구직형태의 동태적 분석과 고용대책

구직형태의 동태적 분석과 고용대책

1998. 2

박 성 준

한 국 경 제 연 구 원

목 차

Ⅰ. 서론/11

Ⅱ. 모델/17

1. 직업탐색이론/19 2. 경험 분석 모형/23

Ⅲ. 자료의 설명/27

Ⅳ. 추정/33

1. 의중임금 추정/35 2. 생존 분석/38

3. 지수분포 가설 검정/41 4. SHE 추정/44

Ⅴ. 결론 및 정책적 함의/49

참고문헌/57

영문초록/61

표, 그림 차례

<표 1> 변수의 설명/30

<표 2> 변수의 기초통계/31

<표 3> 의중임굼의 추정결과/36

<표 4> 지수분포 해자드 함수의 추정결과/40

<표 5> 와이블 해자드 함수의 추정결과/43

<표 6> 비모수 해자드 함수의 추정결과/47

<표 7> 실업대책 유형과 예산책정의 구성비/53

<표 8> 실업대책관련 1998년도 예산요구와 확보방안/55

<그림 1> 실업률 추이/13

<그림 2> 제의임금 분포/20

<그림 3> 실직기간/38

<그림 4> 공공 취업알선기구의 직업소개율/52

I. 서 론

지난 11월 한달 동안 실업자가 약 12만명으로 늘어났다. 한달 사이 증가폭으로 는 87년 2월 14만명으로 늘어난 이후 10년 9개월만에 최고 기록이다. 이에 IMF 구제금융시대에 접어들면서 올해 실업률은 4∼ 5%로 약 120만명 가량의 실업자 가 발생할 것으로 전망하고 있어 고용문제가 핫이슈로 떠오르고 있다.

이에 따라 정부는 물론 소위 전문가들이 다양한 고용대책을 제시하고 있다. 문 제는 이러한 대책들의 면면을 살펴보면 실업률(stock)을 성별, 연령별, 직종별, 산 업별 등으로 나누어 분석하여 예를 들면, 남자의 실업률이 여자보다 몇% 높다, 또는 젊은 계층이 중년계층보다 실업률이 보다 높다, 고학력의 실업률이 높다는 등의 분석을 통해 막연한 고용대책(?)을 내놓고 있다는 것이다.

<그림 1> 실업률 추이

5

4

3

2

1

0

9월 10월 11월 12월 98년

계절조정 실업률 (실업자수: 만명)

2.4 (46.9)

2.3 (45.2)

2.9 (57.4)

3.1 (65.8)

5 (120)

4

%

자료 : 「경제활동 연구 조사서」, 통계청

그러나, 가령 실업률이 3%라고 할 때, 이는 100명 중 3명이 1년 내내 실업상태 일 수도 있고, 아니면 매달 실업상태인 3명이 취업하고 다른 3명이 새로 실업이 되는 경우를 고려 할 수 있다. 이런 경우 비록 실업률에서는 같으나, 그 내용은 판이하게 다르므로 실업을 단순히 stock의 개념으로 접근하여 고용정책을 수립하 게 되면 그 실효성을 거두기가 어려울 것이다.

본 연구는 실직자의 구직활동을 동태적인 현상으로 보고 미시적인 접근방법을 통하여 실업자들의 구직활동에 미치는 요인들이 무엇인지를 분석함으로써 보다 구체적이고 실효성 있는 고용정책에 일조 하고자 한다. 특히 고용보험사업 - 실 업급여, 직업훈련 및 취업알선 - 이 실업자의 구직활동에 미치는 영향을 분석함 으로써, 고용보험사업의 효율적 운영(정부의 고용정책)에 대한 정책적 제안을 하 는데 그 목적을 둔다.

본 연구에서는 먼저, 노동시장은 기본적으로 정보의 부족 및 불확실성이 상존 한다는 가정 하에 이로 인해 구인과 구직간의 매칭(matching)을 하는데 따른 비 용과 기대수익간을 비교해 가는 일련의 행위(sequential process) 또는 실업자가 구직해 가는 일련의 과정을 설명하는 직업 탐색(job search) 모형을 이론적 배경 으로 하였다. 또한, 실증분석으로는 직업 탐색 이론(job search theory)을 실증적 으로 뒷받침해 주는 생존분석(survival analysis)을 사용하여 헤자드율(hazard rate)의 결정요인 - 특히, 고용보험사업인 실업급여지급, 직업훈련 및 취업알선 - 을 분석하고자 한다.

이와 같은 접근방법에 의한 연구는 이미 미국에서는 과거 60년대 말부터 널리 실시되어 이에 대한 문헌을 기술하여도 몇십 페이지가 될 정도로 많으며 아직도 연구가 꾸준히 전개되고 있는 실정이다.¹⁾

그러나, 우리나라에서는 83년에 류재우의 논문이 효시였고 그 이후 나윤정 (1993년), 어수봉(1994, 1996년)의 것이 고작이다. 그러나, “류”의 논문은 단지 한 달 사이의 실업, 취업상태의 이동을 살폈으며, “나”의 논문은 근로자의 노동시장 에서의 상태(취업, 실업, 또는 비경제활동)를 1년간 추적하여 실업기간(length of unemployment spell)을 뽑아내었으나, 이 또한 단지 기존의 연구와 같이 성별, 연 령별 등등으로 구별하여 실업기간의 차이만을 분석하였다. 보다 이론적이며 실증 적으로 체계를 세워 연구한 것은 “어”의 1994년도의 논문이라고 볼 수 있다.

“어”의 실증연구는 가구별 개인별 실태조사를 통해 모은 자료를 분석하였는데 이

1) 이에 대한 서베이 논문으로는 Kiefer의 「Economic Duration Data and Hazard Functions」을 참조하기 바람.

논문의 문제점은 고용보험이 실시하기 전의 연구로써 고용보험사업이 실업자의 구직활동에 미치는 영향의 분석에는 한계가 있다는 점이다.

본 연구는 95년 고용보험제도 도입 이후 고용보험 적용대상자의 구직활동에 고 용보험 사업들이 어떠한 영향을 주는지를 살펴보고 보다 효율적인 정책방안을 모색하는데 그 목적이 있다.

본 연구의 구성은 다음과 같다. 먼저 Ⅱ에서는 직업탐색이론을 통해 고용보험사업 이 구직자에 미치는 영향을 살펴보고 이의 실증방법을 소개하였다. Ⅲ장에서는 실증 분석에 사용할 자료를 소개하였고 Ⅳ장은 본 연구의 가장 중요한 부문으로 본격적 인 실증 분석을 통하여 고용보험사업의 실효성을 살펴보았다. 끝으로 Ⅴ장에서는 본 실증분석을 통하여 현 정부의 실업대책의 문제점을 살펴보고 그 대안을 제시하 고자 하였다.

Ⅱ. 모 델

1. 직업탐색이론

직업탐색이론은 노동시장에서의 정보의 불확실성 또는 부족으로 구직자가 직장 을 찾아가는 일련의 과정을 설명하고 있다.

