스펙이 기업 초봉에 미치는 영향 분석

1. 자료

실증분석에 필요한 자료는 실제로 기업에 취업한 신입사원들의 초봉과 스펙자료이다. 잡코리아와 독취사(네이버 카페)등을 통하여 76개 국내기업에 최근 입사한 신입사원 332명의 초봉과 스펙자료를 수집하였다. 실제로 기업들이 직접 신입사원들의 초봉을 밝히는 경우는 드물기 때문에 뉴스기사, 잡코리아 등과 같은 취업정보사이트에서 실제 신입사원들이 올려놓은 초봉을 토대로 개별 기업의 평균 기업초봉을 구하였다. 이때 인센티브는 동일한 기업내에서도 사람마다 다르게 받을 수 있기 때문에 제외하고 기본급여만을 기업초봉에 포함하였다.

스펙에는 기업에서 중요시할 것으로 기대되는 사항 중 잡코리아 등의 취업 사이트나 블로그 카페 등에서 취업에 도움이 된다고 하는 요인들을 반영하여 최종적으로 ‘8대 스펙’에 해당하는 출신대학교 레벨, 출신학과, 평균학점, 토익점수, 자격증, 어학연수, 인턴, 수상 횟수, 봉사활동 횟수를 선정하였다. 이들 자료는 기업이 공식적으로 취업자의 개인 정보를 제공하지 않는 상황에서 가용할 수 있는 최선의 자료라고 할 수 있다.

기업의 취업초기 기초 연봉은 평균 최소 2500만원에서 최대 6000만원까지로 분포하고있다. 학점은 평균 3.6수준으로 최소 2.25에서 최대 4.44까지의 범위로 분포하였다. 토익시험을 친 경험이 있고 토익점수가 있는 경우는 전체 대상자 332명 중 230명으로 69.2%가 해당되고 이들의 평균 토익점수는 847점이고 그 분포는 최저 525점에서 최대 990점에 이른다.

자격증 개수, 해외어학연수 횟수, 인턴쉽 횟수, 수상횟수, 봉사활동 횟수는 각각 최저 0회에서 최대 3-5회로 나타났다. 자격증의 경우는 대상자의 41.3%가 1개 이상 소지한 것으로 나타났고, 해외연수는 대상자의 25.7%가, 인턴쉽의 경우는 대상자의 26.3%가, 수상실적은 대상자의 29.6%가, 봉사활동은 대상자의 25.7%가 1회이상 경험이 있는 것으로 나타나서 대체로 최근 대졸 취업자 4명 중 1명 정도가 해외연수 및 인턴쉽, 수상, 봉사활동 경험이 있는 것으로 파악된다(Table 1).

Table 1.

Summary of basic variables: salary, 8 Specs, and company’s characteristics

한편 기업의 특성을 나타내는 자료(인력수와 산법분류군)는 네이버(naver.com)에서 각 기업명을 입력하여 추출한 것으로 본 연구 대상자료 332개 중에서 기업명을 기록한 264개 자료에서만 가용하였다. 기업의 인력수는 기업당 평균 7,351명이고, 최소 20명에서 최대 68,810명으로 분포하였다. 264개 기업의 산업분류는 6개군으로 분류하였고 산업군별 자료의 분포는 건설ㆍ중공업 17.8%, 금융ㆍ보헙업 7.6%, 제조업 37.1%, IT산업 18.9%, 항공ㆍ운수업 5.7%, 기타 교육ㆍ서비스업 12.9%로 나타났다(Table 1).

2. 분석모형

종속변수가 양적변수이지만 일정 범위 안에서는 관측될 수 없는 제한된 값을 가지는 경우가 있다. 예를 들어 y_i^* 가 일정값 이하이면 관측할 수 있고 y_i^*가 일정값 이상이면 관측 할 수 없는 경우를 들 수 있다. 이렇게 일정한 영역에서만 관찰되는 변수를 종속변수로 하는 회귀분석에는 토빗모형(Tobit model)이 사용될 수 있다(Maddala 1983). 본연구에서는 종속변수인 기업 초봉이 6,000만원 이하에서만 자료가 가용한 경우로서 다양한 스펙이 기업초봉에 어느 정도의 영향을 미치는지를 파악하고자 다음과 같은 토빗모형을 설정하였다.

