동아시아 국가들의 실질환율, 순수출 및 경제성장간의 상호관계 ... ·...

동아시아 국가들의 실질환율, 순수출 및

경제성장간의 상호관계 비교연구 :

시계열 및 패널자료 인과관계 분석

* 동덕여자대학교 국제경영학과 교수, E-mail : [email protected]

** 서울시립대학교 경제학부 교수, E-mail : [email protected]

송유철*․원용걸**

2011. 5.

목 차

I. 서론 ··················································································································1

II. 동아시아 각국의 무역수지, 실질실효환율 및 GDP간의 관계 ···········5

1. 자료 ··············································································································5

2. 그래프를 통한 분석····················································································6

3. 상관계수 분석·····························································································9

III. 패널 데이터를 이용한 Granger인과관계 분석 ··································11

1. 분석의 이론적 기초··················································································11

2. 패널 데이터 단위근 검정········································································12

3. 패널 데이터 VAR 및 Granger인과관계 분석·····································14

IV. 개별국 실증분석모형 및 TYDL을 이용한 Granger인과관계 분석 ··· 21

1. 벡터자기회귀(VAR) 기본 모형······························································21

2. TYDL방법에 근거한 실증분석모형·······················································22

3. Granger인과관계 분석············································································23

4. 충격반응함수 분석····················································································34

V. 결론 ··············································································································39

참고문헌 ·············································································································41

- 1 -

I. 서론

한국을 비롯한 동아시아 개도국 경제의 급속한 부상은 전후 세계경제구도

에서 가장 주목할 만한 변화 중 하나이다. 비록 1997년 후반 동아시아를 휩

쓴 외환․금융위기로 인해 일부에서 이들의 향후 성장잠재력에 대해 회의적

인 견해도 제기되었지만 위기 이후 이들이 보여준 과감한 경제구조 개혁과

빠른 경제회복은 그간의 “동아시아의 기적(East Asian Miracle)”이 우연한

기적이 아니었음을 보여주고 있다. 따라서 타지역 후발 개도국들에게 주는

정책적 시사점을 도출하기 위하여 동아시아 개도국들의 고도성장을 설명하려

는 수많은 다양한 연구가 진행된 것은 매우 당연하다.

지난 30～40년에 걸친 동아시아 개도국들의 고도성장은, World Bank(1993)

및 Stiglitz(1996)에서 잘 요약하고 있듯이, 대내적으로 정부가 안정적인 거시

경제 환경을 유지하고 일반교육 확대 및 국내저축 제고로 급격히 생산요소를

축적하였던 것 이외에도, 해외시장을 목표로 하는 수출주도 성장정책 등 대

외지향적인 정책기조를 채택하였던 것에 기인한 바 크다고 보인다. 동시에

수출경쟁력 유지를 위한 정부의 적극적인 환율관리정책도 수출증가에의 기여

를 통해 경제성장에 일조했다는 것도 주지의 사실이다(World Bank, 1993;

Williamson, 1999). 한국을 비롯한 동아시아 국가들은 과거부터 환율을 관리

하고 있다는 의혹을 공공연히 받아왔다. 이런 점에서 동아시아 국가들 중 가

장 늦게 공업화를 시작하였고 최근에 놀라운 경제 성장세를 보이고 있는 중

국이 미국, EU 등으로부터 환율관리에 대해 비난받는 것은 새로운 것이 아

니다.

이처럼 동아시아 개도국들의 급속한 경제발전과정을 살펴보면 환율과 무역

성장, 그리고 경제성장이 밀접한 관계를 가지고 진행되어 가는 것처럼 보인

다. 이와 관련하여 수출과 경제성장간의 관계분석을 통한 수출주도 성장정책

의 성공여부에 대한 이론 및 실증분석 시도들이 일찍부터 있었다(Jung and

Marshall, 1985; Edwards, 1993; Frankel, Romer and Cyrus, 1996; Gross-

man and Helpman, 1997; Greenaway and Morgan, 1998; Frankel and

Romer, 1999; Rodriguez and Rodrik, 2000; Giles and Williams, 2000). 수

출의 증가는 총수요확대를 통해서뿐 아니라 해외시장에서의 경쟁으로 인한

효율성 제고를 통해 경제성장을 촉진한다는 것이다. 그러나 동아시아 개도국

- 2 -

들의 수출구조로 볼 때 수출의 증가는 필연적으로 수입의 증가로 귀결되므로

총수요 확대에 대한 대외부문의 순기여는 순수출(net exports)의 증가로 측

정되어야 한다. 따라서 순수출의 증가가 경제성장에 미치는 영향에 대한 논

의가 필요하다. 다른 한편, 경제성장에 따라 수입수요가 증가하는 동시에 수출여

력이 증가하면서 순수출도 변화하는 것이 당연하다(Bhagwati, 1988; Krugman,

1984; Awokuse, 2007). 따라서 경제성장과 순수출 어느 한 변수를 설명변수

로 상정하고 다른 변수는 종속변수로 상정하는 2변수 단순회귀분석(bivariate

regression analysis)은 내생성의 문제(endogeneity problem)를 가지게 된

다. 이런 점에서 양 변수를 모두 내생변수로 간주하는 분석이 필요하다.

또한 실질환율이 수출 및 수입, 그리고 그에 따라 순수출에 미치는 영향은

국제경제학의 전통적인 관심사였다. 전통적인 견해는 실질환율의 절하는 가

격경쟁력 강화를 통해 수출을 증가시키고 수입을 감소시켜 순수출을 증가시

킨다는 것이다. 이보다 정치한 견해는 단기에 있어서는 가격효과가 우세한

반면 장기에 있어서는 물량효과가 우세하여 실질환율 절하이후 순수출이 단

기에는 감소하지만 장기적으로는 증가한다는 소위 “J-커브(J-curve)”이론이

다. 이에 대한 이론적, 실증적 연구는 매우 많다(Rose and Yellen, 1989; Rose,

1990, Rose 1991, Bahmani-Oskooee and Alse, 1994; Wilson, 2001; Hsing,

2005). 한편 실질환율의 변화가 수출, 수입을 통해 순수출에 영향을 미치듯

이, 순수출의 변화 역시 외환의 공급 변화에 의해서 실질환율에 영향을 미친

다는 전통적인 유량접근적(flow approach) 환율결정이론도 있는 것이 사실

이다. 이 역시 실질환율과 순수출 양 변수를 모두 내생변수로 간주하는 분석

이 필요한 이유이다.

한편 실질환율의 절하가 (적어도 단기에 있어서는) 경제성장을 촉진한다는

것은 국제경제학의 전통적인 견해이다. 실질환율의 절하는 순수출의 증가에

의해서 총수요를 증가시킴은 물론 수출부문 및 경제개방을 확대시킴으로써

지속적 성장의 가능성을 높여준다. 또한 지속적 실질환율의 절하는 외환위기

의 가능성을 억제함으로써 안정적인 경제성장을 가능하게 해준다.(Kamin

and Rogers, 2000) 그러나 실질환율의 절하가 경제위축을 초래한다는 “경기

위축적 평가절하(contractionary devaluation)”도 오랫동안 이론적, 실증적으

로 논의되어 왔다(Cooper, 1971; Krugman and Taylor, 1978; Hanson,

1983; Gylfason and Schmid, 1983; Edwards, 1986; Buffie, 1986; Solamino,

1986; Risager, 1988; Montiel and Lizondo, 1989; de Melo et al., 1991;

- 3 -

Buffie and Won, 2001). 한편 경제성장이 빠른 경제에서 실질환율의 절상속

도도 빠르다는 주장이 바로 “Balassa-Samuelson 가설(Hypothesis)”이다.

(Balassa, 1964; Samuelson, 1964; Bahmani-Oskooee and Rhee, 1996;

Bahmani-Oskooee and Nasir, 2005) 이런 측면에서 역시 실질환율과 경제

성장 양 변수를 모두 내생변수로 간주하는 분석이 필요하다고 보인다.

이상에서 논의한 순수출-경제성장, 경제성장-실질환율, 그리고 실질환율-

순수출 등 세 가지의 연결고리는 상관관계, 회귀분석, 또는 인과관계 등 다양

한 분석을 통해 연구되어 왔으나 기본적으로는 2변수(bivariate)분석이 대부

분이다. 세 변수를 동시에 내생변수로 고려한 분석은 찾아보기 힘들다. 이런

측면을 감안하여 본 연구는 이 세 변수를 함께 내생변수로 간주하고 특히 동

아시아 개도국들에 있어서 이 세 변수들간의 인과관계 분석을 실시하려 한다.

이를 위해 가장 일반적인 방법으로서 결과(effect)가 원인(cause)에 앞설

수 없다는 원인의 시간선행성(time precedence)에 기반한 Granger인과관계

분석을 사용하기로 한다. 특히 본 연구는 각국별 시계열 분석은 물론 동아시

아 고도성장(위기경험) 개도국 전체를 포함하는 패널자료를 구성하여 패널

Granger인과관계 분석을 실시한다는 점에서 차별적이며, 이를 통해 성장전

략적 시사점을 도출하고자 한다. 본 연구는 변수들간 인과관계의 방향을 알

아보는 Granger인과관계 분석에 더해 시스템내에서 다양한 충격에 따른 각

변수의 동태적 반응 및 반응의 陰陽을 식별하기 위해서 충격반응함수(impulse

response function)를 살펴보기로 한다.

본 연구는 다음과 같이 구성되어 있다. 제II장에서 분석대상 동아시아 개도

국들의 경제성장, 순수출 및 실질환율 자료를 이용하여 고도성장 과정에서

이들 세 변수간의 관계를 살펴보기로 한다. 여기서는 국별 세 변수의 시계열

그래프와 변수간 상관관계 계수가 이용된다. 제III장에서는 동아시아 개도국

패널자료를 구축한 후 패널 벡터자기회귀(VAR)모형을 이용하여 세 변수간

Granger인과관계를 살펴본다. 이를 위해 본 연구에서는 자료의 성격상 고정

효과모형(fixed effect model)을 사용하게 되는데 우선 일반적으로 거시패널

의 고정효과모형 추정에 사용되는 최소자승더미변수법(least square dummy

variable method)을 이용한 후, 동태패널모형이 갖는 시차설명변수와 오차항

의 내생성(simultaneity)문제를 교정하고 결과의 강건성을 검토하기 위해서

Arellano and Bover(1995)의 동태적 GMM모형도 추가적으로 사용하기로

한다. 그리고 다양한 충격에 따른 각 변수의 동태적 반응 및 증감을 확인하

- 4 -

기 위해 충격반응함수(impulse response function)를 살펴보기로 한다. 제IV

장에서는 각국 경제구조의 특이성을 감안하기 위하여 각국별 시계열 자료를

모두 이용하는 시계열 분석을 통해 개별국별 세 변수간 Granger인과관계 분

석을 실시한다. 특히, 본 장에서는 Granger인과관계 분석을 위해 전통적인

VAR이나 벡터오차수정모형(Vector Error Correction Model: 이하 VECM)

이 아닌 Toda and Yamamoto(1995) 및 Dolado and Lütkepohl(1996)의

“부가된 VAR(augmented VAR)모형”을 사용하기로 한다. 이들의 방법은 단

위근(unit root)검정이나 공적분(cointegration)검정 등 일관성이 부족한 사전

검정 결과와 관계없이 사용할 수 있다는 장점을 가지고 있다. 또한 추가적으

로 각 변수의 동태적 반응 및 증감을 확인하기 위해 충격반응함수를 이용하

기로 한다. 마지막으로 제V장은 본 연구의 요약 및 결론, 그리고 정책적 시

사점과 한계를 제시하며 논문을 끝맺기로 한다.

- 5 -

II. 동아시아 각국의 무역수지, 실질실효환율 및

GDP간의 관계

분석대상 동아시아 개도국들의 순수출(무역수지), 실질실효환율 및 GDP

등 세 변수들간 Granger인과관계 분석이전에 이들 변수들간의 관계에 대해

우선 그래프를 통해 육안으로 특징을 관찰한 후, 상관계수(correlation coeffi-

cient) 분석을 통해 이변수간 관계를 살펴보기로 한다. 이는 향후 진행되는

Granger인과관계 분석에 대한 기초자료로 활용될 수 있다.

