[논문 리뷰] Promotion through Connections: Favors or Information?

Yann Bramoullé, Kenan Huremović|arXiv (Cornell University)|2017. 08. 23.

Names, Identity, and Discrimination Research참고 문헌 18인용 수 3

한 줄 요약

이 논문은 연결성의 외부 변화를 고려한 이종분산 probit 모형을 사용하여 승진 결정에서 친분과 정보의 영향을 분리하는 새로운 계량경제학적 방법을 제안한다. 스페인에서 정보가 친구관계가 있는 자격을 가진 승진에 대한 긍정적 영향의 대부분을 이끌고 있으며, 강력한 연결성은 평가 정확도를 높이는 데 기여한다.

ABSTRACT

Connections appear to be helpful in many contexts, such as obtaining a job, a promotion, a grant, a loan, or publishing a paper. This may be due either to favoritism or to information conveyed by connections. Attempts at identifying both effects have relied on measures of true quality, generally built from data collected long after promotion. Building on earlier work on discrimination, we propose a new method to identify favors and information from data collected at the time of promotion. Under weak assumptions, we show that promotion decisions for connected candidates look more random to the econometrician due to the information channel. We derive new identification results and estimate the strength of the two effects. We adapt the control function approach to address the issue of the selection into connections. Applying our methodology to academic promotions in Spain and Italy, as well as political advancements in China, we find evidence that connections may both convey information and attract favors.

연구 동기 및 목표

• 승진에서 연결성의 역할을 연구할 때 진정한 품질의 불완전한 대체지표에 의존하는 기존 방법의 한계를 해결하기 위해.
• 진정한 품질 측정치가 필요 없이 정보와 친분의 기여도 상대적 비중을 식별할 수 있는 방법을 개발하기 위해.
• 신청 시점의 관측 가능한 데이터를 사용하여 정보와 친분 효과의 개별 크기를 추정하기 위해.
• 스페인 학술 승진 데이터를 적용하여 연결성 효과의 기반이 되는 메커니즘을 평가하기 위해.

제안 방법

• 연결된 지원자의 오차항에 과도한 분산이 존재하는지 탐지하기 위해 이종분산 probit 모형을 사용하며, 이는 정보 효과 존재를 시사한다.
• 체계적인 평가 편향을 가정할 때, 연결된 지원자와 연결되지 않은 지원자 간의 승진 기준 차이를 통해 친분을 식별한다.
• 배정된 심사위원의 외부 변화를 활용하여 배제 조건을 만족시키고 식별 가능성을 확보한다.
• 2002~2006년 스페인 학술 승진 시험 데이터를 적용하여 강한 유대와 약한 유대로 나누어 분석한다.
• 부분 효과와 최대우도 비율 검정을 통해 하위집단(부교수 및 정교수)에서의 유의성과 탄력성을 평가한다.
• 데이터의 종속성에 대응하기 위해 시험 수준에서 표준오차를 군집화한다.

실험 결과

연구 질문

• RQ1 연결성이 지원자 품질에 대한 정보를 통해 승진 결과를 얼마나 개선하는가?
• RQ2 연결성이 평가의 체계적 편향 또는 친분에 의해 승진 결과를 얼마나 개선하는가?
• RQ3 외부 진정한 품질 측정치에 의존하지 않고도 정보와 친분의 상대적 강도를 추정할 수 있는가?
• RQ4 강한 유대와 약한 유대의 정보적 성향과 친분 성향은 어떻게 다를까?
• RQ5 관측 가능한 특성과 연결성의 관계에 대해 타당한 가정 하에 두 효과의 식별이 타당한가?

주요 결과

• 강력한 유대에서 온 정보 효과는 승진에 대한 전체 긍정적 영향의 약 61%를 차지하며, 친분 효과는 39%에 그친다.
• 강한 유대의 경우, 선호 모형에서 정보 효과는 0.157(p < 0.01)로 유의하게 높으며, 친분 효과인 0.123(p < 0.01)보다 크다.
• 약한 유대의 경우, 정보 효과는 0.077(p < 0.1)이지만, 친분 효과는 미미하며 일부 하위집단에서는 음수일 정도로 낮다.
• 정보와 친분 효과를 모두 고려할 때, 강한 유대의 승진 확률에 대한 부분 효과는 0.061(p < 0.01)이며, 이 중 정보 기여는 0.046, 친분 기여는 0.016이다.
• 최대우도 비율 검정은 이종분산 모형(두 효과 포함)이 동질분산 기준 모형보다 유의하게 더 나은 성능을 보임을 확인한다(p < 0.01).
• 다양한 모형 사양과 하위집단(AP 및 FP)에 대한 탄력성 검증을 통해 정보 효과가 친분 효과를 일관되게 압도함을 확인한다.