일반적으로 기업들은 나름대로의 최소한의 고용기준들(hiring standards)을 갖 고 있다. 고용기준으로는 흔히 학력, 직업훈련(자격증), 직장경력, 입사시험의 성 적 및 면접 등이 고려된다. 논의의 편의를 위해 이들 고용기준의 참고 자료들을 기업이 요구하는 취소한의 기술(skill)인 K로 표시하자.

그리고 이에 따른 임금을 W(K)로 표시한다. 대체로 W(K)는 K수준이 높아짐 에 따라 높아지며, 두 기업이 요구하는 기술수준이 같다면 임금도 동일하게 된다.

일반적으로 각 기업들은 서로 다른 고용기준을 갖고 있기 때문에 일자리의 공석 (job vacancies)이 생길 때 이에 따라 제의되는 임금(offering wage)도 달라진다.

제의되는 임금들은 일정한 분포를 나타내게 되는데 이들 제의 임금의 분포를 f(W)로 표시하고 <그림 2>와 같은 모형을 그린다고 가정하자.²⁾

<그림 2> 제의 임금 분포

임금제의 분포[f(W)]

0 _W^r _E(W) W^*

f(W)

임금률 W(K)

2) f(W)는 제의 임금의 확률분포이기 때문에 곡선(curve)의 밑부분의 합은 1이 된다.

다른 한편, 구직자(job-searcher)는 가능한 한 최대임금(maximum wage) W^*을 받고자 할 것이다.

현실적으로 노동시장에서 개개 구직자는 구체적으로 어떤 기업의 제의 임금, 또는 채용기준이 무엇인지는 정확하게 모른다. 이는 이에 대한 정보가 불완전하 기 때문이다. 그러나, 구직자가 무작위적으로 기업의 인사과(personnel depart- ment)나 직업소개소 등을 방문하는 과정(process)에서 제의되는 임금의 분포모양 - f(W) -은 알 수 있을 것이다.

만약 기업의 채용기준이 K^* 보다 높으면 그 개인은 거절(rejected) 될 것이며 K^* 보다 낮으면 그는 취업 제의를 받게 된다. 물론 구직자의 입장에서 보면 취업 제의를 가능한 한 많이 확보한 후에 그중 가장 좋은 조건의 제의를 선택하는 것 이 유리하겠지만, 구직자(job-seeker) - 특히 기술 수준이 매우 낮은 사람 - 의 입장에서는 그렇게 할 기회가 많지 않다. 오히려, 구직자는 취업제의를 받아들일 것인가 거절할 것인가를 그때그때 결정하는 것이 현실적이다. 그렇다면, 구직자 는 어떤 특정의 취업제의를 받아들일지를 어떻게 판단하는가? 한가지 방법이 의 중임금(reservation wage)을 정하고 취업제의가 이 수준보다 높으면 받아들이는 것이다.

그러면 의중임금은 어떻게 결정되는가? 가정하기를 K 수준의 기술을 가진 자의 의중임금을 W^r 이라고 하자. 이 사람이 W^*보다 높은 임금을 주는 기업에 취업을 신청한다면 거절당할 것이다. 마찬가지로 이 사람은 W^r보다 낮은 임금을 제의하 는 취업제의는 거절할 것이다. 따라서, 이 개인은 W^r 과 W^*사이의 임금을 제시 하는 직장을 가질 가능성(probability)이 크다. 따라서, 이 가능성이 크면 클수록 이 사람의 예상실업기간(expected duration of unemployment)은 짧아지게 된다.

또한 이 사람이 직업을 찾았다면, 그의 기대임금(expected wage)은 W^r과 W^*사이 의 평균 가중치가 될 것이다. 즉 기대임금 E(W)가 된다.

한 구직자가 그의 의중임금을 다소 높게 잡을 경우 다음과 같은 두 가지 결과 가 일어날 수 있다. 먼저, 이 개인은 낮은 임금의 직장을 보다 많이 거절하게 될 것이므로 취업될 경우 이의 기대임금은 증가 할 것이다. 반면에 보다 많은 취업 제의를 거절했기 때문에 이의 예상실업기간은 길어지게 된다. 다시 말해, 의중임 금이 높으면 높을수록 실업기간이 길어지고 따라서 이에 따른 비용 또한 증가하 게 된다. 반면에 일단 취업을 하게 되면 보다 높은 기대임금을 받게되는 이익도 커지게 된다. 그러므로 각 구직자는 의중임금에 따른 한계수익과 한계비용이 일 치되는 지점에서 의중임금을 택하게 된다.

이상의 단순한 직업탐색이론으로부터 많은 시사점(implication)을 도출할 수 있 다.³⁾ 그러나, 본 연구는 실업자의 구직활동에서 고용보험사업인 실업급여, 직업훈 련 및 취업알선 등이 미치는 영향을 살피는데 목적이 있음으로 여기서는 이와 관 련하여 본 이론이 시사하는 바를 살펴본다.

먼저, 실업자가 실업에 따른 비용이 줄면 줄수록 이 실업자의 의중임금은 높아 지고 따라서 실업기간이 길어짐을 알 수 있다. 이것이 의미하는 바는 실업급여의 지급은 실업에 따른 비용을 경감시켜주기 때문에 실업기간을 연장시킨다는 것을 의미한다.

둘째, 실업자가 구직활동을 열심히 하면(intensify) 취업할 일자리를 많이 확보 할 수 있으므로 실업기간이 짧아진다는 것은 자명하다. 따라서, 우리나라 고용보 험의 사업 중 취업알선 사업은 구직활동을 용이하게 하는 기능을 하는 것으로 제 대로 실행이 된다면 이는 실업을 줄이는데 도움이 될 것이다.

셋째, 기술수준의 증가는 실업자에게 두 가지 다소 상반된 영향을 준다. 우선 기술수준의 증가는 W^*를 높여주어 실업자가 취업할 수 있는 직장의 범위가 넓어 짐으로 실업기간은 짧고 취업후 임금은 증가한다. 반면에 기술수준의 증가는 이 들의 의중임금(reservation wage)을 증가시켜 이들이 수락할 임금직종의 범위가 줄어들어 결국 실업기간을 증가시키는 효과를 가져온다. 물론 취업이 될 경우에 임금은 증가한다. 이것이 의미하는 바는 고용보험사업 중의 하나인 직업훈련이 반드시 실업을 줄이는데 좋은 대책이라고 볼 수만은 없음을 보여 주고 있다.

2. 경험분석 모형

생존(survival) 또는 헤자드(hazard)분석은 상호 다른 상태(state)사이의 이동에 대한 통계적(statistical) 분석이라고 볼 수 있다. 이 분석방법은 어느 한 상태에 머무르는 기간(length of spell 또는 duration)과 이와 관련된 설명변수로 구성되 어 있다. 따라서 이 추정방법은 직업탐색이론의 실증분석방법으로 널리 사용되고 있다.