1. 자료

본 연구의 국가별 시계열 분석은 한국(1984Q1-2009Q4), 말레이시아(1991Q1-

2009Q4), 태국(1994Q1-2009Q4), 홍콩(1984Q1-2009Q4), 필리핀(1981Q1-2009Q4),

인도네시아(1994Q1-2009Q4) 등 동아시아 위기경험 6개국 및 추가적으로 중

국(1981Q1-2007Q4)까지 총 7개국을 포함한다. 모든 분석대상국가에 있어서

1997년 후반 동아시아 경제위기 시기를 포함하고 있지만 가용자료의 차이로

인해 국가별로 분석대상 기간은 차이가 있다. 특히 중국의 분기별 GDP자료

는 추정자료이므로 해석에 주의를 요한다. 태국과 인도네시아의 분기별 실질

실효환율자료는 국제결제은행(BIS) 홈페이지에서 인용하였고, 중국의 GDP

자료를 제외한 나머지 자료는 모두 IMF의 International Financial Statistics

에서 추출하였다. 중국의 분기별 GDP자료는 Abeysinghe and Gulasekaran

(2004)에서 추출하였다. 일반적인 통념과 달리 IMF 및 BIS자료에서 실질실

효환율의 상승은 실질실효환율의 절상을 의미한다. 수출, 수입, 그리고 GDP

분기자료는 US Census X-11방식을 이용하여 계절조정을 하였으며, 무역수

지는 수출액을 수입액으로 나누어서 구하였다. 따라서 로그를 취하게 되면

무역수지가 균형인 경우는 0, 흑자인 경우는 양수, 그리고 적자인 경우는 음

수가 된다. 실질GDP는 명목GDP를 GDP디플레이터로 나누어서 구하였고,

분기별 GDP디플레이터 자료가 불비한 필리핀, 인도네시아 및 중국의 경우는

소비자물가지수(CPI)로 나누어 구하였다. 또한 거시경제 데이터에서 흔히 나

타나는 이분산성(heteroschedasiticity) 문제를 완화하고 결과의 해석을 용이

하게 하기 위해 모든 실질변수값들을 자연로그값으로 변환하여 사용한다.

- 6 -

2. 그래프를 통한 분석

먼저 분석대상 동아시아 각 국가별로 순수출(무역수지), 실질실효환율 및

GDP 등 세 변수의 시간에 따른 변화 및 이들간의 관계를 그래프를 통해 살

펴보자(<그림 1> 참조). 이는 분석대상기간 중 이들 경제에 대한 이해를 높

일 뿐 아니라 각 시계열 변수들의 안정성(stationarity)에 대해 추측을 가능

하게 해줄 것으로 기대된다.

<그림 1>을 통해 동아시아 개도국 각국에서 크게 세 가지 특징적인 점들

이 관찰된다. 첫째, GDP와 관련하여 분석대상기간 중 전체적으로 지속적인

고도 성장을 기록하였으나 필리핀과 중국을 제외하고 모든 나라에서 1997년

동아시아 경제위기시와 2008년 글로벌 금융위기시에 음(-)의 경제성장률을

경험하였다는 것이다. 물론 그 정도에 있어서는 전자의 시기가 훨씬 심각하

였다. 그리고 특이하게도 인도네시아의 경우는 최근의 글로벌 금융위기의

GDP에 대한 부정적인 영향이 거의 관찰되지 않았다.

둘째로, 중국과 홍콩을 제외하고 모든 국가에 있어서 1997년 동아시아 경

제위기 시에 큰 폭의 실질실효환율(REER)의 절하를 경험하였으며 2008년

글로벌 금융위기 시에도 정도는 약하지만 역시 실질실효환율의 절하를 경험

하였다. 한국의 경우에는 후자의 위기 시에 상대적으로 큰 폭의 실질실효환

율 절하를 경험하였다는 점에서 특징적이다. 이는 동아시아 개도국 대부분이

대외충격에 취약하지만 한국의 경우 더욱 그러하다는 증거가 된다.

셋째로 실질실효환율의 움직임과는 반대로 1997년 동아시아 경제위기 이후

중국과 홍콩의 경우를 제외하고 모든 국가들에 있어서 무역수지(Trade Balance:

TB)가 큰 폭으로 개선되었다. 그러나 2008년 글로벌 금융위기 시기에는 국

가별로 차이를 보이고 있다. 한국, 말레이시아, 태국, 인도네시아, 필리핀의

경우는 무역수지가 개선되었으나 홍콩의 경우는 오히려 악화되었고 중국의

경우는 큰 변화가 없었다.

이상의 그래프를 통한 관찰로 볼 때 무역수지, 실질실효환율 그리고 GDP

등 세 변수는 동아시아 전체적으로 예측가능한 움직임을 보였다고 할 수 있

으나 국가별로는 움직임의 방향 및 정도에 있어서 상당한 차이를 보이고 있

다고 판단된다. 이런 측면에서 동아시아 개도국 전체의 패널자료를 구성하여

세 변수들간 Granger인과관계를 분석하는 것이 지역차원의 이해를 높이는

데 분명히 도움이 되는 것은 사실이지만, 추가적으로 개별국가들의 특수성을

- 7 -

감안하여 개별국 시계열자료를 이용하여 세 변수간 Granger인과관계를 분석

하는 것도 필요하다는 시사점을 얻을 수 있다.

<그림 1> 동아시아 각국의 무역수지, 실질실효환율 및 GDP 간의 관계

(1) 한국

-.6

-.4

-.2

.0

.2

.4

6.0

6.4

6.8

7.2

7.6

8.0

84 86 88 90 92 94 96 98 00 02 04 06 08

TB REER GDP

(2) 말레이시아

-.2

-.1

.0

.1

.2

.3

.4

6.2

6.4

6.6

6.8

7.0

7.2

7.4

92 94 96 98 00 02 04 06 08

TB REER GDP

(3) 태국

-.4

-.2

.0

.2

.4

2.4

2.6

2.8

3.0

3.2

1994 1996 1998 2000 2002 2004 2006 2008

TB REER GDP

- 8 -

(4) 필리핀

-.8

-.4

.0

.4

.8

1.6

1.8

2.0

2.2

2.4

2.6

2.8

1985 1990 1995 2000 2005

TB REER GDP

(5) 인도네시아

-.8

-.4

.0

.4

.8

8.0

8.2

8.4

8.6

8.8

9.0

9.2

9.4

1994 1996 1998 2000 2002 2004 2006 2008

TB REER GDP

(6) 홍콩

-.4

-.2

.0

.2

.4

0.0

0.4

0.8

1.2

1.6

84 86 88 90 92 94 96 98 00 02 04 06 08

TB REER GDP

(7) 중국

-0.8

-0.4

0.0

0.4

0.8

1.2

5.5

6.0

6.5

7.0

7.5

8.0

8.5

82 84 86 88 90 92 94 96 98 00 02 04 06

TB REER GDP

주 : 왼쪽 축은 무역수지와 실질실효환율, 오른쪽 축은 GDP를 표시하며, 가장 위쪽의 선은

GDP, 그리고 하부의 선중 옅은 선은 실질실효환율, 진한 선은 무역수지를 나타냄.

- 9 -

2. 상관계수 분석

먼저 한국의 경우 분석대상기간 전체에 걸쳐 무역수지는 실질실효환율과

음(-)의 관계를 가지는 것으로 나타난다. 이를 실질환율의 절상은 무역수지

의 악화를 가져온다는 것으로 이론과 부합한다고 해석하는 것은 오류이다.

단순히 실질환율의 절상과 무역수지의 악화가 같이 나타난다는 의미정도로

보아야 한다. 보다 엄밀한 의미의 변수간 인과관계는 Granger인과관계 분석

까지 기다려야 한다. 한편 무역수지는 GDP와 양(+)의 관계를 갖는다. 이를

GDP의 증가가 무역수지를 개선시킨다고 해석하는 것이 이상하듯이 무역수

지의 개선이 GDP를 증가시킨다고 보는 것도 옳은 해석이 아니다. 실질환율

은 GDP와 음(-)의 관계를 갖는 것으로 나타나, 실질환율의 절상(절하)과

GDP의 감소(증가)가 함께 나타나는 것으로 보인다.1) 그러나 다른 두 관계와

는 달리 실질환율과 GDP의 관계는 통계적 유의성이 약하다.

말레이시아, 필리핀, 그리고 태국의 경우도 한국과 같이 무역수지와 실질실

효환율간 음(-)의 상관관계, 무역수지와 GDP간 양(+)의 상관관계, 그리고 실

질실효환율과 GDP간 음(-)의 상관관계를 보이고 있는데 이들 나라들에 있

어서는 태국의 경우를 제외하고는 세 관계 모두 통계적 유의성이 높았다.

반면 홍콩과 인도네시아의 경우는 다른 나라들과 조금씩 다른 특징을 보여

준다. 이들 국가에 있어서 실질실효환율이 무역수지와 음(-)의 상관관계를

가지고 있다는 점은 다른 나라들과 같다. 그러나 인도네시아의 경우는 통계

적으로 유의하지 않으나 두 나라 모두 무역수지가 GDP와 음(-)의 상관관계

를 가지고 있는 것으로 나타나 다른 나라들과 차이를 보이고 있으며, 이는

무역수지의 개선(악화)이 GDP의 감소(증가)와 함께 나타나는 것을 의미하여

흥미 있는 차이를 보여준다고 하겠다. 그리고 홍콩의 경우는 추가적으로 다른

나라와 달리 실질실효환율이 GDP와 양(+)의 상관관계를 보여주고 있다. 즉,

실질실효환율의 상승(하락)이 GDP의 증가(감소)와 함께 나타난다는 것이다.

이상의 상관관계 분석은 기본적으로 2변수간의 분석이라는 한계와 인과관

계적인 해석을 할 수 없다는 한계는 있지만 유용한 정보를 제공하고 있으며,

일견 이론과 부합하는 해석도 가능하게 해주지만 엄밀한 의미에서 정확한 해

1) 이는 Kamin and Rogers(2000)의 멕시코 경우와 반대의 결과로서 이들은 반대의 결과를 경기

위축적 평가절하로 해석하는 전 단계로 활용하고 있음. 따라서 한국의 경우에는 평가절하가 경

기위축적으로 작용하지 않는다고 보아야 함.

- 10 -

석을 위해서는 Granger인과관계 분석결과를 살펴봐야 한다.

<표 1> 무역수지, 실질실효환율 및 GDP간의 상관관계 계수

TB REER GDP

TB 1-----

REER -0.68 1

(.00) -----

GDP 0.17 -0.07 1

(0.09) (0.46) -----

(1) 한국(84Q1-09Q4)

TB REER GDP

TB 1-----

REER -0.84 1

(.00) -----

GDP 0.73 -0.71 1

(.00) (.00) -----

(2) 말레이시아(91Q1-09Q4)

TB REER GDP

TB 1

-----REER -0.46 1

(.00) -----

GDP 0.46 -0.38 1

(.00) (.00) -----

(3) 필리핀(81Q1-09Q4)

TB REER GDP

TB 1

-----REER -0.32 1

(.00) -----

GDP 0.47 -0.79 1

(.00) (.00) -----

(4) 중국(81Q1-07Q1)

TB REER GDP

TB 1

-----

REER -0.33 1

(.00) -----

GDP -0.65 0.31 1

(.00) (.00) -----

(5) 홍콩(84Q1-09Q4)

TB REER GDP

TB 1

-----

REER -0.46 1

(.00) -----

GDP -0.04 -0.03 1

(.73) (.83) -----

(6) 인도네시아(94Q1-09Q4)

TB REER GDP

TB 1

-----

REER -0.65 1

(.00) -----

GDP 0.12 -0.12 1

(.35) (.36) -----

(7) 태국(94Q1-09Q4)

주 : 괄호내는 t=0이라는 귀무가설에 대한 p값임.

- 11 -

III. 패널 데이터를 이용한 Granger인과관계 분석

패널 데이터 분석은 시계열 및 횡단면 데이터의 정보를 모두 이용할 수 있

을 뿐 아니라 개별 시계열의 특정한 효과(individual-specific effects)를 허

용함으로써 각 횡단면 단위, 즉 동아시아 개별국의 상이성도 감안할 수 있다

는 장점을 가지고 있다.2) 더욱이 오랜 시간에 걸쳐 축적된 횡단면 데이터를

이용함으로써 GDP(경제성장의 대용변수), 무역수지 및 실질실효환율 같은

거시경제 변수들의 동태적인 관계를 고찰하는 데도 적당하다고 볼 수 있다.