여기서, x_i는 설명변수 벡터, β는 파라메타벡터를 나타내고, ϵ_i는 평균이 0이고 분산이 σ²인 정규분포를 따르는 오차항을 나타내며, ∇는 종속변수 y_i의 일정한 상한선 값을 나타낸다. 본 연구에서 종속변수인 기업 초봉이 6000만원 이하에서만 자료가 가용한 경우로서 식(1)을 기존의 최소자승법으로 추정하면 E(ϵ_i)ǂ0이기 때문에 β의 일치추정량을 얻을 수 없게 되는 반면 최우추정법(Maximum Likelihood Method)을 이용하여 일치추정량을 얻을 수 있다(Amemiya 1981).

이때 종속변수 y_i는 취업자의 기업초봉(연봉)이고, 설명변수 벡터 x_i에는 8대 스펙에 해당하는 학교관련변인, 어학관련변인, 자격증, 경험 관련변인이 포함된다. 학교관련요인에는 출신대학교, 출신학과, 대학평균학점이 포함되고, 어학관련 요인으로는 토익점수와 해외연수가 있다. 자격증관련 요인에는 자격증 개수가 포함되었고 경험관련 요인으로는 인턴경험 횟수, 수상 실적, 봉사활동 경험 횟수가 포함되었다. 아울러 기업의 연봉은 기업의 특성, 가령 기업의 규모나 기업의 산업분류군에 따라서 차이가 있을 것으로 보고 이들 요인을 포함한 경우와 포함하지 않은 경우로 구분하여 토빗모형 추정을 실행하였다. 그 밖에 개인속성 관련요인으로 성별과 취업당시 나이 등을 고려할 수 있으나 대부분의 사람들이 사이트나 카페에 취업 후기 및 합격 스펙을 올릴 때 성별이나 취업나이를 적는 경우가 드물어서 포함하기 어려웠다. 실제로 이들 변수는 개인의 노력과 무관한 성향의 요인으로 실질적인 스펙의 요소라고 볼 수 없다는 점을 고려하여 분석에서 배제하였다.

설명변수 개별로 보면 먼저 출신대학교 레벨의 경우 4년제 대학교를 중심으로 하되, 출신대학교의 지역적 위치에 초점을 두어서 서울소재 4년제 대학교, 수도권소재 4년제 대학교, 지방소재 4년제 대학교, 해외소재 대학교 및 대학원졸업으로 구분하였다. 해외소재 대학교 및 대학원졸업을 기준으로하는 더미변수를 설정하여 출신학교 레벨별로 기업초봉의 차이를 도출해보고자 하였다. 해외대학 출신은 상대적으로 외국어를 잘한다는 장점이 있을 것이고 대학원졸업자들은 대학원에서의 연구와 경험들로 기업에서 원하는 인재상에 보다 더 근접할 것으로 생각된다. 국내 대학교를 서울 4년제 대학, 수도권 4년제 대학, 지방 4년제 대학으로 구분한 이유는 일단 서울 및 수도권의 대학교에 들어갔다는 것은 입학 시 전국 학생들과의 경쟁에서 일차적으로 우수함을 인정받았다고 볼 수 있고 또한 우수한 대학교에서 양질의 교육을 받고 아울러 현직에 있는 출신 선배들로부터도 취업관련 정보를 손쉽게 얻을 수 있어서 취업에 유리할 것이라고 예상하기 때문이다.

출신학과의 경우는 경상대, 공대(자연대 포함), 인문사회대, 기타(예체능 등)로 구분하였다. 공대출신을 기준으로 더미변수를 설정하여 출신학과별 기업초봉의 차이를 도출해내고자 하였다. 출신학과로는 경상대와 공대출신의 초봉이 높을 것으로 사전적으로 예상하였다. 경상대 출신은 실제로 기업에 입사하여 마케팅, 전략, 기획, 금융, 인사 등 대학교에서 배운 것들을 유용하게 활용할 수 있을 것이라고 판단되고, 공대출신 또한 우리나라 대기업들의 대부분이 화학, 전자, IT, 기계 등을 기반으로 수익을 창출하기 때문에 학교에서 배운 것들을 기업에서 실제로 응용할 수 있다고 보았기 때문이다.

