Journal of the Korean Data Analysis Society

Korean Data Analysis Society (한국자료분석학회)
권호 표지

The Effect of the Economic Background Risk on Fertility Decision: Using Censored and Zero Inflated Count Data Regression

경제적 불확실성이 출산 의사결정에 미치는 효과: 중도절단된 포아송 회귀분석 및 중도절단된 음이항 회귀분석을 이용한 자녀 수 결정모형 분석

  • Published : 2011.06.30
⟨ Previous Next ⟩

Abstract

We in this paper investigate the effect of a job security on the fertility decision of a household. A job security is directly related to the economic uncertainty of the future income flow of the household. Thus our analysis may be able to be regarded as an investigation of the effect of an economic uncertainty on the fertility decision. We use the job status variables as proxy variables for the job security. Running a censored Poisson regression and a censored negative binomial regression for the data where father is the head of a household among KLIPS data, we find that the job security for father could increase the number of children while the number of children of the household in which mother has non-regular job tend to be more than that of the household where mother is with a regular job or unemployed. Moreover, the number of children is negatively related to the amount of financial investment. These results suggest that an increase of economic uncertainty via the uncertainty of future income due to job insecurity for the head of a household could lead to having less children.

본 연구에서는 저출산의 유의한 요인으로 거론되고 있음에도 불구하고 현재까지 국내에서 엄밀한 실증분석이 이루어지고 있지 않은 요인, 즉 한 가구의 가장 및 배우자의 직업 안정성이 그 가구의 출산 의사결정에 미치는 효과를 분석함으로써 경제적 불확실성이 출산 의사결정에 미치는 효과를 살펴본다. 직업안정성을 위한 대리변수로 직업 종사상 지위를 정규직, 비정규직, 무직으로 구분하여 한국노동패널(KLIPS) 7차년도 자료 중 가구주가 아버지인 2,164 가구의 자료를 중도절단된 포아송 회귀분석과 중도절단된 음이항 회귀분석을 사용하여 추정한 결과 자녀수는 아버지가 정규직, 비정규직, 무직일 때의 순으로 많으며, 어머니가 비정규직인 경우 가장 많은 것으로 나타난다. 또한 금융자산 규모가 커질수록 자녀수는 감소하는 것으로 나타난다. 이러한 결과들은 한 가구의 미래 소득 흐름에 대한 불확실성의 증대가 자녀수를 유의한 정도로 감소시킬 수 있음을 보여준다.

Keywords

References

  1. 김경무 (2005). 영과잉-포아송 회귀모형 사례연구, Journal of the Korean Data Analysis Society, 7(2), 497-505.
  2. 김주영, 이성건 (2008). 국내 은행의 신형평가모형에 관한 사례 연구: 영과잉 포아송분포의 활용을 중심으로, Journal of the Korean Data Analysis Society, 10(6), 3255-3265.
  3. 김지경, 조유현 (2003). 젊은 여성의 첫 출산 후 노동복귀에 관한 분석, 노동경제논집, 26(3), 181-207.
  4. 김현숙 (2007). 우리나라 가구의 자녀수 결정요인에 관한 Count 모형 분석 및 경제적 함의, 한국인구학, 30(3), 107-135.
  5. 남재량, 성재민, 이상호, 최효미, 신선옥, 배기준 (2008). 한국노동패널 1-9차년도 User's Guide, 한국노동연구원.
  6. 신혜원, 최명섭, 김의준 (2009). 서울시 추가자녀 출산계획에 미치는 가구 특성의 요인분석, 서울도시연구, 10(2), 33-47.
  7. 이동희, 정병철 (2010). 코폴라를 이용한 이변량 제로팽창 일반화 포아송 회귀모형, Journal of the Korean Data Analysis Society, 12(3), 1473-1484.
  8. 이병훈, 김유선 (2003). 노동생활 질의 양극화에 관한 연구: 정규⋅비정규의 분절성을 중심으로, 경제와 사회, 60, 129-149.
  9. 정병철, 이동희 (2010). 코폴라를 이용한 이변량 일반화 음이항 모형에서 독립성에 대한 검정, Journal of the Korean Data Analysis Society, 12(2), 1101-1112.
  10. Bhaumik, S. K., Nugent, J. B. (2005). Does Economic Uncertainty Affect the Decision to Bear Children?: Evidence from East and West Germany, IZA Discussion Paper No. 1746.
  11. Cameron, A. C., Trivedi, P. K. (1998). Regression Analysis of Count Data, New York: Cambridge University Press.
  12. Caudill, S. B., Mixon Jr., F. G. (1995). Modeling Household Fertility: Estimation and Testing of Censored Regression Models for Count Data, Empirical Economics, 20, 183-196. https://doi.org/10.1007/BF01205434
  13. Chung, D. (2007). Hurdle Model for Zero Inflated Count Data from Mobile Phone Market, Journal of the Korean Data Analysis Society, 9(1), 1-8.
  14. Famoye, F., Wang, W. (2004). Censored Generalized Poisson Regression Model, Computational Statistics & Data Analysis, 46, 547-560. https://doi.org/10.1016/j.csda.2003.08.007
  15. Iversen, T., Rosenbluth, F. (2010). Women, Work, and Politics, New Haven: Yale University Press.
  16. Kalwij, A. S. (2000). The Effects of Female Employment Status on the Presence and Number of Children, Journal of Population Economics, 13, 221-239. https://doi.org/10.1007/s001480050135
  17. Lambert, D. (1992). Zero-inflated Poisson Regression with an Application to Defects in Manufacturing, Technometrics, 34, 1-14. https://doi.org/10.2307/1269547
  18. McDonald, P. (2007). Low Fertility and Policy, Ageing Horizons, 7, 22-27.
  19. McIntosh, J. (1999). An Analysis of Reproductive Behavior in Canada: Results from an Intertemporal Optimizing Model, Journal of Population Economics, 12, 451-461. https://doi.org/10.1007/s001480050108
  20. Melkersson, M., Rooth, D. (2000). Modeling Female Fertility Using Inflated Count Data Models, Journal of Population Economics, 13, 189-203. https://doi.org/10.1007/s001480050133
  21. Mullahy, J. (1986). Specification and Testing of Some Modified Count Data Models, Journal of Econometrics, 33, 341-365. https://doi.org/10.1016/0304-4076(86)90002-3
  22. Silva, J. M. C. S., Covas, F. (2000). A Modified Hurdle Model for Completed Fertility, Journal of Population Economics, 13, 173-188. https://doi.org/10.1007/s001480050132
  23. Terza, J. V. (1985). A Tobit-Type Estimator for the Censored Poisson Regression Model, Economics Letters, 18, 361-365. https://doi.org/10.1016/0165-1765(85)90053-9
  24. Wang, W., Famoye, F. (1997). Modeling Household Fertility Decisions with Generalized Poisson Regression, Journal of Population Economics, 10, 273-283. https://doi.org/10.1007/s001480050043
  25. Winklemann, R., Zimmermann, K. F. (1994). Count Data Models for Demographic Data, Mathematical Population Studies, 4, 205-221. https://doi.org/10.1080/08898489409525374