교육 수준과 실질적 삶의 질의 관계 분석 보고서
조수아아
2024-06-18
연구 목적 및 배경 설명
국민 복지의 3요소라고 할 수 있는 주거, 의료, 교육 중 대한민국에서는 특히나 교육을 중시하는 목소리가 크다. KOSIS의 최근 통계자료에 따르면 지난해 국내 취업자 2841만 6000명 중 대졸 이상의 학력자는 전체의 50.5%인 1436만 1000명으로 집계되었다고 한다. 대학 진학률과 대학 졸업률이 세계와 비교해 봤을 때 현저히 높은 대한민국에서, 이렇게 과열된 교육수준에 대한 관심이 실제 사회에서의 삶의 질과 대외적적 위치에 어떤 영향을 끼치는지에 관해 연구해보고자 한다. 또한 궁극적으로 이 연구를 통해 교육열이 날마다 거세지고 있는 대한민국에서 과연 교육만이 행복의 해답일지에 관한 사람들의 고찰점을 제시하여 더 나은 대한민국에 한 걸음 다가갈 수 있기를 바란다.
데이터에 대한 개괄적인 설명
한국복지패널의 18차 데이터를 활용한다. 데이터들 중에서도 최종학력, 구직 여부, 삶의 사다리 점수, 월 평균 임금, 기대 수입 등의 데이터를 추출해 교육과 삶의 실질적 질의 수준에 어떤 관계성이 있을지 알아본다.
데이터 정제 및 가공 과정
1. 전체적인 데이터 정제 및 가공
데이터 분석에 필요한 패키지들을 불러온 후 한국복지패널 데이터를 데이터 프레임 형태로 불러왔다.
# 패키지 불러오기
library(haven)
library(dplyr)
library(ggplot2)
# 데이터 파일 경로
data <- read_dta("C:/Users/조수아/Documents/ICMDA/R/koweps_p18_2023_beta1.dta")##. 2. '최종학력', '구직 여부', '삶의 사다리 점수', '월 평균 임금', '기대 수입' 데이터들을 정제하고 가공했다.
# 변수 이름 변경
new_names <- colnames(data)
new_names[new_names == "p1807_3aq1"] <- "최종학력"
new_names[new_names == "p1802_10"] <- "구직여부"
new_names[new_names == "p1805_12aq1"] <- "삶의 사다리 점수"
new_names[new_names == "p1802_8aq1"] <- "평균 월급"
new_names[new_names == "p1802_31"] <- "기대 수입"
# 새로운 변수 이름을 데이터 프레임에 적용
data_renamed <- data
colnames(data_renamed) <- new_names
# 변수 이름이 변경된 열만 추출
data_selected <- data_renamed[, c("최종학력", "삶의 사다리 점수", "구직여부", "평균 월급", "기대 수입")]
# "최종학력" 변수 값 변경
data_selected$최종학력 <- ifelse(data_selected$최종학력 == 1, "중학교 졸업 이하",
ifelse(data_selected$최종학력 == 2, "고등학교 중퇴, 졸업",
ifelse(data_selected$최종학력 == 3, "전문대학 재학, 중퇴, 졸업",
ifelse(data_selected$최종학력 == 4, "대학교(4년제) 재학, 중퇴, 졸업",
ifelse(data_selected$최종학력 == 5, "대학원 이상", data_selected$최종학력)))))
# "최종학력" 변수가 결측치가 아닌 행 전체를 추출
data_no_na <- data_selected[!is.na(data_selected$최종학력), ]
data_selected## # A tibble: 13,937 × 5
## 최종학력 `삶의 사다리 점수` 구직여부 `평균 월급` `기대 수입`
## <chr> <dbl> <dbl> <dbl> <dbl>
## 1 <NA> 5 2 NA NA
## 2 <NA> 10 NA 180 NA
## 3 <NA> 7 NA NA NA
## 4 <NA> 9 NA 252 NA
## 5 <NA> 7 1 NA 200
## 6 고등학교 중퇴, 졸업 7 2 NA NA
## 7 <NA> NA NA NA NA
## 8 <NA> 8 2 NA NA
## 9 <NA> 4 NA 27 NA
## 10 <NA> 5 NA NA NA
## # ℹ 13,927 more rows# "최종학력" 변수와 "구직여부" 변수에 결측치가 없는 행만 추출
data_no_na1 <- data_selected %>%
filter(!is.na(최종학력) & !is.na(구직여부))
# "구직여부" 변수 값 변경
data_no_na1$구직여부 <- ifelse(data_no_na1$구직여부 == 1, "구직 X",
