The job match determinants using Heckman’s sample selection model^†

2018, 29

5)

1169–1177

헤크만의 표본선택모형을 이용한 직무일치 결정요인 분석 ^†

ᄌ ᅩ장식

¹

1경성대학교 수학응용통계학부

ᄌ ᅥ

ᆸᄉ ᅮ 2018ᄂ ᅧ ᆫ 7ᄋ ᅯ ᆯ 26ᄋ ᅵ ᆯ, ᄉ ᅮᄌ ᅥ ᆼ 2018ᄂ ᅧ ᆫ 8ᄋ ᅯ ᆯ 10ᄋ ᅵ ᆯ, ᄀ ᅦᄌ ᅢ ᄒ ᅪ ᆨᄌ ᅥ ᆼ 2018ᄂ ᅧ ᆫ 8ᄋ ᅯ ᆯ 20ᄋ ᅵ ᆯ

요 약

ᄇ

ᅩ ᆫ ᄂ ᅩ ᆫᄆ ᅮ ᆫ ᄋ ᅦᄉ ᅥᄂ ᅳ ᆫ ᄃ ᅢᄌ ᅩ ᆯ ᄌ ᅡᄋ ᅴ ᄌ ᅵ ᆨᄆ ᅮᄋ ᅵ ᆯᄎ ᅵᄃ ᅩᄋ ᅦ ᄋ ᅧ ᆼᄒ ᅣ ᆼᄋ ᅳ ᆯ ᄆ ᅵᄎ ᅵᄂ ᅳ ᆫ ᄋ ᅭᄋ ᅵ ᆫᄋ ᅳ ᆯ ᄇ ᅮ ᆫᄉ ᅥ ᆨᄒ ᅡᄋ ᅧ ᆻᄃ ᅡ. ᄌ ᅵ ᆨᄆ ᅮᄋ ᅵ ᆯᄎ ᅵᄂ ᅳ ᆫ ᄀ ᅢᄋ ᅵ ᆫᄋ ᅴ ᄎ ᅱ ᄋ ᅥ

ᆸᄋ ᅧᄇ ᅮᄋ ᅪ ᄌ ᅵ ᆨᄆ ᅮᄋ ᅵ ᆯᄎ ᅵᄋ ᅴ ᄏ ᅳᄀ ᅵᄋ ᅦ ᄃ ᅢᄒ ᅡ ᆫ ᄃ ᅮ ᄀ ᅡᄌ ᅵᄋ ᅴ ᄇ ᅩ ᆨ ᄒ ᅡ ᆸᄌ ᅥ ᆨᄋ ᅵ ᆫ ᄌ ᅥ ᆼᄇ ᅩᄅ ᅳ ᆯ ᄃ ᅡ ᆷᄀ ᅩ ᄋ ᅵ ᆻᄋ ᅳᄂ ᅡ, ᄆ ᅡ ᆭᄋ ᅳ ᆫ ᄉ ᅥ ᆫᄒ ᅢ ᆼᄋ ᅧ ᆫᄀ ᅮᄋ ᅦᄉ ᅥᄂ ᅳ ᆫ ᄌ ᅵ ᆨᄆ ᅮ ᄋ ᅵ

ᆯᄎ ᅵᄋ ᅴ ᄏ ᅳᄀ ᅵᄋ ᅦ ᄃ ᅢᄒ ᅡ ᆫ ᄌ ᅥ ᆼᄇ ᅩᄆ ᅡ ᆫᄋ ᅳ ᆯ ᄒ ᅪ ᆯᄋ ᅭ ᆼ ᄒ ᅡᄋ ᅧ ᄉ ᅥ ᆫᄒ ᅧ ᆼ ᄒ ᅬᄀ ᅱᄇ ᅮ ᆫᄉ ᅥ ᆨᄋ ᅳ ᆯ ᄋ ᅵᄋ ᅭ ᆼ ᄒ ᅡᄋ ᅧ ᄇ ᅮ ᆫᄉ ᅥ ᆨᄒ ᅡ ᆷᄋ ᅳᄅ ᅩᄊ ᅥ ᄑ ᅭᄇ ᅩ ᆫᄉ ᅥ ᆫᄐ ᅢ ᆨᄋ ᅦ ᄋ ᅴᄒ ᅡ ᆫ ᄑ ᅧ ᆫ ᄋ

ᅴ ᄆ ᅮ ᆫ ᄌ ᅦᄅ ᅳ ᆯ ᄀ ᅡ ᆫᄀ ᅪᄒ ᅡᄋ ᅧ ᆻᄃ ᅡ. ᄋ ᅵᄅ ᅥ ᆫ ᄆ ᅮ ᆫ ᄌ ᅦᄌ ᅥ ᆷᄋ ᅳ ᆯ ᄀ ᅳ ᆨᄇ ᅩ ᆨ ᄒ ᅡᄀ ᅵ ᄋ ᅱᄒ ᅢ ᄒ ᅦᄏ ᅳᄆ ᅡ ᆫᄋ ᅴ ᄑ ᅭᄇ ᅩ ᆫᄉ ᅥ ᆫᄐ ᅢ ᆨ ᄆ ᅩᄒ ᅧ ᆼᄋ ᅳ ᆯ ᄇ ᅮ ᆫᄉ ᅥ ᆨᄋ ᅦ ᄒ ᅪ ᆯᄋ ᅭ ᆼ ᄒ ᅡᄋ ᅧ ᆻᄃ ᅡ.

