초록 열기/닫기 버튼
고용관련 조사에서는 일반적으로 임금 또는 소득에 대한 자료를 응답자에게 요구하는데, 응답자들은 이 문항에 대해 기피하거나 부정확하게 응답하게 된다. 고용관련조사에서 소득 자료는 학력, 자격취득, 직업훈련이수, 이직 효과 등을 분석하기 위해 많이 사용되는데, 무응답으로 인해 분석과정에서 제외되는 경우가 많다. 본 연구에서는 산업 직업별 고용구조조사(OES) 조사의 임금 변수에 대한 무응답 대체를 실시하였다. 성별에 따라 임금을 종속변수로 하는 전혀 다른 회귀모형을 세웠고, 이 때 얻어진 회귀계수를 통해 대체를 실시하였다. 분석 결과, 모형기반 회귀대체가 평균 대체에 비해 평균제곱근(RMSE)이 작을 뿐만 아니라, 원자료가 갖는 특성을 대체적으로 유지하는 것으로 나타났다. 또한 자료기반 회귀대체와 비교하면, 모형기반 회귀대체의 성능은 거의 유사하지만, 모형을 세우고 대체를 적용하는 데 있어 더 효율적이다.
It is often answered incorrectly when wages or incomes are asked in a survey. Although wages are frequently used to evaluate returns to schooling, certificates, job training, and etc, such information related with personal income is hardly collected. In order to overcome the problems caused by missing observation, this study has tried to impute wage information in OES. Using a wage equation by gender, we utilized conditional mean and regression imputation. The results show that regression imputation method is preferable in terms of smaller RMSE and retaining characteristics of the original data. Compared with the data-based regression imputation, the method of model-based regression imputation produces better outcomes with respect to efficiencies in imputing wage information.
키워드열기/닫기 버튼
Mean imputation, Nonresponse, Regression Imputation, RMSE.
