미국 경제의 구조적 변화와 관련된 두 가지 에세이 : 실업률 변동과 인플레이션 움직임의 변화에 대하여

이영숙 高麗大學校 2005 국내박사

미국 경제의 구조가 ‘안정화(stabilization)’ 되었다는 것이 경제학의 커다란 주제가 되고 있다. 본 논문에서는 거시 경제의 단기 변동과 관련하여 중요한 주제인 실업률과 인플레이션을 대상으로 미국 경제의 구조적 변화가 미친 영향을 살펴보았다. 연구 결과 1980년대 초 이후에 미국의 실업률과 인플레이션에 중요한 구조적 변화가 있었던 것으로 나타났다. 에세이 Ⅰ에서는, 미국 경제의 안정화와 관련하여 미국의 실업률 움직임이 구조적으로 달라졌는지에 대한 실증분석을 하였다. 산업부문간 노동인력의 이동을 유발하는 부문간 이동충격(sectoral shift shock)과 생산성(productivity)을 중심으로 실업률 회귀식을 검정한 결과, 1980년대 초경이 구조적 변화의 시점으로 나타났다. 이 시점을 기준으로 자료를 두 기간으로 나누어 추정한 결과, 부문간 이동충격은 구조변화의 이전에는 실업률 변동에 중요했으나 이후에는 설명력이 크게 작아지는 것을 볼 수 있었다. 반면에 생산성은 구조변화 이전에는 실업률 변동에 양(positive)의 관계를 보였으나 구조변화 이후에는 음(negative)의 관계를 나타냈다. 에세이 Ⅱ 에서는, 1980년대 초 미국 통화정책의 변화 시점을 기준으로 미국 인플레이션의 움직임이 달라졌는지에 대한 실증분석을 하였다. 특별히 본 논문에서는 단위근(unit root) 문제를 고려하여 다변량 베버리지-넬슨(Beveridge-Nelson) 분해로 추정한 인플레이션율의 순환부분을 분석대상으로 하였다. 뉴케인지언의 미래지향적(forward-looking) 기대와 전통적 케인지언의 과거지향적(backward-looking) 기대가 공존하는 하이브리드 모형(hybrid model)을 이용한 분석 결과, 1980년대 초 이후 미국 인플레이션의 움직임에는 합리적 기대의 역할이 중요해진 것을 볼 수 있었다.