동아시아 개도국들은 지역적으로 인접해 있을 뿐 아니라 국가마다 약간의

정도 차이는 있지만 대체로 대외무역 및 외국인 직접투자에 대해 개방적인

태도를 통해 지난 40여 년간 높은 경제성장을 시현해 왔다는 점에서 유사성

을 공유하고 있다. 뿐만 아니라 지난 97년 후반 외환 및 금융위기의 진원지

로서 그 영향을 가장 심하게 받았음에도 빠른 회복세를 보인 국가들이라는

공통점도 가지고 있다. 따라서 본 장에서는 이들간의 상호 유사성을 감안하

여 동아시아 (위기 경험) 6개국 시계열 데이터를 결합하여 패널 데이터를 구

축한 후 패널 VAR 모형 및 패널 Granger인과관계를 추정하고 그 결과를

분석해 보기로 한다.

1. 분석의 이론적 기초

순수출(무역수지)과 실질질효환율, GDP와 실질실효환율, 그리고 순수출과

GDP 등 2변수간 상호관계에 대해서는 앞에서 본 바와 같이 이론적, 실증적

으로 상당한 정도 연구가 축적되어 왔지만 순수출, 실질실효환율, 그리고

GDP 등 세 변수가 동시에 내생변수로 고려되면 경제모형에서 이들이 서로

어떻게 연관되는지가 불분명해진다. 따라서 기존의 실증연구들은 일반적으로

이들 중 두 변수들간의 관계만을 분석하거나 세 변수의 관계를 임의로(ad

hoc) 가정하고 회귀분석을 실시하였다. 이와는 달리 본 논문은 세 변수간 실

증분석의 이론적 기초를 케인지안류의 국민소득 결정모형에서 찾는다.3)

2) 패널 데이터 분석의 장점 및 주요 기법에 대해서는 Baltagi(2001) 참조.

3) 그러나 결과의 해석에 있어서는 Balassa-Samuelson정리처럼 변수간 특별히 알려진 이론도 이

용한다.

- 12 -

논의를 단순화하기 위해 화폐부문과 정부부문의 균형을 가정하면 다음과

같은 총수요와 총공급의 균형조건을 기술할 수 있다.

, (1)

여기서 Y, C, I, G, X, M은 각각 실질GDP, 소비, 국내투자, 정부지출, 수

출, 수입을 나타내며, r과 reer은 실질이자율과 실질실효환율을 표시한다. 화

폐시장의 균형을 가정하면 위 식은 다음과 같은 일반적인 음함수(implicit

function)로 표현할 수 있다.

(2)

여기서 TB는 순수출(무역수지)를 나타낸다.4) 따라서 케인지안 거시경제모

형에서 세 변수는 밀접히 연결되어 있음을 알 수 있으며, 이에 근거하여 본

논문은 세 변수간의 인과관계를 추정한다. 식 (2)는 본질적으로 비선형이지

만 일정한 조건을 충족하면 초기균형 근처에서 로그를 취하여 테일러확장

(Taylor expansion)을 할 수 있다. 그 가운데 변수들의 선형(linear)부분만을

취하여 한 변수를 자신 및 다른 변수들의 시차변수들에 대해 정리하면 (순수

출, 실질실효환율, GDP)를 내생변수로 하는 전형적인 VAR모형의 형식을 도

출할 수 있다.

2. 패널 데이터 단위근 검정

패널 데이터 회귀분석을 실시하기 이전에 패널 데이터 자체의 안정성

(stationariry) 여부를 확인하기 위하여 먼저 패널데이터 단위근 검정을 실시

하기로 한다. 현재 다양한 패널 데이터 단위근 검정 방법이 있으며, 이들은

때로 상이한 결과를 보여주기도 한다. 본 분석에서는 가장 흔히 사용되는

Im, Pesaran and Shin(2003)의 W-test(이하 IPS 검정)와 ADF-Fisher χ

2-test(이하 ADF-Fisher 검정),5) 그리고 추가적으로 Levin, Lin and Chu

4) 이론적으로 보면 경상수지(CA)를 사용하여야 하나, 무역수지가 실질실효환율에 의해 직접적으로

영향을 받을 뿐 아니라 서비스수지가 그리 크지 않고 대체로 균형을 이룬다고 가정하면 무역수

지를 사용해도 무방함.

- 13 -

(2002)의 t-ratio test(이하 LLC 검정) 등 세 가지 방법을 선택하여 그 결과

를 비교하기로 한다. 세 검정에서 귀무가설은 패널 데이터가 단위근을 갖는

다, 즉 불안정적이라는 것이다.

<표 2>는 동아시아 위기경험 6개국 패널 수준자료(level data) 및 차분자

료(differenced data)의 패널단위근 검정 결과를 보여주고 있다. IPS 및

Fisher-ADF 검정 결과는 검정방식별로, 그리고 자료별로 다른 결과를 보여

주고 있다. 시간추세를 갖는 변수들의 차이로 나타내어지는 tb 및 reer은 이

론적으로뿐 아니라 그래프에 대한 육안검사상(eyeballing)으로도 시간추세를

포함하지 않는 것이 타당하다. 따라서 이 두 변수의 수준자료에 대한 단위근

검정에서는 개별효과만을 포함하거나 아무것도 포함하지 않는 두가지 경우를

상정하였고, 차분자료의 경우는 아무것도 포함하지 않았다.6) 검정 결과, 그

래프상 0 또는 특정 상수수준을 중심으로 변동하는 무역수지(tb)와 실질실효

환율(reer)은 안정적인 I(0)로 나타났으나, 시간추세가 있는 gdp는 I(1) 변수

로 나타난다. 이에 따라 패널 VAR 및 그에 근거한 Granger인과관계 분석

에서는 먼저 세 변수의 차분자료를 이용하고, 결과의 강건성(robustness)을

확인하기 위해 정보기준에 따른 다양한 시차를 적용해 보기로 한다.

<표 2> 패널 데이터 단위근 검정

수준자료(level data)

IPS W-검정통계량 ADF-Fisher 통계량 LLC

tb

reer

gdp

-

-

-

-2.42***

(0.01)

-1.00

(0.16)

3.03

(0.99)

-0.57

(0.28)

0.79

(0.78)

-0.48

(0.31)

27.15***

(0.01)

29.75***

(0.00)

0.04

(1.00)

23.38**

(0.02)

14.65

(0.26)

2.24

(0.99)

12.50

(0.41)

7.24

(0.84)

15.11

(0.24)

-2.53***

(0.01)

-3.07***

(0.00)

7.91

(1.00)

-1.40

(0.08)

-0.31

(0.38)

-0.02

(0.49)

-0.15

(0.56)

-0.27

(0.39)

1.00

(0.84)

5) 타 방법 대비 이들 두 검정방법의 우월성은 Christopoulos and Tsionas(2003) 참조.

6) IPS 검정의 경우에는 개별효과 및 시간추세를 모두 포함하지 않는 방법이 없으므로 개별효과만

을 포함하였음.

- 14 -

<표 2-계속> 패널 데이터 단위근 검정

차분자료(differenced data)

IPS W-검정통계량 ADF-Fisher 통계량 LLC

tb

reer

gdp

-

-

-

-19.75***

(0.00)

-10.06***

(0.00)

-11.22***

(0.00)

735.97***

(0.00)

171.31***

(0.00)

65.91***

(0.00)

251.43***

(0.00)

117.19***

(0.00)

133.84***

(0.00)

-19.95***

(0.00)

-12.25***

(0.00)

-7.05

(0.00)

-17.13***

(0.00)

-10.12***

(0.00)

-10.22***

(0.00)

주 : 1) ( )내는 p-value임.

2) 수준자료의 검정방정식은 tb와 reer은 개별효과(individual effects)를, gdp는 개별

선형시간추세(individual linear trend)를 포함하며, 차분자료의 검정방정식은 tb와

reer은 아무 것도 포함하지 않는 반면 gdp는 개별효과(individual effects)를 포함함.

3) 시차는 최소 AIC기준에 의해 Eviews에 의해 자동 선정됨.

4) ***, ** 및 *는 각각 1%, 5%, 및 10% 유의수준에서 귀무가설(단위근 존재)을 기

각함을 의미함.

3. 패널 데이터 VAR 및 Granger인과관계 분석

패널 데이터 회귀분석에서는 절편, 기울기 계수, 그리고 오차항에 대한 가

정에 따라 고정효과모형(fixed effects model)이나 임의효과모형(random

effects model)을 사용하게 된다.7) 그러나 동아시아 위기경험 6개국만을 대

상으로 하는 본 분석에는 아쉽게도 횡단면 단위의 숫자가 추정되는 계수의

숫자보다 많아야 하는 임의효과모형은 이용할 수 없다. 따라서 본 분석에서

는 고정효과모형을 이용하여 패널 VAR(p)를 추정하고, 이를 이용하여 tb,

reer 및 gdp 등 세 변수간 Granger인과관계를 분석하기로 한다. 각국의 분

기별 가용자료가 국가별로 상이하므로 균형패널을 구성하기 위하여 본 분석

에서는 공통부분인 1994Q1부터 2009Q4까지만을 분석 대상기간으로 한다.

따라서 개별국가별로는 64개 분기자료가, 그리고 6개국 패널에는 384개의 분

기자료가 포함된다. 이때 추정회귀식에서 사용되는 시차 p는 아카이케 정보

기준(AIC), 슈와르쯔 정보기준(SIC), 하난-퀸 방식(HQ)에 의하여 각각 4, 1,

2분기로 나타나는데 결과의 강건성을 보기 위하여 4분기와 2분기 두 경우를

7) 양 모형에 대한 자세한 논의는 Greene(2003)을 참조.

- 15 -

모두 사용하기로 한다.8)

가. Granger인과관계 분석

분석에 들어가기 전에 고정효과모형을 간략히 설명하면 다음과 같다. 고정

효과모형은 회귀분석에서 모든 횡단면 단위들의 기울기 계수는 일정한 반면,

절편(intercept)은 개별 횡단면 단위별로 상이하지만 시간에 따라 변하지 않

는다고 가정한다. 본 분석에서의 고정효과모형은 다음과 같은 식으로 나타낼

수 있다.

, (3)

여기서 는 세 개의 내생변수를 포함하는 (3×1)벡터이며, 하첨자에서 는

번째 횡단면 단위를, 는 관찰시점(분기)을 나타낸다. 절편 는 횡단면 단

위간 상이할 수 있는 관찰되지 않은 변수들(omitted variables)로부터의 이

질적인 영향(heterogeneous influence)을 감안하는 고정효과(fixed effect)

벡터이다. 또한 는 모든 내생변수의 시차변수를 나타내는 행벡터이며,

는 동아시아 위기경험 국가 전체의 공통적인 기울기 계수를 나타내는 열벡

터이다. 한편 오차벡터는 ∼N(0, )인 고전적인 가정을 따른다. 본 분석

에서는 고정효과 모형을 추정하기 위하여 일반적으로 사용되는 최소자승더미

변수법(least square dummy variable method: 이하 LSDV)을 이용하기로

한다.

<표 3>은 동아시아 위기경험 6개국 패널 데이터를 이용한 VAR 추정 결

과로 나타난 세 변수간 Granger인과관계 검정 결과를 보여주고 있다. <표

3>에 나타난 왈드-검정법(Wald-test)9)에 근거한 무역수지, 실질실효환율 및

GDP간 패널VAR에 근거한 Granger인과관계는 몇 가지 흥미 있는 결과를

8) 동태적 패널 분석시 종속변수의 시차는 1년으로 하는 것이 일반적임. Love and Zicchino(2006)

참조.

9) 왈드-검정은 회귀식중 複數의 계수가 동시에 0인지 여부를 검정하는 일종의 F-검정임. 만일 하

나의 계수만을 대상으로 왈드-검정을 실시하게 되면 t-검정과 같은 결과를 보이게 됨.

- 16 -

보여주고 있다. 첫째, 무역수지 회귀식(tb)에서는 예상과 같이 실질실효환율

및 GDP의 변화가 무역수지의 변화를 초래하는 것으로 나타났다. 둘째, 실질

실효환율(reer) 회귀식에서는 GDP의 변화는 실질 실효환율의 변화를 초래하

는 반면 무역수지의 변화는 실질실효환율에 영향을 못 미치는 것으로 나타났

다. 마지막으로 국내총생산(gdp) 회귀식에서도 실질실효환율의 변화는 GDP

의 변화를 초래하는 반면 무역수지의 변화는 GDP의 변화를 초래하지 않는

것으로 나타났다. 결과적으로 무역수지의 변화는 다른 두 변수에 영향을 미

치지 못하는 것으로 나타났으나, 실질실효환율 및 GDP는 다른 두 변수에 강

한 영향을 미치는 것으로 드러났다.