ᄌ

ᅮ ᆼ ᄋ ᅭᄒ ᅡ ᆫ ᄀ ᅧ ᆯᄀ ᅪᄅ ᅳ ᆯ ᄋ ᅭᄋ ᅣ ᆨᄒ ᅡᄆ ᅧ ᆫ ᄃ ᅡᄋ ᅳ ᆷ ᄀ ᅪ ᄀ ᅡ ᇀᄃ ᅡ. ᄆ ᅥ ᆫᄌ ᅥ ᄒ ᅦᄏ ᅳᄆ ᅡ ᆫᄋ ᅴ ᄑ ᅭᄇ ᅩ ᆫᄉ ᅥ ᆫᄐ ᅢ ᆨ ᄆ ᅩᄒ ᅧ ᆼᄋ ᅳ ᆫ ᄐ ᅩ ᆼ ᄀ ᅨᄌ ᅥ ᆨᄋ ᅳᄅ ᅩ ᄋ ᅲᄋ ᅴᄒ ᅡ ᆷᄋ ᅳ ᆯ ᄋ ᅡ ᆯ ᄉ ᅮ ᄋ ᅵ ᆻ ᄋ

ᅥ ᆻᄃ ᅡ. ᄃ ᅮ ᆯ ᄍ ᅢ, ᄂ ᅡ ᆷᄌ ᅡᄂ ᅳ ᆫ ᄋ ᅧᄌ ᅡᄋ ᅦ ᄇ ᅵᄒ ᅢᄉ ᅥ, ᄋ ᅧ ᆫᄅ ᅧ ᆼᄋ ᅵ ᄆ ᅡ ᆭᄋ ᅳ ᆯ ᄉ ᅮᄅ ᅩ ᆨ ᄎ ᅱᄋ ᅥ ᆸᄒ ᅪ ᆨᄅ ᅲ ᆯᄋ ᅳ ᆫ ᄂ ᅩ ᇁ ᄌ ᅵᄆ ᅡ ᆫ, ᄌ ᅵ ᆨᄆ ᅮᄋ ᅵ ᆯᄎ ᅵᄋ ᅴ ᄏ ᅳᄀ ᅵᄂ ᅳ ᆫ ᄐ ᅩ ᆼ ᄀ ᅨᄌ ᅥ ᆨᄋ ᅳ ᄅ

ᅩ ᄋ ᅲᄋ ᅴᄒ ᅡᄀ ᅦ ᄂ ᅡ ᆽᄀ ᅦ ᄂ ᅡᄐ ᅡᄂ ᅡ ᆻᄃ ᅡ. ᄉ ᅦ ᆺᄍ ᅢ, ᄑ ᅧ ᆼᄀ ᅲ ᆫᄑ ᅧ ᆼᄌ ᅥ ᆷᄋ ᅵ ᄂ ᅩ ᇁᄋ ᅳ ᆯ ᄉ ᅮᄅ ᅩ ᆨ, ᄌ ᅡᄀ ᅧ ᆨᄌ ᅳ ᆼ ᄉ ᅮᄀ ᅡ ᄆ ᅡ ᆭᄋ ᅳ ᆯ ᄉ ᅮᄅ ᅩ ᆨ ᄎ ᅱᄋ ᅥ ᆸᄒ ᅪ ᆨᄅ ᅲ ᆯᄋ ᅳ ᆫ ᄂ ᅩ ᇁ ᄌ ᅵᄆ ᅡ ᆫ ᄌ ᅵ ᆨ ᄆ

ᅮᄋ ᅵ ᆯᄎ ᅵᄋ ᅴ ᄏ ᅳᄀ ᅵᄂ ᅳ ᆫ ᄂ ᅡ ᆽᄋ ᅳ ᆫ ᄀ ᅥ ᆺᄋ ᅳᄅ ᅩ ᄂ ᅡᄐ ᅡᄂ ᅡ ᆻᄃ ᅡ. ᄆ ᅡᄌ ᅵᄆ ᅡ ᆨᄋ ᅳᄅ ᅩ, ᄋ ᅨᄎ ᅦᄂ ᅳ ᆼ ᄀ ᅨᄋ ᅧ ᆯᄋ ᅦ ᄇ ᅵᄒ ᅢᄉ ᅥ ᄋ ᅵ ᆫᄆ ᅮ ᆫ ᄆ ᅵ ᆾ ᄌ ᅡᄋ ᅧ ᆫᄀ ᅨᄋ ᅧ ᆯᄋ ᅵ ᄎ ᅱᄋ ᅥ ᆸ ᄒ ᅪ

ᆨᄅ ᅲ ᆯᄋ ᅳ ᆫ ᄂ ᅩ ᇁ ᄌ ᅵᄆ ᅡ ᆫ ᄌ ᅵ ᆨᄆ ᅮᄋ ᅵ ᆯᄎ ᅵᄋ ᅴ ᄏ ᅳᄀ ᅵᄂ ᅳ ᆫ ᄂ ᅡ ᆽᄋ ᅳ ᆫ ᄀ ᅥ ᆺᄋ ᅳᄅ ᅩ ᄂ ᅡᄐ ᅡᄂ ᅡ ᆻᄃ ᅡ.

ᄌ

ᅮᄋ ᅭᄋ ᅭ ᆼ ᄋ ᅥ: ᄌ ᅵ ᆨᄆ ᅮᄋ ᅵ ᆯᄎ ᅵ, ᄌ ᅮ ᆼ ᄃ ᅡ ᆫᄌ ᅡᄅ ᅭ, ᄑ ᅭᄇ ᅩ ᆫᄉ ᅥ ᆫᄐ ᅢ ᆨ ᄑ ᅧ ᆫᄋ ᅴ, ᄒ ᅦᄏ ᅳᄆ ᅡ ᆫᄋ ᅴ ᄑ ᅭᄇ ᅩ ᆫᄉ ᅥ ᆫᄐ ᅢ ᆨ ᄆ ᅩᄒ ᅧ ᆼ.

