분위회귀모형을 이용한 대졸자 임금 분석

College Graduate’s Determinants of Wage Applying Quantile Regression Model

본 연구에서는 한국고용정보원에서 실시한 “2014년 대졸자 직업이동 경로조사” 자료를 활용하여 대졸자의 임금결정요인을 분석하였다. 일반적으로 최소제곱법을 활용한 회귀모형은 독립변수에 대한 종속변수의 회귀계수가 고정된 값으로 가정할 뿐만 아니라, 정규성, 독립성 및 등분산성 등의 가정을 요구하는 단점이 있다. 특히 오차항에 대한 이분산성이 존재할 때, 표본 집단별 독립변수가 종속변수에 미치는 영향이 종속변수의 수준에 따라 다를 가능성이 존재한다. 이런 문제점을 극복하기 위해 분위회귀분석을 활용하여 임금결정요인을 분석하였으며, 분석결과 주요 내용은 다음과 같다. 첫째, 오차항에 대한 이분산성 검정 결과 이분산성이 존재하기 때문에 분위회귀분석을 수행하는 것이 타당하다는 것을 알 수 있었다. 둘째, 분석에 사용된 분위회귀모형의 회귀계수들은 대부분의 독립변수들에 대해서 통계적으로 유의한 결과를 보였다. 셋째, 분위수별 회귀계수들의 부호, 크기, 유의도 및 증감 패턴은 대부분의 독립변수들에 대해서 도 일정하지 않음을 알 수 있었다. 넷째, 임금에 대한 분위수별 분위회귀계수들은 모든 독립변수들에 대해서 통계적으로 유의한 차이가 있었다.

This paper aimed to analyze wage determinants of the college graduates utilizing “2014 graduate occupational mobility survey” data. So far, many authors have used ordinary least square (OLS) method for analyzing the wage determinants. However, this method assumes that the regression coefficient value is a fixed constant value. Also this method assumes that the error term follows the normal distribution, has the same variance, and is independent of each other. In this case, quantile regression model is more proper than ordinary least squares because error term does not satisfy normality, equal variance, and independence. In this paper, we use quantile regression model in order to overcome this problem. We note that heteroscedasticity test on error term was statistically significant. Therefore, it is more reasonable to do the quantile regression analysis than OLS regression analysis. The main results are as follows. Almost of independent variables are statistically significant for wages. It can be seen that the magnitude, sign, and significance value of the quantile regression coefficient are statistically significantly different as the quantile varies.