<표 3> 패널 VAR의 Granger인과관계 분석결과 (LSDV방식)

설명변수(independent variables)

종속변수(dependent variables)

TB REER GDP

(4 lags 경우)

TB

REER

GDP

-

7.93***

(0.00)

5.32***

(0.00)

0.45(0.77))-

3.71***

(0.01)

1.11(0.35)9.16***

(0.00)-

(2 lags의 경우)

TB

REER

GDP

-

5.12***

(0.00)7.97***

(0.00)

0.65(0.52)-

6.00***

(0.00)

2.20(0.11)18.87***

(0.00)-

주 : 1) 괄호내의 숫자는 p값(p-value)이며, 그 이외의 숫자는 더미변수 계수의 경우를 제

외하고는 F-통계치임.

2) 설명변수들의 F-통계치옆 ***, ** 및 *는 각각 1%, 5% 및 10%의 유의수준으로

귀무가설(Granger인과관계가 없음)을 기각함을 나타냄.

3) 더미변수 계수옆 ***, ** 및 *는 각각 1%, 5% 및 10%의 유의수준을 나타냄.

각 회귀식의 패널 Granger인과관계를 결합하면 내생변수간 또 다른 흥미

있는 결과를 관찰할 수 있다. 즉, GDP와 실질실효환율은 직접적으로 상호

밀접한 인과관계(bidirectional Granger causality)를 갖는 반면 실질실효환

율은 직접적으로뿐 아니라 GDP를 중간매개로 해서 간접적으로도 무역수지

- 17 -

에 영향을 미치는 것을 알 수 있다. 물론, GDP도 직접적으로뿐 아니라 실질

실효환율을 통해서 간접적으로도 무역수지에 영향을 미침을 알 수 있다. 실

질환율이 정책변수인가에 대한 논의는 차치하더라도10) 본 분석으로부터 명목

환율에 영향을 미치려는 정부의 정책은 실질환율에의 영향을 통해 무역수지

에 직접적으로 영향을 미칠 수 있을 뿐 아니라 GDP에 대한 직접적인 영향

에 더해 GDP를 통한 무역수지에의 간접적인 영향으로 인해 매우 중요한 정

책수단이 될 수 있다는 정책적 시사점을 도출할 수 있다.

그러나 위의 고정효과 모형은 국가별 특성을 반영하는 고정효과가 다른 설

명변수와 상관관계(correlation)를 가질 가능성이 클 뿐 아니라, 특히 본 모

형과 같이 시차종속변수(lagged dependent variable)를 설명변수로 포함하고

있는 경우에는 오차항과 설명변수간 상관관계로 인한 내생성의 문제가 존재

한다. 따라서 위와 같이 일반적으로 고정효과모형을 추정하는 방식인 최소자

승더미변수법을 사용하는 경우 추정계수의 편의(bias)가 존재하는 것이 사실

이다. Nickell(1981)은 추정계수의 편의(bias)를 나타내는 식을 도출하고, 패

널데이터의 시간이 무한대로 가면서 이 편의가 0에 수렴함을 보였다. 이런

측면에서 패널데이터에 포함된 시계열자료가 길수록 일반적인 최소자승더미

변수법이 좋은 결과를 보인다는 것을 알 수 있다. 그러나 유한한 시계열 자

료에서는 어느 경우든 편의가 존재할 수밖에 없다. 이런 문제의 해결을 위해

도구변수(instrument variables)를 사용하는 다양한 추정방법이 사용되어 왔

는데,11) 여기서는 Arellano and Bover(1995)가 제시한 동태패널 GMM을

사용하여 추정하기로 한다. 그러나 이 방법 역시 횡단면은 많은 반면 시계열

은 짧은 미시데이터에 적합한 것으로 개발되었기 때문에 본 연구에서와 같은

긴 패널(long panel)에는 적절하지 않을 수 있음을 유념해야 한다.12)

이 방법을 간략히 설명하면 다음과 같다. 우선 식 (3)에서 1차 시차변수를

빼주면 고정효과는 없어지고

(4)

10) 실질환율이 정책변수인가에 대한 논의는 Eichengreen(2008) 참조.

11) 이에 대해서는 Holtz-Eakin et al.(1988), Anderson and Hsiao(1982), Arellano and Bond

(1991) 등 참조.

12) 각 방법의 장단점에 대해서는 Judson and Owen(1996) 참조.

- 18 -

과 같이 된다. 여기서 위의 식(4)에서 나타나는 설명변수와 오차항간 내생성

의 문제를 해결하기 위해 설명변수의 시차변수를 도구변수로 사용하고, 자료

의 변환시 변환된 자료와 시차 설명변수간 직교성(orthogonality)이 유지되

도록 하며, 계수추정 시 GMM방법을 사용한다. 시차가 증가함에 따라 필요

한 도구변수의 숫자가 급격히 증가하므로 본 분석에서는 2분기를 시차로 하

여 분석을 실시하기로 한다.

<표 4>는 동태적 GMM방식에 의한 Granger인과관계 결과를 보여주고

있다. 앞서의 LSDV방법에 의한 결과와 차이가 나는 점은 GDP의 다른 변수

들에 대한 영향이 통계적으로 유의하지 않다는 점이다. 그러나 여전히 무역

수지는 다른 두 변수에 영향을 주지 못하는 반면, 실질실효환율의 변화는 무

역수지 및 GDP의 변화에 유의한 영향을 미친다는 것을 알 수 있다. 이로부

터 실질실효환율 변화의 중요성을 더욱 확인할 수 있다.

<표 4> 패널 VAR의 Granger인과관계 분석결과 (GMM방식 : 2 lags)

설명변수(independent variables)


TB REER GDP

TB

REER

GDP

-

5.33***

(0.01)0.78(0.46)

0.02(0.98)-

0.23(0.79)

0.21(0.81)4.00**

(0.02)-

나. 충격반응함수 분석

지금까지의 패널 VAR분석 및 이에 근거한 고정효과모형 및 동태적 GMM

모형을 이용한 Granger인과관계 분석은 분석대상 기간 중 어떤 변수의 (약)

외생성에 대한 판단 및 변수간 인과관계의 방향에 대한 정보를 제공하기는

하지만 다양한 충격이 시스템내에서 각 변수 증감에 어떤 영향을 미치는지에

대한 정보를 제공하지 못하는 단점이 있다. 따라서 각 변수의 이런 동태적

반응과 반응의 陰陽을 식별하기 위해서 본 소절에서는 충격반응함수(impulse

response function)를 살펴보기로 한다. 본 분석에서 사용되는 촐레스키 분

- 19 -

해(Cholesky decomposition)를 이용하는 전통적인 충격반응함수는 내생변수

의 순서에 따라 상이한 결과를 보인다는 한계가 있으며, 이에 따라 외생성의

정도에 따라 내생변수의 순서를 정하는 것이 중요하다. 본 분석에서는 실질

환율→무역수지→경제성장의 순으로 외생성의 정도가 약해지는 것으로 보

고 충격반응함수를 구하였다.13)

먼저 실질실효환율의 절상은 무역수지를 악화시키는 것으로 나타났으나 통

계적으로 유의하지는 않았다(<그림 2> 참조). 그리고 실질실효환율의 절상

은 단기적으로 경제성장률을 하락시키는 것으로 나타났지만 이 또한 통계적

으로 유효하진 않았다. 한편, 경제성장률의 상승은 통계적으로 유의하지는 않

지만 실질실효환율을 오히려 절하시키는 것으로 나타나 Balassa-Samuelson

가설과는 다른 결과를 보이고 있다. 흥미 있는 것은 Granger인과관계와 관

련은 없지만 무역수지의 개선은 통계적으로 유의한 수준으로 단기적으로 경

제성장을 촉진하는 것으로 나타났다는 것이다.

<그림 2> 패널 충격반응함수(GMM방식 : 2 lags)

13) 내생변수의 순서가 다른 경우도 유사한 결과를 보이고 있으며, 본 충격반응함수는 Love and

Zicchino(2006)의 stata프로그램을 이용하여 구하였음.

- 20 -

이상의 패널분석은 무엇보다 균형패널을 만들기 위해 국가별로 가용한 시

계열 데이터들을 전부 활용하지 못한 문제점을 가지고 있다. 또한 국가별 차

이를 고정효과로만 감안할 뿐 구조적 상이성을 충분히 고려하지 못한 문제점

도 가지고 있다. 더욱이 본 분석에서와 같이 긴 패널데이터(long panel)를

이용하는 경우 아직 충분히 신뢰할 만한 분석기법이 제시되고 있지 못하다는

문제점이 있다. 이러한 문제점들을 고려하여 다음 절에서는 가용한 모든 시

계열 자료를 이용하는 국가별 분석을 실시함으로써 세 변수들간의 관계에 있

어서 국가간 유사성과 차이점을 비교․분석해 보기로 한다.

- 21 -

IV. 개별국 실증분석모형 및 TYDL을 이용한

Granger인과관계 분석

본 장에서는 동아시아 각국별 시계열데이터에 대하여 무역수지(TB), 실질

실효환율(REER), GDP 등 세 변수간 Granger인과관계를 Toda and Yamamoto

(1995) 및 Dolado and Lütkepohl(1996)의 방법(이하 TYDL방법)을 이용하

여 분석한다. 이를 위해 실증분석의 이론적 근거를 앞서 III절에서 설명한 케

인지안 총수요-총공급 이론에 두고, 이에 근거하여 TYDL방법을 활용한 세

변수들간 Granger인과관계를 확인하기 위해 수준자료(level data)를 이용한

시차(lag)가 부가된 벡터자기회귀(VAR)모형을 추정하고 그 결과를 해석한

다. 그 과정에서 적절한 VAR 추정을 위해 단위근 검정 및 필요시 공적분

검정을 함께 실시하기로 한다.

1. 벡터자기회귀(VAR) 기본 모형

앞에서 간단히 언급한 바와 같이 순수출의 증가가 경제성장을 촉진할 수

있듯이 경제성장에 따라 증가된 생산으로 인해 순수출이 증가․감소할 수도

있다. 마찬가지로 실질실효환율의 하락이 순수출 증가로 경제성장을 촉진하

는 것과 마찬가지로 성장하는 경제의 실질실효환율이 상승하는 것도 상정할

수 있다. 한편 실질실효환율의 하락이 순수출을 증가시킬 수 있으며, 순수출

의 증가는 실질실효환율의 상승을 유발할 수 있다. 이와 같이 이론적으로 순

수출, 실질실효환율 및 GDP 등 고려되는 각 변수들간 상호인과관계가 가능

하므로 단일방정식(single equation)에 의한 추정은 내생성(endogeneity)의

문제를 내포하고 있다. 따라서 우리는 아래 식 (5)와 같이 고려되는 변수들

을 잠재적으로 모두 내생변수로 간주하는 벡터자기회귀(VAR)모형을 기본

모형으로 설정하기로 한다.

, (5)

여기서 는 내생변수인 (TB, REER, GDP)로 이루어진 (3×1) 열벡터이

- 22 -

며, 는 (3×1) 상수벡터, p는 각 정보기준(Information Criterion)에 의해 결

정된 최적시차, ,,...,는 (3×3) 계수행렬, ,,...,는 내생변수

의 (3×1) 시차벡터, 그리고 는 모형의 (3×1) 오차벡터를 나타낸다.

2. TYDL방법에 근거한 실증분석모형

위 식 (5)의 VAR(p) 모형은 고려되는 내생변수들이 모두 안정적(statio-

nary)이라는 전제에서 유효하다. 만일 그렇지 않다면 내생변수들을 차분하여

안정적으로 만든 차분데이터를 사용하거나, Engle and Granger(1987)에 의

거하여 벡터오차수정모형(Vector Error Correction Model: 이하 VECM)을

이용하여야 한다.14) VECM을 사용하려면 두 단계의 사전검정(pre-tests)과

정을 거쳐야 하는데 내생변수 시계열들의 안정성을 판단하는 단위근(unit

root) 검정과, 이에 근거하여 변수들간 장기 안정적인 관계의 존재 여부를 판

단하는 공적분 검정이 그것이다. 만일 시계열 수준자료에 단위근이 존재할

경우 안정적인 차분데이터를 사용하여 VAR모형을 추정할 수도 있다. 하지

만 단위근이 존재하고 변수들간 공적분관계가 있는 경우 단순히 차분데이터

를 이용하게 되면 원래 시계열 자료들간 존재하는 장기적인 관계에 대한 정

보를 상실하게 되는 단점이 있다. 공적분관계의 존재는 인과관계의 방향은

아니더라도 장기적으로 변수들간 Granger인과관계15)가 존재한다는 것을 나

타낸다(Granger, 1986). 만일 첫 단계에서 단위근이 존재하고 두 번째 단계

의 결과 공적분관계가 존재하면 VECM을 이용하면 된다. VECM은 장기균

형으로 수렴해가는 과정에서 단기적으로 변수들간 조정되는 관계를 보여주고

있으며, 이에 따라 장기적인 Granger인과관계뿐 아니라 단기적인 Granger인

과관계까지 보여줄 수 있다는 장점이 있다.