1. 서론 ᄎ

ᅬ근대학은학생들의 취업 역량을 높이고자 다양한 프로그램 개발과 교육방법을 운영해 오고 있다.

ᄀ

ᅳ러나 대학의 노력에도 불구하고 2016년 기준고등교육기관 졸업자 취업률은 67.7%로 낮게 나타났다 (http://kosis.kr). 낮은취업률의 원인은고학력화나 인력수급의 불균형으로 인한 사회적 문제일 수 ᄃ

ᅩ 있다 (Lim과 Lee 2013). 이런 이유로 인해 본인이 받은교육이나 기술수준보다 낮다고 판단되는 직 ᄌ

ᅡᆼ에 취업하거나 전공과관련성이 낮은 곳에 취업하는사례가 증가하고 있다 (Shin과 Son 2008). 또한 ᄎ

ᅱ업 후 직무불일치 등으로 직무 만족도가 떨어지고 취업을유지하기 힘들어지는 등여러 가지 문제를 ᄋ

ᅣ기 시킬 수도 있다 (Cha와 Chu 2010).

ᄒ

ᅡᆫ편 교육, 전공, 기술과 관련된 문제를 선행연구에서는 직무일치라는 개념으로 정의하고 있다 (Lim과 Lee, 2013 ; Kim, 2014). 즉 직무일치는 자신의 학력수준, 기술수준에 적합한 일자리를 구 ᄒ

ᅡ고 전공과관련된일자리를구함으로써 그 일자리에 적합한 역량을가진 인재가 되는것이다. 직무일 ᄎ

ᅵ와관련된 연구로는개인특성 연구 (Kim과 Kim, 2009 ; Choi 외, 2013), 학교특성 연구 (Yu와 Cho, 2005),기업특성 연구 (Lim, 2008)가 주를이룬다. Lim과 Lee (2013)는남성의 과잉학력 수준이 높고, ᄇ

ᅵ정규직과 비임금근로자의 과잉교육수준이 높은것으로 나타났으며 이런 교육수준 불일치는이직의 ᄉ

ᅡ에도 영향을미치는것으로 보고하고 있다. Gu와 Kim (2015)의 결과에 따르면, 자신의 기술수준에

†

ᄋ ᅵ ᄂ ᅩ ᆫᄆ ᅮ ᆫᄋ ᅳ ᆫ 2017 ᄒ ᅡ ᆨᄂ ᅧ ᆫᄃ ᅩ ᄀ ᅧ ᆼᄉ ᅥ ᆼᄃ ᅢᄒ ᅡ ᆨᄀ ᅭ ᄒ ᅡ ᆨᄉ ᅮ ᆯᄋ ᅧ ᆫᄀ ᅮᄇ ᅵᄌ ᅵᄋ ᅯ ᆫ ᄋ ᅦ ᄋ ᅴᄒ ᅡᄋ ᅧ ᄋ ᅧ ᆫᄀ ᅮᄃ ᅬᄋ ᅥ ᆻᄋ ᅳ ᆷ.

1

(48434) ᄇ ᅮᄉ ᅡ ᆫ ᄀ ᅪ ᆼᄋ ᅧ ᆨᄉ ᅵ ᄂ ᅡ ᆷᄀ ᅮ ᄉ ᅮᄋ ᅧ ᆼᄅ ᅩ 309 ᄇ ᅥ ᆫᄌ ᅵ, ᄀ ᅧ ᆼᄉ ᅥ ᆼᄃ ᅢᄒ ᅡ ᆨᄀ ᅭ ᄉ ᅮᄒ ᅡ ᆨᄋ ᅳ ᆼᄋ ᅭ ᆼᄐ ᅩ ᆼ ᄀ ᅨᄒ ᅡ ᆨᄇ ᅮ, ᄀ ᅭᄉ ᅮ.

E-mail: [email protected]

ᄇ

ᅵ해 업무수준이 낮은대졸자는자기 역량을제대로 발휘하지도 못하며, 상대적으로 저임금을받는 등의 무

ᆫ제도 생겨난다.

ᄒ

ᅡᆫ편 일반적으로 취업을해서 직무일치의 분석대상이 되는대졸취업자와 미취업으로 인해 직무일치 ᄃ

ᅩ 자체가 없는대졸자는 일반적으로 여러 가지 특성이 다르다고 추론할 수 있다. 즉 직무일치 결정요 ᄋ

ᅵᆫ을 분석할 때 직무일치는개인의 취업여부와 직무일치의 크기에 대한 두 가지 정보를갖고 있다. 특 ᄒ

ᅵ 전자는 개인의 역량에 의존한다는점에서 자기선택성을내포하고 있다. 따라서 이런 문제를간과하 ᄀ

ᅩ 직무일치의 크기 정보만을이용하여 분석하게 되면 표본선택 편의 (sample selection bias)의 문제가 ᄇ

ᅡᆯ생한다.

