홈 한국노동패널조사 FAQ
한국노동패널조사

FAQ

총 게시물 32개  페이지 1 / 4
  • 질문 개인자료에 부업 관련 정보를 붙이고자 할 때
    답변
    개인자료에는 주업과 관련된 정보만 들어 있다. 따라서 부업 관련 정보를 필요로 할 경우 직업력을 이용해 부업 관련 정보를 찾아낸 후 이를 개인자료에 다시 붙여 이용해야 한다.

    예를 들어 17차년도에 조사된 개인의 부업을 찾는 상황을 생각해 보자. 직업력에서 아래의 세 가지 조건을 동시에 만족하는 일자리가 이들 개인의 부업이 된다.  

    ① 조사년도를 의미하는 jobwave변수가 17,
    ② 주업을 의미하는 mainjob이 0,
    ③ 일자리의 현재 지속여부를 알 수 있는 jobclass가 1, 3, 5, 7.(1, 3, 5, 7만 남기는 이유는 이들 일자리가 조사시점 현재 지속 중인 일자리이기 때문이다.)

    이상의 절차를 통해 걸러진 데이터를 개인자료와 pid를 기준으로 붙이면 된다.


    <한국노동패널 1~17차년도 조사자료 User's Guide 189p Q26 참고>
  • 질문 임금 및 소득 변수의 평균값 추이가 들락날락하고, 너무 큰 값이 나올 때
    답변
    임금, 소득 변수의 평균값을 낼 때 가장 주의해야 할 점이 무응답의 처리이다. 노동패널의 임금 및 소득 변수는 모두 6자리로 top-coding을 하며, 무응답일 경우 ‘-1’로 처리하고 있다. 따라서, 무응답을 결측치로 바꿔 처리하지 않을 경우 값이 커지거나 추이가 안 나타나는 등의 문제가 나타난다.

    노동패널팀에서 일괄적으로 무응답을 결측치로 처리하여 제공하는 것이 데이터 분석자의 입장에서 편할 수도 있겠지만, 보다 정확한 연구를 위해서는 무응답과 결측값이 완전히 다른 의미를 갖는 문제이므로 -1을 결측치로 재처리해 제공하지는 않고 있다. 또한, 아직까지 100억에 달하는 월평균임금을 보고한 사람들은 없었으므로, top-coding이 실제로 이루어진 사례는 없었다.

    임금, 소득 관련 변수를 이용할 때에는 반드시 기초통계량을 구하여 코드북에 기재된 빈도값과 일치하는지를 확인한 후 무응답 값을 처리하기를 권장한다.


    <한국노동패널 1~17차년도 조사자료 User's Guide 188p Q25 참고>
  • 질문 임금근로자의 근로시간변수에 결측치가 너무 많이 나온다면?
    답변
    이는 노동패널의 근로시간 변수를 제대로 구성하지 못했기 때문에 발생한 실수이다. 주로 “p171004 : (주된일자리)주당 평균 근무시간(임금)” 변수만을 이용하였을 때 이런 현상이 나타난다.

    노동패널에서는 유형설문을 통해 주당 근로시간을 조사한다. 유형설문에서의 근로시간 관련 항목은 임금근로자일 경우와 비임금근로자일 경우 각각 질문 형태가 다르다. 임금근로자의 경우

    ① 정규근로시간이 정해져 있는지,
    ② 정해져 있지 않을 경우 식사시간을 제외하고 일주일에 평균 몇 시간 일했는지
    ③ 정해져 있을 경우 정규근로시간이 식사시간을 제외하고 일주일에 몇 시간인지, 정규근로시간 이외에 초과로 근로하는 시간이 있었는지, 있었다면 일주일 평균 몇 시간이나 되는지를 질문하는 방식으로 구성되어 있다.

    비임금근로자일 경우 한 문항으로 간단하게 일주일에 몇 시간이나 일하는지 질문한다. 아래는 임금근로자의 근로시간 변수 생성방법 예제이다.


