1. 자료

이 연구에서 장애인 흡연의 가격탄력성과 소득탄력성을 추정하기 위해 장애인고용패널 1차 웨이브의 4차-8차년도 자료를 분석한다. 장애인고용패널조사는 장애인의 고용 및 삶의 질에 대한 전반적인 정보를 파악하기 위하여 2008년부터 도입된 조사이다(민준영 등, 2016). 이 조사는 제주 및 도서를 제외한 전국의 2008년 1월 1일 기준 만 15세 이상 75세 이하이며 현행 장애인복지법에서 정한 15가지 장애유형을 지니고 있는 장애인을 모집단으로 이루어졌다. 등록장애인 명부 및 2005년 인구주택총조사를 바탕으로 표본틀을 구성한 후 지역별, 장애유형별, 연령별로 층화하여 표본을 선출하였다. 장애인 고용패널조사는 매년 동일한 장애인을 추적조사하는 종단조사로 이 연구에서는 4차년도 조사(2011년)부터 8차년도 조사(2015)까지 자료를 분석한다. 1차년도 조사시 5,092명이었던 패널은 4차년도 조사에서 4,397명이 응답하여 원표본 유지율이 86.4%에 달했으며, 8차년도 조사 시 3,983명이 응답에 참여하여 원표본 유지율이 78.2%를 기록하여 매우 높은 추적 조사율을 유지하였다.

패널자료의 활용을 4차-8차년도로 한정한 것은 이 연구에서 가장 핵심적인 변수인 흡연여부에 대한 질문이 이 기간에 이루어졌기 때문이다. 흡연량에 대한 질문 또한 4차 조사부터 이루어졌으나 애석하게도 6차(2013년)까지만 이어졌다. 이 연구에서 관심이 있었던 것은 2015년 담배가격의 급격한 상승으로 인한 금연 비율의 변동을 활용한 가격 탄력성의 추정이었기 때문에 흡연량에 대한 분석은 이루어지지 않았다.

앞서도 밝힌 것처럼 이 연구에서는 집합수준과 개인수준의 두 가지 수준에서 자료를 구성하였다. 집합수준의 자료는 이들 원자료로부터 장애인 흡연율을 추정하여 사용하고, 개인수준 자료는 이들 원자료의 종단 자료를 활용하여 분석 자료를 구성하였다. 집합수준의 자료는 아래 변수의 측정에 대한 논의에서 더 기술하기로 하고, 개인수준의 자료를 만든 방법을 기술하기로 한다.

우선 후술할 모든 변수들에서 결측값이 하나라도 있는 사례는 모두 제거하는 완전사례법을 사용하여 결측값을 처리하였다(Allison, 2002). 그런 후 4차조사부터 8차조사까지 5년에 걸쳐 모든 조사에 응답한 응답자를 추출하여 균형 패널(balanced panel)을 만들었다. 균형 패널을 만든 이유는 다양한 회귀모형 분석에 있어 동일한 사례들을 분석함으로써 추정값간 비교가능성을 높이기 위해서였다. 예를 들어, 단순 최소제곱법을 사용한 추정에는 비균형 패널 자료를 사용할 수 있으나 1차 차분 모형에서는 모형 추정의 특성 상 특정 시기와 그 이전 시기에 모두 응답한 사례들만을 사용할 수 있기 때문에 두 방법에 있어 다른 사례들을 분석하게 된다. 이렇게 다른 사례들을 분석하게 되면 추정값의 차이가 추정방법에 연유하는 것인지 아니면 분석 사례들에 기인하는 것인지 판단할 수 없는 문제가 생긴다. 후자의 가능성을 없애려면 균형 패널을 만들어 사용하는 것이 가장 좋은 방법이기 때문에 이 연구에서는 균형 패널을 만들었다. 이렇게 균형 패널을 만들었을 때, 자료에 포함된 장애인의 수는 3,661명이었으며, 총 관측 수는 3,661*5=18,305개였다.

2. 변수 측정

집합수준의 자료에서 활용하는 변수는 비장애인의 흡연율과 장애인의 흡연율, 그리고 담배가격지수가 있다. 비장애인의 흡연율은 질병관리본부에서 펴내는 국민건강통계에 담겨 있는 현재 흡연율에 대한 추정치를 국가지표체계로부터 내려 받았다1). 이때 현재 흡연율은 평생 담배 5갑(100개피) 이상 피웠고, 현재 담배를 피우는 분율로 측정되었다.