보

ᆫ연구에서는 직무일치가 갖는정보가 취업여부와 직무일치도의 크기에 대한 두 가지 정보를갖고 있 ᄃ

ᅡ는점에서, 취업자와 미취업자 모두 분석에 포함하였다. 또한 표본선택에 의한 편의 문제를해결하기 ᄋ

ᅱ해 직무일치가 갖는 복합적인 정보를 분해하여 분석해야 하며, 이를위해서 Heckman (1976)의 표본 ᄉ

ᅥᆫ택 모형을활용한다. 표본선택 편의를반영한 선행연구로, Park과 Cho (2016)와 Cho (2017)은각각 ᄐ

ᅳᆨ성화고 졸업생과 대졸자의 임금결정요인을 분석하였으며, Kim (2011)은가계소득이 학자금 대출 참 ᄋ

ᅧ 및 누적 대출규모에 미치는영향을 분석하였다. Jung과 Kim (2009)는대학생의 사교육참여 및 사 ᄀ

ᅭ육비 지출에 미치는영향을 분석하였으며, 또한 Lee 등 (2016)은여성을 중심으로 휴학경험이 노동시 ᄌ

ᅡᆼ의 성과에 미치는영향을 분석하였다.

ᄇ

ᅩᆫ 논문에서는한국고용정보원에서 조사한 「2014년 대졸자 직업이동경로조사 (GOMS : 2014 grad- uates occupational mobility survey)」자료를이용하여 직무일치 결정요인을 분석한다. 표본선택 편의 무

ᆫ제를해결하기 위해 헤크만의 표본선택모형을활용하였다. 제 2절에서는 분석자료에 대한 소개와 기 ᄉ

ᅮ

ᆯ통계 결과를제시하고, 제 3절에서는헤크만 모형에 대해 간단히 소개한다. 그리고 제 4절에서는 헤 ᄏ

ᅳ만의 표본선택 모형의 실증분석 결과를,마지막으로 제 5절에서는결론을제시한다.

2. 자료소개 및 기술통계 보

ᆫ 연구에서 대졸자의 직무일치 결정요인을 분석하기 위해 2014년 GOMS 자료를 활용한다. 우선 Lim과 Lee (2013)와 Kim (2014)의 연구를참고하여 종속변수인 직무일치를자신의 역량이 직장에서의 어

ᆸ무와 일치하는정도를 뜻하는개념으로, 교육 (학력)수준 일치, 기술수준 일치 및 전공수준 일치를포 과

ᆯ하는개념으로 정의한다. GOMS 자료에서 직무일치와관련된 문항은업무와 교육 일치정도, 기술 일 ᄎ

ᅵ정도, 전공 일치정도 등 3개 문항이며, 모두 리커트 척도로 구성되어 있다.

ᄒ

ᅡᆫ편 종속변수인 직무일치를구성하는 3개의 변수는각각 취업여부와 직무일치의 크기에 대한 복합 저

ᆼ보를갖고 있다. 따라서 표본선택에 의한 편의 문제를극복하기 위해서 취업자의 자료뿐만 아니라 미 ᄎ

ᅱ업자의 자료도 분석에 포함시켰다. 분석에 포함된조사대상자는 총 494,274명이며, 이 중에서 취업자 느

ᆫ 370,275명이다.

ᄃ

ᅩᆨ립변수는개인특성 연구 (Kim과 Kim, 2009 ; Choi 등, 2013),학교특성 연구 (Yu와 Cho, 2005), ᄀ

ᅵ업특성 연구 (Lim, 2008) 등선행연구에서 사용한 변수를활용했으며, 독립변수에 대한 설명은아래 Table 2.1과 같다.

ᄋ

ᅡ래 Table 2.2는대졸취업자들에 대해서 독립변수별로 교육일치, 기술일치 및 전공일치 등 종속변 ᄉ

ᅮ인 직무일치의 차이를비교한 결과이다.

Table 2.1 Variables explanation

variables explanation

sex 0=’female’, 1=’male’

age 0=‘<25’, 1=‘25∼29’, 2=‘≥30’

parent’s education 0=’≤high chool’, 1=’college’, 2=’university’, 3=’>university’

parent’s income 0=’<100’, 1=’100∼200’, 2=’200∼300’, 3=’300∼500’, 4=’>500’

foundation type 0=’college’, 1=’university’

school type 0=’private’, 1=’national’

department category 0=’art’, 1=’humanity’, 2=’natural science’

gpa 0=’<3.0’, 1=’3.0∼4.0’, 2=’>4.0’

number of licenses 0=’none’, 1=’1’, 2=’2’, 3=’≥3’

major satisfaction degree of satisfaction for major university satisfaction degree of satisfaction for university life

company size 0=’<10’, 1=’10∼99’, 2=’100∼299’, 3=’300∼999’, 4=’≥1000’

full-time worker 0=’no’, 1=’yes’

education match degree of matching work and education level technique match degree of matching work and technique level

major match degree of matching work and majors employment whether or not you are employed

wage average monthly salary

‘0’ means reference category, ‘gpa’ means grade point average

Table 2.2의 결과에 따르면, 모든 독립변수별로 종속변수인 교육일치, 기술일치 및 전공일치의 차이 느

ᆫ 통계적으로 유의함을알 수 있다. 세부적으로 살펴보면 대부분의 독립변수들에 대해 전공일치가 가 ᄌ

ᅡᆼ 높았으며, 그 다음으로 기술일치, 교육일치의 순으로 나타났다. 즉 직장에서의 업무가 자신의 전공과 이

ᆯ치정도가 상대적으로 높게 나타난 반면, 교육수준과는상대적으로 낮게 나타났다.

