0.019)*** 재직기간 제곱 (0.107)0.108 0.215(0.088)*** (0.072)0.071 0.155(0.062)** 학력 고졸 (0.392)0.148 -0.481(0.262)* (0.243)0.186 -0.313(0.167)* 전문대졸 (0.429)0.564 (0.302)-0.322 (0.269)0.461* (0.196)-0.221 대졸 (0.424)0.347 -0.751(0.295)** (0.268)0.340 -0.532(0.195)*** 대학원졸 이상 (0.500)0.485 -0.719(0.373)* (0.329)0.455 -0.511(0.261)** 정규직(=1) 0.939(0.257)*** (0.159)-0.141 0.595(0.161)*** (0.112)-0.124 노조가입(=1) (0.205)0.259 (0.180)-0.073 (0.143)0.169 (0.128)-0.101 기업규모 30-99인 (0.272)0.048 (0.191)-0.124 (0.175)0.059 (0.134)-0.075 100-299인 (0.281)0.535* (0.219)-0.201 (0.183)0.373** (0.152)-0.181 300-999인 (0.265)0.307 -0.571(0.205)*** (0.179)0.195 -0.453(0.148)*** 1000인 이상 0.665(0.211)*** -1.034(0.163)*** 0.507(0.142)*** -0.799(0.118)*** 직종 더미 포함 포함 포함 포함 산업 더미 포함 포함 포함 포함 로그 우도값 -2095.2 -2091.7 Likelihood Ratio () 949.7 (p=0.000) Wald () 727.8 (p=0.000) 표본수 3,986 3,986 주: 개인 성과급 범주의 추정계수는 0으로 정규화(normalize)함. ( )안의 숫자는 표준오차. *** 1% 유의수준, ** 5% 유의수준, * 10% 유의수준.
4.2 강건성 검토(Robustness Checks) 앞에서 제시한 기본 추정결과의 강건성을 검토해 보자. 세 가지 측면에서 검토가 이루어진다. 첫째는 표본을 노동시장의 핵심 연령층으로 한정하여 분석하는 것이고, 둘째는 보수체계의 범주를 달리하여 분석하는 것이며, 셋째는 다른 위험선호 변수를 이용하여 분석하는 것이다. 이러한 분석을 통해, 기본 추정결과에서 나타난 위험선호 와 보수체계의 관계가 일관적으로 유지되는지를 살펴볼 것이다. 4.2.1. 연령층 먼저 연령층을 한정하여 추정한 결과를 살펴보자. <표 4.2>는 표본을 25-54세로 한정하여 분석한 결과이다. 앞에서 분석한 전체 표본은 65세 미만인 임금근로자로 구 성되어 있다. 여기에는 노동시장의 참여가 한계적인 연령계층이 일부 포함되어 있다. 예를 들어, 표본에는 교육을 아직 마치지 않았거나 노동시장에서 초기 탐색과정에 있 는 청년층이 존재한다. 또한, 한국노동패널 10차 조사는 법적 정년이 60세로 설정되기 이전의 조사이므로, 표본에는 정년연령에 도달하였거나, 실제 퇴직연령에 도달하여 이 미 주된 직장에서 퇴직하고 다시 노동시장에 재진입한 장년층이 상당수 있다. 따라서 연령층을 노동시장 핵심 연령계층으로 좁혀 분석할 필요가 있다. <표 4.2>의 연령층을 제한한 표본의 추정결과는 연령층을 제한하지 않은 전체 표 본의 추정결과와 유사한 결과를 제시한다. 먼저 MNL 모형의 추정결과를 보자. ‘집단 성과급/개인 성과급’의 선택에 영향을 미치는 5% 이상의 통계적 유의성을 나타내는 통제변수는 연령, 정규직, 기업규모 100-299인과 1000인 이상이다. ‘고정급/개인 성과 급’의 선택에서는 성별, 재직기간, 기업규모 300-999인과 1000인 이상이다. 