우리나라의 실업률이 사고사망률에 미치는 영향

진은정 강원대학교 2006 국내석사

본 연구의 목적은 실업률이 사망외인 사망률에 미치는 영향을 알아보고자 첫째, 연령별로 15-64세, 15-39세, 40-64세 추락사고, 운수사고, 자살 및 총 사망외인에 대한 실업률의 영향을 분석하고 둘째, 외환 경제위기 시점을 기준으로 경제시기별 실업률이 사망원인별 사망률에 미친 영향을 분석하였다. 통계청의 사망원인 통계자료와 실업률 자료 중에서 1990-2004년의 월별 사망률과 실업률을 관찰단위로 하며 GAPM(General Additive Poisson Model)을 적합시켜 이들의 영향을 파악하였다. 본 연구에서 사용된 자료원은 통계청에서 입수한 사망원인통계자료와 실업률 자료이다. 월별 실업률을 독립변수로 사용하고, 연령대별 성별 경제시기별 추락사고, 운수사고, 자살로 인한 사망률과 총 사망외인의 사망률을 종속변수로 사용하였다. 또한 독립변수로 사용된 실업률은 IMF 경제위기 기간인 1998-2000년을 기준으로 IMF 경제위기 이전, IMF 경제위기 진행기간, IMF 경제위기 이후로 분류하였다. 교란요인을 보정한 GAPM 모횽에 사인별 사망률을 포함시켜 경제시기별로 분류하여 분석한 결과 실업률의 증가는 IMF 경제위기 이전보다는 IMF 경제위기 동안과 이후에 사망률 변동에 영향을 주었다. 자살로 인한 사망률은 IMF 경제위기가 지난 후인 2001-2004년에는 남성의 상대위험도가 높게 나왔다. 추락사고로 인한 남성의 사망률은 IMF 경제위기 이전과 IMF 경제위기 진행기간 모두 실업률이 증가하면 감소하며 특히 IMF 경제위기 진행기간에는 감소폭이 더 크게 나타났다. 반면에 여성의 사망률은 IMF 경제위기 이전에는 실업률 증가에 영향을 받지 않았으나 IMF 경제위기 진행기간에는 실업률 이 0.1% 증가하면 추락사고로 인한 사망률은 0.01% 증가하지만 IMF 종료 이후에는 0.04% 감소하는 것으로 나타났다. 운수사고 역시 남녀 모두 IMF 진행되기 이전부터 진행당시까지인 1990-2000년에는 실업률 증가가 사망률 변동에 영향을 미치지 않았지만 IMF 경제위기 종료 이후인 2001-2004년에는 실업률이 0.1% 증가하면 운수사고로 인한 사망률은 0.01% 감소하는 것으로 나타난다. 1990-2004년 동안 실업률이 증가하면 운수사고, 추락사고, 사망외인의 사망률 감소, 자살로 인한 사망률 증가에 유의적인 영향을 미치는 것으로 추정되는데 이것은 실업률 증가와 사인별 사망률과의 연관성을 제시한 여러 선행연구 결과들과 부합된다. 결론적으로 실업률이 증가하면 운수사고와 추락사고의 사망률이 상대적으로 감소한다는 결과를 통해 경제활동과 관련된 사망원인별 사망률을 줄일 수 있는 가능성을 보여준다. 따라서 실업률의 감소가 운수사고나 추락사고의 사망률감소에 작용하는 과정을 밝히는 연구들을 통하여 실업률이 증가하는 동안에도 경제활동과 관련된 이들 원인별 사망률이 감소할 수 있도록 하는 적절한 예방관리정책이 강구되어야 할 것이다.

SVAR에 의한 한국 실업률 분석

박은수 연세대학교 대학원 2004 국내석사

The purpose of this thesis is to analyze the effect of exogenous shocks of economy on the unemployment rate of Korea and its importance, also with estimating the natural unemployment rate of Korea by using SVAR model. Economic variables such as unemployment rate, domestic output, foreign output, and price level were used as endogenous variables. Also exogenous shocks such as foreign shock, unemployment shock, technology shock, and demand shock were specified as error terms. The SVAR