본문 바로가기
KERD
논문KCI 등재

일자리사업의 향후 평가 방향: 인과적 머신러닝을 적용한 직업훈련사업의 평가

New Direction of Evaluation on Labor Market Program Application of Causal Machine Learning to Vocational Training in Korea

김용성
한국경제학회 (The Korean Economic Association)|2024.04|한국경제포럼 (The Korean Economic Forum)|제17권 제1호|pp. 47-72|DOI 10.22841/kefdoi.2024.17.1.003

0

조회

0

다운로드

0

인용

0

참고문헌

키워드

program evaluation프로그램 평가treatment effect처치효과인과적 머신러닝causal machine learning
주제분류경제학

초록

본 연구는 최근 노동시장 분석에 활용되는 인과적 머신러닝 기법을 소개하고 우리나라 직업훈련 데이터에 적용한 결과를 제시하였다. 직업 훈련사업의 취업 효과를분석한 다수의 연구 결과가 일치된 결론에 이르지 못하고 있다. 인과적 추론을 위해소개하는 이중 머신러닝(double machine learning, DML)은 모형의 변수들 사이의유연한(flexible) 관계를 허용함으로써 연구의 자의성을 줄일 수 있다. 향후 DML의탈편의성과 강건성은 합리적인 효과의 범위를 제시하고, 이질적(heterogeneous) 처치효과의 추정은 평가 결과의 활용도를 높일 것으로 기대된다.

Abstract

This study introduces a machine learning method (DML) recently used for causal analyses on labor market issues and presents the results of applying DML to Korea’s vocational training data. Voluminous studies have estimated the effect of training on employment and they have come up short of consensus. The DML’s flexibility in setting relationships of variables may help to avoid problems related to model specification. The DML’s properties of the debiasedness and robustness may also provide what the reasonable range of training effects should be. In addition, the paper attempt heterogeneous treatment effects, which will be informative to policy implementation.

참고문헌 (42)

