국가 최저임금이 지역별 임금 수준에 미치는 영향: 지역적 임금 격차로 최저임금 효과를 파악할 수 있을까?

Conceitos essenciais

지역별 임금 격차를 이용한 국가 최저임금 효과 추정은 상관된 측정 오류 및 함수 형태의 잘못된 설명으로 인해 편향될 수 있으며, 기존 연구에서 가정한 식별 가정을 충족하더라도 여전히 유의미한 편향이 발생할 수 있다.

Resumo

지역별 임금 수준 변화를 통한 국가 최저임금 효과 분석: 타당성 검증

본 논문은 국가 최저임금이 노동 시장에 미치는 영향을 분석하기 위해 지역별 임금 수준의 차이를 활용하는 추정치의 타당성을 검증한다. 특히, "영향을 받는 비율(fraction affected)" 및 "유효 최저임금(effective minimum wage)" 설계의 변형을 중점적으로 살펴본다.

최저임금의 노동 시장 효과를 측정하는 한 가지 방법은 한 국가 내에서 지역 간 임금 수준의 차이를 이용하는 것이다. 예를 들어, 미국 연방 최저임금 인상 시, 저임금 지역인 미시시피와 사우스캐롤라이나는 고임금 지역인 텍사스나 조지아보다 더 큰 영향을 받을 것으로 예상된다. 이러한 아이디어를 바탕으로 계량 경제학자들은 지역별 임금 분포의 함수로 처리 강도 변수를 설정하여 패널 회귀 분석을 수행한다. 대표적인 예로 Card (1992)의 "영향을 받는 비율" 설계와 Lee (1999)의 "유효 최저임금" 설계가 있다.

Card (1992)와 Lee (1999)는 주별 최저임금법에서 비롯된 상당 부분의 식별 변동을 활용하여 미국 데이터를 사용했다. 그 이후 연구자들은 이러한 변동을 직접적으로 이용하는 보다 현대적인 추정치를 개발했다 (예: Cengiz et al., 2019; Ghanem, Kédagni and Mourifié, 2023). 그러나 이러한 새로운 추정치는 지역별 최저임금이 없는 경우 적용할 수 없기 때문에 유효 최저임금 및 영향을 받는 비율 설계의 변형이 여전히 사용되고 있다. 최근 주요 저널에 게재된 연구에서는 멕시코 (Bosch and Manacorda, 2010), 남아프리카 공화국 (Dinkelman and Ranchhod, 2012), 독일 (Dustmann et al., 2021), 1960년대와 1970년대 미국 (Bailey, DiNardo and Stuart, 2021), 브라질 (Engbom and Moser, 2022), 영국 (Giupponi et al., 2024) 등의 사례를 다루고 있다.

Principais Insights Extraídos De

Does regional variation in wage levels identify the effects of a national minimum wage?

by Daniel Haanw... às arxiv.org 11-22-2024

https://arxiv.org/pdf/2307.01284.pdf

Perguntas Mais Profundas

지역별 최저임금 규정 외에 유효 최저임금 설계의 식별 변수로 활용될 수 있는 다른 경제적 요인은 무엇이며, 해당 요인이 임금 분포의 형태나 고용 수준에 독립적인 영향을 미치지 않는다고 어떻게 확신할 수 있는가?

이 질문에 대한 답은 유효 최저임금 설계의 핵심적인 문제점을 건드립니다. 이상적으로, 우리는 지역별 임금 수준을 이동시키지만 임금 분포의 형태나 고용 수준에는 영향을 미치지 않는 외생적인 요인을 찾아야 합니다. 하지만 현실에서는 이러한 조건을 완벽하게 충족하는 변수를 찾기가 매우 어렵습니다.
지역별 최저임금 규정 외에 고려할 수 있는 몇 가지 요인은 다음과 같습니다.

지역별 생계비: 생계비가 높은 지역은 임금 수준도 높은 경향이 있습니다. 하지만 생계비는 주택 가격, 세금 등 다양한 요인에 의해 영향을 받으며, 이는 임금 분포나 고용 수준과 무관하지 않을 수 있습니다. 예를 들어 높은 주택 가격은 저임금 노동자들의 이주를 제한하여 임금 분포를 왜곡시키고 고용 수준에 영향을 미칠 수 있습니다.
산업 구조: 특정 산업에 특화된 지역은 해당 산업의 임금 수준에 따라 전반적인 임금 수준이 결정될 수 있습니다. 그러나 산업 구조는 노동 수요와 공급에 영향을 미치므로 임금 분포와 고용 수준에 독립적인 영향을 미친다고 보기 어렵습니다.
지역별 정책: 지역 정부의 정책, 예를 들어 직업 훈련 프로그램이나 기업 지원 정책은 임금 수준에 영향을 줄 수 있습니다. 하지만 이러한 정책들은 특정 기술 수준이나 산업에 집중될 수 있으며, 이는 임금 분포와 고용 수준에 영향을 미칠 수 있습니다.
결론적으로 지역별 최저임금 규정 외에 유효 최저임금 설계에 사용할 수 있는 완벽한 변수는 존재하지 않습니다. 따라서 연구자는 선택한 변수가 야기할 수 있는 내생성 문제를 인지하고, 다양한 방법론적 도구들을 활용하여 이를 최소화해야 합니다. 예를 들어, 고정 효과 모형, 도구 변수법, 패널 데이터 분석 등을 통해 외생성 문제를 완화하고 추정 결과의 신뢰성을 높일 수 있습니다.

