08-08 거시경제 변화에 따른 it 산업 파급효과 추정을 위한 계량모형 … ·...

거시경제 변화에 따른 IT산업파급효과 추정을 위한 계량모형 개발

2008. 12

문성배/김원중/고준형/임순옥

기본연구 08-08

서 언 1

서 언

최근 미국발 금융위기가 세계 전반에 걸쳐 실물부문에 까지 확산되면서 우리나라

전산업, 특히 IT산업에 부정적 영향을 미치고 있습니다. 세계 경제가 얼마나 빠르게

위축되고 있는 지는 IMF의 세계경제 전망 수정치를 살펴보면 알 수 있습니다. 2008

년 4월까지만 해도 IMF는 2009년 전세계 성장률이 3.8%에 이를 것으로 전망하였으

나 2008년 11월에 2.2%로 전망치를 수정하여 전세계 실물경기 위축에 대한 우려감

이 높아지고 있는 실정입니다.

우리나라 IT산업은 수출비중이 매우 높아 환율변동이나 세계 경기변화에 취약할

수밖에 없는 것이 현실입니다. 지금까지 우리는 IT산업 전망을 위해 주요 거시변수

들은 타 기관의 전망치를 이용함으로써 관련 경제변수에 대한 분석이 제한적이었던

것이 사실입니다. 이에 따라 대내외 충격이 다른 거시변수들에게 영향을 주고 이들

이 다시 IT산업에 영향을 미치는 간접효과와 대내외 충격이 IT산업에 미치는 직접

효과를 구분하여 측정하지 못함으로써 추정상의 편의(bias)가 존재했던 것도 사실입

니다. IT산업에서 거시경제모형의 부재는 예상치 않은 경제 대내외적인 충격시 IT

산업에 미칠 수 있는 영향을 시나리오별로 분석하고 대응 전략을 마련하는 데에 한

계로 작용하였습니다.

따라서 본 연구에서는 다음과 같은 두 가지 계량모형을 이용하여 외생적인 거시

경제변수들이 국내 IT산업에 미치는 효과를 분석하였습니다. 첫째, 연립방정식 모형

을 이용하여 국내 거시 변수들 간의 내생성을 살펴보고 해외를 포함한 외생적인 충

격이 발생할 경우 국내 거시경제 및 국내 IT산업이 어떻게 변화하는지를 분석하였

습니다. 이러한 분석을 통하여 외생적인 충격이 IT산업에 미치는 직접적인 효과와

거시경제 변화를 통해 IT산업에 미치는 간접적인 효과를 동시에 분석함으로써 추정

상의 편의(bias)를 최소화 하고자 하였습니다. 구체적으로 본 연구에서 연립방정식

2

모형 구축을 통해 원/달러 10% 하락시 영향, 유가 10% 상승시 영향, 전세계 수입 10%

감소시 영향, 콜금리 1%p 상승시 영향, 고령화 비율이 1%p 상승시 영향 등이 국내

경제 및 IT산업에 어떠한 영향을 미치는 지를 분석하였습니다. 둘째, 연립방정식을

이용한 거시계량모형 개발시 불가피하게 해외 변수들은 외생적으로 결정된다는 가

정을 하는데 이를 보완하기 위하여 구조적 자기회귀모형을 이용하여 해외 거시경제

충격들이 국내 IT제품 수출에 어떠한 영향을 미치는지를 분석하였습니다. 전세계

생산, 무역가중치를 적용한 원화의 실효환율, 전세계 물가간의 내생성을 우선적으

로 살펴보고 해외충격에 따른 국내 IT산업 수출의 동적인 변화를 측정하였습니다.

본 연구보고서는 본 연구원의 문성배 박사와 임순옥 연구원, 강원대학교 경제학

과 김원중 교수, 그리고 포스코경영연구소 고준형 수석연구위원에 의해 작성되었습

니다. 저자들은 연구에 많은 조언을 해 주신 산․학계 전문가들께 감사를 드립니다.

마지막으로 본 연구보고서가 정부의 정책수립에 활용이 될 뿐만 아니라 기업들에게

도 참고자료로 활용되기를 바랍니다. 또한 연구의 보완과 발전을 위해서 독자들의

많은 의견을 부탁드립니다.

2008년 12월

정보통신정책연구원

원 장 방 석 호

3

목 차

서 언 ····················································································································· 1

요약문 ···················································································································· 9

제 1 장 서 론 ····································································································· 13

제 2 장 거시계량모형의 발전 및 개발사례 ························································· 15

제 1 절 해외 거시계량모형 ·············································································· 17

제 2 절 국내 거시계량모형 ·············································································· 19

제 3 장 KISDI 거시계량경제모형 및 정책시뮬레이션 ········································· 23

제 1 절 개 요 ·································································································· 23

제 2 절 거시계량모형 ······················································································· 24

1. 거시부문 ····································································································· 24

2. IT부문 ········································································································· 46

제 3 절 역사적 시뮬레이션 및 정책 시뮬레이션 ············································· 48

1. 역사적 시뮬레이션 ····················································································· 48

2. 정책 시뮬레이션 ························································································· 49

제 4 장 VAR을 이용한 해외 경제충격의 국내 IT제품 수출 파급효과 분석 ······· 54

제 1 절 개 요 ·································································································· 54

제 2 절 우리나라 환율변화 추이 ······································································ 55

1. 환율 변화 추이 ··························································································· 55

2. 실효환율 변화 추이 ···················································································· 56

제 3 절 분석모형 ······························································································ 64

4

1. 이론적 모형 ································································································ 64

2. 실증 모형 ··································································································· 68

제 4 절 분석결과 ······························································································ 71

1. 자 료 ········································································································· 71

2. 해외 거시변수충격이 해외 거시경제에 미치는 영향 ································· 72

3. 해외 거시변수충격이 국내 IT제품 수출에 미치는 영향

(MTI 8(전기전자)內 1자리 및 2자리 분류코드 기준) ································ 74

4. 해외 거시변수 충격이 국내 IT제품 수출에 미치는 영향

(MTI 8(전기전자)內 3자리 분류코드 기준) ················································ 77

제 5 절 맺음말 ·································································································· 80

제 5 장 결론 및 시사점 ······················································································· 82

참고문헌 ··············································································································· 83

부 록 ··················································································································· 87

5

표 목 차

주요 변수의 역사적 시뮬레이션 결과 ·············································· 49

원/달러 환율이 매년 실제치보다 10% 낮을 경우 파급효과 ············· 50

유가가 실제치보다 10% 높았을 경우 파급효과 ······························· 50

전세계 수입이 매년 실제치보다 10% 낮았을 경우 파급효과 ·········· 51

콜금리가 매년 실제치보다 1%p 높았을 경우 파급효과 ··················· 51

고령화비율이 매년 실제보다 1%p 높았을 경우 파급효과 ··············· 52

전산업 및 IT산업의 국가별 연평균 수출비중(’00년～’07년) ··········· 59

무역수지 및 증가율 추이 ································································· 61

IT산업의 무역수지 및 증가율 추이 ·················································· 63

구조 VAR에서 내생변수 증가시 추정상의 문제 예시 ····················· 68

구조 VAR 하부시스템으로 분리시 각 방정식별 자유도 예시 ········· 68

MTI 8코드내 하위 분류 목록 ··························································· 72

거시충격반응 이론과 실제 비교 ······················································· 73

해외 충격시 거시 반응 ····································································· 73

해외충격시 IT제품 수출 변화(MTI 전기전자(8) 1, 2자리 기준) ······ 75

해외충격시 IT제품 수출 장기적 변화(MTI 전기전자(8) 3자리 기준) ··· · 79

6

그 림 목 차

[그림 2－1] 한국의 거시계량경제모형 ······························································ 20

[그림 3－1] 연립방정식 모형의 개요 ································································ 24

[그림 3－2] 우리나라 고령화비율 추이 및 전망 ·············································· 52

[그림 4－1] 원/달러, 원/엔 환율 추이 ······························································· 56

[그림 4－2] 원/달러, 원/엔 증감률 비교 ··························································· 56

[그림 4－3] 명목실효환율지수 추이 ································································· 59

[그림 4－4] NEER과 원/달러 증감률 비교 ······················································· 60

[그림 4－5] 실질실효환율지수 추이 ································································· 60

[그림 4－6] REER과 원/달러 증감률 비교 ······················································· 61

[그림 4－7] IT산업 실질실효환율지수(REER) 추이 ·········································· 62

[그림 4－8] 실질실효환율지수 증감률 비교 ····················································· 62

[그림 4－9] IT산업 실질실효환율지수 비교 ····················································· 63

[그림 4－10] Responses of aggregate variables to aggregate shocks ····················· 74

[그림 4－11] Responses of disaggregated Korean IT export to output

(supply) shocks ··············································································· 75

[그림 4－12] Responses of disaggregated Korean IT export to real exchange

rate(demand) shocks ········································································ 76

[그림 4－13] Responses of disaggregated Korean export to nominal price

(money) shocks ··············································································· 77

[그림 4－14] Responses of disaggregated Korean IT export to output

(supply) shocks ··············································································· 78

7

[그림 4－15] Responses of disaggregated Korean IT export to real exchange

rate(demand) shocks ········································································ 78

[그림 4－16] Responses of disaggregated Korean export to nominal

price(money) shocks ······································································· 79

요약문 9

요 약 문

1. 연구 배경 및 필요성

최근 급변하는 경제 환경 속에서 거시경제의 변화가 IT산업에 미치는 영향 분석

을 위한 체계적인 모형 구축은 미흡한 실정이다. KDI, 한국은행 등 일부 기관에서

체계적인 거시계량모형을 이용하여 각 산업에 대한 파급효과 및 전망 등은 하고 있

으나 세부적인 IT산업에 대한 파급효과 및 전망은 전무한 상황이다.

