대한민국 월평균 임금(실질)과 소비자물가지수(CPI) 변화 분석-파이썬 시각화

“내 월급만 제자리걸음인 것 같아.” 많은 분들이 이렇게 느끼셨을 겁니다. 하지만 정말 그런지 한번 살펴보도록 하겠습니다. 월평균 임금(실질)과 CPI는 우리의 실질 구매력을 보여주는 중요한 지표입니다.

이번 포스트에서는 2011년부터 2023년까지의 데이터를 바탕으로 대한민국 경제의 흐름을 분석하고, 파이썬 시각화를 통해 이를 한눈에 이해할 수 있도록 도와드리겠습니다. 특히, 월평균 임금이 물가 상승 속에서 어떤 변화를 겪었는지 심도 있는 인사이트를 제공합니다.

데이터 개요

연도별 월평균 임금(실질)과 소비자물가지수 데이터

용어 설명

월평균 임금(실질)

• 정의: 임금근로자의 월임금총액을 CPI로 조정한 실질 금액
• 단위: 천원
• 의미: 물가 변동을 고려한 실제 구매력을 나타냄

소비자물가지수(CPI)

• 정의: 소비자가 구입하는 상품과 서비스의 가격 변동을 나타내는 지수
• 기준: 2020년 = 100
• 의미: 물가 수준의 변화를 측정하는 지표

데이터 출처

• 월평균 임금(실질): 고용노동부, 「사업체노동력조사」
• 소비자물가지수: 통계청, 「소비자물가조사」

해당지표의 주요 변화

1. 월평균 임금(실질)의 변화

• 2011년 2,902천 원에서 시작해 2021년 3,599천 원으로 정점을 찍었습니다.
• 그러나 2022년부터 소폭 감소하며 2023년에는 3,554천 원으로 전년 대비 약 38천 원 줄어들었습니다.
• 이는 물가 상승률이 실질임금 증가율을 초과한 결과로 해석됩니다.

2. CPI의 상승

• CPI는 2011년 76.081에서 시작해 매년 꾸준히 상승하여 2023년에는 111.59를 기록했습니다.
• 특히 2020년 이후 물가 상승률이 가파르게 증가하며 국민들의 생활비 부담에 큰 영향을 미쳤습니다.

시각화 분석 결과 인사이트

1. 실질임금과 물가 간 상관관계

파이썬 시각화를 통해 확인한 결과, 월평균 임금(실질)은 꾸준히 증가해 왔지만 CPI의 상승 속도가 더 빨라졌습니다. 이는 국민들의 실질 구매력이 감소했음을 의미합니다. 예를 들어,

• 2020~2023년: CPI는 약 11.59% 상승했지만 실질임금은 오히려 감소했습니다.
• 이러한 추세는 고물가 상황에서 명목임금 인상이 실질 구매력 향상으로 이어지지 않는다는 점을 보여줍니다.

2. 정책적 함의

• 임금 정책: 물가 상승률을 고려한 실질임금 보전 정책이 필요합니다.
• 물가 안정화: CPI의 지속적인 상승은 국민 생활비 부담을 증가시키므로 정부 차원의 적극적인 대책이 요구됩니다.
• 특히, 저소득층에게는 물가 상승이 더 큰 부담으로 작용하므로 지원책 마련이 중요합니다.

3. 데이터 기반 의사결정

월평균 임금과 CPI 데이터를 활용하면 다음과 같은 의사결정을 내릴 수 있습니다.

• 기업은 직원들의 실질 구매력을 유지하기 위해 명목임금을 조정할 필요가 있습니다.
• 정부는 물가 안정 및 소득 불평등 완화를 위한 정책 설계를 강화해야 합니다.

파이썬 시각화 코드

아래 코드는 월평균 임금(실질)과 CPI의 변화를 시각화한 것입니다. 아래 코드를 실행하면 본 포스트 초반부의 그래프가 생성됩니다.