장애인 흡연율은 장애인고용패널 1차웨이브의 4차부터 8차년도에서 수집한 흡연에 관한 응답으로 측정하였다. 질문은 “평소에 담배를 피우십니까?”로 이루어졌고, 원자료에는 “피운다”와 “피우지 않는다”로 변수값이 주어져 있다. 이를 이용하여 “피운다”에 1의 값을 주고 “피우지 않는다”에 0의 값을 주어 전체 사례에서 1의 값 비율을 계산하여 흡연율로 처리하였다. 장애인 흡연율은 두 가지 방법으로 계산하였는데, 첫 번째는 전체 원자료를 사용한 후 횡단가중치를 주어 흡연율을 구하였다. 이때에는 다른 변수에 대한 고려 없이 흡연여부에 대한 변수만으로 흡연율을 추정하였다. 다음으로, 개인수준 분석에 사용된 종단 자료로부터, 다시 말해 뒤에서 상술할 다양한 변수들의 결측 사례를 제거한 상태에서, 가중치를 주지 않고 흡연율을 구하였다. 여러 변수들의 결측과 종단 추적으로 대표성이 약화되는 개인수준의 자료 분석이 횡단면을 대표하는 집합수준의 자료 분석과 얼마나 다르게 나타나는지 대해 대체적인 가늠을 할 수 있기 때문에 이렇게 두 가지 수준의 흡연율을 추정하였다.

집합수준과 개인수준의 분석 모두에서 사용한 주요 설명 변수인 담배가격은, 통계청 홈페이지에서 내려받은 각년도별 품목별 소비자물가지수로 측정하였다(통계청, 2017). 이 가격지수는 2015년을 100으로 나타냈을 때 각 년도의 물가 수준을 보여주고 있다.

개인수준의 자료에서는 위에서 상술한 흡연여부 및 담배가격지수에 더해 매우 다양한 변수를 활용하였다. 우선 흡연의 소득탄력성을 구하기 위해, 개인소득과 가구소득 정도를 측정하였다. 이들 소득은 만 원 단위로 이루어졌으며, 분석에서는 연속변수로 취급하였다.

차별경험 변수는 “일상생활 상의 차별경험”에 대한 질문을 4점 척도(“전혀 없음”부터 “매우 많음”)로 측정한 것으로, 연속변수로 취급하였다. 연령은 각 년도의 연령을 나타내며 이 또한 연속변수 취급하였다. 성별은 남성과 여성을 나타내며, 남성을 기준으로 여성에 대한 가변수(dummy variable)를 생성하였다. 장애유형은 네 가지 장애유형인 신체외부장애, 감각장애, 정신적 장애, 신체내부장애에 대한 범주형 변수로, 첫 번째 범주를 기준으로 나머지 세 범주에 대한 가변수를 생성하였다. 장애등급은 1급부터 6급까지 이루어진 변수로 연속변수 취급하였으며, 작은 값이 장애정도가 심한 것을 나타내기 때문에 이 변수를 해석할 때는 주의할 필요가 있다.

교육수준은 무학, 초졸, 중졸, 고졸, 그리고 대졸 이상의 5개의 범주로 이루어져 있으며, 회귀분석에서는 첫 범주를 기준으로 나머지 범주들에 대한 가변수를 만들었다. 혼인상태는 미혼, 유배우자 및 기타의 세 범주를 가지고 있으며, 첫 범주를 기준으로 나머지 두 범주에 대한 가변수를 생성하였다. 경제활동상태는 취업자, 실업자, 비경활인구의 세 범주로 되어 있으며, 이 또한 첫 범주를 비교 대상으로 설정한 후 나머지 두 범주에 대한 가변수를 생성하였다. 거주지역은 서울과 광역시, 기타의 세 범주로 되어 있고, 서울을 기준으로 나중의 두 범주를 나타내는 각각의 가변수를 만들었다. 가구원 수는 현재 거주하는 가구의 구성원 수를 나타내며, 연속변수 취급하였고, 장애인 가구원 수는 현재 가구원 중 장애인 가구원 수를 뜻하며, 이 또한 연속변수 취급하였다.

