농업인력 구조 변화와 성과

Abstract

The size and composition of the agricultural workforce in South Korea have undergone significant changes and the labor shortage problem is continuing. Consequently, the importance of improving the labor quality has generated more attention, as enhancing labor quality not only increases the actual labor input but can also impact agricultural household income, directly affecting farmers utility gains. The present study has two main objectives. First, this study presents aggregate indices of labor inputs adjusted for the status of workers, gender, education, and age groups of the South Korean (hereafter, Korean) agricultural workforce for the periods 1991-2021 or 2009-2021, depending on the data sources used. Second, this study analyzes the effect of agricultural households human capital on the downside income volatility of individual Korean farm households. To achieve the first objective, labor statistics data from various sources were examined to evaluate the suitability of the agricultural labor input index. Four data sources, including the economically active population surveys and its supplementary surveys, regional employment surveys, Farm Household Economy Surveys, and the Korean Labor and Income Panel Study, were selected. Total hours worked (as a quantity of labor input) and hourly earnings (as a quality measure of labor input) were derived for each of the 48 worker characteristics categories. The growth of total labor input was calculated as the Törnqvist index. Eight different versions of aggregate indices of labor inputs were calculated depending on the data sources and calculation methods used for hourly earnings. The results indicated that the total labor input indices were smaller when applying the earnings of non-wage workers separately from wage workers earnings, compared to when using only wage workers hourly earnings for all categories. This suggests that the total labor input index in the agricultural sector could be overestimated if labor quality heterogeneity is adjusted using only wage workers earnings, as in many previous studies. Additionally, changes in agricultural workforce by education level contributed the most to the increase in labor quality, while changes in the age composition negatively affected agricultural labor quality. The annual growth rate of total factor productivity, calculated based on the different total labor input indices derived in this study and other productivity analysis data from the Korea Industrial Productivity database (KIP DB), showed a maximum gap of 0.45 percentage points depending on the labor indices used. These findings are expected to provide a reference point for future studies employing labor input indices. For the second objective, the impact of farm owners human capital on downside income volatility was examined using data from the Farm Household Economy Surveys for the period 2003-2021. Pooled ordinary least squares (OLS) estimation with time (panel group)-region fixed effects, allowing region clustered standard errors, was employed for analysis. Downside income volatility, or downside coefficient of semivariance, for three types of income (farm households agricultural income, off-farm income, and total farm income) was calculated using 4- or 5-year panel data. The explanatory variables in the model include farm households human capital (farm owners age or potential experience, and years of schooling), farm-adjusting variables (ratio of family labor used for farm work, degree of agricultural revenue concentration, and hours worked in farm work per family member), other farm characteristics (cultivating area, and ratio of agricultural income and off-farm income over total farm income), and control variables (household average income level for each income type, farm types, panel group and region dummies). Among the farm-adjusting variables, hours worked in farm work per household member was assumed to be inversely related to off-farm working time. This proxy variable was used as labor input in the off-farm work which was not available in the dataset. The analysis also assumed risk aversion and decreasing absolute risk aversion (DARA) of farm households, which implies downside risk aversion. Farm households human capital level affected their downside income volatility, although the effect varied depending on the type of income. Increasing potential experience reduced downside volatility in agricultural income and farm income. On the other hand, the increase in the number of years of education of the farmer reduced the downward volatility of total farm income, rather than the volatility of farm income or off-farm income. It seems that highly educated farmers with relatively high wages are more likely to manage the downward volatility of farm income by adjusting labor input between farm and off-farm activities. However, for off-farm income, years of schooling increased the downside volatility from the entire sample, contrary to expectations. Yet, this unexpected effect was not observed when the sample was confined to low farm income households, implying relatively large heterogeneity of risk preferences in high farm income households. Most of the farm-adjusting variables affected the volatility in directions consistent with the expectations, and some showed interaction effects with human capital variables. For example, highly educated farm owners effectively lowered the downside agricultural income volatility through farm revenue diversification. This resulted from their advantages in acquiring new information and cultivation skills. Furthermore, an increasing education level was associated with an increase in the downside volatility of farm income when interacting with hours worked in farm work per household member. Conversely, the downside volatility of farm income can be reduced by increasing off-farm work hours. Increasing the level of human capital among farm households, along with support for flexible family labor allocation and adjusting agricultural revenue concentration based on optimal decision-making, is expected to improve the effectiveness of farmers in managing their income volatility. For instance, policy makers could consider reducing discrepancy between the supply and demand of agricultural hired labor or increasing decent jobs in rural areas not only in response to labor shortage but also to alleviate the burden of income stabilization policies on farmers in the long run.

