Lilien 지표

잘난 척을 위한 한 줄 요약

Lilien 지표는 실업률이 올랐을 때 “경기가 나빠서 모두가 힘든 건지, 산업 구조가 바뀌어 일자리가 옮겨가는 중인지”를 구분하려는 노동시장 지표다.

 

Lilien 지표, 실업은 경기침체 때문일까 산업 재편 때문일까?

먼저, Lilien 지표가 뭔지부터

Lilien 지표(Lilien Index)는 산업별 고용 증가율이 서로 얼마나 다르게 움직이는지를 측정하는 지표다. 경제학에서는 보통 산업 간 고용 성장률의 분산, 또는 부문 간 고용 재배치 정도를 파악하기 위해 사용한다.

 

이 지표는 경제학자 David M. Lilien의 1982년 논문 「Sectoral Shifts and Cyclical Unemployment」에서 유명해졌다. Lilien은 1970년대 미국의 실업률 변동을 단순한 경기침체만으로 설명하기보다, 산업 간 수요 변화와 노동 재배치가 중요한 역할을 했다고 주장했다.

 

쉽게 말하면 이런 질문이다.

“실업률이 오른 이유가 모든 산업이 동시에 나빠져서일까?”
“아니면 어떤 산업은 줄고, 어떤 산업은 늘면서 사람들이 일자리를 옮기는 과정에서 생긴 실업일까?”

Lilien 지표는 후자, 즉 산업 구조 변화로 인한 노동 이동 압력을 보려는 지표다.

 

예를 들어 제조업 고용은 줄고, IT·헬스케어·전문서비스 고용은 늘어난다고 해보자. 전체 고용은 크게 변하지 않아도, 산업별로 보면 어떤 곳에서는 일자리가 사라지고 어떤 곳에서는 일자리가 생긴다. 이때 사람들은 곧바로 옮겨갈 수 없다. 기술이 다르고, 지역이 다르고, 임금 체계가 다르고, 필요한 자격도 다르기 때문이다.

 

이 과정에서 실업이 생긴다. Lilien 지표는 바로 이런 산업 간 일자리 이동의 마찰을 포착하려는 시도다.

 

왜 이런 지표가 필요했을까

실업을 설명하는 가장 익숙한 방식은 경기침체다.

경기가 나빠진다.
소비와 투자가 줄어든다.
기업 매출이 줄어든다.
기업이 채용을 줄이거나 해고한다.
실업률이 오른다.

이 설명은 꽤 직관적이다. 하지만 모든 실업을 이렇게만 설명하기에는 부족하다.

 

어떤 시기에는 전체 경기가 나쁘지 않은데도 특정 산업의 일자리가 크게 줄어든다. 반대로 어떤 산업은 빠르게 성장해 사람을 구하려 한다. 문제는 줄어드는 산업의 노동자가 늘어나는 산업으로 곧장 이동하지 못한다는 점이다.

 

예를 들어 조선업, 철강업, 섬유업에서 일하던 사람이 갑자기 반도체 설계, AI 데이터 분석, 디지털 마케팅, 바이오 품질관리 직무로 바로 이동하기는 어렵다. 직무 역량, 교육, 자격, 지역, 네트워크가 다르기 때문이다.

 

이렇게 산업 구조가 바뀌면서 생기는 실업을 흔히 구조적 실업 또는 재배치 실업과 연결해서 본다.

Lilien의 핵심 문제의식은 바로 이것이었다.

 

실업률 상승이 단순히 총수요 부족 때문인지, 아니면 산업 간 노동 재배치가 어려워서 생긴 것인지 구분해야 한다.

 

이 구분은 정책적으로도 중요하다. 경기침체가 원인이라면 금리 인하, 재정지출, 수요 부양이 중요할 수 있다. 하지만 산업 구조 변화가 원인이라면 재훈련, 직업 전환, 지역 이동 지원, 산업 전환 정책이 더 중요해진다.