지금까지 IT산업 전망은 한국은행, KDI 등 주요 기관의 단편적인 결과를 이용함

으로써 관련 경제변수에 대한 분석이 제한적이었다. 무엇보다도 대내외 충격이 있

을 경우 그 경제 동학(dynamics)을 빠른 시간 내에 분석하고 주요 경제 변수들의 시

간에 따른 변화 추이 예측시 한계가 존재하였던 것이 사실이다. 또한 예상치 않은

경제 대내외적인 충격으로 필요 이상의 손실을 입지 않고자 대내외 충격시 IT산업

에 미칠 수 있는 영향을 시나리오별로 분석하고 대응 전략을 마련하는 데에 부족함

이 있었다. 본 연구는 위에서 언급한 문제점들을 보완하기 위해 계량모형을 개발하

여 거시경제 변화에 따른 IT산업 파급효과를 추정하고자 한다.

2. 연구 목표

본 연구의 목표는 다양한 계량모형을 개발하여 거시경제 변화에 따른 IT산업 파

급효과를 추정하는 것이다. 이를 위해 첫째, 연립방정식모형 개발을 통해 국내 거시

변수들 간의 내생성을 살펴보고 정책시나리오 분석을 통해 환율, 유가, 전세계 경기

위축, 고령화 등 외생적인 충격에 국내 거시경제 및 국내 IT산업이 어떻게 변화하는

지를 분석하였다. 둘째, 구조적 벡터자기회귀모형을 이용하여 전세계 생산, 실효원

10

화환율 및 전세계 물가간의 내생적인 관계 통제한 이후 외생적 해외충격들이 국내

IT제품 수출에 미치는 영향을 분석하였다.

3. 주요 연구 내용

본 연구는 거시경제 충격이 거시경제 및 IT산업에 미치는 영향을 다양한 계량모

형을 이용하여 추정하였다. 첫 번째 모형은 연립방정식 모형으로 이를 이용하여 원/

달러 하락, 세계 경기 둔화, 국제유가 상승 등에 따른 거시 및 IT산업 파급효과를 추

정하였다. 두 번째 모형은 구조적 벡터자기회귀모형(Structural VAR)으로 해외 변수

들 간의 내생성을 통제한 이후 전세계 생산충격, 실효원화환율 충격(원화/해외통화),

전세계 물가충격 등 해외 경제충격 국내 IT제품 수출에 어떠한 영향을 미치는지를

살펴보았다.

첫 번째 연립방정식모형에서 추정된 결과에 따르면, IT산업은 전세계 경기 둔화시

가장 부정적인 영향을 받는 것으로 나타났으며, 원/달러 환율 하락에도 영향을 받는

것으로 나타났다. 유가상승은 우리나라 경제에 큰 영향을 주기는 하지만 IT수출이

나 IT생산에서는 미미한 영향을 주는 것으로 나타났다.

두 번째 구조적 벡터자기회귀모형 추정결과에 따르면, 전기전자제품 수출은 전체

적으로 해외 공급충격, 수요충격 및 명목충격과 양의 관계를 가지는 것으로 나타났

다. 다만, 개별 제품별로는 각각의 해외충격에 대해 상이한 반응을 보였다.

최근 해외 경제침체가 심화되고 있는 가운데 우리나라 IT제품 수출에도 부정적인

영향을 미칠 것으로 예상되는 바 이에 대한 대책마련이 시급하다. 또한 해외 경기가

국내 IT수출에 미치는 영향이 타 요인들보다 크다는 점에서 이에 대한 대책마련이

필요하다.

단기적으로는 세계 경기관련 지속적인 모니터링 및 시장다변화 등이 필요하며,

장기적으로는 핵심원천기술 개발 및 표준화 선도, 신규 서비스/제조업 시장 선점을

통한 경쟁력 강화 등이 필요할 것으로 판단된다. 특히, IT부품소재산업, SW, 디지털

요약문 11

콘텐츠 등 고부가가치 산업 육성에 중점을 두어야 하며, 또한 첨단 IT산업과 전통

제조 산업간의 융합을 통하여 전반적인 국내 제품의 국제경쟁력 강화에도 노력해야

할 것이다.

4. 기대 효과

본 연구는 기존에 거시경제 변수들에 국한되어 있었던 거시계량 전망모형을 IT산

업으로 확장시킴으로써 기존 연구와의 차별성을 보이고 있다. 특히, 다양한 경제충

격들이 IT산업에 미치는 직․간접 효과를 다양한 계량모형을 이용하여 추정함으로

써 향후 산업 특화적 거시경제모형 구축연구를 위한 기반연구로써 큰 의의를 지닌

다고 할 수 있다.

또한, 거시경제 변화에 따른 IT산업 파급효과 및 전망 추정을 위한 계량모형을 개

발은 거시충격에 따른 시나리오 분석을 가능케 함으로써 경제환경 변화에 따른 정

책적 대응 근거 및 방안 도출을 위한 기초자료로 기여할 수 있을 것으로 판단된다.

제 1 장 서 론 13

제1 장 서 론

우리나라 IT수출(통신기기 및 장비, 정보기기, 디지털가전/방송 및 IT부품 포함)은

’07년 약 1,251억 달러로 국내 IT총생산의 약 61% 가량을 차지1)하고 있다. 이렇게

높은 수출비중으로 인해 국내 IT산업은 환율변동이나 세계 경기변화에 취약할 수밖

에 없는 것이 현실이다.

지금까지 우리는 IT산업 전망을 위해 한국은행, KDI 등 주요 기관의 단편적인 결

과를 이용함으로써 관련 경제변수에 대한 분석이 제한적이었던 것이 사실이다. 구

체적으로 대내외 충격의 경우 이들이 다른 거시변수들에게 영향을 미쳐 이를 통해

IT산업에 영향을 주는 간접효과와 대내외 충격이 IT산업에 미치는 직접효과를 구분

하여 측정하지 못함으로써 추정상의 편의(bias)가 존재했던 것도 사실이다. 또한,

대내외 충격이 있을 경우 그 경제 동학(dynamics)을 빠른 시간 내에 분석하고 주요

경제 변수들의 시간에 따른 변화 추이 예측시 한계가 존재하였다. IT산업에서의 거

시경제모형의 부재는 예상치 않은 경제 대내외적인 충격에 의한 필요 이상의 손실

을 줄이고자 대내외 충격시 IT산업에 미칠 수 있는 영향을 시나리오별로 분석하고

대응 전략을 마련하는 데에도 어려움을 주어 왔다.

따라서 본 연구에서는 거시경제 변수들이 국내 IT산업에 어떠한 영향을 주는지를

분석하고자 한다. 현재 거시경제 파급효과 분석을 위한 계량모형은 다양하게 존

재한다. 가장 일반적인 모형은 연립방정식 모형이며 그 외에도 벡터자기회귀(Vector

Autoregressive: VAR) 모형, 연산가능일반균형(Computational General Equilibrium: CGE)

모형, 동태적 확률일반균형(Dynamic Stochastic General Equilibrium: DSGE) 모형 등

이 존재한다. 이중에서 CGE, DSGE 모형들은 데이터가 존재하지 않거나 FTA 등 어떤

정책의 효과를 사전적으로 살펴보는 데에는 유용한 반면 많은 매개변수(parameter)들

1) 수출은 IITA, 생산은 KAIT자료를 기초로 하여 계산

14

에 대한 값을 부여해야 한다는 점에서 제약이 존재한다. 따라서 본 연구에서는 다음

과 같은 두 가지 계량모형을 이용하여 거시경제의 IT산업 파급효과를 분석하였다.

첫째, 연립방정식 모형을 이용하여 국내 거시 변수들 간의 내생성을 살펴보고 해

외를 포함한 외생적인 충격이 발생할 경우 국내 거시경제 및 국내 IT산업이 어떻게

변화하는지를 분석하였다. 이러한 분석을 통하여 외생적인 충격이 IT산업에 미치는

직접적인 효과와 외생적인 충격이 거시경제에 영향을 미치고 이러한 거시경제 변화

가 IT산업에 미치는 간접적인 효과를 동시에 분석을 함으로써 추정상의 편의(bias)

를 최소화하였다.

둘째, 연립방정식을 이용한 거시계량모형 개발시 불가피하게 해외변수들은 외생

적으로 결정된다는 가정을 하는데 이를 보완하기 위하여 구조적 자기회귀모형(Structural

Vector Autoregressive(VAR) Model)을 이용하여 해외 거시경제 충격들이 국내 IT제

품 수출에 어떠한 영향을 미치는지를 분석하였다. 구체적으로, 전세계 생산, 무역가

중치를 적용한 원화의 실효환율, 전세계 물가간의 내생성을 우선적으로 살펴보고

해외충격에 따른 국내 IT산업 수출의 동적인(dynamic) 변화를 측정하였다.

본 연구의 구성은 다음과 같다. 먼저 제2장 ‘거시계량모형의 발전 및 개발사례’에

서는 국내외 거시계량모형 개발사례를 비교하여 각 모형별 함의(implication)를 논의

하고 있다. 제3장 ‘KISDI 거시계량경제모형 및 정책시뮬레이션’에서는 KISDI연립

방정식의 구조 및 체계, 모형에 대한 설명과 연립방정식 모형의 적합도를 검증하고

각 시나리오별로 충격에 따른 거시 및 IT산업의 변화를 살펴보았다. 제4장 ‘VAR을

이용한 해외 경제충격의 국내 IT제품 수출 파급효과 분석’은 원화의 명목 및 실질실

효환율 변화에 따른 국내 IT산업 수출경쟁력을 분석하고 해외 거시경제 변수들 간

의 내생성을 살펴보았으며, 이들이 국내 IT산업에 어떠한 영향을 미쳤는지를 이론

및 실증적으로 분석하였다. 마지막으로, 제5장 ‘결론 및 시사점’에서는 다양한 분석

으로부터 도출된 결과를 이용하여 정책적 함의를 도출하였다.