T를 어느 한 상태로부터의 탈출(escape) 또는 어떤 경제적 사건의 발생까지의 경과시간을 나타내는 연속형 확률변수(a continuous random variable

3) 직업선택이론을 보다 이론적으로 설명하였을 뿐 아니라, 이 이론의 응용 및 실증분석에 대한 제반 논의는 D. T Mortensen(1984)을 참조하기 바람.

representing duration)라고 할 때,

t의 확률밀도함수(probability density function)는

f ( t) = Lim

ΔT →0

P ( t<T <t+Δ t)

Δ t ……… 1) 이 된다.

헤자드 함수는 t 까지 생존했다는 조건하에서 T=t 에서의 순간탈출률(the instantaneous rate of escape)을 나타낸다. .

즉,

h( t) = Lim

Δt→0

P ( t<T <t+ Δt∣T > t) Δ t

_{= Lim}

Δt→0

P ( t<T <t+ Δt) P ( T > t)Δ t

= 1

P ( T > t) L im

Δt→0

P ( t<T< t+Δ t) Δt

₌ ¹

P ( T >t) f( t)

₌ ^{f ( t)}

S( t) ……… 2) 여기에서 S( t) = "생존함수(survivor function)" =1-F ( t) 이며 따라서, f( t) =h ( t)S( t) = h( t)[ 1-F (t) ] ……… 3) 이다.

2)식에서 헤자드 함수는

_{h( t)} = f( t) S( t)

=

dF( t) dt S( t)

=

- dS( t) dt S( t)

= -d ln S( t)

dt ……… 4) 이 되고, 따라서

S( t) = exp [ -⌠⌡

t

0h( u)du] ……… 5)

f( t) =h ( t) exp [ -⌠⌡

t

0h( u)du] ……… 6)

이 된다.

이는 밀도함수(density function) f( t)는 헤자드 함수인 h ( t)로 표현될 수 있음을 의미한다.

이제 헤자드 함수의 형태를 특정 지어야 한다. 헤자드 함수에 따라 밀도함수 (density function)f( t)가 규정되고 따라서 추정이 가능하게 된다. 대체로 헤자드 함수는 _{hi( x,t) = λ0}(t) exp [ x'b]로 표시된다. 그러나 일단 여기서는 가장 단순하 고 기본적인 형태의 헤자드 함수인

h( t) =h = exp ( x'b)

로 표시하기로 한다. 이 함수의 특징은 어느 한 상태에서의 기간(duration spell) 이 지수분포(exponential distribution)를 나타낸다는 점이다. 이는 균제상태 (steady state) 가정에 기인한다. 정태상태를 가정한다는 것은 사건이 일정한 간 격을 두고 지속적으로 발생하는 포아송과정(poisson process)을 따른다는 것을 의 미한다. 따라서, 이 함수의 특징은 어느 한 상태(실업)에서 다른 상태(취업)로의 전환률(rate of transition)이 원래상태(실업)에 머물고 있었던 기간과는 무관하다 는 점이다. 이 함수에서 χ는 근로자의 제반 특성을 나타내는 설명변수의 벡터이 며 b는 설명변수 χ의 효과(constant proportional effect)를 나타내는 계수 (coefficient)의 벡터이다.

h( t) = exp ( x'b)을 적용하면, 밀도함수(density function) 및 생존함수(survivor

function)는

_{f( t)} = exp ( x'b) exp [ -t exp ( x'b)] ……… 7) _{S( t)} = 1-F( t) = exp [ -t exp ( x'b)] ……… 8)

이 된다.

후술하겠지만, 일반적으로 실제 자료(data)는 오른편 잘림(right censored)이 많 으므로 우도 함수(likelihood function)에는 잘린 기간(censored spell of length)도 포함시켜야 한다. 그렇지 않을 경우 계수(coefficient) 값이 편향(biased)되기 때문 이다. κ^th 기간이 완전(completed spell )하면 _dk=1, 잘림(censored)이면 _{dk= 0}

로 표시할 때, 관찰된 기간의 대수 우도함수(log-likelihood function)는

_{L = ∑}ⁿ

i =1d_iln f_i( t) + ∑ⁿ

i =1( 1-d_i) ln S_i( t), ……… 9)

로 표시된다. 여기서 완전 기간(completed spells)은 _{fi( t)}로, 불완전 기간(censored spells)은 S_i(t)로 표현된다.

밀도(density)함수는 헤자드 함수와 생존 함수와의 곱이므로 (3식에서)

L =∑

n

i= 1d_i( ln h_i( t) + ln S_i( t) ) +∑

n

i =1( 1-d_i) ln S_i( t)

_{= ∑}ⁿ

i =1d_iln h_i(t) +∑ⁿ

i =1S_i( t) ……… 10) 이 된다.

식 7)과 식 8)을 식 10) 에 대입하면

L = ∑

n

i =1d_ix_i'b -∑

n

i =1t_iexp( x_i'b) ……… 11) 이 된다. 이를 통해 설명변수들에 대한 계수값을 구할 수 있다.

Ⅲ. 자료의 설명

본 연구에서 사용할 자료(data)는 한국 노동연구원산하 고용보험연구센터에서 수집한 자료(data)이다. 이 자료는 1995년부터 실시한 고용보험제도로 인해 고용 보험에 등록된 30인 이상 사업장에서 일정기간동안 (1996년 8-10월)이직을 신고 한 사람들을 중심으로 1997년 5월에 약 3000명가량을 무작위로 추출하여 이직후 노동시장이동 과정과 재취업여부 등을 역추적 조사한 자료로서 여기에는 근무하 던 사업장에 관한 정보(규모, 업종, 산업, 지역 및 자본금 등), 이직자 개인에 대 한 자세한 정보(나이, 학력, 배우자, 성별 및 전직장에서의 근속년수 등), 실업수 급 및 구직방법과 관련된 정보 그리고 재취업했을 경우에 대한 정보 및 아직 구 직중인 경우에 대한 정보 등이 자세히 포함하고 있다. 그러나, 이 자료에는 고용 보험제도의 3대 기능중 하나인 직업 훈련 여부에 대한 자료가 결여되어 있어 본 연구의 당초 목적인 3대 기능을 검증하는데는 한계가 있다.

그러나, 본 자료는 고용보험실시 이후 최초로 이직 등록한 자의 노동시장에서 의 행태를 조사한 자료로서 최소한 고용보험의 3대 사업중 2개 사업- 실업급부와 취업알선 -에 관한 조사는 가능하다. 본 연구에서는 이 자료에서 연령이 60세 이 상인 자를 예외 시켰다. 이는 60세 이상이 되면 국민연금의 혜택을 받아 고용보 험의 실업급부의 대상이 되지 않기 때문이다. 또한 현 노동상태(labor force)에서 비경제활동(out of labor force)상태인 자를 제외 시켰다. 그리고 연구에 사용될 변수에 문제가 있는 자(observation problem)들도 제외시켰다. 그 결과 본 연구에 서는 약 1750명을 대상으로 하였다. <표 Ⅲ-1>과 <표 Ⅲ-2>는 본 연구에서 사용될 변수 설명과 변수의 기초 통계이다.