model, which is based on the long-run relationship between economic variables and error terms, was estimated by the method developed by Blanchard & Quah (1989).The results from impulse response analysis and variance decomposition of estimated SVAR model based on quarterly data from 1970:1 to 2003:3 are the followings. The foreign shock decreases the unemployment rate in long-run and short-run. But the unemployment shock, which reflects labor market related economic situation, increases the unemployment rate in long-run and short-run. The technology shock increases the unemployment rate in short-run, contrarily it decreases the unemployment rate after the three quarters and has no effect in long-run. As looking at how much each exogenous shocks contributes to the fluctuation of unemployment rate, the unemployment shock takes up about 70% to 80% of it and other shocks do less than 10% of it.The natural rate of employment of Korea obtained from BN decomposition of the estimated SVAR model seems to have the similar movement with the unemployment rate. Additionally, the unemployment rate gap defined as the difference between the natural rate of unemployment and the rate of unemployment is closely related to business cycle and inflation rate. 본 연구의 목적은 SVAR 모형을 통해 경제의 외생적 충격들이 한국의 실업률에 미치는 영향과 그 중요성을 살펴보고 한국의 자연실업률을 추정하는 것이다.실업률을 포함하여 국내산출량 및 물가수준 등의 경제변수를 내생변수로 사용하였고 해외충격, 실업충격, 기술충격, 수요충격 등의 외생적 충격을 오차항으로 식별하여 Blanchard & Quah(1989)의 방법론에 따라 경제변수와 외생적 충격간의 장기관계에 바탕을 두고 SVAR 모형의 추정하였다.1970년 1사분기부터 2003년 3사분기까지의 분기자료를 사용하여 추정된 SVAR 모형의 충격반응분석 및 분산분해 결과는 다음과 같다. 해외충격은 장단기에 실업률을 감소시키는 효과를 보이며, 노동시장과 관련된 경제적 상황을 반영하는 실업충격은 장단기에 실업률을 증가시키는 것으로 나타났다. 기술충격은 일시적으로 실업률을 증가시키지만 3분기 이후에는 오히려 실업률을 감소시키며 장기에는 영향을 미치지 못한다. 수요충격은 기술충격과 마찬가지로 일시적으로 실업률을 감소시키지만 장기적으로는 실업률과 무관한 것으로 나타났다. 각 외생적 충격이 실업률의 변동에 차지하는 비중을 보면 실업충격이 약 70~80%를 차지하고 그 외의 충격들은 10% 미만인 것으로 나타났다.추정된 SVAR 모형에 BN분해를 적용함으로써 얻어진 자연실업률은 실업률과 유사한 움직임을 보였으며, 실업률과 자연실업률의 차이로 정의되는 실업률 갭은 경기변동 및 물가상승률과 밀접한 관계를 보이는 등 경기순환적인 측면에서 유용한 것으로 나타났다.