집단 성과 급의 상대적 선택에서 기업규모 100-299인의 유의수준이 증가한 것과 고정급의 상대 적 선택에서 교육수준 더미의 유의성이 감소한 것을 제외하면 부호와 통계적 유의수 준이 모두 <표 4.1>의 MNL 모형의 기본 추정결과와 같다. 연령을 25-54세로 제한한 표본의 MNP 모형의 추정결과도 마찬가지이다. ‘집단 성과급/개인 성과급’의 선택에 영향을 미치는 5% 이상의 통계적 유의성을 나타내는 통제변수는 연령, 정규직, 기업 규모 100-299인과 1000인 이상이다. ‘고정급/개인 성과급’의 선택에서는 성별, 재직기 간, 대졸, 기업규모 300-999인과 1000인 이상이다. 고정급의 상대적 선택에서 교육수 준 더미의 유의성이 감소한 것을 제외하면 부호와 통계적 유의수준이 모두 <표 4.1> 의 MNP 모형의 추정결과와 같다. 25-54세 표본에서도 위험기피 변수의 추정계수는 모두 통계적으로 유의한 양(+)의 부호를 보인다. MNL 모형에서 위험기피 변수의 추정계수는 ‘집단 성과급/개인 성과 급’ 열에서 0.612, ‘고정급/개인 성과급’ 열에서 0.487으로 추정되며, 모두 1% 수준에서 통계적으로 유의하다. 이는 5% 수준을 보인 전체 표본의 추정결과보다 통계적 유의성 이 증가한 것이다. MNP 모형에서 위험기피 변수의 추정계수는 ‘집단 성과급/개인 성 과급’ 열에서 0.409, ‘고정급/개인 성과급’ 열에서 0.331로 추정되며, 각각 1%와 5% 수
준에서 통계적으로 유의하다. 전체 표본의 추정결과와 다른 점은 ‘집단 성과급/개인 성과급’ 열의 추정계수의 통계적 유의성이 5%에서 1%로 증가한 것이다. 따라서 위험기피적 개인일수록 개인 성과급 대비 집단 성과급 및 개인 성과급 대 비 고정급을 선택할 확률이 높다는 증거는 표본을 25-54세 연령층으로 한정하여도 강 건하게 유지된다고 할 수 있다. 4.2.2. 보수체계 범주 다음으로 보수체계의 범주를 바꾸어 분석한 결과를 살펴보자. 기본 추정에서는 보 수체계를 개인 성과급, 집단 성과급, 고정급의 세 가지로 분류하여 분석을 진행하였 다. 이제 보수체계의 분류를 한국노동패널 설문에 따라 개인 성과급, 팀․부서 성과 급, 회사 성과급, 고정급의 네 가지로 바꾸어 분석을 진행해 보자. 범주별 관측치는 개인 성과급 366개, 팀․부서 성과급 189개, 회사 성과급인 경우는 255개, 고정급 3,176개이다. 준거 범주는 기본 추정에서와 같이 개인 성과급으로 설정한다. 따라서 여기에서는 개인 성과급과 대비한 상대적 선택, 즉 ‘팀․부서 성과급/개인 성과급’, ‘회 사 성과급/개인 성과급’, ‘고정급/개인 성과급‘의 선택 문제를 다루게 된다. <표 4.3>은 보수체계의 범주를 네 개로 나누어 분석한 결과를 제시하고 있다. 먼 저 MNL 추정결과를 보자. ‘팀․부서 성과급/개인 성과급’의 선택에 영향을 미치는 5% 이상의 통계적 유의성을 보이는 통제변수는 연령, 정규직, 기업규모 100-299인과 1000인 이상이다. 개인 성과급에 대비 팀․부서 성과급을 선택할 확률은 나이가 많을 수록 낮고, 정규직일수록, 기업규모가 클수록 높다. 학력 더미는 전문대졸과 대졸이 10% 수준에서 유의한 양(+)의 부호를 보인다. 중졸 이하와 비교하면 이들 학력이 상 대적으로 팀․부서 성과급을 선택할 확률이 높다. ‘회사 성과급/개인 성과급’의 선택에 서는 연령, 정규직, 기업규모 1,000인 이상이다. 팀․부서 성과급의 상대적 선택에서와 마찬가지로 개인 성과급 대비 회사 성과급의 선택은 나이가 많을수록 낮고, 정규직일 수록 그리고 기업규모가 1,000인 이상일수록 높다. 따라서 개인 성과급 대비 팀․부서 성과급과 회사 성과급의 선택은 모두 연령, 정규직, 기업규모라는 같은 요인에 의해 결정됨을 알 수 있다. 