3. 연구방법 ᄌ

ᅩ

ᆼ속변수인 직무일치는선행연구 (Lim과 Lee, 2013 ; Kim, 2014)에 따라 자신의 역량이 직장에서의 어

ᆸ무와 일치하는정도로써, 구체적으로는 직무일치를업무내용과 교육수준의 일치, 기술수준의 일치 및 ᄌ

ᅥᆫ공수준의 일치로 정의한다. 직무일치는 개인의 취업여부와 직무일치의 크기에 대한 두 가지 정보를 ᄃ

ᅡ

ᆷ고 있다. 직무일치의 크기 정보만을대상으로 분석하게 되면 비무작위적으로 미취업자 표본들이 분석 ᄃ

ᅢ상에서 배제됨으로써 전형적인 표본선택에 의한 편의가 발생한다.

보

ᆫ 연구에서는 종속변수인 직무일치는 ‘0’이상의 양수 값을 가지는 중단분포 (censored distribu- tion)을따른다고 가정한다. 그리고 직무일치가 복합적인 정보를내포하고 있다는점에서 이를 분해하 ᄋ

ᅧ 분석하기 위해 Heckman의 표본선택 모형을활용한다. Heckman의 표본선택 모형은취업여부와 직 ᄆ

ᅮ일치 크기에 미치는영향력의 과정이 다르다는가정을하며, 취업여부와 직무일치의 크기를결정하는 ᄋ

ᅭ인을 2단계로 분리해서 분석한다 (Heckman, 1976).

ᄃ

ᅢ졸자 i의 취업여부에 대한 관측변수 (zi)와 직무일치의 크기에 대한 관측변수 (yi)라고 한다면, Heckman의 표본선택 모형은다음과 같다.

Table 2.2 Descriptive statistic for job match

education technique major

variables n match match match

m¹ sd² m¹ sd² m¹ sd²

sex*** male 180,418 3.01 .69 3.03 .68 3.27 1.23

female 189,857 2.92 .63 2.93 .62 3.33 1.23

age***

<25 151,538 2.95 .65 2.95 .64 3.32 1.23

25∼30 185,290 2.98 .68 3.00 .67 3.30 1.22

>30 33,447 2.98 .65 3.00 .64 3.26 1.24

parent’s

<100 28,094 2.96 .68 2.95 .66 3.22 1.26

income***

100∼200 33,619 2.98 .70 2.98 .69 3.22 1.23

200∼300 64,653 2.96 .66 2.97 .67 3.29 1.24

300∼500 175,507 2.96 .65 2.97 .64 3.31 1.21

>500 68,360 2.96 .67 3.01 .65 3.36 1.23

parent’s

<college 220,688 2.97 .66 2.98 .66 3.28 1.23

education***

college 17,461 2.95 .65 2.95 .63 3.29 1.18

university 107,290 2.97 .67 2.99 .66 3.34 1.23

>university 20,081 2.97 .69 2.95 .65 3.41 1.26

gpa***

<3.0 10,828 2.88 .73 2.86 .70 3.09 1.30

3.0∼4.0 242,482 2.96 .65 2.98 .65 3.29 1.22

≥4.0 93,890 2.99 .67 2.99 .67 3.38 1.22

number of

none 125,899 2.95 .69 2.97 .68 3.18 1.22

licences***

1 132,813 2.98 .64 2.98 .64 3.36 1.23

2 61,920 2.97 .64 2.99 .65 3.39 1.21

≥3 49,643 2.94 .65 2.95 .66 3.33 1.26

foundation college 141,430 2.98 .65 2.97 .66 3.22 1.23

type*** university 224,549 2.95 .67 2.98 .66 3.34 1.22

school private 311,393 2.96 .66 2.98 .66 3.28 1.23

type*** national 58,334 2.97 .65 2.99 .64 3.40 1.23

department humanity 157,862 2.92 .63 2.93 .63 3.15 1.26

category*** natural 163,048 3.03 .67 3.04 .67 3.44 1.18

art 49,365 2.90 .70 2.92 .68 3.33 1.23

size***

<10 75,127 2.89 .67 2.90 .66 3.17 1.28

10∼99 109,486 2.96 .65 2.98 .65 3.38 1.21

100∼299 38,294 3.02 .66 3.02 .62 3.28 1.21

300∼999 39,801 2.98 .64 2.99 .66 3.35 1.18

≥1000 93,032 3.01 .68 3.01 .65 3.33 1.21

full-time no 141,430 2.98 .65 2.97 .66 3.22 1.23

worker*** yes 228,845 2.96 .67 2.98 .66 3.35 1.22

Total 370,275 2.96 .66 2.98 .66 3.30 1.23

*:p < 0.10, **:p < 0.05, ***:p < 0.01

m¹ means mean and sd² means standard deviation

z_i^∗= w^′_iγ + ui, zi=







1 ifz^∗i > 0

0 if z_i^∗≤ 0, (3.1)

y_i^∗= x^′_iβ + ϵi, yi=







y^∗_i ifz_i^∗> 0 0 if zi^∗≤ 0.

(3.2)

ᄋ ᅧ기서

"

ui

ϵi

#

∼ N2

"

0 0

# ,

"

1 ρσ ρσ σ²

#!

르

ᆯ따르며, β와 γ는추정해야 할 모수벡터, ui와 ϵi는오차항,

wi와 xi는각각 취업여부와 직무일치에관련된 설명변수 벡터를의미한다. 오차항 ui와 ϵi는이변량 정 ᄀ

ᅲ분포를따르며, 표준편차는각각 1과 σ이고 상관계수는 ρ이다. 또한 z^∗_i는취업여부에 대한 잠재변수 (latent variable)이고, y^∗i는 직무일치의 크기를나타내는잠재변수이다.

