---
type: paper
slug: sonja-walter-2022-susceptible-skills-obsolescence
title: >-
  How Susceptible are Skills to Obsolescence? A Task-Based Perspective of Human
  Capital Depreciation
authors:
  - '[[sonja-walter]]'
  - '[[jeongdonglee]]'
year: 2022
venue: '[[foresight-and-sti-governance]]'
volume: '16'
issue: '2'
pages: 32-41
doi: 10.17323/2500-2597.2022.2.32.41
categories:
  - '[[labor-economics]]'
methods:
  - '[[mincer-equation]]'
  - '[[neumann-weiss-model]]'
  - '[[panel-fixed-effects]]'
  - '[[task-based-approach]]'
themes:
  - '[[human-capital-depreciation]]'
  - '[[skill-obsolescence]]'
  - '[[job-polarization]]'
  - '[[vocational-education]]'
  - '[[lifelong-learning]]'
  - '[[technology-complementarity]]'
  - '[[fourth-industrial-revolution]]'
aliases: []
last_updated: '2026-05-20T02:18:39+09:00'
---
# How Susceptible are Skills to Obsolescence? A Task-Based Perspective of Human Capital Depreciation

*[[sonja-walter]], [[jeongdonglee]] (2022)* · [[foresight-and-sti-governance]] 16:32-41 · [DOI ↗](https://doi.org/10.17323/2500-2597.2022.2.32.41)

> 디지털화·자동화가 *어떤 종류의 인적 자본을 가장 빨리 진부화* 시키는가 라는 질문을. [[german-socio-economic-panel]] 1984-2017 의 *교육-경험-임금* 패널에 [[mincer-equation]] + [[neumann-weiss-model]] 확장 + [[panel-fixed-effects]] 적용. 핵심 발견: *고숙련일수록 감가상각 빠름* — 연간 [[skill-obsolescence]] 율 [[vocational-education]] (VET) 1.1% / Higher VET 1.4% / University 1.2%. 5 task type 분리 추정에서 [[non-routine-interactive-tasks]] (Higher VET 2.3%, University 2.0%) 가 *가장 빠른 진부화* — [[technology-complementarity]] 가 driver. [[temep]] 의 *제3기 거시-미시 통합* 라인의 *노동시장 micro counterpart* 확장.

- **RQ**: 인적 자본 (human capital) 의 *감가상각률 (depreciation rate)* 이 교육 수준 + 직무 task 유형에 따라 어떻게 달라지는가, 그리고 *기술 complementarity 가 강한 task* 가 더 빠른 [[skill-obsolescence]] 를 보이는가.
- **방법론**: [[mincer-equation]], [[neumann-weiss-model]], [[panel-fixed-effects]], [[task-based-approach]]
- **데이터**: 독일 [[german-socio-economic-panel]] (SOEP v34i) 1984-2017, N=266,234 임금 obs + N=488,577 person-year obs, 5 education level (Middle / VET / Higher VET / High school / University) × 5 task type.
- **주요 발견**: 연간 감가상각 — VET 1.1%, Higher VET **1.4%** (max), University 1.2% (모두 p<0.001). Task-type 분리에서 [[non-routine-interactive-tasks]] (Higher VET 2.3%, University 2.0%) > [[routine-cognitive-tasks]] (1.6-2.1%) > [[non-routine-manual-tasks]] (1.5-1.9%) > [[non-routine-analytical-tasks]] (0.9-1.2%) > [[routine-manual-tasks]] (1.1-1.5%).
- **시사점**: *고등 교육 + 기술 보완 task 가 가장 빠른 감가상각* — Universal upskilling 정책의 한계. *Lifelong learning + general skill 강화* 의 필요성 정량 anchor.