3. 분석 방법

이 연구에서는 다양한 통계 모형을 활용해 흡연의 가격탄력성 및 소득탄력성을 추정한다. 집합수준의 담배가격지수 P와 흡연율 R이 두 시기에 주어졌을 때, 가격탄력성을 구하는 가장 간단한 방법은 다음의 <식 1>을 사용하는 것이다(World Health Organization [WHO], 2017).

이렇게 구한 가격탄력성은 가격과 흡연율의 강한 외생성을 가정하기 때문에 적절한 추정치는 되지 못하지만, 용이하게 구할 수 있고, 비장애인과의 비교를 위해 유용하다는 장점이 있다. 외생성의 가정을 완화하는 한 가지 방법은 두 변수, 즉 가격과 흡연율에 영향을 주는 변수들을 통제하는 회귀모형을 구성하는 것이다. 하지만 집합수준의 자료는 2011년부터 2015년까지 5개의 사례만을 담고 있기 때문에 다양한 변수를 통제할 수 없는 한계가 있다. 그럼에도 불구하고 이 연구에서는 다음의 모형을 추정하였다.

<식 2>에서 Y는 연도를 나타내는 변수이고 ϵ은 잔차를 뜻한다. 흔히 전통적 선형모형(conventional linear model)이라 불리는 <식 1>의 계수 β₁은 가격탄력성으로 해석할 수 없고, t 시기 가격탄력성으로 만들어 주기 위해서는 β₁*P_t/R_t를 구한다(Wilkins, Yurekli & Hu, 2001). 이 연구에서는 2015년의 가격탄력성에 관심이 있기 때문에, 해당 년도의 값을 사용하기로 한다.

<식 2>를 추정하는 다양한 방법이 있으나, 여기에서는 단순 최소제곱법(ordinary least squares)과, 개인수준 패널 모형과의 일관성을 확보하기 위해, 1차 차분 방법(first-difference estimator)을 사용하여 계수를 추정하였다(민인식, 최필선, 2012; Wooldridge, 2002). 1차 차분 방법을 사용할 때, 연도 변수는 차분 시 모두 1의 값을 가지므로 사례 간 변이가 없어 추정과정에서 자동적으로 누락되므로 β₂ 계수는 구할 수 없다는 점 또한 밝힌다.

개인수준의 종단 자료를 분석할 때는 풍부한 통제 변수를 얻을 수 있다는 장점이 있다. 여기에서는 두 가지 모형을 추정하였는데, 우선 다음의 <식 3> 모형을 추정하였다.

개인수준의 자료에서 R은 흡연 여부를 뜻하는 이항변수로, <식 3>은 이항 종속변수를 설명변수들의 선형 모형으로 예측한다는 점에서 선형확률모형(linear probability model)로 알려져 있다(Wooldridge, 2002). 통상 이항 종속변수를 예측할 경우 로짓이나 프로빗모형을 많이 사용하지만, 이들 모형에서 도구변수를 활용하여 고정효과 모형을 추정하는 패널분석기법이 발달되어 있지 않기 때문에 이 연구에서는 선형확률모형을 사용한다. <식 3>에서 II는 개인소득을 나타내고, HI는 가구소득을 나타내며, X는 앞서 소개한 다양한 통제변수들을 의미한다. <식 3>를 추정하는 다양한 방법이 있으나, 다른 추정값들과의 비교를 위해 여기에서는 단순 최소제곱법에 더해 1차 차분 방법을 적용한 결과를 보고한다.

마지막으로 흔히 근시안적 중독 모형이라고 알려진 다음의 <식 4> 또한 추정한다.

<식 3>과 비교했을 때, <식 4>는 한 시기 이전의 흡연 여부가 설명변수로 포함되어 있다는 점에서 차이가 있다. 즉 <식 4>는 한 시기 이전의 흡연 여부가 현재 시기 흡연 여부에 영향을 준다고 보는 관점을 구체화하고 있으나 미래 소비에 대한 예측이 영향을 주지는 않는다는 가정을 하기 때문에 근시안적 중독 모형(myopic addictive model)이라고 알려져 있다.

