Where Do the Returns to Schooling Come From? Educational Transitions and Labor Market Payoffs

기술 요약: "교육에 대한 수익은 어디에서 오는가? 교육적 전이와 노동 시장의 보상"

문제 제기
교육 수익에 관한 기존 연구는 일반적으로 두 가지 접근 방식에 의존한다: 교육을 연속적인 "교육 연수" 변수로 측정하거나, 학력 달성을 이분법적인 시점 기반 처치(예: 고등학교 졸업 대 비졸업)로 간편화하는 것이다. 저자는 이러한 개념화가 개인이 일련의 의존적인 결정(예: 고등학교 졸업 $\to$ 대학 진학 $\to$ 학위 취득 $\to$ 대학원 진학)을 내리는 순차적 전이의 성격과 일치하지 않는다고 주장한다. 기존 방법론은 특정 교육 수준의 직접적인 노동 시장 수익과 후속 교육 전이에 의해 매개되는 간접적인 수익을 분리해내지 못한다. 결과적으로, 정책적 개입이 추가 교육을 장려함으로써 결과를 개선하는 것인지, 아니면 직접적인 노동 시장 이점을 제공함으로써 개선하는 것인지를 효과적으로 평가할 수 없다.

방법론적 프레임워크
본 논문은 순차적 설정 내의 **단조 이진 매개변수(monotonic binary mediators)**를 위해 특별히 설계된 인과 매개 프레임워크를 제안한다.

• 단조성 가정 (Monotonicity Assumption): 이 프레임워크는 교육적 전이가 단조적이라는 구조적 특징에 의존한다: 즉, 개인은 이전 단계의 전이(예: 고등학교 졸업)를 완료하지 않고는 더 높은 수준의 전이(예: 대학 졸업)를 완료할 수 없다. 형식적으로, 만약 $M_k = 0$ 이라면, $M_{k+1} = 0$ 이다. 이 가정은 교육적 진행 과정에서 "거부자(defiers)"와 "항상 참여자(always-takers)"의 존재를 배제한다.
• 평균 처치 효과(ATE)의 분해: 저자는 초기 교육 전이($A$)가 결과($Y$, 예: 소득)에 미치는 ATE를 $K+1$개의 상호 배타적인 **단조 경로 특이적 효과(Monşotonic Path-Specific Effects, MPSEs)**로 분해한다:
  1. 직접 효과 ($\Delta_0$): 모든 $K$개의 후속 전이를 제외한 $A$가 $Y$에 미치는 효과.
  2. $K$개의 지속(또는 총체적) 효과 ($\theta_k$): 특정 인과 사슬을 통해 작동하는 효과 (예: $A \to M_1 \to Y$, $A \to M_1 \to M_2 \to Y$).
• 식별 (Identification): "교차 세계(cross-world)" 독립성 가정(모든 사후 혼란 변수를 배제하는 가정)을 요구하는 전통적인 매개 분석과 달리, 이 프레임워크는 **순차적 무시 가능성(Sequential Ignorability)**을 활용한다. 이 더 약한 가정은 관찰된 중간 혼란 변수($Z_k$)가 매개변수와 결과 사이의 관계에 영향을 미치더라도, 해당 혼란 변수가 측정 가능하다면 이를 허용한다. 단조성 제약은 분해가 대수적으로 유일하게 이루어지도록 하며 모든 인과 경로를 식별할 수 있게 한다. 반면, 여러 개의 순서 있는 매개변수를 가진 표준 분해 방식은 "증언 철회(recanting witness)" 기준 위반으로 인해 순수한 경로 특이적 효과를 식별하지 못하는 경우가 많다.
• 추정 전략: 본 논문은 두 가지 추정 방식을 도입한다:
  1. 편향 제거 머신러닝 (Debiased Machine Learning, DML): 효율적 영향 함수(EIF)와 교차 적합(cross-fitting)을 사용하는 준모수적 추정량이다. 이 방식은 모델 오설정 및 고차원 공변량에 대해 강건하다.
  2. 잔차를 이용한 회귀 (Regression-with-Residuals, RWR): 선형 모델과 순차적 잔차화를 사용하는 모수적 접근법이다. 이 방식은 모델 오설정에 덜 강건하지만, 분해된 구성 요소와 회귀 계수 사이의 투명한 연결을 제공한다.