그러나 Giles and Mirza(1999)가 지적하듯이, 단위근 및 공적분 검정이라

는 사전검정들은 표본자료가 적은 경우 그 신뢰성이 현저히 낮아져서 잘못된

모형을 사용하여 Granger인과관계 검정을 실시하게 되는 경우가 빈번히 발

생하게 되는 문제점이 있다. 이들에 따르면 Granger인과관계 검정 이전에

14) 이에 대한 자세한 설명은 Enders(2004) 참조.

15) Granger인과관계는 조심해서 해석을 해야 함. 원칙적으로 Granger인과관계 검정은 변수간 시

간적인 선행여부를 검정하는 것이지 반드시 인과관계를 제시하는 것은 아님. 다만 시간적 선행

이 인과관계를 설명할 가능성이 높음(필요조건임)을 이용하는 것임.

- 23 -

단위근 및 공적분관계 존재에 대한 사전적인 검정은 “Granger인과관계가 없

다(Granger non-causality)”는 귀무가설을 과다하게 기각하게 하는 경향이

있다고 한다. 즉, 신빙성 낮은 사전검정들의 결과로, 존재하지 않는 인과관계

가 존재하는 것처럼 결론지을 수 있다는 것이다.

이런 문제점을 해결하기 위해 Toda and Yamamoto(1995)와 Dolado and

Lütkepohl(1996)은 각각 단위근 및 공적분관계 존재여부와 관계없이 Granger

인과관계 검정을 실시할 수 있는 기법(TYDL방법)을 제안하였다. TYDL방

법은 시계열 수준자료를 이용하여 VAR 추정을 실시하는데, 아래의 식 (6)과

같이 시차를 최적시차(optimal lag)에다 시계열 수준자료의 적분도(degree

of integration) 중 최대치를 더해서 시차를 설정하여 VAR 추정을 한다는

것이다.

(6)

즉, VAR 모형의 최적시차가 p이고, 시계열 수준자료들의 최대적분도가 d

라고 한다면 추정되는 모형은 시계열 수준자료를 이용한 VAR(p+d)라는 것

이다. 그리고 p≥d인한 이 VAR 모형은 유효하다. 그러나 여기서의 Granger

인과관계검정은 일반적인 왈드검정(Wald test)에서와 같이 (p+d)개 계수 전

체에 대한 F-검정이 아니라, 최적시차인 처음 p개 계수에 대해서만 카이제

곱()-검정을 실시하는 변형된 왈드검정(modified Wald test)을 이용하게

된다.

3. Granger인과관계 분석

가. 단위근 및 공적분 검정

동아시아 국가들의 경제성장과정에서 무역수지, 실질실효환율 및 GDP간

Granger인과관계를 고찰하기 전에 각 변수 시계열 데이터의 안정성을 확인

하기 위해서 단위근 검정을 실시하고, 필요한 경우 세 변수간 장기 안정적인

관계를 확인하기 위해 공적분 검정을 실시하기로 한다. 이러한 단위근 및 공

적분 관계 분석을 근거로 시차(lag)가 부가된 수준데이터 벡터자기회귀(level

- 24 -

VAR)모형을 이용한 TYDL방법에 의거하여 Granger인과관계 분석을 실시

하기로 한다.

단위근 검정을 위해 가장 흔히 사용되는 방법은 부가된 Dickey-Fuller 검

정(Augmented Dickey-Fuller test: 이하 ADF 검정)16)이나, 본 연구에서는

검정 결과의 신뢰성을 제고하기 위해 추가적으로 Phillips-Perron 검정(이하

PP 검정)을 실시하기로 한다. PP 검정은 ADF 검정에 비해 구조적 변화가

심하고, 자기상관관계가 강하며 이분산성이 심한 시계열에 대해 설명력이

더 높으므로 개발도상국들인 동아시아 국가들의 경우 더 적합할 것으로 여겨

진다.

<표 5-1>과 <표 5-2>는 각국별 수준자료 및 차분자료에 대한 단위근 검정

의 결과를 각각 보여주고 있다. 단위근 검정은 가성회귀(spurious regression)17)

의 문제를 회피하기 위해 필수적인 단계이다. 그리고 TYDL방법의 사용 시

에는 최대적분도를 확인하기 위해 필요한 단계이기도 하다. <표 5-2>에서

볼 수 있듯이 각국의 시계열 차분자료는 몇몇 예외는 있지만 대부분 1%, 적

어도 5%의 유의수준하에서 안정적(stationary)임을 알 수 있다. 특히 PP검

정으로 판단하면 5% 유의수준을 보인 중국의 GDP시계열을 제외하고 모두

1% 유의수준에서 안정적임을 알 수 있다. 반면 <표 5-1>의 시계열 수준자

료는 국별로 다른 결과를 보이고 있다. 이론상, 그리고 육안으로 볼때 무역수

지 및 실질실효환율은 0 또는 어떤 상수(constant)주위를 움직인다고 볼 수

있다. 따라서 상수와 시간추세가 없는 단위근 검정, 또는 상수만 포함하는

이 적절하다고 보인다. 반면 GDP는 상수항이 있거나 시간추세까지 감안한

나 단위근 검정이 적절하다고 판단된다.

<표 5>의 결과를 종합하면, 한국, 태국, 필리핀 및 중국의 TB, REER 시

계열은 I(0), GDP는 I(1)으로, 말레이시아, 홍콩은 세 시계열 모두 I(1)으로,

인도네시아의 TB와 GDP는 I(1), REER은 I(0)로 보인다. 즉, 말레이시아,

홍콩을 제외하고는 모두 I(0)와 I(1)이 혼재하고 있음을 알 수 있다. 사실 각

시계열이 I(0)인지 I(1)인지에 대한 정확한 판단도 불가능하며, 이는 제한된

자료에 근거한 단위근 검정이 가지고 있는 본질적인 불완전성이라고 할 수

있다. 따라서 이런 경우는 안정적인 차분데이터를 이용하여 VAR분석을 실

16) Dickey and Fuller(1979, 1981) 및 Said and Dickey(1984) 참조.

17) 단위근을 갖는 시계열들의 경우 서로 아무런 관계가 없음에도 불구하고 회귀분석 시 유의미한

관계가 있는 것으로 나타나 해석에 있어서 오류를 범하게 되는 경우를 말함.

- 25 -

시할 수 있으나, 단위근 검정의 낮은 신뢰도와 데이터의 차분으로 인한 정보

손실 및 효율성 저하 둥의 문제를 고려하여 본 분석에서는 대안으로 수준자

료를 이용하는 TYDL방법을 이용하기로 한다. 이상의 단위근 검정의 결과

각국별 세 개의 시계열들에 있어서 최대적분도는 1, 즉 d=1임을 알 수 있다.

한편, 세 시계열 모두 I(1)으로 보이는 말레이시아와 홍콩의 경우 VAR 추

정 및 Granger 인과관계분석에 VECM을 사용할 수 있는지 여부를 판단하

기 위해 추가적으로 세변수간 공적분관계18)를 Johansen 공적분검정법(Johansen

cointegration test)을 이용하여 분석해 보았다. 그러나 <표 6>에서 나타난

것과 같이 5%의 유의수준으로 공적분관계가 없다는 귀무가설을 기각할 수

없었다. 말레이시아의 경우 통계치를 이용한 경우 5% 유의수준으로 공

적분방정식이 없다는 것을 기각할 수 있었으나 max통계치로는 귀무가설을

기각할 수 없었다. max방법이 더 신뢰할 만한 방법이라는 것이 일반적이므

로 우리는 귀무가설을 기각할 수 없다고 보았다. 이는 양국 모두 세변수간

공적분 관계는 없다는 것을 의미한다. 따라서 두 나라 모두 VECM방법을 사

용할 수 없으며, 우리는 수준자료를 이용하는 TYDL방법에 의거하여 VAR

및 Granger인과관계 분석을 실시하기로 한다.

이상과 같은 단위근 및 공적분 검정의 결과에서 보여지듯이 시계열의 숫자

가 짧고 경제에 있어서 대내․외적인 충격이 심한 시기 및 개도국 경제들을

분석대상으로 하고 있기 때문에 검정 방법에 따라 결과가 달라지는 등 사전

검정의 신뢰성에 문제가 있는 것으로 보인다. 이런 결과는 사전적 검정 결과

에 전적으로 의존하는 VECM이나 단순히 차분데이터를 이용한 VAR를 사

용하는 것이 적절하지 않음을 보여주고 있다. 따라서 이로부터 우리는 단위

근의 존재나 공적분 관계 등 사전검정 결과에 관계없이 사용할 수 있는

TYDL방법을 원용하는 것이 타당함을 확인할 수 있다.

18) 공적분관계란 단기적으로는 변동할지라도 장기적으로는 세 변수간 일정한 안정적인 관계를 가

지고 있음을 의미함. 공적분관계가 있는 변수들은 오차수정모형(ECM)을 이용하여 불안정적인

수준자료를 그대로 VAR추정에 사용할 수 있음.

- 26 -

<표 5-1> ADF 및 Phillips-Perron(PP) 단위근 검정 결과 :

수준자료(level series)

ADF 검정 PP 검정

1. Korea (84Q1-09Q4)

TB -3.35(.00) -3.55(.01) -3.67(.03) -2.72(.01) -2.89(.05) -3.10(.11)

REER -2.74(.01) -3.06(.03) -3.11(.11) -1.91(.05) -2.19(.21) -2.28(.44)

GDP 7.65(1.00) -2.99(.04) -1.40(.85) 6.54(1.00) -2.99(.04) -1.39(.86)

2. Malaysia (91Q1-09Q4)

TB -.68(.42) -2.18(.21) -3.09(.09) -.76(.38) -1.94(.31) -3.07(.12)

REER -1.29(.18) -1.38(.59) -2.54(.31) -1.29(.18) -1.40(.58) -2.22(.47)

GDP 3.63(.99) -1.98(.30) -3.35(.07) 4.87(1.00) -1.83(.36) -2.39(.38)

3. Thailand (94Q1-09Q4)

TB -2.18(.03) -2.17(.22) -2.14(.51) -2.24(.03) -2.22(.20) -2.23(.47)

REER -1.67(.09) -1.77(.39) -1.05(.93) -1.72(.08) -2.04(.27) -1.80(.69)

GDP 1.95(.99) -.74(.83) -2.07(.55) 2.46(.99) -.44(.89) -1.66(.76)

4. Philippines (84Q1-09Q4)

TB -1.51(.12) -1.73(.41) -2.22(.47) -1.90(.05) -2.87(.05) -3.83(.02)

REER -1.96(.05) -2.56(.10) -2.10(.54) -1.71(.08) -2.27(.18) -2.07(.56)

GDP 2.56(.99) 1.40(.99) -3.34(.07) 3.61(.99) 1.27(.99) -2.31(.43)

5. Indonesia (94Q1-09Q4)

TB -1.09(.25) -2.52(.11) -2.49(.33) -.90(.32) -2.51(.12) -2.48(.34)

REER -2.43(.02) -2.41(.14) -2.36(.39) -2.44(.02) -2.43(.14) -2.52(.32)

GDP 3.69(.99) 1.24(.99) -.55(.98) 3.75(.99) .20(.97) -1.89(.65)

6. Hong Kong (84Q1-09Q4)

TB .93(.31) -2.01(.18) -2.85(.18) -.55(.48) -1.80(.38) -2.90(.17)

REER -1.38(.16) -1.35(.60) -1.09(.93) -1.25(.19) -1.24(.65) - .99(.94)

GDP 2.55(.99) -1.17(.69) -2.36(.40) 3.42(.99) -1.66(.45) -2.21(.48)

7. China (81Q1-07Q1)

TB -2.51(.01) -2.68(.08) -3.43(.05) -2.56(.01) -2.84(.06) -3.22(.09)

REER -3.01(.00) -2.40(.14) -1.45(.84) -2.81(.01) -2.32(.17) -1.59(.79)

GDP 3.04(.99) -1.04(.73) -3.26(.08) 12.21(1.00) -.70(.84) -1.98(.61)

주 : 1) ( )안의 숫자는 p-value를 나타냄.

2) 는 상수(constant)와 시간추세(trend)를 모두 포함한 검정이며, 는 상수만을

포함한 검정이고, 는 아무 것도 포함 안한 검정임.

