1. 서론
2. 문헌고찰
1) 일자리 변화의 지역성
2) 기술진보와 지역일자리 지속가능성
3. 연구방법
1) 연구의 범위
2) 변수의 측정
3) 실증분석모형의 설정
4. 실증분석 결과
1) 지역일자리 지속가능성의 유형 분류
2) 지역일자리 지속가능성에 영향을 미치는 지역적 특성
5. 결론 및 시사점
1. 서론
세계경제포럼(World Economic Forum, WEF) 회장 클라우스 슈바프(Klaus Schwab)는 4차 산업혁명(Fourth Industrial Revolution)을 “디지털 혁명의 성과를 기반으로 한 융합기술, 초지능 그리고 초연결 혁명”으로 정의하였다(Schwab, 2016; 2017). 4차 산업혁명 시대의 급격한 기술진보(technological progress)는 그간 대체가 불가능할 것으로 여겨지던 인간의 인지능력마저 따라잡고 있다. 특히 인공지능(artificial intelligence, AI)은 ‘인간처럼 계산하는 것’을 넘어 ‘인간처럼 생각하는 것’을 구현하는 기술로서(국경완, 2019), 이미 인간 수준의 추론적･추상적 작업을 수행하는 데 널리 활용되고 있다(Berg et al., 2016; Gibbs, 2022). 미국의 오픈AI(OpenAI) 사가 개발한 대화형 AI인 챗GPT(ChatGPT)와 이미지 생성형 AI인 달리(DALL･E)가 대표적인 사례다.
파괴적 기술진보는 기술혁신(technological innovation)의 과정을 통해 기업의 생산성을 증대시킨다. 이러한 기술혁신과 기업의 생산성 향상은 일자리의 변화로 이어진다(성태경, 2001; Crespi and Zuniga, 2012). 최근 다수의 실증연구에 따르면 4차 산업혁명의 핵심기술 역시 이러한 경로를 따르는 것으로 알려졌다. 4차 산업혁명 관련 기술의 도입이 기업의 경제적･재무적 성과를 향상시키는 동시에(구한민, 2024; 구한민 등, 2023; 윤선중･서종현, 2021; Li et al., 2020), 실제 고용의 변화로 이어지고 있다는 것이다(김성환･도연우, 2019; 한영미 등, 2018).
4차 산업혁명 시대의 전반적인 일자리 변화에 대한 예상은 엇갈린다. 이전의 산업혁명에서 그러했듯 기술진보가 더 많은 일자리를 창출할 것이라는 기대(예: Aghion et al., 2022; Bessen, 2019; Zahidi, 2020)가 있는 반면, 변화의 속도와 규모가 기하급수적인 4차 산업혁명에서는 다를 것이라는 전망(예: Arntz et al., 2017; Nedelkoska and Quintini, 2018; Schwab, 2016; WEF, 2016)이 공존한다. 현실의 일자리 변화도 그러하다. 2023년 2분기 글로벌 구인･구직 사이트 업워크(Upwork)의 AI 채용 공고는 작년 동기 대비 1,000% 이상 증가한 반면(Curry, 2023), 같은 해 12월 구글(Google) 사에서는 AI 도입에 따른 업무 효율화로 최대 3만 명가량의 인력을 구조조정 하겠다고 밝혔다(William, 2023).
그렇다면 현재 정책입안자에게 가장 중요한 질문은 ‘과연 어떠한 특성을 가진 지역의 일자리가 지속가능한가’이다. 물론 기술진보의 가속화와 일자리 변화는 전국적인 현상이지만 구인･구직 상황의 변화는 지역적으로 체감되기 때문이다. 이에 본 연구에서는 우리나라에서 일자리의 지속가능성이 높은 지역을 식별하고 이들 지역이 지니는 산업적･인구학적 특성을 확인한다. 이를 위하여, 우선 지역일자리 지속가능성(local employment sustainability)의 개념을 정의하고, 우리나라 전체 시군구의 지역일자리 지속가능성 유형을 분류하였다. 이후 로지스틱 회귀분석을 수행하여 지역일자리 지속가능성이 높은 유형의 결정에 유의한 영향을 미치는 지역적 특성을 식별하였다.
이어지는 본 연구는 다음과 같이 구성되었다. 2장에서는 선행연구를 검토하여 기술진보에 따른 일자리 지속가능성의 변화상과 이를 지역적 맥락에서 살펴보아야 할 필요성을 확인하였다. 3장은 앞선 연구질문을 해결하기 위한 연구설계와 분석방법을 설명하였다. 4장에는 실증분석의 결과를 기술하였다. 본 연구는 5장에서 4차 산업혁명 시대의 지역일자리와 관련한 증거 기반(evidence-based)의 시사점을 제공하며 마무리된다.
2. 문헌고찰
1) 일자리 변화의 지역성
노동력의 수요와 공급은 통근 행위를 수반한다(남기찬 등, 2020; 이성균, 2015; Casado-Diaz, 2000). 따라서 일자리 관련 연구에서는 지역적 맥락을 고려하는 것이 중요하다. 그간 지역노동시장(local labor market)의 고용 변화에 관한 연구(예: Holzer, 1989)는 주로 지역 간 고용률･실업률 변동의 차이와 소득의 공간적 불평등에 초점을 맞추어 왔다. 이러한 연구는 지역의 산업구조(Angel and Mitchell, 1991), 교육 수준(Black et al., 2014; Lindley and Machin, 2014), 이주 수요 및 인센티브(Topel, 1986) 등의 요인이 지역노동시장의 임금 및 고용 역학(dynamics)에 영향을 미친다는 사실을 확인하였다. 하지만 4차 산업혁명이 도래한 이래 기술진보와 일자리 변화를 다룬 다수의 연구(예: Frey and Osborne, 2017; Gibbs, 2022; Nedelkoska and Quintini, 2018; WEF, 2023)는 지역성(locality)을 도외시한 채 직종･직무 단위의 분석을 수행하는 데 그치고 있다.
그간 연구자들이 크게 주목하지 않았으나, 기술진보에 따른 일자리의 변화와 이 과정에서 지역성의 상호작용은 더 깊이 연구되어야 하는 주제다. 임보영･마강래(2020)에 따르면 기술혁신에 따른 일자리 변화는 지역적 맥락에 따라 다르게 나타나며, 이러한 지역별 격차는 기술진보의 패러다임 하에서 더욱 심화하는 것으로 확인되었다. 또한 이들은 도시와 지역의 특성을 상세히 고려하지 않은 산업 정책은 국토의 일자리 편중 문제를 더욱 악화시킬 수 있다고 지적하였다. 이와 유사한 맥락에서 강호제 등(2018) 역시 4차 산업혁명의 선도자인 혁신성장기업의 60% 이상이 수도권에 지리적으로 집중하고 있음을 보고하고, 향후 수도권-비수도권 간 그리고 지역 간 일자리 부족 문제의 격차가 확대될 수 있음을 경고한 바 있다.