제 2 장 거시계량모형의 발전 및 개발사례 15

제 2 장 거시계량모형의 발전 및 개발사례

초기 거시계량모형의 대표 격인 Lawrence Klein의 Interwar 모형은 1921～41년 기

간의 미국경제를 분석하고 제2차 세계대전 이후의 경기를 전망하기 위해 개발되었

다. 이 모형은 1940년대 중후반에 개발된 후, 1950년에 Cowles Commission에 의해

출판되었다. 1930년대 공황기에도 경제정책 효과를 연구할 목적으로 수차례의 모형

개발 시도가 있었으나, 본격적인 계량모형의 시발은 Lawrence Klein으로부터라고

볼 수 있다. Interwar 모형은 소규모 폐쇄경제 거시계량모형으로서 GNP 항등식과 소

비와 투자 등의 행태방정식으로 구성되어 있다.

이후 거시계량모형은 컴퓨터 연산능력의 발전으로 규모가 대형화되고 그 구성이

복잡화되었다. 1980년대, 1990년대에는 미국 FRB(연방준비은행)나 영란은행의 경우,

경제의 각 부문의 행태를 기술하는 모형의 행태방정식이 200여개에 달하였다. 그러

나 변수와 방정식의 수가 크게 늘어남에 따라 경제 주체들의 의사결정과 기대수준

을 반영하는 것이 현저하게 어렵게 되어 계량경제학의 발전에도 불구하고, 대형계

량모형은 일반적으로 OLS(통상최소자승추정법)나 2SLS(이단계최소자승추정법)을

활용하는데 그쳤을 뿐이다. 이러한 비판을 수용하기 위해 1990년 이후에는 모형 전

체에 경제 구조를 반영하는 제약을 가하거나 경제주체들의 확률적 기대를 도입한

소규모 모형이 출현하였으나, 중앙은행이나 주요 전망기관에서 사용하기에는 그 추

정이 어렵고 포괄 범위나 활용도가 작아 여전히 OLS 등을 사용한 중대형 거시계량

모형이 주류를 이루었다. 2000년대에 들어서서 거시경제이론과 계량경제기법의 발

전을 반영하는 동태적 확률일반균형(DSGE; Dynamic Stochastic General Equilibrium)

모형이 등장하여 미국, 영국, EU, 일본을 포함한 선진국 중앙은행들이 앞을 다투어

실험적으로 개발 중에 있다.

이와 같이 지난 30년간의 거시계량경제 모형은 경제학과 계량경제기법의 발전에

16

따라 변화를 거듭하여 왔다. 주요 요인을 좀 더 상세히 살펴보면, 먼저 1976년 루카

스 비판(Lucas Critique), 즉 경제참여자들의 기대가 변화함에 따라 거시모형의 파라

미터(parameter) 자체가 변화되므로 기존 거시모형에 근거한 정책 평가 및 예측의 의

미가 약화된다는 주장이 제기되었다. 이러한 주장으로 거시경제모형에 합리적 기대

를 도입하려는 노력이 진행되었다. 기존 대형 거시계량경제모형의 효율성에 대한

비판이 제기되었으며 기업부문과 가계부문의 동태적 세대간 최적화 결정에 근거한

새로운 계량 방법론이 대두되었다. 1980년대 초에는, Sims가 기존의 Cowles Commission

류의 대형 거시계량모형들이 식별문제를 해결하기 위해 모형의 단기 동학에 ‘불가

능한’ 제약을 설정한다고 비판함에 따라 거시계량 분석에서 VAR 모형에 대한 관심이

고조되기 시작하였다. 또한, 거시 시계열(time series) 변수들의 비정상성(non-stationarity)

에 대한 관심이 고조되면서 단위근이 존재하는 상태에서의 의사회귀(spurious regression)

문제를 해결할 수 있는 방안에 대해 다양한 방법이 제시되었다.

발전되어 온 거시계량모형은 크게 세가지 범주로 나누어 볼 수 있다. 첫째, 미국

의 FRB 모형, 영국의 재무성 모형, 영란은행 모형과 같이 대규모의 거시계량모형을

들 수 있다. 이러한 모형들은 그 동안 많은 혁신의 과정을 겪었음에도 불구하고 근

본적으로 Cowles Commission의 전통을 따르고 있어서, 외생변수와 내생변수 간의

구분을 철저히 하고 식별(identification)을 위해 모형의 단기 동학에 제약조건을 설정

하고 있다. 파라미터는 통산 최소자승법이나, 도구 변수법에 따라 추정되며, Full

information estimation은 거의 사용되지 않는다.

둘째, 1984년의 Doan, Litterman and Sims(1984)의 방법론을 따라 무제약, 베이지

안, 구조화된 VAR 접근법이 있다, 이러한 접근법은 예측에 보통 이용되지만, 정책

평가 목적으로는 제한적으로 사용된다. 구조적 VAR 접근법은 다양한 충격의 공분

산 구조에 제약조건을 설정함으로써 VAR을 구조화 시키고 있다. 하지만, 이러한 방

식은 충격반응 분석을 위해 주로 사용되며 특정한 관계식 형태로 경제 구조를 모형

화하는데는 사용되지 않는다.

세번째 방식은 Kydland and Prescott(1977, 1982)의 분석에서 유래된, 가계부문과


기업의 최적화 결정에 근거하여 경제의 세대간 일반 균형 모델을 제시하는 동태적

확률일반균형(Dynamic Stochastic General Equilibrium; DSGE) 접근법이다. 이 접근

법은 당초 그 주안점이 생산성 쇼크와 같은 실물요인에 있었으나, 조정비용, 특이성

및 내생적인 기술진보 등 명목적인 요인들도 분석 범위에 포함되고 있으며, 경제주

체의 의사결정 및 기대를 반영할 수 있다는 장점이 있다. 하지만 아직 모형의 유연

성(flexibility)이 떨어지고 개발 역사가 짧아 추가적인 검증이 필요하여 주 모형으로

사용하기에는 시기상조라는 지적이 따르고 있다.

따라서 선진국 중앙은행의 대부분이 전통적인 거시계량 모형을 주 모형으로 하고

DSGE모형, VAR 등을 보조적으로 개발하여 사용하고 있다고 사료된다. 한국의 경

우 1970년대 이후 한국은행과 KDI를 중심으로 거시계량모형의 개발이 본격적으로

시작되어 최근에 이르기까지 경제전망, 정책효과 분석 등 다양한 목적을 가진 모형

이 개발되었다. 한국은행은 최근에 DSGE 모형을 개발하여 그동안 개발된 모형들이

이론적인 정합성이 부족하다는 비판을 수용함으로써 주요 선진국 중앙은행과의 격

차를 크게 축소시키고 미시적 기초가 강화했다는 평가를 받고 있다. 이하에서는 먼

저 해외 거시계량모형 개발 사례를 살펴보고 다음으로 국내 거시계량모형의 발전

과정을 기술하고 있다.

제1 절 해외 거시계량모형

미국 연방은행(FRB)의 경우 IS/LM 및 필립스 곡선 이론에 기초하여 주로 국내 경

제의 분석에 역점을 둔 MPS 모형과 국제자본이동, 무역흐름, 외환시장 개입 및 환

율에 의한 국제수지 조정 등을 강조한 MCM(Multi-Country Model) 모형을 중심으로

계량모형을 구축해왔다. 이들 모형은 꾸준히 유지 보완되어 오다가 1990년대 들어

서는 합리적 기대와 장기균형을 감안한 새로운 모델이 개발되면서 국내 중심의 모

형은 FRB/US 그리고 국제부문은 FRB/MCM 모형으로 대체되었다. 또한 두 모형을

결합하여 FRB/WORLD 모형이 개발되었다. FRB/WORLD 모형은 방정식의 수가

18

200여개에 달하지만 실제 분석에서는 50여개의 핵심방정식으로 구성된 축약모형을

사용하고 있다. 미 FRB도 2006년에는 동태적 확률일반균형모형(DSGE)인 SIGMA를

개발하여 활용하고 있다.

영국의 경우 거시계량모형은 1970년대 들어 영란은행과 재무부 등 경제정책 당국

을 중심으로 개발되기 시작하였다. 이 당시 모형의 형태방정식 수가 최대 1,000개에

이르는 대규모 모형이었으나, 실제로는 단일방정식 위주로 운용되었다고 한다. 그

러나 영국은 1990년대 들어 새로운 통화정책 운영 방식을 도입함으로써 거시 계량 모

형에 대한 새로운 접근 방법이 시도되었다. 이른바 다모형접근법(multi-model approach)

으로써 모형의 규모 및 성격에 따른 상충관계를 고려하여 다수의 소규모 모형을 이

용하여 경제현상을 체계적으로 설명하는 방식이다. 이에 따라 영란은행은 중기 모

형과 분기 모형을 운용하고 있으며 이와 함께 소규모 거시 모형과 VAR 모형을 활

용하여 종합적으로 통화정책위원회(Monetary Policy Committee)에 경제 예측 자료를

제공하고 있다. 중기 모형은 1999년에 대폭적인 수정이 이루어졌고, 분기모형은

2003년에 재구축되었으며 2004년에 수정․증보되어 사용되고 있다. 2004년 분기모

형의 특징은 경제 참여자의 미래에 대한 기대 형성을 탄력적으로 운용하며 모형내

모든 변수가 균형에서 정상상태(steady-state)를 유지한다는 것이다. 영란은행의 경

우, 동태적 확률일반균형모형(DSGE)을 개발하기 위한 노력을 함께 경주하여 2005

년에는 BEQM을 개발하여 사용하고 있다.