- 27 -

<표 5-2> ADF 및 Phillips-Perron(PP) 단위근 검정 결과 :

차분자료(first‐difference series)ADF 검정 PP 검정

1. Korea

TB -10.78(.00) -10.74(.00) -10.78(.00) -10.74(.00)

REER -4.17(.00) -4.15(.00) -7.77(.00) -7.74(.00)

GDP -1.36(.16) -9.62(.00) -7.45(.00) -9.69(.00)

2. Malaysia

TB -4.23(.00) -4.25(.00) -11.69(.00) -11.79(.00)

REER -6.13(.00) -6.12(.00) -6.13(.00) -6.09(.00)

GDP -4.33(.00) -6.01(.00) -4.30(.00) -6.01(.00)

3. Thailand

TB -8.54(.00) -8.50(.00) -8.52(.00) -8.48(.00)

REER -3.74(.00) -3.75(.01) -5.55(.00) -5.59(.00)

GDP -4.30(.00) -4.84(.00) -4.28(.00) -4.81(.00)

4. Philippines

TB -6.93(.00) -6.93(.00) -18.36(.00) -18.40(.00)

REER -5.40(.00) -5.41(.00) -8.66(.00) -8.63(.00)

GDP -1.60(.10) -2.62(.09) -11.24(.00) -11.84(.00)

5. Indonesia

TB -8.33(.00) -8.26(.00) -8.65(.00) -8.56(.00)

REER -5.48(.00) -5.44(.00) -6.08(.00) -6.01(.00)

GDP -1.17(.22) -4.60(.00) -5.05(.00) -6.21(.00)

6. Hong Kong

TB -10.96(.00) -10.94(.00) -11.49(.00) -11.58(.00)

REER -5.84(.00) -5.82(.00) -5.78(.00) -5.75(.00)

GDP -4.09(.00) -8.21(.00) -7.17(.00) -8.38(.00)

7. China

TB -10.22(.00) -10.19(.00) -10.22(.00) -10.19(.00)

REER -8.60(.00) -8.77(.00) -8.71(.00) -8.84(.00)

GDP -.64(.44) -3.58(.01) -2.30(.02) -9.53(.00)

주 : 1) ( )안의 숫자는 p-value를 나타냄.

2) 는 상수만을 포함한 검정이고, 는 아무 것도 포함 안한 검정임.

- 28 -

<표 6> Johansen 공적분 검정

공적분 방정식

의 개수(r)

Malaysia Hong Kong

Trace 통계치 5% 임계치 Trace 통계치 5% 임계치

r=0

r≤1

r≤2

31.90*

11.84

4.54*

29.79

15.49

3.84

28.38

8.67

3.18

29.79

15.49

3.84

Maximum-

Eigen value

통계치

5% 임계치

Maximum-

Eigen value

통계치

5% 임계치

r=0

r≤1

r≤2

21.06

7.29

4.54*

21.13

14.26

3.84

19.70

5.49

3.18

21.13

14.26

3.84

주 : 1) 검정 방정식은 절편(intercept)과 선형인 결정된 시간추세(linear deterministic trend)

를 포함함.

2) 통계치 옆의 *는 5% 유의수준으로 귀무가설을 기각함을 나타냄.

나. 최적시차의 결정

다음으로 VAR 모형의 최적 시차, p를 결정하기로 한다. 이를 위해 일반적

으로 가장 빈번히 사용되는 아카이케 정보기준(Akaike Information Criterion:

이하 AIC), 슈와르츠 베이지안 정보기준(Schwarz Bayesian Information

Criterion: 이하 SIC) 및 하난-퀸 정보기준(Hannan-Quinn Information Criterion:

이하 HQ) 등 세가지 정보기준을 모두 사용하기로 한다. 그리고 최대시차

(maximum lag)는 2년, 8분기로 설정하기로 한다.19) 각 방식에 따른 최적시

차는 아래 <표 7>에 보이는 것처럼 공통적으로 각각 1분기 및 2분기로 나

타난 중국과 태국을 제외하고는 정보기준에 따라 서로 다른 결과를 보여주고

있다. 따라서 안전한 결과를 채택한다는 의미에서 가장 긴 최적의 시차를 선

택하기로 하고, AIC에 의거 한국은 4분기, 말레이시아, 태국 및 홍콩은 2분

기, 인도네시아와 중국은 1분기로 정하였다. 다만 필리핀의 경우 8분기는 너

무 많은 추정계수를 포함하여 효율성에 문제가 있으므로 AIC와 SIC의 중간

19) Enders(2004)에 따르면 시계열분석에서 일반적으로 최대시차는 3년이 적정하다고 하지만 본

연구에 있어서 12분기는 너무 자료의 개수를 줄일 가능성이 큼.

- 29 -

인 HQ방식에 따라 3분기로 정하였다. 각국의 시계열은 최대적분도가 1, 즉,

d=1이므로 결국 TYDL방법을 사용하여 수준자료 VAR모형을 추정시 이용

되는 시차, (p+d)는 한국은 5, 말레이시아, 태국 및 홍콩은 3, 인도네시아와

중국은 2, 그리고 필리핀은 4가 된다.

<표 7> VAR의 최적 시차 결정

AIC SIC HQ

Korea 4 1 1

Malaysia 2 1 2

Thailand 2 2 2

Philippines 8 1 3

Indonesia 1 1 1

Hong Kong 2 1 2

China 1 1 1

주 : 최대시차는 2년, 8분기로 설정함.

다. Granger인과관계 분석결과

<표 8>은 TYDL 방법을 사용한 Granger인과관계 분석의 국가별 결과를

보여주고 있다. 표에는 변형된 왈드검정에 의거 최적시차, p까지에 대해서

만 실시한 카이제곱 통계치(-statistic)가 괄호 내의 p값(p-value)과 함께

제시되어 있으며, 세 내생변수간 Granger인과관계의 결과가 요약되어 있다.

국가별 시계열 분석결과는 패널 분석과 상당한 차이를 보이고 있으며, 국

가별로도 상이한 결과를 보이고 있다. 먼저 한국의 경우는 동아시아 국가들

중 변수간 가장 많은 인과관계를 나타내고 있다. 우선 실질실효환율 및 GDP

의 변화가 10%이내의 통계적 유의수준으로 무역수지의 변화를 초래하는 것

으로 나타나고 있는데, 이는 무역수지의 결정요인에 대한 교과서적인 이론과

부합하는 결과이다. 또한 무역수지 및 실질실효환율의 변화도 GDP를 10%이

내의 유의수준으로 Granger초래하고 있는 것으로 나타나고 있다. 반면, 무역

수지나 GDP의 변화가 실질실효환율의 변화에 미치는 영향은 통계적으로 유

의하지 않았다. 한국의 경우 실질실효환율의 변화는 직접적으로, 그리고 무역

수지를 통해 간접적으로 GDP에 영향을 미치는 것으로 나타나는 유일한 국

가이다.

- 30 -

말레이시아의 경우, 한국과 마찬가지로 실질실효환율 및 GDP의 변화가 각

각 1% 및 5%이내의 통계적 유의수준으로 무역수지의 변화를 초래하는 것으

로 나타나고 있어 교과서적인 이론과 부합하는 결과를 보여주고 있다. 또한

실질실효환율도 10%이내의 통계적 유의수준으로 GDP를 Granger초래하는

것으로 나타나고 있다. 그러나 무역수지는 GDP에 영향을 주지 못하며, 한국

과 마찬가지로 무역수지나 GDP가 실질실효환율에 미치는 영향이 통계적으

로 유의하지 않았다.

태국의 경우는 말레이시아의 경우와 정확히 같은 결과를 보여주고 있다.

실질실효환율 및 GDP의 변화가 각각 5% 및 1%이내의 통계적 유의수준으

로 무역수지의 변화를 초래하는 것으로 나타나고 있어 교과서적인 이론과 부

합하는 결과를 보여주고 있다. 또한 실질실효환율도 1%이내의 통계적 유의

수준으로 GDP를 Granger초래하는 것으로 나타나고 있다. 그러나 무역수지

는 GDP에 영향을 주지 못하며, 한국 및 말레이시아와 마찬가지로 무역수지

나 GDP가 실질실효환율에 미치는 영향이 통계적으로 유의하지 않았다.

필리핀의 경우, 실질실효환율로부터 다른 두변수로의 인과관계만이 관찰되

었다. 실질실효환율은 GDP에 10%이내 유의수준에서, 그리고 무역수지에는

5%이내의 유의수준에서 영향을 미치는 것으로 나타났다.

인도네시아의 경우, 유일하게 인과관계로서 실질실효환율이 GDP에 10%이

내의 통계적 유의성을 가지고 영향을 미치는 것으로 나타난다.

홍콩의 경우, GDP의 변화는 1%이내의 통계적으로 유의한 수준으로 무역

수지의 변화를 초래하며, 실질실효환율의 변화도 1%이내의 통계적으로 유의

한 수준으로 GDP의 변화를 초래하는 것으로 나타난다.

마지막으로 중국의 경우는 오직 GDP의 변화가 무역수지의 변화를 초래하

는 관계만 관찰되었다. 이는 현재 중국의 위안화 환율문제와 관련하여 흥미

있는 시사점을 던져준다고 하겠다. 즉 중국경제의 성장 및 이에 따른 내수의

변화가 무역수지에 영향을 미치는 반면 환율은 큰 영향을 미치지 않는다는

것이다. 물론 중국의 경우는 자료의 신뢰성 때문에 해석에 주의를 요한다.

한편 <그림 3>은 이상의 세 변수간 Granger인과관계를 그림으로 표시하

고 있다.

- 31 -

<표 8> TYDL방법을 이용한 Granger인과관계 분석결과

설명변수

(independent

variables)


TB REER GDP

Korea

TB

REER

GDP

-

8.63*

(.07)

8.76*

(.07)

6.54

(.16)

-

1.96

(.74)

8.11*

(.09)

8.83*

(.06)

-

Malaysia

TB

REER

GDP

-

10.43**

(.01)

6.72**

(.03)

.51

(.78)

-

2.19

(.34)

.69

(.71)

8.99**

(.01)

-

Thailand

TB

REER

GDP

-

6.81**

(.03)

14.36***

(.00)

.11

(.95)

-

.73

(.69)

1.65

(.43)

10.11**

(.01)

-

Philippines

TB

REER

GDP

-

24.39***

(.00)

6.64

(.58)

10.43

(.24)

-

6.53

(.59)

5.69

(.68)

14.46*

(.07)

-

주 : 1) 괄호내의 숫자는 p값(p-value)이며, 그 이외의 숫자는 더미변수 계수의 경우를 제

외하고는 TYDL방법을 이용한 -통계치임.

2) 설명변수들의 -통계치옆 ***, ** 및 *는 각각 1%, 5% 및 10%의 유의수준으

로 귀무가설(Granger인과관계가 없음)을 기각함을 나타냄.

3) 더미변수 계수옆 ***, ** 및 *는 각각 1%, 5% 및 10%의 유의수준을 나타냄.

- 32 -

<표 8-계속> TYDL방법을 이용한 Granger인과관계 분석결과

설명변수(independentvariables)


TB REER GDP

Indonesia

TB

REER

GDP

-

1.69

(.19)

0.20

(.66)

1.23

(.27)

-

0.00

(.96)

0.35

(.55)

9.91***

(.00)

-

Hong Kong

TB

REER

GDP

-

.99

(.61)

14.04***

(.00)

2.26

(.32)

-

2.12

(.35)

.80

(.67)

11.18***

(.00)

-

China

TB

REER

GDP

-

0.00

(.97)

4.43**

(.04)

.09

(.76)

-

.00

(.94)

.08

(.77)

1.67

(.20)

-

주 : 1. 괄호내의 숫자는 p값(p-value)이며, 그 이외의 숫자는 더미변수 계수의 경우를 제

외하고는 TYDL방법을 이용한 -통계치임.

2. 설명변수들의 -통계치옆 ***, ** 및 *는 각각 1%, 5% 및 10%이내의 유의수준

으로 귀무가설(Granger인과관계가 없음)을 기각함을 나타냄.

3. 더미변수 계수옆 ***, ** 및 *는 각각 1%, 5% 및 10%이내의 유의수준을 나타냄.

- 33 -

범례(p-value)

(< 0.01) (< 0.05) (< 0.10)

<그림 3> 개별국 Granger인과관계 圖示

(1) Korea (2) Malaysia

(3) Thailand (4) Philippines

(5) Indonesia (6) Hong Kong

7) China

TB REER

GDP

TB REER

GDP

TB REER

GDP

GDP

TB REER

GDP

TB REER

TB REER

GDP

TB REER

GDP

- 34 -

4. 충격반응함수 분석

지금까지의 VAR모형 및 이에 근거한 TYDL방법을 이용한 Granger인과관

계 분석은 분석대상 기간 중 어떤 변수의 (약)외생성에 대한 판단 및 인과관계

의 방향에 대한 정보를 제공하기는 하지만 다양한 충격이 시스템내에서 각 변

수 증감에 어떤 영향을 미치는지에 대한 정보를 제공하지 못하는 단점이 있다.