이러한 결과는 <표 4.1>에서 팀․부서 성과급과 회사 성과급을 집단 성과급이라는 하나의 범주로 묶어 분석한 결과에서 확인된 것이다. 마지막으로 ‘고정급/개인 성과급’의 선택은 성별, 재직기간, 교육수준, 기업규모 등의 영향을 받는 다. 변수들의 추정계수와 표준오차는 <표 4.1>의 MNL 기본 추정결과에서 제시된 것 과 거의 차이가 없다. 따라서 새로운 범주의 추가가 ‘고정급/개인 성과급’의 추정결과 에 영향을 미치지 못한다. Hausman & Mcfadden 검증의 결과 역시 모형의 IIA 가정 을 지지한다. 다음으로 MNP 추정결과를 보자. MNP 추정결과는 MNL 추정결과와 추정계수의 크기만 다를 뿐 정성적으로 동일하다. ‘팀․부서 성과급/개인 성과급’의 선택에 영향을 미치는 5% 이상의 통계적 유의성을 보이는 통제변수는 연령, 정규직, 기업규모 100-299인과 1,000인 이상이다. 학력 더미는 전문대졸이 5%, 대졸이 10% 수준에서 유 의한 양(+)의 부호를 보인다. ‘회사 성과급/개인 성과급’의 선택에 영향을 미치는 변수
는 연령, 정규직, 기업규모 1,000인 이상이다. 따라서 MNL 추정결과의 해석과 같은 해석이 가능하다. 따라서 MNP 추정결과에서도 개인 성과급 대비 팀․부서 성과급과 회사 성과급의 선택은 모두 연령, 정규직, 기업규모라는 같은 요인에 의해 결정됨을 알 수 있다. 마지막으로 ‘고정급/개인 성과급’의 선택도 성별, 재직기간, 교육수준, 기 업규모 등의 영향을 받는다. 변수들의 추정계수와 표준오차는 <표 4.1>의 MNP 추정 결과에서 제시된 것과 거의 차이가 없다. 위험기피 변수의 추정계수는 네 개 범주로 나누어 분석한 경우에도 모두 통계적으 로 유의한 양(+)의 부호를 보인다. MNL 모형에서 위험기피 변수의 추정계수는 ‘팀․ 부서 성과급/개인 성과급’ 열에서 0.629로 5% 수준, ‘회사 성과급/개인 성과급’ 열에서 0.476로 10% 수준, ‘고정급/개인 성과급’ 열에서 0.406으로 5% 수준에서 통계적으로 유의하다. <표 4.2>의 MNL 모형에서 세 개 범주로 나누어 추정한 ‘집단 성과급/개인 성과급’ 열의 위험기피의 추정계수 0.539는 <표 4.3>의 MNL 모형의 ‘팀․부서 성과 급/개인 성과급’과 ‘회사 성과급/개인 성과급’ 열의 위험기피 추정계수 사이에 위치한 다. 이미 언급한 것처럼 ‘고정급/개인 성과급’ 열의 추정계수, 표준오차 및 유의수준은 세 범주 추정결과와 같다. MNP 모형에서 위험기피 변수의 추정계수는 ‘팀․부서 성 과급/개인 성과급’ 열에서 0.403으로 5% 수준, ‘회사 성과급/개인 성과급’ 열에서 0.307 로 10% 수준, ‘고정급/개인 성과급’ 열에서 0.274로 5% 수준에서 통계적으로 유의하 다. <표 4.2>의 MNP 모형에서 세 개 범주로 나누어 추정한 ‘집단 성과급/개인 성과 급’ 열의 위험기피의 추정계수 0.361은 <표 4.3>의 MNP 모형에서 ‘팀․부서 성과급/ 개인 성과급’과 ‘회사 성과급/개인 성과급’ 열의 위험기피 추정계수 사이에 위치한다는 점, 그리고 ‘고정급/개인 성과급’ 열의 추정계수, 표준오차 및 유의수준이 세 범주 추 정결과와 같은 점도 MNL 모형에서와 마찬가지로 확인된다. 이상과 같은 추정결과는 기본 추정의 성과급 범주를 바꾸어도, 위험기피적 개인일 수록 개인 성과급에 비해 집단 성과급 및 고정급을 선택할 확률이 높다는 기본 추정 의 결과는 변하지 않음을 알려 준다. 본문에 제시하지 않았으나, 이러한 추정결과는 보수체계 범주를 4개로 유지하고 연령층을 25-54세로 제한해도 달라지지 않는다. 4.2.3. 