m102 중기선행관측 모형 개발...

기타연구보고 M102 | 2010. 1.

중기선행관측 기본모형 개발연구

한 석 호

이 정 민

박 미 성

박 영 구

장 석 진

부 연 구 위 원

연 구 원

연 구 원

연 구 원

연 구 원

연구 담당

한석호

이정민

박미성

박영구

장석진

부연구위원

연 구 원

연 구 원

연 구 원

연 구 원

연구 총괄, 양파, 배추, 양돈, 육계 모형개발

양돈, 육계 모형개발

단수모형, 배추 모형개발

양파 모형개발

DB 및 단수 모형개발

i

머 리 말

본 연구원이 1996년부터 시행한 농업관측사업은 농업인과 생산자 단체의 생

산 및 출하조절을 유도하고, 정부의 수급 및 가격 안정대책 추진에 기여함으로

써 농축산물 수급안정에 기여하여 왔다.

현행 농업관측사업은 주요 농축산물의 재배, 작황, 생산, 출하, 재고, 소비 동

향 및 해외시장 정보 등을 분석하여 품목별 수급 및 가격 예측 정보를 제공하

고 있다. 이러한 관측 정보는 주로 출하기 1∼2개월 전의 단기관측을 통해 수

급안정에 기여해 왔으나, 재배면적이나 사육규모 조정에 활용하는 데는 한계가

있어 공급 조절과는 연계가 미흡하였다. 이런 상황에서 최근 국가적으로 물가

안정이 강조됨에 따라 농축산물의 생산 및 공급 조절을 가능하게 하기 위한 선

행관측의 필요성이 대두되었다.

중기선행관측이란 차기 생산(정식 또는 입식)이 시작되기 전에 출하기 가격

을 예측하고 그 수준을 지수화하여 제공함으로써, 수급 불안이 예상될 때 생산

자의 재배면적 조정 또는 정부의 긴급 수입조치 등을 통해 적극적으로 공급 조

절을 도모하기 위한 것이다. 정부는 2010년에 양파, 배추, 대파, 무, 돼지, 육계

6개 품목을 대상으로 선행관측사업을 실시하기로 하였다. 이 연구에서는 이런

중기선행관측사업의 일환으로 양파, 배추, 돼지, 육계 4개 품목의 월별 수급모

형을 개발하였다.

중기선행관측을 통해 제공할 주요 선행관측 정보로는 3∼6개월 이후의 다음

작기 재배면적, 예상생산량, 출하예상량, 예측가격 등이 있다. 이러한 정보를

통해 생산자는 품목선정, 재배(사육)규모, 출하시기 등 생산·출하 의사결정의

기초자료로 활용할 뿐만 아니라 정부의 정책 수립 시 수급 및 가격 안정대책

수립의 기초자료로 유용하게 활용되기를 바란다.

2010. 1.

한국농촌경제연구원장 오 세 익

iii

요 약

중기선행관측사업을 시작하기 앞서 준비작업으로 2010년 중기선행관측 대

상품목인 6개 품목 중 양파, 배추, 돼지, 육계 4개 품목의 월별 수급모형을 개발

하는 것이 연구의 목적이다.

관측업무 활용도 제고를 위해 양파는 조생종, 중만생종 2작형으로 구분하여

모형을 개발하였으며, 배추는 월동, 봄시설, 봄노지, 고랭지, 가을 5작형으로 구

분하여 모형을 개발하였다. 그리고 양돈과 육계의 생육과정을 고려하여 양돈과

육계의 월별 수급모형을 개발하였다. 중기선행관측모형은 각 품목담당자가 운

영하기 편리하도록 엑셀모형으로 만들었으며 시뮬레이션이 가능하다. 모형은

주요 추정변수 및 관측모형 개략도를 소개하는 메인페이지, 각종 관측조사치를

정리한 관측조사치, 각종 변수 및 데이터를 정리한 종합 DB, 모형 추정 방정식

을 정리한 EQUATION, 시계열 데이터를 표로 정리한 TABLES, 시계열 데이

터를 그래프로 정리한 GRAPH 6개 부분으로 이루어져 있다.

관측보에 직접 활용이 가능하도록 작형을 세분화시켜 더욱 구체적으로 모형

화하였기 때문에 공급측면에서의 모형오차를 줄이려고 노력했다. 또한 모형운

영에 있어서는 품목담당자가 관측분석 및 전망을 빠르고 쉽게 하도록 엑셀프

로그램으로 구성하였으며, 일상적으로 사용되는 그래프와 분석표도 시스템에

연결되어 자동적으로 변환하도록 구성하였다.

모형이 추정한 전망치와 관측정보센터 조사치가 상이할 경우가 있는데, 중기

선행관측모형은 관측정보센터에서 출하기 1～2개월 이전 산지 및 유통정보를

조사·분석·제공하는 단기관측치와 모형전망치가 상호 연결되도록 모형이 구성

되어 있으며, 모형에서 나온 전망치와 매월 조사하는 조사치를 비교하도록 모

형화하였다.

단기조사치가 나오기 전에는 모형에서 나온 전망치를 이용하며, 단기관측조

사치가 확정되면 모형에 단기관측조사치를 사용할 것인지 모형에서 나온 전망

iv

치를 사용할 것인지는 품목팀 회의와 자문회의를 통해 확정하면 된다. 모형에

서는 이에 대한 선택옵션을 두어 품목팀이 자유롭게 선택할 수 있도록 시스템

화하였다. 중기선행관측모형은 수급전망 이외에 정책시뮬레이션이 가능하도록

구성되어 있다.

가장 정확한 예측은 최신의 정보를 모형에 반영하는 데 있다. 중기선행관측

모형을 각 품목 담당자가 운영할 때 관측조사치 및 정부 통계 조사치의 최신

정보를 매월 모형에 반영하여 월별 수급을 예측하여야 한다. 또한 1년에 한 번

은 자료를 업데이트하여 각 단일방정식을 재추정하여 새 파라미터값으로 변환

해주는 운영작업을 하여야 지속적으로 이용이 가능할 것이다.

v

ABSTRACT

KREI Monthly Outlook Model

The main purpose of this study is to build a monthly supply and demand outlook model for four key agricultural and livestock commodities: onion, Chinese cabbage, pork, and broiler. The study was launched as part of a pilot project by the Korea Rural Economic Institute (KREI) to model the market outlook for six agricultural and livestock commodities in 2010.

In order to reduce prediction errors and secure realistic forecasting, onion is subdivided into two categories based on the type of variety: the precocious and the mid-to-late ripening. Chinese cabbage is divided into five categories based on when or where it is grown: Winter, Greenhouse, Spring, Summer, and Autumn. A supply and demand model for pork and broiler was developed after considering biological components and growth process.

The monthly outlook model is made up of MS-Excel for easy operation and simulation under various scenarios. If the data has been changed, the model automatically calculates the outlook results and revises the graph again.