ifelse(data_no_na1$구직여부 == 2, "구직 O", data_no_na1$구직여부))
data_no_na1## # A tibble: 1,421 × 5
## 최종학력 `삶의 사다리 점수` 구직여부 `평균 월급` `기대 수입`
## <chr> <dbl> <chr> <dbl> <dbl>
## 1 고등학교 중퇴, 졸업 7 구직 O NA NA
## 2 대학교(4년제) 재학, 중퇴… 5 구직 O NA NA
## 3 대학교(4년제) 재학, 중퇴… 10 구직 O NA NA
## 4 대학교(4년제) 재학, 중퇴… 8 구직 O NA NA
## 5 고등학교 중퇴, 졸업 6 구직 O NA NA
## 6 대학교(4년제) 재학, 중퇴… 99 구직 O NA NA
## 7 전문대학 재학, 중퇴, 졸업 7 구직 O NA NA
## 8 고등학교 중퇴, 졸업 99 구직 O NA NA
## 9 대학교(4년제) 재학, 중퇴… 6 구직 O NA NA
## 10 대학교(4년제) 재학, 중퇴… 6 구직 O NA NA
## # ℹ 1,411 more rows# "최종학력" 변수와 "평균 월급" 변수에 결측치가 없는 행만 추출
data_no_na2 <- data_selected %>%
filter(!is.na(최종학력) & !is.na(`평균 월급`))2. 그래프 생성을 위한 패키지 로드
# 필요한 패키지 로드
library(ggplot2)
library(plotly)
library(dplyr)
data_no_na## # A tibble: 3,457 × 5
## 최종학력 `삶의 사다리 점수` 구직여부 `평균 월급` `기대 수입`
## <chr> <dbl> <dbl> <dbl> <dbl>
## 1 고등학교 중퇴, 졸업 7 2 NA NA
## 2 고등학교 중퇴, 졸업 99 NA 240 NA
## 3 대학교(4년제) 재학, 중퇴… 5 2 NA NA
## 4 전문대학 재학, 중퇴, 졸업 7 NA 390 NA
## 5 대학교(4년제) 재학, 중퇴… 10 2 NA NA
## 6 대학교(4년제) 재학, 중퇴… 8 2 NA NA
## 7 전문대학 재학, 중퇴, 졸업 5 NA 160 NA
## 8 고등학교 중퇴, 졸업 7 NA NA NA
## 9 고등학교 중퇴, 졸업 6 2 NA NA
## 10 대학교(4년제) 재학, 중퇴… 99 2 NA NA
## # ℹ 3,447 more rowsIndividual figures
figure 1 - line graph
교육의 정도를 측정한 데이터인 “최종학력” 변수가 변화함에 따라 평균 삶의 사다리 점수는 어떻게 변하는지 확인해보고자 선 그래프를 활용했다.
# "최종학력" 변수의 수준을 팩터로 변환
data_no_na$최종학력 <- factor(data_no_na$최종학력, levels = c("중학교 졸업 이하", "고등학교 중퇴, 졸업", "전문대학 재학, 중퇴, 졸업", "대학교(4년제) 재학, 중퇴, 졸업", "대학원 이상"))
# 교육 수준별 평균 삶의 사다리 점수를 계산
data_summary <- data_no_na %>%
group_by(최종학력) %>%
summarise(평균_삶의_사다리_점수 = mean(`삶의 사다리 점수`, na.rm = TRUE))
# ggplot 선 그래프 생성
p <- ggplot(data_summary, aes(x = 최종학력, y = 평균_삶의_사다리_점수, group = 1)) +
geom_line(color = "blue") +
geom_point(color = "red", size = 3) +
theme_minimal() +
labs(title = "교육 수준별 평균 삶의 사다리 점수",
x = "최종학력",
y = "평균 삶의 사다리 점수") +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
# ggplot 그래프를 plotly로 변환하여 인터랙티브하게 만듦
ggplotly(p)중학교 졸업 이하부터 대학교(4년제) 재학, 중퇴, 졸업까지는 삶의 질 지수가 증가하는 추세를 보이지만 대학원 이상부터는 급감하는 수치를 볼 수 있다. 이를 통해 교육수준이 높아질수록 삶의 질이 올라가기는 하지만 일정 수준이 될 경우 정비례 법칙이 적용되지 않는다는 것을 알 수 있다. 무조건적인 고학력이 삶의 행복을 결정하는 것은 아니라는 사실이다.
figure 2 - bar graph
교육의 정도를 측정한 데이터인 ‘최종학력’ 변수에 따라 ’구직 여부’가 어떻게 달라지는지 확인해보고자 막대 그래프를 활용했다.
