How the reduction of Temporary Foreign Workers led to a rise in vacancy rates in South Korea
(Journal of Human Capital, Fall 2026 (vol. 20, no. 3))
This study investigates the causal relationship between the reduction of low-skilled temporary foreign workers (TFWs) and job vacancies in South Korea's manufacturing sectors, utilizing the COVID-19 quarantine policy as a natural experiment. Employing a Difference-in-Differences methodology, the research reveals that sectors with high dependence on TFWs, particularly for permanent positions, experienced significantly elevated vacancy rates for a two-year period following the onset of the pandemic. The inability of native workers to fill these positions highlights the critical role of foreign labor in mitigating labor shortages. Notably, vacancy rates began to decline only after the government relaxed quarantine restrictions, facilitating the re-entry of TFWs into the country. These findings are corroborated by local projection methods.
로봇 혁신과 인간 혁신이 노동소득분배율에 미치는 영향
(한국산업경제학회, 2026년 10월 (제39권 제5호))
(English Introduction - Automation, Human Task Innovation, and Labor Share)
본 연구는 유럽연합 9개국을 대상으로 로봇 혁신과 인간 혁신이 노동소득분배율에 미치는 영향을 분석한다. 일반균형 모형을 통해 실증 분석을 위한 축약 회귀식을 도출하며, 2005–2019년 기간의 특허 기록과 인지 과업 지수를 활용한 실증 데이터를 구축하였다. 로봇 혁신은 특허의 상세 기술서를 문장 임베딩으로 로봇 자동화 어휘와 대조하여 측정하고, 인간 혁신은 O*NET의 직업별 인지 과업 점수를 각 국가별 노동력 조사의 고용량과 결합하여 측정한다. 직업별 점수는 각 직업의 성격을 알려줄 뿐, 인간이 비교우위를 갖는 과업의 범위가 그 경제에서 얼마나 넓어졌는지는 알려주지 않기 때문에, 각 직업의 고용량을 직업별 인지 점수와 교차한 것이다. 내생성 문제를 해결하기 위해 미국 특허와 인지 과업 지수에 기반한 각각의 시프트-쉐어 도구변수를 사용하였다. 시프트를 표본 밖 경제인 미국에서 취하여 유럽 각국의 내생성을 도구변수에서 걸러 낸다. 도구변수의 배제조건은 시프트가 아니라 쉐어에 의해서 정당화 된다. 쉐어는 2005년 기준의 각국의 로봇 혁신 지수의 비중 및 인지 과업 지수 비중으로 구성된다. 분석 결과, 로봇 혁신의 증가는 노동소득분배율을 유의하게 감소시키는 것으로 나타나, 상당한 수준의 노동-로봇 비용의 대체가 존재함을 시사한다. 반면 인간 혁신의 계수는 양(+)이나 통계적으로 유의하지 않아, 그 효과를 인과적으로 확정하기는 어렵다. 본 연구는 로봇 자동화가 노동시장에 미치는 영향에 관한 미국의 선행 연구 결과와 일치하는 유럽 최초의 실증 근거를 제시한다. 더불어 본 연구는 노동과 비로봇 자본 간 대체탄력성을 0.552로 추정하였다. 이는 1보다 작은 값으로, 비로봇 자본이 노동을 대체하기보다 보완하는 총보완 관계에 있음을 의미한다.
(This study examines the impact of robotic and human innovation on labor share across nine European Union countries. Using a general equilibrium model, I derive a reduced-form specification for empirical analysis. The study constructs the empirical dataset from patent records and a cognitive task index spanning 2005-2019. Robotic innovation is measured by using sentence embeddings to compare the detailed descriptions of patents against robotic automation terminology, while human innovation is measured by combining O*NET occupation-level cognitive task scores with employment from each country's labor force survey. Occupation-level scores reveal only the nature of each occupation, not how far the range of tasks in which humans hold a comparative advantage has widened within an economy. Employment in each occupation is therefore interacted with the occupation-level cognitive scores. To address endogeneity concerns, I utilize separate shift-share instruments based on US patents and on the cognitive task index. Because the shifts are taken from the United States, an economy outside the sample, endogeneity specific to individual European countries is filtered out of the instruments. The exclusion restriction for these instruments is justified by the shares rather than by the shifts. The shares are constructed from each country's 2005 weights in the robotic innovation index and in the cognitive task index. The findings reveal that increased robotic innovation significantly reduces labor share, indicating substantial substitution between labor and robot costs. Conversely, the coefficient on human innovation is positive but statistically insignificant, so a causal effect is difficult to establish. This research provides the first European evidence consistent with US findings on automation's labor market impact. The estimated elasticity of substitution between labor and non-robot capital is 0.552. This estimate falls below unity, implying that labor and non-robot capital are gross complements rather than substitutes.)