The model file consists of six worksheets: Main, Survey, Total DB, Equation, Table, and Graph. The Main part explains variables and the model's flowchart. Total DB compiles various variables, statistics and research data. The Survey part contains the data obtained by monitors, sample farmhouses, storage firms, and consumers. The Equation part consists of various regression equations. The Table and Graph sections show outlook results in the form of tables and graphs.

There can be some cases where forecast results are different from survey data. To solve this problem, the outlook model is constructed in such a way as to allow forecast results to be reciprocally connected with monthly survey data and enable the model operation chief in charge of a specific commodity item to compare forecast results with survey data. The model system also allows the model operator to choose between outlook results and short-term survey data. In addition, the outlook model is usable for policy simulation.

The survey data and government statistics data should be updated every

vi

month to improve the accuracy of outlook results. For the sake of continued utilization of the model, it is also necessary to update data at least once a year and reestimate the parameters of the equation.

Researchers: Sukho Han, Jeongmin Lee, Misung Park, Youngku Park, Sukjin Jang

Research period: 2009. 10. - 2010. 1.E-mail address: [email protected], [email protected], [email protected],

[email protected], [email protected]

vii

차 례

제1장 서론

1. 연구 필요성 및 목적 ····················································································1

2. 선행연구 검토 및 차별성 ············································································3

3. 연구 방법 및 범위 ·······················································································5

제2장 모형설정의 이론적 배경

1. 연산년도/마케팅연도 적용 ···········································································6

2. 공급량 추정 ···································································································8

3. 저장량 추정 ·································································································15

4. 계절지수모형(Seasonal Index Model) ·······················································18

5. 수입수요 추정 ·····························································································21

6. 시장균형가격도출 ·······················································································22

제3장 모형구조 및 이용방법

1. 중기선행관측모형의 개요 ··········································································25

2. 양파 모형 ····································································································33

3. 배추 모형 ····································································································40

4. 양돈 모형 ····································································································45

5. 육계 모형 ····································································································52

제4장 모형 예측결과

1. 양파 예측결과 ·····························································································60

2. 배추 예측결과 ·····························································································65

3. 양돈 예측결과 ·····························································································70

viii

4. 육계 예측결과 ································································································74

제5장 요약 및 결론 ························································································78

부록 1: 모형 변수명 ··························································································81

2: 단일 방정식 추정결과 ·········································································85

3: 모형 예측력 검정 ···············································································119

참고 문헌 ···········································································································125

ix

표 차 례

제2장

표 2- 1. 양파 월별 출하량 계산방법 ···························································9

표 2- 2. 주요 채소류 공급량 변동계수 ······················································14

표 2- 3. 수입산 제품에 따른 모형구조비교 ··············································22

제3장

표 3- 1. 중기선행관측 모형 구성요소 ························································29

표 3- 2. 배추 작형별 월별 출하비중 ·························································42

제4장

표 4- 1. 양파 재배면적 탄력성 ···································································60

표 4- 2. 양파 저장입고량 탄력성 ·······························································61

표 4- 3. 양파 조생종 단수 탄력성 ·····························································61

표 4- 3. 양파 중만생종 단수 탄력성 ·························································62

표 4- 4. 양파 월별 가격신축성함수 탄력성 ··············································63

표 4- 5. 배추 품종별 재배면적 탄력성 ······················································65

표 4- 6. 배추 단수 탄력성 ··········································································66

표 4- 7. 배추 월별 가격신축성함수 탄력성 ··············································67

표 4- 8. 0∼2개월령 돼지 사육두수 탄력성 ··············································70

표 4- 9. 2∼4개월령 돼지 사육두수 탄력성 ··············································70

표 4-10. 4∼6개월령 돼지 사육두수 탄력성 ··············································71

표 4-11. 돼지 도축두수 탄력성 ···································································71

표 4-12. 돼지 지육 가격신축성 함수 탄력성 ············································72

표 4-13. 육계 사육수수 탄력성 ···································································74

표 4-14. 육계 도계수수 탄력성 ···································································75

표 4-15. 육계 소비자 가격신축성 함수 탄력성 ········································75

x

그 림 차 례

제2장

그림 2- 1. 양파 계절지수모형 결과 ···························································18

그림 2- 2. 양파 부패율 계절지수모형 결과 ··············································20

그림 2- 3. 양파 저장창고 부패율 예측결과 ··············································20

그림 2- 4. 엑셀에서의 시장균형가격도출 알고리즘 ·································24

제3장

그림 3- 1. 모형전망치와 관측조사치 선택옵션 ·········································26

그림 3- 2. 출하량변화 선택옵션 ·································································28

그림 3- 3. 종합 DB의 데이터 구분 ···························································30

그림 3- 4. EQUATION SHEET의 구성 ·····················································32

그림 3- 5. 중기선행관측 양파모형 ·····························································35

그림 3- 6. 양파모형 흐름도 ·········································································35

그림 3- 7. 면적 및 단수 데이터 업데이트 ················································36

그림 3- 8. 수출입 관련 데이터 업데이트 ··················································37

그림 3- 9. Adjustment 항의 수정 ·······························································39

그림 3-10. 중기선행관측 배추모형 ·····························································41

그림 3-11. 배추모형 흐름도 ·········································································41

그림 3-12. 배추 작형별 면적 및 단수 업데이트 ·······································43

그림 3-13. 중기선행관측 양돈모형 ·····························································45

그림 3-14. 양돈모형 흐름도 ·········································································46

그림 3-15. 사육두수 데이터 업데이트 ························································47

그림 3-16. 수급 데이터 업데이트 ·······························································48

그림 3-17. 기타 데이터 업데이트 ·······························································49

xi

그림 3-18. Adjustment 항의 수정 ·······························································51

그림 3-19. 중기선행관측 육계모형 ·····························································52

그림 3-20. 육계모형 흐름도 ·········································································54

그림 3-21. 종계 및 실용계 데이터 업데이트 ············································55

제4장

그림 4- 1. 양파 예측결과 ············································································63

그림 4- 2. 배추 예측결과 ············································································68

그림 4- 3. 양돈 예측결과 ············································································72

그림 4- 4. 육계 예측결과 ············································································75

1

제1 장

서 론

1. 연구 필요성 및 목적

◦한국농촌경제연구원에서 현재 시행 중인 농업관측사업은 출하기 1∼2개월

이전 산지 및 유통정보를 조사·분석·제공하는 단기관측사업으로 단기 농축

산물 수급안정에 기여해 왔다. 그러나 주기적으로 발생하는 수급 불안정에

따른 농축산물 가격의 급락 또는 급등으로 인해 물가불안이 심화됨에 따라

농축산물의 생산규모 조절이 가능하도록 출하기 3∼6개월 이전 수급전망을

사전에 제공하는 중기선행관측 체계의 필요성이 대두되었다.

