초과노동이 잉여가치에 미치는 영향 : SPC와 관련하여

배경

최근 산업중대재해를 해결하려는 이재명 행정부의 각오가 보이는 상황이다. 특히 이번에 끼임사고로 노동자가 사망하여 논란이 된 SPC社를 대통령이 직접 찾아가서 질책까지 했었다.

이후 이 질책이 효과가 있었는지 SPC는 결국 대통령이 지적한 초과노동 8시간 정책을 폐지하겠다고 공식발표 하였다.

'李대통령 질책' SPC, 8시간 초과야근 폐지…"10월1일 시행"(종합) | 연합뉴스

SPC의 문제점으로 지적된 초과노동

여기서 SPC의 문제점으로 지적된 사항 중 초과노동에 주목해보자. 내용의 핵심을 정리하자면 아래와 같다.

• 임금기금 불변 : 임금기금은 거의 변하지 않았다.
• 낮은 기본급 : 낮은 기본급
• 장시간 노동 : 낮은 기본급은 초과노동을 유인했다.
• 이런 상황으로 끼임사고와 같은 중대재해가 연속해서 발생했고 1000억을 투자하겠다던 과거 발언에도 불구하고 크고 작은 재해가 계속 반복되었다.

이런 셋업이 SPC에서 이루어졌다는 것인데, 실제로 이러한 장시간 노동 전략이 잉여가치 착취에 유효한 전략이었는지 확인할 필요가 있다.

잉여가치 분석이 왜 필요한가

SPC 기업의 중대재해 사례를 분석할 때는 단순한 이윤 차원이 아닌 잉여가치 차원에서 접근할 필요가 있다.

이윤은 개별 자본가의 회계적 수익으로, 표면적으로 드러나는 숫자에 불과하다. 반면 잉여가치는 노동자가 생산과정에서 창출하지만 자본가에 의해 착취되는 가치로, 자본주의 생산양식 속에서 이루어진다.

SPC의 사례에서 문제는 단순히 "악한 기업"의 일탈적 행위가 아니라, 잉여가치 추구의 구조적 논리이자 사회적 무의식이 중대재해를 낳을 선택에 대해 정부와 사회가 묵인하고 방기하도록 한 것이다.

이런 이유에서 잉여가치 분석을 통해 그 사회적 성격을 드러낼 필요가 있는 것이다.

모형 : 임금 고정 후 착취를 증대하는 방법

우선 임금기금을 유지하면서 착취율을 올리는 케이스를 선형생산 모형으로 확인해보자. 임금 $w$는 다음과 같이 주어질 것이다.

$w=pblx$

$p$는 가격 행벡터이고 $b$는 직접노동 한 시간에 대해 받을 수 있는 임금재 바스켓 열벡터, $l$은 산출 단위당 투입노동시간 행벡터, $x$는 총산출량 열벡터이다.

노동시간 $l$를 증가시키고 그만큼 임금재 단위 $b$를 감소시킨다면 임금 $w$를 변화시키지 않고도 내부 구성을 조정하여 노동시간을 더 늘릴 수 있을 것이다.

이젠 이런 상황에서 착취율이 증가하는지 확인해보자. 착취율 $e$는 노동일 $T$를 $\omega=1/T$로 두어 계산하면 다음과 같이 가치텀으로 계산할 수 있다.

$e=\frac{1-\omega \lambda b}{\omega \lambda b}$

이 결과는 노동일 $T$가 증가하므로 착취율은 증가할 것임을 알 수 있다. 아래는 그래프를 그려본 것이다.

임금은 불변이지만 착취율이 증가하는 케이스

아래는 옥타브 소스이다.