생성적 적대 신경망(GAN)을 활용한 시계열 비선형 예측모형에 관한 실증연구 : 전염병(Influenza, COVID-19)과 실업률을 대상으로

김명화 숭실대학교 대학원 2021 국내박사

Data that record changes over time are called time series data. Many of the statistical data we have access to are time series data, and time series analysis is one of the important studies to predict and prepare for the future. In particular, macroeconomic indicator-related modeling and predictions have been used to solve various problems related to the state of the country's economy, so macroeconomic indicator predictions have been made using various time series models from the past. However, there exists a problem of incomplete time series prediction on nonlinear data from traditional statistical time series analysis methods, and the biggest constraint of time series prediction using deep learning, which has emerged as an alternative model for it, is the problem of lack of data and obtaining high quality data. This work is an example of applying GAN(Generative Adversarial Network), which have been studied a lot in the field of images, to time series data generation and transferring learning with generated virtual data to build and validate models with higher prediction accuracy than previous studies algorithms. The proposed model is validated for unemployment predictions associated with the highly nonlinear relationship and the recent global issue of epidemics(Influenza, COVID-19). Unemployment, a macroeconomic indicator, lacks data for accurate predictions, as the frequency of collection is monthly. Therefore, it is a target that meets the purpose of the proposed model, which seeks to increase the accuracy of learning by generating virtual data. Literature reviews on statistical time series analysis techniques and deep learning algorithms and GAN algorithms have been conducted to design, build and validate the proposed model. And then the proposed model was then designed and implemented, and validated using Influenza cases and unemployment rates in the United States and South Korea. The experiment results show that the proposed model outperforms comparable algorithms for prediction accuracy. Furthermore, experiments were conducted using COVID-19 Cases and unemployment rates in the United States and South Korea to verify the usability of the proposed model. The results of validation and algorithm comparison experiments on the proposed model can be summarized as follows based on RMSE, the most representative criterion of accuracy measures. First, the proposed model showed improved prediction performance with accuracy of 13.99%, 67.66%, 68.44%, and 6.18% respectively compared to ARIMA, VAR, DNN, and LSTM in predicting unemployment associated with epidemic(Influenza) in the United States. However, based on MAE standards, LSTM showed 1.45% improvement in prediction performance compared to the proposed model. Second, the proposed model showed improved accuracy of 70.54%, 59.87%, 74.41%, and 48.42% on RMSE basis, respectively, compared with ARIMA, VAR, DNN, and LSTM on prediction of unemployment associated with epidemic(Influenza). Third, the proposed model demonstrated improved prediction performance with 60.00%, 52.37% and 9.48% accuracy on an RMSE basis, respectively, compared with VAR, DNN, and LSTM on unemployment prediction usability verification associated with COVID-19 in the United States. However, compared to ARIMA, the prediction performance was derived with 18.98% accuracy improvement over the proposed model, but the proposed model was derived with 9.09% accuracy improvement in MAE criteria and 60.91% accuracy in Pearson correlation coefficient criteria. These results are presumed to be derived because RMSE gives a penalty for larger error