 

Lilien 지표는 어떻게 계산할까

Lilien 지표는 산업별 고용 증가율이 전체 고용 증가율에서 얼마나 벗어나는지를 본다. 수식은 조금 낯설 수 있지만, 의미는 단순하다.

보통 다음과 같은 형태로 표현한다.

σₜ = [Σᵢ (xᵢₜ / Xₜ) × (Δln xᵢₜ − Δln Xₜ)²]¹ᐟ²

여기서 각 기호의 뜻은 이렇다.

• xᵢₜ: t시점의 i산업 고용
• Xₜ: t시점의 전체 고용
• Δln xᵢₜ: i산업의 고용 증가율
• Δln Xₜ: 전체 고용 증가율
• xᵢₜ / Xₜ: 해당 산업의 고용 비중
• σₜ: t시점의 Lilien 지표

말로 풀면 이렇다.

각 산업의 고용 증가율이 전체 고용 증가율과 얼마나 다른지 계산한다.
그 차이를 제곱한다.
산업별 고용 비중으로 가중평균한다.

마지막으로 제곱근을 씌운다.

 

결국 Lilien 지표는 산업별 고용 증가율의 가중 표준편차다. 홍콩 정부 경제분석 자료도 Lilien 지표를 “서로 다른 산업의 고용 증가율에 대한 가중 표준편차”로 설명한다.

 

어려운 말 같지만, 감각은 간단하다.

모든 산업의 고용이 비슷하게 움직이면 Lilien 지표는 낮다.
어떤 산업은 크게 줄고, 어떤 산업은 크게 늘면 Lilien 지표는 높다.

 

즉, Lilien 지표가 높다는 것은 노동시장에서 산업 간 흔들림이 크다는 뜻이다.

 

예시로 이해해보자

경제에 세 산업만 있다고 해보자.

산업	고용 증가율
제조업	-10%
IT	+12%
보건·복지	+8%

전체 고용 증가율이 0%에 가깝다고 해도, 산업별로 보면 변화가 매우 크다. 제조업에서는 일자리가 줄고, IT와 보건·복지에서는 일자리가 늘고 있다.

 

이 경우 Lilien 지표는 높게 나온다. 전체 숫자만 보면 “고용이 별로 안 변했네”라고 생각할 수 있지만, 내부를 보면 노동시장이 크게 재편되는 중이기 때문이다.

 

반대로 모든 산업이 비슷하게 -3%씩 줄었다고 해보자.

산업	고용 증가율
제조업	-3%
IT	-2.8%
보건·복지	-3.1%

이 경우 실업률은 오를 수 있지만, Lilien 지표는 상대적으로 낮게 나올 수 있다. 산업 간 차이보다 전체 경기 하락이 더 큰 문제로 보이기 때문이다.

 

즉, Lilien 지표는 “고용이 줄었는가?”가 아니라 **고용 변화가 산업별로 얼마나 다르게 나타났는가?**를 본다.

 

Lilien 지표가 높다는 것은 무슨 뜻일까

Lilien 지표가 높다는 것은 산업별 고용 증가율의 차이가 크다는 뜻이다.

이 상황은 보통 다음과 같이 해석할 수 있다.

 

첫째, 산업 구조 변화가 진행 중일 수 있다.
어떤 산업은 축소되고, 어떤 산업은 성장하고 있다.

 

둘째, 노동 재배치 압력이 커졌을 수 있다.
줄어드는 산업의 노동자가 성장 산업으로 이동해야 하는 상황이다.

 

셋째, 구조적 실업이 늘어날 가능성이 있다.
노동자가 새로운 산업으로 즉시 이동하지 못하면 실업 기간이 길어질 수 있다.

 

넷째, 단순한 경기 부양만으로는 실업 문제가 해결되지 않을 수 있다.
일자리가 줄어든 산업에 돈을 투입해도 장기적으로 성장성이 낮다면 효과가 제한적일 수 있다.