# wage.m
clear all;

x1 = 100;
x2 = 150;
b = [2/x1;1/x2];
l = [10/x1 15/x2];


n = 10;
d = 0.9;
seq_t = [];
w_t = [];
e_t = [];

for seq = 1:n
  b = b * d;
  l = l / d;
  omega = 1/sum(l);
  bl = b * l;
  w = sum(bl(:));

  seq_t(end+1) = seq;
  w_t(end+1) = w;
  e_t(end+1) = (1-omega*w)/(omega*w);

endfor;

option = "right";
figure;
subplot(2,1,1);
  plot(seq_t, w_t, "bo-");
  legend ({"임금총액"}, "location", "northwestoutside");
  legend(option);
subplot(2,1,2);
  plot(seq_t, e_t, "rs-");
  legend ({"착취율"}, "location", "northwestoutside");
  legend(option);

이런 현상이 일어난 원인은 노동일의 절대적 증가 때문이다. 이는 절대적 잉여가치 착취에 해당한다.

절대적 잉여가치와 상대적 잉여가치

여기서 제시한 예시는 단순하지만, 자본의 임금 고정-장시간노동 규율이 일반적인 잉여가치 착취에 어떤 작용을 하는 지 잘 보여준다.

추이 분석 : 초과노동과 노동력 가치의 추이

이제 모형의 케이스가 실제로도 작용했는지 데이터로 추이 분석을 해보자.

여기에서 나는 2015-2024년까지 지난 10년동안 두 개의 정보를 통해 이 문제에 개입할 수 있다고 생각했다. 바로 초과근로시간과 임금정보이다.

• 고용형태별근로실태조사 : 표본조사. 정액월급, 초과근로시간
• 경제활동인구조사 : 취업자수
• 국민계정 : 국내총생산 및 고정자본감가상각

이런 정보를 이용하여 폴리(1982)^[각주:1]의 방법으로 노동력의 가치를 계산할 수 있다. 먼저 국민경제 차원에서 1년동안 집계한 월 평균 노동력의 가치총계를 $V$라고 하자. 그리고 동시기에 고용되었던 생산적 노동 인구를 $N$이라고 하자. $V$를 $N$으로 나누어주면 아래와 같이 1인당 평균 노동력 가치 $v$를 얻게 된다.

(1) $v=wm$

$v$는 1인당 평균 노동력의 가치이며 $w$는 1인당 평균 임금이다. 마지막으로 $m$은 화폐 가치로, 1원이 지배하는 사회적 필요노동시간으로 정의된다.^[각주:2]

그런데 여기서 초과노동과 노동력의 가치를 비교함에 있어 약간의 문제가 있다. 월급에는 매월 소정의 근로시간에 대응하는 정액급여와 시간외수당, 휴일근무수당, 특별급여 등이 포함된 초과급여로 나뉘어진다.^[각주:3]

(2) $w=w_{s}+w_{o}$

$w_{s}$는 정액급여이며 $w_{o}$는 초과급여를 의미한다. 따라서 바로 임금 정보를 사용하면 초과근로시간에 의해 변동되는 부분과 상관관계를 갖게 되므로 정액급여 부분만을 사용할 필요가 있다. 이로부터 노동력의 가치 식은 다음과 같이 수정된다.

(3) $v_{s}=mw_{s}$

이런건 보통 마경 연구자들이 쓰는 정의는 아니다. 그냥 여기 글의 목적에 맞게 적용한 개념이니 반박 시 님 말이 맞음. 이를 일단 '노동력의 기초 가치'라고 해두자.

이제 화폐 가치의 계산에 들어가자. 총노동시간과 국내순생산액을 구하면 된다. 1인당 평균 총노동시간은 표본조사된 <근로실태조사>의 총근로시간과 <경제활동인구조사>를 통해 전체 취업자수를 곱해주면 노동시간 총계치인 $lx$를 얻을 수 있다. ^[각주:4] 국내순생산액 $p(I-A)x$는 국민계정을 이용하여 국내총생산(GDP)에서 고정자본소모액을 제하여 얻는다. 이로부터 화폐 가치 $m$은 다음과 같이 계산된다.

$m=\frac{lx}{p(I-A)x}$

초과근로시간은 <근로실태조사>에서는 연도마다 월 평균 초과근로시간 항목이 있어 이를 취하면 된다.

이젠 이 정보들을 전체적으로 추이를 살펴보도록 하자.

