검색 상세

더블 머신 러닝을 이용한 제도의 효과 연구 : 재택근무의 조직성과에 대한 효과 분석

A Study on the Effects of Policy Using Double Machine Learning: An Analysis of the Effects of Telecommuting on Organizational Performance

초록 (요약문)

본 연구는 더블 머신 러닝을 이용하여 제도의 효과를 분석하기 위해서, 한국노동연구원의 사업체패널조사 자료를 이용하여 재택근무가 조직성과에 미치는 영향을 확인하고, 고정효과모형의 분석 결과와 비교하였다. 더블 머신 러닝은 일반적인 기계학습이 고차원의 장애변수가 존재할 때 갖는 정규화 편향 및 과적합 등의 문제를 해결하여 인과적 추론을 할 수 있는 통계적 방법이다. 분석 방법으로 더블 머신 러닝을 사용하였고, 더블 머신 러닝 사용에 앞서 성향 점수 매칭을 사용하여 통제집단 표본을 선정한 점에서, 재택근무제도의 효과성을 검토한 선행연구와 차별점이 있다. 더블 머신 러닝을 사용하였을 때 얻은 재택근무의 조건부 평균 처치 효과와 고정효과모형을 사용했을 때 얻은 재택근무의 회귀계수는 부호 및 크기, 통계적 유의성 면에서 다르다. 따라서, 재택근무제도의 사용은 조직성과에 유의미한 영향을 미치는 것으로 결론지을 수 없다.

more

초록 (요약문)

This study examines the conditional average treatment effect(CATE) obtained through double machine learning(DML), by analyzing the effects of telecommuting on organizational performance from Workplace Survey of the Korean Labor Institute for the years 2017 and 2019, and compares the results derived from fixed effects model. DML is a statistical approach used for causal inference, by reducing problems such as regularization bias and overfitting commonly found in traditional machine learning, in the presence of a highly-dimensional nuisance parameter. By utilizing DML in terms of the analysis method, and using propensity score matching to select control group samples before applying DML, this study contributes to the existing literature studying the effects of telecommuting. CATE of telecommuting through DML and regression coefficients of telecommuting from fixed effects model aren't same in the signs, numerical values, and statistical significance. Therefore, it doesn`t lead to the conclusion that the usage of telecommuting have a significant effects on organizational performance.

more