◦농산물 가격의 높은 변동성의 원인은 수요측보다는 공급측에서 찾을 수 있

다. 수요측 영향은 비교적 그 효과가 오랜 기간 동안 완만하게 나타나 안정

적인 반면, 재배면적 및 기상여건 등에 의한 공급측 변동폭은 크다.

◦농산물의 생산량을 결정하는 주요인은 재배면적과 작황이지만, 작황은 그

해의 기상여건이라는 불확실 변수에 의해 결정되므로 가격 안정을 위해 1차

적으로 할 수 있는 것은 적정재배면적을 유도하는 것이라 할 수 있다.

2

◦이러한 점에 착안하여 중기선행관측은 파종전(출하기 약 3∼6개월 이전)에

다음 작형의 재배면적 예측에 의한 생산량을 추정하고 출하량 및 가격 예측

치 등의 정보를 미리 제공함으로써 생산자의 적정 면적 재배 및 입식두수를

유도하고, 수급안정대책수립의 기초자료로 활용할 수 있다. 중기선행관측 예

측 기간은 각 품목의 생육(사육)기간 및 특성을 고려하여야 할 것이다.

◦현행 시행되고 있는 단기관측(관측센터조사치)에서 산출된 월별 예상 출하

량, 수입량, 재고량 예측치 등을 중기선행관측모형에 반영하여 단기관측과

중기선행관측 연계를 통해 농축산물 품목별 조기예보시스템이 구축될 경우

농축산물의 품목별 수출입, 재고관리, 소비촉진 등 농축산물 수급안정대책

의 기초자료로도 활용될 수 있다. 뿐만 아니라 농업생산측면에서 볼 때 농작

물 파종 3∼6개월 이전에 중기선행관측정보(계절별·작형별 재배면적 및 생

산량, 월별 출하량, 월별 산지 및 소비지 가격 예측치)를 이용하고, 1～2개월

이전에 단기관측정보를 동시에 활용할 경우 생산자의 적정 재배면적 유도는

물론 농가소득안정까지 도모할 수 있을 것이다.

◦본 연구는 중기선행관측사업을 시작하기 앞서 준비작업으로 2010년 중기선

행관측 대상품목인 양파, 배추, 무, 대파, 돼지, 육계 6개 품목 중 양파, 배추,

돼지, 육계 4개 품목의 수급모형을 개발하는 데 목적이 있다.

- 배추는 5작형(월동, 봄시설, 봄노지, 고랭지, 가을)으로 구분하였고, 양파

는 2작형(조생종, 중만생종)으로 구분하였다.

◦중기선행관측모형1 개발을 통한 가격 예측 시스템이 구축되면 가격 예측력

이 제고될 뿐만 아니라 생산자나 유통업자의 의견에 좌우되지 않는 공정성

또한 제고될 것으로 기대된다.

1 본 연구에서 구축된 중기선행관측모형을 KREI-OUTLOOK이라 명한다.

3

2. 선행연구 검토 및 차별성

◦농업관측사업이 본격화된 2000년대에 한국농촌경제연구원의 품목별 수급모

형(KREI Commodity Model: KREI-COMO)이 개발되고, 수시로 갱신되었다.

◦농업관측모형 KREI-COMO 2005(이용선, 심송보; 2005)에서는 계절별(봄,

여름, 가을) 과채류 재배면적반응함수와 가격신축성함수를 각각 설정하여

추정한 후 연도별·계절별로 과채류 생산량과 가격을 축차적으로 산출하는

농업관측 품목별 수급모형을 개발하였다.

◦김명환 외(2008)는 KREI-ASMO를 KREI-KASMO 2008로 새롭게 구축하였

다. 여기에서도 과채류의 계절별 작형을 봄, 여름, 가을로 구분하여 재배면적

반응함수, 단수함수, 수요함수를 설정한 후 파라미터를 추정하였으며, 수급

동시 균형에 의한 내생변수를 연도별·계절별로 산출하였다. KREI-COMO

2005와 달리 이 연구에서는 계절별 재배면적반응함수에 투입되는 설명변수

로 전기 재배면적, 전기 자체 작물의 수익성, 전작형 수익성 변수를 투입하

였다. 그러나 월동 작형에 대한 시계열자료 부족 등을 이유로 누락되어 있

고, 연도별 추정을 위한 모형이므로 단기 및 중기 선행관측에 이용하기에는

적절하지 않다.

◦KREI-KASMO, KREI-COMO 이외에 품목별 단기 수급모형이 있다. 한석호

와 김병률(2004)은 시장개방하의 배추 수급모형을 개발하여 작형별 단기 예

측지표 산출에 일조하였다. 이들이 개발한 모형은 농업관측 품목을 배추로

한정하고, 계절별 작형 구분을 봄, 고랭지, 가을 배추로 구분한 후 각기 재배

면적반응함수, 단수함수, 가격신축성함수, 수출입함수, 생산요소가격결정함

수, 경영비함수, 가격연계방정식을 설정함으로써 시장개방 조건에 따른 정

책실험까지 실시하였다.

4

◦김연중 외는 배추 계절별 수급모형(2006)에서 배추를 중심으로 계절별·작형

별 수급 및 가격 예측모형을 개발하였다. 이 모형에서는 배추 재배면적과 단

수함수, 가격신축성함수, 그리고 김치 수출입함수를 계절별(봄, 고랭지, 가

을)로 구분해서 추정한 후 연립방정식체계에 의해 내생변수를 산출하는 방

식을 채택하였다.

◦이용선 외(2005)는 기상요인이 청과물 수급에 미치는 영향을 연구하였다.

이 연구에서는 주요 청과물(배추, 무, 오이, 호박, 수박, 포도)의 계절별 공급

의변화를 경제적 요인과 기상 요인으로 분해하고, 추가적으로 기상요인 변

화가 청과물 공급과 가격에 미치는 영향을 분석하였다. 특히 생육기, 결구

기 기온과 강수량 등이 배추나 무 단수에 미치는 영향을 작형별로 분석하였

다. 그러나 배추, 무의 계절별 작형 구분이 봄, 여름, 가을에 한정되어 있어

서 기상요인이 월동 과채류 생산에 미치는 영향을 추가적으로 연구할 필요

가 있다.

◦선행연구에서 살펴 보았듯이 국내외 월별 수급모형 구축에 관한 연구 보고

서는 찾아보기 어려울 정도로 그동안 농산물 품목의 월별 수급모형은 연구

되지 않았다.

◦한국농촌경제연구원에서 개발한 수급모형(KREI-ASMO, KREI- COMO,

KREI-KASMO)에서도 연차별 데이터를 사용한 수급모형이거나 작형별로

구분하여 출하되는 시기의 평균가격을 사용한 모형이어서 3~6개월 후의 생

산·출하·수입량 분석을 통해 공급량을 추정하고 가격 예측정보 제공하는 데

에는 한계가 있었다.