잔차의 시계열 연관으로 인해 <식 4>의 계수들을 추정하는 것은 쉽지 않은데, 가장 많이 사용되는 추정방법이 1차 차분 도구변수 방법과 Arellano-Bond의 generalized method of moments (GMM) 방법이다(민인식, 최필선, 2012). 이 연구에서는 Stata 12에서 사용할 수 있는 이 두 가지 방법으로 계수를 구한 후 가격탄력성 및 소득탄력성을 구하였다(StataCorp, 2012).

이 연구에서는 R을 이용하여 분석 자료를 만들고 그림을 그렸으며(김현식, 2017), 최소제곱법이나 1차 차분 모형과 같은 통계 모형을 추정하기 위해서는 Stata 12를 사용하였음을 밝힌다.

1. 집합수준의 시계열 분석

<표 1>은 연도별 담배가격지수와 비장애인 흡연율, 두 가지 유형의 장애인 흡연율 추정값을 제시하고 있다.

<표 1>은 다양한 값들이 제시되어 있고, 흡연율의 변화가 그리 급격하지 않지 않기 때문에 전체적인 경향을 읽어내기 쉽지 않다. 보다 단순한 경향을 파악하기 위해 [그림 1]에 가격과 흡연율의 변화를 시계열로 제시하였다.

[그림 1]을 보면 다양한 경향들을 파악할 수 있는데, 무엇보다 세 가지 유형의 흡연율이 2011년부터 2014년까지 하락하는 경향을 보여주고 있다. 이러한 흡연율 하락은 가격 변동이 가장 컸던 2014~2015년 사이에만 발생했던 것이 아니라 그 이전부터 지속적으로 하락하고 있었다는 점을 언급할 만하다. 하지만 2014~2015년의 기간 동안 흡연율 하락이 다른 기간에 비해 더 컸다는 것을 부인하는 것은 어려운 것 같다.

새창으로 보기

그림 1.

장애인과 비장애인의 흡연율 및 담배가격지수의 연도별 변화

이에 더해 장애인 흡연율을 어떤 방식으로 추정하느냐에 따라 약간 다른 결과가 나오는 것을 본다. 즉 흡연여부 변수만을 사용하고 횡단가중치를 주어 구한 흡연율은 종단 자료로부터 얻은 흡연율보다 낮은 것으로 나타나며, 그 흡연율 차이 또한 시간이 갈수록 커지고 있다. 만약 횡단가중치를 주어 구한 흡연율이 더 신뢰할만한 값이라고 한다면, 종단 자료에 들어 있는 사례들은 흡연자들을 과대대표하는 것으로 볼 수 있다. 그 원인으로는 다양한 가설이 제시될 수 있으나, 아마도 건강과 관련된 요인이 가장 중요한 가설이라고 생각된다. 즉, 건강한 장애인들이 흡연할 가능성도 높고, 종단 자료에 지속적으로 응답할 가능성도 높은 것으로 추측해 볼 수 있다.

[그림 1]로부터 장애인과 비장애인의 흡연율을 비교해 보면 두 집단 사이에 그리 큰 차이를 보이지 않는 것을 알 수 있다. 이 또한 장애인의 흡연율 추정치로 어떤 값을 선택하느냐에 따라 약간 다른 결론을 내릴 수 있는데, 횡단가중치를 주어 구한 값을 더 좋은 추정값들이라고 한다면 2013년을 제외하고 장애인의 흡연율이 비장애인의 흡연율에 비해 낮다. 이러한 결과는 장애인의 흡연율이 비장애인보다 높다는 선행 연구들과 결론을 달리하지만(최민혁, 최진혁, 2016), 장애인의 흡연율이 약간 낮다는 연구와 일치한다(Lee et al., 2014).

<표 1>은 <식 1>을 활용해 구한 가격탄력성 추정값도 보여주고 있다. 이들 추정값을 보면 연도별로 변동이 극심해 일관된 값을 보여주지 못하고 있는데, 이는 2014년까지 담배가격의 변동이 매우 작았기 때문이다. 다만 2014년과 2015년 사이 가격탄력성이 비장애인의 경우 −0.122이고 장애인의 경우 −0.142와 −0.152의 값을 보여주고 있다. 이러한 값은 2015년의 가격을 두배로 올릴 때, 즉 100%의 변화를 주었을 때, 흡연율은 각각 12.2%, 14.2%, 15.2% 떨어질 것이라고 해석할 수 있다. 이러한 결과에 기초했을 때 흡연의 가격탄력성은 비탄력적이라는 결론을 내릴 수 있을 것으로 보인다. 하지만 장애인이 비장애인에 비해 가격변화에 더 탄력적이다, 혹은 가격 상승에 더 민감하게 반응하는 것으로 판단된다.