<표Ⅲ-1> 변수의 설명

변 수 구 분

성 별 (sex)

0 = 여 1 = 남 배우자 유무

(mari)

0 = 배우자가 없는 경우 1 = 배우자가 있는 경우

교 육 (educy)

6 = 국졸 9 = 중졸 12 = 고졸 14 = 전문대졸 16 = 대졸 18 = 대학원이상 기업규모

(fnmpln)

0 = 300인이하 1 = 300인이상

이직사유 (jquitrn)

0 = 자발적 사유 : 전직 등을 위한 임의퇴직. 결혼, 출산, 육아 등으 로 인한 임의퇴직. 질병, 부상 등으로 인한 임의퇴직.

1 = 비자발적 사유 : 징계해고. 정리해고. 사업장의 폐업, 도산으로 인한 퇴직. 계약기간 만료. 사업주의 권유에 의한 퇴직. 정년퇴 직.

근속년수 (tenure)

5년이하

5년이상-10년미만 10년이상-15년미만 15년이상

실업급부 (bigon)

0 = 비수급 1 = 수급

구직활동 통로 (jobs)

0 = 비공식 : 전직장에서 업무상 알게된 사람을 통해, 친구, 친지의 소개로.

1 = 공식 : 광고를 통해(신문, 잡지, 뉴스 등), 공공직업소개(노동부) 를 통해, 사설 직업소개소를 통해.

재취업자 임금

(b08n) 현임금의 중간값

취업상태 (state)

0 = 실업 1 = 재취업 실업기간

(time) 단위 : 일

<표Ⅲ-2> 변수의 기초 통계

구 분 0 (비율) 1 (비율) 최소값 최대값 평 균 표준편차

성 별 631(36.04%) 1120(63.96%) 0 1 0.6396345 0.4802436

연 령 - - 15.81 59.90 38.3401770 11.9468156

배우자 유무 579(33.07%) 1172(66.93%) 0 1 0.66933183 0.4705882

교 육 - - 6 18 11.4200000 2.6793900

기업규모 1116(63.74%) 635(36.26%) 0 1 0.3626499 0.4809023 이직사유 1017(58.08%) 734(41.92%) 0 1 0.4191890 0.4935673

근속기간 - - 0.01 34.02 5.5980982 7.3199580

실업급부 1014(57.91%) 737(42.09%) 0 1 0.4209023 0.4938450 구직활동통로 1271(72.59%) 480(27.41%) 0 1 0.2741291 0.4462018

재취업자임금 - - 15 455 97.1046644 50.7574335

취업상태 872(49.80%) 879(50.20%) 0 1 0.5019989 0.5001388

실업기간 - - 1 287 171.2849800 84.6157797

Ⅳ. 추 정

1. 의중 임금(reservation wage) 결정의 추정

의중임금은 실업자가 재취업하는데, 즉 실업상태를 벗어나는데 있어서 매우 중 요한 역할을 한다는 것을 이미 직업탐색이론을 통하여 살펴보았다. 이론에 의하 면, 의중임금이 높을수록 실업상태를 벗어나기가 어려우나 일단 취업하게 되면 보다 높은 임금을 받을 수 있음을 시사하고 있다. 따라서 고용보험사업이 실업자 가 재취업하는데 미치는 효과를 보기에 앞서 먼저 실업자의 의중임금을 추정하기 로 한다.

본 연구에서 사용하는 자료에서는 재취업자의 임금만이 나타나고 있다. 따라서, 본 연구에서는 재취업자의 임금을 사용하여 실직자들의 의중임금을 추정하기로 한다.

의중 임금에 대한 회귀분석 방정식은 다음과 같다.⁴⁾

_log(W^r_{i) = Xi'β + u}

W^r_i은 개인 _i 의 의중임금이며 _Xi는 설명변수의 벡터이고 u는 오차항이다

( E( u_i) = 0, E( u²_i) = σ²).

회귀분석의 결과는 <표 IV-1>와 같다.

<표 IV-1>에 따르면, 일반적으로 남자는 여자에 비해 통상적 임금수준이 높기 때문에 의중임금이 높게 나타난다고 볼 수 있다. 또한 나이가 높을수록 의중임 금이 높아지고 있으나 agesq가 마이너스 기호를 나타내고 있어 연령과 의중임금 과의 관계는 통상임금과 같이 일정한 연령까지는 상승하다가 그 다음부터는 낮아 지는 현상을 보이고 있다. 근속기간과 의중임금과의 관계 또한 연령의 경우와 같은 현상을 보여 주고 있다. 교육수준이 높을수록 통상임금이 높은 만큼 의중임 금도 높게 나타나고 있다. 비록 통계적으로 유의하지는 않으나 흥미있는 사실은 실업기간이 길어짐에 따라 의중임금이 점차 낮아진다는 점이다. 이는 실업기간이 길다는 점은 직업탐색 기간이 길어진다는 것을 의미한다. 직업탐색 기간이 길다 는 것은 직업탐색하는 동안 자신의 기대하는 임금(의중임금)을 제시하는 취직자

리가 없다는 것을 의미하며 따라서 점차 자신의 의중임금을 낮추게 된다는 점을 나타내고 있다. 그 외의 배우자 유무, 근속기간 및 실업급부를 받느냐 여부 및 전 기업규모와 의중임금과의 인과 관계는 통계적으로 유의한 것으로 나타나고 있지 않다.

<표 Ⅵ-1> 의중임금의 추정결과¹⁾

Variable Cofficient Std. Error constant

sex age agesq²⁾ mari educy fnmpln tenure tenuresq³⁾ bigon time timesq⁴⁾

2.764978 0.376963 0.048175 -0.065108 0.023658 0.058298 -0.020202 0.019084 -0.045990 -0.022175 -0.000227 -0.000187

*

*

*

*

*

**

0.17978643 0.02519250 0.00943100 0.01154472 0.03595964 0.00519192 0.02711016 0.00680678 0.02706376 0.03245510 0.00057931 0.00024615 1) 재취업자의 임금에 로그를 취한 뒤 각 변수에 대해 회귀분석함.

2) agesq=(age×age)/100

3) tenuresq=(tenure×tenure)/100 4) timesq=(time×time)/100

* : 1% 유의수준 **: 5% 유의수준

이미 언급하였듯이 본 연구에서 사용하고 되고 있는 자료는 96녀 8월과 10월 사이의 이직자를 97년 5월에 역추적하여 실업기간을 조사한 것으로 이를 단순화 시킨 것이 <그림 3>이다. 이 자료의 가장 큰 특징은 몇몇 실업기간들이 불완전 한 기간(incomplete spell)이라는 점이다. 예를들면 어떤 실직자는 이직시점과 조 사시점 사이에 재취업한 경험이 있었거나 없었든 간에 조사시점에 실직상태에 있 고 그 이후는 비록 관찰되지는 않으나 여전히 실직상태에 있을 수 있다는 점을 간과해서는 않될 것이다. <그림 3>에서 T1과 T4가 이런 경우라고 할 수 있다.