The Causal Effects of Korea's Quota Tariff Policy on Agricultural Product Retail Prices
with Youngmi Kim (Under Review, Asian-Pacific Economic Literature)
(한국어 버전: 할당관세 정책이 농산물 소매가격에 미치는 인과적 영향 (Unpublished Institutional Working Paper, Not peer-reviewed)
The Korean government operates the Quota Tariff system with the objective of stabilizing prices. This study examines whether the policy causally lowered agricultural retail prices as intended. The sample is a daily panel of retail prices for 41 agricultural products from January 2021 through March 2025. Eleven of these products (six leafy and root vegetables and five fruits) experienced tariff reductions under the Quota Tariff; the remaining 30 did not. Quota Tariff designations begin at different times across products (staggered adoption), the treatment is suspended and later resumed (non-absorbing), and the depth of the tariff reduction also differs across products (heterogeneous treatment intensity). Since existing estimation methods that presuppose absorbing treatment cannot be applied to this structure, we adopt local projection difference-in-differences as the best-suited method. We then estimate two effects: the effect while the tariff reduction remains in force (the persistent-treatment specification) and the total effect of a Quota Tariff designation (the impulse-response specification). For the vegetable group, retail price declines were insignificant in both specifications, whereas the fruit group showed declines of about 0.78% per one percentage point of tariff reduction at 150 days after Quota Tariff onset (persistent treatment) and 0.49∼0.55% at about 250∼273 days (impulse response). The Quota Tariff entails large policy costs. Concentrating designations on fruits, rather than on vegetables for which no effect is identified, can therefore stabilize prices at a lower fiscal cost.
과업의 반복성과 AI 노출이 고용에 미치는 인지 수준별 이질적 영향: 생성형 AI 확산기를 중심으로
(심사중, 노동경제논집)
본 연구는 생성형 AI 확산기에 고용이 인지(cognitive) 수준에 따라 어떻게 달라졌는지를 반복성 강도(routine)와 AI 노출 강도를 사용하여 분석한다. 먼저 O*NET 과업 정보를 대규모 언어모델(LLM)로 채점해 SOC 6자리 직업분류에서 반복성 점수와 인지 점수를 세밀하게 구하였다. 그 후 반복성 강도를 연속형 처치로, 인지 점수를 표본 분할 기준으로 삼아, 2단계 이중차분으로 미국의 고용량을 분석하였다. 반복성 강도를 처치로 하면 사후 계수의 부호가 인지 수준을 경계로 갈렸다. 저인지의 음(-)의 사후계수는 AI에 의한 새로운 현상이 아니라 반복편향 기술변화(Routine-Biased Technological Change)의 지속된 패턴으로 설명되는 반면, 고인지의 양(+)은 반복편향 기술변화의 예측과 다르게 고인지 그룹에서 오히려 반복적인 직업이 떠오르고 있음을 시사한다. 한편 같은 설계에 AI 노출지수를 처치로 넣으면, 저인지 직업군에서 사후 계수가 유의하지 않았다. 반면 고인지 직업군에서는 사후 계수가 음(-)으로 추정되어 반복성을 처치군으로 썼던 경우와 부호가 반대이다. 반복성과 AI 노출지수라는 두 측정치는 상관관계가 없으므로, 두 지표는 노동시장의 서로 다른 메커니즘을 비춘다고 해석된다. 이는 반복편향 기술변화 문헌이 의지해 온 반복성 지표가 생성형 AI의 고용 영향을 설명하는 메커니즘을 대변하지 않을 수도 있음을 시사한다.
(Using routine intensity and AI exposure, this paper analyzes how employment shifted across cognitive levels during the diffusion of AI. This study first construct the data by using a large language model to score O*NET task descriptions, obtaining granular routine and cognitive scores at the 6-digit SOC occupation level. The paper then analyze U.S. employment with a two-stage Difference-in-Differences design that treats routine intensity as a continuous treatment and uses the cognitive score to split the sample. The sign of the post-treatment coefficient splits at the cognitive threshold. The negative coefficient in the low-cognitive group is not a new, AI-driven phenomenon but is explained by the continued pattern of Routine-Biased Technological Change, whereas the positive coefficient in the high-cognitive group suggests that, contrary to what Routine-Biased Technological Change predicts, routine occupations are gaining ground within the high-cognitive group. When the same design instead uses AI exposure as the treatment, the post-treatment coefficient is not statistically significant for the low-cognitive group, whereas for the high-cognitive group it is estimated to be negative —opposite in sign to the case using routine intensity as the treatment. Since these two measures, routine intensity and AI exposure, are uncorrelated, they are interpreted as offering different perspectives on the labor market. This suggests that the routine measure on which the Routine-Biased Technological Change literature has relied does not represent the mechanism through which AI affects employment.)
2026년 수입동향 모니터링 및 산업영향 조사 (비공개)
산업통상부 무역위원회 용역
한국개발연구원