방법론 관련 부분에서 제시했던 것처럼 <식 1>을 사용하여 가격탄력성을 구하는 것은 가격과 흡연율의 강한 외생성 가정을 요구하기 때문에 이러한 가정을 완화하기 위해 동일한 시계열 자료를 <식 2>의 모형으로 추정한 가격탄력성 결과를 <표 2>에 제시하였다.

<표 2>에 제시한 가격탄력성을 <표 1>의 결과와 비교해보면, 단순 최소제곱법을 사용하든 1차 차분 추정법을 사용하든 비장애인의 경우 상당히 낮아진 것을 볼 수 있다. 이에 반해 장애인의 가격탄력성은 원자료와 횡단가중치를 사용한 흡연율로 추정했을 때 일관되지 않은 값이 나타나는 반면, 종단 자료의 시계열 흡연율을 사용하면 이전과 유사한 값들이 나타나는 것을 본다. 이런 점에 기초하여 <표 2>로부터 내릴 수 있는 일관된 결론은 흡연율의 가격탄력성이 크지 않다는 것, 그리고 장애인의 가격탄력성이 비장애인의 가격탄력성보다는 탄력적이라는 것이다.

2. 개인수준 종단 분석

앞선 집합수준의 시계열 분석은 관찰 사례수의 제한으로 인해 가격과 흡연율 모두에 영향을 주는 변수를 통제할 수 없었다. 이런 문제로 인해 개인수준의 종단 분석을 통해 더 많은 변수들을 통제하고, 가격탄력성에 더해 소득탄력성을 추정하고자 한다. 이를 위해 우선 종단 자료의 기술통계를 살펴보고자, <표 3>에 2011년 변수들의 분포를 제시하였다. 개인수준의 종단 자료는 3,661명의 균형 패널 자료로 되어 있기 때문에 관찰이 이루어진 첫해인 2011년의 변수별 분포를 작성하여 보여주었다.

<표 3>에는 전체 사례에 대한 분포 뿐 아니라, 흡연자와 비흡연자의 비교를 위해 흡연상태별 변수의 분포 또한 제시하였다. 이를 보면 2011년 기준 약 26.4%가 흡연을 하고 있다고 보고하였다. 시간이 지남에 따라 흡연율이 어떻게 변하였는지를 살펴봄으로써 장애인 흡연의 특성을 이해할 수 있기 때문에 아래 <표 4>에서는 연도에 따른 흡연 여부별 조건부 전이 확률을 제시하였다.

<표 4>를 보면 2011년 비흡연 장애인 중 5.1%는 2012년 흡연을 한다고 보고한 반면 나머지 94.9%는 비흡연 상태를 유지하고 있다. 이에 반해 2011년 흡연자였던 장애인 중 18.0%가 2012년 비흡연 상태로 전환하였으며, 나머지 82.0%가 흡연을 유지하고 있는 것으로 추정되었다.

이런 방식으로 <표 4>를 해석하면, 연도의 변화에 따라 몇 가지 일관된 경향을 관찰할 수 있다. 우선 전년도 비흡연자들 중 다음 년도에 흡연자가 되는 비율이 지속적으로 줄어들고 있음을 확인할 수 있다. 또한 전년도에 흡연자였던 사람들 중 비흡연자로 전환하는 비율이 줄어드는 경향을 보이다 2014년과 2015년 사이 그 비율이 많이 늘어났다. 이러한 결과는 2015년의 가격인상은 비흡연자였던 장애인이 흡연자로 전환하는 비율을 줄이는데 기여하기 보다는 원래 흡연자였던 장애인들이 비흡연자로 전환하는 비율을 늘리는데 기여한 것으로 풀이할 수 있다. 이에 더해 비흡자 중 흡연자로 전환하는 비율이 줄어들고 흡연자가 비흡연자로 되는 비율이 줄어드는 경향은 우리의 자료가 종단자료이기 때문에 나타나는 현상으로 파악된다. 즉 시간이 지남에 따라 상태를 바꿀 사람들이 이미 이전에 바꾸었기 때문에 상태를 전환할 사람이 줄어드는 것으로 해석할 수 있다. 이런 점에서 2015년의 가격인상은 흡연자들이 금연으로 돌아서는데 상당한 영향을 준 것으로 풀이할 수 있다.

