📈 economics

Inferential Analysis and Predictive Modeling of Wages in Brazil: Empirical Evidence from RAIS Administrative Records (2010–2023)

본 연구는 2010년부터 2023년까지의 브라질 RAIS 행정 데이터를 활용하여 추론 통계와 예측 모델링을 결합함으로써 지속적인 구조적 임금 불평등을 밝혀내며, 성별 및 인종 간 격차가 높은 임금 백분위수에서 현저히 확대되고 주로 설명되지 않는 차이에 의해 발생한다는 점과 앙상블 방법이 임금 예측에 있어 전통적인 회귀 분석보다 우수한 성능을 보인다는 점을 입증한다.

원저자: Walter Soares Antonio Junior, Murilo Couto de Oliveira, Raphael Franco Chaves, Edfram Rodrigues Pereira, Paulo Henrique Brasil Ribeiro, Francisco Louzada Neto

게시일 2026-09-02

📖 5 분 읽기🧠 심층 분석

CC BY 4.0

원저자: Walter Soares Antonio Junior, Murilo Couto de Oliveira, Raphael Franco Chaves, Edfram Rodrigues Pereira, Paulo Henrique Brasil Ribeiro, Francisco Louzada Neto

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

사람들이 어떻게 생계를 유지하는지 이해하는 것은 경제학에서 가장 오래된 질문 중 하나이지만, 브라질처럼 광대하고 다양한 국가에서는 그 답이 결코 단순하지 않습니다. 수십 년 동안 연구자들은 왜 어떤 노동자들이 동일한 기술을 가졌거나 같은 곳에서 일함에도 불구하고 다른 이들보다 훨씬 더 많은 수입을 올리는지 밝히기 위해 노력해 왔습니다. 이 핵심적인 수수께끼는 세 가지 주요 동력, 즉 교육의 가치, 직업과 장소가 미치는 영향, 그리고 성별과 인종에 따라 지속되는 격차와 관련이 있습니다. 여성과 흑인 노동자들이 종종 더 적게 번다는 사실은 널리 알려져 있지만, 결정적인 질문은 이 격차가 그들이 교육 수준이 낮거나 저임금 직종에 종사하기 때문에 발생하는 것인지, 아니면 이러한 요인들을 고려하더라도 여전히 존재하는 격차인지 하는 점입니다. 이러한 구분은 공공 정책 측면에서 매우 중요한데, 만약 격차가 자격 요건의 차이로 인해 발생하는 것이라면 해결책은 더 나은 학교를 만드는 것이 될 것이고, 만약 자격 요건을 고려한 후에도 격차가 남아 있다면 이는 차별이나 승진의 장벽과 같은 더 깊은 문제가 작용하고 있음을 시사하기 때문입니다.

상파울루 대학교의 연구팀은 브라질의 공식 노동 시장에 대한 방대하고 상세한 기록을 사용하여 이 문제에 도전했습니다. 그들은 2010년부터 2023년까지의 60만 개 이상의 고용 관계 데이터를 분석했는데, 이 데이터는 공식 노동자들의 거의 센서스(인구 조사)와 다름없는 정부 등록부에서 추출되었습니다. 연구진은 전통적인 통계 방법과 현대적인 컴퓨터 알고리즘을 결합하여 임금이 어떻게 결정되는지, 그리고 게임의 규칙이 시간이 흐름에 따라 어떻게 변했는지를 지도화했습니다. 그들의 연구는 브라질 노동 시장이 지난 10년 동안 상당한 구조적 변화를 겪었음을 보여주는 동시에, 뿌리 깊은 불평등이 여전히 완고하게 고착되어 있음을 확인시켜 줍니다. 연구 결과, 교육과 경력이 강력한 소득 동력이기는 하지만 그것이 전부는 아니라는 점이 드러났습니다. 대신, 데이터는 시스템이 체계적으로 여성과 흑인 노동자의 가치를 저평가하고 있음을 보여주며, 이러한 패턴은 임금 사다리의 상층부로 올라갈수록 더욱 심화됩니다.