위험기피 변수 한국노동패널에는 위험선호와 관련된 비슷한 유형의 설문이 모두 5개 존재한다. 기본 추정에서는 이 중 첫 번째의 설문을 이용하여 응답자의 위험선호를 변수화하였 다. 여기에서는 나머지 설문들을 활용하여 위험기피 변수를 구성하고, 이들 변수를 이 용하여 위험선호와 보수체계의 관계를 추정해보고자 한다.7) 위험선호에 관한 나머지 설문들은 다음과 같다. 설문 상황은 첫 번째 질문과 같고, 현금 10만원에 대비한 복권의 당첨확률, 당첨상금 및 기대이익이 각각 다르게 설정되 어 있다. 즉, (1) 당첨확률 50%로 15만원과 당첨 안될 확률 50%로 5만원인 첫 번째 7) 위험선호 관련 설문을 이용한 강건성 추정을 제안해 준 익명의 심사자에게 감사드린다. 심사 자는 다섯 설문의 정보를 모두 이용하여 위험선호 여부뿐만 아니라 선호의 강도를 반영한 강건성 추정을 제안하였으나, 논문에 반영하지 못하고 추후과제로 남긴다.
설문에 더하여 (2) 당첨확률 50%로 20만원과 당첨 안될 확률 50%로 0만원, (3) 당첨 확률 40%로 20만원과 당첨 안될 확률 60%로 0만원 (4) 당첨확률 60%로 20만원과 당 첨 안될 확률 40%로 0만원, (5) 당첨확률 20%로 50만원과 당첨 안될 확률 80%로 0 만원의 네 가지가 제시되어 있다. 이 중 (2)과 (5)의 경우는 복권의 기대이익이 10만원이므로 앞의 식 (2.1)과 같은 방식으로 위험기피 변수를 구성하는 것이 가능하다. 즉, 현금을 선택한 경우를 1, 복 권을 선택한 경우와 무차별한 경우를 0으로 하는 더미변수를 작성할 수 있다. (3)의 경우는 복권의 기대이익이 8만원으로 현금 10만원보다 작다. 위험중립적인 개인은 물 론 위험선호적 개인도 현금을 선택할 수 있다. (4)의 경우는 복권의 기대이익이 12만 원으로 현금 10만원보다 크다. 이때는 위험중립적인 개인은 물론 위험기피적 개인도 복권을 선택할 수 있다. 따라서 (3)과 (4)의 설문으로는 기본 추정에서 사용된 위험기 피 변수에 상응하는 변수를 구성할 수 없다. 여기에서는 리스크 관련 두 번째 설문과 다섯 번째 설문을 이용하여 위험기피에 관한 두 개의 대체 변수를 구성한다. <표 4.4>과 <표 4.5>는 이들 위험기피 대체 변수를 이용한 추정결과를 제시하고 있다. <표 4.4>는 현금 10만원과 당첨확률 50%로 20만원과 당첨 안될 확률 50%로 0 만원인 복권 사이의 선택에 관한 위험기피 대체 변수를 사용한 추정결과이며, <표 4.5>는 현금 10만원과 당첨확률 20%로 50만원과 당첨 안될 확률 80%로 0만원인 복 권 사이의 선택에 관한 위험기피 대체 변수를 사용한 추정결과이다. 두 표에 제시된 MNL 모형과 MNP 모형의 추정결과는 위험선호 변수의 추정결과를 제외하면, <표 4.1>의 기본모형의 추정결과와 거의 같다. 개인 성과급 대비 집단 성과급의 선택에 통계적으로 유의한 영향을 미치는 요인은 연령, 정규직, 기업규모이다. 개인 성과급 대비 고정급의 선택에 통계적으로 유의한 영향을 미치는 요인은 연령, 재직기간, 기업 규모이다. 이들 통제변수의 추정계수의 부호는 기본 추정결과와 같으며, 추정치의 크 기와 유의수준도 비슷하다. 그러나 위험기피 변수의 추정계수는 위험기피 변수에 따라 달라진다. 첫 번째 대 체 변수를 사용한 <표 4.4>를 보면 위험기피 변수의 추정계수는 MNL 모형에서는 0.404와 0.136, MNP 모형에서는 0.266과 0.078이다. 추정계수는 모두 양(+)의 부호를 보이지만 통계적으로 유의하지는 않다. 반면 두 번째 대체 변수를 사용한 <표 4.5>를 보면 위험기피 변수의 추정계수는 MNL 모형에서는 0.582와 0.436, MNP 모형에서는 0.365와 0.309이다. 