[그림1] 화폐 가치의 추이(왼쪽), [그림2] 월총급여액과 정액급여의 추이(오른쪽)

[그림3] 노동력의 기초 가치/가치와 초과근로시간의 추이

이 추이 그래프를 보면 다음과 같은 사실을 지적할 수 있다.

• 화폐 가치는 지속적으로 하락해왔다.^[각주:5]
• 월급여액은 증가하는 추세를 보인다. 우리가 위에서 시뮬레이션한 조건과 다르지만 걱정하지 마라. 노동력의 가치 추이를 보라.
• 노동력의 기초 가치/가치는 모두 ±1K시간 내에서 변동이 있지만 비교적 안정되게 횡보한다.^{[각주:6][각주:7]}
• 월평균 초과근로시간 역시 2016년에 정점을 찍었으나 2018년부터 주52시간제 도입으로 하락세를 보이나 펜데믹 시기(2020-2022))에 회복되어 완만해지고 있다.

아래 더보기를 누르면 R 프로그래밍의 코드를 확인할 수 있다.

# 데이터 읽어오기
dt1 <- read.csv("국내총생산과_지출_명목__연간__20250802054327.csv",fileEncoding = "euc-kr",header=T,stringsAsFactors = FALSE)
dt2 <- read.csv("고용형태별_임금_및_근로시간_20250802054838.csv",fileEncoding = "euc-kr",header=T,stringsAsFactors = FALSE)
dt3 <- read.csv("종사상지위별_취업자_20250802055347.csv",fileEncoding = "euc-kr",header=T,stringsAsFactors = FALSE)
# 데이터셋 정리
dt <- data.frame(year=2015:2024,
                 ndp=dt1[,2] - dt1[,5],#국내순생산.십억원
                 labor_time=dt2[,3],#월 총근로시간.시간/월 누계
                 labor_time_over=dt2[,4],#월 초과근로시간.시간/월 누계
                 labor_wage=dt2[,7]-dt2[,8],#월 정액급여.천원
                 labor_tot_wage=dt2[,6],#월 총급여액(정액급여+초과급여+전년도특별급여).천원
                 labor_cnt=(dt3[,4]+dt3[,3])*1000 #임금근로자+1인자영업자 수. 단위조정:천명->명
)
m = (dt$labor_time*dt$labor_cnt) / (dt$ndp) #화폐 가치 얻기.
m = m/1000000 #단위조정:시간/십억원=>시간/천원
# 화폐가치 그래프 그리기
plot(dt$year, m, type="l", col="blue", main="화폐 가치의 추이(2015-2024)", xlab="연도", ylab="m(1시간/천원)")
plot(dt$year, dt$labor_wage, type="c", col="darkgray", main="월총급여액과 정액급여의 추이(2015-2024)", xlab="연도", ylab="금액(천원)", ylim=c(2200,3800))
lines(dt$year, dt$labor_tot_wage, type="l",col="black")
legend(x = "bottomright", legend=c("월총급여액(천원)", "정액급여액(천원)"), fill = c("black","darkgray"))
labor_base_value = dt$labor_wage * m #노동력 기초 가치
labor_value = dt$labor_tot_wage * m #노동력 가치
# 최종 관심 변수 정리
data = data.frame(year=dt$year,
                  labor_base_value=labor_base_value, 
                  labor_value=labor_value, 
                  labor_day_over=dt$labor_time_over)
data

# 노동력 가치와 초과근로시간 그래프 그리기
plot(data$year, data$labor_value, type="l", col="black", ylim=c(5, 10), xlab="연도", ylab="시간")
lines(data$year, data$labor_base_value, type="c",col="darkgray")
lines(data$year, data$labor_day_over, col="red")
grid()
legend(2021, 10, legend=c("노동력 가치(1K시간)", "노동력 기초 가치(1K시간)", "초과근로시간"), fill = c("black","darkgray","red"))
title("노동력 기초/가치 및 초과근로시간 추이(2015-2024)")

통계 모형 : 노동력의 기초 가치 그리고 초과 노동

위에서 추이를 보면 노동력의 기초 가치가 크게 변하지 않았다는 사실에 주목하자. 이것을 설명하려면 먼저 임금 식에 대해 자세히 들여다볼 필요가 있다. 위에서 임금을 정액급여와 초과급여로 분리했던 (2)식을 현실적인 내용을 반영하여 수정하면 아래와 같을 것이다.