다시 <표 3>으로 돌아가, 흡연자와 비흡연자 사이의 변수 분포 차이를 살펴보면 몇몇 흥미로운 결과를 발견하게 된다. 우선 개인 소득에 있어 흡연자들의 소득이 높은 것을 볼 수 있는데, 이렇게 커다란 차이는 많은 부분은, 앞서 지적한 것처럼, 건강이라는 변수에 의해 혼동되어(confounded) 있는 것으로 판단된다. 즉 건강한 장애인들이 개인소득도 높고 흡연 상태를 유지할 가능성이 높기 때문인 것으로 판단된다. 또한 비흡연자의 경우 남성과 여성이 유사한 비율을 보이고 있으나, 흡연자의 경우 남성이 월등히 많은 비율을 차지하고 있어, 성별에 따른 흡연 성향의 차이를 볼 수 있다. 장애등급에 따른 차이도 볼 수 있어 흡연자들의 평균 장애등급이 비흡연자들에 비해 높은 것, 다시 말해 장애 정도가 약한 것을 볼 수 있다.

경제활동상태와 흡연 상태 또한 매우 밀접한 관련을 맺고 있어, 흡연자들 중 취업자의 비율이 비흡연자들 중 취업자의 비율보다 월등히 높은 것을 볼 수 있다. 이는 취업이라는 상태가 흡연을 많이 하게 하는 유인을 가지고 있기 보다는 제 3의 변수인 건강에 의해 설명되는 것으로 판단된다.

<표 5>는 이러한 특성을 보이는 자료를 <식 3>의 모형으로 추정한 계수값과 가격탄력성 및 소득탄력성에 대한 추정값을 제시하고 있다.

<표 5>를 보면 <식 3>을 추정하는 방식에 따라 상당히 다른 통계적 추론을 하게 되는 것을 볼 수 있다. 즉 최소제곱법으로 추정했을 때와 1차 차분 추정법을 사용했을 때, p-값이 일관되게 0.05 작게 나온 변수는 보이지 않는다. 이러한 결과는 아마도 최소 제곱법으로는 관찰할 수 없는 개인 간의 특성이 우리의 자료에 많이 들어 있기 때문으로 판단된다. 즉 그런 특성을 통제할 수 없는 최소제곱법에서는 다양한 변수들이 통계적으로 유의미하게 나타나지만, 이런 관찰하지 못한 개인 특성을 추정방법으로 통제하는 1차 차분 추정법에서는 변수들이 유의미하게 나타나지 않는다는 것은 그만큼 측정하지 못한 강한 개인 특성들이 패널 자료에 들어 있다는 것을 암시한다. 아마도 이런 점 때문에 1차 차분 모형 결과를 더 선호하게 되는데, 이 결과를 보면 가격의 계수가 유의미하고 그 탄력성은 −0.152인 것으로 추정된다. 이에 반해 개인소득이나 가구소득의 계수는 통계적으로 유의미하지 않고, 탄력성의 크기도 매우 작아 특별한 의미를 부여하기 어렵다.

아래 <표 6>에는 앞선 모형을 더 확장하여 과거 시기 흡연 여부 또한 설명 변수로 통제한 <식 4> 모형의 추정 결과를 보여주고 있다.

그 결과를 보면 통계적 유의도에서는 일관된 결론을 도출할 수 있는데, 1년 전 흡연 여부와 가격 변수만이 통계적으로 유의하게 나오고 그 어떤 변수도 통계적으로 유의하게 나오지 않고 있다. 가격탄력성에 대한 추정치를 살펴보면 도구변수 1차 차분 추정법을 사용하면 가격탄력성은 −0.128정도가 나오고, Arellano-Bond 추정법을 사용하면 가격탄력성이 −0.217이 나와 후자의 추정법에서 탄력성의 절대값 크기가 더 크게 나온다. 하지만 개인소득과 가구소득의 계수는 통계적으로 유의미하지 않고, 탄력성 추정치 또한 거의 0에 가깝기 때문에 큰 의미를 부여하기 어렵다.