3줄 요약
- 2026년 9월 실업률은 2.0%인데, 같은 보도자료의 계절조정 실업률은 2.6%입니다.
- 계절조정은 해마다 되풀이되는 철 효과를 걷어낸 값이라, 바로 전 달과 비교할 때 씁니다.
- 전년 같은 달과 비교할 때는 원래 값, 전 달과 비교할 때는 계절조정 값을 보면 됩니다.
9월 실업률은 2.0%였습니다. 숫자만 보면 일자리 걱정이 거의 없는 것처럼 보입니다. 그런데 국가데이터처가 같은 날 낸 같은 보도자료에는 2.6%도 적혀 있습니다. 계절조정 실업률입니다. 둘 다 맞는 숫자입니다. 다만 던지는 질문이 다릅니다.
계절조정이란 무엇이고, 9월 실업률은 어떻게 두 개일까요?
계절조정은 해마다 같은 철에 되풀이되는 움직임을 걷어낸 값입니다. 아이스크림 가게로 비유하면 쉽습니다. 8월 매출이 7월보다 올랐다고 장사 실력이 늘었다고 할 수는 없습니다. 여름이라서 오른 몫이 있기 때문입니다. 계절조정은 이 ‘여름 효과’를 빼고 그 달의 실력만 남기는 일입니다.
국가데이터처는 10월 16일 「2026년 9월 고용동향」을 발표했습니다. 실업자는 60만 명, 실업률은 2.0%였습니다. 1년 전 9월보다 실업자는 3만 4천 명 줄었고 실업률은 0.1%p 내렸습니다.
같은 자료의 계절조정 실업자는 76만 7천 명, 계절조정 실업률은 2.6%입니다. 전월보다 4만 7천 명, 0.1%p 줄었습니다. 같은 달인데 실업자 수가 16만 7천 명 차이 납니다. 이 차이는 제가 두 숫자를 빼서 구한 값입니다.
참고로 통계에서 실업자는 ‘조사 주간에 수입 있는 일을 하지 않았고, 지난 4주간 적극적으로 구직활동을 했으며, 일자리가 주어지면 즉시 취업할 수 있는 사람’입니다. 이 정의는 원래 값과 계절조정 값이 똑같이 씁니다.
원래 값은 왜 이렇게 출렁이고, 계절조정 값은 왜 잠잠할까요?
두 줄을 나란히 놓으면 차이가 드러납니다. 원래 값(원계열)은 5월 2.9%에서 8월 2.0%까지 0.9%p 움직였습니다. 계절조정 값은 같은 기간 2.6~2.8% 안에서 0.2%p만 움직였습니다.
| 시점 | 원계열 실업률 | 계절조정 실업률 |
|---|---|---|
| 2025년 9월 | 2.1% | 2.7% |
| 2026년 5월 | 2.9% | 2.8% |
| 2026년 6월 | 2.8% | 2.7% |
| 2026년 7월 | 2.6% | 2.8% |
| 2026년 8월 | 2.0% | 2.7% |
| 2026년 9월 | 2.0% | 2.6% |
원계열 실업자는 5월 87만 8천 명에서 9월 60만 명으로 줄었습니다. 27만 8천 명이 줄어든 셈입니다(제가 계산한 값). 이 감소를 전부 ‘일자리 사정이 좋아져서’라고 읽으면 틀립니다. 같은 기간 계절조정 실업률은 2.8%에서 2.6%로 0.2%p만 내렸기 때문입니다.
그럼 5월에는 왜 높고 9월에는 왜 낮을까요. 보도자료는 이유를 따로 설명하지 않습니다. 확인된 사실은 원계열이 5월에 높고 8~9월에 낮았다는 데까지입니다. 계산상으로는 9월 원계열(2.0%)이 계절조정(2.6%)보다 낮으니, 9월은 계절 요인이 실업률을 낮추는 쪽으로 작용한 달로 읽힙니다. 여기서부터 원인은 자료에 없으므로 멈춥니다.
전 달과 비교할 때와 작년 같은 달과 비교할 때, 어떤 숫자를 써야 할까요?
기준은 단순합니다. 같은 달끼리 비교하면 철 효과가 서로 같아서 원래 값을 써도 됩니다. 이웃한 달끼리 비교하면 철이 다르므로 계절조정 값을 씁니다.
| 비교 방식 | 쓰는 숫자 | 9월 결과 |
|---|---|---|
| 작년 9월과 비교 | 원계열 | 2.1%에서 2.0%로 0.1%p 하락 |
| 8월과 비교 | 원계열 | 2.0%에서 2.0%로 변화 없음 |
| 8월과 비교 | 계절조정 | 2.7%에서 2.6%로 0.1%p 하락 |
여기에 반전이 있습니다. 8월과 9월의 원래 값은 똑같이 2.0%입니다. 원래 값만 보면 ‘변화 없음’입니다. 철 효과를 빼고 보면 0.1%p 내려갔습니다. 그래서 보도자료의 계절조정 문장은 ‘전월대비 0.1%p 하락’이라고 적습니다.
계절조정 숫자는 한 번 정해지면 그대로일까요?
그렇지 않습니다. 국가데이터처는 매년 1월 기준 고용동향을 쓸 때 전년도 자료를 반영해 계절조정 계열을 새로 만들고, 전체 시계열을 거슬러 올라가 고친다고 밝히고 있습니다. 지금 보는 2.6%도 내년 1월에 다시 계산될 수 있다는 뜻입니다.