연구진은 먼저 2020년대의 노동 시장이 2010년대와 다르게 보이는지 확인하기 위해 기초 수치를 검토했습니다. 그들은 두 기간 사이에 명확한 단절을 발견했는데, 이는 최근의 위기, 개혁, 그리고 데이터 수집 방식의 변화로 인해 경제적 지형이 재편되었음을 시사합니다. 그러나 이러한 변화에도 불구하고 근본적인 불평등은 사라지지 않았습니다. 연구진이 거주지, 종사 산업, 연령 등을 통제했을 때도 여성에 대한 상당한 임금 격차가 남았습니다. 실제로 데이터에 따르면 브라질의 여성들은 평균적으로 남성보다 높은 수준의 교육을 받은 경우가 많음에도 불구하고 여전히 더 적게 법니다. 이 역설로 인해 연구팀은 관찰 가능한 차이(교육 등)로 설명되는 부분과 그렇지 않은 부분으로 임금 격차를 분리하는 방법을 사용하여 더 깊이 파고들었습니다.

이러한 분리 결과는 놀라웠습니다. 연구진은 만약 여성들이 남성과 정확히 동일한 관찰 가능한 특성을 가졌다면, 그들의 임금은 낮아지는 것이 아니라 오히려 더 높게 예측될 것이라고 계산했습니다. 그러나 현실에서는 여전히 남성이 더 많이 법니다. 전체 격차, 그리고 그 이상의 부분은 '설명되지 않는' 부분에 의해 주도됩니다. 이 설명되지 않는 차이는 격차의 15% 이상을 차지하며, 이는 여성이 자신의 기술과 경험에 대해 남성보다 낮은 보상을 받고 있음을 시사합니다. 또한 연구는 임금을 예측하는 데 사용된 모델이 여성과 흑인 노동자의 급여를 지속적으로 과소평가했다는 점을 발견했으며, 이는 시스템이 단순히 데이터를 놓치고 있는 것이 아니라 그들에게 구조적으로 편향되어 있음을 나타냅니다.

연구의 가장 드러나는 부분은 아마도 임금 분포를 단일 평균이 아니라 최저 소득자부터 최고 소득자까지의 스펙트럼으로 바라본 데서 나왔을 것입니다. 연구진은 불평등이 균일하지 않으며, 사다리를 올라갈수록 심화된다는 것을 발견했습니다. 흔히 '유리 천장'이라 불리는 이 현상은, 여성이나 흑인 노동자가 받는 불이익이 소득 하위 구간에서는 작지만 상위 구간으로 갈수록 극적으로 커진다는 것을 의미합니다. 예를 들어, 소득 하위 10% 구간에서 남녀 간의 임금 격차는 약 12%이지만, 상위 10%에서는 47%에 육박할 정도로 3배 이상 증가합니다. 마찬가지로, 흑인에 대한 불이익은 하위권에서는 약 4%이지만 상위권에서는 13% 이상으로 늘어납니다. 이 패턴은 진입 단계의 일자리는 비교적 접근 가능할지 모르나, 최고 수준의 리더십 및 전문직 역할에 도달하는 데 따르는 장벽은 매우 견고하며 여성과 흑인 노동자에게 불균형적으로 영향을 미친다는 점을 시사합니다.

연구는 또한 실제로 이러한 임금 스펙트럼의 각 단계에 누가 위치하는지도 조사했습니다. 데이터는 극명한 인구 통계적 변화를 보여주었습니다. 흑인 및 혼혈 노동자들이 최저 소득 계층의 대다수를 차지하는 반면, 임금이 상승함에 따라 이들의 비중은 급격히 줄어드는 반면 백인 노동자들은 상층부에서 점점 더 지배적이 됩니다. 이는 '유리 천장'이 단순히 동일한 노동에 대해 얼마나 많은 임금을 받느냐의 문제가 아니라, 누가 고임금 직종에 접근할 수 있느냐의 문제이기도 함을 나타냅니다. 이러한 두 가지 힘, 즉 고임금 직책에 대한 불평등한 접근과 그곳에 도달한 이들에 대한 불평등한 처우가 결합되어 불평등을 높게 유지시키는 복합적인 효과를 만들어냅니다.