우리나라의 지역별 일자리 구조, 사회경제적 여건, 산업구조적 특성 등이 상이하다는 점을 감안하면, 4차 산업혁명으로 인한 기술진보가 일자리 변화에 미치는 영향 역시 지역에 따른 차이가 클 것이다. 더욱 큰 문제는 가속화하는 4차 산업혁명으로 인해 이러한 격차가 점점 더 커질 수 있다는 것이다. 따라서 지역 단위의 데이터가 충분하지 않음에도 불구하고 지역적 맥락을 고려하여 기술진보와 일자리 변화 간의 관계를 실증하는 연구가 이어져야 한다. 이에 본 연구는 선행연구(예: 강호제 등, 2018; 임보영･마강래, 2020)를 비판적으로 검토하는 동시에, 4차 산업혁명의 진전에 따른 지역일자리 변화에 관한 새로운 해석을 시도한다.
2) 기술진보와 지역일자리 지속가능성
전통적으로 좋은 일자리(good job)란 경제적 보상이 크고 직무만족도가 높으며 사회적 위세가 높은 일자리를 뜻한다(방하남･이상호, 2006). 미래에 대한 전망, 근로 시간 및 휴가, 노동의 강도, 일과 삶의 균형 그리고 근무하는 지역의 환경 등도 좋은 일자리를 구성하는 요인이다(곽상신, 2015; 송영남, 2010). 하지만 좋은 일자리의 가장 주된 특성은 고용의 안정성이 높다는 것이다(곽상신, 2015; 방하남･이상호, 2006; 송영남, 2012). 고용 안정성은 고용의 질을 평가하는 중요한 기준으로 개인･기업･지역･국가 등 다양한 수준에서 측정할 수 있다(방하남 등, 2007).
최근에는 좋은 일자리와 관련하여 지속가능한 일자리(sustainable employment)에 대한 논의가 확대하고 있다. 그간 지속가능성과 일자리의 개념은 함께 사용되지 않았다(Köves et al., 2013). 하지만 기술의 발전, 인구학적 변화 그리고 세계화 등이 노동의 환경을 재편하며(Aubert-Tarby et al., 2018; Chen et al., 2020) 이들의 융합이 새로이 주목받고 있다. 여기서 van Dam et al.(2017)은 지속가능성의 정의가 ‘미래 세대의 필요를 저해하지 않는 수준에서 현세대의 필요를 충족시키는 것’이라는 점을 반영하여, 지속가능한 일자리를 ‘근로자가 현재와 미래에도 일을 계속할 수 있는 정도’로 정의하였다.
그렇다면 기술의 진보 속에서 지역의 일자리가 지속가능하다는 것은 어떠한 의미인가? 앞선 van Dam et al.(2017)의 정의를 빌리자면 전방위적인 일자리 대체가 발생하는 상황에서 지역의 노동시장이 양질의 고용을 적절히 창출하는 동시에, 상대적으로 대체 가능성이 낮은 일자리의 비중이 높은 구조를 지닌다는 것을 의미한다. 일찍이 Alic(1997)이 이들 두 조건의 동시성이 충족되어야 기술의 급격한 발전에도 지역･국가가 지속가능한 성장을 할 수 있다고 주장한 바와 궤를 함께한다.
앞선 정의에 따르면 기술진보가 지역일자리 지속가능성에 미치는 영향을 실증하는 데에 보완 효과(complementary effect)와 대체 효과(substitution effect)가 상충적으로(trade -off) 공존한다는 사실을 반영해야 마땅하다. 발전된 기술이 노동력을 대체하며 고용을 감소시키기도 하지만, 기업이 생산성의 향상을 위해 기술 부문 인력을 늘리기도 하기 때문이다(Aghion et al., 2022; Autor, 2015; Bessen, 2019). 여기서 중요한 문제는 과연 Alic(1997)이 이전의 산업혁명에서 목도한 대로 4차 산업혁명에서도 보완 효과가 대체 효과를 압도할 수 있는가에 관한 것이다. 최근 4차 산업혁명 기술의 높은 혁신성으로 말미암아 일자리 대체의 규모가 고용 증가의 규모를 압도할 것이라는 우려가 한층 더 확대되고 있기 때문에(Kim and Mauborgne, 2023), 이는 더욱 심각하게 고려되어야 한다. 따라서 우리는 지역의 일자리 대체 가능성과 실제 취업자 수 변화를 함께 활용하여 지역일자리 지속가능성의 개념을 정의하였다.
여기서 지역일자리의 대체 가능성을 조작적으로 정의할 때는 직종의 다양성을 고려하였다. 기술진보로 인한 일자리 변화의 양태는 직종에 따라 다르게 나타날 것으로 예상된다. 예를 들어, 하나의 기업 내에서도 첨단기술을 응용하는 직종의 고용은 증가하는 반면, 상대적으로 자동화가 쉬운 직종의 고용은 감소할 가능성이 크다(김성환･도연우, 2019; Organization for Economic Cooperation and Development, 2019; WEF, 2023). 만약 실증분석 과정에서 이러한 직종별 차이를 반영하지 않는다면, 기술진보에 따른 일자리 변화의 위험이 과대하게 평가될 수 있다(Martens and Tolan, 2018). 이에 본 연구에서는 Frey and Osborne(2017)의 직종별 일자리 대체 가능성1)을 우리나라의 실정에 알맞게 변형한 김세움(2015)의 세분류 직종별 일자리 대체 가능성을 활용하였다.2)
3. 연구방법
1) 연구의 범위
본 연구의 공간적 범위는 우리나라 전국 229개 시군구이다. 앞서 소개하였듯 Frey and Osborne(2017)과 김세움(2015)을 바탕으로 산출한 소분류 직종별 일자리 대체 가능성을 적용하기 위하여 시군구를 분석 단위로 한 연구를 수행하였다. 한편 같은 광역권 내에서도 도시의 규모에 따라 일자리 시장의 여건이 다를 수 있다는 점(최창훈･정태훈, 2015)을 고려하여, 특별･광역시 내외의 시군구를 별도로 구분하여 살펴보았다.
본 연구의 시간적 범위는 2015년부터 2021년으로 설정하였다. 2015년은 자동화(automation)에 따른 일자리 시장의 변화에 관한 우려가 본격적으로 확대된 시기인 동시에(Autor, 2015), 한국표준직업분류(Korean Standard Classification of Occupations, KSCO)의 개정 없이 Frey and Osborne (2017)과 김세움(2015)의 직종별 일자리 대체 가능성을 적용할 수 있는 데이터가 확보된 시점이다. 아울러 2015년에서 5년여가 지난 2021년은 기술진보로 인한 지역일자리의 변화를 확인하기에 적합하다.