    *===========================;
    *    SAS 근로시간 변수 생성 ;
    *===========================;

    data p17; set a.klips17p;

    /*변수설명
    p171003 : 주된일자리 정규근로시간 여부 y/n = 1/2
    p171004 : 주된일자리 주당 평균 근로시간
    p171006 : 주된일자리 주당 정규 근로시간

    p171011 : 주된일자리 초과근로여부 y/n = 2/1
    p171012 : 주된일자리 주당 평균 초과근로시간*/

    array w[3] p171004 p171006 p171012; /*결측치 처리*/
    do i=1 to 3
    if w[i] =-1 then w[i]=.
    end

    if p171003=2 then worktime=p171004;/*평균근로시간*/
    if p171003=1 and p171011=1  then worktime=p171006;
    if p171003=1 and p171011=2 then worktime=sum(of p171006, p171012); /*정규+초과근로시간*/

    /*불가능한 초과근로시간 확인*/
    proc freq table p171004 p171006 p171012;
    proc print where p171012>168 var pid p171012;
    run

    data hours; set p17(keep=worktime); /*근로시간 변수 그래프*/
    proc chart data=hours; vbar worktime; title 'Hours worked per week'
    run


    *===========================.
    *    SPSS 근로시간 변수 생성 .
    *===========================.

    get file='D:\17차\users guide\17차년도\klips17p.sav'.

    recode p171004 p171006 p171012(-1=sysmis).
    if (p171003=2) worktime=p171004.
    if (p171003=1 and p171011=1) worktime=p171006.
    if (p171003=1 and p171011=2) worktime=sum(p171006, p171012).

    GRAPH /HISTOGRAM=worktime.

    /*불가능한 초과근로시간 확인*/
    select if (p171012>168).
    list pid p171012.


    /*======================================*/
    /* stata 근로시간변수 생성              */
    /*======================================*/

    clear
    use klips17p, clear

    recode p171004 p171006 p171012(-1=.)
    egen worktime=rowtotal(p171006 p171012) if p171003==1 & p171011==2
    replace worktime=p171004 if p171003==2
    replace worktime=p171006 if p171003==1 & p171011==1

    histogram worktime

    /*불가능한 초과근로시간 확인*/

    keep if p171012>168
    tab pid p171012


    <한국노동패널 1~17차년도 조사자료 User's Guide 185p Q24 참고>
  • 질문 노동패널자료의 정규/비정규직 비중은 왜 통계청에서 발표하는 수치와 다를까?
    답변
    노동패널자료의 신뢰성을 문제시하는 많은 사람들이 노동패널자료의 비정규직 비율이 너무 낮다는 지적을 한다. 사실 이런 지적이 근거 없는 것은 아니다. 우선, 우리나라에서 비정규직 비율을 이야기할 때 기준이 되는 통계청의 「경제활동인구조사」 비농가부문 임시일용직 비율을 보면 1999년 이후 50%를 넘어섰다가 2008년에는 44%대에 이른 반면, 노동패널자료의 임시일용직 비중은 고작해야 21~22% 수준에 머무르고 있기 때문이다.
    한편, 노동패널조사에서는 다른 조사와는 달리 주관적 판단에 의한 정규직 비정규직 여부도 측정하고 있다. 즉, ‘이 일자리에서 ____님의 고용형태는 무엇입니까?’라고 질문해서 정규직/비정규직 여부를 판단하는 것이다. 그런데, 이 질문에 대한 응답에서도 역시 21~22% 정도만이 비정규직이라고 응답하고 있다.

    아무리 조사표본의 차이를 감안하더라도 「경활조사」보다 절반이상 낮은 수준의 수치가 나타난다는 것은 언뜻 납득하기 어렵다. 그러나, 노동패널조사의 표본이 상대적으로 매우 적음에도 불구하고 취업률, 실업률, 산업별 및 직종별 취업자 비율, 근로시간, 평균임금 등 거의 대부분의 핵심변수들은 기준통계자료들과 큰 차이를 보이지 않는다. 따라서 이러한 점을 감안할 때 유독 비정규직 비율이 낮다는 것만으로 노동패널조사의 신뢰성이 떨어진다고 단정짓는 것은 섣부른 판단일 수 있다.

    이 문제에 대해 패널팀에서 제시하는 설명은 다음과 같다.