Heckman 표본선택 모형에서 1단계는 선택모형 (selection model)으로 표본에 선택될 확률을 나타 ᄂ

ᅢ는 식 (3.1)에 대해서 프로빗 모형(probit model)을 이용하여 추정한다. 그리고 2단계는 결과모형 (outcome model)으로 표본으로 선택된 사례만을 대상으로 하며 식 (3.2)로부터 다음 식 (3.3)과 식 (3.4)가 계산된다 (Green, 2003).

E [yi|z^∗i > 0] = x^′iβ + Eϵi|ui> −w^′iγ

= x^′iβ + ρσ ϕ (−w_i^′γ)

1 − Φ (−w^′_iγ) = x^′iβ + βλλ −w^′iγ
, (3.3)

yi|z^∗i = E [yi|zi^∗> 0] + νi= x^′_iβ + βλλ(−w_i^′γ) + νi (3.4) ᄋ

ᅧ기서 ϕ(·)는표준정규분포의확률밀도함수를나타내며, λ(−wi^′γ)는 역 밀의 비율(inverse Mill’s ra- tio)로서 각각의관찰이 표본에서 배제될위험률을의미한다. 만약 ρ ̸= 0인 경우관측자료, 즉 zi= 1인 ᄌ

ᅡ료로만 모형을적합하게 되면 ρσλ(−w^′_iγ)만큼의 편의가 발생한다.

4. 분석결과

Heckman의 표본선택 모형을 이용하여 종속변수인 교육일치, 기술일치 및 전공일치 등 직무일치 결 저

ᆼ요인을 분석한다. 분석결과는 Table 4.1과 같다.

Table 4.1는각 단계에서 제시된 추정계수 값은 종속변수 값이 나타날확률과 종속변수의 평균값 변 ᄒ

ᅪ율로 분해한 것을제시한 결과이다.

ᄆ

ᅥᆫ저 종속변수인 교육일치, 기술일치 및 전공일치 등에 대한 결정요인 분석모형으로써, Heckman의 ᄑ

ᅭ본선택 모형의 타당성을보여주는 λ (inverse Mill’s ratio)값이 -3.256 (p-value<0.001), -2.323 (p- value<0.001), -4.753 (p-value<0.001)으로 통계적으로 유의한 것으로 나타났다. 즉 직무일치 결정요인 으

ᆯ 분석하는데 있어서 Heckman의 표본선택 모형이 통계적으로 유의한 것으로 나타났다.

ᄒ

ᅡᆫ편 1단계 선택모형 (selection model)의 결과는 표본에 선택될 확률로서, 교육일치, 기술일치 미

ᆾ 전공일치 등 직무일치에 대한 선택모형의 회귀계수는 모두 동일하다. 2단계 결과모형 (outcome model)의 결과는교육일치, 기술일치 및 전공일치 등 직무일치의 크기에 대한 독립변수의 영향력을 추 저

ᆼ한 결과이다. 분석결과를구체적으로 살펴보면 다음과 같다.

ᄆ

ᅥᆫ저 개인특성에 따른 분석결과를살펴보면 다음과 같다. 성별의 경우, 남자가 여자에 비해서 취업확 류

ᆯ은유의하게 높은반면, 기술일치를제외한 교육일치와 전공일치의 크기는유의하게 낮은것으로 나타 ᄂ

ᅡ

ᆻ다. 연령은 25세 미만에 비해서 연령이 증가할수록취업확률은 높게 나타났지만, 교육일치, 기술일치 미

ᆾ 전공일치는모두 유의하게 낮게 나타났다. 부모소득은 100만원미만에 비해서 200∼500만원인 경우 ᄎ

ᅱ업할확률은유의하게 높지만, 교육일치, 기술일치 및 전공일치의 크기는 유의하게 낮은것으로 나타 ᄂ

ᅡ

ᆻ다. 부모의 교육수준은전문대 미만에 비해서 대졸이상인 경우 취업확률은유의하게 낮지만, 교육일 ᄎ

ᅵ, 기술일치 및 전공일치의 크기는유의하게 높은것으로 나타났다. 평균평점은 3.0 미만에 비해서 특 ᄒ

ᅵ 3.0∼4.0은취업확률은유의하게 높았으나, 교육일치, 기술일치 및 전공일치의 크기는유의하게 낮은 거

ᆺ으로 나타났다. 또한 자격증의 수가 많을수록취업확률은유의하게 높게 나타났으나, 교육일치, 기술 이

ᆯ치 및 전공일치의 크기는유의하게 낮은것으로 나타났다.

Table 4.1 Results of Heckman sample selection model

step 1 : step 2 : outcome model

variables selection model education match technique match major match

b s.e. b s.e. b s.e. b s.e.

