공무원 이직의도의 연관요인에 대한 추론과 예측에 관한 연구

An Inference and Prediction Study on the Factors Associated with Public Officer’s Turnover Intention

정부 조직의 변화가 계속되면서 조직 안정성이 흔들리고 이에 따라 조직 구성원인 공무원들이 이직의도를 품거나 실제 이직을 결정할 가능성이 높아지고 있다. 이에 따라 공무원들의 이직의도와 연관이 있는 요인들을 찾아 인사관리에 적극 반영하여 공무원들의 이직을 줄일 필요가 있다. 본 연구에서는 한국행정연구원의 ‘2018 공직생활실태조사’ 결과를 이용하여, 공무원의 이직의도와 연관이 있는 요인들을 살펴보고 또 공무원들의 이직의도에 대한 예측을 해보고자 하였다. 로지스틱 회귀분석 모형을 사용한 결과, 공무원들의 이직의도와 통계적으로 유의미한 연관이 있는 요인으로 승진이나 보수, 복지뿐만 아니라 리더십, 조직문화, 직무스트레스, 조직몰입, 공직만족도 등의 26가지 요인들이 제시되었다. 또 로지스틱 회귀분석 모형과 함께, 머신러닝 기법 중 하나인 Lasso 회귀분석 방법을 이용하여 실제로 공무원들의 이직의도를 예측할 수 있는 방법을 살펴보았다. 예측 실행 결과, Lasso 로지스틱 회귀분석 모형이 일반 로지스틱 회귀분석 모형보다 근소하게 예측력이 높았으나, 두 모형 다 약 70%를 약간 상회하는 정도의 정확성을 보였다.

The continuing changes occurring in the government organization shake the organization’s stability, increasing the risk of public officers’ turnover. To reduce the potential harm that a high turnover rate of public officers may impose on the organization, an active approach to public personnel management by addressing known turnover-related factors in the personnel system is required. This study attempts to infer the factors associated with public officer’s turnover intention and to predict their actual turnover intention, using a large-sized public officer survey conducted in 2018 and the ordinary and Lasso logistic regression methods. For the association factor inference, we identified 26 factors, including promotion, wages, leadership, organization culture, job stress, and job commitment, that were statistically significantly associated with the public officer’s turnover intention by using the ordinary logistic regression methods. For the turnover intention prediction based on the association factors, both the ordinary and Lasso logistic regression models predicted whether a public officer had a turnover intention correctly for over 70% of the new test sample, but the Lasso logistic regression model had a slightly better prediction power than the ordinary logistic regression model had.