◦선행연구와 본 연구의 차이점이라면 시뮬레이션이 가능한 월별데이터를 사

용한 월별 수급모형이라는 점과 관측보에서 품목을 구분하는 기준에 맞춰

배추 5작형(봄 시설, 봄 노지, 고랭지, 가을, 월동), 양파 2작형(조생종, 중만

5

생종)으로 작형을 세분화하였다는 점이다. 공급측면을 선행연구보다 생물학

적 측면을 강화하여 더욱 구체적으로 모형화하였기에 공급측면에서의 모형

오차를 줄이는 데 노력하였다.

◦수요함수는 축자적 모형형태를 사용하기 위해 가격신축성함수형태로 추정

하였고, 양파, 배추는 각 월의 소비특성을 반영하기 위해 12개의 가격 신축

성함수를 추정하였다.

3. 연구 방법 및 범위

◦본 연구에서는 2010년 중기선행관측 6개 대상품목 중에서 양파, 배추, 양돈,

육계 4개 품목의 월별수급모형을 개발하였다. 선행연구에서는 양파, 배추의

공식통계 부재라는 한계 때문에 배추는 봄, 고랭지, 가을배추 3작형으로 구

분하고, 양파는 작형 구분이 되지 않았다. 하지만 본 연구에서는 한국농촌경

제연구원 농업관측센터에서 10여년 동안 관측을 하면서 축적된 데이터를 이

용하여 실제 현장에서 구분하는 기준에 근거하여 작형구분을 하였다. 따라

서 배추는 봄 시설, 봄 노지, 고랭지, 가을, 월동 5작형으로 구분하고, 양파는

조생종과 저장이 가능한 중만생종 2작형으로 구분하였다.

◦보고서의 구성은 다음과 같다. 제1장 서론에 이어 제2장에서는 모형설정의

이론적 배경, 제3장에서는 모형구조 및 이용방법을 품목별로 살펴보고, 제

4장에서는 모형추정결과, 제5장에서는 요약 및 결론을 제시한다.

6

제2 장

모형설정의 이론적 배경

1. 연산년도/마케팅연도 적용

◦중기선행관측수급모형은 기본적으로 월별 수급전망 및 가격을 기본으로 하

되, 데이터 특성에 따라서 작형별 모형으로 구축될 필요가 있다. 작형별 모

형으로 구축되는 대표적인 행태방정식(behavior equation)은 재배면적반응함

수이며, 작형별 모형으로 구축되는 행태방정식에 사용되는 가격데이터 및

수급데이터는 작물의 작형 및 재배력에 맞게 구축되어야 한다.

◦본 연구에서 사용된 품목의 데이터는 작물의 생물학적 요인(정식시기와 수

확시기를 고려한 재배력)을 반영한 연산년도 또는 마케팅연도를 고려하였

다. 예를 들어 농가가 5월에 정식을 하고 10월 수확을 한다면 이 작물의 연

산년도는 11월부터 다음해 10월까지가 된다. 이 기간을 연산년도라 부른다.

◦이 개념은 모형설정에 있어 매우 중요하며, 가격데이터를 회계연도(calendar

year)로 사용할 경우, 측정오류(measurement error)가 발생하게 되어 회귀방

정식으로 추정된 파라미터가 편이(baised)되며, 또한 샘플의 개수가 무한히

늘어난다 하더라도 불일치성(inconsistency)이 발생된다.

7

(1)

(2)

(3)

(4)

주:

◦측정오류는 두 가지 형태로 나누어질 수 있으며 첫 번째 경우는 측정오류와

설명변수 간에 상관관계가 존재하지 않을 경우이다(식 4). 이 경우에는 추정

된 파라미터들이 모두 불편추정치(unbiased)이고 일치성을 갖는다. 그 이유

는 우리가 이미 식(3, 4)을 가정했기 때문이다. 그러나 문제는 식(2)의 분산

이 식(1)의 분산보다 크다는 데 있다. 즉, 비효율성(inefficiency) 문제가 발생

된다.

(5)

◦두 번째의 경우는 측정오류와 설명변수 사이에 상관관계가 존재할 경우이다.

계량경제학자들은 흔히 이 경우를 classical error-in-variable(EIV)이라고 부른

다. 이 경우의 문제점은 아무리 샘플 개수가 늘어난다 하더라도 행태방정식

에 포함된 추정치 또는 파라미터들은 편의가 있고 불일치성이 존재한다.

≠

(6)

≠

8

(7)

∴

2. 공급량 추정

◦중기선행관측수급모형의 공급량추정은 기존연간모형과 몇 가지 차이점이

있다. 재배면적과 단수는 연간데이터이며 생산량 역시 연간데이터로 전망된

다. 그러나 중기선행관측모형에서는 연간데이터로 생성된 생산량을 작형별

출하량 개념으로 변환하는데 월별로 과거 공영도매시장의 반입량을 이용하

여 작형별로 출하량을 환산한다. 또한 저장성이 있는 품목(양파)은 수확기와

저장기(단경기)로 구분하여 생산량을 기간별 출하량으로 환산한다.

◦특히, 양파의 경우 조생종은 수확 이후 모두 출하되나, 중만생종은 출하량이

수확기와 저장기로 나누어지기 때문에 출하량을 수확기와 저장기로 구분한

후 두 기간을 다시 월별로 나누어 출하량을 환산한다. 즉, 연간모형에서 생

산량이 추정되면, 전체 수확기 출하량과 전체 저장수요량이 예측된다. 전체

수확기 출하량은 생산량에서 저장수요량(저장량)을 제외한 값으로 계산한

다. 또한 저장량은 저장기간 동안의 부패율을 고려하여 계산된다.

9

표 2-1. 양파 월별 출하량 계산방법

◦ 생산량(Q)=재배면적(ACR)×단수(YD)

◦ 수확기출하량(QS_H)=생산량(Q)-저장기출하량(QS_S)

◦ 저장기출하량(QS_S)=저장기 도매시장출하비율(1-R1_H)×생산량(Q)

×부패율(rot)

◦ 수확기 월별출하량(QS)=수확기출하량(QS_H)×월별도매시장비율(Ri)

◦ 저장기 월별출하량(QS)=저장기출하량(QS_S)×월별도매시장비율(Ri)

2.1. 재배면적함수

◦작물의 공급함수는 이윤극대화구조(Profit maximizing framework)로부터 유

도될 수 있다. 그러나 본 연구에서 사용되는 공급함수는 개별농가단위의 이

윤극대화모형이 아니다. 즉, 모든 농가의 의사결정이 이윤극대화 조건을 따

른다고 가정할지라도 모든 농가가 동일한 공급곡선을 갖는 것은 아니기 때

문이다. 따라서 aggregate supply system에서는 제약조건을 완화하고 homo-

geneity, continuity, separability만을 고려한다. 또한 경제학적 이론과 작물별

생물학적 요인을 결합하여 작물특성에 맞는 공급함수를 유도해야 한다.