동태적 확률일반균형모형(DSGE)의 개발은 타 선진국 및 국제전망기관 등에서도

추진되어 현재 일본은행의 JEM, 캐나다 중앙은행의 TOTEM, 노르웨이 중앙은행의

NEMO, 칠레 중앙은행의 MAS, 국제통화기금(IMF)의 GEM 및 GIMF, 유럽중앙은행

(ECB)의 NAWN 모형 등이 구축되어 사용되고 있다.

대체로 선진국 중앙은행들은 경제 전망 과정에 모형을 활용함에 있어 영란은행의

경우처럼 한 가지 모형에만 의존하기 보다는 다양한 형태의 모형을 구축하고 목적

에 따라 달리 사용하는 다모형 접근방식(Multi-model approach)을 따르고 있다.


제2 절 국내 거시계량모형

우리나라에서는 1970년대 초 한국은행이 거시계량모형을 발표한 이후, 여러 연구

기관과 학계를 중심으로 다양한 모형이 개발되었다. [그림 2－1]에서 보는 바와 같

이 KDI와 한국은행을 두 축으로 계량모형이 지속적으로 개발되어 오고 있으며, 한

국경제연구원(KERI), 금융연구원(KIF) 등도 경제전망 및 파급효과 추정을 위한 모

형 개발에 적극 참여하고 있다. 최근에는 국회예산정책처 등에서도 정책효과 추정

목적에 부합하는 모형 개발을 추진했으며, 산업연구원(KIET)은 2002년에 이어 국내

경제는 물론 산업별 전망 및 정책효과를 추정할 수 있는 산업모형을 구축하였다. 이

외에도 학계 일부와 많은 수의 민간 연구기관들이 필요한 목적에 따라 내부적으로

계량모형을 개발하여 활용하고 있다.

한국은행은 70년대 초 거시계량모형 개발 이후 여러 차례 개편을 통해 정치화된

분기 거시계량 모형을 개발하였으나(BOK87, BOK92, BOK97) 외환위기 이후 우리

경제가 큰 폭의 구조적 변화를 겪음에 따라 새로운 모형을 개발할 필요가 발생하여

2004년 말 분기 시계열을 활용하여 추정한 BOK04 모형과 계절조정 시계열을 이용

한 BOK04SA 모형을 개발하였다. 한국은행은 이러한 본 모형외에 재정모형, 물가

등 부문별 모형과 초단기 예측 모형, 경기 분석 모형, VAR모형을 개발하여 병행 운

용하고 있다.

BOK04 및 BOK04SA 모형은 소득지출이론을 중시하는 케인즈안(Keynesian)체계

에 바탕을 둔 일반균형개념의 중규모 모형으로서 5개의 수요부문(최종수요, 대외거

래, 금융시장, 부동산시장, 재정)과 4개의 공급부문(임금, 물가, 노동, 잠재GDP, 자본

스톡) 등 총 9개의 블록으로 구성되어 있다. BOK04 모형은 48개의 행태방정식과 33

개의 정의식을 포함하는 총 81개의 연립방정식 체계로 이루어져 있으며 BOK04SA

모형은 행태방정식 46개와 정의식 26개로 총 72개의 연립방정식 체계로 구성되어

있다. 이들 모형은 외환위기 이전에 개발된 BOK97 모형과 비슷한 규모이나 예측능

력을 상대적으로 높이기 위해 외생변수의 수를 크게 줄인 점이 구별된다.

20

[그림 2－1] 한국의 거시계량경제모형

한국은행 KDI KIET KERI & KIPF & KIF 기타 연구소 대 학 기 타

구달회(1972)

강위석(1972)

김한웅(1972,1975)

이정수-정명창(1979)

신현철-김대식(1981)

정문건-김양우(1983)

조성종-김명기(1984)

최장봉(1987)

함정호-최운규(1989)

김양우-최성환(1993)

김양우-장동구(1997)-BOK97

황상필-문소상外(2004)-BOK04

강희돈-박양수(2007)-BOKDSGE

이천표(1979)

남상우(1981)

이 선(1984)

남상우-장오현(1984)

박원암(1988)

노성태-박우규(1988)

심상달-유윤하(1990)

백웅기-오상훈(1993)

백웅기-이진면(1994)

박우규-오상훈-이진면(1995)

조동철(1997)

신석하(2005)

송희연(1976)

왕연균(1980)

김상웅-박용국(1987)

조종화-박승록정충근-김용환(1988)

김원규-변창욱(2001)

김학수-김원규外(2002)-산업모형

이진면-변창욱外(2007)-KIET산업

거시계량모형

한성신(1981)

이영선-이의관조동호-김승희(1990)

KERI 모형(1994)

KERI 모형허찬국-김창배-이연호(2005)-KERI2005

박종규(1996) ?KIPF96Q

박종규-김종일(1999)-KIPF99Q

박종규(2005) -KIF05

삼성경제연(1988)

제일경제연(1992)

현대경제연(1995,1997)

한국증권연(1994)

POSRI(2005)-POSRI2005

백웅기-박승준(2007)-국회예산정책처

한성신(연대)(1981)

손정식(한대)(1983)

장오현(동국대)(1987)

이종원(성대)(1990, 1994)

백웅기(상명대)(1995, 2000)

이효구(1973)

Frank-Kim-Westphal(1975)

Otani-Park(1976)

Kqack-Mered(1979)

Norton-Rhee(1981)

신규모형은 BOK97모형의 기본 골격을 유지함으로써 기존 모형의 장점을 최대한

살리는 한편 외환위기 이후 진행된 경제구조 및 경제주체의 행태 변화와 통계편제

방식 변경 등이 최대한 반영되도록 설계되었다. 또한 경제개방 확대 등을 반영하여

해외여건의 변화가 우리 경제에 미치는 영향을 보다 면밀하게 계측할 수 있도록 하

였으며 貯量(stock)과 流量(flow) 변수의 관계를 명시적으로 고려하는 등 모형을 선

진화하였다

각 블록별 주요 개선내용을 살펴보면, 민간소비 함수에 가계대출 등 유동성제약

변수를 고려하고 설비투자 함수의 설명요인으로 기대심리지표와 불확실성지표를

포함하였으며, 외환위기 이후 금융 및 자산 가격의 변화가 실물경제에 미치는 영향

이 과거에 비해 커진 점을 반영하기 위해 금리 등 금융변수와 부동산 등 자산가격이

실물경제에 미치는 영향을 구분하여 설계하였다.

경제 개방화가 급속히 진전되었음을 감안, 교역조건 변화에 따른 실질구매력 변

화까지 고려할 수 있도록 국민총소득(GNI: Gross National Income) 지표를 설명변수


로 활용하였으며, 자본스톡, 잠재GDP 등 공급블록을 보다 확충하여 공급충격의 영

향에 대한 분석이 가능하도록 하고 내생화된 자본스톡을 통해 잠재GDP가 내생적으

로 결정되고 GDP갭을 통해 소비자물가 상승률에 영향을 미치도록 설계하였다.

모형의 추정을 살펴보면, BOK04와 BOK04SA 모형 모두 1990년 1/4분기부터 2004

년 4/4분기까지의 60개 분기자료를 이용하여 추정하고 있으며, 개별 행태방정식은

통상최소자승법(OLS)을 이용하여 추정하되 개별 시계열이 불안정(non-stationary)하

고 변수들 사이에 공적분관계가 성립하는 경우 선정된 변수들 간의 장기적 관계와

단기 동학적 구조가 동시에 고려될 수 있도록 오차수정모형(error-correction model)

을 구성하였다.

한국 최초의 동태적 확률 일반균형모형(DSGE)인 한국은행의 BOKDSGE07모형은

소규모 개방경제 가정下에서 5개의 부문시장(재화, 노동, 자본, 채권, 통화)에서 4개

경제주체(가계, 기업, 정책당국, 국외)가 의사결정을 하는 방식으로 구성되어 있다.

가계 및 기업은 각각 효용 및 이윤극대화를 통해 소비, 투자, 생산을 결정하고 정책

당국(중앙은행과 정부)은 각각 통화정책과 재정정책을 수행하게 된다. 모형의 균형

은 5개 부문시장의 청산조건들이 모두 충족될 경우 달성되어 균형가격 및 균형물량

이 결정되게 된다. 외생충격은 생산성, 통화정책, 재정정책, 투자비용, 국외수요, 국

외금리, 국외물가 등 7개로 분리되어 각각에 대한 충격을 추정할 수 있도록 설계되

었다.

한국개발연구원(KDI)의 거시계량모형은 1979년에 처음 개발된 후, 여러 번의 개

선 작업을 거쳐 가장 최근에는 KDIQ05(2005년) 모형이 개발되었다. 동 모형은 형태

방정식 27개, 장기 행태식 12개, 정의식 14개 등 총 53개의 방정식과 11개의 외생변

수로 구성된 중소규모 분기 거시계량모형이다. 구조는 총공급, 총수요, 국제수지, 노

동, 물가, 금융의 6개 부문으로 이루어져 있다. 계량기법의 측면에서 장기와 단기를

구분하기 위해 대부분의 실물변수들을 오차수정모형으로 구성하였으며, 장기행태

식에는 장기균형수준을 결정하는 요인들로 한정함으로써 단기적 교란요인들이 장

기균형수준에 영향을 미치지 않도록 하였다.

22

2007년 산업연구원(KIET)은 거시경제와 산업부문이 연계된 계량모형을 개발하였

다. 2002년에도 한차례 같은 목적으로 개발한 바 있으나 모형의 한계가 많아 최근에

다시 추진하여 동태적 산업－거시경제 연계모형인 KIET-DIMM07을 구축하였다.

