The Matching Function: A Unified Look into the Black Box

구직 시장을 거대하고 보이지 않는 기계가 아니라, 거대하고 혼란스러운 '점 잇기' 게임으로 상상해 보십시오.

수십 년 동안 경제학자들은 실업자가 일자리를 찾는 수와 공석인 직위가 채워지는 수를 예측하기 위해 매칭 함수 (Matching Function) 라는 도구를 사용해 왔습니다. 이 함수를 '블랙박스'로 생각하십시오. 구직자 수와 공석 수와 같은 숫자를 넣으면 (입력), 채용 수라는 숫자가 튀어 나옵니다 (출력). 하지만 40 년 동안 아무도 그 상자가 내부에서 어떻게 작동하는지 정확히 알지 못했습니다. 일자리를 찾는 사람들과 채용을 원하는 회사들 사이의 연결이 어떻게 이루어지는지 알지 못했던 것입니다.

이 논문인 "매칭 함수: 블랙박스에 대한 통합적 시선"은 그 상자를 엽니다. 저자 조르지오스 안젤리스와 얀 브라물레는 사물 간의 연결을 수학적으로 다루는 네트워크 이론을 사용하여 상자 내부의 마법을 설명합니다.

다음은 그들의 발견을 쉽게 설명한 이야기입니다.

1. "누가 누구를 아는가" 게임

지원자 (일자리를 찾는 사람들) 와 공석 (개방된 일자리) 두 그룹이 있는 거대한 방을 상상해 보십시오.

과거의 관점에서는 모든 사람이 동일하다고 가정했습니다. 모든 사람이 동일한 수의 일자리에 지원하고, 모든 일자리가 동일한 수의 지원을 받았습니다. 이는 모든 사람이 동일한 파트너를 갖는 완벽하게 조직된 춤과 같았습니다.

저자들은 말합니다. "아니요, 그건 작동 방식이 아닙니다." 실제로 연결은 무작위적이고 엉망입니다.

• 일부 사람들은 '슈퍼 연결자'입니다. 그들은 많은 사람을 알고 있거나, 뛰어난 기술을 갖추었거나, 구직 광고를 찾는 데 매우 능숙합니다. 그들은 많은 일자리에 지원합니다.
• 다른 사람들은 '수줍은 연결자'입니다. 그들은 한두 개 정도의 일자리에만 지원합니다.
• 일부 일자리는 '인기 있는 자석' (어디에나 광고됨) 이지만, 다른 일자리들은 '숨겨진 보석' (소수만 알고 있음) 입니다.

저자들은 이를 네트워크로 모델링합니다. '링크'는 지원자가 일자리에 지원할 때 형성됩니다. 이 논문은 묻습니다: 이 연결의 그물망 모양이 실제로 채용되는 사람의 수를 어떻게 변화시키는가?

2. '블랙박스'의 드러남

저자들은 이 엉망이고 무작위적인 네트워크가 실제로 지난 40 년간 경제학자들이 사용해 온 거의 모든 유명한 공식을 설명한다는 것을 보여줍니다.

그것을 스위스 아미 나이프처럼 생각하십시오. 네트워크 모델이 주요 도구이며, 모든 다른 '전문 도구들' (CES, Urn-Ball 등의 기존 공식들) 은 손잡이를 잡는 특정 방식에 불과합니다.

• 모든 사람이 모든 일자리에 지원하면 하나의 특정 공식이 나옵니다.
• 모든 사람이 무작위적으로 하지만 균등하게 지원하면 또 다른 공식이 나옵니다.
• 사람들이 다른 강도로 지원하면 더 정확하고 새로운 공식이 나옵니다.

이 논문은 네트워크를 충분히 자세히 살펴보면 이러한 기존 공식들을 모두 특수한 경우로 유도할 수 있음을 증명합니다. 이는 전체 분야를 하나의 지붕 아래 통합합니다.

3. '불평등' 문제 (핵심 발견)

이것이 이 논문의 가장 놀라운 부분입니다. 저자들은 구직 노력의 불평등이 전체 시스템에 해롭다는 것을 발견했습니다.

릴레이 경주를 상상해 보십시오.

• 시나리오 A: 모든 사람이 일정하고 중간 정도의 속도로 달립니다. 팀은 효율적으로 완주합니다.
• 시나리오 B: 한 사람은 초고속으로 질주하는 반면, 나머지 사람들은 천천히 걷습니다.