학점은 4.5만점인 학교와 4.0만점인 학교들이 있는데 4.5만점인 학교가 다수이고 4.0만점인 학교들이 소수이어서 모두 4.5만점으로 환산하였다. 학점은 대학생활 동안 얼마나 성실하게 열심히 공부했느냐를 판단하는 지표이다. 최근 블라인드 채용, 실무 중심 채용이라고 하여 공기업의 경우 학점을 고려하지 않는다 하지만 아직 대다수의 기업들은 학점을 기재하는 란을 없애지 않고 있기 때문에 기업에서 학점을 보고 지원자의 성실성을 판단할 것이라고 보고 학점이 높을수록 초봉이 높을 것을 기대하였다.

어학관련 요인 중 토익점수는 대다수의 기업에서 요구하고 있다. 기업의 입장에서 자유롭게 영어를 구사할 수 있는 인력을 채용하여 기업비젼을 실현 할 수 있는 최신 고급 정보를 해외로부터 수집할 수 있고 또한 해외시장을 직접 개척하여 기업 성장에 도움을 줄 수 있는 직원을 우대할 것이라고 본다. 이러한 현실을 반영한 대표적 지표로서 토익점수를 고려하였고 토익점수가 높을수록 기업의 초봉이 높아질 것이라고 예상하였다. 해외연수 또한 많은 세계 기업들이 거래처와의 기본적 회화를 요구하므로 해외연수 경험이 있을수록 초봉이 높을 것이라고 사전적으로 기대하였다.

자격증관련 요인으로 자격증 개수는 그 산업에 대해 얼마나 많은 관심과 노력이 있느냐를 보는 지표라고 생각하여 자격증이 많을수록 초봉이 높을 것을 기대하였다.

경험관련 요인 중 인턴쉽 경험은 최근 기업들이 실제 업무에 투입되었을 때 실무 경험을 바탕으로 바로 일에 적응할 수 있는 인재를 선호한다는 점에서 인턴경험 횟수가 많을수록 초봉이 높을 것이라고 예상하였다. 수상실적도 횟수가 많을수록 초봉이 높아질 것이라고 예상하였다. 기업이 주최하는 공모전에서 수상하였다는 것은 기업에 대한 관심도가 높다는 증거이자, 독창적인 아이디어를 낼 수 있는 증거라고 할 수 있기 때문이다. 봉사활동 경험 횟수는 많을수록 기업의 초봉이 높을 것이라고 예상하였다. 많은 기업들이 사회공헌활동을 하고 있을 뿐만 아니라 협업, 소통능력을 중요시하기 때문에 이를 증명해줄 수 있는 봉사활동 횟수가 많을수록 기업의 초봉이 높을 것이라고 예상하였다.

아울러 기업의 연봉은 구직자 개인의 스펙이전에 기업이 갖는 특성, 가령 기업의 규모나 생산 및 산업활동에 따라서 차이가 있을 것으로 이들 요인을 나타내는 기업의 총인력수와 기업의 산업분류군(6개군)을 추가적으로 포함하여 토빗모형 추정을 실행하였다.

한편 대부분의 기업에서 취업시 토익성적을 요구하는 실정에서 본연구의 대상자 332명 중 230명이 토익시험을 치뤘고 따라서 약 70%가 토익점수를 가지고 있는 것으로 나타났는데, 그렇다면 토익성적을 소지한 경우와 그렇지 않은 경우에 여타의 스펙과 어떤 연관이 있는지를 보기 위하여 로짓모형(Logit Model)을 설정하고 추정하였다. 누적로지스틱분포함수(cumulative logistic distribution function)는 다음과 같다(Maddala 1983).

$$ \begin{array}{cc}{P}_r\left(y_i=1\left|x_i\right.\right)=F\left(x_i\beta \right),\hfill & i=1,\dots ,n\hfill \end{array}$$