통계자료는 연간 시계열 자료를 이용하고, 산업부문과 거시경제부문의 연계는 산업

별 모형의 해가 거시경제모형에 다시 피드백되는 상향식을 기본으로 하되 부분적으

로는 거시부문의 해가 산업부문에 피드백 없이 사용되는 하향식을 이용하였다. 산

업부문 모형은 국민계정의 78산업 중 동일산업의 주체별로 구분된 산업을 통합한

71개 산업으로 나눈 후, 농림어업을 1개의 산업으로 통합하고 무역부문이 거의 없는 서

비스부문을 대분류 산업으로 통합한 총 39개 산업을 기준으로 추정하였다. KIET-DIMM07

는 4개의 블록에 걸쳐 행태방정식 388개와 정의식 4,177개로 총 4,565개의 방정식으

로 이루어진 대규모 모형이다. 이 모형은 거시블록이 금융부문과 재정부문과의 연

계성이 결여되어 지극히 단순하게 실물부문 위주로만 이루어져 있고, 실질GDP, 민

간소비 등 총량변수를 제외하고는 변수별로 오차 수준이 상당히 커서 예측의 정확

도에 의문을 던져주고 있다.

그 동안 개발된 타기관의 거시계량모형들은 한국은행과 KDI의 모형 발전과정과

대비하여 모형개발 기관이나 개발자별로 [그림 2－1]에서 제시되었다. 거시계량모

형의 계보에서 보듯이 국내외의 많은 기관들이 나름대로의 목적을 가지고 계량모형

을 개발하여 왔다. 산업모형을 제외하고 이들 모형의 전반적 추세를 규모나 복잡성

을 기준으로 판단해보면 지속적으로 대형화 해오다가 90년대 들어 핵심 부문을 중

심으로 소형화 해가면서 그동안의 미시․거시적 이론의 발전을 계량모형에 반영하

려는 특성이 나타난다. 모형을 유지 보완하기 위한 비용을 감안할 때 매우 현실적인

판단이라고 할 수 있을 것이다. 한국은행의 경우 ’97년 모형(BOK97)의 69개 형태방

정식이 ’04년 모형(BOK04)에서 48개로 축소되었으며, BOKDSGE07의 경우에도 총

36개의 방정식에 36개의 변수로 구성되어 있다. 이러한 추세는 2000년대에 들어 영

란은행이 모형을 소규모화하면서 이론적인 정합성을 높이면서 다양한 형태의 모형

을 확보하여 보조적으로 사용해 오는 관행과 궤를 함께 하고 있는 것으로 볼 수 있겠다.

제 3 장 KISDI 거시계량경제모형 및 정책시뮬레이션 23

제3 장 KISDI 거시계량경제모형 및 정책시뮬레이션

제1 절 개 요

본 장에서는 우선적으로 KISDI 거시계량모형에 대해서 설명하고 모형의 추정결

과에 대해서 논의를 한다. 이후 모형의 적합도 검증과 정책시뮬레이션 결과에 대해

서 살펴보도록 한다.

KISDI 모형은 케인지안 체계에 바탕을 둔 모형으로서 거시부문의 경우 3개의 수

요부문(실물, 금융, 대외거래)과 잠재GDP를 고려한 2개의 공급부문(노동, 물가) 등

총 5개의 블록으로 구성되어 있다. KISDI 모형은 이러한 5개의 거시부문에 IT부분

(수출, 생산)을 추가하여 연립방정식체계를 완성한다. 거시방정식 체계를 보면 33개

의 행태방정식과 19개의 정의식을 포함하는 총 52개의 연립방정식 체계로 구성된

거시계량모형이다.

IT부문은 IT수출과 IT생산 2개의 행태방정식으로 구성되어 KISDI 모형은 총 54개

의 연립방정식으로 구성이 되어 있다. 한국은행은 2004년 3월과 11월에 걸쳐 국제

국민소득계정 기준인 1993 SNA(System of National Accounts)에 따라 국민소득계정

을 2000년 기준으로 개편하였는바, 개편된 자료를 이용하여 모든 방정식을 추정하

였다. 또한 본 모형은 1970～2007년까지 37년 동안의 분기자료를 이용하는 것을 원

칙으로 하나, 시계열의 확보여부에 따라 방정식별로 표본기간이 상이할 수 있음을

밝혀둔다.

모형의 동태적 안정성 및 예측력을 검증하기 위하여 분기모형을 2003년 1분기부

터 2007년 4분기까지의 5년(20분기)에 대하여 역사적 시뮬레이션을 시행하였다. 역

사적 시뮬레이션을 통해 모형의 예측력을 검증하는 지표는 다양하게 존재하나 본고

에서는 가장 일반적으로 사용되는 평균자승근%(Root Mean Squared Error %: RMSE%)

24

오차를 이용하여 예측력을 검증하였다.

[그림 3－1] 연립방정식 모형의 개요

마지막으로 본 장에서는 정책시뮬레이션을 수행하였다. 정책시뮬레이션은 거시경

제 및 IT산업의 구조적 특성을 살펴보기 위하여 모형에 다양한 형태의 충격을 주었

을 때 각 내생변수가 어떻게 반응하는가를 추정해 보는 것이다. 본 연구에서는 원/

달러, 국제유가, 전세계 경제상황의 대리지표인 전세계 수입을 2003년부터 2007년

까지 매년 일정 비율로 증가 또는 감소시킬 경우의 파급효과를 계산하였다.

제2 절 거시계량모형

1. 거시부문

거시부문 모형의 특징을 간략히 살펴보면, 내구재소비 함수와 설비투자 함수는


가속도 이론을 현실적으로 적용하여 도출되었으며 그 과정에서 내구재스톡과 설비

자본스톡을 추계하여 내구재소비와 설비투자 방정식의 추정에 이용하였다. 그 이론

적인 도출과정은 부문별 특징을 설명할 때에 자세히 기술될 것이다. 그리고 경제성

장의 추세선을 반영하기 위해 생산함수 접근법에 기반을 두고 잠재 GDP를 추정하

였다. 또한 주요 경제변수의 전망과 대내외 충격시의 파급효과 분석을 염두해 두고

경제변수의 연계 및 파급효과 전달경로를 고려하여 모형을 설계하였다.

가. 실물 최종수요 부문

최종수요 부문은 국민소득 계정상의 각 지출항목으로 구성되어 민간소비, 정부소

비, 설비투자, 건설투자, 재고투자, 재화와 용역의 수출입으로 이루어져 있다.

민간소비 함수는 내구재소비와 비내구재 소비로 분리하여 평생주기가설과 항상

소득가설(permanent income hypothesis)에 기반을 두고 추정되었으며, 부의 효과를

반영하기 위해 실질 M2 잔고와 가계자산 등을 사용하였다. 내구재소비와 투자이론

은 신축적 가속도이론을 이용하여 도출되었으며 아래에서 자세히 서술될 것이다.

총수출과 총수입은 모두 대외부문(국제수지부문)에서 결정되도록 하였으며 국민

소득계정상의 수출입은 국제수지상의 수출입과는 달리 실질 원화로 표시되므로 국

제수지부문에서 결정된 달러표시 수출입액을 원화 실질 기준으로 전환하는 환가식

(bridge equation)을 설정하여 계산되었다.

1) 민간소비(내구재, 비내구재)

내구재 지출은 바람직한 내구재스톡을 달성하기 위한 투자의 형태를 띠고 있다.

즉 내구재가 제공하는 서비스로부터 효용을 얻는 것으로 볼 수 있다. 내구재는 축적

된 자본이 감가상각 되듯이 소모되며, 내구재 지출은 내구재 스톡을 증가시키는 투

자의 개념으로 이해될 수 있는 것이다. 따라서 내구재 소비는 같은 내구재 스톡의

축적방정식으로부터 유도될 수 있다.

(1)

26

여기서 는 내구재스톡, 는 내구재 지출, 는 감가상각률을 의미

한다.

먼저, 어떠한 조정비용도 없는 경우의 바람직한 내구재 스톡을 ∗로 정의하

면, 내구재 소비가 바람직한 내구재 스톡과 비례한다고 가정할 때, 내구재 소비에

영향을 주는 요소들이 내구재 스톡에도 영향을 줄 것이다. 따라서 바람직한 내구재

스톡은 다음과 같은 함수로 표현할 수 있다.

∗ ⋅ (2)

여기서 ⋅에 포함된 변수들은 내구재 소비에 영향을 주는 요소들로서 가처분

소득, 소비에 영향을 미치는 인구 구성비, 금리, 전체 순부, 과거의 내구재 소비 지

출, 가계부채 등이다.

한편 내구재 스톡은 두 번에 걸친 조정이 이루어질 수 있다. 첫 번째 조정은 다음

과 같은 내구재 스톡의 조정이다.

∗ (3)

∗가 주어지면 내구재 소비는 다음과 같이 표현될 수 있다.

∗ ∗ (4)

두 번째 형태의 조정은 내구재 지출의 조정이며, 다음과 같이 표현된다.

∗ (5)

이 방정식은 내구재 지출이 변화할 때의 비용을 반영하는 것으로 볼 수 있다.

식 (5)를 식 (2)～(4)를 이용하여 정리하면

∗

⋅

(6)


이러한 추정식으로부터 를 도출해야 하는데 는 식 (1)을 사용하여 도출

할 수 있다. 이때 는 상수로 가정한다. 이 경우 초기 년도의 KD는 내구재 소비와

설비투자의 비율에 기계 및 장비의 자본스톡을 곱한 값을 사용하여 대략적으로 추

정될 수 있다.2) 이러한 추정방정식은 정확한 KD를 추정할 수는 없으나 KD의 추세

를 반영하는 데에는 크게 오차를 유발하지 않을 것으로 보인다.

인구연령별 구성비의 변화가 미치는 영향을 고려하기 위해 다음 변수들을 고용하

였다.3)

∼ 세인구 세이상인구 ∼ 세인구 세이상인구 ∼ 세인구 세이상인구 ∼ 세인구 세이상인구 세이상인구세이상인구 ∼ 세인구 세이상인구또한, 고령화로 인한 경제적 영향을 고려하기 위하여 고령화비율을 모형에 추가

하였으며, 고령화비율은 전체인구 중 65세 이상 비율로 정의한다.