2) 변수의 측정
(1) 결과변수: 지역일자리 지속가능성의 유형
본 연구에서는 앞선 문헌고찰의 결과를 토대로 분석의 결과변수인 지역일자리 지속가능성을 정의하였다. 요약하자면 기술진보로 인한 대체와 생산성 증가로 인한 일자리 축소 등의 여건에서도, 지속하여 사라져 가는 일자리보다 더 큰 규모의 새로운 일자리를 창출하는 것이 지역일자리 지속가능성의 핵심적인 요소라는 점을 반영하는 것이다. 다시 말해, 지역일자리가 지속가능하다는 것은 기술진보에 따른 일자리의 대체 가능성이 전반적으로 낮은 동시에 일반적인 지역경제 성장의 과정에서 창출되는 규모 이상의 고용 증가가 가능한 상태, 즉 지역일자리의 지속가능성이 비교적 양호한 상태를 의미한다고 볼 수 있다. 따라서 본 연구에서는 식 1과 같은 함수 관계를 활용하여 지역일자리의 지속가능성을 정의하였다. 여기서 지역 취업자 수의 증가량이 클수록 지역일자리의 대체 가능성이 낮을수록 지역일자리 지속가능성이 높아진다.
지역일자리 지속가능성의 분자 역할을 하는 지역 취업자 수의 변화는 2015년부터 2021년까지 시군구별 고용의 변화율로 계산하였다(식 2). 분석에는 두 연도에 대한 통계청(2015a, 2021)의 인구주택총조사 데이터를 활용하였다.
여기서 는 2015년 시군구 의 취업자 수, 는 2021년 시군구 의 취업자 수를 의미한다. 이들을 변화율의 형태로 계산하면 , 즉 시군구 의 취업자 수 변화율을 산출할 수 있다.
지역일자리 지속가능성의 분모에 해당하는 지역일자리의 대체 가능성은 구한민･홍사흠(2023)에서 정의한 직접적 일자리 대체 가능성 개념을 차용하였다. 이들은 김세움(2015)이 Frey and Osborne(2017)의 700여 개의 일자리별 대체 확률3)을 기반으로 산출한 KSCO의 세분류 직종별 일자리 대체 가능성을 다시 소분류 직종별 일자리 대체 가능성으로 매칭시켜 전환하였다.4) 이를 통계청(2015a)의 인구주택총조사에서 확인할 수 있는 각 시군구의 직종별 종사자 비율과 곱하여 식 3과 같이 지역일자리의 전반적인 대체 가능성을 산출하였다.
여기서 은 소분류 직종 의 대체 확률, 은 시군구 내 소분류 직종 의 종사자 수 비율을 의미한다. 이들을 직종별로 곱하고 전체 직종의 값을 더하면 , 즉 시군구 의 전반적인 일자리 대체 가능성이 산출된다.
다만 우리는 식 1에서 정의한 지역일자리 지속가능성 개념을 직접적으로 측정하는 것은 불가능하다고 판단하였다. 이러한 조작적 정의로는 지역의 총생산 변화로 파급된 수요 이외의 고용 창출과 소멸을 분리하여 파악하는 것이 쉽지 않고, 일자리 대체 가능성이 시계열적으로 변화하는 현상에 대하여 동태적 접근을 할 수 없기 때문이다. 따라서 본 연구에서는 앞서 설정한 지역일자리 지속가능성의 개념적 틀을 유지하되, 선행연구의 한계점을 보완하기 위하여 지역 일자리 지속가능성의 유형을 표 1과 같이 네 가지로 구분하였다. 지역 취업자 수의 변화와 지역일자리의 대체 가능성에 대한 전국 시군구 평균값과 시군구별 값을 각각 비교하여 전국 229개 시군구를 유형화하였다. 유형 1과 유형 3에서는 지역일자리 지속가능성의 양 측면이 같은 방향으로 나타나고, 유형 2와 유형 4는 양 측면이 일관된 결과를 보여주지 않는다. 본 연구는 4차 산업혁명에 따른 지역일자리의 지속가능성을 실증하는 초기적 시도라는 점에서 분석과 해석의 초점은 유형 1과 유형 3의 비교에 두었다.
표 1.
지역일자리 지속가능성의 유형
(2) 독립변수: 지역의 산업적･인구학적 특성
본 연구의 목적은 지역일자리 지속가능성을 개념적･조작적으로 정의하고, ‘4차 산업혁명 시대에 과연 어떠한 특성을 가진 지역의 일자리가 지속가능할 것인가’에 관한 답을 하는 것이다. 따라서 독립변수로는 기존의 지역일자리 관련 연구에서 밝혀진 지역의 산업적･인구학적 특성을 활용하였다.
① 지역의 산업적 특성
지역의 산업적 특성으로는 산업 다양성, 제조업 비율, 장기근속자 비율 등을 고려하였다. 첫째, 산업 다양성은 각 산업 부문 종사자 수의 엔트로피 지수(entropy index)로 측정하였다.5)Jacobs(1969),에 따르면 여러 산업이 공존하는 지역에서는 산업 간 활발한 타가수정(cross fertilization between industry)으로 인한 혁신의 창출로 경제가 꾸준히 성장할 수 있다. 이는 김갑성･송영필(1997), 류수열 등(2013), 문동진 등(2014), Conroy(1975), Simon(1988) 등 국내외 다수의 실증연구에서도 확인된 바 있다. 하지만 이러한 지역경제의 성장이 기술진보에 따른 지역일자리 지속가능성의 증대로 이어지는가에 대한 한 방향의 확신은 불가능하다. 이는 4차 산업혁명 관련 기술의 보완 효과와 대체 효과에 대한 전망이 엇갈리기 때문이다.
둘째, 제조업 비율은 해당 지역 전체 종사자 수 중 제조업 종사자 수의 비율로 측정하였다. 제조업 비율과 지역일자리 지속가능성의 관계에 대하여서는 상반된 가정이 가능하다. 우선 제조업 비율이 높을수록 지역일자리 지속가능성도 높을 수 있다. 이미 기술진보에 따라 상당한 수준의 일자리 대체가 발생한 제조업(International Federation of Robotics, 2023)6)은 일자리 대체의 가능성과 큰 상관관계를 갖지 않을 수 있기 때문이다(구한민･홍사흠, 2023). 또한 첨단 제조업은 고용창출효과가 큰 산업이므로(김보민 등, 2014) 지역의 일자리를 증가시킴으로써 지속가능성의 향상에 기여할 수 있다. 이러한 예측과는 반대로 급격한 기술의 고도화나 산업구조의 변화에 따른 고용 감소가 발생할 경우, 높은 제조업 비율은 지역일자리의 지속가능성에 부정적인 영향을 미칠 수 있다. 이와 관련하여 조성철(2019)은 우리나라의 전반적인 제조업의 성장세 속에서도 일부 산업도시들의 고용 위기가 심화하였다고 지적한 바 있고, Goos et al.(2014)은 유럽 16개국을 실증하여 기술변화로 인한 일자리의 감소가 주로 제조업에서 나타남을 확인한 바 있다.