constant 0.23

0.015 4.45

0.520 3.90

0.371 4.67

0.759

sex male 0.07

0.005 -0.06

0.030 -0.03 0.022 -0.27

0.044

age 25∼30 0.01

0.005 -0.03

0.014 <0.01 0.010 -0.10

0.021

>30 0.17

0.009 -0.27

0.068 -0.16

0.049 -0.36

0.100

parent’s

100∼200 <0.01 0.011 0.01 0.027 0.03 0.020 -0.02 0.040

income

200∼300 0.07

0.010 -0.11

0.038 -0.05

0.027 -0.16

0.055 300∼500 0.04

0.010 -0.04

0.027 -0.01 0.019 -0.03 0.039

>500 0.01 0.010 -0.02 0.025 0.04

0.018 0.03 0.037

parent’s

college -0.01 0.010 -0.02 0.024 -0.03

0.017 0.01 0.035

education

university -0.05

0.005 0.07

0.023 0.07

0.017 0.13

0.034

>university -0.24

0.009 0.43

0.103 0.27

0.073 0.64

0.150 gpa 3.0∼4.0 0.10

0.007 -0.13

0.048 -0.07

0.032 -0.19

0.065

≥4.0 0.08

0.008 -0.06 0.038 -0.03 0.027 -0.04 0.055

number 1 0.28

0.005 -0.42

0.111 -0.31

0.079 -0.47

0.162

of 2 0.19

0.006 -0.30

0.079 -0.20

0.056 -0.25

0.115

licenses ≥ 3 0.15

0.006 -0.25

0.063 -0.18

0.045 -0.18

0.092 foundation university -0.08

0.005 0.09

0.034 0.09

0.024 0.31

0.049 school national -0.10 0.006 0.14

0.043 0.09

0.031 0.25

0.063 dept. humanity 0.01

0.006 -0.03 0.018 -0.05

0.013 -0.23

0.030 category natural 0.11

0.007 -0.10

0.047 -0.06

0.034 -0.11 0.069 major satisfaction <0.01 0.003 0.06

0.008 0.04

0.006 0.31

0.012 university satisfaction 0.03

0.003 -0.03

0.014 -0.01 0.010 -0.06

0.020 wage - - <0.01

0.000 <0.01

0.000 <0.01

0.000

size

10∼99 - - 0.04

0.016 0.04

0.011 0.12

0.023

100∼299 - - 0.03

0.012 0.04

0.009 0.12

0.018

300∼999 - - 0.07

0.016 0.07

0.011 0.01 0.023

≥1000 - - 0.04

0.013 0.03

0.009 <0.01 0.018

full-time worker - - 0.17

0.011 0.16

0.008 0.17

0.015

n(censored/uncensored) 486,646 451,826(121,716 / 330,110)

ρ - - -1.000 -1.000 -1.000

σ - - 3.256 3.323 4.753

inverse Mill’s ratio (λ) - - -3.256

0.203 -2.323

0.211 -4.753

0.376

*:p < 0.10, **:p < 0.05, ***:p < 0.01.

ᄃ

ᅡ음으로 학교특성에 따른 분석결과를살펴보면 다음과 같다. 전문대 졸업자에 비해서 4년제 대졸자 ᄋ

ᅴ 취업확률은유의하게 낮지만, 교육일치, 기술일치 및 전공일치의 크기는 유의하게 높은것으로 나타 ᄂ

ᅡ

ᆻ다. 사립에 비해서 국립의 취업확률은유의한 차이는없지만, 교육일치, 기술일치 및 전공일치의 크기 느

ᆫ유의하게 높은것으로 나타났다. 또한 예체능계열에 비해서 인문 및 자연계열의 취업확률은유의하 ᄀ

ᅦ 높았으며, 교육일치, 기술일치 및 전공일치의 크기는유의하게 낮은것으로 나타났다. 전공만족도가 노

ᇁ아질수록교육일치, 기술일치 및 전공일치의 크기는유의하게 높은것으로 나타났으나, 대학만족도가 노

ᇁ아질수록취업확률은 높아지지만, 교육일치, 기술일치 및 전공일치의 크기는유의하게 낮아지는것으 ᄅ

ᅩ 나타났다.

ᄆ

ᅡ지막으로 기업특성에 따른 분석결과를살펴보면 다음과 같다. 임금과 기업규모가 증가할수록교육 이

ᆯ치, 기술일치 및 전공일치 등 직무일치의 크기는유의하게 높은것으로 나타났다. 또한 비정규직에 비 ᄒ

ᅢ서 정규직인 경우, 교육일치, 기술일치 및 전공일치 등 직무일치의 크기는유의하게 높은것으로 나타 ᄂ

ᅡ ᆻ다.

5. 결론 보

ᆫ연구에서는 2014년 GOMS 자료를활용하여 직무일치 결정요인을 분석하였다. Heckman의 표본 ᄉ

ᅥᆫ택 모형을활용하였으며, 분석 결과를요약하면 다음과 같다.

처

ᆺ째, 직무일치 결정요인을 분석하기 위한 Heckman의 표본선택 모형은 통계적으로 유의하게 나타났 ᄃ

ᅡ.

ᄃ ᅮ

ᆯ째, 개인특성에 따른 분석결과에서 남자가 여자에 비해서, 그리고 연령이 많을수록,부모 소득이 높 ᄋ

ᅳᆯ수록, 평균평점이 높을수록, 그리고 자격증의 개수가 많을수록취업확률은 높게 나타났으나, 교육일 ᄎ

ᅵ, 기술일치 및 전공일치 등 직무일치의 크기는대체로 낮게 나타났다. 반면 부모의 교육수준이 높을수 ᄅ

ᅩ

ᆨ취업확률은낮지만, 대체로 직무일치는 높게 나타났다.

ᄉ

ᅦᆺ째, 학교특성에 따른 분석결과에서 전문대에 비해서 4년제 대졸자, 사립대에 비해서 국립대 졸업자 ᄋ

ᅴ 취업확률은낮게 나타났으며, 교육일치, 기술일치 및 전공일치 등 직무일치의 크기도 대체로 낮게 나 ᄐ

ᅡ났다. 전공계열에서는예체능에 비해서 인문 및 자연계열, 그리고 대학만족도가 높을수록취업확률은 노

ᇁ게 나타났지만, 교육일치, 기술일치 및 전공일치 등 직무일치의 크기는대체로 낮게 나타났다.