추정계수는 모두 양(+)의 부호를 보이며, 통계적으로 5% 수준의 유의성을 유지하고 있다. 추정계수의 크기도 기본 추정결과에서와 크게 다르지 않다. 이러한 위험기피 변수의 구성에 따른 추정결과의 차이가 측정오류(measurement error)에 기인하는 것일 수도 있으나, 이 논문에서 확인할 방법은 없다. 다만 위험기피 정도를 반영한 위험선호 변수의 구성 방법에 관해서는 추가 연구가 필요하다.8) 결론 적으로, 위험기피 변수에 관한 기본 추정결과의 강건성은 부분적으로 확인된다. 8) 위험선호에 관한 설문으로부터 위험기피 정도에 관한 연속변수를 구성하는 방법은 Barsky et al. (1997)과 Kimball et al.(2008)에 제시되어 있으나, 한국노동패널과는 다른 식의 설문구 조을 전제로 하고 있다.
<표 4.2> 강건성 추정: 25-54세 다항로짓(MNL) 다항프로빗(MNP) 변수 /개인집단 /개인고정 /개인집단 /개인고정 상수항 (1.135)-0.075 3.600(0.910)*** (0.740)-0.046 2.671(0.615)*** 위험기피(=1) 0612(0.229)*** 0.487(0.175)*** 0.409(0.159)*** 0.331(0.129)** 성별(남성=1) (0.195)0.254 -0.364 ** (0.144) (0.128)0.144 -0.280 *** (0.102) 혼인상태(기혼유배우=1) (0.201)0.182 (0.150)-0.133 (0.134)0.129 (0.107)-0.106 연령(만나이) -0.043(0.016)*** (0.011)0.011 -0.029(0.010)*** (0.008)0.010 재직기간(년) (0.038)0.020 -0.109(0.030)*** (0.026)0.016 -0.080(0.021)*** 재직기간 제곱 (0.136)0.107 0.301(0.112)*** (0.091)0.062 0.211(0.078)*** 학력 고졸 (0.422)0.152 (0.281)-0315 (0.262)0.186 (0.181)-0.196 전문대졸 (0.458)0.604 (0.321)-0.218 (0.289)0.485* (0.211)-0.155 대졸 (0.456)0.392 -0.580(0.316)* (0.288)0.375 -0.406(0.210)** 대학원졸 이상 (0.534)0.414 (0.393)-0.580 (0.350)0.398 (0.276)-0.405 정규직(=1) 0.859(0.268)*** (0.168)-0.062 0.548(0.170)*** (0.120)-0.064 노조가입(=1) (0.214)0.323 (0.188)0.016 (0.148)0.207 (0.134)-0.060 기업규모 30-99인 (0.286)0.123 (0.201)-0.133 (0.184)0096 (0.142)-0.093 100-299인 0.655(0.292)** (0.230)-0.186 (0.190)0.454** (0.159)-0.177 300-999인 (0.279)0.294 -0.562(0.215)*** (0.189)0.188 -0.445(0.156)*** 1000인 이상 0.623(0.222)*** -1.093(0.171)*** 0.477(0.150)*** -0.851(0.124)*** 직종 더미 포함 포함 포함 포함 산업 더미 포함 포함 포함 포함 로그 우도값 -1882.1 -1879.4 Likelihood Ratio () 798.9 (p=0.000) Wald () 632.5 (p=0.000) 표본수 3,385 3,385 주: 개인 성과급의 추정계수는 0으로 정규화(normalize)함. ( )안의 숫자는 표준오차. *** 1% 유의수준, ** 5% 유의수준, * 10% 유의수준.