셋째, 장기근속자의 비율은 지역 내 전체 취업자 중 20년 이상 근속하고 있는 취업자 수의 비율로 측정하였다. Becker(1964)의 인적자본이론(human capital theory)에 따르면 장기근속자는 지속적인 투자와 교육･훈련 등으로 말미암아 숙련도가 높을 가능성이 크다(노용진･김미란, 2016; 홍순욱, 2016). 따라서 숙련도가 높은 장기근속자가 많은, 그러한 노동력의 수요가 많은 지역의 일자리 지속가능성은 상대적으로 높을 것이라고 가정할 수 있다. 아울러 산업구조의 관점에서도 장기근속자가 많은 지역에는 높은 수준의 숙련도를 요하는 직무가 많은 산업의 비중이 클 수 있다. 따라서 장기근속자의 비율은 지역일자리의 지속가능성에 긍정적인 영향을 미칠 것으로 보인다.
② 지역의 인구학적 특성
지역의 인구학적 특성으로는 교육 수준, 총인구, 인구밀도 등을 고려하였다. 첫째, 교육 수준은 6세 이상 지역 내 전체 인구 중 4년제 이상 대학교의 졸업자 수 비율로 측정하였다. 교육 수준이 높은 지역에서는 지역일자리의 지속가능성이 높을 것으로 기대된다. 교육 수준이 높은 취업자가 많은 지역은 고도의 인적자본을 토대로 한 성장이 가능하므로(Davis and Rubin, 2016) 일자리를 꾸준히 창출할 가능성이 크다. 이러한 지역은 일자리 대체 가능성 역시 낮다. 교육 수준이 높은 취업자는 상대적으로 대체하기 어려운 직무를 수행하는 경우가 많기 때문이다(Acemoglu and Autor, 2011; Autor et al., 2003). 이러한 기술편향(skill bias; Acemoglu, 2002)은 경기 침체로 인한 실업이 발생하더라도 지역 내 재취업 가능성을 높이는 요인으로 작용할 수 있다.
둘째, 총인구는 지역 내 전체 인구의 규모로 측정하였다. 만약 “일자리가 사람을 따른다.(Jobs follow people.)”라는 공급 측면 지역경제학(supply-side regional economics; Muth, 1971)7)의 관점을 따른다면, 인구가 많은 지역은 그만큼 많은 수의 일자리를 창출하므로(오정일･안기돈, 2007) 지역일자리의 지속가능성이 높을 것이라 가정할 수 있다. 하지만 일자리 창출의 효과가 지역의 총인구 증가 수준에 미치지 못한다면 오히려 과도하게 많은 인구는 지역일자리의 지속가능성을 저해하는 요인이 될 수도 있다.
셋째, 인구밀도는 지역의 단위 면적당 인구로 측정하였다. 인구밀도 역시 총인구와 마찬가지로 상반된 결과를 가정할 수 있다. 임석회(2016), Fee and Hartley(2011) 등에 따르면 높은 인구밀도는 집적효과(agglomeration effect)를 통하여 지역경제의 지속적인 성장을 견인할 수 있다. 이때 인구밀도가 높은 지역에서는 지역일자리의 지속가능성이 높은 것으로 나타날 것이다. 이러한 가정과는 반대로 과다한 인구의 집적 혹은 과밀은 환경오염, 교통혼잡 등 부정적 외부효과(negative externalities)로 말미암아 지역경제에 악영향을 미칠 수 있다(임창호･김정섭, 2003; Higano and Shibusawa, 1999). 이때에는 인구밀도가 오히려 지역일자리의 지속가능성을 감소시키는 요인으로 작용할 것이다.
앞서 정의한 독립변수는 지역일자리 지속가능성에 대한 동태적 분석을 위하여 모두 2015년을 기준으로 작성되었다. 총인구의 경우, 시군구 간 규모 차이에 따른 데이터의 비정규성(non-normality)을 고려하여 로그 변환을 수행한 후 실증분석에 활용하였다. 이들 독립변수에 대한 기술통계량은 표 2와 같다. 우선 산업적 특성에서 산업 다양성의 평균은 3.23, 표준편차는 0.31로 나타나 상대적으로 낮은 변동성을 보였다. 반면 제조업의 비율은 평균이 14.31%인데 표준편차가 13.89%이어서 시군구 간 차이가 상당한 수준임을 확인할 수 있었다. 장기근속자 비율 역시 평균 23.29%, 표준편차 10.88%로 변동성이 작지 않았다. 다음으로 인구학적 특성에서 교육 수준은 평균 29.21%, 표준편차 12.82%이었고, 총인구는 로그변환한 값을 기준으로 평균 11.81, 표준편차 1.06 그리고 인구밀도는 평균 3.91천 명/㎢, 표준편차 6.20천 명/㎢이었다.
표 2.
독립변수의 기술통계량
| 변수(단위) | N | M | SD | Min | Max | 데이터 출처 | |
| 산업적 특성 | 산업 다양성([없음]) | 229 | 3.23 | 0.31 | 2.09 | 4.80 |
전국사업체조사 (통계청, 2015b) |
| 제조업 비율(%) | 229 | 14.31 | 13.89 | 0.51 | 59.91 | ||
| 장기근속자 비율(%) | 229 | 23.29 | 10.88 | 9.13 | 53.08 |
인구주택총조사 (통계청, 2015a) | |
| 인구학적 특성 | 교육 수준(%) | 229 | 29.21 | 12.82 | 11.28 | 77.07 | |
| 총인구(ln(명)) | 229 | 11.81 | 1.06 | 9.08 | 13.99 | ||
| 인구밀도(천 명/㎢) | 229 | 3.91 | 6.20 | 0.02 | 26.75 | ||
3) 실증분석모형의 설정
본 연구에서 활용한 다항 로지스틱 회귀분석은 결과변수가 두 개 이상의 명목척도로 측정된 순서･순위 없는 범주형 데이터일 때 적용할 수 있는 통계적 방법이다. 이항 로지스틱 회귀모형을 다항 분류의 문제로 일반화한 것이다. 다항 로지스틱 회귀분석을 통하여 결과변수가 여러 범주 중 하나에 속할 확률과 독립변수 사이에 어떠한 관계가 있는지 확인할 수 있다. 구체적으로 본 연구에서는 가장 일자리 지속가능성이 높을 것으로 보이는 유형 1을 결과 집단으로, 가장 일자리 지속가능성이 낮을 것으로 판단되는 유형 3을 준거 집단(base group)으로 설정하여 분석을 수행하였다. 여기서 유형 2와 유형 4 역시 선택 확률을 갖는 범주이므로 모형에 함께 포함하여 분석하였다. 이를 통해 네 가지의 지역일자리의 지속가능성 유형에 대한 각 시군구의 선택 확률이 모든 독립변수에 의해 동시에 결정된다는 점을 종합적으로 반영한 결과를 도출하였다.