$w=\delta w_{s}+\gamma\frac{w_{s}}{T}t$. 단, $\delta\geq 1, \gamma>1$

여기서 $t$는 초과근로시간, $T$는 정액급여에 대응하는 소정의 월 근로시간이며 따라서 $\frac{w_{s}}{T}$는 즉 시간급여라 할 수 있다. $\delta$는 기본급과 함께 기본급 기준으로 산정되는 상여금 가산계수이다. $\gamma$는 시간외수당에 정해진 법정 가산계수이다. 실제로 야간근로는 1.5배이지만 철야 및 휴일근로시 2배가 되지만.. 일단 나의 편의를 위해(?) 하나의 가산계수라고 해두자.

이제 노동력의 가치 $v$가 임금과 화폐 가치의 곱인 $wm$이라는 사실에 따라

(4) $v=mw=\delta v_{s}+\gamma\frac{v_{s}}{T}t$

와 같이 된다. 이제 이 계수들을 회귀식

(5) $v_i=\beta_{1}+\beta_{2}v_{s,i}+\beta_{3}t_{i}+\epsilon_{i}$

에서 회귀계수를 통해 추정하려 한다. 즉 $\beta_{2}$는 $\delta$에 대한 추정치라 할 수 있으며, $\beta_{3}$은 $\gamma E(\frac{v_{s,i}}{T})$에 대한 추정치라 할 수 있다.

이제 실제 데이터를 가지고 회귀계수를 추정해보자. 그런데 10개의 소표본이라 문제가 된다. 이럴 때는 베이지안 모델이 그나마 나은 선택이다.^[각주:8] R의 Stan을 이용하면 MCMC 샘플링을 통해 사후분포를 꽤 간단하게 얻을 수 있어 시도해보았다.

아래 더보기를 누르면 stan 코드를 확인할 수 있다.

# regrission_model.stan
data {
  int N;
  real v[N];
  real v_s[N];
  real t[N];
}

parameters {
  vector[3] beta;
  real<lower=0> sigma;
}

model {
  for (n in 1:N) {
    v[n] ~ normal(beta[1] + beta[2] * v_s[n] + beta[3] * t[n], sigma);
  }
}

이제 노동력의 가치 $v_i$와 노동력의 기초 가치 $v_{s, i}$ 그리고 초과근로시간 $t_{i}$ 데이터를 가지고 확인해보자. MCMC 샘플링된 사후분포의 수렴성은 더보기를 누르면 확인할 수 있다.

MCMC 샘플링의 수렴성을 그래프로 확인하는 방법을 보통 사용한다. 트레이스플롯에서 극단값이 일부 보이긴 하지만 10개의 작은 데이터라는 조건을 생각해보면 샘플링된 사후분포의 수렴성은 이정도면 크게 문제될 것은 없을 것 같다.

트레이스 플롯

밀도함수

자기상관성

회귀계수의 추정치는 아래와 같다.

# r 코드.
library(rstan)

d <- list(N=nrow(data), v=data$labor_value, v_s=data$labor_base_value, t=data$labor_day_over)
fit <- stan(file='regression_model.stan', data=d, seed=1917)
#결과
#Inference for Stan model: anon_model.
#4 chains, each with iter=2000; warmup=1000; thin=1; 
#post-warmup draws per chain=1000, total post-warmup draws=4000.
#
#         mean se_mean   sd  2.5%   25%   50%   75% 97.5% n_eff Rhat
#beta[1] -0.32    0.05 1.41 -3.25 -1.13 -0.34  0.48  2.57   672 1.01
#beta[2]  1.18    0.01 0.18  0.81  1.07  1.18  1.28  1.56   729 1.01
#beta[3]  0.05    0.00 0.05 -0.05  0.02  0.05  0.08  0.15   892 1.00
#sigma    0.13    0.00 0.05  0.07  0.10  0.12  0.15  0.24   913 1.00
#lp__    14.36    0.07 1.81  9.83 13.48 14.74 15.71 16.64   718 1.01