    1. 종사상 지위
    노동패널의 종사상 지위 구분은 순수하게 근로계약만을 기준으로 (임시직은 1년미만, 일용직은 1개월 미만인 근로자)로 구분되고 있다. 이에 반해 통계청의 ꡔ경제활동인구조사ꡕ는 보다 엄격한 기준을 정해서 종사상 지위를 정하고 있다. 우선, 노동패널과 같이 고용계약기간에 따라 1차적으로 상용직, 임시․일용직 여부를 구분한다. 그러나, 상용직이라고 응답했다 하더라도 고용계약기간이 정해지지 않은 근로자들의 경우 직장의 규범을 동일하게 적용 받는지 여부, 퇴직금 및 상여금 수령여부, 부가급여의 수급 여부 등을 고려하여 이 중 차별적인 적용을 받는 경우에는 임시․일용직으로 다시 재분류한다.

    이러한 조사상의 차이로 인해 노동패널과 경활조사는 동일한 이름의 ‘종사상 지위’를 조사함에도 불구하고 전혀 다른 결과를 도출한 것이다. 물론 여기에는 표본의 차이, 조사원의 전문성 등도 일부 작용했을 것이다.

    2. 자기 선언적 비정규직 측정
    종사상 지위 이외에도 3차년도를 제외한 모든 조사연도에는 이른바 ‘자기 선언적 규정’에 의해 비정규직 측정을 하고 있다. 여기서 자기선언적 규정이란 앞서 종사상 지위 기준과 마찬가지로 설문지 상에 비정규직 근로자의 정의를 ‘단기 계약직, 임시직, 일용직 근로자 등 일시적으로 취업한 근로자’라는 최소한의 가이드만 제시하고 여기에 대한 판단은 응답자에게 맡기는 것이다. 따라서 앞서 종사상 지위에서 ‘임시/일용직’이라고 응답한 사람들이 이 문항에도 ‘비정규직’이라고 응답할 가능성이 매우 높다. 실제로 노동패널 자료를 분석해보면 이 문항에서 ‘비정규직’이라고 응답한 사람들의 80%이상이 종사상 지위에서 임시․일용직으로 나타났다(노동패널 홈페이지 : 리서치브리프 No1. 「한국노동패널 5차년도 조사의 비정규직 규모와 실태」참조).

    3. 다양한 형태의 비정규직 측정.
    이러한 문제점을 해결하기 위해서 노동패널은 5차년도 조사부터 보다 정확하고 객관적이며, 비교가능한 방식으로 비정규직을 측정하기 위해 새로운 설문을 도입하였다. 즉, 통계청의 비정규직 측정을 위한 부가조사문항을 반영하여 미국에서 주로 사용하는 한시근로자(contingent work)뿐만 아니라, 파견, 용역, 독립도급, 가내근로 등 대안적 고용형태(alternative employment arrangement) 등을 측정할 수 있게 된 것이다. 이들 문항에 대해 분석한 결과 통계청의 부가조사 분석결과와 거의 비슷한 비중을 보이고 있다. 또한 10차년도 조사부터는 고용형태 설문 Set이 도입되어 다양한 형태의 비정규직 정의를 구성할 수 있게 되었다. (고용형태 부가설문의 구조와 내용에 대한 자세한 사항은 이상호, ꡔ노동패널 10차년도 고용형태 부가조사의 개요 및 주요 결과ꡕ, 노동리뷰 2008년 7월호를 참고.)

    4. 노동패널 비정규직 측정의 특징
    따라서 종사상 지위가 통계청 조사와 그 비중에 있어서 상당한 차이가 난다고 하나 이는 조사 설계상의 오류라기보다는 용어 기준에 의한 차이가 크다고 볼 수 있는 것이다. 노동패널에서는 퇴직금, 부가급여 등 일자리 특성에 대해 상세한 조사를 한다. 따라서 이들 요인을 통제할 때 완전히 동일하지는 않겠지만 통계청 조사와 거의 비슷한 종사상 지위 비중이 산출될 수 있다. 더구나, 위에서 언급한 여러 가지 기준들을 다양하게 적용한다면 오히려 보다 풍부한 분석결과를 도출하고 새로운 함의를 찾을 수 있을 것이다.

    이상의 설명을 뒷받침하기 위해 몇 가지 기준을 적용하여 17차년도 자료를 이용해 비정규직 규모를 산출해보았다. 아래 표를 보면 우선, 종사상 지위만을 기준으로 하였을 때 비정규직 비율은 26.8%로 나타났다. 두 번째 기준으로 일용대기 + 파견 + 용역 + 독립도급 + 가내 + 시간제 + 단기계약의 경우 21.3%로 나타났다. 세 번째, 앞의 두 기준 중 하나라도 해당되는 경우는 32.0%로 나타났고, 네 번째, 기준2에 장기임시직을 포함하였을 경우 38.6%로 나타났다. 물론 이러한 비율이 통계청의 경활조사 결과와 완전히 동일한 기준에서 산출된 것이라고는 볼 수 없겠지만 대략적인 수준에서의 비교는 가능할 것이다.