결론의 견고함을 보장하기 위해, 연구진은 대규모 데이터셋에서 전통적인 통계가 놓칠 수 있는 복잡한 패턴을 찾아내도록 설계된 머신러닝이라는 고급 컴퓨터 모델을 사용하여 결론을 테스트했습니다. 특정 규칙을 부여받지 않고 데이터로부터 학습하는 이 모델들은 교육과 경제 부문이 임금의 가장 강력한 예측 변수임을 확인했습니다. 그러나 머신러닝 모델은 이러한 요인들과 급여 사이의 관계가 단순하거나 선형적이지 않으며, 다양한 집단에 따라 달라지는 복잡한 상호작용을 포함하고 있다는 점도 보여주었습니다. 이러한 컴퓨터 모델이 정확한 임금 수치를 예측하는 데는 더 뛰어났지만, 연구진은 근본적인 불평등의 원인을 이해하는 데는 단순한 통계 모델이 필수적이라고 강조했습니다.

저자들은 브라질 노동 시장이 이중적 현실을 특징으로 한다고 결론짓습니다. 한편으로는 지난 10년 동안 발전과 구조적 변화가 있었습니다. 다른 한편으로는, 불평등의 메커건이 사라진 것이 아니라 진화했습니다. 여성의 교육적 이점에도 불구하고 큰 규모의 설명되지 않는 임금 격차가 지속되는 것은, 단순한 직함이나 위치 측정으로는 포착되지 않는 구조적 차별을 가리킵니다. 최고 소득 수준에서 인종 및 성별 불이익이 심화되는 것은 개인의 능력 이상의 장벽이 상층부로 가는 길을 가로막고 있음을 시사합니다. 이 연구는 문제를 해결했거나 모든 원인을 식별했다고 주장하는 것이 아니라, 불평등이 어디에 존재하는지에 대한 명확하고 데이터에 기반한 지도를 제공하는 것입니다. 이는 임금 격차를 해결하기 위해서는 단순히 교육을 확대하는 것 이상의 노력이 필요하며, 여성과 흑인 노동자들이 공식 경제의 최고 단계에 접근하고 번창하는 것을 가로막는 구체적인 장벽을 해결해야 한다는 것을 보여줍니다.

기술 요약: 브라질 임금에 대한 추론 분석 및 예측 모델링 (2010–2023)

문제 제로 (Problem Statement)
본 연구는 수십 년간의 제도적 변화와 교육 확대에도 불구하고 성별, 인종, 교육과 관련된 임금 불평등이 지속되는 현상을 다루며, 브라질 공식 노동 시장 내 임금 구조와 결정 요인을 조사한다. 본 연구는 전체 사업장의 97% 이상을 포괄하는 종합적인 고용주-피고용인 행정 등록 데이터인 Relação Anual de Informações Sociais (RAIS)의 마이크로데이터를 활용한다. 분석 기간은 2015년 이후의 경기 침체, 노동 시장 개혁, 그리고 2019년 eSocial 데이터 수집 시스템으로의 전환을 포함한 중요한 경제적 변화를 아우르는 2010~2023년이다. 핵심 과제는 임금 분포의 구조적 변화를 동시에 규명하고, 이질성을 통제하면서 지속적인 불평등을 정량화하며, 현대적 머신러닝 알고리즘의 예측 능력을 고전적 계량경제학 모델과 비교 평가하는 것이다.

연구 방법론 (Methodology)
본 연구는 고전적 추론 통계와 지도 학습 기반의 예측 모델링을 통합한 하이브리드 분석 프레임워크를 채택한다.

