Targeting Efficiency in Means Testing: A Comparison of Money-Metric and Counting Approaches

기술 요약: 자산 조사에서의 타겟팅 효율성

문제 제処
사회적 보호를 위한 자산 조사(means-testing) 도구의 효과성은 두 가지 결정적인 설계 선택에 달려 있다. 하나는 가구에 대해 수집할 정보의 선택이며, 다른 하나는 그 정보를 적격성 기준으로 통합하는 방법이다. 기존 문헌은 다양한 정보 기반(예: 소득 vs 자산 vs 다차원 지표)의 상대적 장점에 대해 광범없이 논의해 왔으나, 두 번째 선택지인 '결핍의 차원을 어떻게 결합할 것인가'에 대해서는 상대적으로 검토가 부족했다. 본 논문은 동일한 정보 기반을 적용하더라도 서로 다른 집계 구조가 체계적으로 다른 타겟팅 결과를 초래하는지 조사함으로써 이 공백을 메우고자 한다. 구체적으로, 복지 이론에 근거하여 차원을 카디널(cardinal)하게 통합하는 **화폐적 지표(money-metric index)**와, 차원을 이진적이고 비보상적(non-compensable)인 것으로 취급하는 **계수 기반 빈곤 측정법(counting-based poverty measure)**을 비교한다. 핵심 질문은 이 두 접근 방식이 수혜 대상자를 식별하기 위한 상호 대체 가능한 도구인지, 아니면 집계 구조 자체가 타겟팅 효율성을 결정하는 주요 결정 요인인지 여부이다.

연구 방법론
본 연구는 이탈리아 은행(Bank of Italy)이 실시한 2010년 이탈리아 가계 소득 및 자산 조사(SHIW)의 가구 단위 데이터를 사용하여 통제된 실험 설계를 채택하였다. 표본은 7,951 가구로 구성된다.

• 정보 기반: 두 접근 방식 모두 동일한 차원 세트를 활용한다: 가처분 소득($Y$), 금융 자산($FW$), 비금융 자산($NFW$), 그리고 네 가지 규범적 가구 특성인 건강 악화($HE$), 한부모 가구($SP$), 실업($U$), 은퇴($RE$)이다.
• 화폐적 접근법(The Money-Metric Approach): 이 방법은 차원들을 단일한 카디널 복지 지표로 통합한다. 순자산을 연금 가치로 전환하고 이를 가처분 소득과 결합한다. 결정적으로, 가구 구성 및 규범적 특성(예: 장애, 한부모 상태)에 따른 조정을 위해 등가 척도(equivalence scales)(데이터 기반 또는 하이브리드 방식)를 적용한다. 이는 개인 간 비교 가능성을 보장하며 차원 간 보상(예: 높은 자산이 낮은 소득을 상쇄함)을 허용한다. 그 결과 도출된 지표는 카디널 완전 비교 가능(Cardinally Fully Comparable, CFC)하다.
• 계수 접근법(The Counting Approach): 알카이어-포스터(Alkire-Foster, 2011) 방법론에 기초한 이 접근법은 특정 컷오프(cutoff)를 기준으로 차원별로 가구를 결핍 상태로 식별한다. 가구가 특정 임계값($K$)을 초과하는 가중 결핍 횟수를 가질 때 빈곤 가구로 분류하는 결핍 행렬을 구축한다. 이 프레임워크에서 차원은 이진적으로 취급되며, 식별 전 단계에서 카디널한 집계나 개인 간의 복지 순위 생성은 이루어지지 않는다.
• 벤치마크 구축: 타겟팅 성과를 평가하기 위해, 저자들은 외생적인 "벤치마크 빈곤층(benchmark poor)" 집단을 구축한다. 가구는 다음 세 가지 조건을 동시에 충족해야만 벤치마크에 포함된다: (1) 낮은 등가 가처분 노동 소득(하위 40 백분위 미만), (2) 낮은 저축 능력(저축을 할 수 없거나 저축을 인출 중인 상태), (3) 자기 보고된 경제적 어려움("많은 어려움을 겪고 있음").
• 성과 지표: 본 연구는 제1종 오류(포함 오류: 비빈곤 가구가 부적절하게 적격자로 분류됨)와 제2종 오류(배제 오류: 빈곤 가구가 부적절하게 지원에서 제외됨)를 측정한다. 타겟팅 효율성은 두 오류의 합계 발생을 최소화하는 방법으로 정의되며, 두 오류에 동일한 가중치를 부여한다.