    <한국노동패널 1~17차년도 조사자료 User's Guide 182p Q23 참고>
  • 질문 경제활동상태 변수 만들기
    답변
    경제활동상태의 정의에 대해서는 이미 Ⅳ. 변수 가이드 페이지 45 에서 이미 소개한 바 있다. 여기서는 예제를 통해 경제활동상태를 구성하는 방법을 살펴보자. 아래 예제는 17차년도 개인자료를 이용한 경제활동상태의 구성이다.

    여기서 유의할 점은 개인의 종사상지위와 경제활동상태가 반드시 일치하지 않을 수 있다는 점이다. 개인의 종사상 지위는 유형설문에서 이루어지는 반면, 취업/미취업 여부, 그리고 경제활동상태는 취업자공통과 미취업자공통 설문을 통해 구성된다(FAQ Q20 참조).

    이 경우 개인의 경제활동상태는 기본적으로 취업자 및 미취업자 공통 설문변수를 기준으로 만들 것을 권고한다.


    *====================================;
    *    SAS를 이용한 경제활동상태의 구성;
    *====================================;

    data p17; set a.klips17p;

    /*현재 일자리의 종사상 지위 */
    /* 임금근로자 1=상용, 2=임시, 3=일용 , 4=고용주/자영업자, 5=무급가족종사자*/
    empst=p170314;

    /*현재 경제활동 상태 */
    econst=3 /* 비경제활동인구*/
    if p170201=1then econst =1 /* 취업자 */
    if p172801=1 and p172806=1then econst=2 /* ILO 기준 실업자*/
    proc freq table empst econst;
    run


    *====================================.
    *  SPSS를 이용한 경제활동상태의 구성 .
    *====================================.

    get file='D:\17차\users guide\17차년도\klips17p.sav'.

    /*현재 일자리의 종사상 지위 */
    /* 임금근로자 1=상용, 2=임시, 3=일용 , 4=고용주/자영업자, 5=무급가족종사자*/
    compute empst=p170314.

    /*현재 경제활동 상태 */
    compute econst=3. /* 비경제활동인구*/
    if (p170201=1) econst =1. /* 취업자 */
    if (p172801=1 and p172806=1) econst=2. /* ILO 기준 실업자*/

    fre empst econst.


    /*======================================*/
    /* stata를 이용한 경제활동상태의 구성   */
    /*======================================*/

    clear
    use klips17p, clear

    /*현재 일자리의 종사상 지위 */
    /* 임금근로자 1=상용, 2=임시, 3=일용 , 4=고용주/자영업자, 5=무급가족종사자*/
    gen empst=p170314

    /*현재 경제활동 상태 */
    gen econst=3 /* 비경제활동인구*/
    replace econst=1 if p170201==1  /* 취업자 */
    replace econst=2 if p172801==1 & p172806==1  /* ILO 기준 실업자*/

    tab1 empst econst


    <한국노동패널 1~17차년도 조사자료 User's Guide 180p Q22 참고>
  • 질문 종사상 지위, 임금/비임금 근로 구분의 기준
    답변
    1. 종사상 지위의 구분
    노동패널자료에서 종사상 지위 즉, 상용․임시․일용․자영업자/고용주․가족종사자를 구분하는 조사항목은 유형설문에 있다. 유형마다 문항의 형태는 조금씩 다르다.

    유형 1, 2는 지난 조사와 비교해 상용직․임시직․일용직 여부가 바뀌었는지를 묻는다.
    유형 3, 4도 지난 조사와 비교해 종사상 지위가 바뀌었는지를 묻는다.
    유형 5, 6은 현재 종사상 지위가 무엇인지를 묻는다.
    유형 7, 8도 현재 종사상 지위가 무엇인지를 묻는다.