	추정치	표준편차	신뢰수준 95% 구간
$\beta_1$	-0.32	1.41	(-3.25, 2.57)
$\beta_2$	1.18	0.18	(0.81, 1.56)
$\beta_3$	0.05	0.05	(-0.05, 0.15)
$\sigma$	0.13	0.05	(0.07, 0.24)
로그 사후분포 평균	14.36	1.81	(9.83, 16.64)

10년 간의 데이터를 분석해보았을 때 다음과 같이 정리할 수 있다.

• 노동력의 기초 가치 1K시간은 노동력의 가치에 평균적으로 1.18K시간을 추가했다.
• 초과노동 1시간은 노동력의 가치에 0.05K시간을 추가한 것으로 나타났다.
• 95% 신뢰구간은 각각 $\beta_{2}$는 (0.81, 1.56)이며, $\beta_{3}$은 (-0.05,0.15)이다.
• 회귀계수를 얻었으니 위에서 모델링한 초과수당에 대한 가산계수를 알아보자. $E(T_i)=153.22$이고 $E(v_s)=6.377K$이므로 $\beta_3\frac{E(T_i))}{E(v_s)}=\gamma$로 계산되니 1.20으로 계산된다. 두 가산계수가 큰 차이를 보이지는 않는다.

추정 특별상여금 가산계수 $\delta$	추정 초과수당 가산계수 $\gamma$
1.18	1.20

• 여기서 회귀계수 $\beta_2$와 $\beta_3$을 비교해야 하는데 두 단위가 달라 처치가 필요하다. 먼저 (5)식을 조건부 기대값으로 바꾸면 $E(v_{i}|v_{s,i}=1,t_{i}=1)=\beta_1+\beta_2+\beta_3$이 되는데 이때 $\beta_2$는 사실 무명수이지만 1지배노동시간이 곱해져있으므로 지배노동시간 단위로 볼 수 있다. 그리고 $\beta_3$은 (지배노동시간/시간) 단위일 것이다. 해서 $\beta_2$를 위에서 구한 소정의 근로시간 평균 153.22시간으로 나눠주면 단위가 (지배노동시간/시간)이 되니 비교가 가능해진다. 결과는 $\frac{1.18K}{153.22}=0.008$이 나오므로 둘을 비교해보면... 소정의 노동 1시간은 8시간을 노동력 가치에 추가하였고, 초과 노동 1시간은 50시간을 노동력 가치에 추가하였다. 이는 아래의 표로 정리해보았다.

	소정의 노동 1시간	초과 노동 1시간
지배노동 (시간×천원)	0.008	0.050

이 결과는 무슨 의미일까? 여러 가능성이 있어 헤석이 쉽지 않지만 일단 내가 생각한 것은 다음과 같다.

• 소정의 노동 1시간이 노동력 가치에 추가한 지배노동시간은 초과노동의 16% 수준으로 매우 낮은 수준이었다.
• 초과 노동 1시간이 노동력 가치에 추가한 지배노동시간은 높은 수준이었다.
• 노동력의 가치는 지난 10년동안 크게 변동하지 않고 거의 고정된 수준이었다.

위에서 분석한 시뮬레이션처럼 임금 $b$를 낮추고 노동시간 $l$을 높이는 방식이 지난 10년동안 관측되고 있다고 봐야 하지 않나 싶다.

결론

이제 내가 해왔던 것들을 종합적으로 정리해보자.

먼저 나는 시뮬레이션을 통해 임금기금이 고정된 채 착취가 증가될 수 있다는 걸 알았다. 이는 노동시간을 절대적으로 늘리는 것과 동시에 임금재 몫을 낮춤으로써 달성 가능하다는 것을 알았다.

