인과매개분석 방법을 이용한 청년사회경제실태조사 자료 분석

Abstract

In this paper, we analyze 2016 Survey on the Actual Social and Economic Conditions of the Youth in NYPI(National Youth Policy Institute) longitudinal study. We find how employment types make an effect on the life satisfaction directly and through income indirectly. We use causal mediation analysis which Imai, Keele, and Tingley (2010) proposed to find mediation effect of income. Imai, Keele, and Tingley (2010) defined the average causal mediation effect (ACME) applying potential outcome framework and counterfactual framework to existing causal mediation model. The advantage of the study is that ACME can be consistently obtained from the data with various types of variables. It can be applicable when dependent variable is not only continuous but also dichotomous and extended to nonparametric or semiparametric models. In order to analyze the data, we briefly describe the method of ACME when the dependent variable is binary. To estimate the effect of the causal mediation, we use the bootstrap method implemented in R package 'mediation' proposed by Imai, Keele, Tingley, and Yamamoto (2010), and also use the Bayesian method through JAGS. ;본 논문에서는 한국 아동 ・청소년 데이터 아카이브 NYPI(National Youth Policy Institute) 횡단조사 중 2016년 청년사회경제실태조사 자료에 인과매개모형을 적용하여 청년들의 고용형태 차이가 삶의 만족도에 영향을 미칠 때 소득의 매개효과를 구하고자 한다. 연구에 사용된 분석은 Imai, Keele & Tingley (2010)가 제안한 인과매개분석이다. 그들은 기존의 인과매개모형에 잠재적 결과 틀(potential outcome framework) 및 반사실적 틀(counterfactual framework)을 적용하여 새로운 평균인과매개효과(ACME; average causal mediation effect)의 개념을 만들었다. 이의 장점은 특정 모형에서만 적용 가능한 것이 아닌 다양한 모형에서 일관성 있게 평균인과매개효과를 구할 수 있다는 점이다. 즉, 종속변수가 연속형일 때뿐만 아니라 이분형일 때도 이를 구할 수 있으며 비모수나 준모수 통계로도 확장 가능하다. 본 논문에서는 데이터 자료 분석을 위해 종속변수가 이분형일 때의 평균인과매개효과를 구하는 방법에 대해서도 알아본다. 인과매개모형의 효과추정치를 구하기 위해서 Imai, Keele, Tingley & Yamamoto (2010)가 제시한 R 패키지인 ‘mediation’을 이용한 부트스트랩 방법을 이용하여 분석하고, 또한 JAGS를 이용하여 베이지안 모형으로 분석하고자 한다.