주요 기여

1. 비교를 위한 통합적 프레임워크: 본 논문은 정보의 내용과 집계 구조가 타겟팅 성과에 미치는 순수한 효과를 분리하는 투명한 프레임워크를 개발한다. 정보 내용, 결핍 임계값, 등가 척도를 두 방법 모두에 동일하게 유지함으로써, 결과의 차이를 오직 집계 규칙(카디널 vs 이진/비보상)에 기인하도록 한다.
2. 타겟팅 오류의 실증적 평가: 저자들은 대안적인 적격성 임계값과 차원 수를 바탕으로 포함 및 배제 오류를 추정함으로써, 이론적 비교를 넘어 실질적인 타겟팅 효율성에 대한 직접적인 실증적 척도를 제공한다.
3. 정책 조화에 대한 시사점: 본 연구는 현재 서로 다른 방식에 의존하고 있는 유럽 연합(EU) 내의 사회적 보호 적격성 기준의 조화와 관련하여, 이러한 방법론적 차이가 가져오는 결과를 기록한다.

결과
실증 분석을 통해 다음과 같은 몇 가지 견고한 결과가 도출되었다:

• 화려적 접근법의 우월성: 화폐적 접근법은 계수 접근법보다 일관되게 현저히 낮은 총 타겟팅 오류를 보여준다. 다양한 명세(specification) 하에서도 포함 오류와 배제 오류 사이의 더 나은 균형을 달성한다.
• 차원성에 대한 민감도: 계수 접근법은 고려되는 차원의 수에 매우 민감하다. 차원의 수가 증가함에 따라 빈곤층을 정확히 식별하는 계수 방식의 능력은 급격히 저하되는 반면(배제 오류 증가), 포함 오류는 거의 제로에 가깝게 떨어질 수 있다. 반면, 화폐적 접근법은 차원성에 관계없이 더 안정적이다.
• 자산의 역할: 자산 정보(금융 및 비금융)를 포함하는 것은 두 방법 모두에서 포함 오류를 유의미하게 감소시키지만, 화폐적 프레임워크에서 특히 효과적이다. 자산을 무시하면 체계적인 오분류와 높은 누출(leakage)이 발생한다.
• 이질성 처리: 계수 접근법은 규범적 특성(예: 은퇴 또는 한부모 상태)을 명시적인 결핍 차원으로 취급하여, 실제 자원 수준과 관계없이 상태에 따라 가구를 분류한다. 화려적 접근법은 이러한 특성들을 등가 척도를 통해 통합하여, 이러한 상태들이 복지에 미치는 결과를 평가한다. 결과적으로 두 방법은 서로 판이한 "빈곤" 가구 프로필을 식별한다. 예를 들어, 계수 방식은 은퇴 소득을 고려하지 않기 때문에 화폐적 방식에 비해 훨씬 더 많은 비율의 은퇴 가구를 빈곤층으로 식별한다.
• 통계적 유의성: 두 접근 방식 간의 총 오류율 차이는 통계적으로 유의미하며(대부분의 명세에서 8 표준 오차를 초과), 이는 집계 구조가 성과를 결정하는 제1차 결정 요인임을 확인시켜 준다.

의의 및 주장
본 논문은 집계 구조가 정보 내용과 독립적으로 타겟팅 성과를 결정하는 제1차 결정 요인이라고 주장한다. 연구 결과는 화폐적 접근법이 보다 신뢰할 수 있고 이론적으로 일관된 통합 적격성 기준을 구축하는 기초를 제공함을 시사한다.

저자들은 서로 비교 불가능한 차원들 간의 이진 결핍을 '이론적 근거 없이' 집계하는 계수 접근법이 완전한 개인 간 복지 서열을 제공하지 못하며, 이로 인해 차원이 추가될 때 높은 배제 오류와 불안정한 타겟팅을 초래한다고 주장한다. 반면, 복지 이론과 등가 척도에 기반한 화폐적 접근법은 개인 간 비교 가능성을 보존하고 차원 간의 보상적 절충을 허용한다.

정책 입안자들에게, 특히 현대적 사회 보호 시스템을 현대화하고 조화시켜야 하는 맥rypt(예: EU 내)의 관점에서, 본 논문은 집계 구조의 선택이 중립적이지 않다고 결론짓는다. 화폐적 도구가 계수 방식을 능가하기 위해 반드시 더 우수한 데이터를 필요로 하는 것은 아니다. 오히려 화폐적 도구는 복지의 카디널한 성격과 가구의 이질성을 존중함으로써 공유된 정보를 더 효과적으로 처리한다. 이러한 구조적 이점은 타겟팅 오류를 최소화하고 사회적 이전 지출에 대한 형평성 있는 접근을 보장하는 데 있어 더 일관된 도구가 된다.