따라서 각 변수의 이런 동태적 반응을 살펴보기 위해서 본 소절에서는 충격반

응함수(impulse response function)를 알아보기로 한다. 본 분석에서는 내생변

수의 순서에 따라 상이한 결과를 보이는 촐레스키 분해(Cholesky decomposi-

tion)를 이용하는 전통적인 충격반응함수를 이용하지 않고, 대신 내생변수의 순

서와 무관한 결과를 보이는 Pesaran and Shin(1998)의 일반화된 충격반응함수

(generalized impulse response function)을 이용한다. 결과의 해석은 통계적으

로 의미 있는 Granger인과관계를 보이는 변수간으로 제한하기로 한다.

먼저 한국의 경우, GDP를 증가시키는 충격은 통계적으로 유의하게 무역수

지를 초기 4분기에 걸쳐 악화시키는 것으로 나타난다. 또한 무역수지의 개선

은 시간이 지나면서 실질실효환율을 절하시키지만 3년 정도 후에는 영향이

없어지는 것으로 나타나는데 통계적으로는 유의하지 않다. 종합해보면 GDP

를 증가시키는 충격에 의해 무역수지가 악화되면 실질실효환율이 절하되는

경로를 가진다고 볼 수 있다.

말레이시아의 경우는 GDP를 증가시키는 충격이 무역수지를 악화시키는

것으로 나타나며 통계적으로도 유의하게 보인다.

태국의 경우는 실질실효환율의 절상 충격이 통계적으로 유의하게 초기에

GDP를 증가시키다가 7분기 후에는 영향이 없어지는 것으로 나타나며, GDP

증가의 충격은 무역수지를 처음 2분기간 악화시키다가 그 효과가 천천히 사라

지는 것으로 나타난다. 또한 실질실효환율의 상승 충격은 초기에는 무역수지를

악화시키나 시간이 지나면서 오히려 무역수지가 개선되는 것으로 나타난다.

필리핀의 경우, GDP를 증가시키는 충격은 실질실효환율을 초기에는 절하

시키나 시간이 지나면서 오히려 절상되는 것으로 나타나지만 통계적으로 유

의하다고 보기는 어렵다. 그리고 실질실효환율의 절상 충격은 반대로 GDP를

하락시키는 영향을 주는 것으로 나타나지만 이 역시 통계적 유의성은 찾기

어렵다. 이로 볼 때 필리핀의 경우 GDP 증가충격이 실질실효환율의 절상을

가져오고, 이는 GDP를 다시 하락시키는 영향을 미치면서 경제가 정체되는

- 35 -

전형적인 양상을 보이는 것으로 파악되지만 통계적으로 유의하지는 않다.

인도네시아의 경우, 통계적 유의성은 낮지만 무역수지 개선 충격은 실질실

효환율을 절상시키는 효과를 가지는 반면, 실질실효환율 절상 충격은 통계적

으로 유의하게 GDP를 증가시키는 효과를 보이고 있다. 이는 인도네시아의

경우 무역수지 개선이 실질실효환율의 절상과, 그로 인한 경제성장을 가져옴

을 알 수 있다.

홍콩의 경우, 실질실효환율의 절상충격은 초반에 통계적으로 유의하게 GDP

의 하락을 초래하며, GDP의 증가충격은 통계적으로 유의하게 무역수지를 악화

시키는 것으로 나타난다. 이는 반대로 해석하면 실질실효환율의 절상에 따르는

GDP의 하락이 무역수지를 개선하는 효과를 가질 수 있음을 보여주고 있다.

마지막으로 중국의 경우는 GDP의 증가충격이 초기에 통계적으로 유의하

게 무역수지를 악화시키나 그 효과는 시간이 지나면서 없어지는 것으로 나타

난다.

<그림 4> 개별국 충격반응함수

1) 한국

-.04

-.02

.00

.02

.04

.06

2 4 6 8 10 12

Response of TB to TB

-.04

-.02

.00

.02

.04

.06

2 4 6 8 10 12

Response of TB to REER

-.04

-.02

.00

.02

.04

.06

2 4 6 8 10 12

Response of TB to GDP

-.02

.00

.02

.04

.06

2 4 6 8 10 12

Response of REER to TB

-.02

.00

.02

.04

.06

2 4 6 8 10 12

Response of REER to REER

-.02

.00

.02

.04

.06

2 4 6 8 10 12

Response of REER to GDP

-.06

-.04

-.02

.00

.02

.04

2 4 6 8 10 12

Response of GDP to TB

-.06

-.04

-.02

.00

.02

.04

2 4 6 8 10 12

Response of GDP to REER

-.06

-.04

-.02

.00

.02

.04

2 4 6 8 10 12

Response of GDP to GDP

Response to Generalized One S.D. Innovations ± 2 S.E.

- 36 -

2) 말레이시아

-.04

-.02

.00

.02

.04

.06

.08

2 4 6 8 10 12


-.04

-.02

.00

.02

.04

.06

.08

2 4 6 8 10 12


-.04

-.02

.00

.02

.04

.06

.08

2 4 6 8 10 12


-.04

-.02

.00

.02

.04

.06

.08

2 4 6 8 10 12


-.04

-.02

.00

.02

.04

.06

.08

2 4 6 8 10 12


-.04

-.02

.00

.02

.04

.06

.08

2 4 6 8 10 12


-.02

-.01

.00

.01

.02

2 4 6 8 10 12


-.02

-.01

.00

.01

.02

2 4 6 8 10 12


-.02

-.01

.00

.01

.02

2 4 6 8 10 12



3) 태국

-.04

.00

.04

.08

2 4 6 8 10 12


-.04

.00

.04

.08

2 4 6 8 10 12


-.04

.00

.04

.08

2 4 6 8 10 12


-.04

-.02

.00

.02

.04

.06

.08

2 4 6 8 10 12


-.04

-.02

.00

.02

.04

.06

.08

2 4 6 8 10 12


-.04

-.02

.00

.02

.04

.06

.08

2 4 6 8 10 12


-.04

-.02

.00

.02

.04

.06

2 4 6 8 10 12


-.04

-.02

.00

.02

.04

.06

2 4 6 8 10 12


-.04

-.02

.00

.02

.04

.06

2 4 6 8 10 12



- 37 -

4) 필리핀

-.04

.00

.04

.08

.12

2 4 6 8 10 12


-.04

.00

.04

.08

.12

2 4 6 8 10 12


-.04

.00

.04

.08

.12

2 4 6 8 10 12


-.04

-.02

.00

.02

.04

.06

2 4 6 8 10 12


-.04

-.02

.00

.02

.04

.06

2 4 6 8 10 12


-.04

-.02

.00

.02

.04

.06

2 4 6 8 10 12


-.02

-.01

.00

.01

.02

.03

.04

2 4 6 8 10 12


-.02

-.01

.00

.01

.02

.03

.04

2 4 6 8 10 12


-.02

-.01

.00

.01

.02

.03

.04

2 4 6 8 10 12



5) 인도네시아

-.04

.00

.04

.08

.12

2 4 6 8 10 12


-.04

.00

.04

.08

.12

2 4 6 8 10 12


-.04

.00

.04

.08

.12

2 4 6 8 10 12


-.05

.00

.05

.10

.15

2 4 6 8 10 12


-.05

.00

.05

.10

.15

2 4 6 8 10 12


-.05

.00

.05

.10

.15

2 4 6 8 10 12


-.02

.00

.02

.04

.06

.08

2 4 6 8 10 12


-.02

.00

.02

.04

.06

.08

2 4 6 8 10 12


-.02

.00

.02

.04

.06

.08

2 4 6 8 10 12



- 38 -

6) 홍콩

-.010

-.005

.000

.005

.010

.015

.020

2 4 6 8 10 12


-.010

-.005

.000

.005

.010

.015

.020

2 4 6 8 10 12


-.010

-.005

.000

.005

.010

.015

.020

2 4 6 8 10 12


-.04

-.02

.00

.02

.04

.06

2 4 6 8 10 12


-.04

-.02

.00

.02

.04

.06

2 4 6 8 10 12


-.04

-.02

.00

.02

.04

.06

2 4 6 8 10 12


-.02

-.01

.00

.01

.02

.03

2 4 6 8 10 12


-.02

-.01

.00

.01

.02

.03

2 4 6 8 10 12


-.02

-.01

.00

.01

.02

.03

2 4 6 8 10 12



7) 중국

-.04

.00

.04

.08

.12

2 4 6 8 10 12


-.04

.00

.04

.08

.12

2 4 6 8 10 12


-.04

.00

.04

.08

.12

2 4 6 8 10 12


-.04

-.02

.00

.02

.04

.06

.08

2 4 6 8 10 12


-.04

-.02

.00

.02

.04

.06

.08

2 4 6 8 10 12


-.04

-.02

.00

.02

.04

.06

.08

2 4 6 8 10 12


-.010

-.005

.000

.005

.010

.015

.020

2 4 6 8 10 12


-.010

-.005

.000

.005

.010

.015

.020

2 4 6 8 10 12


-.010

-.005

.000

.005

.010

.015

.020

2 4 6 8 10 12


Response to Cholesky One S.D. Innovations ± 2 S.E.

- 39 -

V. 결론

본 연구는 우리나라 등 지난 30～40년간 고도성장을 시현해 왔던 동아시

아 개도국들을 대상으로 각국별 시계열 자료 및 이를 결합한 패널자료를 이

용하여 주요 거시경제변수 중 무역수지, 실질실효환율, 그리고 GDP 등 세

변수간의 Granger인과관계를 확인하여 보았다.

먼저 동아시아 위기경험 개도국들의 패널데이터를 이용한 패널 VAR과 이

에 근거한 Granger인과관계 분석결과, LSDV방식을 이용한 고정효과모형의

경우에는 실질실효환율의 변화 및 경제성장은 무역수지의 변화를 초래하나

실질실효환율은 경제성장에만 그리고 경제성장은 실질실효환율에만 영향을

받는 것으로 나타났다. 즉, 실질실효환율의 변화 및 경제성장은 다른 두 변수

에 선행하나 무역수지의 변화는 다른 두 변수에 선행하지 않는 것으로 나타

났다. 또한 동태적 GMM을 이용한 패널분석에서는 실질실효환율의 변화만이

다른 두 변수에 선행하고 무역수지의 변화나 경제성장은 다른 두 변수를 설

명하지 못하는 것으로 나타났다. 양 분석방법 모두에서 공통적인 결과는 실

질실효환율이 무역수지의 변화 및 경제성장을 초래하는 것으로 나타난다는

것이다. 실질실효환율이 다른 두 변수에 미치는 효과를 보다 구체적으로 보

기 위한 충격반응함수분석을 이용한 결과는 단기적으로 실질환율의 상승(절

상)이 무역수지를 악화시키거나 경제성장을 둔화시키는 효과를 갖는 것으로

나타났다.

한편 개별국별 Granger인과관계분석의 결과는 패널데이터를 이용한 결과

와 사뭇 달랐다. 한국의 경우는 실질실효환율 및 GDP의 변화가 무역수지의

변화를 초래하고 무역수지 및 실질실효환율의 변화가 GDP의 변화에 선행하

는 것으로 나타났지만 실질실효환율의 변화는 다른 두 변수에 의해서 초래된

것으로 나타나지 않았다. 말레이시아와 태국의 경우는 실질실효환율 및 GDP

의 변화가 무역수지의 변화를 초래하고 실질실효환율의 변화가 다른 두 변수

에 의해서 초래되지 않는 것은 한국과 같지만 GDP의 변화가 무역수지에 의

해서는 아니고 실질실효환율의 변화에 의해서만 초래된다는 차이를 보였다.

필리핀의 경우에는 실질실효환율의 변화가 다른 두 변수인 무역수지 및 GDP

의 변화를 초래하는 반면 무역수지 및 GDP는 서로 영향을 주지 않는 것으

로 나타났다. 인도네시아의 경우에는 실질실효환율이 GDP를 초래하는 인과

- 40 -

관계만이 나타났고 다른 인과관계는 관찰되지 않았다. 마찬가지로 중국의 경

우에도 GDP의 변화가 무역수지의 변화를 초래하는 인과관계만이 관찰되었

을 뿐 다른 인과관계는 나타나지 않았다. 마지막으로 홍콩의 경우는 GDP가

무역수지에 선행하고, 실질실효환율이 GDP에 선행하는 Granger인과관계만

이 관찰되었다.