◦경제이론에 따르면 모든 작물의 공급함수는 아래와 같은 함수형태로 표현될

수 있으며, 동태적접근방법(dynamic approach)으로 다시 풀 수 있다.

(8)

주: : desired supply,

: expected price, : other factors, : error term

10

◦동태적접근방식 중 하나는 desired supply에 접근하는 실제공급량(actual

supply)의 속도(speed)와 수준(level)을 분석하는 Nerlovian partial adjustment

model(1958)을 들 수 있다. 특히 조정계수()는 하나의 제약조건이 존재하는

데 반드시 0보다 크고 1보다 작아야 한다. 만약에 조정계수가 1보다 크다면

시계열분석에서 사용하는 random walk 현상이 발생한다. 즉, non-stationary

가 되며, 동태적(dynamically)으로 수렴(convergent)하지 않게 된다. 조정계

수가 1에 근접할수록 희망공급량(desired supply)에 대한 실제공급량의 조정

속도가 빨라지게 된다. 반면 조정계수가 0에 근접할수록 조정속도는 느려진

다.

◦식(9), Nerlovian partial adjustment model을 이용하여 동태적 공급반응함수

가 구성되며 결과에 대해 함수형태가 결정된다. 즉, 식(10)을 식(8)에 대입

하면 식(12)의 동태적 공급반응함수형태가 생성된다.

, subject to (9)

(10)

주: actual supply, adjustment coefficient

(11)

(12)2

2 이 함수형태에서 우리가 고려해야 할 두 가지 중요한 탄력성이 존재한다. 예측가격

에 대한 공급의 단기탄력성(short-term elasticity)은

×

×

이

고, 장기탄력성(long-term elasticity)은 이다. 따라서 모든 장기탄력성은 단기탄

력성보다 크게 된다.

11

◦그러나 문제는 예상가격()이 여전히 식(12)에 존재한다. 여기에는 간단한

해결책이 존재하는데, 만약에 농가가 naive expectation을 한다고 가정하면,

Martingale theorem을 이용할 수 있다. 즉 확률적 과정(stochastic process)

{}가 martingale이라면 t-1기에서 모든 정보를 기본으로 한 t-1기에서의 예

상 는 E[Xt|ℱt-1]=Xt-1이 된다. 따라서 Martingale process가 의미하는 것

은 미래가격에 대한 최상의 예측은 현재의 가격이기 때문에 rational expect-

ation과 naive expectation이 같다는 것이다. 즉 를 로 대체하면 된다.

◦다른 해결책은 Cagan의 적응적 기대가설(adaptive expectation) 모형이다. 이

모형은 Cagan이 화폐수요모형(1956)에 사용하였으며, Friedman의 수요함수

추정에 사용되어 왔다. 이 모형이 뜻하는 것은 경제 주체(economic players)

가 과거의 경험을 바탕으로 미래를 예측한다는 것으로 경험습득을 통해 과

거의 기대오차를 고려하여 미래에 적응한다는 것이다.

, subject to (13)

∴

(14)

주: expected price at time t, : actual price at time t, : coefficient of expectation

◦그러나 이 분포시차모형(distributed lag model) 접근방식은 실제적용에 있어

서 한 가지 제약이 존재한다. 즉, 비선형함수형태로 표현되고, 추정해야 할

많은 파라미터가 존재하기 때문이다. 따라서 단순히 OLS를 적용하기 어렵

다. Koyck은 이 문제를 해결하기 위한 다른 접근방식을 제안했다. 이 과정을

흔히들 기하학적 분포시차모형(geometric distributed lag model, 1954) 또는

Koyck's transformation이라 부른다.

⋯ (15)

12

⋯ (16)

∴ (17)

◦식(17)은 식(15)에서 식(16)을 제외함으로써 유도할 수 있다. 식(17)은 단지

시차종속변수(qt-1)와 시차가격변수(pt-1)만을 포함하고 있다. 이 결과는

Martingale 이론과 동일한 결과이다.

◦지금까지의 이론을 종합할 때, 동태적 재배면적 반응함수형태는 Nerlove의

부분조정모형(partial adjustment model)과 Koyck의 기학학적 분포시차모형

을 기본으로 한 Cagan's 적응적 기대가설 모형(adaptive expectation model)

을 이용하여 설정할 수 있다.

◦따라서 본 연구에서 사용한 재배면적 반응함수 추정식은 아래의 식과 같다.

모형에 사용된 주요 설명변수는 전기재배면적, 기대순수익과 생산대체재의

기대순수익을 사용하였다. 기대순수익은 적응적 기대가설을 기본으로 하여

전기가격에 정책보조를 추가하였으며, 여기에 기대단수를 곱하였고, 경영비

를 제외하였다.

◦기대단수는 전기단수를 사용할 수도 있고, 과거 평균단수를 사용할 수 있으

나, 본 연구에서는 과거 3년 평균단수를 기대단수로 가정하였다. 즉, 농가의

기대단수란 과거의 평년단수를 의미하기 때문이다. 본 연구에서는 과거 5년

단수도 적용하였으나, 모형 적합도에서 과거 3년 단수를 사용하는 함수형태

가 5년 단수를 사용한 함수보다 모형 적합도가 우수하여 과거 3년 단수를

사용하였다.

def

def

(18)

13

× cos (19)cos

· (20)

◦경영비 농가의 생산의향결정 시 중요한 요소 중의 하나로 경영비는 작물의

재배의향면적 또는 축종의 입식의사결정에 영향을 준다. 본 연구에서 경영

비함수형태는 각 품목의 경영비 중 각 요소별 투입재가 차지하는 비중을 계

산하여 그 비율을 이용하여 함수식을 설정하였다. 비율은 과거 3년의 각 요

소별 투입재 비율을 산출하였다.

◦이 방법을 도입한 이유는 각 요소별 투입재를 설병변수로 하여 경영비함수

를 개발하여야 하나, 회귀에서 설명변수가 많아 자유도가 크게 떨어지는 문

제가 발생하였기 때문이다. 이 방법에 있어서 하나의 문제점이라면 투입재

량과 투입재 가격 간에 상호영향이 존재한다. 그러나 과거 데이터를 비교하

면 각 투입재 비율이 큰 변화가 없었고, 중기선행관측모형의 특성상 단기예

측으로 이 방법을 도입하는 데 큰 문제점이 없을 것으로 판단했다.

2.2. 단수함수

◦작물의 공급불안요인은 재배면적변동과 단수변동으로 나눌 수 있다. 공급불

안요인이 재배면적인지 단수인지를 살펴보기 위해 변동계수를 산출하였다.