이런 불완전 실직기간을 오른쪽 잘림이라 불리 운다. 따라서 이런 자료를 단순 회귀분석하게 되면 추정치는 편향되게 되는데 이는 단순 회귀분석은 잘림기간 (censored spell)을 완전 기간(complete spell)로 다루기 때문이다(Flinn과 Heckman(1982)).

<그림 3> 실 직 기 간

이직시점 조사시점

T1

T2

T3

T4

T1, T4 : 오른쪽 잘림 기간(right censoring spell) T2, T3 : 완전 기간(complete spell)

: 실직기간 : 취업기간

따라서, 본 논문은 이와 같은 불완전한 실업기간을 내포하고 있는 자료의 계량 분석으로 Ⅱ장에서 논술한 헤자드모형을 적용하여 실직자의 노동시장에서의 행태 를 살펴보기로 한다.

2. 생존 분석(survival analysis)

<표 Ⅳ-2>는 이미 이론 부문에서 언급한 정태성(steady-state)의 가정하에 헤 자드 모형을 추정한 결과를 나타내고 있다. 구직활동 통로(jobs)을 제외하고는 대부분의 설명변수에 대한 추정계수(coefficient)는 높은 유의 수준을 나타내고 있

다. 이를 좀더 구체적으로 살펴보면, 먼저 여자에 비해 남자가, 배우자가 있는 경 우가, 그리고 교육수준이 높을수록 실업으로부터 탈출확률이 높은 것으로 나타나 고 있다. 즉, 실업기간이 짧아진다는 것을 의미하므로 조기에 취업하려는 성향이 크다는 뜻이다. 의중임금의 변수(ln(wage))는 탐색이론에서 설명한 바와 같이 탈 출확률과 마이너스관계를 나타내고 있어 의중임금이 높을수록 보다 높은 임금제 의가 있을 때까지 기다리는 성향이 있기 때문에 탈출확률이 작아진다는 것을 보 여 주고 있다. 연령의 경우 agesq의 추정계수의 값이 유의 수준이 높게 나타나 는 것으로 보아 연령이 높을수록 탈출확률이 높은 것으로 나타내는데 이미 다음 과 같이 설명되어 질 수 있다. 실질적으로 연령이 높을수록 재취업하기는 매우 어렵다. 또 달리 해석하면 타 설명변수들은 일정하다고 할 때(ceteris paribus), 연 령이 높을수록 노동시장에서의 정보의 양이 많아지므로 그만큼 재취업 기회가 많 아진다고 해석할 수 있겠다.

본 연구의 중심테마는 고용보험의 3대 주요사업인 취업알선, 실업급여 및 직업 훈련이 구직자의 실업탈출 확률에 어떠한 영향을 미치느냐이다. 이미 언급하였듯 이 본 연구에서 사용하는 자료는 직업훈련에 대한 사항이 빠져 있어 이의 영향은 알아 볼 수 없다.

먼저 취업알선이 미치는 영향은 본 연구에서는 구직활동 통로(jobs)에 해당된 다. 고용보험에서의 취업알선이란 공식적인 기관 특히 공공직업소개소를 통한 구 직활동을 의미함으로 본 연구에서는 비공식적인 구직활동에 비해 공식적 구직활 동이 얼마나 실업 탈출에 영향을 미치느냐로 대신해 보았다. <표 IV-2>에서 보 는 바와 같이 공식기관을 통한 구직활동이 비공식적인 방법에 비해 효율적인 것 으로 나타나고 있다.⁵⁾

다음으로 실업급여의 영향을 살펴보자. 본 연구에서는 이를 간접적인 방법으로 알아보았다.

즉, 실업기간중 실업급부를 받는다는 것은 그만큼 실업에 따른 비용을 감소시킴 으로 보다 좋은 직장이 나타날 때까지 기다린다는 것을 의미한다. 이는 곧 실업 급부가 의중임금을 높이며 따라서 의중임금이 실업탈출 확률에 마이너스 영향을 미친다는 것을 의미한다.

5) 통계적으로 유의하지 않음.

<표 Ⅳ-2> 지수분포 헤자드 함수의 추정결과

Variable

exponential Coefficient (Std. Error)

sex 6.07961889

(0.201717)

*

age 0.83099152

(0.037931)

*

agesq -1.0717034

(0.048146)

*

mari 0.59785356

(0.110166)

*

educy 0.93607598

(0.0321)

*

jquitrn 0.9044386

(0.088471)

*

jobs 0.05231846

(0.075614)

ln(wage)¹⁾ -16.039987

(0.490137)

*

Weibull parameter 1

Log-Likelihood -1728.525039

1) ln(wage) : <표 Ⅳ-1>의 결과에 의한 값

* : 1% 유의수준

3. 지수분포(exponential distribution) 가정의 검증

지금까지 우리는 정체성(steady-state) 가정하에 탈출률(hazard rate)이 실업기 간의 길이에 관계없이 일정하게 나타나는 지수분포(exponential distribution)를 나타내는 헤자드 함수를 상정하여 추정치를 계산했다.

본 절에서는 과연 정체성(steady-state) 가정이 맞는지 즉, 실업기간의 분포가 지수분포를 나타내는지를 살펴보고자 한다. 왜냐하면 이 분포가 다를 경우 추정 치는 편향되기 때문이다.

이를 위해 먼저 헤자드 함수를 기간(duration)을 나타내는 t와 설명변수의 함수 로 분리한다. 다시 말해 헤자드 함수를

_{hi( x,t) = λo}( t) exp [x'b]

여기서 _{λo( t)} : baseline hazard

x : 설명변수의 벡타(vector) b : 계수의 벡타(vector)

로 표기한다.

이런 경우 기간분포(duration distribution)를 지수분포(exponential distribution) 로 가정한 헤자드 함수는 결국 λ0(t) =1 을 의미하게된다. 따라서 본 절에서 보 고자 하는 것은 귀무가설(null hypothesis); λ₀(t) = 1 을 검정하는 것이다.

일반적으로 λ(t)0 = 1 는 λ0(t) 의 특정한 한 형태로서 만약 λ0(t)가 1보다 크 거나 혹 1보다 작게 나타나고 또한 통계적으로 유의하다면 λ0(t) = 1은 기각된다 고 볼 수 있다. 이를 검증하기 위하여 통상적으로 사용되는 기간 분포(duration distribution)로 와이블(weibull)분포를 사용한다.

와이블(weibull) 분포는

_{λo( t) = at}^a-1_{, a >0,}

로 헤자드 함수는

h_i(x,t) = a t^a-1exp [x'b]

이 된다.