<표 4.3> 강건성 추정: 4 범주 다항로짓(MNL) 다항프로빗(MNP) 팀․부서 /개인 /개인회사 /개인고정 팀․부서 /개인 /개인회사 /개인 고정 상수항 (1.348)-1.357 (1.122)-0.391 3.756(0.774)*** (0.802)-0.683 (0.702)-0.275 2.782(0.522)*** 위험기피(=1) (0.289)0.629** (0.260)0.476* (0.171)0.406** (0.184)0.403** (0.168)0.307* (0.124)0.274** 성별(남성=1) (0.235)0.165 (0.219)0.230 -0.348 ** (0.136) (0.142)0.059 (0.134)0.113 -0.267 *** (0.095) 혼인상태(기혼유배우=1) (0.255)0.369 (0.227)0.010 (0.147)-0.171 (0.155)0.229 (0.144)0.009 (0.102)-0.132 연령(만나이) -0.062(0.018)*** -0.036(0.015)*** (0.009)0.006 -0.037(0.011)*** -0.023(0.009)** (0.006)0.006 재직기간(년) (0.042)0.019 (0.039)0.016 -0.090(0.026)*** (0.026)0.011 (0.025)0.009 -0.068(0.018)*** 재직기간 제곱 (0.130)0.137 (0.124)0.100 (0.088)0.214** (0.082)0.081 (0.079)0.068 (0.061)0.154** 학력 고졸 (0.691)0.533 (0.421)0.088 -0.478(0.262)* (0.378)0.320 (0.253)0.146 -0.314(0.167)* 전문대졸 (0.713)1.367* (0.468)0.238 (0.302)-0.324 (0.395)0.809** (0.285)0.225 (0.195)-0.230 대졸 (0.710)1.261* (0.466)-0.116 -0.755(0.295)** (0.392)0.727* (0.284)0.047 -0.538(0.194)*** 대학원졸 이상 (0.783)1.177 (0.555)0.246 -0.718(0.373)* (0.447)0.678 (0.350)0.278 -0.517(0.259)** 정규직(=1) 1.261(0.387)*** (0.299)0.739** (0.159)-0.144 0.681(0.214)*** (0.177)0.449** (0.111)-0.130 노조가입(=1) (0.246)0.288 (0.235)0.235 (0.180)-0.076 (0.161)0.163 (0.155)0.135 (0.127)-0.102 기업규모 30-99인 (0.392)-0.141 (0.311)0.155 (0.191)-0.122 (0.223)-0.003 (0.190)0.083 (0.133)-0.075 100-299인 0.980(0.337)*** (0.345)0.144 (0.219)-0.211 0.626(0.211)*** (0.209)0.084 (0.151)-0.187 300-999인 (0.342)0.317 (0.309)0.327 -0.569(0.206)*** (0.214)0.188 (0.197)0.144 -0.455(0.147)*** 1000인 이상 0.695(0.271)*** 0.671(0.249)*** -1.035(0.163)*** 0.464(0.270)*** 0.420(0.156)*** -0.804(0.117)*** 직종 더미 포함 포함 포함 포함 포함 포함 산업 더미 포함 포함 포함 포함 포함 포함 로그 우도값 -2355.9 -2353.4 Likelihood Ratio () 1033.7 (p=0.000) Wald () 781.5 (p=0.000) 표본수 3,986 3,986 주: 개인 성과급의 추정계수는 0으로 정규화(normalize)함. ( )안의 숫자는 표준오차. *** 1% 유의수준, ** 5% 유의수준, * 10% 유의수준.