![Task type 별 educational depreciation rate 분포 — 비루틴 interactive · 루틴 cognitive 가 가장 빠른 감가상각, 비루틴 analytical 이 가장 느린 감가상각. *고숙련 + 기술 complementarity* 의 비대칭 패턴 시각화.](/papers/202206_WalterS_How_Susceptible_are_Skills_to_Obsolescence_A_Task_Based_Perspective_of_Human_Capital_Depreciation/fig1.jpeg)

## 요약

[[temep]] 의 *제3기 (2014-2021) 거시-미시 통합 cohort* 의 *노동시장 micro counterpart*. [[sonja-walter]] 의 [[sonja-walter-2021-mincer-equation-job-polarization]] (HEAd'21 conference proceedings, 본 paper 의 *예비 결과*) 이 직접 선조. 본 paper 는 그 framework 을 *peer-reviewed full paper* 로 격상하면서 *Russia-based foresight 학술지* 의 정책 readership 으로 확장. [[temep]] 의 *교육-기술-노동* 라인 (이정혜 의 returns to education + 신기윤·여영준 의 R&D-교육 CGE) 의 *EU 실증 anchor* 갈래.

이론 framework: Becker (1964) 의 human capital 의 두 감가상각 차원 — *internal* (연령·미사용) vs *external* (시장 가치 하락). Neuman · Weiss (1995) 의 *schooling vintage* 모델이 *간접 측정* anchor — Mincer wage 회귀의 *education × experience* interaction 계수가 *연간 감가상각률*. 본 paper 는 이 framework 에 *task type* 차원 추가 — Spitz-Oener (2006) + Autor · Levy · Murnane (2003) 의 *5 task taxonomy* (비루틴 analytical, 비루틴 interactive, 비루틴 manual, 루틴 cognitive, 루틴 manual). 가설: H1a/b — 고등 교육 + 직업 교육이 일반 교육보다 빠른 감가상각, H2a/b — 기술 complementarity 강한 task + 기술 변화 강한 task 가 빠른 감가상각. 데이터는 독일 [[german-socio-economic-panel]] 34 년 패널 (1984-2017) — *long-term variation* 식별 + *Dengler et al. (2014)* 의 occupational task classification 결합. Muro et al. (2017) Brookings digitalization 자료로 task 별 *기술 강도 + 기술 변화 강도* 4-quadrant 매트릭스 구축.

결과 (full model spec 5, controls = personal + job + industry + tasks): 감가상각률 — VET *pexper -0.011*** (= 1.1%/yr), Higher VET *pexper -0.014*** (= 1.4%/yr), University *pexper -0.012*** (= 1.2%/yr). High school *pexper +0.008*** — 일반 고등학교 졸업자는 *경험이 임금에 추가 기여*, 즉 감가상각 안 됨. Task 분리 (model 3): 비루틴 interactive 의 Higher VET 2.3%, University 2.0% — *최고*. 비루틴 analytical 의 Higher VET 1.2%, University 0.9% — *최저*. 4-factor matrix (Table 4): 비루틴 interactive (관리·엔터테인먼트) 는 *기술 강도 高 + 변화 高 → 감가상각 高*, 비루틴 manual (수리·서비스) 는 *기술 강도 低 + 변화 高 → 감가상각 中*, 비루틴 analytical (연구·설계) 는 *기술 강도 中 + 변화 低 → 감가상각 低*. 한계: 단일 국가 (독일), 1984-2017 의 *전통적 자동화* 시대 — *생성형 AI* 효과 (2017 이후) 미반영. 그러나 *task × education* 의 2-way 식별이 [[temep]] 의 *축적 vs 진부화* 긴장의 *노동시장 quantitative anchor* 제공.

## 핵심 결과

| Education / Task | Non-routine analytical | Non-routine interactive | Non-routine manual | Routine cognitive | Routine manual |
|---|---:|---:|---:|---:|---:|
| VET | 1.0% ** | **1.9%** *** | 1.5% *** | 1.6% *** | 1.2% *** |
| Higher VET | 1.2% *** | **2.3%** *** | 1.9% *** | 2.1% *** | 1.5% *** |
| High school | −0.8% * (성장) | −0.8% | 0.0% | −0.3% | −1.1% *** (성장) |
| University | 0.9% * | **2.0%** *** | 1.6% *** | 1.9% *** | 1.1% * |

Note: 연간 감가상각률 (= -1 × pexper interaction 계수). *p<0.05, **p<0.01, ***p<0.001. 음수는 *임금 추가 성장*. 굵게: task type 별 max.

**Full-model spec (Table 2, model 4 controls = personal + job + industry):** 평균 감가상각 VET 1.1% · Higher VET 1.4% · University 1.2% · 경험 quadratic decay 0.1%/yr².