따라서 기간분포가 지수분포를 나타내는지 여부는 a =1인지를 살펴보는 것으로 만약 a>1이면 기간의 길이가 길어짐에 따라 탈출률이 증가(positive duration dependence)함을, a<1 이면 탈출률이 감소함을 의미한다. <표IV-3>은 이의 추 정 결과를 나타내는 것으로 a의 값은 1보다 작으며 통계상 유의하게(significant) 나타나고 있다. 따라서 귀무가설은 기각되어 기간 분포는 지수분포를 나타낸다 고 볼 수 없다. 아무튼 결과적으로 실업기간이 길어짐에 따라 탈출률이 감소하 는 것으로 나타나고 있다.

<표 IV-3> 와이블 헤자드 함수의 추정결과

Variable

weibull Coefficient (Std. Error)

sex 5.2348331

(0.177136)

*

age 0.72177225

(0.031188)

*

agesq -0.9298762

(0.039689)

*

mari 0.51173661

(0.084774)

*

educy 0.80633714

(0.027933)

*

jquitrn 0.74495983

(0.069411)

*

jobs 0.04631131

(0.057615)

ln(wage) -13.826831

(0.439611)

*

Weibull parameter 0.76120983

(0.022077)

*

Log-Likelihood -1688.889235

* : 1% 유의수준

그러나 문제는 이와같은 결과가 설명변수들에 이질성(heterogeneity)이 존재함에 도 불구하고 이를 간과함으로써 발생할 수도 있다는 점이다. 다시말해 실질적으 로는 기간분포(duration distribution)가 지수분포임에도 불구하고 관찰되지 않은 설명변수의 이질성(unoberved heterogeneity)으로 인해 위와같은 결과가 나올 수 도 있다는 것이다. 이럴 경우 추정된 헤자드는 실제적으로는 기간(duration)과 무 관함에도 불구하고 마치 기간의 길이에 따라 탈출률이 변화하는 것으로 나타나고 따라서 추정치들은 모두 편향되게(biased) 나타난다. 이에 따라 Lancaster[1978]는 와이블(weibull) 함수에 관찰되지 않는 이질성(unobserved heterogeneity)를 나타 내는 평균이 1이고 분산이 σ²인 감마(gamma)분포를 포함시켜야 한다고 주장하

h_i(x,t) = v_iexp [x_i'b]at^{a- 1}, a >0,

그후 Heckman과 Singer[1984]는 이질성(heterogeneity)을 각각 정규(normal), 로그정규(lognomal) 그리고 감마(gamma) 등 여러 형태의 분포를 상정하여 와이블 함수를 추정하였다. 그 결과 이들은 이질성을 어떤 분포로 하느냐에 따라 추정치의 값들이 달라진다고 주장하였다.

그러나, Trussell과 Richards[1985] 그리고 Ridder[1986]에 의하면 Heckman과 Singer의 결과는 이질성에 대한 분포를 어떻게 산정하는냐의 문제가 아니라 오히려 baseline헤자드(λ0(t)) 를 무엇으로 하느냐의 문제라는 것이다. 구체적으로 Ridder의 경우 Heckman과 Singer[1984]가 사용한 자료를 나타낼 수 있는 baseline 헤자드(λ0(t))는 알 수 없다고 지적하면서 만약 와이블(weibull)이 사실상의 baseline헤자드(λ0(t))라면 이질성을 감마(gamma)분포로 하건 로그정규 (lognomal)분포로 하건 결과치에는 변화가 없다는 것을 보였다.

Meyer[1986]는 baseline헤자드(λ0(t))를 구체화하지 않은채, 관찰되지 않는 이질성(unobserved heterogeneity)을 감마(gamma)와 같은 모수 분포 (parametric distribution)로, 또는 비모수 분포(nonparametric distribution)로 산정하는 소위 Semiparametric Hazard Estimator[SHE]를 사용하면 baseline헤자드(λ0(t))의 모양이 불규칙하더라도 추정치의 일관성(consistent estimation)을 구할 수 있음을 입증하였다.

4. SHE 추정

본 절에서는 관찰되지 않은 이질성의 존재 유무와 그리고 비록 이질성이 존재 하지 않는다 하더라도 baseline헤자드가 와이블분포가 아닌 즉 baseline 헤자드가 잘못 선정되었는지 아닌지를 검정하고기로 한다. 이를 위해 윗 절에서 언급하였 듯이 Meyer의 semiparametric hazard 추정방법을 사용하기로 한다. 이 추정방법 은 baseline 헤자드를 구체화하지 않은채 비관찰 이질성을 감마 분포로 하여 두 개의 가설 즉,

1) baseline 헤자드가 와이블 분포를 하는지를 검정하고

2) 관찰되지 않는 이질성의 유무를 용이 하게 검정해 주기 때문이다.

그럼 SHE 기법을 구체화 하기로 한다. 헤자드 함수는

_hi( t) = L im

Δt→0⁺

prob[ t+ h>T_i≥t∣T_i≥t]

Δ t

으로 표현되는 것은 이미 알고 있다. 이는 곧,

P[ T_i< t+1∣T_i> t] = exp [ - ⌠⌡

t +1

t h_i( u)du ]

= exp [ -⌠⌡

t +1

t λ_o( u) exp { x_i'b}]

= exp [ - exp { x_i'b +r( t)} ]

여기서

_{r( t) = ln}

{

}

이 된다. 위의 식을 N명의 개개인으로 구성된 표본에 대한 대수 우도함수 (log-likelihood)로 표시하면

L( r,b) = ∑

N

i =1{ d_ilog[ 1-exp { - exp [ r( k_i) +x_i'b]} ] - ∑

ki-1

t=0 exp [ r( t) +x_i'b]

}

여기에서

k_i = 기간(spell)

_di = 1 완전 기간(complete spell) = 0 잘림 기간(censored spell)

이 된다.

비관찰된 이질성이 존재한다면 헤자드 함수는

h_i(t) = v_iλ_o( t) exp [ x_i'b]

이 된다. 물론 여기서 관찰되지않는 이질성 분포는 평균치 1이고 분산이 σ²인 감마(gamma)분포를 나타낸다고 가정한다. 따라서 비관찰된 이질성을 포함하게 되면 위의 식은 다음이 된다.

L( γ,b,σ²) = ∑

N

i= 1log

{

_{-σi[ 1+ σ}²_․∑^ki

t =0exp { γ( t) +z_i( t)'b} ]^{-σ- 2}

}

그러면 먼저 첫 번째 가설인 baseline이 와이블인 지를 살펴본다. likelihood ratio test 결과 귀무가설이 기각됨으로써 와이블의 가정하에 추정된 값들은 편향 되는 것으로 나타난다. 두 번째 귀무가설인 관찰되지 않는 이질성이 있는가를 역 시 likelihood ratio test를 해본 결과 귀무가설이 역시 기각되는 것으로 나타나 이질성이 없는 것으로 나타나고 있다. 따라서 본 연구의 표본은 실업기간은 비모 수(nonparametric)baseline을 갖는 즉, 실업기간의 분포는 비정규 형태를 그리나 설명변수에서는 이질성이 나타나지 않는다고 볼 수 있다.