일반적으로 다항 로지스틱 회귀모형은 다음과 같은 절차로 추정한다. 우선 식 4와 같이 로짓 함수(logit function)와 독립변수의 선형 조합(linear combination)에 기반한 확률적 모형을 구성한다. 이들 함수식의 좌변은 범주별 상대적 위험비(relative risk ratio, RRR)의 로그값, 즉 한 관측치가 준거 집단과 비교하여 각 범주에 속할 상대적 확률에 로그를 취한 형태다. 이항 로지스틱 회귀분석의 오즈비(odds ratio)와 유사한 개념으로 파악하면 된다.
여기서 는 결과변수, 는 준거 집단인 범주, 는 준거 집단이 아닌 어떠한 범주, 는 번째 독립변수, 는 범주 의 번째 독립변수에 대한 회귀계수이다. 이때, 준거 집단을 제외한 결과변수의 모든 범주에 대하여 각각의 함수식을 설정하므로 전체 범주의 수가 K개라면 총 K-1개의 식이 만들어진다.
다음으로는 최대우도추정법(maximum likelihood estimation)으로 앞서 설정한 K-1개 함수식의 우도를 동시에 최대화하는 회귀계수의 값들을 찾는다. 본 연구에서 이들 회귀계수는 한 관측치가 준거 집단인 유형 3과 비교하여 다른 유형에 속할 상대적 확률에 미치는 영향의 부호와 크기를 나타낸다.
다항 로지스틱 회귀분석은 이른바 IIA(independence of irrelevant alternatives), 즉 무관한 대안의 독립성을 가정한다. 간단히 말해, 결과변수에서 특정한 범주를 제외하고 분석하더라도 회귀모형의 추정 결과가 크게 달라지지 않아야 한다는 점을 전제한다. 예를 들면, 직장인이 통근을 위한 교통수단으로 지하철이나 버스를 선택할 상대적 확률은 트램이라는 대안이 추가되더라도 변하지 않는다는 것이다. 이러한 가정은 다항 로지스틱 회귀분석이 K개의 결과변수 범주를 대상으로 K-1개의 독립적인 이항 분류를 수행하기 때문에 필요하다. 이 IIA 가정을 충족하지 않는 다항 로지스틱 회귀모형에서는 올바른 결과의 해석이 불가능하다.
한편 본 연구에서는 다항 로지스틱 회귀모형의 추정을 위한 분석 도구로 오픈소스 언어 R 4.3.3과 라이브러리 ‘mlogit’ 버전 1.1-1을 사용하였다.
4. 실증분석 결과
1) 지역일자리 지속가능성의 유형 분류
본 연구의 핵심은 지역일자리의 지속가능성이 높은 시군구를 식별하고 이들 지역이 지니는 지역적 특성을 확인하는 것이다. 따라서 우선 지역 취업자 수의 변화와 지역일자리의 대체 가능성에 대한 전국 시군구 평균값과 시군구별 수치를 각각 서로 비교하고, 표 1의 정의에 따라 각 시군구의 지역일자리 지속가능성 유형을 분류하였다.
우선 전국 시군구별 지역일자리의 대체 가능성은 그림 1과 같다. 이 지도를 살펴보면 서울을 비롯한 수도권 지역과 광역시 내에서는 일자리의 대체 가능성이 대체로 높은 편임을 확인할 수 있다. 남동임해공업지역 역시 대부분 지역일자리의 대체 가능성이 높은 것으로 나타났다.
다음으로 전국 시군구별 지역 취업자 수의 변화는 그림 2와 같다. 여기서 서울 내 대부분 자치구의 지역일자리가 상당 수준 정체하거나 감소하고 있음을 확인할 수 있다. 반면 같은 수도권이지만 서울의 외곽 지역인 경기도의 일자리 상황은 상대적으로 양호한 것으로 나타났다.
지역일자리의 대체 가능성과 지역 취업자 수의 변화를 토대로 지역일자리 지속가능성을 유형화하기 위한 기준은 표 3과 같다. 전체 시군구를 기준으로 2015년의 지역일자리의 대체 가능성은 평균 56.10%였고, 2015년~2021년 5년간 지역의 취업자 수는 평균 9.51% 증가한 것으로 나타났다. 특별･광역시 내외의 시군구를 따로 비교한 결과는 다음과 같다. 지역일자리의 대체 가능성은 특별･광역시 내 시군구가 62.29%로 특별･광역시 외 시군구 53.09%보다 더 높은 것으로 확인되었다. 반면 지역 취업자 수는 특별･광역시 외 시군구에서 평균 11.94% 증가한 데 비하여 특별･광역시 내 시군구는 4.54% 증가한 데 그친 것으로 나타났다. 이러한 차이는 특별･광역시 외 시군구와 비교하여 특별･광역시 내 시군구의 지역일자리 지속가능성이 평균적으로 더 낮다는 점을 시사한다.
표 3.
지역일자리 지속가능성의 유형화 기준
| 구분 | 전체 시군구(N=229) | 특별･광역시 내 시군구(N=75) | 특별･광역시 외 시군구(N=154) |
| 지역일자리의 대체 가능성(%) | 56.10 | 62.29 | 53.09 |
| 지역 취업자 수의 변화(%) | 9.51 | 4.54 | 11.94 |
앞선 지역일자리 지속가능성의 유형화 기준(표 3)8)을 토대로 우리나라 전국 229개 시군구를 분류한 결과는 표 4, 그림 3과 같다. 각 유형에 해당하는 시군구의 수가 각각 유형 1 47개, 유형 2 44개, 유형 3 77개, 유형 4 61개 등으로 비교적 고르게 나타났다. 그림 1과 그림 2를 통하여 예측할 수 있었듯, 서울과 부산 내 자치구에서 지역일자리의 지속가능성이 가장 낮은 유형 3이 다수 발견되었다. 반면 강원 내륙 지역과 호남 지역에는 높은 수준의 지역일자리 지속가능성을 갖는 것으로 평가되는 유형 1의 시군구가 많았다.
표 4.