values by squaring the difference between the predicted and the real value. Fourth, the proposed model showed improved prediction performance with accuracy of 85.65%, 80.20%, 79.53%, and 77.04% respectively on an RMSE basis compared to ARIMA, VAR, DNN, and LSTM in South Korea's unemployment forecast utilization verification associated with COVID-19. Fifth, the proposed model has been verified as a model that can be used in the United States and South Korea in terms of region. This study is South Korea's first attempt as an example of a time series prediction model using multivariate virtual time series data and transfer learning using GAN algorithms, and its results show outstanding performance. It is also meaningful as the only empirical analysis of epidemic and unemployment impact predictions using deep learning. Furthermore, the proposed time series prediction model has been verified to be a globally applicable model despite different cultural and economic conditions in each country. I hope that the results and models of this work can be utilized in the future to predict unpredictable variables in various economic and social sectors, which can be used as an empirical reference for efficient and preemptive decision making. Furthermore, I hope that future work will be carried out by using explainable AI(XAI) to supplement the study on the unexplained points which is the limitation of deep learning prediction. 시간의 흐름에 따라 변하는 현상을 기록한 데이터를 시계열 데이터라고 한다. 우리가 접할 수 있는 많은 통계 데이터들은 시계열 데이터들이며, 시계열분석은 미래를 예측하고 대비하기 위해서 중요한 연구 중 하나이다. 특히, 거시 경지지표 관련 모델링 및 예측은 국가의 경제 상태와 관련된 다양한 문제를 해결하는 데 사용되기에, 과거로부터 여러 연구에서 다양한 시계열 모형을 이용한 거시 경제지표 예측이 이루어져 왔다. 그러나 전통적 통계 시계열분석 방법의 비선형데이터에 대한 불완전한 시계열 예측의 문제가 존재하며, 그에 대한 대안 모형으로 대두된 딥러닝을 이용한 시계열 예측의 가장 큰 제약 사항은 양질의 데이터를 확보하는 문제이다. 본 연구는 이미지 분야에서 많이 연구된 GAN을 시계열 데이터 생성에 적용하고 그 데이터를 전이학습(Transfer Learning)에 수행하여, 비선형 시계열 데이터에 대해서 기존의 알고리즘보다 예측의 정확도가 높은 모형을 구축하고 검증하는 실증연구를 수행한 사례이다. 제안모형을 검증한 대상은 비선형 관계가 높고 최근 전 세계적으로 이슈가 되고 있는 전염병(Influenza, COVID-19)과 연관된 실업률 예측이다. 거시 경제지표인 실업률은 수집빈도가 월 단위이기 때문에, 정확한 예측을 위한 데이터가 부족하다. 이에 가상데이터를 생성하여 학습의 정확도를 높이고자 하는 제안모형의 목적에 부합하는 대상이다. 제안모형을 설계 및 구축·검증하기 위해서 시계열 및 딥러닝, 가상데이터 생성에 관한 선행연구를 고찰하고 제안모형 설계 및 구현, 그리고 비교알고리즘을 구현하여 미국과 한국의 Influenza Cases와 실업률을 이용한 검증을 수행하였다. 그리고 그 결과 제안모형이 비교대상 알고리즘보다 예측정확도가 우수함을 입증하였다. 또한, 제안모형의 활용성을 검증하기 위해서 미국과 한국의 COVID-19 Cases 및 실업률을 이용하여 실험을 수행하였다. 제안모형에 대한 검증 및 알고리즘 비교실험 결과는 정확도 측도의 가장 대표적인 기준인 RMSE를 기준으로 다음과 같이 요약될 수 있다. 첫째, 제안모형은 미국의 전염병(Influenza)과 연관된 실업률 예측에서 ARIMA, VAR, DNN, LSTM과 비교하여 RMSE 기준 각각 13.99%, 67.66%, 68.44%, 6.18%의 정확도가 개선된 예측성능을 보여줬다. 다만 MAE 기준으로는 LSTM이 제안모형보다 1.45% 개선된 예측성능을 보여줬다. 둘째, 제안모형은 한국의 전염병(Influenza)과 연관된 실업률 예측에서 ARIMA, VAR, DNN, LSTM과 비교하여 RMSE 기준 각각 70.54%, 59.87%, 74.41%, 48.42%의 정확도가 개선된 성능을 보여줬다. 셋째, 제안모형은 미국의 COVID-19와 연관된 실업률 예측 활용성 검증에서 VAR, DNN, LSTM과 비교하여 RMSE 기준 각각 60.00%, 52.37%, 9.48%의 정확도가 개선된 예측성능을 보여줬다. 다만 ARIMA와 비교하여 ARIMA가 제안모형보다 18.98%의 정확도가 개선된 예측성능이 도출되었지만, 제안모형이 MAE 기준에서는 9.09%, 피어슨 상관계수 기준에서는 60.91%의 정확도가 개선된 예측성능이 도출되었다. 이러한 결과는 RMSE는 예측값과 실제값의 차이를 제곱함으로써 더 큰 오류값에 대한 패널티를 주기 때문에 도출된 결과로 추측된다. 넷째, 제안모형은 한국의 COVID-19와 연관된 실업률 예측 활용성 검증에서 ARIMA, VAR, DNN, LSTM과 비교하여 RMSE 기준 각각 85.65%, 80.20%, 79.53%, 77.04%의 정확도가 개선된 예측성능을 보여줬다. 다섯째, 제안모형은 지역적인 측면에서 미국과 한국에서 활용이 가능한 모형으로 검증되었다. 본 연구는 이미지 분야에서 많이 연구된 GAN 알고리즘을 사용하여 다변량 가상시계열 데이터를 생성하고 전이학습에 가상데이터를 사용한 시계열 예측모형 연구 사례로 국내 거의 최초의 새로운 예측 기법을 제시한 연구이며, 또한 딥러닝을 사용한 전염병과 실업률 영향예측을 실증분석한 거의 유일한 연구로 의미가 있다. 그리고 각 나라의 문화나 경제 상황이 다름에도 글로벌하게 적용 가능한 시계열 예측모형을 제안하고, 그 성능검증을 입증하였다. 향후 본 연구 결과 및 모형을 이용하여 여러 경제 및 사회 분야의 예측하기 어려웠던 변수 들을 예측하는 데 활용하여 효율적이고 선제적 의사결정의 실증적 참고자료를 제공할 수 있는 모형으로 활용될 수 있기를 기대한다. 또한, 딥러닝예측의 한계인 설명이 불가능한 점에 대한 연구를 보완하기 위해서 설명가능한 AI(XAI)를 도입한 향후 연구가 진행되기를 바란다.