# 필요한 패키지 로드
library(ggplot2)
library(dplyr)
# "최종학력" 변수의 수준을 팩터로 변환
data_no_na1$최종학력 <- factor(data_no_na1$최종학력,
levels = c("중학교 졸업 이하", "고등학교 중퇴, 졸업",
"전문대학 재학, 중퇴, 졸업",
"대학교(4년제) 재학, 중퇴, 졸업",
"대학원 이상"))
# "구직여부" 변수의 수준을 팩터로 변환
data_no_na1$구직여부 <- factor(data_no_na1$구직여부, levels = c(0, 1), labels = c("구직 중 아님", "구직 중"))
# ggplot 막대 그래프 생성
p <- ggplot(data_no_na1, aes(x = 최종학력, fill = 구직여부)) +
geom_bar(position = "dodge") +
theme_minimal() +
labs(title = "최종학력에 따른 구직여부",
x = "최종학력",
y = "구직여부 빈도수",
fill = "구직여부") +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
# 그래프 출력
print(p)
그래프를 해석해보았을 때 중학교 졸업 이하에는 구직 여부의 빈도 수가
굉장히 많고 학력이 높아질수록 점차 줄어드는 양상을 확인할 수 있다.
특별한 점은 전문대학 재학, 중퇴, 졸업의 경우 구직여부 빈도수의 수치가
상대적으로 낮게 나왔다는 사실이다. 이는 전문대학 특성상, 전문직에 한해서
취직할 수 있는 경로가 한정되어 있고 그 자리가 많다는는 점에서 같은
전문대학을 졸업할 경우 직업의 동질화 정도가 같아 쉽게 취업할 수 있기
때문에 발생한 양상이라고 추측해볼 수 있다. 후속 연구 진행이 필요하다고
주장하는 바이다.
figure 3 - scatterplot
최종학력 수준에 따른 월 평균 임금의 변화를 알아보고자 산점도를 활용하고자 한다.
# 최종학력 변수의 수준을 팩터로 변환
data_selected$최종학력 <- factor(data_selected$최종학력,
levels = c("중학교 졸업 이하", "고등학교 중퇴, 졸업",
"전문대학 재학, 중퇴, 졸업",
"대학교(4년제) 재학, 중퇴, 졸업",
"대학원 이상"))
# ggplot 산점도 생성
p <- ggplot(data_selected, aes(x = 최종학력, y = `평균 월급`)) +
geom_jitter(width = 0.2, height = 0, color = "blue", alpha = 0.5) +
theme_minimal() +
labs(title = "최종학력에 따른 평균 월급 변화",
x = "최종학력",
y = "평균 월급") +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
# 그래프 출력
print(p)## Warning: Removed 8307 rows containing missing values or values outside the scale range
## (`geom_point()`).
중학교 졸업 이하부터 대학교(4년제) 재학, 중퇴, 졸업까지는 평균월급이 점점 증가하는 추세로 나타나지만 대학원 이상부터는 유의미한 증가의 추세가 나타나지 않는다.
결론
4년제 대학까지는 최종학력 수준에 따라 구직 여부, 삶의 사다리 점수, 평균 월급이 높아지는 수치를 보이지만 가장 고학력이라고 볼 수 있는 대학원부터는 유의미하게 삶의 질 수준이 높아진다고 단정지을 수 없는 양상을 띠었다. 삶의 질을 경제적 수치로만 따질 수는 없겠으나 경제적 측면이 삶의 질에 많은 영향을 주므로 삶의 질을 측정하는 파라미터로서 ‘구직 여부’, ’평균 월급’을 사용한 것을 명시하고자 한다. 교육이 실질적 삶의 질에 큰 영향을 끼치는 것은 맞으나 무조건의 고학력이 행복을 단정짓지는 않는다는 것을 국민들이 깨닫고 정부의 측면에서도 복지 정책을 통해 교육 부문이 과열되지 않고 조화를 이루도록 노력하는 것에 이 보고서가 도움이 되기를 바란다.