이때 F(.)가 로지스틱 분포를 한다고 가정하면,

$$ F\left(x_i\beta \right)={\left[1+\exp \left(-x_i\beta \right)\right]}^{-1}$$

여기서 y_i^*는 토익시험을 치뤄서 얻어지는 순효과 또는 효용을 나타내는 것으로 실제로 이는 관찰 가능하지 않고, 실제로 관찰가능한 것은 y_i로서, 순효과 y_i^*가 0보다 클 경우 토익시험을 치루고( y_i=1), 순효과가 0보다 작을 경우는 토익시험을 치루지 않는다(y_i=0). 토익시험을 치루는지 여부(즉, y_i=1, 0)에 영향을 미치는 설명변수 x_i로는 앞의 8대 스펙중에서 토익을 제외한 7대 스펙이 포함되었다. 아울러 토익점수가 있는 대상자들의 자료만을 이용하여 토익점수와 7대 스펙과의 관계를 토빗분석하였다.

1. 검정 결과

8대 스펙 중 자격증, 해외어학연수, 인턴쉽, 수상, 봉사활동 토익시험은 출신학교 및 출신학과 학점 등의 학교관련요인과 다르게 모든 취업자가 경험하거나 소지하는 것은 아니다. 그러나 이들의 경험 또는 소지 유무가 초봉에 차이를 가져올 것이라는 가정 하에 각 스펙별로 경험한 그룹과 경험하지 않은 그룹간의 초봉의 차이가 있는지를 검정하였다. 그 결과 해외어학연수, 인턴쉽, 봉사활동, 토익시험을 경험한 사람이 비경험자보다 매우 유의적으로 초봉이 높은 것으로 나타났다. 특히 인턴쉽 경험자는 비경험자에 비하여 1% 이내의 유의수준에서 초봉이 488만원이 더 높은 것으로 나타났으며, 봉사활동 경험자의 경우도 비경험자에 비하여 1% 이내의 유의수준에서 초봉이 296만원이 더 높은 것으로 나타났다. 자격증의 경우도 소지한 사람이 비소지자에 비하여 10% 이내의 유의수준에서 초봉이 다소 높은 것으로 나타났으나, 수상 경험은 초봉에 유의적인 차이를 주지는 않는 것으로 나타났다(Table 2).

Table 2.

Salary differences based on the experiences with test results

그렇다면 이들 스펙의 소지 유무 뿐 아니라 그 경험의 횟수의 차이가 초봉에 차이를 가져오는지를 판단하기 위하여 ANOVA test를 실시하여 F-값을 추정한 결과 인턴쉽의 경우는 경험 횟수가 많을수록 매우 유의적으로 초봉이 늘어나는 것으로 나타났고, 봉사활동과 해외연수도 10% 이내의 유의수준에서 경험 횟수가 많을수록 초봉이 유의적으로 증가 하는 것으로 나타났다. 그러나 자격증과 수상 실적은 그 횟수의 차이가 초봉에 유의적인 차이를 가져오지는 않는 것으로 나타났다(Table 2).

한편 현재 대졸 취업자의 약 70% 정도가 경험하는 토익 시험의 점수는 자격증, 해외어학연수, 인턴쉽, 수상, 봉사활동을 경험한 사람과 비경험자 간에 차이가 있는지를 살펴보기 위하여 t-검정을 실시하였다(Table 3). 해외연수, 인턴쉽, 봉사활동의 경우는 경험자가 비경험자에 비하여 토익 점수가 매우 유의적으로 높은 것으로 나왔다. 특히 해외연수 경험자는 비경험자에 비하여 토익 점수가 1% 이내의 유의수준에서 42점 정도가 더 높은 것으로 나타났다. 그러나 자격증과 수상 경험은 토익점수에 유의적인 차이를 가져오지는 않는 것으로 분석되었다.

Table 3.

Difference in the TOEIC scores based on the experiences with t-test results

2. 분석모형 추정 결과

스펙과 기업초봉과의 관계를 알아보기 위하여 토빗모형을 추정하였다. 이때 종속변수는 기업초봉(연봉)으로 하고 설명변수에는 상기한 8대 스펙을 사용한 경우(Model 1)와 추가적으로 기업의 특성에 해당하는 인력수와 산업분류를 포함한 경우(Model 2)로 추정하였다.