그간 우리나라 농업인력 규모가 크게 감소하고 그 구성 또한 변화하면서 농업 부문은 지속적인 인력 부족 문제를 겪고 있다. 이에 따라 농업인력 질적 증대의 중요성이 높아지고 있는데, 농업인력의 질 향상은 실질적인 노동투입의 양을 증가시키는 효과가 있을 뿐 아니라 농가의 소득에도 영향을 미칠 수 있기 때문이다. 본 연구는 농업인력 구성 변화에 따른 질적조정 노동투입, 즉 총노동투입지수를 도출하고, 농가의 인적자본 수준에 따라 농가소득의 하방변동성이 낮아지는 긍정적인 효과를 확인하고자 하였다. 먼저 농업 부문의 총노동투입지수를 도출하기 위해 다양한 출처의 노동통계 자료를 검토하고, 농업 부문 노동투입 지표 산출에 적합한 자료를 선택하였다. 해당 자료는 경제활동인구조사 및 부가조사, 지역별고용조사, 농가경제조사, 한국노동패널조사 원자료이다. 분석기간은 이용 자료에 따라 1991년～2021년 또는 2009년～2021년이다. 농업인력의 종사상지위, 성별, 교육, 연령 특성 범주를 조합하여 총 48개 특성 범주별 근로시간(노동투입량)과 시간당 노동보수(생산성) 자료를 구성하였다. 범주별 자료는 통크비스트 지수(Törnqvist index)로 합산하였다. 이용 자료와 노동보수 계산 방식에 따라 총 8개의 총노동투입지수를 도출한 결과, 임금농 노동보수만 이용하는 경우에 비해 자영농 노동보수를 별도로 적용하는 경우에 총노동투입지수가 더 작게 나타났다. 대다수 선행연구의 방식대로 임금농 노동보수만 이용하는 경우 농업 부문 총노동투입지수가 과대평가될 수 있다는 의미이다. 한편 농업인력의 학력별 구조 변화는 농업인력의 질적증대에 가장 크게 기여한 반면, 연령별 구조 변화는 농업인력의 질적 하락을 야기했다. 본 연구에서 제시한 농업 부문 총노동투입지수와 KIP DB 자료를 이용하여 1995년～2020년 총요소생산성을 도출한 결과, 총요소생산성 연평균 증가율의 최대 격차는 0.45%p였다. 본 연구 결과는 향후 노동투입 지표를 이용하는 다른 연구에 있어서 참고할 기준 자료로 이용될 수 있을 것으로 기대한다. 다음으로 5년 단위 패널 자료인 농가경제조사(2003년～2021년)를 이용하여 농가 경영주의 인적자본이 농업소득·농외소득·농가소득 하방변동성에 미치는 영향을 분석하였다. 하방변동성 지표는 농가별 4년～5년 간 소득의 하방 준변이계수이다. 표본그룹별 자료를 풀링하되, 표본그룹 및 권역 고정효과를 포함하여 일반 최소제곱법으로 추정하였다. 인적자본 변수로는 경력(경영주 연령 또는 잠재경력)과 학력(경영주 교육년수)을 사용하였다. 그러나 경영주 연령은 잠재경력에 비해 농가의 경력을 잘 대변하지 못하는 것으로 판단되어 잠재경력을 이용한 모형 위주로 검토하였다. 농가가 농업소득 하방변동성을 관리하기 위해 조정하는 변수는 농업노동 내 가족 노동투입 비중과 품목군 집중도이다. 농외소득 하방변동성을 관리하기 위해 조정하는 변수는 농외노동투입 시간이다. 단, 농외노동투입 시간은 농가경제조사에서 제공하지 않는다. 따라서 농외노동투입 시간과 반비례 관계가 있을 것으로 추정한 성인 가구원 1인당 농업투입시간을 사용하였다. 농가는 위험회피적이며 절대위험회피감소(DARA) 형태의 위험선호를 가진다고 가정한다. 분석 결과, 소득유형에 따라 결과에 다소 차이는 있으나 농가 인적자본 축적은 소득 하방변동성을 낮추는 효과가 있었다. 경영주의 잠재경력은 농업소득이나 농가소득의 하방변동성을 낮추었다. 경영주의 교육년수 증가는 개별 소득유형(농업소득, 농외소득)의 하방변동성보다는 전체 농가소득의 하방변동성을 낮추는 효과를 보였다. 상대적으로 농외활동의 시간당 보수가 높은 고학력 농가는 농업활동과 농외활동 간 노동투입을 조정하여 보다 용이하게 전체 농가소득 하방변동성을 관리하는 것으로 보인다. 한편 전체 표본 대상 분석에서 인적자본 수준은 기대와 달리 농외소득 하방변동성을 높이는 부정적 영향을 보였는데, 이는 고소득 농가 집단에서 위험선호도의 이질성이 크기 때문으로 추정하였다. 실제로 분석 대상을 저소득 농가로 한정하면 농외소득 하방변동성에 대한 교육년수의 부정적 효과는 없어지고 잠재경력의 긍정적 효과가 추가로 나타났다. 한편 농가 조정 변수는 대부분 예상과 일치하는 방향으로 하방변동성에 영향을 미쳤으며, 일부 모형에서 인적자본 변수와 상호작용을 통한 긍정적 효과를 보였다. 예를 들어 전체표본 대상 분석에서 고학력 경영주일수록 품목수입 다각화를 통해 농업소득 하방변동성을 효과적으로 낮추었다. 고학력 농가는 다각화를 통해 하방변동성을 낮추는 데 필요한 새로운 정보나 재배기술 습득에 유리하기 때문일 것이다. 또한 교육수준 증가는 전체표본과 고소득 농가에서 1인당 농업노동시간 증가와 상호작용하여 농가소득의 하방변동성을 늘리는 것으로 나타났다. 반대로 해석하면 고학력 경영주일수록 농업활동 시간을 줄이고 농외활동 시간을 증가시킴으로써 농가소득 하방변동성을 줄일 수 있다는 것이다. 농가의 자체적인 소득변동성 관리 효과를 높이려면 농가의 인적자본 수준을 늘리는 동시에, 농가가 최적 결정에 따라 원활하게 노동투입과 품목집중도를 조정할 수 있도록 도와야 할 것이다. 관련 방안으로 농업인력 수급 안정화, 고학력 농가 가구원이 종사할 수 있는 일자리 활성화 등이 있다. 이를 통해 농가의 자체적인 소득 하방변동성 관리가 이루어진다면 장기적으로 농가의 소득안정화 정책 부담을 줄일 수 있을 것으로 기대된다.