실증 적용 및 결과
이 프레임워크는 고등학교 졸업이 로그 연간 소득(32~36세)에 미치는 수익을 분석하기 위해 NLSY97 코호트($N=7,305$)에 적용되었다. 분석은 총 효과를 다음과 같이 분해한다:

• 고등학교 졸업의 직접 효과 (대학 진학 제외).
• 다음 경로를 통한 간접 효과: (1) 학사 학위 없이 대학 진학, (2) 대학원 진학 없이 학사 학위 취득, (3) 대학원 진학.

주요 결과:

• 직접 효과의 지배성: 고등학교 졸업의 총 수익 중 압도적인 부분(약 6975%)은 후속 대학 진학 및 학위 취득을 제외한 직접적인 방식으로 작래한다. 추정된 직접 효과는 약 5960%의 소득 프리미엄에 해당한다.
• 제한적인 매개 효과: 대학 진학(학사 학위 미취득) 및 학사 학위 취득(대학원 미진학)을 통해 매개되는 간접 효과는 상대적으로 작다.
  • 대학 진학(학사 학위 미취득)을 통한 지속 효과와 학사 학위 취득(대학원 미진학)을 통한 지속 효과는 각각 총 효과의 약 15%를 차지한다.
  • 대학원을 통한 경로는 미미하며 통계적으로 유의하지 않다.
• 작은 매개 효과의 기제: 본 논문은 이러한 작은 간접 효과가 대학 학위 자체의 낮은 수익 때문이 아니라, 낮은 반사실적 진행률(counterfactual progression rates) 때문이라고 설명한다. 설령 고등학교 졸업자들이 대학에 진학하더라도, 추가적인 개입 없이 학사 학위를 마치거나 대학원에 진학할 확률은 낮다. 따라서 "지속" 경로는 전체 교육 사슬을 통과할 낮은 확률에 의해 제약을 받는다.
• 강건성: 관찰되지 않은 혼란 변수에 대한 민감도 분석 결과, 수익이 압도적으로 직접적이라는 주요 결과는 미측정 혼란 변수에 대한 강력한 가정 하에서도 강건하게 유지됨을 보여준다.

의의 및 기여
본 논문은 세 가지 주요 기여를 한다:

1. 교육 연구: 단순한 "교육 연수" 추정을 넘어, 교육의 효과를 직접적인 노동 시장 수익과 추가 교육에 의해 매개되는 수익으로 구분하는 비모수적 분해를 제공한다. 이를 통해 교육이 왜 보상을 받는지에 대해 더욱 미묘한 이해를 가능하게 한다.
2. 인과 매개 분석: 순차적 전이의 단조성을 활용하여 경로 특이적 효과(PSE)에 관한 문헌을 확장한다. 이를 통해 일반적인 다중 매개 변수 설정에서 발생하는 식별 문제(증언 철회 현상)를 극복하고, 순서 있는 경로 내의 모든 인과 경로를 식별할 수 있게 한다.
3. 방법론적 발전: 단조 경로 특이적 효과를 위한 준모수적 추정량(DML)을 도입하고 검증하며, 모델 오설정이 존재하는 상황에서 모수적 방법(RWR)보다 우월함을 입증한다.

저자는 이 프레임워크가 가족 형성(결혼/이혼), 건강 진행, 또는 형사 사법 접촉과 같이 상태 의존적이고 단조적인 전이의 특성을 가진 다른 영역에도 적용 가능하다고 결론짓는다. 다만, 본 논문은 그 실증적 시연을 위해 교육에 집중하였다.