각 스펙이 기업초봉에 기여하는 정도를 보면 예상대로 학점과 토익점수가 기업초봉에 매우 중요하고 유의적인 변수로 확인되었다. Model 1의 결과에 의하면 평균 학점이 1점 오를 때 기업초봉이 453만원 증가하는 효과가 있고(p<0.001), 토익점수가 100점 오를 때 기업초봉이 250만원 증가하는 효과가 있는 것(p<0.001)으로 추정되었다.

출신대학교로 보면 해외대학 및 대학원졸업자의 기업초봉이 가장 높고, 다음은 서울 4년제 대학 > 지방 4년제 대학 > 수도권 4년제 대학의 순으로 초봉이 높은 것으로 추정되었다. 지방 4년제 대학 출신의 기업초봉이 수도권 4년제 대학 출신의 기업초봉보다 높게 추정된 것은 사전적 기대와는 약간 차이가 있다고 하겠다. 그 이유를 추측해 보자면 지방 4년제 대학교에 우수한 대학교들이 많다(가령, KAIST, DGIST, GIST, UNIST, 포항공대 등)는 점과, 또한 많은 기업들이 지역별 할당제도를 실시하고 있어서 지방거점국립대들은 대부분의 수도권 4년제 대학교보다 입시결과가 높고 또한 취업에서도 경쟁력이 있는 것으로 보여진다.

출신학과를 보면 공대(자연대 포함) 출신의 초봉이 가장 높고 다음은 경상대 > 인문사회대 > 기타대(예술대 포함)의 순으로 초봉이 높은 것으로 추정되었다. 이는 공대와 경상대출신의 초봉이 높을 것이라는 사전적 기대와 일치한다. 공대출신과 예술대 출신간의 초봉의 차이는 약 600만원 수준이며 이는 매우 유의적인 것으로 추정되었다. 공대와 경상대 출신 간의 기업초봉은 큰 차이를 보이지는 않는 것으로 추정되었으나 유의적이지는 않다. 다음은 개인의 활동영역에 관련되는 설명변수들이 기업초봉에 기여하는 정도를 살펴보면 인턴쉽 횟수, 봉사활동 횟수는 사전적 기대와 같이 횟수가 많을수록 초봉이 유의적으로 높게 추정되었다. 자격증은 자격증 개수를 떠나서 자격증의 소지가 기업초봉에 긍정적 영향을 주긴 하나 유의적인 요인으로 추정되지는 않았다. 반면 수상실적은 사전적 기대와 다르게 수상횟수가 늘어날수록 초봉이 감소하는 것으로 추정되었으나 유의적이지는 않았다. 이는 앞절에서 수상실적의 유무가 기업초봉의 차이에 유의적인 효과를 미치지 않는다는 결과와 일치한다. 이러한 결과는 수상실적을 낳기 까지 아이디어 창출과 프로젝트 완수를 위해 학우들과 함께 많은 시간과 노력을 할애하다 보면 상대적으로 학점관리나 토익시험 등에 투자할 시간이 부족하여 결과적으로 초봉이 높은 기업에 취업할 기회가 감소하지 않았을까 추측된다. 따라서 수상 실적이 많을수록 기업초봉이 낮아지는 것처럼 추정되어진 것으로 판단된다. 그러나 이에 대한 내용은 추후에 보다 구체적인 분석을 요하는 부분이라고 본다.

한편 해외연수는 그 횟수 보다는 해외연수 경험 자체가 기업초봉에 긍정적 영향을 미치는 것으로 추정되었다. 특기사항은 해외연수 경험이 토익점수와 함께 설명변수로 포함된 경우 토익점수가 기업초봉에 매우 유의적인 영향을 주는 변수인데 반하여 해외연수 경험은 기업초봉에 긍정적 효과를 주나 매우 유의적이지는 않았다(Table 4).

Table 4.