    유형 1~4는 지난 조사로부터 이어져온 일자리이므로 “지난 조사와 비교해 변했는지”만을 질문하면 충분하다. 유형 5~8은 새로 시작한 일자리이므로 현재 종사상 지위를 질문해야 한다. 분석을 위해 종사상 지위 변수가 필요할 때에는 “p170314 : (주된일자리)종사상지위-현재(또는 최종)” 변수를 이용하면 된다. 직업력을 이용할 경우 “j150 : 종사상의 지위-현재(또는 최종)”을 이용하면 된다. 유형 1~4에 응답한 경우 이전년도로부터 관련 자료를 가져와 채워 놓았다.

    2. 임금/비임금의 구분
    임금/비임금 근로를 구분할 경우 유형설문을 통해 조사된 종사상 지위 변수 외에도 취업자 개인 설문지를 통해 조사되는 “p170211 : (공통)취업형태” 변수를 이용할 수 있다. 이 변수는 “문4 그렇다면 ____님께서 하시는 이 일은 다음 중 어디에 해당됩니까?”에 대한 응답이다. 그런데, 취업자 개인 설문을 통해 조사되는 취업형태 변수와 유형설문을 통해 조사되는 종사상 지위 변수가 일치하는 응답을 주어야 하지만, 불행히도 그렇지 못한 문제가 있다. 이는 한국노동패널조사와 같은 미시자료를 다룰 때 가장 빈번하게 부딪히는 “응답의 비일관성” 문제이다. 자영업과 임금근로의 경계가 불분명한 일자리들이 상당히 존재하는 것이 현실이어서, 이런 현실이 그대로 설문조사에 투영되는 경우라고 볼 수 있다. 이를 클리닝 과정에서 최소화하기 위해 노력하고 있지만, 아직까지 완전히 제거되지 못하고 있다. 따라서 노동패널팀에서는 임금/비임금 근로를 구별할 때에는 취업형태(p170211) 변수보다는 종사상 지위(p170314) 변수를 이용하는 것을 권하고 있다. 이렇게 하는 것이 일자리 관련 변수를 조금이라도 더 확보하여 결측치(missing value)를 줄이는 방법이다.


    <한국노동패널 1~17차년도 조사자료 User's Guide 178p Q21 참고>
  • 질문 개인의 인적특성(성별, 연령, 학력) 변수들이 필요할 때
    답변
    개인의 학력, 성별, 연령, 가구주와의 관계 등 인적특성 정보는 가구설문지를 통해 조사하고 있다. 그렇지만, 가구설문지를 통해 조사된 이와 같은 인적특성 항목들은 개인, 신규, 부가자료에도 붙여서 함께 제공하고 있으므로, 이들 자료를 이용하여 분석할 때에는 개인의 인적특성 변수를 가구자료로부터 추출하여 붙이기 위해 고생할 필요가 없다.

    다만, 개인 및 신규 설문지는 15세 이상인 가구원들에게만 배포되므로, 15세 미만 학령기 아동의 인적 특성과 같은 주제에 관심이 있을 경우에는 가구자료를 이용해 개인정보를 추출하여야 한다(FAQ Q11을 이용). 가구자료의 개인정보 관련변수는 17차년도 가구자료 기준으로 h170201부터 h170775까지이다.


    <한국노동패널 1~17차년도 조사자료 User's Guide 177p Q20 참고>
  • 질문 2, 3차년도 가구자료의 주택종류와 평수
    답변
    2차년도와 3차년도 자료에서 입주형태, 주택의 종류, 주택의 평수, 주거지의 시가, 거주시기는 전년도 조사이후에 이사하였거나 이사하지는 않았더라도 변동사항이 있을 경우에만 응답하도록 하였다. 그러므로 1차년도 조사 이후에 주거사항이 변화가 없는 가구라면, 2차~3차 가구자료에서 주택종류와 평수가 missing 값을 갖게 된다. 따라서 기존의 2차~3차 가구 자료를 이용하여 주거지에 관한 분석을 할 때에는 전년도 자료에서 해당 변수를 연결하여 사용해야 한다.

    그러나, 8차년도 release 자료부터는 해당 변수를 가공하여 해당차수의 데이터에 붙여두었으므로, 별도의 작업을 거치지 않고도 해당변수를 사용하면 된다.  