2) 기계 및 자본스톡 추정에 관해서는 다음 절에 설명되는 투자(설비투자)의 마지막 부분을 참조하기 바란다. 초기년도의 내구재소비는 내구재스톡에 비례하고 설비투자는 자본스톡에 비례한다고 가정하면, 초기년도의 내구재스톡과 자본스톡의 비율이 내구재소비와 설비투자의 비율에 따르게 된다. 이때 초기년도의 자본스톡이 국부조사에 의해 추계되어 있는 경우 초기년도의 내구재소비와 설비투자의 비율로부

터 내구재스톡을 계산해 낼 수 있다.3) 연령층별 그룹의 분배(distribution) 효과를 고려하기 위해 15～24세, 25～54세, 55～

64세, 65세 이상의 인구를 15세이상 인구로 나눈 비율을 사용하였다. Fair(1994)의 논의에 따라 소비에 미치는 각 연령 그룹별 분배 효과의 합은 0으로 가정하였으며, 이 경우 네 연령별 인구 비율의 소비에 대한 추정계수의 합은 0이 된다. 따라서 이러한 제약이 있을 경우 세 인구 비율의 추정계수 추정시 나머지 한 비율의 추정계

수는 자동으로 결정되게 된다. 각 연령층별 소비 효과와 15～24세 연령층 소비 효과의 상대적 비중을 반영하기 위해 15～24세 연령 그룹의 비율을 차감한다. 이때, 각 인구비율에서 15～24세 연령 인구비율을 차감함으로써 절대적인 연령그룹 효과 뿐 아니라 각 연령 그룹과 15～24세 연령 그룹과의 상대적인 효과의 차이를 동시에 반영할 수 있다. 자세한 논의는 Fair(1994) p.81를 참조하기 바란다.

28

실질 가계 내구재 소비(ACPDG2)와 실질 가계 비내구재 소비(ACPNDGR) 방정식

추정결과는 다음과 같다.4)

LOG(ACPDG2) =－1.9207*LOG(KACPDG2(－1))－ 0.2670*LOG(SWAR(－1)

* 1 0 0 / P C P I R (－1 ) ) + 7 . 8 7 1 6 * L O G ( 1 0 0－S U R R ) + 1 . 4 1 7 7 *

LOG(FQM3R/PGDF)－ 0.0023*FPCBRR + 0.0784*DLOG(HLOAN)－

0.2008*LOG(BAD)－ 0.1685*AG1 + 0.0231*AG2 + 0.4568*AG3－

0.1029*DUM98－ 0.0613*@SEAS(1)－0.1135*@SEAS(2)－ 0.1622*@SEAS(3)

－ 0.8369*100*OLD5)

R-squared 0.979692 Mean dependent var 9.419232Adjusted R-squared 0.968320 S. D. dependent var 0.160627S.E. of regression 0.028590 Akaike info criterion －3.991524Sum squared resid 0.020435 Schwarz criterion －3.358194Log likelihood 94.83049 Durbin-Watson stat 1.961806

LOG(ACPNDGR) = 11.3035－ 0.0065*LOG(SWAR(－1)/PCPIR(－1)) + 0.1180*

LOG(FQM/PGDF) + 1.2425*LOG(100－SURR) + 0.2481*LOG(HASSET)－

0.0075*@SEAS(1) － 0.0282*@SEAS(2) － 0.0271*@SEAS(3)－

0.0625*DUM9801_9902－ 0.1114*AG1－ 0.0721*AG2 + 0.3091*AG3－

0.5057* 100*OLD + [AR(1)=0.5675]

4) 추정식에 나타난 변수명에 대한 자세한 사항은 부록을 참조하기 바라며, 본 장에서 더미변수의 경우 DUM98은 1998년도를 더미변수 처리한 것이고, DUM9801_9902는 1998년 1분기부터 1999년 2분기 까지, DUM0001은 2000년 1분기를 더미변수화 한 것을 나타낸다.

5) 분기자료 중 일부는 계절적 변동성, 즉 매년 같은 시기에 비슷한 주기적인 변화를 보이는 경향이 있다. 시계열의 경제통계에서 경제의 흐름이나 영업성적 또는 소비생활 등의 변화 상태를 판단하고자 할 때에는 매년 주기적으로 반복되는 계절변동

성 부분을 제거하기 위한 계절조정(seasonal adjustment) 과정을 거치게 된다. 여기서 SEAS(n) n=1, 2, 3은 이러한 계절적 변동요인을 제거하기 위해 포함된 분기 더미이다.


R-squared 0.998190 Mean dependent var 10.85922Adjusted R-squared 0.997881 S. D. dependent var 0.332914S.E. of regression 0.015325 Akaike info criterion －5.376624Sum squared resid 0.017849 Schwarz criterion －4.987765Log likelihood 255.9481 F-statistic 3224.949Durbin-Watson stat 1.812462 Prob(F-statistic) 0.000000

2) 투자(설비투자)

설비투자는 생산에 최적으로 필요한 자본스톡을 결정하는 과정에서 결정된다. 즉,

투자는 최적 자본스톡을 유지하기 위한 경제행위라고 할 수 있으며, 다음과 같은 식

으로 표현된다.

(7)

여기서 AIFMR은 설비투자, KK는 기계 및 장비의 자본스톡, 는 감가상각률을

의미한다.

자본스톡의 추정을 위해서는 다음의 두개의 방정식을 필요로 한다. 첫번째 방정

식은 바람직한 자본스톡에 영향을 주는 요소들이다.

(8)

여기서 는 자본비용(cost of capital)으로 볼 수 있으며, 는 현재수준의

생산 을 유지하기 위해서 필요한 최소한의 자본스톡을 의미한다. 따라서

는 초과자본의 양이라고 정의할 수 있다. ∗는 자본스톡의 조

정비용이 없을 때의 바람직한 자본스톡으로 정의할 수 있다. 따라서 는

바람직한 자본스톡의 변화로 정의할 수 있다. 이때 바람직한 자본스톡의 변화는 초

30

과 자본스톡의 수량, 현재 및 과거 생산수준의 변화, 그리고 자본비용에 의해 결정

된다.

두번째 방정식은 바람직한 자본스톡과 실제 자본스톡과의 조정과정이며, 아래와

같이 표현할 수 있다.

∗

(9)

식(8)과 식(9)를 결합하면 다음의 식으로 유도가 가능하다.

₁

₂ ₃ ₄ ₅ ₆

(10)

식(10)의 자본의 조정으로부터 투자함수가 유도될 수 있다. 이제 투자변수

과의 연결을 위해 식(7) 의 양변에 로그를 취한

후 자본의 균형점 부근에서 근사과정(approximation)을 거치면 다음의 식(11)과 같이

표시할 수 있다.

(11)

식(10)과 식(11)을 결합하면 다음과 같은 식을 도출할 수 있다.

₀

₁ ₂ ₃ ₄ ₅ ₆

(12)

여기서 는 다음과 같이 추정될 수 있다. 로 표현


할 수 있으며, 여기서 는 단위자본당 생산량을 의미한다. 그러나 이 방법은

를 추정해야 한다는 어려움이 있다. 또 하나의 방법은 초과 자본스톡

의 대리변수로서 가동률(CU)을 사용하는 것이다. 즉 를 사용함으로써 가

동률(CU)을 통한 초과 자본스톡의 근사치를 산출할 수 있을 것이다. 한편 추정식

(10)을 추정하기 위해 식(7)을 활용한 자본스톡의 추정이 선행되어야 한다. 자본스

톡 추정은 감가상각이 일정하다는 가정하에서 추정되었으며, 초기 시점의 자본스톡

은 국부조사에 있는 기계 및 장비의 자본스톡을 활용하였다.

설비투자(AIFMR), 건설투자(AICR) 및 재고투자(AIIR) 방정식 추정결과는 다음과

같다.

LOG(AIFMR) = 2.2119 + 5.7294*DLOG(KAIFM(－1)) + 0.3157*LOG(KAIFM(－1)) +

0.1987*LOG(AIFMR(－4))－ 0.4644*LOG(100/@MOVAV(SUOMR,4)) +

0 .2873*LOG(ACPDG2+AICR) + 0.1516*LOG(PPIMR)－ 0.1626*

FPCBRR/PCPIR－ 0.1674*LOG(FPWONEXR)－ 0.2372*LOG(WTYDR)－

0 . 2 00 6 *D U M8 8 02 + 0 . 1520*DUM9603 － 0 . 1899*DUM9704 －

0 . 3 3 3 3 * D U M9 8 + 0 . 2 3 0 8 * D U M 0 0 0 1 － 0 . 1 22 5* DDUM04 04 －

0.0402*@SEAS(1) + 0.0012*@SEAS(2)－ 0.0579*@SEAS(3)


LOG(AICR) = 1.2083 + 0.7553*LOG(AICR(－4)) + 0.1361*LOG(AIFMR) +

0. 0006*FPCBRR－ 0. 0950*@SEAS( 1) － 0 . 0097*@SEAS( 2) －

0.0136*@SEAS(3) + [AR(1)=0.7252]

32

R-squared 0.994396 Mean dependent var 9.786740

Adjusted R-squared 0.993995 S. D. dependent var 0.568212

S.E. of regression 0.044030 Akaike info criterion －3.335406

Sum squared resid 0.189989 Schwarz criterion －3.134392

Log likelihood 184.7765 F-statistic 2484.095

Durbin-Watson stat 1.936255 Prob(F-statistic) 0.000000

AIIR = 1853.1512－ 0.0041*(ACTR + AIFCR + AEXR) + 38.3174*SUOMR－

5204.7787*@SEAS(1)－5622.6319*@SEAS(2)－5187.44013544*@SEAS(3)

－4235.9975*DUM9704_9804－3832.9496*DUM0304 + [AR(1) =－0.2605]

R-squared 0.828407 Mean dependent var －17.73784

Adjusted R-squared 0.814948 S. D. dependent var 2685.219

S.E. of regression 1155.118 Akaike info criterion 17.01940

Sum squared resid 1.36E+08 Schwarz criterion 17.23909

Log likelihood －935.5765 F-statistic 61.55356

Durbin-Watson stat 2.002651 Prob(F-statistic) 0.000000

나. 금융부문

금융부문은 통화량과 금리의 2개 부문으로 구성되어 있으며 외환위기 이후 콜금

리를 중간목표로 하는 금리중시 통화정책으로의 전환을 반영하고자 하였다.6)

총통화인 M2는 민간신용, 정부신용, 대외순자산의 3개 부문으로 분리하고 이중

민간신용과 대외 순자산을 내생화하여 추정하였다. 민간신용은 민간소비, 총고정자

본형성과 같이 자금수요를 유발하는 변수와 자금 사용의 기회비용인 금리를 설명변

6) 한국은행은 2008년 3월 정책금리를 기존 콜금리에서 환매조건부채권(RP) 금리로 전환하기는 하였지만 과거의 정책과의 일관성을 유지하기 위해서 콜금리를 이용하

였다.