  1. 강순희, "미취업자의 직업훈련 참가 결정요인과 고용성과 분석", HRD 연구, 17(2), pp.267~298 (2015)
  2. 금재호, "시행주체에 따른 직업훈련의 임금효과 연구", 한국경제연구, 34(2), pp.121~151 (2016)
  3. 김보배, "가구 소득분위에 따른 직업훈련의 효과 추정", Asia-pacific Journal of Convergent Reserch Interchange, 9(8), pp.365~377 (2023)
  4. 실업지속의 원인분석과 직업훈련의 효과 및 개선방안에 관한 연구, "김용성", 한국개발연구원, ~ (2015)
  5. 김용성, "내일배움카드제 훈련이 취업성과에 미치는 영향", 노동경제논집, 43(1), pp.1~34 (2020)
  6. 직업능력개발훈련 이수자 실태조사, "류기락", 한국직업능력개발원, ~ (2014)
  7. 양용현, "재직자 직업훈련이 취업 및 이직에 미치는 영향", 노동경제논집, 42(3), pp.75~98 (2019)
  8. 오호영, "사업주 직업훈련 참여와 보상의 성별격차", 노동정책연구, 21(1), pp.99~127 (2021)
  9. 유경준, "직업훈련의 임금효과 분석 : 경제활동인구조사를 중심으로", 한국개발연구, 32(2), pp.29~53 (2010)
  10. 유경준, "실업자 직업훈련의 효과 추정", 노동경제논집, 31(1), pp.59~103 (2008)
  11. 이병희, "실업자재취직훈련의 재취업 성과에 관한 준실험적 평가", 노동경제논집, 23(2), pp.107~126 (2000)
  12. 고용서비스 전문자격 신설에 대한 타당성연구, "장신철", 한국기술교육대학교 고용직업능력개발센터, ~, pp.한국기술교육대학교 고용직업능력개발센터 연구보고서 2021-06
  13. 직업능력개발계좌제 시범사업 평가 및 개선방안 연구, "조준모", 뉴거버넌스연구센터, ~ (2010)
  14. Ahrens, A., "ddml : Double", Debiased Machine Learning in Stata, 2023, pp.(15963), ~
  15. Athey, S., "The Economics of Artificial Intelligence: An Agenda", pp.507~547 (2019), University of Chicago Press
  16. Athey, S., "Estimating Treatment Effects with Causal Forests : An Application", Observational Studies, 5(2), pp.37~51 (2019)
  17. Card, D., "What Works? A Meta Analysis of Recent Active Labor Market Program Evaluations", Journal of the European Economic Association, 16(3), pp.894~931 (2018)
  18. Card, D., "Active Labour Market Policy Evaluations : A Metaanalysis", The Economic Journal, 120, pp.F452~F477 (2010)
  19. Cavaco, S., "Estimating the Effect of a Retraining Program on the Re-Employment Rate of Displaced Workers", Empirical Economics, 44(1), pp.261~287 (2013)
  20. Seeing Beyond the Trees : Using Machine Learning to Estimate the Impact of Minimum Wages on Labor Market Outcomes, "Cengiz, D.", NBER, ~, pp.NBER Working Paper No.28399 (2021)
  21. Chernozhukov, V., "Double", debiased Machine Learning Treatment for Treatment and Structural Parameters, 2018, pp.21, C1~C68
  22. Dawson, N, "Predicting Skill Shortages in Labor Markets: A Machine Learning Approach", 2020 IEEE International Conference on Big Data (Big Data) (2020)
  23. Doerr, A., "Vocational Training for Female Job Returners-Effects on Employment, Earnings and Job Quality", Labour Economics, 75, pp.102~139 (2022)
  24. Enhancing the Effectiveness of Active Labour Market Policies : Evidence from Programme Evaluations in OECD Countries, "Fay, Robert, G.", OECD, ~, pp.OECD Labour Market ans Social Policy Occasional Papers No. 18 (1996)
  25. Goller, D., "Active Labour Market Policies for the Long-Term Unemployed : New Evidence from Causal Machine Learning", IZA DP, (14486) (2021)
  26. Hirshleifer, S., "The Impact of Vocational Training for the Unemployed : Experimental Evidence from Turkey", The Economic Journal, 126, pp.2115~2146 (2016)
  27. Klauber, H., "Determinants of Heat Risk in an Aging Population : A Machine Learning Approach", IZA DP, (15996) (2023)
  28. Kluve, J., "The effectiveness of European Active Labor Market Programs", Labour Economics, 17(4), pp.904~918 (2010)
  29. A Review of the Effectiveness of Active Labour Market Programmes with a Focus on Latin America and the Caribbean, "Kluve, J.", International Labour Office, ~, pp.Research Department Working Paper No.9 (2016)
  30. Knaus, M. C., "Heterogeneous Employment Effects of Job Search Programs : A Machine Learning Approach", Journal of Human Resources, 57(2), pp.597~636 (2022)
  31. Evaluating ALMP Evaluations, "Koning, J.", SEOR, ~, pp.SEOR Working Paper No. 2007 (2007), 2
  32. Koning, J, "The Evaluation of Active Labour Market Policies, Measure, Public Private Partnerships and Benchmarking" (2007), Edward Elgar Publishing
  34. Künzel, S. R., "Metalearners for Estimating Heterogeneous Treatment Effects using Machine Learning", PANAS, 116(10), pp.4156~4165 (2019)
  35. Lee, J-W., "The Effects and Challenges of Vocational Training in Korea", International Journal of Training Research, 17(supl), pp.96~111 (2019)
  36. What Works Among Active Labour Market Policies : Evidence From OECD Countries’ Experience, "Martin, J. P.", OECD, ~, pp.OECD Labour Market and Social Policy Occasional Papers, No. 35 (1998)
  37. Nivorozhkin, A., "Do Government Sponsored Vocational Training Programs Help the Unemployed Find Jobs? Evidence from Russia", Applied Economics Letters, 14(1), pp.5~10 (2007)
  38. Rodriguez-Planas, N., "Evaluating Active Labor Market Programs in Romania", Empirical Economics, 38, pp.65~84 (2010)
  39. Rosholm, M., "Is Labour Market Training a Curse for the Unemployed? Evidence from a Social Experiment", Journal of Applied Econometrics, 24, pp.338~365 (2009)
  40. Predicting Re-Emplotment : Machine Learning versus Assessments by Unemployed Workers and by their Caseworkers, "van den Berg, G. J.", IZA, ~, pp.IZA Discussion paper series, DP. No.16426 (2023)
  41. Vooren, M., "The Effectiveness of Active Labor Market Policies : A Meta-analysis", Journal of Economic Survey, 33(1), pp.125~149 (2019)
  42. What Works for Active Labor Market Policies?, "Yeyati E.", Center for International Development at Harvard University, ~, pp.CID Faculty Working Paper No.358 (2019)

관련 논문AI추천

취업, 임금, 재실업에 미치는 영향을 중심으로 본 한국 실업자 직업훈련의 효과성 분석이서윤한국사회정책학회 · 한국사회정책2014 · 제21권 제3호대졸 청년의 실업자 내일배움카드제 성과 분석김덕호한국직업능력연구원 · 직업능력개발연구2019 · 제22권 제3호직업훈련생 평가 데이터와 취업 결과의 상관관계: 머신러닝 모델을 통한 예측 방안 연구문일영, 천재성한국실천공학교육학회 · 실천공학교육논문지2024 · 제16권 제3호직업훈련의 임금효과 분석: 경제활동 인구조사를 중심으로강창희, 유경준한국개발연구원 · KDI Journal of Economic Policy2010 · 제32권 제2호고용영향 분석평가 방법론 연구최강식한국직업능력연구원 · 직업능력개발연구2007 · 제10권 제3호청년취업인턴제가 대졸자의 노동시장 성과에 미치는 이질적 효과 분석:X-learner 기반 처치효과 추정정연정한국노동연구원 · 노동정책연구2025 · 제25권 제1호

이 간행물의 다른 논문 (3건)

팬데믹 이후 고물가에 대한 한국은행의 정책대응이창용, 박영환pp. 1-18고령화와 소득 및 소비의 불평김낙년pp. 19-46연령별 가계부채 상환 취약성 분석: 유럽 8개국과의 비교를 중심으로김수영, 김지섭, 조윤호pp. 73-113
원문 보기