저자들은 시나리오 B 가 팀에게 더 나쁘다는 것을 발견했습니다.

구직 시장에서 일부 사람들이 '슈퍼 구직자' (50 개 일자리 지원) 이고 다른 사람들이 '게으른 구직자' (1 개 일자리 지원) 일 경우, 시스템의 효율성이 떨어집니다.

• '슈퍼 구직자'들은 인기 있는 일자리들을 위해 서로 경쟁하게 되어 교통 체증이 발생합니다.
• '게으른 구직자'들은 슈퍼 구직자들이조차 보지 못한 일자리를 놓치게 됩니다.
• 결과: 전체 매칭 수가 줄어듭니다. '매칭 효율성' (시스템이 얼마나 잘 작동하는지) 이 떨어집니다.

교훈: 단순히 얼마나 많은 사람이 구직을 하거나 얼마나 많은 일자리가 개방되어 있는지가 중요한 것이 아닙니다. 노력이 얼마나 균등하게 분배되는지가 중요합니다. 노력이 너무 불균등하다면 (구직 강도의 불평등이 높다면), 시장은 더 나빠집니다.

4. '역 U 자' 놀라움

일반적으로 경제학자들은 이렇게 생각합니다: "사람들이 더 열심히 노력하면 (더 많이 구직하면), 더 많은 사람들이 일자리를 얻는다." 이는 곧은 상승선입니다.

저자들은 반전을 발견했습니다. "더 열심히 구직하는 것"이 더 큰 불평등을 동반한다면, 그 선은 실제로 하락할 수 있습니다.

모두가 호스트와 대화하려고 노력하는 파티를 상상해 보십시오.

• 모든 사람이 조금씩 노력하면, 호스트는 모두와 대화합니다.
• 모든 사람이 많이 노력하지만, 소수 사람이 호주의 주의를 독차지하며 소리치고 나머지는 무시당한다면, 호스트는 압도되어 일부 사람들을 놓치게 됩니다.

이 논문은 평균 노력이 증가하더라도 '슈퍼 구직자'와 '게으른 구직자' 사이의 격차가 커진다면, 채워지는 일자리의 총수는 실제로 감소할 수 있음을 보여줍니다. 이는 '언덕' 모양을 만듭니다: 노력은 처음에는 도움이 되지만, 불평등이 너무 심해지면 효율성을 죽입니다.

5. '지역'은 어떨까요?

저자들은 일자리가 '지역' (도시나 산업과 같은) 으로 그룹화될 때 발생하는 현상도 살펴보았습니다.

• 모든 일자리가 하나의 큰 도시에 있다면, 네트워크는 매우 연결되어 있습니다.
• 일자리가 여러 작은 마을에 흩어져 있다면, 네트워크는 분열되어 있습니다.

그들은 불평등도 여기서 나쁘다는 것을 발견했습니다. 일부 도시는 일자리로 가득 차 있고 다른 도시는 비어 있으며 사람들이 그 사이를 이동하지 않는다면, 매칭 과정이 고통받습니다. 일자리 '밀도'가 더 고르게 분포되어 있는 것이 더 좋습니다.

요약

이 논문은 구직 시장의 '블랙박스'를 네트워크 기반의 명확하고 투명한 모델로 대체합니다.

• 과거의 관점: 시장은 단순한 기계로, 더 많은 노력은 항상 더 많은 채용을 의미합니다.
• 새로운 관점: 시장은 복잡한 그물망입니다.
  • 균일성은 좋습니다: 모든 사람이 유사한 강도로 구직할 때 시스템이 가장 잘 작동합니다.
  • 불평등은 나쁩니다: 소수만이 모든 구직을 하고 나머지는 전혀 하지 않을 때 시스템이 막히며 더 적은 사람이 채용됩니다.
  • 더 많은 것이 항상 좋은 것은 아닙니다: "더 많은 구직"이 더 큰 불평등을 동반한다면, 시장은 실제로 더 나빠질 수 있습니다.

저자들은 이를 단순히 추측한 것이 아니라, 수학적으로 증명했습니다. 이 '네트워크' 관점은 모든 기존 공식을 설명하고, 왜 일부 경제가 다른 경제보다 근로자를 일자리와 더 잘 매칭하는지 이해할 수 있는 새롭고 검증 가능한 방법을 제공한다는 것입니다.