수로 하여 추정하였으며, 대외순자산은 경상수지와 자본수지를 원/달러 환율을 통

해 원화기준으로 환산한 설명변수를 사용하여 추정하였다.

금리는 회사채금리, 대출금리, 저축성예금금리로 나누어 추정하였으며 종합주가

지수를 추가로 추정하였다. 회사채금리의 설명변수로는 총고정자본형성, 콜금리, 리

보금리를 포함하였다. 은행대출금리의 설명변수로는 동변수의 시차변수와 국내총

생산, 총통화 M2, 저축성예금금리를 포함하였으며, 저축성예금금리의 설명변수로

회사채금리와 은행대출금리를 사용하였다. 종합주가지수의 설명변수로는 국내총생

산, 회사채금리, M2 등이 사용되었다.

민간신용(FQDCP), 대외순자산(FQFC), 총유동성(FQM3R), 금융기관대출(FMLFIR),

금융기관 채권매입(FMBFIR), 금융기관 주식매입(FMSFIR), 회사채금리(FPCBRR),

대출금리(FPBLRR), 저축성예금금리(FPSRR), 종합주가지수(FPSPR)관련 방정식 추

정결과는 다음과 같다.

LOG(FQDCP/PGDF) = 0.2891 + 0.8632*LOG(@MOVAV(FQDCP(－1)/PGDF(－1),4)) +

0.3046*@MOVAV(1 + FPCBRR/100,4) + 0.0886*LOG(ACP + AIFCR)－

0.0477*DUM8602 － 0.0372*DUM9801 － 0.0606*DUM8704 －

0.0518*DUM9903_0101 + 0.0060*@SEAS(1)－ 0.0016*@SEAS(2)－

0.0056*@SEAS(3) + 0.0021*@TREND－ 0.0149*DUM9804_0103－

0.0646* DUM0303_05037)

7) 변수에 따라서 과거 시차변수들을 사용할 경우 설명력이 높아지는 경우와 이동평균값을 사용할 경우 설명력이 높아지는 경우가 있다. 변수에 순환적인 요소가 존재할 경우 이동평균값을 이용함으로써 설명력을 높일 수 있다. 이러한 이동평균값은 Eviews에서 @MOVAV(Moving Average value)를 명령어를 이용하여 구할 수 있다. 한편 변수에 추세적인 요소가 존재할 경우에 @TREND를 이용함으로써 변수의 설명력을 높일 수 있다.

34


D(FQFC) =－173.6660 + 0.7570*((XBOPR + XBOCR)*FPWONEXR/1000) +

9136.8524*DUM9704－ 19052.1654*DUM9802－ 10423.9827*DUM9804 +

15169.4297*DUM0004－ 16913.7859*DUM0202－ 20702.9674*DUM0404－

14972.2489*DUM0502－ 18397.9652*DUM0602_0603－ 8985.5053*

DUM0204_0301 + 3605.0992*DUM9801_0704

R-squared 0.752613 Mean dependent var 1989.929Adjusted R-squared 0.725400 S. D. dependent var 5914.031S.E. of regression 3099.087 Akaike info criterion 19.01656Sum squared resid 9.60E+08 Schwarz criterion 19.30783Log likelihood －1052.927 F-statistic 27.65676Durbin-Watson stat 1.128017 Prob(F-statistic) 0.000000

LOG((FQM3R－ FQM)/PGDF) =－0.1509 + 0.8740*LOG((FQM3R(－1)－

FQM(－1))/PGDF(－1)) + 0.0784*LOG(AGDPR) + 0.0238* LOG(@

MOVAV(FPSPR*100/PGDF,2)) + 0.4166*DLOG(FQM3R(－1))－ 0.1554*

DUM9801 + 0.0073*@TREND－ 2.4926e－ 05*(@TREND)^2



L O G ( F M L F I R / P G D F ) = 9 . 5 4 2 0 + 0 . 0 1 5 9 * L O G ( A G D P R ) + 0 . 4 9 3 0 *

LOG(FQM/PGDF)－0.0331*LOG(FPSPR/PGDF) + 0.2193*DLOG(FMLFIR(－1))－

0.0249*DUM8504－ 0.0254*DUM8704 + 0.0389*DUM0001 + [AR(1)=0.9967]


LOG (FMBFIR/ PG DF) = 3 .773 0 － 0 .01 53* LOG (A IFCR) － 0 .03 84*

LOG(FPSPR/PGDF) + 0.6351*LOG(FQM/PGDF) + [AR(1) = 1.2071,AR(2) =

－0.2363]


LOG(FMSFIR/PGDF) =－1.4712 + 0.7937*LOG(FMSFIR(－1)/PGDF(－1)) +

0.1708*LOG(FPSPR/PGDF) + 0.2082*LOG(FQM/PGDF)－ 0.7227*

LOG(1+FPSRR/100)－ 0.0638*@SEAS(1)－ 0.0467*@SEAS(2)－

0.0471*@SEAS(3) + [AR(1)=0.5564]


36

LOG(1 + FPCBRR/100) = 0.1727 + 0.0083*(LOG(AIFMR*PGDF)－ LOG(AIFMR

(－4)*PGDF(－4))) + 0.4307*LOG(1 + CALL/100) + 0.4107* LOG(1 +

W L I B O R R / 1 0 0 ) + 0 . 0 4 8 7 * L O G ( F P W O N E X R ) － 0 . 0 5 2 3 * L O G

(FQM3R/PCPIR(－1)) + [AR(1) = 0.7119]


LOG(1 + FPBLRR/100) = 0.03165 + 0.6979*LOG(1 + FPBLRR(－1)/100)－

0.0041*LOG(AGDPR) + 0.0019*LOG(FQM/PGDF) + 0.2263* LOG(1 +

FPSRR/100)－ 0.0078*DUM9301 + 0.0158*DUM9603 + 0.0125*DUM9704 +

0.0288* DUM9801－ 0.0079*DUM9804 + [AR(1) = 0.426071724853]


LOG(1 + FPSRR/100) =－0.0133 + 0.0184*LOG(1 + FPCBRR/100) + 1.0222*

LOG(1 + FPBLRR/100)－ 0.0181*DUM9803 + [AR(1) = 0.7199]



LOG(FPSPR) =－0.7503 + 0.0092*@PCY(ACTR + AIFMR + AICR + ACGR) +

0.7096*LOG(FMSFIR/PGDF)－ 0.2762*LOG(@MOVAV(FPBLRR,3)) +

0.0007*@MOVAV(XBOCR*FPWONEXR/100000,4) + 0.0354*@SEAS(1) +

0.03189*@SEAS(2) + 0.0301*@SEAS(3)－ 0.2240*DUM9704 + [AR(1)=0.9709]8)


한편, 금융부문 항등식은 다음과 같다.

FQM = FQDCP + FQDCG + FQFC + FQOC

다. 대외부문

대외부문은 소규모개방경제의 가정하에 경상수지의 구성요소인 상품수출입, 서비

스수입 및 지급, 자본수지를 먼저 추정한 후 대외거래의 주요 가격변수인 수출입단

가, 원/달러 환율을 추정하였다. 최종수요의 국민계정에서 설명된 것처럼 국제수지

(금액기준)와 국민계정(물량기준)의 통계산정 기준이 다르므로 먼저 통관기준 수출

입 방정식을 추정한 후 환가식(bridge equation)을 통해 국제수지 기준 상품 및 서비

스 수출입 함수, 그리고 국민소득계정기준 상품 및 서비스 수출입함수를 연결하였다.

통관(물량)기준 상품수출(XEXQ) 및 상품수입(XIMQ), 서비스수출(XEXSR), 서비

스수입(XIMSR), 수입단가(PPIMR), 수출단가(PPEXR), 자본수지(XBOCR), 금액(BOP)

기준 상품수출(XEXGR) 및 상품수입(XIMGR) 방정식 추정결과는 다음과 같다.

8) 여기서 @PCY는 Eviews 명령어로 전년동기대비 변화율(%)을 자동으로 구해주는 명령어이다.

