대졸 청년 고용형태 예측요인 탐색연구: Elastic Net 분석기법을 활용하여

• Published in: 국가정책연구 Vol. 38; no. 4; pp. 23 - 56
• Main Authors: 유정환, Junghwan Ryu, 이지안, Jian Lee, 김채윤, Chaeyun Kim, 김성엽, Sungyeop Kim, 박성민, Sung Min Park
• Format: Journal Article
• Language: Korean
• Published: 중앙대학교 국가정책연구소 30.12.2024; 국가정책연구소
• Subjects: Elastic Net; Employment and Labor Policy; Employment Types; Machine Learning; Young Adults; 고용노동정책; 고용형태; 머신러닝; 정책학; 청년
• ISSN: 1738-8848; 2713-6280
• DOI: 10.17327/ippa.2024.38.4.002

현대 사회에서 청년들은 고용 시장의 불안정성에 직면하며 정규직 취업과 고용 안정성에 대한 열망이 갈수록 증대되고 있다. 특히, 고임금과 고용 안정성을 특징으로 하는 1차 노동시장과 저임금과 고용 불안을 특징으로 하는 2차 노동시장으로 구분되는 이중노동시장 구조는 두 시장 간 원활한 이동성의 부재로 인해 청년 세대에 심각한 사회적 문제를 야기하고 있다. 이러한 구조적 문제는 노동시장의 양극화를 고착화하고 청년층의 경제적 기회와 사회적 이동성을 제약하는 주요 원인으로 지목된다. 본 연구는 이러한 문제의식 아래 청년패널 2007(YP2007) 자료를 활용하여 대졸 청년층의 고용형태를 예측하고자 하였다. 이를 위해 개인적 특성, 직업적 특성, 동기적 특성, 인적 자본 특성 등 네 가지 주요 요인으로 구성된 89개의 예측 변수를 체계적으로 분류하였으며, 고차원 데이터를 다루는 데 적합한 회귀분석 기반 머신러닝 기법인 Logistic Elastic Net 모델을 적용하여 정교한 예측 분석을 수행하였다. 본 연구는 청년층 고용형태의 예측 모델링에서 분석의 정확성과 신뢰성을 높이고자 심층적인 통계적 접근법을 활용하였으며, 이를 통해 도출된 결과는 청년 고용 정책, 교육 제도 개선, 노동시장 개혁 등에 대한 정책적 시사점을 제공한다. 또한, 대학 교육 현장에서의 실질적 활용 가능성을 제시함으로써 청년층의 노동시장 진입 전략과 경력 개발 지원에 기여할 수 있는 구체적인 실무적 방향성을 제안한다. In today’s rapidly evolving society, young adults face heightened exposure to the precarious nature of labor markets, intensifying their pursuit of stable employment through securing permanent positions. This demographic is particularly affected by the dual structure of the labor market, which is bifurcated into a primary segment characterized by high wages and job security, and a secondary segment marked by low wages and job instability. The lack of upward mobility between these two segments presents critical societal challenges, reinforcing structural inequality and limiting economic opportunity. Against this backdrop, the present study endeavors to predict the employment types of college-educated young adults by leveraging data from the Youth Panel 2007 (YP 2007). Specifically, the study organizes 89 variables from the youth panel dataset into four key predictive categories: individual characteristics, job-related attributes, motivational factors, and human capital indicators. To achieve robust predictive accuracy, the study employs the Logistic Elastic Net model, a regression-based machine learning method well-suited for handling high-dimensional data. By analyzing the predictive outcomes, this study aims to offer actionable policy recommendations for youth employment, education, and labor market reform. Additionally, it seeks to provide practical guidance for higher education institutions in preparing students for the complex dynamics of contemporary labor markets. Through these contributions, the research aspires to address the pressing societal implications of labor market segmentation and youth employment precariousness.