변동계수(coefficient of variation, C.V.)란 서로 다른 평균과 표준편차가 존재

할 때 변동을 구하기 위한 기준척도로서 표준편차/평균×100을 하여 평균 1단

위당 표준편차(변동)가 얼마나 되는지를 측정하는 계수이다.

◦추정기간 1980년부터 2007년까지의 단수 변동계수는 양파가 21.7%로 높게

나타났으며, 다음으로 배추 봄 노지 작형이 18.9%로 높게 나타났다.

14

표 2-2. 주요 채소류 공급량 변동계수

양파 배추

조생종 중만생종 봄 시설 봄 노지 고랭지 가을 월동

재배면적 38.5 22.3 26.1 15.6 30.0 25.3 17.1

단수 8.58 21.7 12.5 18.9 7.3 7.5 11.6

◦지금까지 농업관측정보센터의 예상단수 추정방식은 전적으로 지역모니터를

활용하고 있으며, 지역모니터의 설문지를 통해 작년 대비 또는 평년 대비 증

감을 이용하고 있는 실정이다. 따라서 통계학적 대표성을 고려한다면 큰 오

차가 발생할 수 있으며, 수확기를 제외하고는 현실적으로 지역모니터도 정

확한 단수예측을 할 수 없다는 결론에 이른다.

◦더욱 정확한 단수예측을 위해서 중장기 선행관측모형에서는 단수함수를 계

량적으로 추정할 방안을 고안하였고, 채소관측월보작성에 적극 활용할 수

있도록 작형별, 도별 단수함수를 개발하였다. 추정방정식은 단일방정식 형

태와 패널추정방식으로 나눌 수 있다. 본 연구에서는 각 지역별 단수모형함

수와 패널분석을 통한 단수함수를 동시에 개발하였다. 패널분석을 통해 전

반적인 기상여건변화가 단수에 미치는 영향을 분석하였고, 지역별 단일방정

식을 추정하면서 패널분석의 파라미터와 비교하였으며, 모형전망에 이용하

였다.

(21)

주: 지역 시간 온도 강수량 일조시간 풍속

◦중기선행관측모형에 구축된 단수모형은 기상여건(평균온도, 최저온도, 강수

량, 일조시간, 풍속)과 기술적 발전을 대표하는 대리변수(proxy variable)로

시간추세변수인 추세(trend)를 사용하였다. 그 외 자본, 토지, 노동 등 개별농

15

가의 단수모형에 도입되는 다른 변수는 모형에서 제외되었다. 또한 구축된

단수함수에서는 다른 내생변수를 포함하고 있지 않아 통계적으로 모형전체

시스템에 영향을 주지 않는다.

◦월별, 지역별, 도별로 구축된 기상변수들은 각 작목의 재배력(cropping prac-

tice)을 이용하여 파종기, 정식기, 생육기, 수확기 등으로 다시 세분하였다.

단수모형은 stochastic 방법을 도입할 수 있으나, 본 연구에서는 deterministic

방법을 사용하였으며, 기후자료의 전망치는 기상청전망치를 이용하거나 전

망자료의 제약이 있을 경우, 과거 5년 이동평균값을 사용하였다.

3. 저장량 추정

◦저장량의 수준은 금년에서 차년까지 농업수급에 있어 중요한 역할을 한다.

즉, 저장성이 있는 품목에 대해서 시장균형을 찾기 위해서는 정확히 저장행

위 또는 저장수요를 설명하는 것이 매우 중요하다(Womack, 1976). 추가적

으로 저장량의 조정은 농산물 시장에 있어서 단기 변동성(volatility)을 파악

하는 매우 중요한 요소 중의 하나이다(Williams and Wright, 1991). 그 이유

는 단경기의 가격균형은 단경기라는 주어진 시간에 소비에서 또는 공급에서

아니면 소비, 공급에서 모두 가격이 비탄력적이기 때문이다.

◦저장성 품목의 저장행위 또는 저장수요를 정의하고 설명하는 데 있어 가장

큰 문제점은 시장참여자들 중 소수의 그룹에 의해서 저장행위가 실행된다

고 하더라도 각 그룹에 속한 개별행위자의 저장목적이 모두 상이하기 때문

이다.

◦그러나 저장수요에 대한 행위자체는 비슷한 동기가 있을 것으로 추정되며

16

저장수요는 일반적으로 3가지 기본적인 동기와 연관되어 있다(Womack,

1976).

1) 예방수요(precaution) 2) 투기수요(speculation) 3) 거래수요(transaction)

◦가장 간단한 거래수요모형은 저장량이 직접적으로 그리고 비율적으로 생산

량과 비례한다는 이론이다(Abramovitz 1950).

· ,

, (22)

주: =재고량, =생산량

◦그러나 Goodwin(1947)은 위 모형의 경우, 특정기간 동안 저장회사가 그들만

의 균형저장수준으로 조정하려는 저장회사의 행위를 설명하지 못한다는 평

가를 했고, Ladd(1963) 역시 저장회사의 경영자는 생산량의 변화보다는 저

장회사의 자체적인 예측을 통해 저장량을 계획한다고 주장했다. 이들 주장

을 근거로 한 flexible accelerator 모형은 다음과 같다. 아래의 모형은 부분조

정형태에 의해 변화될 수 있다.

(23)

(24)

◦ Flexible accelerator 모형 이후 개발된 모형은 modified flexible accelerator

model(Lovell, 1961)이다. 이 모형은 처음으로 다음 기에 예상되는 기대 가

격의 움직임에 따라 저장업자의 투기행위를 모형에 도입하였다.

, (25)

주: =투기동기 또는 미래가격

17

◦Lovell은 이윤투기가 실제가격이 높아지기 전에 여러 상황을 고려하여 수준

이상으로 저장량을 증가시키는지, 반대로 실제가격이 낮아지기 전에 수준이

하로 저장량을 감소시키는지를 테스트하였다. 하지만 테스트 결과의 파라미

터값은 통계적으로 유의하지 않았다. 이 문제점을 해결하기 위해 여러 다른

함수형태로 투기요인을 해석하려는 많은 노력이 있었고 결과적으로 Lovell이

사용한 를 대체하기 위해서 Cagan의 적응적 기대가설을 사용하게 되었다.

(26)

∆ (27)주:

◦추가적으로 부분조정모형이 식(26)에 추가되면

(28)

∆ (29)

주:

◦Modified flexible accelerator model은 위에서 설명한 3가지 저장동기를 모두

포함하고 있다. 거래수요는 직접적으로 생산량( )의 변동에 따라 변화하며,

투기수요는 적응적기대가설로 반영되어 있다. 마지막으로 precaution 수요는

절편항의 크기와 연관된다.