 

예를 들어 석탄 산업 고용이 줄고 재생에너지 산업 고용이 늘어나는 상황을 생각해보자. 이때 실업 문제는 단순히 “경기를 살리자”로 해결되지 않는다. 필요한 것은 재교육, 기술 전환, 지역 산업 재편, 이주 지원, 직업 매칭이다.

 

그래서 Lilien 지표는 단순한 통계 지표가 아니라, 노동시장 정책의 방향을 생각하게 만드는 지표다.

 

Lilien 지표와 실업률의 관계

Lilien의 원래 주장은 산업별 고용 증가율의 분산이 커질수록 실업률도 높아질 수 있다는 것이었다. 이유는 간단하다. 산업 간 수요가 크게 이동하면 노동자도 이동해야 하는데, 이 이동에는 시간이 걸린다.

줄어드는 산업의 노동자는 해고되거나 일자리를 잃는다.
늘어나는 산업은 사람을 뽑고 싶어 한다.

 

하지만 필요한 기술과 지역이 다르다.
그래서 당장 매칭이 되지 않는다.
그 사이 실업이 생긴다.

Lilien은 1970년대 미국 실업 변동의 상당 부분이 이런 산업 간 구조 변화와 관련 있다고 보았다. Journal of Political Economy에 실린 원 논문은 1970년대의 실업 변동이 1960년대와 달리 비정상적인 구조 변화에 크게 영향을 받았다는 주장을 제시했다.

 

하지만 이 주장은 이후 큰 논쟁을 불러왔다. 특히 Abraham과 Katz는 Lilien 지표와 실업률의 양의 상관관계가 반드시 산업 재배치 때문만은 아닐 수 있다고 비판했다. 경기침체가 오면 일부 산업이 더 크게 타격을 받고 일부 산업은 덜 타격을 받기 때문에, 단순한 총수요 충격만으로도 산업별 고용 증가율의 분산이 커질 수 있다는 것이다.

 

쉽게 말하면 이런 반론이다.

 

“산업별 고용 변화가 다르게 나타났다고 해서 꼭 구조 변화 때문은 아니다. 그냥 경기침체가 산업마다 다르게 영향을 준 결과일 수도 있다.”

 

이 논쟁 때문에 Lilien 지표는 매우 흥미로운 지표가 되었다. 지표 자체는 산업별 고용 변화의 분산을 잘 보여주지만, 그것을 바로 “구조적 실업의 원인”으로 해석하는 데는 조심이 필요하다.

 

경기침체와 구조 변화는 어떻게 다를까

Lilien 지표를 제대로 이해하려면 경기적 실업과 구조적 실업을 구분해야 한다.

 

경기적 실업

경기적 실업은 전체 경제가 나빠져서 생기는 실업이다. 소비가 줄고, 기업 투자가 줄고, 매출이 감소하면서 채용이 줄어드는 것이다.

이 경우에는 대체로 많은 산업이 함께 어려워진다. 물론 산업별 타격 정도는 다르지만, 핵심은 전체 수요 부족이다.

정책 대응은 보통 수요 부양에 가깝다.

• 금리 인하
• 재정지출 확대
• 소비 지원
• 기업 투자 유도
• 경기 부양책

 

구조적 실업

구조적 실업은 산업 구조와 노동자의 역량이 맞지 않아 생기는 실업이다. 어떤 산업은 사라지거나 줄어드는데, 새로운 산업은 다른 기술을 요구한다.

이 경우에는 단순히 돈을 더 풀어도 문제가 해결되지 않을 수 있다. 필요한 것은 노동자의 이동과 재교육이다.

 

정책 대응은 이런 쪽에 가깝다.

• 직업훈련
• 전직 지원
• 지역 산업 전환
• 구인·구직 매칭
• 평생교육
• 기술 재교육
• 이동 지원

Lilien 지표가 의미 있는 이유는 실업률 상승을 볼 때 “이게 경기 문제인가, 구조 문제인가?”라는 질문을 던지게 해주기 때문이다.