우리나라 지역일자리 지속가능성 유형별 시군구의 수
| 구분 | 지역일자리의 대체 가능성(전국 평균=56.10%) | |||
| 평균 이하 | 평균 이상 | 계 | ||
|
지역 취업자 수의 변화 (전국 평균=9.51%) | 평균 이상 | 유형 1: 47개 | 유형 4: 61개 | 108개 |
| 평균 이하 | 유형 2: 44개 | 유형 3: 77개 | 121개 | |
| 계 | 91개 | 138개 | 229개 | |
2) 지역일자리 지속가능성에 영향을 미치는 지역적 특성
(1) 전체 시군구 대상 분석
먼저 전국 229개 시군구를 대상으로 분석을 수행하였다. 실증분석 결과를 해석하기에 앞서, 추정한 모형이 IIA 가정을 충족하는지 살펴보았다. 이를 위하여 하우스만-맥파든 검정(Hausman-McFadden test)을 수행한 결과는 표 5와 같다. 지역일자리 지속가능성에 대한 각각의 범주, 즉 유형 1, 유형 2, 유형 3, 유형 4 등을 한 개씩 제외하며 검정한 결과, 모든 유형에서 추정하는 모수가 동일하다는 귀무가설을 기각하지 못하는 것으로 나타났다. 따라서 우리의 모든 모형은 IIA 가정을 충족하고 있다고 판단할 수 있었다.9)
표 5.
전체 시군구 다항 로지스틱 회귀모형의하우스만 맥파든 검정 결과
| 제외된 결과 집단 | (df) | p-값 |
| 유형 1 | -1.41(14) | 1.00 |
| 유형 2 | 12.95(14) | 0.53 |
| 유형 3 | 5.35(14) | 0.98 |
| 유형 4 | -54.03(14) | 1.00 |
전체 시군구 대상 다항 로지스틱 회귀모형의 추정 결과는 표 6과 같다. 우선 맥파든(McFadden)의 유사 는 0.53으로 나타나 이를 기준으로 한 모형의 적합도는 매우 양호한 수준인 것으로 확인되었다.10) 세 가지의 결괏값 중 결과 집단이 유형 1, 즉 지역일자리 지속가능성이 가장 높은 유형인 첫 번째 결과가 핵심이다. 구체적으로 독립변수의 회귀계수 추정 결과와 통계적 유의성을 살펴본 결과는 다음과 같다. 지역의 산업적 특성 중 장기근속자 비율(b=0.84, p<.001)과 인구학적 특성 중 교육 수준(b=0.25, p<.01)은 해당 시군구가 지역일자리 지속가능성이 높은 유형에 속할 확률을 통계적으로 유의미하게 높이는 요인이었다. 이를 RRR로 변환하면 장기근속자 비율이 1% 증가할 때마다 유형 3과 비교하여 유형 1에 속할 확률이 2.33배씩 증가하고, 교육 수준이 1% 증가할 때마다는 1.29배씩 높아지는 것으로 해석할 수 있다.
표 6.
전체 시군구 다항 로지스틱 회귀분석 결과
| 변수 | 지역일자리 지속가능성의 유형(준거 집단: 유형 3[N=77]) | |||||||
| 결과 집단: 유형 1(N=47) | 결과 집단: 유형 2(N=44) | 결과 집단: 유형 4(N=61) | ||||||
| Coefficient(SE) | RRR | Coefficient(SE) | RRR | Coefficient(SE) | RRR | |||
|
산업적 특성 | 산업 다양성 |
-2.11 (2.87) | 0.12 |
-3.72 (2.59) | 0.02 |
0.08 (0.76) | 1.08 | |
| 제조업 비율 |
0.03 (0.03) | 1.04 |
0.01 (0.03) | 1.01 |
0.01 (0.02) | 1.01 | ||
| 장기근속자 비율 |
0.84*** (0.19) | 2.33 |
0.84*** (0.18) | 2.32 |
-0.02 (0.07) | 0.98 | ||
|
인구학적 특성 | 교육 수준 |
0.25** (0.08) | 1.29 |
0.24** (0.07) | 1.27 |
0.04 (0.03) | 1.04 | |
| 총인구 |
-0.02 (0.81) | 0.98 |
0.12 (0.78) | 1.13 |
0.25 (0.42) | 1.28 | ||
| 인구밀도 |
-0.71 (0.72) | 0.49 |
-0.15 (0.20) | 0.86 |
-0.35*** (0.08) | 0.71 | ||
| 절편 |
-20.87* (9.03) | 0.00 |
-16.79 (8.59) | 0.00 |
-3.23 (4.39) | 0.04 | ||
| 모형적합도 지수 | ||||||||
| 맥파든(McFadden)의 유사 | 0.53 | |||||||
(2) 특별･광역시 내 시군구 대상 분석
특별･광역시 내 시군구를 대상으로 모형을 추정한 결과는 표 7과 같다. 우선 맥파든의 유사 은 0.43으로 산출되어 양호한 모형이 추정되었음을 확인하였다. 구체적인 회귀계수에 대한 추정 및 검정의 결과는 전반적으로 전체 시군구의 분석에서와 유사하게 나타났지만, 장기근속자 비율의 통계적 유의성은 다소 낮고(b=0.34, p<.05) 교육 수준의 통계적 유의성은 다소 높았다(b=0.39, p<.001). 이를 RRR로 변환하면 장기근속자 비율이 1% 증가할 때마다 유형 3과 비교하여 유형 1에 속할 확률이 1.40배씩 증가하고, 교육 수준이 1% 증가할 때마다는 1.48배씩 높아지는 것으로 해석할 수 있다.
표 7.
특별･광역시 내 시군구 다항 로지스틱 회귀분석 결과
| 변수 | 지역일자리 지속가능성의 유형(준거 집단: 유형 3[N=31]) | |||||||
| 결과 집단: 유형 1(N=16) | 결과 집단: 유형 2(N=18) | 결과 집단: 유형 4(N=10) | ||||||
| Coefficient(SE) | RRR | Coefficient(SE) | RRR | Coefficient(SE) | RRR | |||
|
산업적 특성 | 산업 다양성 |
1.37 (2.49) | 3.92 |
-2.49 (2.58) | 0.08 |
5.65 (4.42) | 284.91 | |
| 제조업 비율 |
0.07 (0.04) | 1.07 |
0.04 (0.06) | 1.04 |
0.03 (0.05) | 1.03 | ||
| 장기근속자 비율 |
0.34* (0.14) | 1.40 |
0.33 (0.18) | 1.39 |
-0.33 (0.22) | 0.72 | ||
|
인구학적 특성 | 교육 수준 |
0.39*** (0.10) | 1.48 |
0.44*** (0.11) | 1.56 |
0.09 (0.08) | 1.10 | |
| 총인구 |
-0.67 (1.01) | 0.51 |
-0.87 (1.02) | 0.42 |
-1.47 (1.02) | 0.23 | ||
| 인구밀도 |
-0.12 (0.09) | 0.89 |
0.01 (0.09) | 1.01 |
-0.14 (0.08) | 0.87 | ||
| 절편 |
-16.74 (14.04) | 0.00 |
-5.44 (14.92) | 0.00 |
1.09 (11.98) | 2.98 | ||
| 모형적합도 지수 | ||||||||
| 맥파든(McFadden)의 유사 | 0.43 | |||||||
(3) 특별･광역시 외 시군구 대상 분석
특별･광역시 외 시군구를 대상으로 모형을 추정한 결과는 표 8과 같다. 이 역시 전반적으로 전체 시군구 대상의 분석 결과와 유사하게 나타났다. 우선 맥파든의 유사 은 0.49로 모형의 적합도가 양호함을 확인하였다. 구체적으로 결괏값을 살펴보면 장기근속자 비율(b=0.73, p<.001)과 교육 수준(b=0.38, p<.05)이 지역일자리 지속가능성이 높은 유형에 속할 확률을 통계적으로 유의미하게 높이는 요인임을 알 수 있었다. 이를 RRR로 변환하면 장기근속자 비율이 1% 증가할 때마다 유형 3과 비교하여 유형 1에 속할 확률이 2.07배씩 증가하고, 교육 수준이 1% 증가할 때마다는 1.47배씩 높아지는 것으로 해석할 수 있다.