취업자와 고용률도 두 줄이 있습니다. 원래 값은 취업자 2,926만 6천 명(1년 전보다 11만 3천 명 증가), 15~64세 고용률 70.6%입니다. 계절조정 값은 취업자 2,898만 5천 명(전월보다 4만 명 증가), 고용률 70.3%입니다. 크기가 다른 것은 오류가 아니라 보정 때문입니다.
그래서 내 지갑엔 — 어떤 숫자를 근거로 판단해야 할까요?
이 숫자는 월급을 직접 바꾸지 않습니다. 대신 뉴스를 읽고 내리는 판단의 기준을 바꿉니다. 아래 사례는 모두 제가 세운 가정이며, 발표된 사례가 아닙니다.
사례 하나는 연봉 4,000만 원으로 이직을 고민하는 33세 직장인입니다. 기사에서 ‘실업률 2.0%’를 보고 지금이 이직하기 좋은 때라고 판단하려는 경우입니다. 원래 값은 8월에도 2.0%였고 5월에는 2.9%였습니다. 계절조정 값은 5월 2.8%, 9월 2.6%로 거의 그대로입니다. ‘여름 이후 일자리 시장이 갑자기 좋아졌다’는 근거는 이 자료에 없습니다.
이직하면 연봉 협상이 유리해지는지는 이 자료의 범위 밖입니다. 고용동향에는 임금 칸이 없어서 여기서 사슬을 끊습니다. 이직 판단에는 내 직무의 채용 공고 수와 내 연차 시장 연봉 같은 다른 자료가 필요합니다.
사례 둘은 연봉 5,000만 원 가구에 취업을 준비하는 20대 자녀가 있는 경우입니다. 15~29세 실업률은 6월 7.0%, 7월 6.8%, 8월 5.4%, 9월 5.4%로 내려왔습니다. 안도하기 쉬운 흐름입니다. 하지만 같은 달끼리 비교하면 1년 전 9월 4.8%보다 0.6%p 높습니다. ‘전 달보다 내렸다’와 ‘작년보다 올랐다’가 동시에 참입니다. 청년층 계절조정 값은 이 자료에서 확인하지 못했습니다. 그래서 8월 이후 하락 중 철 효과의 몫이 얼마인지는 말할 수 없습니다.
사례 셋은 가구 안의 남녀 칸을 보는 맞벌이 부부입니다. 9월 실업자는 남자 34만 5천 명으로 1년 전보다 5만 5천 명 줄었고, 여자는 25만 6천 명으로 2만 1천 명 늘었습니다. 실업률은 남자 2.1%(0.3%p 하락), 여자 1.9%(0.1%p 상승)입니다. 전체 2.0%라는 평균이 이 엇갈림을 가립니다. 내 성별·연령 칸이 평균과 같이 움직이는지 보는 습관이 필요합니다.
정리하면 세 가지입니다. 첫째, 전 달과 비교하는 기사에는 계절조정 칸을 찾아보세요. 둘째, 작년 같은 달과 비교하는 기사에는 원래 값을 쓰면 됩니다. 셋째, 내 연령대와 성별 칸이 따로 있는지 확인하세요.
다음 고용동향에서는 무엇을 보면 될까요?
방향을 예측하지 않고 볼 칸만 정리합니다. 첫째, 계절조정 실업률이 최근 여섯 시점의 범위인 2.6~2.8% 안에 머무는지 봅니다. 이 범위를 벗어나면 철 효과로는 설명되지 않는 변화일 가능성이 커집니다. 둘째, 10월 원래 값은 9월이 아니라 1년 전 10월과 비교해 읽습니다. 셋째, 청년층 숫자는 전년 같은 달 대비 증감을 먼저 봅니다.
자주 묻는 질문
계절조정 실업률이 원래 실업률보다 더 정확한가요?
정확하고 부정확하고의 문제가 아닙니다. 용도가 다릅니다. 원래 값은 그 달에 실제로 조사된 값이고, 계절조정 값은 이웃한 달을 공정하게 비교하려고 보정한 값입니다.
뉴스에는 어느 숫자가 나오나요?
보도자료 요약에는 두 개가 다 나옵니다. 실업률 2.0%(전년동월대비 0.1%p 하락)와 함께 계절조정 실업률 2.6%(전월대비 0.1%p 하락)가 같이 적혀 있습니다. 기사 제목은 한쪽만 고르는 경우가 많으니 본문에서 나머지 하나를 찾아보세요.
계절조정을 하면 구직단념자나 쉬었음 인구도 달라지나요?
이 자료에서는 확인하지 못했습니다. 이 글은 실업률과 실업자 숫자에 한정해 썼습니다. 실업자에 잡히지 않는 사람들을 포함한 확장실업률은 다른 글에서 다룹니다.
결국 같은 노동시장을 두 눈금으로 재는 일입니다. 눈금이 다르다는 것만 알면 2.0%와 2.6% 사이에서 길을 잃지 않습니다. 실업자에 잡히지 않는 사람까지 넓혀 보는 방법은 실망실업자란 글에서, 지수를 해석하는 또 다른 사례는 경기동행지수란 글에서 이어서 볼 수 있습니다.
출처