    <한국노동패널 1~17차년도 조사자료 User's Guide 176p Q19 참고>
  • 질문 부동산 자산의 시가 관련 문항의 구조
    답변
    ‘부동산자산’에 대해서는 ① ‘현재 집을 제외한 부동산’ ② ‘현재 살고 있는 집을 포함한 부동산 임대’ ③ ‘현재 살고 있는 집 이외의 부동산 임차’에 대해서 묻고 있다(※ 현재 ‘본인의 가족만 살고 있는 집’이나 ‘전세나 월세로 사는 경우의 보증금’은 주거관련 문항에서 파악이 가능하다).  

    구체적인 설문구조를 살펴보면, 일단 각 문항에 대해 해당하는지 여부를 질문한 후 자산이 있을 경우 그 종류와 시가 총액을 질문한다. 그런데, 응답자가 부동산의 시가총액을 정확히 알지 못하는 경우가 빈번하므로, [잘모르겠다]고 응답한 경우 범주로 응답하도록 하고 있다. 실제로 범주화 된 문항에 응답하는 응답자가 많으므로, 시가총액을 [잘모르겠다]고 응답한 경우를 분석에서 모두 제외시키면, 실제와는 상당히 다른 결과가 나타날 수 있다. 따라서, 연구자가 연속형 부동산 시가총액을 범주화하거나, 범주형 부동산 시가를 연속형으로 바꾸어 사용해야 한다.


    <한국노동패널 1~17차년도 조사자료 User's Guide 175p Q18 참고>
  • 질문 금융자산과 부채 변수 구성하는 방법 - 자산과 부채액 구성하기
    답변
    1. 금융 자산
    금융자산과 금융소득을 혼동하는 연구자들이 종종 있다. 우선 용어의 정의를 살펴보면, ‘금융자산’이란 금융기관 혹은 개인적으로 빌려준 돈과 같이 가지고 있는 돈의 총액을 의미하는 저량(stock) 변수인 반면, ‘금융소득’은 이러한 자산을 통해 발생한 소득(예: 이자소득, 배당금)을 의미하는 유량(flow) 변수이다.

    특히 금융자산과 관련하여 실제 가구용 설문에서는 금융자산의 소유여부를 각 항목별로 질문하여 [예]라고 응답한 경우 총액을 질문한다. 그러므로, 연구자가 가구의 ‘금융자산’ 전체 액수를 필요로 한다면 각 항목에 대한 총액을 모두 합산해서 사용해야 한다(※ 주의 : 조사시점을 기준으로 현재 시세).  

    2. 가구 부채
    ‘가구부채’는 ‘금융자산’과 유사한 구조로 조사되고 있다. 즉 항목별로 부채유무를 질문한 후, [예]라고 응답한 경우 현재 상환해야할 잔액을 묻는다. 따라서, 현재 가구에 남아있는 부채의 총액은 각 항목의 잔액을 모두 합산하면 된다. 다만, 부채항목에는 이외에도 ‘현재까지 상환한 원금과 이자’의 액수를 각각의 항목에 대해 묻고 있으므로, ‘잔액’및 ‘원금과 이자상환금’을 합산할 경우 처음 돈을 빌릴 당시의 부채액도 구할 수 있다.


    *=======================================;
    *   SAS - 가구 자산과 부채 구성하기     ;
    *=======================================;

    data h17; set a.klips17h;

    /*금융자산*/
    /*결측치 처리*/
    array h[6]  h172562 h172564 h172566 h172568 h172570 h172572;
    do i=1 to 6
    if h[i]=-1 then h[i]= .
    end

    if h172561=1 or h172563=1 or h172565=1 or h172567=1 or h172569=1 or h172571=1then fin_y=1/*금융자산 여부*/
    fin1 = h172562; /* 은행예금 액수*/
    fin2 = h172564; /* 주식, 채권, 신탁 액수*/
    fin3 = h172566; /* 저축성보험 액수*/
    fin4 = h172568; /* 아직 타지 않은 계 액수*/
    fin5 = h172570; /* 개인적으로 다른 사람에게 빌려준 돈 액수*/
    fin6 = h172572; /* 기타 금융자산 액수*/
    fin = sum(of fin1-fin6); /* 금융자산 총액*/