끝으로 지수분포 그리고 와이블 분포의 가정하에 추정된 설명변수들의 값과 SHE기법에 의해 추정된 설명변수의 값들을 비교해 보면 지수분포 또는 와이블 분포에서 추정값들이 보다 큰 값으로 편향되게 나타나고 있으나 방향면에서는 일 치 한다고 볼 수 있다.

<표 Ⅳ-4> 비모수(nonparametric) 헤자드 함수의 추정결과

variable Coefficient

(Std. Error) sex

age

agesq

mari

educy

jquitrn

jobs

ln(wage)

5.19153 * (0.000702)

0.71145 * (0.000110) -0.917126 *

(0.000141) 0.503964 * (0.000300) 0.799020 * (0.000111) 0.741481 * (0.000177) 0.0439982 (0.000175) -13.7019 * (0.001832)

5.19153 * (0.000702) 0.71145 * (0.000110) -0.917126 *

(0.000141) 0.503964 * (0.000300) 0.799020 * (0.000111) 0.741481 * (0.000177) 0.0439982 (0.000175) -13.7019 *

(0.001832)

5.19153 * (0.000702) 0.71145 * (0.000110) -0.917126 *

(0.000141) 0.503964 * (0.000300) 0.799020 * (0.000111) 0.741481 * (0.000177) 0.0439982 (0.000175) -13.7019 * (0.001832)

5.19153 * (0.000702)

0.71145 * (0.000110) -0.917126 *

(0.000141) 0.503964 * (0.000300) 0.799020 * (0.000111) 0.741481 * (0.000177) 0.0439982 (0.000175) -13.7019 * (0.001832)

Weibull parameter No No No No

heterogeity

variation 0 0.01 0.05 0.1

log-likelihood -391322.21655 -391322.21655 -391322.21655 -391322.21655

* : 1% 유의수준

V. 결론 및 정책적 함의

본 연구의 중심테마는 고용보험의 3대 주요사업인 취업알선, 실업급여 및 직업 훈련이 구직자의 실업탈출 확률에 어떠한 영향을 미치느냐이다. 이미 언급하였듯 이 본 연구에서 사용하는 자료는 직업훈련에 대한 사항이 빠져 있어 이의 영향은 알아 볼 수 없다.

먼저 취업알선이 미치는 영향은 본 연구에서는 구직활동(jobs)에 해당된다. 고 용보험에서의 취업알선이란 공식적인 기관 특히 공공직업소개소를 통한 구직활 동을 의미함으로 본 연구에서는 비공식적인 구직활동에 비해 공식적 구직활동이 얼마나 실업 탈출에 영향을 미치느냐로 대신해 보았다. <표 IV-4>에서 보는 바 와 같이 공식기관을 통한 구직활동이 비공식적인 방법에 비해 효율적인 것으로 나타나고 있다.⁶⁾ 이는 정부에서 공공직업소개 또는 민간 소개사업을 보다 활성화 해야함을 의미하고 있다. 그럼에도 불구하고 우리나라의 공공 취업알선기구의 직 업소개율은 <그림 4>에서 보는 바와 같이 일본 독일등과 같은 선진국과는 비교 도 안될 정도로 매우 취약하다. 더욱이 정부의 실업대책유형과 예산책정의 구성 비를 나타내는 <표 V-1>를 보면 직업안정기능 보강을 위한 예산의 비중도 3.1%에 불과하다는 점이다.

<그림 4> 공공 취업알선기구의 직업 소개율

자료 : 국제노동기구(ILO)․노동부

6) 통계적으로 유의하지 않음.

(전 체 피 고 용 자 에 서 차 지 하 는 비 중 ,%) 5 .5

5 .1

4 .6

3 .1

2 .3 2 .2

0 . 5 0

1 2 3 4 5 6

영 국 / 독 일 호 주 스 웨 덴 미 국 프 랑 스 일 본 한 국

다음으로 실업급여의 영향을 살펴보자. 본 연구에서는 이를 간접적인 방법으로 알아보았다.

즉, 실업기간중 실업급부를 받는다는 것은 그만큼 실업에 따른 비용을 감소시 킴으로 보다 좋은 직장이 나타날 때까지 기다린다는 것을 의미한다. 이는 곧 실 업급부가 의중임금을 높이며 따라서 의중임금이 실업탈출 확률에 미치는 영향을 살펴봄으로써 실업급부가 실업탈출에 미치는 영향을 알 수 있다. 이는 <표Ⅳ-4>

의 ln(wage)로 나타나는 바 마이너스 효과를 가져옴으로 알 수 있다. 그러나 실 업자에게 실업급부를 주는 것은 양면성을 갖고 있다. 이미 본 바와 같이 실업급 부는 의중임금을 높여 실업기간이 길어지는 효과도 있으나, 반대로 실업에 따른 비용을 감소시키고 이에 따라 보다 좋은 직장을 찾게됨으로 재취업후 보다 나은 직장을 다시 찾는데 따른 비용을 감소시키는 효과도 있다. 아무튼 실업급여는 실업기간을 길게 하는 효과를 가져온다. 그럼에도 불구하고 <표 V-1>에서 보는 바와 같이 실직자에 대한 보호망 확충에 예산 책정을 무려 39.1%나 배정하고 있 다.

<표 V-1> 실업대책유형과 예산책정의 구성비

실 업 대 책 구성비

1. 기업의 해고회피 노력지원

(휴업수당 지원, 인력재배치 지원, 근로시간 단축지원 등) 2. 직업안정기능 보강

(취업알선망 확충, 민간취업 활성화 등) 3. 직업훈련지원 강화

◦직업전환 훈련, 고용유지 훈련, 유급휴가 훈련, 실직자 재취직훈련 등 ◦고용촉진 훈련, 창업훈련과정

◦전문대학 등의 직업훈련과정 지원 4. 실직자 등에 대한 보호망 확충

◦고용보험 적용 확대, 실업급여 최저수준 상향조정, 채용장려금 지급 등 5. 일자리 창출

◦벤쳐기업 창업지원, 중소기업 사업혁신 지원, 노무비율이 높은 건설분야 투자 확대, 공공봉사요원 제도, 외국인력 축소 등

6. 기타

◦파견사업 허용추진, 구직급여 지급기간 연장, 학교 급식요원 채용, 영농희망자 직업훈련

5.3%

3.1%

10.9%

39.1%

41.6%

-

본 연구에서는 직업훈련이 미치는 영향은 알 수 없지만 정부의 실업에 대한 예 산배정을 보면 총 예산의 10.9%를 차지하고 있어 일자리 창출, 실직자 보호 다음 으로 큰 비중을 차지하고 있다. 그러나 직업훈련의 내용을 살펴보면 이미 알고 있듯이 기능공 양성에 치중하고 있다. 따라서 이미 실직자들이 재취업하는데 필 요한 재훈련, 전직훈련을 위한 교육과정은 전무한 상태이다. 그리고 본 연구의 분 석과 관련해서 일자리 창출의 내용을 살펴보자. 본 연구에서 나타나듯이 연령이 높을수록 실업탈출 확율이 높은 것으로 나타나고 있는데 이에는 자영업을 선호하 는 경향이 크다는 의미도 있다. 따라서 정부는 창업자금으로 1000만원까지의 융 자를 고려하고 있는데 과연 1000만원으로 창업이 가능한지 의문이다. 결국 생계 자금으로 쓰여 오히려 실업기간을 늘이는 역할이나 하지 않을까 우려가 된다.

