초록 열기/닫기 버튼
본 연구에서는 한국고용정보원에서 실시한 “2017년 대졸자 직업이동 경로조사” 자료를 이용하여 대졸자의 직업만족도 결정요인을 분석하였다. 최소제곱법(OLS; ordinary least squares method)을 이용한 회귀모형은 일반적으로 독립변수에 대한 직업만족도의 평균적인 추세 정보만 제공할 뿐 아니라, 독립성, 등분산성, 정규성 등의 조건을 만족해야 한다. 특히 오차항에 대한 이분산성이 있는 경우, 직업만족도에 미치는 영향력이 직업만족도 수준에 따라 결정요인이 다를 가능성이 존재한다. 이런 문제를 극복하기 위해 종속변수의 분포에 대한 모든 수준에서 변화율을 추정하기 위한 확장된 선형모형으로 분위 회귀모형을 이용했으며, 주요 결과를 요약하면 다음과 같다. 첫째, 오차항의 이분산성 검정을 통해 분위 회귀모형이 타당함을 알 수 있었다. 둘째, 성별, 연령, 부모소득, 전공계열, 평균평점 등 대부분의 독립변수들에 대해서 분위수별 회귀계수들은 유의한 것으로 나타났다. 마지막으로, 분위 회귀모형의 결과는 OLS 회귀모형의 결과와는 달랐으며, 분위수 값이 특히 양극단 값에서 회귀계수의 크기, 유의성의 정도, 증감의 패턴 및 부호도 변할 수 있음을 알 수 있었다.
In this paper, the determinants for college graduate’s job satisfaction is analysed using 2017 Graduates Occupational Mobility Survey. Regression model based on ordinary least square method is used in analyzing job satisfaction determinants. However, this methodology provides only information about the average relationship between the dependent variable and the independent variables. Also this model requires many assumption of error term. In this study, we analysis job satisfaction determinants using quantile regression model to overcome this problems. The major results are the followings. First, it is more reasonable to apply the quantile regression analysis than regression analysis based on OLS. Second, many independent variables are statistically significant for individual-level job satisfaction. However, the size, sign and p-value for each quantile regression coefficient change statistically significantly as the value of quantile increased. Finally, quantile regression coefficients on job satisfaction for each quantile are statistically significant different.
키워드열기/닫기 버튼
Heteroscedasticity, job satisfaction, ordinary least squares method, quantile regression