 

Lilien 지표의 장점

1. 계산이 비교적 쉽다

Lilien 지표는 산업별 고용 데이터와 전체 고용 데이터만 있으면 계산할 수 있다. 실업자를 산업별로 정확히 나누는 데이터가 없어도 산업 간 고용 변화의 분산을 볼 수 있다.

산업별 고용 통계는 많은 국가에서 비교적 꾸준히 제공된다. 그래서 시계열 분석이나 국가·지역 비교에 활용하기 좋다.

 

2. 산업 구조 변화를 직관적으로 보여준다

전체 고용률이나 실업률만 보면 내부 변화가 잘 보이지 않는다. 하지만 Lilien 지표를 보면 산업별 고용 변화가 고르게 일어나는지, 특정 산업 중심으로 크게 갈라지는지 볼 수 있다.

예를 들어 전체 고용은 안정적인데 Lilien 지표가 높아졌다면, 겉으로는 조용해 보여도 내부에서는 산업 이동이 활발할 수 있다.

 

3. 노동시장 정책의 방향을 생각하게 한다

실업률만 보면 “일자리가 부족하다”는 결론에 그칠 수 있다. 하지만 Lilien 지표가 높다면 “일자리가 부족한 것이 아니라, 일자리가 이동하는 중일 수 있다”는 해석이 가능하다.

이 경우 정책은 단순 고용 창출보다 전직 지원과 직무 전환에 더 초점을 맞춰야 한다.

 

Lilien 지표의 한계

1. 원인과 결과를 바로 구분하기 어렵다

Lilien 지표가 높다고 해서 반드시 산업 구조 변화가 실업의 원인이라고 말할 수는 없다. 경기침체가 산업별로 불균등하게 영향을 미쳐도 Lilien 지표는 높아질 수 있다.

Abraham과 Katz의 비판이 바로 이 지점이다. 경기적 충격만으로도 산업별 고용 증가율의 분산과 실업률 사이에 양의 상관관계가 생길 수 있다는 것이다.

 

2. 산업 분류에 민감하다

산업을 얼마나 세분화하느냐에 따라 지표가 달라질 수 있다. 제조업, 서비스업처럼 크게 나누면 변화가 작아 보일 수 있다. 반대로 세부 업종까지 나누면 변화가 크게 보일 수 있다.

예를 들어 “제조업” 안에서도 반도체는 성장하고 섬유는 줄어들 수 있다. 그런데 제조업 전체로 묶으면 내부 변화가 가려질 수 있다.

 

3. 고용의 질을 보지 못한다

Lilien 지표는 고용 숫자의 변화에 초점을 둔다. 하지만 임금, 근로시간, 고용 안정성, 정규직·비정규직, 직무 수준 같은 고용의 질은 직접 보여주지 않는다.

예를 들어 한 산업에서 정규직 일자리가 줄고 다른 산업에서 저임금 단기 일자리가 늘어도, 단순 고용 수치만으로는 그 질적 차이를 포착하기 어렵다.

 

4. 산업 간 이동의 실제 경로를 보여주지는 않는다

Lilien 지표는 산업별 고용 증가율의 차이를 보여준다. 하지만 실제로 제조업에서 빠져나온 사람이 IT로 갔는지, 자영업으로 갔는지, 실업 상태에 머무는지는 직접 알 수 없다.

즉, Lilien 지표는 노동 재배치의 압력을 보여줄 수 있지만, 노동자의 실제 이동 경로를 추적하는 지표는 아니다.

 

Modified Lilien Index는 무엇일까

Lilien 지표의 한계를 보완하려는 시도 중 하나가 Modified Lilien Index, 즉 수정 Lilien 지표다.

기본 Lilien 지표는 산업별 고용 증가율의 분산을 본다. 그런데 노동시장에서는 고용 증가율뿐 아니라 노동자 유입과 유출, 즉 노동 이동 자체가 중요하다. 그래서 연구자들은 노동 회전율이나 지역별 구조 변화 등을 반영한 변형 지표를 만들었다.