## 방법론 노트

핵심 통찰: Mincer 임금 회귀에 *education × potential experience* interaction 을 도입하면 그 계수가 *연간 감가상각률* 로 해석 가능 (Neuman-Weiss 1995). 직접 감가상각 측정의 자료적 어려움 (skill assessment 시계열 부재) 을 *임금 동학* 의 간접 식별로 해소. Task type 분리는 *집계 평균이 가리는 이질성* surface — 일반 University 평균 1.2% 안에 비루틴 interactive 2.0% + 비루틴 analytical 0.9% 의 *2 배 격차* 가 숨어있음.

핵심 식 ([[mincer-equation]] 확장):

$$
\ln w_{it} = \beta_0 + \beta_1 Edu_i + \beta_2 (Edu_i \times pexper_{it}) + \beta_3 pexper_{it} + \beta_4 pexper_{it}^2 + X_{it} + \varepsilon_{it}
$$

여기서 $w_{it}$ 는 시점 t 에 individual i 의 시간당 임금, $Edu_i$ 는 5 categorical (Middle / VET / Higher VET / High school / University), $pexper_{it} = \text{age} - \text{schooling duration}$, $X_{it}$ 는 personal · job · industry · task 5 type 의 controls. 핵심 모수 $\beta_2 < 0$ 이 *연간 감가상각률* (negative interaction = experience 진행과 함께 education premium 소실).

식별 전략: [[panel-fixed-effects]] (individual fixed effect 제거 — *time-invariant unobservable* 통제) + robust clustered SE (heteroskedasticity + autocorrelation). Task type 분류는 Dengler et al. (2014) 의 *dominant task type assignment* — 각 직업에 1 dominant task type. 5 sample 분리 추정 (각 task type 별) 으로 *education × pexper* interaction 의 task-specific heterogeneity 식별. Robustness: 1984-2017 단일 panel 의 *long-term* 식별. Limitation: 직업 변경 시 task type 변화의 *intra-person 식별 불가* (직업 변경 = treatment).

## 연구 계보

본 paper 의 직접 선조는 [[sonja-walter-2021-mincer-equation-job-polarization]] (HEAd'21 conference 의 *예비 결과* — 같은 1 저자 + 같은 framework). 외부의 Becker (1964, human capital 이론), Mincer (1974, *Schooling, Experience, and Earnings*), Neuman · Weiss (1995, *schooling vintage* 의 간접 측정), Spitz-Oener (2006, 독일 task framework), Autor · Levy · Murnane (2003, *skill content of recent technological change* — 본 paper 의 *task-biased technical change* anchor), Autor · Dorn (2013, *job polarization* 의 미국 실증), Frey · Osborne (2017, *future of employment* 의 자동화 위험). 방법론은 Backes-Gellner · Janssen (2009, skill obsolescence + task), Murillo (2011, Spain 실증), Weber (2014, specific vs general skill), Lentini · Gimenez (2019, OECD 산업별 감가상각). [[jeongdonglee]] author page anchor 의 *제3기 (2014-2021) accumulation 의 학술적 기반 구축* 시기 + *실타래 5: 불평등에 대한 관심* (2017-2025) 라인의 *노동시장 micro 갈래*. TEMEP 내 자매 작업은 [[sonja-walter-2021-mincer-equation-job-polarization]] (직접 선조) 과 [[yeongjun-yeo-2020-revitalizing-race-between]] (R&D-교육 race CGE — 같은 *교육-기술-노동* 라인의 macro counterpart) 과 [[sungmoon-jung-2017-growth-versus-equity]] (skill premium 의 CGE 측면).

## See also

- [[mincer-equation]]
- [[neumann-weiss-model]]
- [[task-based-approach]]
- [[human-capital-depreciation]]
- [[skill-obsolescence]]
- [[job-polarization]]
- [[non-routine-interactive-tasks]]
- [[vocational-education]]
- [[german-socio-economic-panel]]
- [[sonja-walter-2021-mincer-equation-job-polarization]]
- [[yeongjun-yeo-2020-revitalizing-race-between]]
- [[sonja-walter]]
- [[jeongdonglee]]