ᄆ

ᅡ지막으로, 기업특성에 따른 분석결과에서 임금과 기업규모가 증가할수록, 그리고 비정규직에 비해 ᄉ

ᅥ 정규직으로 취업한 경우 교육일치, 기술일치 및 전공일치 등 직무일치의 크기는 높게 나타났다. 결론 ᄌ

ᅥᆨ으로 전공만족도가 높을수록, 임금과 기업규모가 증가할수록, 그리고 정규직일수록 대졸자들의 직무 이

ᆯ치의 정도가 높은 것으로 나타나, 이런 특성을가진 대졸자는 직업을 선택하는데 있어서 직장에서의 어

ᆸ무수준이 자신의 역량과 맞는 직업을선택하는경향이 있다. 따라서 전공만족도가 높아질 수 있도록 ᄌ

ᅥᆫ공특성에 맞는맞춤형 프로그램을개발하여 운영할 필요가 있음을시사한다.

ᄒ

ᅡᆫ편 본연구에서는 직무일치에 대한 개념을교육일치, 기술일치 및 전공일치 등 3개의 개념만으로 정 ᄋ

ᅴ했다는점과, 분석에 사용된독립변수는 선행연구를 바탕으로 제한적으로 선택했다는점에서 연구결 ᄀ

ᅪ에 대한 지나친 일반화는무리가 있음을밝혀 둔다. 따라서 직무일치에 대한 명확한 개념 정립과 다양 ᄒ

ᅡᆫ 독립변수를포함하는연구, 그리고 2014년 GOMS 자료뿐만 아니라 다양한 패널조사 자료에 대한 직 ᄆ

ᅮ일치 결정요인 분석은향후 과제로 남겨둔다.

References

Cha, S. H. and Chu, H. J. (2010). The effect of education and skill mismatch on wage, job satisfaction, and intention to leave. The Journal of Economics and Finance of Education, 19, 177-215.

Cho, J. S. (2017). The wage determinants of college graduates using Heckman’s sample selection model.

Journal of the Korean data & information science society, 28, 1099-1107.

Choi, Y. M., Kim, Y. S., Kil, H. J. and Joo, H. J. (2013). The effect of junior college admission officer system on the job-major match & job satisfaction. The Journal of vocational Education Research, 32, 111-132.

Green, W. (2003). Econometrics, Prentice Hall, Upper Saddle River, New Jersey.

Gu, S. W. and Kim, B. J. (2015). Analysis on characteristic variables affecting job match of college students.

The Journal of Economics and Finance of Education, 24, 187-210.

Heckman, J. J. (1976). The common structure of statistical models of truncation, sample selection and limited dependent variables and a simple estimator for such models. The Journal of Economics and Finance of Education, 5, 475-492.

Jung, J. S. and Kim, H. H. (2009). Analysis on the influential factors on private tutoring expenditure of Korean college students. The Journal of Economics and Finance of Education, 18, 89-122.

Kim, H. H. (2011). An analysis of impacts of family income on financing experience and cumulative amount

of student loan: Focusing on private junior college graduate. The Journal of Economics and Finance

of Education, 20, 183-203.

Kim, H. K. and Kim, J. H. (2009). The effect of mismatch in degree field on wage. Korea Review of Applied Economics, 11, 47-71.

Kim, J. H. (2014). The career decision making experience appeared in career stories of college students whose majors mismatch their desired job. The Korean Journal of Counseling and Psychotherapy, 26, 993-1021.

Lee, J. H., Kim, D. J. and Kim, J. (2016). Leave of absence and labor market performance: Focus on female college graduates under the age of 39. The Journal of Women and Economics, 13, 1-20.

Lim, C. Y. (2008). The determinants of major-job mismatches and major-job matching effectiveness on relations between tenure and wage. Quarterly Journal of Labor Policy, 8, 95-123.

Lim, J. Y. and Lee, Y. M. (2013). Analyzing the effects of education and skill match as well as job characteristics on voluntarily turnover intention of early careers in small and midium-sized corporations, through the mediating effects of workplace environment, workers. Journal of Corporate Education, 15, 155-181.

Park, S. I. and Cho, J. S. (2016). The wage determinants applying sample selection bias. Journal of the Korean Data & Information Science Society, 27, 1317-1325.

Shin, S. M. and Son, Y. M. (2008). Measurement of downgrading employment and it’s factors. Journal of Vocational Education & Training, 4, 1-21.

Yu, H. S. and Cho, Y. H. (2005). Analysis on the influential factors on the major and job matching

employment in school-to-work transition for college graduates. The Journal of Korean Education, 32,

223-244.

2018, 29

5)

1169–1177

The job match determinants using Heckman ’s sample selection model ^†

Jangsik Cho

¹

2Division of Mathematics and Applied Statistics, Kyungsung University

Received 26 July 2018, revised 10 August 2018, accepted 20 August 2018

Abstract

In this paper, we analyzed characteristic variables of college graduates affecting job match. In general, job match contain two complex pieces of information about employment status of individual and job match size. We used the Heckman’s sample selection models utilizing the data of 「2014 Graduates Occupational Mobility Survey」

conducted by Korea Employment Information Service. The main results are summa- rized as follows. First, Heckman’s sample selection model is statistically significant.

Second, male is significantly higher in probability of employment and significant lower in the size of job matching than female. As age increases, the probability of employment is higher and the size of job matching is higher. Finally, as the grade point average increases and the number of licenses increased, the probability of employment tends to increase, but the size of job matching tends to decrease.

Keywords: Censored data, Heckman’s sample selection model, job match, sample se- lection bias.

†

This research was supported by Kyungsung University Research Grants in 2017.

1

Corresponding author: Professor, Division of Mathematics and Applied Statistics, Kyungsung Univer-

sity, Busan, 48434, Korea. E-mail : [email protected]