 

Ansari 등의 「Note on Lilien and Modified Lilien Index」는 Stata에서 Lilien 지표와 수정 Lilien 지표를 계산하는 명령을 설명하면서, 두 지표가 구조 변화와 지역 실업의 결정요인을 분석하는 데 활용될 수 있다고 정리한다. 이 논문은 Lilien 지표가 산업별 고용 성장률의 표준편차를 측정한다고 설명한다.

 

수정 Lilien 지표는 연구 목적에 따라 방식이 조금씩 다를 수 있지만, 기본 문제의식은 같다.

 

노동시장 내부에서 얼마나 큰 재배치가 일어나고 있는가?

 

한국 경제에 적용하면 어떻게 볼 수 있을까

한국에서 Lilien 지표를 생각해보면 꽤 유용한 질문들이 나온다.

 

예를 들어 이런 변화가 있다.

• 제조업 일부 업종의 고용 둔화
• 반도체·배터리·바이오 등 첨단산업 고용 확대
• 플랫폼 노동과 디지털 서비스 확대
• 자영업 구조 변화
• 돌봄·보건·복지 일자리 증가
• AI와 자동화에 따른 사무직 업무 변화
• 지역별 산업 쇠퇴와 수도권 집중

이런 상황에서는 전체 실업률만 봐서는 충분하지 않다. 실업률이 낮아 보여도 산업 내부에서는 큰 이동이 일어나고 있을 수 있다. 반대로 실업률이 올랐을 때 그것이 경기 부진 때문인지, 산업 재편 과정의 마찰인지 구분해야 한다.

 

예를 들어 조선업 불황 지역에서 실업이 늘어나는 것과 전국적으로 소비가 줄어 서비스업 고용이 감소하는 것은 성격이 다르다. 전자는 지역·산업 전환 정책이 중요하고, 후자는 경기 대응 정책이 더 중요할 수 있다.

 

Lilien 지표는 이런 구분을 위한 출발점이 될 수 있다.

 

AI 시대에 Lilien 지표가 다시 중요해질 수 있는 이유

AI와 자동화가 확산되면 산업별·직무별 고용 변화가 더 불균등하게 나타날 수 있다.

어떤 직무는 AI로 대체되거나 줄어들 수 있다.
어떤 직무는 AI를 활용해 생산성이 높아질 수 있다.
어떤 산업은 AI 도입으로 빠르게 성장할 수 있다.
어떤 산업은 기존 방식이 흔들릴 수 있다.

 

이때 전체 고용만 보면 변화가 잘 보이지 않는다. 예를 들어 전체 취업자 수는 유지되더라도, 내부적으로는 사무보조, 고객상담, 콘텐츠 제작, 개발, 교육, 금융, 법률 서비스 등에서 일자리 구조가 크게 바뀔 수 있다.

Lilien 지표와 비슷한 방식의 산업별·직무별 분산 지표는 AI 시대의 노동시장 변화를 포착하는 데 유용할 수 있다.

 

즉, 앞으로 중요한 질문은 이것이다.

“AI가 일자리를 줄이는가?”만이 아니다.

 

“AI가 어떤 산업의 일자리를 줄이고, 어떤 산업의 일자리를 늘리며, 그 사이 이동이 얼마나 어려운가?”가 더 중요하다.

 

Lilien 지표는 바로 이런 질문과 잘 연결된다.

 

자주 헷갈리는 포인트

1. Lilien 지표가 높으면 무조건 실업률이 오른다는 뜻인가?

아니다. Lilien 지표가 높다는 것은 산업별 고용 변화가 불균등하다는 뜻이다. 이것이 실업률 상승과 연결될 가능성은 있지만, 항상 그런 것은 아니다.

노동자가 빠르게 이동하고 재교육이 잘 이루어지면 실업률 상승은 제한적일 수 있다.