38

LOG(XEXQ) = 7.1429 + 0.1392*LOG(FPWONEXR(－1)/WTYDR(－1)) + 0.1206*

LOG(WIMR)－ 0.5682*LOG(PPEXR/WPIMR)－ 0.1574*@SEAS(1)－

0 .05774*@SEAS(2) － 0 .0553*@SEAS(3) － 0 .0967*DUM98 +

0.3101*100*OLD + [AR(1)=0.9530]


LOG(XIMQ) = 1.4657 + 0.8693*LOG(@MOVAV(ACPR+AIFMR,4)) +

0.2932*LOG(XEXQ)－ 0.4334*LOG(PPIMR)－ 0.8624*LOG(FPWONEXR) +

0.8844*LOG(PPPIR) － 0.1211*DUM98 － 0.0211*@SEAS(1) －

0.0148*@SEAS(2)－ 0.0358*@SEAS(3) + [AR(1)=0.4885]


L O G ( X E X S R ) = －1 . 9 0 0 5 + 0 . 2 2 1 8 * L O G ( F P W O N E X R / W T Y D R ) +

0.5003*LOG(WIMR)－ 0.0574*FPCBRR/PCPIR + 0.0018*LOG(FPSPR(－4))－

0.1313*LOG(@MOVAV(WOILIDR,2)) + 0.6189*LOG(XEXGR + XIMGR)－

0.0281*@SEAS(1)－ 0.0132*@SEAS(2) + 0.0242@SEAS(3) + 0.0669*DUM97 +

[AR(1) = 0.7927]



LOG(XIMSR) =－5.881－ 0.2430*LOG(FPWONEXR/WTYDR) + 0.4629*

LOG(AGDPR) + 0.5026*LOG(XEXSR) + 0.4766*LOG(XEXGR+XIMGR) +

0.1156*@SEAS(1) + 0.0377*@SEAS(2) + 0.0770* @SEAS(3)－ 0.1445*

DUM9704 + [AR(1) = 0.8636]


L O G ( P P I M R ) = － 5 . 0 3 5 6 + 0 . 0 3 1 9 * L O G ( P P I M R (－ 1 ) ) + 0 . 1 2 0 6 *

LOG(@MOVAV(WOILIDR,2)) + 0.6412*LOG(WPIMR)－ 0.07113*

LOG(WTYDR(－1)) + 0.9237*LOG(FPWONEXR)－ 0.0068*@SEAS(1)－

0.0045*@SEAS(2) + 0.0010*@SEAS(3)－ 0.0388*DUM9802 + [AR(1)=0.9768]


40

LOG(PPEXR) = 3.11671－ 0.1575*LOG(@MOVAV(FPWONEXR(－1),2)) +

0.5645*LOG(@MOVAV(PPIMR,2))－ 0.0689*DUM9703 + 0.1397*

DUM9801 + [AR(1) = 0.9775]


XBOCR = 915.4423－ 0.3594*(XBOGR+XBOIR+XBONTBR)－ 0.9363*

XBOSRR－ 63872.05066*D(LOG(PCPIR/FPWONEXR)/WCPIR) +

424.8265*@SEAS(1) + 902.76876*@SEAS(2)－ 192.0510*@SEAS(3)－

9118.5158*DUM9704 + 7511.5364*DUM9904_0001 + 6028.6099*DUM0304－

3891.1771*DUM0402_0403 + 9951.1041*DUM0404 + [AR(1) = 0.1910]

R-squared 0.646227 Mean dependent var 1197.350Adjusted R-squared 0.602908 S. D. dependent var 3092.899S.E. of regression 1948.997 Akaike info criterion 18.09769Sum squared resid 3.72E+08 Schwarz criterion 18.41502Log likelihood －991.4217 F-statistic 14.91783Durbin-Watson stat 2.025791 Prob(F-statistic) 0.000000

LOG(FPWONEXR) = 0.4102 + 0.7095*LOG(FPWONEXR(－1)) + 0.1255*

LOG(WTYDR) + 0.0756*LOG(@MOVAV(FQM/PGDF,2)) + 0.1836*

DUM9704 + 0.3672*DUM9801 + 0.0416*DUM0204－ 0.2852*XBOCR/

100000－ 0.1347*XBOCR(－1)/100000－ 0.0031*XBOPR/10000－

0.1601*XBOPR(－1)/100000－ 0.0399*DUM0507 + [AR(1) = 0.8663]



LOG(XEXGR) =－0.2303 + 0.0382*@SEAS(1) + 0.0143*@SEAS(2) + 0.0320*

@SEAS(3) + 1.0205*LOG(XEXGT)


LOG(XIMGR) =－0.2594 + 0.0046*@SEAS(1) + 0.0051*@SEAS(2) + 0.0046*

@SEAS(3) + 1.0215*LOG(XIMGT) + [AR(1) = 0.6852]


한편, 대외부문 항등식은 다음과 같다.

XEXGR = XEXQ * PPEXR / 100

XIMGR = XIMQ * PPIMR / 100

42

XBOGR = XEXGR－ XIMGR

XBOSRR = XEXSR－ XIMSR

XBOPR = XBOGR + XBOSRR + XBOIR + XBONTBR

라. 노동부문

노동부문에서는 실업률, 임금, 평균가동률이 추정될 수 있도록 구성되었다. 경제

활동인구는 외생변수로 처리되어 경제활동인구에 (1－실업률)을 곱할 경우 총 취업

자수를 산출할 수 있도록 하였으며, 임금방정식은 명목임금을 직접 추정하였다. 경

제의 평균가동률은 수출과 설비투자에 의해 설명되는 것으로 추정하였다.

실업률(SURR), 임금(SWAR) 및 평균가동률(SUOMR) 방정식 추정결과는 다음과

같다.

(100－ SURR)/100 = 0.0600 + 0.4866*((100－@MOVAV(SURR(－1),4))/100) +

0.0218*LOG(ACPR) + 0.0232*LOG(AIFMR) + 0.0217*LOG(SWAR/PCPIR)－

0.0612*LOG(SWAR(－1)/PCPIR(－1))－ 0.0217*DUM9801_9902－

0.0124*100*OLD + 0.0008*(100*OLD)^2


LOG(SWAR*100/PCPIR) =－3.5620 + 0.3617*LOG(@MOVAV(SWAR(－1)*

100/PCPIR(－1),4)) + 0.1453*LOG(AIFCR) + 0.2119*LOG(ACTR + AEXR) +

0.3678*PCPIR/PPPIR + 0.1845*LOG(SLFR(－1))－0.0006*@SEAS(1)－0.0567*

@SEAS(2) + 0.0075*@SEAS(3)－ 0.0525*DUM9704_9803 + [AR(1) = 0.2229]



LOG(SUOMR) = 3.5717 + 0.0426*(LOG(AEXR)－ LOG(AEXR(－1))) +

0.0822*LOG(AIFMR)－ 0.0793*DUM9801_9803 + 0.0154*@SEAS(1)－

0.0033*@SEAS(2) + 0.0048*@SEAS(3) + [AR(1) = 0.9030]


한편, 노동부문 항등식은 다음과 같다.

SEMPR = SLFR * (1－SURR/100)

마. 물가부문

물가부문에서는 생산자물가, 소비자물가와 GDP디플레이터를 추정하였다. 생산자

물가는 임금과 원화 환산 수입단가, 그리고 국제유가에 의해 추정되도록 구성하였

다. 소비자물가는 생산자물가, 농림어업 디플레이터, 임금을 주요 변수로 하여 추정

되었다. 이들 변수외에도 추가로 통화 증가와 GDP갭에 의한 물가 상승 압력을 감안

하기 위해 총통화 M2, GDP/잠재 GDP를 설명변수에 포함하였다.

생산자물가(PPPIR), 소비자물가(PCPIR) 및 GDP 디플레이터(PGDF) 방정식 추정결

과는 다음과 같다.

44

LOG(PPPIR) = 2.0025 + 0.3054*LOG(PPPIR(－1)) + 0.0974* LOG(PPIMR/100*

FPWONEXR)－ 0.009*LOG(SWAR/(AGDPR/SEMPR)) + 0.0147*

LOG(WOILIDR)－ 0.0228*DUM9704 + 0.0056*@SEAS(1) + 0.0052*@SEAS(2)

+ 0.0033*@SEAS(3) + 0.0039*@TREND + [AR(1)=0.9251]


LOG(PCPIR) = 0.1703 + 0.7629*LOG(PCPIR(－1)) + 0.0612*LOG(PPPIR) +

0.0669*LOG(SWAR/(AGDPR/SEMPR)) + 0.0319*LOG(FQM)－ 0.0002*

FPCBRR + 0.0637*@MOVAV((AGDPR/PAGDP),4) + 0.0278*DUM9801 +

0.0033*@SEAS(1) + 0.0044*@SEAS(2)－ 0.0036*@SEAS(3) + [AR(1) =

0.1462]


PGDF = 196.7289 + 0.0028*((ACPR*PCPIR + AIFCR*PPPIR + AEXGR*

PPEXR/100*FPWONEXR/1000－AIMGR*PPIMR/100*FPWONEXR/1000)/

(ACPR + AIFCR + AEXGR－AIMGR))－ 0.0039*@SEAS(1)－ 0.0018*

@SEAS(2) + 0.0058*@SEAS(3) + 0.0590*DUM9801－0.0240* DUM9804_9902 +

[AR(1) = 0.6805, AR(2) = 0.3195]



바. 잠재 GDP

추세적인 공급능력의 변동을 설명하기 위해 생산함수를 이용하여 잠재 GDP를 추

정하였다. 잠재 GDP는 완전 고용상태하의 GDP로서 실업이 존재하는 상태의 실제

GDP와는 차이가 있다. 완전 고용상태하에서 GDP란 노동과 자본 등 생산요소를 완

전 고용할 경우 달성할 수 있는 최대 GDP로 정의된다. 또 다른 잠재 GDP의 정의는

자연실업률하에 도달할 수 있는 GDP, 즉 인플레이션을 가속화시키지 않고 실현할

수 있는 최대 GDP를 말한다.

본 고에서의 잠재 GDP는 생산함수 접근법에 기반을 두고 추정되었다. 먼저 생산

함수는 다음과 같은 콥－더글라스(Cobb-Douglas) 생산함수를 이용하였다.

여기서 Y는 GDP, A는 총요소생산성, N은 노동량, K는 자본스톡을 의�

08-08 거시경제 변화에 따른 it 산업 파급효과 추정을 위한 계량모형 … ·...

Documents