데이터 처리: RAIS(2010–2023) 데이터셋은 eSocial로 인한 불연속성을 통제하기 위해 기간 지표를 포함하여 전처리되었다. 변수에는 물가 상승률이 반영된 월 소득(로그 변환), 성별, 연령, 주(state), 산업(CNAE), 교육 수준, 직업, 인종/색상 등이 포함되었다. 결정론적 해시 기반 분할을 통해 훈련 세트(607,999개)와 테스트 세트(100,760개)를 생성하였다.
추론 모델링:
- 고정 효과 회귀 (Fixed-Effects Regression): 최소제곱법(OLS)을 통해 로그-선형 이원 고정 효과 모델(주 및 경제 부문)을 추정하였다. 본 논문은 정규 방정식부터 OLS 추정량의 성질에 이르기까지 완전한 수학적 유도를 제공하며, 등분산성 위반을 해결하기 위해 White의 이분산 강건 표준 오차를 사용하였다.
- Oaxaca–Blinder 분해: 성별 및 인종 간 임금 격차를 "설명된" 구성 요소(관찰 가능한 특성의 차이)와 "설명되지 않은" 구성 요소(차이의 귀속, 잠재적 차별로 해석됨)로 분해하는 데 이 기법을 사용하였다.
- 분위 회귀 (Quantile Regression): 잔차 진단 결과 라플라스 분포(Laplace-distributed)의 오차 구조가 나타남에 따라, 분위 회귀를 적용하여 임금 분포 전반(τ = 0.10 ~ 0.90)에 걸친 계수를 추정하였다. 이를 통해 "유리 천장"(상위 구간에서 불평등 심화) 및 "끈적한 바닥(sticky floor)" 가설을 검증하였다.
예측 모델링: 선형 회귀, 결정 트리(CART), 랜덤 포레스트, XGBoost를 10-겹 교차 검증(10-fold cross-validation)을 사용하여 비교하였다. 성능은 RMSE, MAE, $R^2$ 를 사용하여 평가하였다.
진단 및 구성 분석: 그룹별 체계적 편향을 식별하기 위해 잔차 진단을 수행하였다. 또한, 임금 계층의 인구통계학적 구성을 분석하여 접근성의 계층화와 수익의 차이를 구분하였다.

주요 기여 (Key Contributions)
본 논문은 네 가지 구체적인 방법론적 및 실증적 기여를 한다:

구조적 문서화: Kolmogorov–Smirnov 검정을 통해 2010–2019년과 2020–2023년 기간 사이의 브라질 임금 분포에 구조적 단절이 존재함을 통계적으로 입증하였다.
수학적 형식화: 더미 변수의 계수 해석과 이분산성 처리를 포함하여 로그-선형 고정 효과 모델의 엄밀한 수학적 유도를 제공함으로써 추론 분석의 방법론적 토대를 마련하였다.
예측 벤치마킹: 대규모 행정 데이터를 대상으로 선형, 트리 기반, 앙상블 방법론을 체계적으로 비교하였으며, 각 모델의 하이퍼파라미터와 수학적 공식을 명시하였다.
통합적 추론 및 예측: 고전적 추론(구조적 불평등 식별)과 예측 모델링(일반화 능력 평가)을 단일 프레임워크 내에서 통합하였으며, 구성 분석을 통해 접근 장벽과 수익 차이를 분리하였다.

주요 결과 (Key Results)