 

2. Lilien 지표는 구조적 실업을 직접 측정하는가?

직접 측정한다고 보기는 어렵다. Lilien 지표는 산업별 고용 증가율의 분산을 측정한다. 이를 구조적 변화나 노동 재배치 압력의 대리변수로 해석할 수 있지만, 구조적 실업 자체를 직접 측정하는 것은 아니다.

 

3. 경기침체 때도 Lilien 지표가 높아질 수 있나?

그렇다. 경기침체가 모든 산업에 똑같이 영향을 주지 않기 때문이다. 예를 들어 건설업과 제조업은 크게 줄고, 공공부문이나 보건 부문은 덜 줄어들 수 있다. 이 경우 산업별 고용 증가율의 차이가 커져 Lilien 지표가 높아질 수 있다.

그래서 Lilien 지표를 해석할 때는 경기 요인과 구조 요인을 함께 봐야 한다.

 

4. Lilien 지표는 산업이 많이 바뀌는 나라일수록 무조건 나쁘다는 뜻인가?

아니다. 산업 변화는 나쁜 것이 아니다. 오히려 성장 산업으로 노동과 자본이 이동하는 것은 경제 활력의 신호일 수 있다.

문제는 이동 과정에서 실업과 소득 손실이 얼마나 발생하느냐이다. Lilien 지표가 높다는 것은 전환 압력이 크다는 뜻이지, 그 자체로 나쁘다는 뜻은 아니다.

 

5. 이 지표는 일반 블로그 독자가 알아야 할 만큼 중요한가?

생각보다 중요하다. “실업률이 올랐다”는 뉴스를 볼 때 원인을 더 깊게 해석할 수 있게 해주기 때문이다.

실업 문제는 단순히 일자리가 많고 적음의 문제가 아니다. 어떤 일자리가 사라지고, 어떤 일자리가 생기며, 사람들이 그 사이를 이동할 수 있는가의 문제다. Lilien 지표는 이 관점을 열어준다.

 

결국 핵심은 이것이다

Lilien 지표는 산업별 고용 변화의 불균등성을 측정하는 지표다. 전체 경제가 좋아지거나 나빠지는지만 보는 것이 아니라, 경제 내부에서 일자리가 어떤 산업에서 줄고 어떤 산업에서 늘어나는지를 보려는 도구다.

 

이 지표가 중요한 이유는 실업의 성격을 구분하게 해주기 때문이다.

모두가 함께 어려운 경기침체인가?
아니면 산업 구조가 바뀌면서 노동자가 이동해야 하는 전환기인가?

두 상황은 완전히 다르다. 정책도 달라야 한다.

경기침체라면 수요를 살리는 정책이 필요하다.
산업 전환이라면 재교육, 전직 지원, 지역 산업 전환, 직무 매칭이 필요하다.

 

한마디로 정리하면 이렇다.

 

Lilien 지표는 실업률 뒤에 숨어 있는 산업 구조의 흔들림을 보여주는 지표다.

 

그래서 이 지표를 알면 노동시장 뉴스를 조금 다르게 읽을 수 있다. 실업률 숫자 하나만 보는 것이 아니라, 그 숫자 아래에서 어떤 산업이 줄고 어떤 산업이 커지는지, 그리고 노동자가 그 변화에 얼마나 잘 적응하고 있는지를 묻게 된다.

 

AI, 자동화, 탄소중립, 고령화, 디지털 전환이 동시에 진행되는 시대에는 이런 질문이 더 중요해진다. 앞으로의 노동시장 문제는 단순히 “일자리가 있느냐 없느냐”가 아니라, 일자리가 어디에서 어디로 이동하고 있느냐의 문제가 될 가능성이 크기 때문이다.