# Improved version to avoid overlapping labels and use distinct colors for clarity
import matplotlib.pyplot as plt
import pandas as pd

# Prepare data
data = {'Year': [2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019, 2020, 2021, 2022, 2023],
        'Average Monthly Wage (Real)': [2902, 2988, 3050, 3083, 3153, 3242, 3284, 3407, 3509, 3527, 3599, 3592, 3554],
        'Consumer Price Index': [76.081, 91.815, 93.01, 94.196, 94.861, 95.783, 97.645,
                                 99.086,99.466,100,102.5,107.72,111.59]}

df = pd.DataFrame(data)

# Visualization setup
fig, ax1 = plt.subplots(figsize=(12,7))

# Bar plot for Average Monthly Wage (Real)
bars = ax1.bar(df['Year'], df['Average Monthly Wage (Real)'], color='royalblue', label='Average Monthly Wage (Real)')

# Adding labels to the bar plot with a slight offset and color matching
for bar in bars:
    yval = bar.get_height()
    ax1.text(bar.get_x() + bar.get_width()/2., yval + 50,
             f'{yval}', ha='center', va='bottom', color='royalblue')

ax1.set_ylabel('Average Monthly Wage (Real) (K₩)', color='royalblue')

# Line plot for Consumer Price Index
ax2 = ax1.twinx()
line = ax2.plot(df['Year'], df['Consumer Price Index'], color='darkred', marker='o', label='Consumer Price Index')

# Adding labels to the line plot with a slight offset and color matching
for i,value in enumerate(df['Consumer Price Index']):
    ax2.text(df['Year'][i], value + .5,
             f'{value:.2f}', ha='center', va='bottom', color='darkred')

ax2.set_ylabel('Consumer Price Index', color='darkred')

# Title and layout adjustments for better spacing
plt.title('Average Monthly Wage (Real) and Consumer Price Index Trend')
plt.tight_layout()
plt.show()

#코드 세부해설

데이터 준비

data = {'Year': [...], 'Average Monthly Wage (Real)': [...], 'Consumer Price Index': [...]}
df = pd.DataFrame(data)

• data 딕셔너리에 연도별 데이터를 저장하고 이를 pandas 데이터프레임으로 변환합니다.

시각화 설정

fig, ax1 = plt.subplots(figsize=(12,7))

• figsize로 그래프 크기를 설정하고 ax1 객체를 생성합니다.

막대그래프 생성

bars = ax1.bar(df['Year'], df['Average Monthly Wage (Real)'], ...)

• 막대그래프를 생성하며 royalblue 색상을 사용해 가독성을 높입니다.

선그래프 생성

line = ax2.plot(df['Year'], df['Consumer Price Index'], ...)

• 동일한 x축을 공유하는 선그래프를 생성하며 darkred 색상을 사용해 구분합니다.

레이블 추가

for bar in bars:
    yval = bar.get_height()
    ax1.text(...)

• 막대와 선 위에 값을 표시하여 데이터를 직관적으로 전달합니다.

정리하기

1. 월평균 임금(실질)의 추이

• 2011년부터 2021년까지 꾸준히 상승했으나, 최근 2년간 소폭 하락
• 2023년 기준 3,554천 원으로, 2021년 대비 약 1.25% 감소

2. CPI의 변화

• 2011년부터 지속적으로 상승, 특히 2020년 이후 가파른 증가세
• 2023년 기준 111.59로, 2020년 대비 약 11.59% 상승

3. 실질 구매력의 변화

• 최근 물가 상승률이 실질임금 증가율을 초과하며 국민의 실질 구매력 감소
• 이는 경제적 부담 증가와 삶의 질 저하로 이어질 수 있음

3. 정책적 시사점

• 물가 안정화 정책의 중요성 부각
• 실질임금 보전을 위한 임금 정책 재고 필요
• 저소득층 대상 맞춤형 지원 정책 강화 요구

4. 데이터 기반 의사결정의 중요성

• 경제 지표의 지속적인 모니터링과 분석 필요
• 기업과 정부의 협력을 통한 균형 있는 경제 성장 추구

이러한 분석을 통해 우리는 월평균 임금과 물가 변동이 국민의 실질적인 삶의 질에 미치는 영향을 더욱 깊이 이해할 수 있습니다. 이래저래 대한민국이아픈 중입니다만, 이 위기를 극복할 수 있으리라 봅니다. 이와는 별개로, 일상회복을 위해 앞으로도 이러한 경제 지표에 대한 지속적인 관심과 분석도 필요할 것입니다.

참고로, 경제를 이끄는 것은 결국 사람입니다. 한국의 인구는 어떻게 될지 궁금하신 분은 합계출산율 추이와 결혼 출산 인식 변화: R로 시각화하기 포스트를 참조하시길 바랍니다.