VAR모형을 이용한 실업률 결정요인 연구 : 인구구조의 고령화를 중심으로

정정균 연세대학교 대학원 2006 국내석사

The purpose of this study is to examine the effect of ageing on the unemployment rate, using VAR model with economic variables. With the assumption that the increase(or decrease) of the population will make the decrease(or increase) of the unemployment rate, this study is empirically analyzed. It uses economic variables such as population variab(The Rate of Non-Farm household Employed person and Non-Farm household Economically active person), unemployment rate, GDP, money, PPI.$$a$$aVAR model based on quarterly data from 1977 to 2005, shows that the population has a negative effect on the unemployment rate. The result of an impulse response analysis are the following. The population shock makes a reverse effect on the unemployment rate. A sudden increase of the population makes the unemployment rate decrease, and an unanticipated decrease of the population makes the unemployment rate increase. An unanticipated monetary policy related to money makes the unemployment rate increase.$$a$$a 본 연구의 목적은 급격하게 진행되고 있는 고령화로 인한 실업률에 미치는 영향을, 다른 경제적 변수들과 함께 VAR모형을 통해 확인해 보고자 하는 것이다.$$a$$a인구변수의 증가(혹은 감소)는 실업률의 감소(혹은 증가)를 가져올 것이라는 기본 가정 하에 분석을 실시하였다. 변수로써는 인구변수(비농가취업자수와 비농가경제활동인구의 비율)와 실업률, 국내총생산(GDP), 통화량(M2), 생산자물가지수를 사용하였다.$$a$$a1977년부터 2005년까지 분기별 자료를 이용하여 VAR모형을 통해 각 계수 값의 부호와 t값을 확인할 수 있었다. 그 결과 인구변수의 경우에는 시차를 두지 않고 즉각적으로 실업률에 영향을 미치는데 그 부호는 음(-)으로 확인되었다.$$a$$a다음으로 추정결과를 통하여 충격반응분석을 실시하였는데 인구변수에 충격이 가해지면 실업률은 반대로 영향을 받는 사실을 알게 되었다. 즉 인구변수의 값이 갑자기 증가하면 실업률은 감소하게 될 것이고, 예측치 못한 인구변수의 하락은 실업률을 더욱 더 상승시키게 된다는 것이다. 통화량(M2)에 있어서는 예측치 못한 통화정책이 실업률을 더욱 더 확대시키는 것으로 확인되었다.$$a$$a

중국 각 성의 디지털 경제가 실업률에 미치는 영향

장쉬하이 한양대학교 대학원 2025 국내석사

본 논문은 중국 30개 성의 2014-2020년 패널 데이터를 활용하여, 중국신통원(中国信通院)이 발표한 「중국 지역 및 도시 디지털경제 발전 보고서」를 참고해 디지털경제지수(digit)를 구축하고, 디지털경제가 실업률에 미치는 영향을 분석하였다. 중국 각 성별데이터를 이용함에 따라 패널 고정효과모형을 적용할 경우 성별 고유 특성이 소거되는 한계가 존재하기 때문에, 먼저 Pooled Linear Regression을 통해 디지털경제 발전 초기에는 디지털경제 수준이 높아질수록 실업률이 일시적으로 증가하지만, 디지털경제가 일정 수준 이상 확산되면 실업률이 다시 감소하는 역U자형 추세를 확인하였다. 반면, 고정효과모형을 적용하면 데이터의 시간 범위가 짧아 디지털경제 확산 이후의 실업률 감소 구간만 관찰되고, 발전 초기의 실업률 증가 구간은 포착되지 않았다. 이러한 결과는 디지털경제와 실업률 간의 관계를 분석할 때 디지털경제 발전 단계의 비선형적 특성과 데이터 시간 범위를 동시에 고려할 필요가 있음을 시사한다. 마지막으로, 제3차 산업 비중이 디지털경제와 실업률 간 관계에 미치는 영향을 추가로 고려한결과, 제3차 산업 비중이 높은 지역일수록 디지털경제 확산에 따른 신흥 산업 및 서비스업의 고용 창출 효과가 더욱 뚜렷하여 실업률 감소 속도와 폭이 큰 것으로 나타났다. 이는 디지털경제 발전이 노동시장에 미치는 영향을 정확히 평가하기 위해 지역별 산업 구조, 특히 제3차 산업 발전 수준을 통제하거나 세밀하게 분석할 필요가 있음을 보여준다.