 

참고 자료

1. David M. Lilien / Sectoral Shifts and Cyclical Unemployment
   https://www.journals.uchicago.edu/doi/abs/10.1086/261088
   Lilien 지표와 산업 간 고용 재배치 논의를 유명하게 만든 원 논문이다. 1970년대 미국 실업 변동을 산업 구조 변화와 연결해 분석했다.
2. EconPapers / Sectoral Shifts and Cyclical Unemployment
   https://econpapers.repec.org/RePEc:ucp:jpolec:v:90:y:1982:i:4:p:777-93
   Lilien의 1982년 Journal of Political Economy 논문 정보를 확인할 수 있는 자료다. 논문 제목, 저자, 게재 정보, 인용 정보를 볼 수 있다.
3. Katharine G. Abraham and Lawrence F. Katz / Cyclical Unemployment: Sectoral Shifts or Aggregate Disturbances?
   https://dash.harvard.edu/bitstreams/7312037c-839f-6bd4-e053-0100007fdf3b/download
   Lilien의 산업 재배치 가설을 비판적으로 검토한 대표 논문이다. 산업별 고용 증가율 분산과 실업률의 관계가 총수요 충격만으로도 나타날 수 있음을 설명한다.
4. NBER / Cyclical Unemployment: Sectoral Shifts or Aggregate Disturbances?
   https://www.nber.org/papers/w1410
   Abraham과 Katz의 NBER Working Paper 페이지다. Lilien 가설에 대한 핵심 반론을 확인할 수 있다.
5. Hong Kong Economy / Sectoral Shifts and Unemployment Rate in Hong Kong
   https://www.hkeconomy.gov.hk/en/pdf/wp/unr%26sectorshift%2804072011%29.pdf
   Lilien 지표의 수식과 해석을 비교적 명확하게 보여주는 자료다. 산업별 고용 증가율의 가중 표준편차로 Lilien 지표를 설명한다.
6. Ansari et al. / Note on Lilien and Modified Lilien Index
   https://ageconsearch.umn.edu/record/259871/files/sjart_st0343.pdf
   Stata에서 Lilien 지표와 수정 Lilien 지표를 계산하는 방법을 설명한 자료다. 구조 변화와 지역 실업 분석에서의 활용을 볼 수 있다.
7. SSRN / Note on Lilien and Modified Lilien Index
   https://ssrn.com/abstract=2219123
   Lilien 지표와 Modified Lilien Index의 개요, 키워드, 연구 목적을 확인할 수 있는 페이지다.
8. ScienceDirect / The accumulation of human capital and the sectoral shifts in Japan
   https://www.sciencedirect.com/science/article/abs/pii/S0378475403001113
   Lilien의 산업 간 수요 이동 가설을 일본 노동시장과 연령대별 실업 문제에 적용한 연구다.
9. ScienceDirect / Cyclical unemployment and sectoral shifts: Further tests of the Lilien hypothesis for the UK
   https://www.sciencedirect.com/science/article/pii/0165176596008324
   영국 데이터를 활용해 Lilien 가설을 추가 검정한 연구다.

 

참고 영상

1. Sectoral Shifts and Unemployment 검색 결과
   https://www.youtube.com/results?search_query=sectoral+shifts+and+unemployment
   Lilien 지표 자체를 직접 다룬 입문 영상은 제한적이므로, 산업 구조 변화와 실업의 관계를 다룬 관련 강의를 찾는 데 유용한 검색 링크다.
2. Structural Unemployment Explained
   https://www.youtube.com/results?search_query=structural+unemployment+explained
   Lilien 지표와 연결되는 구조적 실업 개념을 이해하기 위한 영상 검색 링크다.
3. Cyclical vs Structural Unemployment
   https://www.youtube.com/results?search_query=cyclical+vs+structural+unemployment
   경기적 실업과 구조적 실업의 차이를 이해하는 데 도움이 되는 영상 검색 링크다.
4. Labor Reallocation and Unemployment
   https://www.youtube.com/results?search_query=labor+reallocation+and+unemployment
   노동 재배치와 실업의 관계를 다룬 강의와 세미나 영상을 찾을 수 있는 검색 링크다.
5. Sectoral Reallocation in Labor Markets
   https://www.youtube.com/results?search_query=sectoral+reallocation+labor+market
   산업 간 노동 이동과 고용 구조 변화를 설명하는 자료를 찾기 위한 검색 링크다.