◦그러나 실제적으로 위의 이론들은 특정 품목시장을 다루기 위해 개발되지

않았고, 데이터의 부적합성과 희소성의 이유로 실제 적용된 사례는 많지 않

다. 선행연구를 통해 과거 함수형태를 살펴보면, 대부분 적응적기대가설에

의한 과거가격, 그리고 부분적조정모형에 대한 종속변수의 시차변수를 모형

18

설정에 활용하는 간단한 모형형태가 대부분이었다.

◦본 연구에서는 위의 모든 형태의 함수식을 적용해 보았고, 저장의 3가지 요

인을 모두 고려한 함수형식을 사용하였다.

4. 계절지수모형(Seasonal Index Model)

◦채소 중기선행관측모형에서 작형별 재배면적과 단수를 추정한 다음 재배면

적과 단수를 곱하여 추정생산량을 계산한 후 월별로 출하량을 계산한다. 추

정된 생산량을 월별 출하량 개념으로 변환하는 데 있어서 과거 공영도매시

장의 반입량을 이용하여 월별로 출하량 비율을 계산한다.

그림 2-1. 양파 계절지수모형 결과

19

◦추정된 생산량과 출하비율을 이용하여 예측기간의 월별 출하량으로 변환하

는 데 있어 예상되는 출하비율은 비모수(Non-parameter) 추정방식인 계절

지수모형(Seasonal Index Model)을 이용하였다.

◦계절지수는 연평균에 대한 각 월의 출하량의 비율(fraction)을 나타낸 것으로

월별데이터 또는 분기데이터계열의 예측을 위한 비교적 간단한 방법이다.

계절지수는 평균이 1이 되며, 각 월의 평균값을 연평균 값으로 나눈 값이 계

절지수가 된다(3월 계절 지수=0.13÷0.67=0.2). 따라서 조생종 수확기의 3월

예상 출하량 비율은 연평균 출하비율 0.33에 지수 0.4를 곱한 0.134가 된다.

◦계절지수와 같이 쓰이는 Fractional Contribution Index는 합이 1이 되며, 특

정기간의 총출하량에 대한 각월의 fraction이 된다. 따라서 조생종 수확기의

3월 예상 출하량 비율은 3월 계절지수 0.4에 전체 지수의 합(0.4+2.0+0.6)으

로 나눈 0.134가 된다.

◦추가로 중기선행관측모형에 활용한 계절지수(Seasonal Index)와 Fractional

Contribution Index는 계산된 표준편차를 이용하여 확률모형(Stochastic

Model)으로 발전시킬 수 있으나, 본 연구에서는 Deterministic 방법만을 사

용하였다.

◦또한 예상 부패율은 초기 부패율만 강수량을 이용한 방정식을 이용하였고,

이후 부패율 증가는 계절지수모형을 이용하였다. 부패율은 저장기 공급량에

큰 영향이 있음에도 불구하고 공식 통계치가 발표되고 있지 않고 있으며, 한

국농촌경제연구원 농업관측정보센터에도 2002년 이후 조사치만 존재하고

있다.

20

그림 2-2. 양파 부패율 계절지수모형 결과

그림 2-3. 양파 저장창고 부패율 예측결과

21

5. 수입수요 추정

◦중기선행관측을 위한 수입수요함수형태는 각 작물의 기대수입량이 국내가

격과 수입가격에 의해 결정된다고 가정한다. 그러나 실제분석에 있어서는

몇 가지 함수형태로 적용할 수 있으며 그 예는 다음 식과 같다.

(30)

(31)

(32)

◦유의해야 할 사항은 수입된 제품에 대한 국내소비자의 반응이다. 즉, 국내소

비자가 국내산과 수입산을 동질(homogeneous)의 제품으로 인식하는지, 아

니면 이질(heterogeneous)의 제품으로 인식하느냐에 따라서 전체 모형시스

템이 달라질 수 있다.

◦수입품이 국산과 동질의 제품이라면 균형가격도출과정에서 총공급에 국내

생산량과 수입이 포함되며 따라서 수요량 또는 소비량도 국내생산량과 수입

량이 포함된다. 그러나 수입품이 이질의 제품이라면 시장균형가격도출과정

에서 국내산모형과 수입산모형을 달리 구분된다. 즉, 총공급에 국내산만 포

함되며, 수요함수에도 국내산 생산량만 포함된다. 수입품에 대한 국내소비

자의 인식에 따라 수요함수 및 수입수요함수는 아래 식과 같이 함수형태가

달라진다.

◦수입품이 국내산과 동질적인지 이질적인지는 수입산 가격과 국내산 가격의

데이터 흐름에 대한 시계열분석이 필요하다. 그러나 수입산가격은 국내에

수입된 수입단가가 아니라, 국내시장에 실제 판매된 수입산 국내시장가격이

필요하다.

22

표 2-3. 수입산 제품에 따른 모형구조비교

수입산 동질로 가정 수입산 이질로 가정

*시장 일원화

총공급=생산량+수입량+전기재고량

총수요=국내수요+수출량+재고량

*시장을 국내와 수입산으로 이원화

총공급=생산량+전기재고량

총수요=국내수요+수출량+재고량

수입수요=수입공급

주: =인구 수, =국내산, =대체재, =수입산, =수입량, =소득

◦본 연구에서는 수입품이 실제 국내시장에 유통되는 국내 판매가격 데이터를

확보하지 못하여 국내제품과 수입제품의 시계열분석 테스트를 하지 못하였

다. 따라서 국내에 수입되는 수입품을 동질의 상품으로 가정하였다.

6. 시장균형가격도출

◦중장기선행관측 수급모형에서 균형가격도출은 총수요량(Total Demand)과

총공급량(Total Supply)이 동일할 때 시장균형가격(Market clear price, equi-

librium price)이 도출된다는 경제학적 의미를 고려한다.

총공급량(TS)=국내생산량(Q)+수입량(M)+전년 이월량(BS)

총수요량(TD)=국내수요량(D)+수출량(X)+연말 재고량(ES)

총공급량(TS)=총수요량(TD)

◦모형 또는 프로그램 내에서 총수요량과 총공급량이 균형을 이룰 때 균형가격

도출 계산방법은 현재 미국 미주리대학의 식품농업정책연구소(FAPRI-MU)

23

에서 개발된 엑셀버전을 사용한다(Patrick Westhoff, 한석호, 2007).