여기서 중국을 제외하고 모든 대상국들에 공통적인 점은 실질실효환율이

다른 두 변수를 초래하거나(한국, 말레이시아, 필리핀, 태국), 적어도 GDP에

는 영향을 준다(홍콩, 인도네시아)는 사실이다. 이는 매우 흥미 있는 결과로

서 동아시아 국가들에게는 일반적으로 실질실효환율이 GDP나 무역수지에

중요한 변수이나 중국에게는 그리 중요한 변수는 아니라는 것이다. 오히려

중국의 경우에는 GDP가 무역수지에 미치는 영향만이 의미 있게 나타나고

있다. 이 결과는 최근 논란이 되는 글로벌불균형 해소를 위해 제시되는 두

가지 방안, 즉 중국 위안화 평가절상과 중국의 내수시장 확대 중 후자를 지

지하는 결과로 해석할 수 있다. 또한 한국의 GDP를 선행하는 경우 외에는

무역수지도 모든 동아시아 개도국에 있어서 실질실효환율이나 GDP를 초래

하지 않는 것으로 나타나고 있다. 이는 두 가지 측면에서 해석될 수 있다.

첫째는 수출과 수입의 효과를 합하는 경우 양 효과가 상쇄되기 때문으로 볼

수 있고, 둘째로는 특히 실질실효환율의 경우에는 자본수지, 이자율, 인플레

이션율 등 다른 거시경제변수들에 의해 더욱 영향을 받기 때문이라고 볼 수

있다.20)

마지막으로 본 연구의 한계로서 분석 국가의 제약을 지적하고 싶다. IMF

나 BIS에서 실질실효환율의 분기자료를 제공하는 동아시아 국가들만 분석에

포함됨으로써 그렇지 못하거나 다른 분기 자료가 불비한 대만, 싱가포르 같

은 중요 국가들이 빠져있다는 것이다. 같은 맥락에서 중국 GDP자료의 경우

추정자료를 이용함으로써 결과의 신뢰성에 문제가 있다는 점도 인정할 수밖

에 없다. 이는 추후 연구를 통해 우선적으로 개선되어야 할 부분이다.

20) 순수출이 경제성장에 의미있는 영향을 못 미쳤다는 결과는 중상주의적인 사고와는 달리 무역수

지 흑자의 축적이 경제성장을 촉진하지 않았다는 뜻이며, 이 결과를 동아시아에서 일반적으로

수출이 경제성장에 영향을 미치지 못했다고 해석해서는 안됨.

- 41 -

참고문헌

Abeysinghe, T. and Gulasekaran, R.,(2004) “Quarterly real GDP estimates

for China and ASEAN4 with a forecast evaluation,” Journal of

Forecasting, 23, 431-447.

Anderson T.W. and C. Hsiao(1982), “Formulation and estimation of

dynamic models using panel data,” Journal of Econometrics, 18,

47-82.

Arellano, M. and O. Bover(1995), “Another look at the instrumental

variable estimation of error component models”, Journal of Econo-

metrics, 68, 29-51.

Arellano, M. and S.R. Bond(1991), “Some tests of specification for

panel data: Monte Carlo evidence and components models”,

Review of Economic Studies, 58, 277-297.

Awokuse, T. O. 2007. “Causality between Exports, Imports, and Economic

Growth: Evidence from Transition Economies”, Economics Letters,

vol. 94, no. 3, 389-395.

Bahmani-Oskoosee, M. (1998), “Are Devaluations Contractionary in

LDCs?” Journal of Economic Development, vol. 23, 131-145.

Bahmani-Oskooee, M. and J. Alse(1994), “Short-run versus long-run

effects of devaluation: error-correction modeling and cointe-

gration”, Eastern Economic Journal, vol. 20, no. 4, 453-464.

Bahmani-Oskooee, M. and A. Nasir(2005), “Productivity hypothesis and

the purchasing power parity: A review article”, Journal of

Economic Surveys, vol. 19, no. 4, 671-696.

Bahmani-Oskooee, M. and H-J Rhee(1996), “Time series support for

Balassa’s productivity-bias hypothesis: Evidence from Korea”,

Review of International Economics, vol. 4, no. 3, 364-370.

Balassa, B.(1964), “The purchasing power parity doctrine: A reappraisal”,

Journal of Political Economy, vol. 72, no. 6, 584-596.

Balassa, B.(1978) “Exports and Economic Growth”, Journal of Development

- 42 -

Economics, vol. 5, no. 2, 181-189.

Baltagi, B. H.(2001). Econometric analysis of panel data(2nd ed.). NY:

John Wiley and Sons.

Bhagwati, J.(1988), Protectionism, MIT press, Cambridge, MA.

Buffie,E.F.(1986), “Devaluation, Investment and Growth in LDCs”

Journal of Development Economics, vol. 20, 361-371.

Buffie,E.F. and Y. Won(2001), “Devaluation and Investment in an

Optimizing model of the Small Open Economy”, European

Economic Review, 45: 1461-1500.

Cooper, R.(1971), Currency Devaluation in Developing Countries, Princeton

Essays on International F inance, no. 86.

De Melo, J., R. Faini, A. Senhadji and J. Stanton(1991), “Growth-

oriented Adjustment Programs: A Statistical Analysis” World

Development, vol. 19: 957-967.

Dickey, D.A. and W.A. Fuller(1979), “Distribution of the Estimators of

Autoregressive Time Seres with a Unit Root”, Journal of the

American Statistical Association, 74(36): 427-431.

Dickey, D.A. and W.A. Fuller(1981), “Likelihood Ratio Statistics for

Autoregressive Time Series with a Unit Root”, Econometrica,

49(4): 1057-1072.

Dolado, J. and H. Lütkepohl (1996), “Making Wald Tests Work for

Cointegrated VAR Systems”, Econometric Reviews, 15(4): 369-

386.

Edwards, S.(1986), “Are Devaluations Contractionary?” The Review of

Economics and Statistics, 68: 501-508.

Edwards, S. (1993). “Openness, trade liberalization, and growth in developing

countries”, Journal of Economic Literature, 32(3), 1358-1393.

Eichengreen, B.(2008), “The real exchange rate and economic growth”,

WP. no.4, Commission on Growth and Development, The World

Bank.

Enders, W.(2004), Applied Econometric Time Series 2nd ed., John

Wiley.

- 43 -

Engle, R.F. and C. Granger(1987) “Co-integration and Error Correction:

Representation, Estimation, and Testing.” Econometrica. 55(2):

251-276.

Frankel, J. A. and D. Romer(1999) “Does Trade Cause Growth?” American

Economic Review. 89: 379-399.

Frankel, J. A., D. Romer and T. Cyrus(1996) “Trade and Growth in

East Asian Countries: Cause and Effects?” NBER Working

Paper 5732.

Giles, J.A. and S. Mirza (1999) “Some Pretesting Issues on Testing for

Granger non-Causality”, mimeo, Department of Economics, University

of Victoria.

Giles, J. A. and C. L. Williams (2000) “Export-led Growth: A Survey

of the Empirical Literature and Some Non-causality Results,

Part I”, Journal of International Trade and Economic Develop-

ment, 9(3): 261-337.

Granger, C. (1986) “Developments in the Study of Cointegrated Economic

Variables.” Oxford Bulletin of Economics and Statistics. 48(3):

213-22.

Granger, C. (1988) “Some recent developments in a concept of causality”,

Journal of Econometrics, vol. 39, 199-211.

Greenaway, D., and W. Morgan(1998). “Trade orientation and economic

development: Theory and evidence”, Chapter 9 in D. Sapsford

and J. R Chen, (Eds.), Development Economics and Policy, The

conference volume to celebrate the 85th birthday of professor Sir

Hans Singer. New York, NY: St. Martin Press.

Greene, W. H. (2003). Economertic Analysis, 5th ed. Upper Saddle

River, HJ: Prentice Hall.

Grossman, G. M., & Helpman, E. (1997)., Innovation and Growth in the

Global Economy, Cambridge, MA: MIT Press.

Gylfason, T. and M. Schmid(1983), “Does Devaluation Cause Stagflation?,”

Canadian Journal of Economics, 16: 641-654.

Hanson, J. A.(1983), “Contractionary Devaluation, Substitution in Production

- 44 -

and Consumption, and the Role of the Labor Market” Journal of

International Economics, 14: 179-189.

Holtz-Eakin, D., W. Newey and H. Rosen (1988), “Estimating vector

autoregressions with panel data,” Econometrica, 56, 1371-1395.

Hsing, H-M(2005), “Re-examination of J-curve effect for Japan, Korea

and Taiwan,” Japan and the World Economy, vol. 17, 43-58.

Im, K. S., M. H. Pesaran and Y. Shin (2003) “Testing for Unit Roots

in Heterogeneous Panels,” Journal of Econometrics, 115: 53-74.

Johansen, S. (1991). “Estimation and hypothesis testing of cointegrated

vectors in Gaussian VAR models,” Econometrica, 59(6), 1551-1580.

Judson, R. and A. Owen(1996), “Estimating dynamic panel data models:

A practical guide for macroeconomists,” mimeo, Federal Reserve

Board of Governors.

Jung, S.W. and P.J. Marshall (1985) “Exports, Growth and Causality in

Developing Countries,” Journal of Development Economics, 18(1):

1-12.

Kamin, S.B. and J. Rogers(2000), “Output and the real exchange rate

in developing countries: an application to Mexico,” Journal of

Development Economics, vol. 61, 85-109.

Krugman, P. and L. Taylor(1978), “Contractionary Effects of Devaluation”

Journal of International Economics, 8: 445-456.

Love, I. and L. Zicchino(2006), “Financial development and dynamic

investment behavior: Evidence from panel VAR,” The Quarterly

Review of Economics and F inance, vol. 46, 190-210.

Montiel, P. J. and J. S. Lizondo(1989), “Contractionary Devaluation in

Developing Countries” IMF Staff Papers, 36: 182-227.

Nickell, S.(1981), “Biases in dynamic models with fixed effects,”

Econometrica, 49, 1479-1426.

Pesaran, H. and Y. Shin(1998), “Generalized impulse response analysis

in linear multivariate models,” Economics Letters, vol. 58, 17-29.

Risager, O.(1988), “Devaluation, Profitability and Investment,” Scandinavian

Journal of Economics, 90: 125-140.

- 45 -

Solamino, A.(1986), “Contractionary Devaluation in the Southern Cone: The

Case of Chile,” Journal of Development Economics, 23: 135-151.

Rose, A.K.(1990), “Exchange rate and the trade balance: some evidence

from developing countries,” Economics Letters, vol. 34, 271-275.

Rose, A.K.(1991), “The role of exchange rates in a popular model of

international trade,” Journal of International Economics, vol. 30,

301-316.

Rose, A.K. and J.L. Yellen(1989), “Is there J-curve?” Journal of Monetary

Economics, vol. 24, 53-68.

Toda, H. Y. and T. Yamamoto (1995). “Statistical inference in vector

autoregressions with possible integrated processes,” Journal of

Econometrics, 66, 225-250.

Rodriguez, F. and D. Rodrik(2000). “Trade policy and economic growth:

A skeptic's guide to the cross-national evidence,” in B. Bernanke

and K. Rogoff, (Eds.), Macroeconomics Annual, 2000. Camgridge,

MA: MIT press.

Said, S. E. and D.A. Dickey (1984). “Testing for unit roots in auto-

regressive-moving average models of unknown order,” Biometrika,

17, 599-607.

Samuelson, P.A.(1964), “Theoretical notes on trade problems,” Review

of Economics and Statistics, vol. 46, 145-154.

Stiglitz, J. (1996) “Some Lessons from the East Asian Miracle,” World

Bank Research Observer, 11(2): 151-177.

Williamson, J.(1999), “The case for a common basket peg for East

Asian currencies,” in Exchange Rate Policies in Emerging Asian

Countries, Stefan Collignon, Jean Pisani-Perry and Yung Chul

Park (eds.) Routledge, New York.

Wilson, P.(2001), “Exchange rates and the trade balance for dynamic

Asian economies-does the J-curve exist for Singapore, Malaysia,

and Korea?” Open Economy Review, vol. 12, 389-413.

World Bank(1993), The East Asian Miracle, Economic Growth and Public

Policy, World Bank Policy Research Report, Oxford University Press.

동아시아 국가들의 실질환율, 순수출 및 경제성장간의 상호관계 ... ·...

Documents