이후 시뮬레이션의 내용이 현실에서도 그러한지 실증을 하고자 했다. 통계모델을 통해 추정한 바에 따르면 소정의 노동 1시간이 노동력 가치에 추가한 지배노동은 매우 낮은 수준이었고 초과 노동 1시간은 매우 높은 수준이었다. 그리고 노동력의 가치가 거의 변하지 않았다는 사실을 고려하여 종합적으로 검토해본 결과, 노동력을 절대적으로 착취하는 이 특수한 전략이 지난 10년동안 지배적으로 이루어졌을 가능성이 높다는 것을 알 수 있었다.

첨언할 사항이 있다. 왜 잉여가치율을 기존의 정구현(2016)^[각주:9], 정성진(2005)^[각주:10]과 같은 계산방법이 있는데 사용하지 않았느냐고 물을 수 있다. 허나 이 방법은 많이 지적된 바 있듯이(류동민(2013:274)^[각주:11]) 가격으로 된 소득분배율과 같기 때문에 문제가 많다고 생각한다. 그런 점에서 나는 노동력의 가치를 일단 새해석과 같은 방식을 사용하되 소정의 근로시간과 초과근로시간 각각에 대응된 "가치"라는 가정 하에 노동력 가치에 대한 회귀분석을 통해 간접적으로 착취를 판별할 수 있다는 걸 보이고 싶었다.

-끝-

1. Foley, D. K. (1982). The value of money the value of labor power and the Marxian transformation problem. Review of radical political economics, 14(2), 37-47. [본문으로]
2. 다른 정보와 달리 화폐 가치는 국민경제 수준의 집계치로 계산된 거시 정보이다. 어쨌든 임금에 화폐 가치의 곱은 (원)X(시간/원)이 되어 최종적으로 시간으로 표현되므로 노동력의 가치라 할 수 있는 것이다. [본문으로]
3. 근로실태조사의 월총급여액 항에는 전년도 특별급여항도 포함되는데, 이게 6월에 인터뷰를 하기 때문에 당해년도는 모르고 전년도 특별급여를 응답받게 되서 이렇게 합쳐있다. 이를 6월마다 1년기간에 조사하는 것이므로 추이 확인에 그리 큰 차이는 없을 것 같아 그대로 사용할 것이다. [본문으로]
4. 생산적 노동인구는 고려하지 않았다. [본문으로]
5. 화폐가치의 단위는 (시간/천 원) 이므로 어떤 연도의 월 평균 화폐 가치가 1이라면, 한 달 동안 천 원이 지배하는 노동시간이 1시간이었다는 의미이다. 참고로 월급 정보가 천 원 단위이기 때문에 이와 곱하기 위한 화폐 가치도 동일한 단위로 맞추기 위해 (시간/십억 원)에서 (시간/천 원) 단위로 변환했다. [본문으로]
6. 여기서 계산된 가치 단위는 임금가격(원)에 화폐 가치(시간/천원)를 곱했으므로 단위가 (시간×천원)이 된다. 그래서 여기 분석에서 가치가 1K시간이라고 하면 사실 1(시간×천원)을 의미한다. [본문으로]
7. 물론 근무시간 1시간과 지배노동으로 평가된 1시간은 같은 단위로 보이지만 차원이 다르다고 봐야 한다. 전자는 시계로 잰 근무시간 1시간이라면 후자는 화폐가 지배하는 노동시간 1시간이기 때문이다. [본문으로]
8. Sayed-Ahmed, N. (2018). Efficiency of bayesian approaches in quantile regression with small sample size. Asian Journal of Probability and Statistics, 1-13. [본문으로]
9. 정구현. 2016. “한국의 잉여가치율: 1980-2011년 - ‘노동시간의 화폐적 표현’ 모형이 지니는 약점과 그 보완.” 사회경제평론 29(2):25–58. [본문으로]
10. 정성진. 2005. “한국경제의 마르크스 비율 분석.” 사회경제평론 25:293–339. [본문으로]
11. 류동민. (2013). 정치경제학의 최근 동향. 경제논집, 52(2), 271-285. [본문으로]