<표 4.4> 강건성 추정: 위험기피 대체 변수 1 다항로짓(MNL) 다항프로빗(MNP) 변수 /개인집단 /개인고정 /개인집단 /개인고정 상수항 (0.995)0.234 3.984(0.780)*** (0.652)0.148 2.965(0.531)*** 위험기피(=1) (0.249)0.404 (0.194)0.136 (0.171)0.266 (0.140)0.078 성별(남성=1) (0.184)0.178 -0.369 *** (0.136) (0.120)0.099 -0.278 *** (0.096) 혼인상태(기혼유배우=1) (0.197)0.169 (0.147)-0.172 (0.130)0.127 (0.103)-0.131 연령(만나이) -0.047(0.013)*** (0.009)0.006 -0.032(0.009)*** (0.006)0.006 재직기간(년) (0.033)0.022 -0.089(0.026)*** (0.022)0.015 -0.067(0.019)*** 재직기간 제곱 (0.107)0.102 (0.088)0.211** (0.072)0.068 0.153(0.062)*** 학력 고졸 (0.392)0.151 -0.486(0.262)* (0.243)0.185 -0.317(0.167)* 전문대졸 (0.420)0.560 (0.302)-0.337 (0.269)0.450 (0.196)-0.236 대졸 (0.424)0.347 -0.758(0.295)*** (0.268)0.334 -0.540(0.195)*** 대학원졸 이상 (0.500)0.488 -0.716(0.373)* (0.328)0.448 -0.516(0.261)** 정규직(=1) 0.932(0.257)*** (0.159)-0.146 0.589(0.161)*** (0.112)-0.129 노조가입(=1) (0.205)0.251 (0.180)-0.082 (0.142)0.168 (0.128)-0.103 기업규모 30-99인 (0.272)0.045 (0.191)-0.124 (0.175)0.059 (0.133)-0.073 100-299인 (0.281)0.515* (0.219)-0.217 (0.183)0.356* (0.151)-0.193 300-999인 (0.265)0.309 -0.570(0.206)*** (0.197)0.195 -0.454(0.148)*** 1000인 이상 0.666(0.211)*** -1.035(0.163)*** 0.506(0.142)*** -0,800(0.117)*** 직종 더미 포함 포함 포함 포함 산업 더미 포함 포함 포함 포함 로그 우도값 -2097.0 -2093.4 Likelihood Ratio () 945.4 (p=0.000) Wald () 724.8 (p=0.000) 표본수 3,985 3,985 주: 개인 성과급 범주의 추정계수는 0으로 정규화(normalize)함. ( )안의 숫자는 표준오차. *** 1% 유의수준, ** 5% 유의수준, * 10% 유의수준.
<표 4.5> 강건성 추정: 위험기피 대체 변수 2 다항로짓(MNL) 다항프로빗(MNP) 변수 /개인집단 /개인고정 /개인집단 /개인고정 상수항 (1.004)-0.008 3.691(0.783)*** (0.658)-0.009 2.735(0.535)*** 위험기피(=1) 0.582(0.265)** (0.202)0.436** (0.181)0.365** 0.309(0.149)** 성별(남성=1) (0.184)0.184 -0.354 *** (0.136) (0.121)0.097 -0.266 *** (0.096) 혼인상태(기혼유배우=1) (0.197)0.179 (0.147)-0.168 (0.131)0.133 (0.103)-0.129 연령(만나이) -0.046(0.013)*** (0.009)0.006 -0.031(0.009)*** (0.006)0.006 재직기간(년) (0.033)0.022 -0.088(0.026)*** (0.022)0.015 -0.067(0.019)*** 재직기간 제곱 (0.107)0.098 (0.088)0.208** (0.072)0.066 0.152(0.062)** 학력 고졸 (0.392)0.127 -0.476(0.262)* (0.244)0.166 -0.309(0.167)* 전문대졸 (0.429)0.548 (0.302)-0.328 (0.270)0.445 (0.196)-0.227 대졸 (0.424)0.342 -0.751(0.295)** (0.268)0.327 -0.537(0.195)*** 대학원졸 이상 (0.500)0.474 -0.718(0.372)* (0.329)0.432 -0.519(0.261)** 정규직(=1) 0.975(0.260)*** (0.159)-0.144 0.622(0.162)*** (0.112)-0.127 노조가입(=1) (0.205)0.249 (0.180)-0.081 (0.142)0.161 (0.128)-0.107 기업규모 30-99인 (0.272)0.069 (0.191)-0.109 (0.175)0.079 (0.134)-0.063 100-299인 (0.281)0.530* (0.219)-0.214 (0.184)0.372** (0.151)-0.189 300-999인 (0.265)0.334 -0.556(0.206)*** (0.179)0.216 -0.443(0.148)*** 1000인 이상 0.681(0.211)*** -1.031(0.163)*** 0.521(0.142)*** -0,798(0.118)*** 직종 더미 포함 포함 포함 포함 산업 더미 포함 포함 포함 포함 로그 우도값 -2089.7 -2085.9 Likelihood Ratio () 953.3 (p=0.000) Wald () 727.9 (p=0.000) 표본수 3,979 3,979 주: 개인 성과급 범주의 추정계수는 0으로 정규화(normalize)함. ( )안의 숫자는 표준오차. *** 1% 유의수준, ** 5% 유의수준, * 10% 유의수준.