표 8.
특별･광역시 외 시군구 다항 로지스틱 회귀분석 결과
| 변수 | 지역일자리 지속가능성의 유형(준거 집단: 유형 3[N=40]) | |||||||
| 결과 집단: 유형 1(N=25) | 결과 집단: 유형 2(N=50) | 결과 집단: 유형 4(N=39) | ||||||
| Coefficient(SE) | RRR | Coefficient(SE) | RRR | Coefficient(SE) | RRR | |||
|
산업적 특성 | 산업 다양성 |
4.30 (2.78) | 73.81 |
3.32 (2.81) | 27.59 |
-0.22 (0.99) | 0.80 | |
| 제조업 비율 |
0.04 (0.04) | 1.04 |
-0.02 (0.04) | 0.98 |
0.01 (0.02) | 1.01 | ||
| 장기근속자 비율 |
0.73*** (0.21) | 2.07 |
0.70*** (0.21) | 2.02 |
-0.08 (0.07) | 0.93 | ||
|
인구학적 특성 | 교육 수준 |
0.38* (0.17) | 1.47 |
0.23 (0.17) | 1.25 |
0.02 (0.03) | 1.02 | |
| 총인구 |
0.20 (1.22) | 1.22 |
1.68 (1.36) | 5.35 |
0.81 (0.47) | 2.26 | ||
| 인구밀도 |
-17.47 (10.26) | 0.00 |
-26.03* (11.65) | 0.00 |
-0.52** (0.19) | 0.59 | ||
| 절편 |
-43.86** (16.22) | 0.00 |
-50.90** (16.60) | 0.00 |
-7.61 (4.89) | 0.00 | ||
| 모형적합도 지수 | ||||||||
| 맥파든(McFadden)의 유사 | 0.49 | |||||||
(4) 소결
이상의 실증분석을 통하여 우리는 지역의 산업적 특성 중 장기근속자 비율과 인구학적 특성 중 교육 수준이 각 시군구가 지역일자리 지속가능성이 높은 유형에 속할 확률을 유의미하게 높인다는 점을 확인할 수 있었다. 이는 특별･광역시 내외의 시군구를 구분하여 살펴본 결과에서도 마찬가지인 것으로 나타났다. 다만 이들 모형 간 통계적 유의성에는 다소간의 차이가 있었다. 이는 같은 광역권 내에서도 도시의 규모에 따라 일자리 상황의 여건이 다를 수 있다는 최창훈･정태훈(2015)의 주장을 간접적으로 방증하는 결과이다. 아울러 지역의 산업적 특성 중 산업 다양성, 제조업 비율, 인구학적 특성 중 총인구, 인구밀도 등의 변수는 지역일자리의 지속가능성에 유의한 영향을 미치지 않는 것으로 드러났다.
5. 결론 및 시사점
4차 산업혁명으로 인한 급격한 기술진보의 흐름에서 일자리 상황이 양호한 지역노동시장의 구조적 특성을 파악하는 것은 매우 중요하다. 특히 정책입안자는 첨단기술의 대체 효과로 인한 일자리 규모의 감소를 상쇄할 수 있는 수준의 일자리를 창출하고 있는 지역의 특성을 파악하고, 이를 바탕으로 한 지역별 일자리 정책을 설계할 필요가 있다. 본 연구에서는 지역의 전반적인 일자리 대체 가능성과 실제 취업자 수 변화를 활용하여 지역일자리 지속가능성의 개념을 정의한 후, 다항 로지스틱 회귀모형으로 지역일자리가 지속가능한 유형의 결정에 영향을 미치는 지역적 특성을 분석하였다. 분석 결과의 요약과 시사점은 다음과 같다.
우리나라 전국 229개 시군구의 지역일자리 지속가능성을 유형화한 결과, 지역일자리의 지속가능성이 가장 낮은 유형은 서울과 부산 지역에서 다수 확인되었다. 여기서 특히 서울의 지역일자리 지속가능성이 낮다는 점은 크게 두 개의 측면으로 해석할 수 있다. 우선 서울의 주요 산업이 이미 상당한 수준으로 자동화가 이루어진 서비스업(Wirtz et al., 2021)이라는 점에서 기인하는 것일 수 있다. 2021년 기준, 서울의 지역 내 총부가가치 중 서비스업이 차지하는 비율은 93%가량에 달하는 것으로 나타났다(박정우, 2023). 이는 서울의 전반적인 일자리 대체 가능성을 높이는 주요한 요인으로 작용하였을 것이다. 한편으로는 서울의 경제활동인구가 지속적으로 줄어드는 동시에 기업 측면의 고용 창출력이 약하다는 점(김준영, 2015; 박정우, 2023) 역시 지역일자리의 지속가능성을 악화시키고 있다. 우리나라의 평균적인 경제 성장 수준에 알맞은 일자리가 창출되지 않는다는 사실은 낮은 지역일자리 지속가능성을 가리키는 바로미터다. 최근 한층 더 가속화하는 4차 산업혁명 속에서 강호제 등(2018)이 경고한 수도권의 일자리 편중 문제를 지속적으로 고민해야 하겠지만, 서울권11) 내에서도 지역노동시장에 따라 고용의 역학이 다르다는 과제 역시 중요하게 다루어져야 한다. 예를 들어, 서울은 지역적으로 산업의 특화도가 높고 상대적으로 경제적 파급력이 강한 정보통신업･금융보험업 관련 분야(홍찬영 등, 2023)의 산업 경쟁력을 강화함으로써 지역일자리의 지속가능성을 향상시킬 수 있을 것이다.
