지역별 고용조사 기반 다중 랜덤효과 혼합모형을 활용한 소지역 추정 연구 = Small Area Estimation Based on the Regional Employment Survey Using Mixed Models with Multiple Random Effects

국문 초록 (Abstract)

국가통계 이용 환경의 변화와 함께 지역·집단 단위로 세분화된 통계에 대한 수요가 지속적으로 확대되고 있다. 그러나 표본조사에 기반 한 공식통계에서 세분화 수준이 높아질수록 과소 표본 문제가 심화되어 직접추정의 불확실성이 급격히 증가하는 한계가 존재한다. 본 연구는 이러한 정책적·실무적 요구에 대응하여 소지역추정(SAE, small area estimation) 방법을 활용해 시군구×직업대분류 수준의 소득을 안정적으로 추정하는 방법을 검토하고자 한다. 2024년 지역별고용조사 자료를 이용해 직접추정, 단일 랜덤효과 모형, 교차분류 다중 랜덤효과 모형을 비교하고, 설계가중치와 모의실험 기반 평균제곱오차(MSE) 및 변동계수(CV)를 통해 성능을 평가하였다. 분석 결과, 다중 랜덤효과 모형은 표본수가 부족한 세분화 소지역에서 MSE와 CV를 유의하게 감소시켜 가장 높은 추정 안정성을 보였다. 또한, 시군구×직업대분류 소지역 추정결과를 바탕으로 다양한 유사도 분석을 수행한 결과, 평균소득이 유사한 지역 간에도 직업별 소득 구조에서 의미 있는 동형성과 이형성이 존재함을 확인하였다. 본 연구는 교차분류 다중 랜덤효과 모형이 국가통계의 고세분화 수요에 대응할 수 있는 실용적인 소지역추정 대안임을 시사한다.

다국어 초록 (Multilingual Abstract)

As demand for finer-grained and micro-level official statistics has increased, survey-based statistics face growing uncertainty at highly disaggregated regional and group levels due to sample sparsity. This study addresses this challenge by applying small area estimation (SAE) techniques to produce stable income estimates at the municipality×major occupation level. Using data from the 2024 Regional Employment Survey, we compare direct estimation, a single random-effects model, and a crossed multiple random-effects model, evaluating performance using Monte Carlo simuation-based mean squared error (MSE) and coefficient of variation (CV). The results show that the multiple random-effects model substantially improves estimation stability in areas with small sample sizes. Structural comparisons further reveal heterogeneous occupational income patterns across regions with similar average income levels. Overall, this study demonstrates that crossed multiple random-effects models offer a practical approach for meeting the increasing demand for micro-level official statistics.