영향을 받는 비율 설계에서 함수 형태의 사양 오류 가능성을 완전히 배제할 수 있는가? 만약 그렇지 않다면, 이러한 오류를 최소화하기 위해 어떤 방법을 사용할 수 있는가?

영향을 받는 비율 설계에서 함수 형태의 사양 오류 가능성을 완전히 배제하는 것은 불가능합니다. 이는 최저임금 인상의 영향이 영향을 받는 비율에 대해 완벽하게 선형적이라는 보장이 없기 때문입니다. 실제로 최저임금 인상은 비선형적인 영향을 미칠 가능성이 높습니다. 예를 들어, 최저임금 인상은 저임금 노동자들의 임금을 인상시키는 동시에 고용을 감소시키는 효과를 가져올 수 있습니다. 이러한 경우, 영향을 받는 비율에 대한 최저임금 인상의 영향은 선형적이지 않을 것입니다.
함수 형태의 사양 오류를 최소화하기 위해 다음과 같은 방법들을 고려할 수 있습니다:

다양한 함수 형태 고려: 선형 함수뿐만 아니라, 이차 함수, 로그 함수, 다항 함수 등 다양한 함수 형태를 사용하여 분석을 수행하고 결과를 비교해야 합니다.
비모수적 방법 활용: 함수 형태를 사전에 특정하지 않고 데이터에서 직접 추정하는 비모수적 방법(예: 커널 회귀, 로컬 선형 회귀)을 사용할 수 있습니다.
통제 변수 추가: 영향을 받는 비율 이외에 최저임금 인상의 영향을 받을 수 있는 다른 요인들을 통제 변수로 추가하여 분석의 정확성을 높여야 합니다.
민감도 분석: 다양한 함수 형태, 통제 변수, 추정 방법 등을 사용하여 분석을 반복하고 결과의 변화를 살펴봄으로써 추정 결과의 강건성을 확인해야 합니다.

최저임금 효과 분석을 위해 지역별 임금 격차를 활용하는 것 외에 다른 대안적인 접근 방식은 무엇이며, 각 접근 방식의 장단점은 무엇인가?

최저임금 효과 분석을 위해 지역별 임금 격차를 활용하는 것 외에도 다양한 대안적인 접근 방식들이 존재합니다. 몇 가지 주요 접근 방식과 그 장단점은 다음과 같습니다.
1. 시계열 분석:

방법: 최저임금 변화가 있는 시점을 기준으로 전후 고용 및 임금 변화를 분석합니다.
장점: 데이터 수집이 용이하며, 직관적으로 이해하기 쉽습니다.
단점: 최저임금 변화 외 다른 요인들이 고용 및 임금에 미치는 영향을 통제하기 어렵습니다.
2. 이중차분법 (Difference-in-differences, DID):

방법: 최저임금 변화가 있는 지역과 없는 지역을 비교하여 최저임금의 순수 효과를 추정합니다.
장점: 최저임금 변화 외 다른 요인들이 고용 및 임금에 미치는 영향을 어느 정도 통제할 수 있습니다.
단점: 비교 대상 지역 선정에 따라 결과가 달라질 수 있으며, '병행 추세 가정'을 충족해야 합니다.
3. 회귀 단절 설계 (Regression Discontinuity Design, RDD):

방법: 최저임금 적용 기준 (예: 기업 규모, 업종) 근처에서 고용 및 임금 변화를 분석하여 최저임금의 효과를 추정합니다.
장점: 다른 방법에 비해 내생성 문제를 효과적으로 통제할 수 있습니다.
단점: 최저임금 적용 기준 근처에 충분한 데이터가 있어야 하며, 적용 기준이 외생적이어야 합니다.
4. 구조적 모형 (Structural Model):

방법: 경제 이론에 기반한 모형을 통해 최저임금이 노동 시장에 미치는 영향을 분석합니다.
장점: 최저임금의 다양한 효과 (예: 고용, 임금, 근로 시간)를 종합적으로 분석할 수 있습니다.
단점: 모형 설정에 따라 결과가 크게 달라질 수 있으며, 데이터 요구량이 많습니다.
어떤 접근 방식이 가장 적절한지는 연구 질문, 데이터 가용성, 연구 환경 등을 고려하여 결정해야 합니다.
각 접근 방식의 한계점을 인지하고, 다양한 방법론적 도구들을 활용하여 분석의 정확성과 신뢰성을 높이는 것이 중요합니다.