    /*부채*/
    /*결측치 처리*/
    array d[6] h172602 h172605 h172608 h172611 h172614 h172617;
    do i=1 to 6
    if d[i]=-1 then d[i]= .
    end

    if h172601=1 or h172604=1 or h172607=1 or h172610=1 or h172613=1 or h172616=1 then deb_y=1/*부채여부*/
    deb1 = h172602; /*금융기관부채*/
    deb2 = h172605; /*비금융기관 부채*/
    deb3 = h172608; /*개인적으로 빌린 돈*/
    deb4 = h172611; /*전세금, 임대보증금 받은 것*/
    deb5 = h172614; /*머리 타고 앞으로 부어야 할 계*/
    deb6 = h172617; /*기타 부채*/
    deb= sum(of deb1-deb6);/*부채 총액*/

    proc freq table fin_y deb_y;
    proc univariate ; var fin deb;
    run


    *=======================================.
    *   SPSS - 가구 자산과 부채 구성하기    .
    *=======================================.

    get file='D:\17차\users guide\17차년도\klips17h.sav'.

    *금융자산*

    RECODE h172562 h172564 h172566 h172568 h172570 h172572 (-1=SYSMIS) ./*결측치 처리*/
    if (h172561=1 or h172563=1 or h172565=1 or h172567=1 or h172569=1 or h172571=1) fin_y=1./*금융자산 여부*/
    compute fin1 = h172562. /* 은행예금 액수*/
    compute fin2 = h172564. /* 주식, 채권, 신탁 액수*/
    compute fin3 = h172566. /* 저축성보험 액수*/
    compute fin4 = h172568. /* 아직 타지 않은 계 액수*/
    compute fin5 = h172570. /* 개인적으로 다른 사람에게 빌려준 돈 액수*/
    compute fin6 = h172572. /* 기타 금융자산 액수*/
    compute fin = sum(fin1 to fin6). /* 금융자산 총액*/

    /*부채*/
    RECODE h172602 h172605 h172608 h172611 h172614 h172617 (-1=SYSMIS) ./*결측치 처리*/
    if (h172601=1 or h172604=1 or h172607=1 or h172610=1 or h172613=1 or h172616=1) deb_y=1./*부채 여부*/
    compute deb1 = h172602. /*금융기관부채*/
    compute deb2 = h172605. /*비금융기관 부채*/
    compute deb3 = h172608. /*개인적으로 빌린 돈*/
    compute deb4 = h172611. /*전세금, 임대보증금 받은 것*/
    compute deb5 = h172614. /*미리 타고 앞으로 부어야 할 계*/
    compute deb6 = h172617. /*기타 부채*/
    compute deb=sum(deb1 to deb6)./*부채액*/
    execute.

    fre fin_y deb_y.
    des fin deb/stat=mean std min max.


    /*======================================*/
    /* stata - 가구 자산과 부채 구성하기    */
    /*======================================*/

    clear
    use klips17h, clear

    /*금융자산*/

    recode h172562 h172564 h172566 h172568 h172570 h172572 (-1=.)/*결측치 처리*/
    gen fin_y=1 if h172561==1|h172563==1|h172565==1|h172567==1|h172569==1|h172571==1 /*금융자산 여부*/
    gen fin1 = h172562 /* 은행예금 액수*/
    gen fin2 = h172564 /* 주식, 채권, 신탁 액수*/
    gen fin3 = h172566 /* 저축성보험 액수*/
    gen fin4 = h172568 /* 아직 타지 않은 계 액수*/
    gen fin5 = h172570 /* 개인적으로 다른 사람에게 빌려준 돈 액수*/
    gen fin6 = h172572 /* 기타 금융자산 액수*/
    egen fin = rowtotal(fin1-fin6), m /* 금융자산 총액*/

    /*부채*/
    recode h172602 h172605 h172608 h172611 h172614 h172617(-1=.) /*결측치 처리*/
    gen deb_y=1 if h172601==1|h172604==1|h172607==1|h172610==1|h172613==1|h172616==1 /*부채 여부*/
    gen deb1 = h172602 /*금융기관부채*/
    gen deb2 = h172605 /*비금융기관 부채*/
    gen deb3 = h172608 /*개인적으로 빌린 돈*/
    gen deb4 = h172611 /*전세금, 임대보증금 받은 것*/
    gen deb5 = h172614 /*미리 타고 앞으로 부어야 할 계*/
    gen deb6 = h172617 /*기타 부채*/
    egen deb=rowtotal(deb1-deb6), m/*부채액*/

    tab1 fin_y deb_y
    sum fin deb

    <한국노동패널 1~17차년도 조사자료 User's Guide 171p Q17 참고>
게시물 검색