가장 높은 수준의 지역일자리 지속가능성을 갖는 유형은 강원 내륙과 호남 지역에 많이 분포하는 것으로 나타났다. 이들은 주로 농촌지역이므로 일견 통념에 반하는 결과라고 해석할 여지도 있다. 하지만 이는 다른 지역과 비교하여 강원, 호남 지역에서 상대적으로 비중이 큰 산업인 농업의 대체 가능성이 대체로 낮다는 점에 기인한 결과라고 판단된다. 구체적으로 농업 관련 직종, 즉 농림어업 숙련 종사자, 농림어업관련 단순 종사원, 원예 및 조경 종사자, 작물재배 종사자, 축산 및 사육 관련 종사자의 일자리 대체 가능성 평균은 0.4930으로 전체 직종의 평균인 0.5864보다 낮다(부록의 부표 1 참고). 이는 농업의 상당 부분이 이미 기계에 의해 자동화되었기 때문에, 향후 4차 산업혁명 기술의 도입으로 인한 추가적인 대체의 위험이 상대적으로 크지 않다는 것으로 풀이할 수 있다. 특히 농업 종사자의 다수를 차지하는 작물재배 종사자의 일자리 대체 가능성은 0.0470으로 전체 직종의 최하위권에 속한다. 특용작물, 과수작물, 원예작물 등을 키우는 데 인간의 복잡한 작업 과정이 필수적이며, 이것을 완전히 대체할 기술은 아직 등장하지 않았기 때문이다(Oliveira and Silva, 2023). 따라서 농촌지역의 지역일자리 지속가능성이 상대적으로 높다는 사실은 새로운 시각을 제공한다. 4차 산업혁명으로 도시지역의 서비스업 일자리가 사라질 때, 농촌지역은 높은 지역일자리 지속가능성을 바탕으로 이른바 ‘6차 산업’12) 즉, 농촌융복합산업을 육성하고 새로운 가치를 창출할 수도 있기 때문이다.
지역일자리 지속가능성에 영향을 미치는 지역적 특성을 분석한 결과는 다음과 같다. 지역의 교육 수준이 지역일자리의 지속가능성을 높이는 핵심적인 요인으로 확인되었다. 이는 교육 수준이 높은 취업자가 많은 지역은 고도의 인적자본을 토대로 한 성장을 통하여 양질의 일자리를 창출할 가능성이 높다는 Davis and Rubin(2016)의 주장을 지지하는 결과이다. 한편으로 이는 선행연구에서 확인한 바와 달리 Acemoglu and Autor(2011)가 실증한 기술편향의 효과가 지역 단위에서도 실재한다는 것을 방증하는 결과라고 볼 수도 있다. 따라서 우리는 급격한 기술진보의 상황 속에서 각 시군구가 지역일자리의 지속가능성을 높이려면 지역의 전반적인 교육 수준을 제고해야 함을 주장한다. 다만 그간 대체가 가능할 것으로 예상하지 못했던 전문직마저 점차 대체되고 있는 기술 여건의 변화를 감안할 때 단순히 평균적인 교육 수준을 높이는 것만으로는 한계가 있을 것이다. 따라서 AI, 스마트시티(smart cities) 등과 같이 새로운 일자리가 창출될 것으로 예상되는 분야와 관련된 지식･기술을 습득할 수 있도록 돕는 취업자 재교육 정책이 병행되어야 지역일자리의 지속가능성을 높일 수 있다.
지역 내 산업 종사자의 장기근속자 비율 역시 지역일자리의 지속가능성과 긍정적인 관계를 지닌 요인으로 나타났다. 장기근속자가 많은 지역에는 상대적으로 숙련도가 높은 근로자들이 많고, 이들의 지속가능한 고용에 기반한 타 부문의 고용창출효과 역시 큰 것으로 알려져 있다(이헌영 등, 2011). 본 연구의 실증분석은 이러한 주장을 다시금 지지하는 증거를 제공한다. 이는 Becker(1964)의 인적자본이론에서 한발 더 나아간 것으로, 지역 내 지속가능한 고용 상황은 개별 일자리의 지속가능성 확보를 넘어 지역 내 타 일자리를 새로이 창출하는 데 기여한다는 사실을 간접적으로 시사한다. 따라서 지역일자리의 지속가능성을 향상하기 위해서 장기근속자의 비중 확대와 관련한 정책을 시행하여야 한다. 다만 정책의 설계 과정에서 최근 평생직장의 개념이 희미해지고 비정규직 형태의 고용이 증가하고 있다는 현실을 충분히 고려할 필요가 있다.
한편 지역의 산업적 특성 중 산업 다양성, 제조업 비율 등의 변수는 지역일자리 지속가능성에 영향을 미치는 요인으로 식별되지 않았다. 지역의 인구학적 특성 중 절대적･상대적 인구 규모와 관련한 변수인 총인구, 인구밀도 역시 지역일자리의 지속가능성에 통계적으로 유의미한 영향을 미치는 변수가 아니었다. 이는 앞선 변수의 설정 과정에서 가정한 바와 같이 지역적 맥락에 따라 이들 변수가 일자리 지속가능성에 미치는 긍정적･부정적 효과가 다르게 나타나기 때문일 수 있다.
본 연구는 4차 산업혁명의 최선단에 있는 국가 중 하나인 우리나라를 대상으로 하여 기술진보로 인한 지역일자리의 지속가능성 변화를 실증하였다는 점에서 중대한 의의가 있다. 그럼에도 연구의 한계점은 자명하다. 첫째, 지역노동시장을 분석하기 위한 공간적 단위로 시군구는 부적절할 수 있다. 고용의 수요･공급이 발생하는 노동시장은 통근 행위가 이루어지는 지역적 공간이므로(남기찬 등, 2020) 그 경계가 행정구역의 경계와 일치하지 않는 경우가 많기 때문이다. 하지만 대부분의 데이터가 시군구 단위로 구축되어 있다는 점에서 불가피한 측면이 있었다. 향후 지역노동시장을 엄밀하게 식별하고 이들의 특성을 확인할 수 있는 데이터가 구축된다면 더욱 의미 있는 연구가 가능할 것이다. 둘째, 우리가 일자리 대체 가능성의 측정에 응용한 Frey and Osborne(2017)의 O*Net 데이터는 직종 수준에서 집계되어 있어 동일한 직종 내 업무의 이질성(heterogeneity)까지 분석에 반영할 수는 없었다. 예를 들면, 대체 가능성이 높은 사무 관리 직종 내에서도 창의성이 필요한 직무가 있다는 사실(Martens and Tolan, 2018)을 반영하지 못한 것이다. 앞으로 직무별 일자리 대체 가능성을 측정한 데이터가 제공된다면 향후 연구자는 또 다른 시사점을 새롭게 도출할 수 있을 것이다.