이에 덧붙여 <표 V-1>에서 일자리 창출로 벤쳐기업 창업지원이 있는데 정부에 서는 약 2,000개 사업장을 선정해 최고 3억원을 지원하는 것으로 되어 있다. 그러 나, 잘 운영되된 기업도 부도가 나는 작금의 현실에서 벤쳐기업 지원이 과연 실 업자 흡수에 어느정도 효과 있을 지도 의문이다.

IMF 구제금융에 따라 단기적으로 대량 실업은 사회적 문제가 될 것이다. 그러 나, 우리 정부의 실업대책을 살펴보면 <표 V-1>에서 보는 바와 같이 실업 예방 보다는 실업이후에 더 큰 비중을 두고 있는 뿐 아니라 실업이후에도 실업자의 직 업능력개발과 취업알선사업을 통한 고용촉진에 중점을 두었다기 보다는 실직자의 생계보장에 초점을 두어 실업의 장기화를 촉진하는 것이 아닌지 의심스럽다.

IMF시대가 얼마나 오래 갈 지는 모르나, 정부는 오히려 이 시기를 벗어난 후 아 니 그보다는 이 시기를 슬기롭게 벗어나면서 21세기의 경쟁력있는 국가를 만든다 는 마스터 플랜하에서 실업대책을 구상하여야 한다. 즉, 현재 실업대책으로 책정 된 약 4조 5천억의 예산의 구성비를 실업의 예방 및 실직자의 취업알선과 직업능 력개발등 고용촉진에 무게중심이 옮겨져야 한다. 또한, 실업문제를 단순히 일개 부처인 노동부의 소관으로 돌릴 것이 아니라 이제 범국가적 차원에서 향후의 국 가상을 그리는 마스터 플랜하에서 대처해 나가야 한다. 이의 일환으로새로운 뉴- 딜정책을 고려해야 한다. 사회간접사업을 확충하고 외국인 투자자유지역 등의 설 립을 통하여 외자유치를 유치함으로써 실업을 흡수하는 한편 향후 경쟁력 있는 기업하기 좋은 특히 외국기업에게는 매력있는 국가로의 도약의 기회로 만들어야 한다.

<표 V-2> 실업대책관련 98년도 예산요구와 확보방안

98 예산요구 예산 확보 방안

◦이미 확보된 예산(대부분 고용보험기금임) 1조원

◦추가 요구 예산 고용보험기금

국민연금 등 재특회계 일반회계

1조 3천억원 1조 4천억원 9천 7백억원

1조 3천억원

불가. IBRD차관으로 2조지원 가능 442억원 지원가능

약 4조 5천억원 약 4조 5천억원

참고문헌

나윤정, 「우리나라 실업자의 특성분석 ; 1992년 경제활동인구조사 패널자료를 중 심으로」, 서강대 석사논문, 1993.

어수봉, 「한국의 실업구조와 신인력정책」, 한국노동연구원, 1993.

, 「0.3%의 노동경제학 : 고용보험료중 실업급부요율 추계」, 한국노동연구 제6편, 한국노동연구원, 1996.

류재우 : 배무기, 「한국의 노동시장 플로우와 실업」, 노동경제논집 제7권, 1984.

박성준, 「사업장내 직업훈련제도의 문제점과 개선방안」, 한국경제연구원, 1992.

최성수, 「직업훈련체제의 문제점과 개선방안」, 한국경제연구원, 1997.

조우현, 「노동안정대책」, 원고, 숭실대, 1998.

한국노동연구원, 「노동시장 이동과정 실태조사」, 1997.

Burdett, Kenneth et al. "Earnings, Employment and the Allocation of Time Over Time", Rev. Econ. Stud., Oct. 1984, 51(4) pp. 559-78.

Flinn, C. and Heckman, J. [1982] ; New Models for Analyzing Structural Models of Labor Force Dynamics, Journal of Econometrics, 18.

Han, Aaron and Hausman, Jerry. "Semiparametric Estimation of Duration and Competing Risk Models", M.I.T., working paper, Nov. 1986.

Heckman, James and Singer, Burton. "A Method for Minimizing the Impact of Distribution Assumptions in Econometric Models for Duration Data", Econometrica, Mar. 1984, 52(2), pp. 271-320.

Kalbfleisch, John D. and Prentice, Robert L. The statistical analysis of failure time data, NY:Wiley, 1980.

Kiefer, "Economic Duration Data and Hazard Function", J. Economic Literature, vol. ⅩⅩⅥ, 1988.

, "Unemployment Insurance and Unemployment spell", Econometrica, vol 58. 1990.

Lancaster, Tony. "Econometric Methods for the Duration of Unemployment", Econometrica, July 1979, 47(4), pp. 939-56.

Lawless, Jerald F. "Statistical models and methods for lifetime data", NY:

Wiley, 1982.

Meyer, Bruce. "Semiparametic Hazard Estimation", working paper, M.I.T., 1986.

, "Unemployment Insurance and Unemployment Spells", Econometrica, vol 58. 1990.

Moffitt, Robert. "Unemployment Insurance and the Distribution of Unemployment Spells", J. Econometrics. Apr. 1985. 28(1), pp. 85-101.

Mortensen, Dale, "Job Search and Labor Market Analysis", in Handbook of labor economics. Vol 2. Eds. : Orley Ashenfelter and Richard Layard.

Amsterdam: North-Holland. 1986. pp. 849-919.

Ridder, Geert. "The Sensitivity of Duration Models to Misspecified Unobserved Heterogeneity and Duration Dependence", manuscript, U. of Amsterdam, 1986.

Sung-Joon, Park, "A Dynamic Model of Employment Behavior in Korea", unpublished Ph. D. Dissertation, Northwestern Univ., 1988.

ABSTRACT

An analysis of job seeking behavior and employment policy

sung-joon Park

The purpose of this study is to estimate effects of the employment insurance system on the job-seeking behavior by using the survival analysis.

The employment insurance system has three functions ; the unemployment benefit, job-matching program and job-training program. Unfortunately, the effects of the employment insurance system cannot be fully estimated in the study because the job-training program is omitted in the using data.

However, the effects of the other programs are very well estimated. The unemployment benefit has the negative effect on the job-seeking behavior and the job-matching program - employment offices - has the positive effect, which are fitted the hypothesis of the job search theory.

Finally, government employment policy has the weight on the job-matching program more then the unemployment benefit.