물가상승률과 실업률 사이에서 유권자 선택의 우선순위 (미국의 중간선거를 중심으로)

김베드로 연세대학교 일반대학원 2026 국내석사

중국 정년연장이 실업률에 관한 미치는 영향의 연구

류등휘 목포대학교 대학원 2016 국내석사

현재 인구 고령화 시대의 배경에서 중국 경제발전에 추진력이었던 인구대국의 이점이 점차 위기로서 직면되고 있다. 또한 인구 고령화로 인해 중국 연금의 제정이 부족한 문제가 생겨났다. 즉, 중국의 가족계획 정책으로 나타난 낮은 출생률과 평균수명의 증가로 노동인구의 비율이 점점 감소하고 있으며 노인부양비도 점점 상승하고 있다. 따라서 공급이 수요를 따르지 못하는 문제가 나타나고 있는 것이다. 지금과 같은 상황에서 정년퇴직을 연장하는 방법으로 노동인구를 늘리려는 것도 큰 논란이 되고 있다. 노동력이 부족하지 않기 위해, 재취직이 어렵기 때문에 정년퇴직 연장을 권장하여 청년들과 졸업한 대학생들의 실업률을 증가한다는 논의 때문이다. 따라서 본문은 역사적 데이터에 따라 정년과 실업률의 관계를 분석하고 정년퇴직 연장이 실제로 실업률에게 영향을 주고 있는지를 분석했다. 이와 같은 문제를 논증하기 위해 본 논문은 다섯 부분으로 나누고 있다. 1장은 서론으로 역사 문헌에 대해서 회고를 하고 본 논문의 연구 의의에 대해서 상세히 논술하였다. 2장은 중국의 현재 고령화와 취직문제에 대해서 분석하였다. 중국의 고령화 문제를 해결할 수 있는 방안을 고찰해 보았다. 3장은 이론적 분석이다. 본 논문의 이론적 배경과 지식에 대해서 논술하였다. 4장은 실증 분석이다. 역사 데이터에 대해서 분석하고 상관된 계수를 얻어 내었다. 마지막 5장은 본 논문의 결론에 대해서 서술하였고 실증결과에 따른 상응한 방안과 의견을 시사하였다. In the background of aging,demographic dividend,which is pushing China's economy forwarding,is disappearing.In the other hand,aging also leads the lack of pension of China,which is caused by low birthrate and the extension of life expectancy.Low dependency ratio causes that demand of pension exceeds supply of pension.In this situation,postponing retirement works as a way to solve this problem,but it's under controversy.This is because that,one hand,we need to fill the shortage of labor,on the other hand,we have to avoid high unemployment.So this paper focuses on historical data,and analysis it,to conclude the relationship between unemployment and postponing retirement. The paper includes 5 parts.The first part is introduction,which reviews the historical document both from China and foreign countries,and alos states the significance of this study.The second part analyzes the condition of our employment and aging problems.The third part theoretical analysis,which states theory the paper will use.The forth part is empirical analysis, and Eviews 8.0 will be used.The last part is the conclusion we get and advice we offer. There are two innovations in this paper as following:(1)The paper combines theoretical analysis and empirical analysis, which is more persuasive.(2) The theory adopted is relatively novel.But the analytical method is simple and some date is difficult to get,which leads to the inaccurate data.