구조적 변화: 분석된 두 기간 사이의 임금 분포에서 유의미한 구조적 괴리가 존재한다 ( $p < 0.001$ ).
성별 불평등:
- OLS 결과: 지역, 부문, 연령을 통제한 후에도 여성에 대한 지속적인 페널티가 존재한다.
- 분해: Oaxaca–Blinder 분해 결과 역설적인 사실이 드러났다. "설명된" 구성 요소가 음수(−8.42%)로 나타났는데, 이는 여성이 이론적으로 더 높은 임금을 창출해야 할 우수한 관찰 가능 특성(특히 교육)을 보유하고 있음을 의미한다. 그러나 "설명되지 않은" 구성 요소는 +15.27%로, 이는 원시 격차가 거의 전적으로 특성에 대한 차등적 수익에 의해 발생하며, 구조적 차별과 일치함을 시사한다.
- 잔차 편향: 회귀 모델은 여성의 임금을 체계적으로 과소 예측한다(평균 잔차 +0.0123). 이는 모델이 성별에 따른 이질성의 전체 범위를 포착하지 못하고 있음을 나타낸다.
인종 불평등:
- 인종 격차(백인 대 흑인/혼혈)는 +14.60%이며, 이 중 56.8%는 특성에 의해 설명되고 43.2%는 설명되지 않는다.
- 구성 분석 결과 "인종적 역전" 현상이 나타났다. 흑인/혼혈 노동자는 최하위 임금 계층의 55.2%를 차지하지만, 최상위 계층에서는 24.5%에 불과하여 접근성의 계층화를 보여준다.
이질성 및 유리 천장:
- 분위 회귀는 불평등이 균일하지 않음을 보여준다. 성별 격차는 10백분위수(12.6%)에서 90백분위수(47.0%)로 세 배 증가한다.
- 인종 페널티는 Q10의 4.4%에서 Q90의 13.6%로 심화된다.
- 고등 교육에 대한 수익은 양 극단 사이에서 4배 차이 난다 (Q10: 0.347 vs Q90: 1.493).
- 공식 검정 결과 성별, 인종, 교육 차원에서 "유리 천장" 패턴이 확인되었다 ( $p \approx 0$ ).
예측 성능: 앙상블 방법이 선형 모델보다 우수한 성능을 보였다. XGBoost가 가장 높은 성능( $R^2 = 0.578$ , RMSE = 1.974)을 기록했으며, 이는 선형 회귀보다 11.8 퍼센트 포인트 향상된 수치이다. 변수 중요도 분석 결과 교육, 경제 부문, 직업, 연령, 기업 규모가 주요 결정 요인으로 식별되었다.

의의 및 주장 (Significance and Claims)
저자들은 본 연구의 결과가 형평성 지향적 공공 정책과 노동 시장 모니터링에 잠재적 시사점을 가진다고 주장한다. 본 연구는 다음과 같이 단언한다:

불평등 메커니즘: 성별 격차에서 나타나는 "설명되지 않은" 구성 요소의 지배력과 회귀 모델에서의 여성 및 흑인 임금에 대한 체계적 과소 예측은 구조적 차별 가설과 일치한다.
정책적 관련성: 본 분석은 효과적인 형평성 정책이 임금 수익의 차별 메커니즘(수익의 "유리 천장")과 직업적 위계 내 집단 분포를 결정하는 접근 장벽(접근의 계층화)을 모두 다루어야 함을 시사한다.
방법론적 가치: 해석적 모델(고정 효과 모델 등)은 추론과 정책 수립에 필수적이며, 고성능 앙상블 모델은 대규모 모니터링에 더 적합하다는 하이브리드 접근법이 필요하다.
주의 사항: 저자들은 본 분석이 상관관계 연구임을 명시한다. 결과에 대한 인과적 해석을 경계하며, "설명되지 않은" 구성 요소가 RAIS에서 관찰되지 않는 누락된 변수(예: 특정 직함, 근속 연수, 협상 이력)를 포착할 수 있음을 언급한다. 또한, 훈련/테스트 세트의 비대칭성과 초기 고정 효과 명세에서 상호작용 항이 결여된 점을 한계로 인정한다.

결론적으로, 본 논문은 교육 확대가 긍정적이기는 하나, 교육에 대한 이질적인 수익이 기존의 불평등을 증폭시킬 수 있으며, 평균 중심 분석(OLS 등)은 불평등이 가장 심각한 상위 계층의 차이를 체계적으로 과소평가할 수 있다고 주장한다.

유사한 논문