Regression results of salary

Model 2는 종속변수가 Model 1과 같이 기업초봉이고 설명변수로는 8대 스펙과 함께 기업의 특성에 해당하는 인력수와 6개 산업분류군(교육서비스업을 기준으로 더미 변수로서 사용)을 포함하여 분석한 경우이다. Model 2의 추정결과를 8대 스펙과 관련하여 보면 학점과 토익점수가 기업초봉에 미치는 영향력이 크게 감소한 반면에 기업의 인력수 즉 기업의 규모가 매우 중요한 요인으로 부각되었다. 또한 산업분류군별로 기업초봉의 격차가 매우 유의적인 것으로 나타났다. 기업의 규모가 클수록 기업초봉이 매우 유의적으로 높은 것으로 나타났고, 산업분류군별로 기업초봉을 보면 금융ㆍ보헙업이 가장 높고 다음은 건설ㆍ중공업 > 제조업 > 항공ㆍ운수업 > 기타 교육ㆍ서비스업의 순으로 나타났다(Table 4). Model 2의 추정결과 출신대학교별이나 출신학과별 기업초봉의 격차의 크기는 Model 1의 추정 결과와 차이가 있으나 그 순위는 Model 1의 추정 결과와 일치한다. 자격증과 해외연수경험 유무는 Model 2의 추정결과 전혀 유의적이지 않은 것으로 나타났다. 반면에 인턴쉽과 봉사활동은 많을수록 기업초봉에 유의적으로 긍정적인 효과를 미치는 것으로 나타났다.

토빗모형 분석을 통한 Model 1과 Model 2의 추정결과는 최소자승법(OLS)에 의한 회귀모형의 결과와 대동소이하게 나타났는데 이는 종속변수의 상한선에 해당하는 자료수가 전체자료의 극히 일부에 불과한 4개 또는 3개에 불과한데 기인한다. 토빗분석에서와 동일한 종속변수 및 설명변수를 이용하여 OLS에 의한 추정결과 Model 1의 설명력은 $$ R_{OLS}^2$$=0.405, Model 2의 설명력은 $$ R_{OLS}^2$$=0.532로 나타났다. 즉 기업초봉의 47∼60%는 8대 스펙과 기업의 규모 및 산업분류 이외의 요인들에 의하여 결정된다고 볼 수 있다.

앞에서 토익 성적이 기업초봉을 설명하는 중요한 요인으로 나타났다. 그렇다면 토익점수의 유무 즉 토익 시험을 치르고 안치르고가 어떤 요인에 주로 영향을 받을까에 대한 의문이 있다. 이를 위해 다음과 같이 토익점수 유무(유 1, 무 0)를 종속변수로 하고 토익을 제외한 7대 스펙을 설명변수로 한 로짓모형(Logit model)을 추정하였다. Table 5에는 로짓모형 추정결과가 제시되었다. 먼저 해외연수 유경험자가 무경험자에 비하여 토익시험을 치를 확률이 매우 유의적으로(P<0.001) 높게 나타났다. 학교관련요인을 보면 대학 평균학점이 높은 사람일수록 토익시험에 도전할 확률이 유의적으로 높게 추정되었다. 출신대학교로 보면 서울 4년제 대학 출신일수록 또는 수도권 4년제 대학 출신일수록 지방 4년제 대학 졸업자에 비하여 토익시험을 치룰 확률이 유의적으로 높게 나타났다. 그러나 출신학과는 토익점수 유무에 유의적인 영향을 미치지 않는 것으로 나타났다. 한편 인턴쉽, 수상실적, 봉사활동이 많다고 해서 토익시험에 도전할 확률이 높다고 볼 수는 없다.

Table 5.

Estimation results of the TOEIC test

그러면 실제로 이들 7대 스펙과 토익성적과의 관계는 어떠한지를 보자. 토익성적의 경우 만점 990점을 상한선으로 책정하고 있어서 영어에 매우 탁월한 경우도 상한선인 990점에 그치게 된다. 본 분석에서 총 230개 자료 중 3개 자료에서 토익성적이 상한선 990점으로 나타났고, 따라서 토익성적을 종속변수로하고 7대 스펙을 설명변수로 하는 토빗모형을 추정하였다. 스펙별로 토익성적에 대한 기여도를 보면 학점이 높을수록, 해외연수경험이 있을수록 토익성적이 매우 유의적으로(P<0.001) 높게 추정되었다. 출신대학교로 보면 서울 4년제 대학 출신이 비서울권대학 출신보다 토익점수가 매우 유의적으로 높게 추정되었다. 출신학과로 보면 경상대 출신일 경우가 비경상대 출신에 비하여 1%이내의 유의수준에서 토익성적이 50.3점 더 높게 추정되었다.