산업다양성이 지역의 실업률과 고용불안정에 미치는 영향The Effect of Industrial Diversity on Regional Unemployment Rate and Employment Instability

윤관진 고려대학교 대학원 2022 국내석사

실업률과 고용불안정성 해소의 문제는 국가적 차원뿐만 아니라 지역별로도 해결해야 할 중요한 문제 중 하나이며, 지역 고용문제 해소를 위한 산업구성의 역할은 두가지의 상반된 접근으로 구분 가능하다. 첫번째는 유사산업 집적을 통해 맞춤형 인프라를 구축하고 지속적으로 일자리를 창출할 수 있다는 산업구성 특화 강조 주장이다. 두 번쨰는 일부 산업의 쇠퇴로 다수의 실업자가 발생했을 때, 타산업 고용으로 부작용 상쇄할 수 있다는 산업구성 다양화 강조 주장이다. 이러한 상반된 주장하에서 본 연구는 전국 16개 시·도의 2006년부터 2019년까지 자료를 패널구축하여 산업구성의 다양성 정도가 지역의 실업률과 고용불안정에 어떠한 영향을 미치는지 실증분석하였다. 전국 산업구성 추이를 살펴보면 대부분의 지역에서 산업구성이 다양화 되는 것을 확인할 수 있는데, 이것은 지역산업정책이 외형적으로는 지역산업 특화를 내세웠지만 실제로는 기존산업을 망라하는 지역산업전략을 추진한 것으로 파악할 수 있다. 패널분석결과 산업구성 다양화는 실업률을 상승시키고 고용불안정성을 감소시키는 역할을 하는 것으로 나타났다. 산업구성 다양화 혹은 특화 정책에 다른 실업률 완화와 고용 안정성 두가지 정책목표가 상호배타적(trade-off) 관계에 놓여져 있기 때문에 지역사회 구성원은 의견을 달리할 수 있다. 사회구성원의 의견이 대립적인 상황에서 지역산업 전략을 선정하는데 사회후생함수(Social Welfare Function)의 개념을 활용할 수 있다. 정책입안자는 사회후생함수를 활용하여 지역산업 정책에 대한 효과를 분석할 때 구성원들의 총사회후생의 변화만 고려하는 것이 아니라, 계층간 후생에 대한 집중도, 사회 전반적인 형평성 개선의 효과를 고려하여야 한다.

일반화 추정방정식을 이용한 실업률 추정

손경진 숙명여자대학교 대학원 2007 국내석사

기존의 소지역 추정방법으로 직접추정량(direct estimator), 합성추정량(synthetic estimator), 복합추정량(composite estimator), EBLUP추정량(empirical best linear unbiased estimator), EB(empirical bayes)추정량 등이 활발히 연구되어 여러 사례분석에 적용되어왔다. 이러한 소지역 추정연구들은 대부분 특정 시점의 지역에 대한 추정에 국한된 연구를 하였으나 본 논문에서는 대부분의 정부통계 자료들이 월, 분기, 또는 년 단위로 지속적으로 얻어지는 것에 착안하여 반복측정(repeated measures)되거나 경시적 자료(longitudinal data)에 유용한 일반화 추정방정식(Generalized Estimating Equations : GEE)에 대해 소개하였다. 본 논문에서는 2005년 1월에서 12월까지의 경제활동인구조사 자료를 바탕으로 경상남도 및 울산광역시의 시군구별 실업률과 실업률에 영향을 줄 것으로 생각되는 설명변수의 관계를 일반화선형모형(Generalized Linear Model)과 일반화 추정방정식을 활용한 모형을 적합시켜 설명변수들이 실업률에 어떠한 영향을 끼치는지 살펴보았다. Most of previous studies about the small area estimation are based on cross-sectional models which are used to analyze data of a particular region to a specific time. However, since many official statistics are repeatedly collected at a regular distance of time, for instance, monthly, quarterly, or yearly, we need an alternative model which deals with repeated measures or longitudinal data. In this thesis, we investigate the generalized linear models(GLM) for longitudinal data and the estimation by the generalized estimating equation(GEE) technique. We apply the GLM and the GEE to estimate the unemployment rate of 25 areas in Gyeongsangnam-do and Ulsan where the data consist of the status of employment and covariates-gender, age, the level of education, and the area type of residence- from January 2005 to December 2005.