◦연립방정식시스템(simultaneous equation model system)하에서 시장청산 균

형가격 도출 계산방법은 아래 식과 같다. 초과공급(S-D) 또는 초과수요

(D-S)가 0이 될 때, 즉 총공급량과 총수요량이 같아질 때(S=D) 시장청산 균

형가격을 도출하는 것이다. 예들 들어 old price( )가 높게 설정되었다면

공급은 증가하게 된다. 따라서 초과공급(S-D)은 양(+)의 값을 취하게 되고,

조정계수(equilibrator) 앞의 음(-)의 부호 때문에 new price( )는 old price

( )보다 낮게 되며 이 순환과정은 초과공급(S-D)이 0이 될 때까지 반복

(iteration)하게 된다.3

(33)

주: 반복횟수 ∼∞ 가격 공급량 수요량 조정계수(equilibrator)

◦균형가격의 반복 순환과정인 엑셀버전상의 시장균형도출 알고리즘은 다음

과 같다. 그림 2-4에서 볼 수 있듯이 excel옵션에서 수식을 클릭한 후 계산옵

션을 선택한다. 계산옵션상에서 통합문서 계산을 수동으로 선택한 후 반복

계산 사용을 클릭한다. 이후 run을 위해서 F9키를 누르면 실행된다. 그림

2-4와 같이 최대반복횟수(100)와 변화 한도값(0.001)일 경우 100번을 초과하

거나 균형가격이 0.001 미만으로 변경될 경우 iteration이 중지되며, 반복 추

정을 위해 F9키를 다시 사용하면 된다.

3 초기 값 P i-1는 일반적으로 전기가격을 초기 값으로 부여한다.

24

그림 2-4. 엑셀에서의 시장균형가격도출 알고리즘

25

제3 장

모형구조 및 이용방법

1. 중기선행관측모형의 개요

1.1. 모형구조

◦중기선행관측모형의 목적은 생육기간 및 수입기간 등을 고려한 3∼6개월 후

의 생산·출하·수입량 분석을 통해 공급량을 추정하고 가격 예측정보를 제공

함으로써 생산자의 적정 면적 재배 및 입식두수를 유도하고, ‘단기관측 - 중

기관측’ 연계를 통해 관측의 정확도를 제고하고, 정책적으로 사전 활용할 수

있도록 제공하는 데 있다.

◦가장 정확한 예측은 최신의 정보를 모형에 반영하는 데 있다. 중기선행관측

모형과 기존에 구축된 관측모형과 가장 큰 차이점은 관측조사치의 최신 정

보를 매월 모형에 반영하여 월별수급을 예측하는 데 있다.

◦기존모형보다 공급측면에 많은 정보가 반영될 수 있도록 작형별, 품종별로

구분하였고, 기상여건을 반영하여 단위당 수확량함수를 지역별로 정교화하

였다. 또한 축산물에서는 모돈 또는 성계에서 임신기간과 출산율 그리고 도

26

축을 위한 성장기간, 폐사율 등을 방정식 또는 Synthetic방법을 통해 월별로

사육 수와 도축 수 등을 공급측면의 생물학적 접근을 통해 더욱 정교화하

였다.

◦모형운영에 있어서는 품목담당자가 분석 및 전망을 빠르고 쉽게 하도록 엑

셀(excel)프로그램으로 구성하였으며 일상적으로 사용하는 그래프와 분석표

도 시스템에 연결되어 자동적으로 변환하도록 구성하였다.

그림 3-1. 모형전망치와 관측조사치 선택옵션

◦특히, 모형에서 추정된 전망치와 관측정보센터 조사치가 상이할 경우가 있

다. 중기선행관측모형은 관측정보센터에서 출하기 1∼2개월 이전 산지 및

유통정보를 조사·분석·제공하는 단기관측치와 모형전망치가 상호 연결되도

록 모형이 구성되어 있으며, 모형에서 나온 전망치와 매월 조사하는 조사치

27

를 비교하도록 모형화하였다.

◦단기관측조사치가 나오기 전에는 모형에서 나온 전망치를 이용하며, 단기관

측조사치가 확정되면 모형에 단기관측조사치를 사용할 것인지 모형에서 나

온 전망치를 사용할 것인지는 품목팀 회의와 자문회의를 통해 확정된다. 모

형에서는 이에 대한 선택옵션을 두어 품목팀이 자유롭게 선택할 수 있도록

시스템화하였다.

◦월별수급모형에서 또 하나의 어려움은 공급측면에서 출하량이 기상여건 및

출하자의 판단으로 출하가 평년 또는 작년보다 앞당겨지거나 뒤로 늦추어지

는 경우가 발생한다. 모형에서는 예상출하량을 평균적 개념(Mean Tendency)

으로 계절지수모형을 사용하였으나, 모형에서 반영할 수 없는 다른 요인으

로 다소 변동될 수도 있다. 따라서 매월 조사되는 관측센터 조사치로 출하량

을 자유롭게 변화시킬 수 있도록 시스템화하여 매월 발생할 수 있는 초과

공급 및 공급부족상태를 모형에 반영하도록 하였다.

◦모형활용도에 있어서 중기선행관측모형은 수급전망 이외에 몇 가지 정책시

뮬레이션이 가능하도록 구성되어 있다. 정부가 재배면적 과잉으로 산지폐기

를 시도하려고 할 때, 목표가격을 평년가격으로 한다면 평년가격과 같은 예

상가격이 계산되도록 시뮬레이션이 가능하다. 또한 수입에 있어 TRQ와 관

세율, 환율 변화에 따른 수입량 변화 시뮬레이션도 가능하도록 구성하였다.

마지막으로 출하기 전 지역별 기상여건에 따른 단수변화와 생산량변동에 대

한 시뮬레이션도 가능하도록 시스템화하였다.

28

그림 3-2. 출하량변화 선택옵션

1.2. 모형 이용방법

1.2.1. 모형 구성요소

◦중기선행관측 모형은 엑셀로 만들어져 있고 크게 6부분(sheet)으로 이루어져

있다. 첫 번째, 메인페이지에는 주요 추정 변수 소개 및 관측모형의 개략도

를 소개하고 있다. 둘째, 관측조사치에는 각종 관측조사치를 정리하였고, 셋

째, 종합 DB에는 각종 변수 및 데이터를 정리하였다. 넷째, Equation에는 모

형에 이용된 추정 방정식을 정리하였고, 다섯째, Tables에는 시계열 데이터

를 표로 정리하였으며, 여섯째, Graph에는 시계열 데이터를 그래프로 정리

하였다.

◦중기선행관측 모형은 통계 및 계량 프로그램 이용방법을 잘 모르는 사람도

쉽게 이용할 수 있도록 엑셀로 만들어졌으며, 관측조사치와 모형을 연결하

여 관측품목 담당자가 관측업무를 수행하는 데 용이하도록 하였다.

29

표 3-1. 중기선행관측 모형 구성요소

구성 요소

Main Page 주요 추정 변수 소개 및 관측모형 개략도 소개

관측조사치 각종 관측조사치 정리

종합 DB 각종 변수 및 데이터 정리

Equation 모형 추정 방정식 정리

Tables 시계열 데이터를 표로 정리

Graph 시계열 데이터를 그래프로 정리

1.2.2. 새로운 자료의 입력 방법

◦모형을 작동시키기에 앞서, 사용자는 엑셀의 기본 옵션을 새롭게 설정해야

한다. 일반적으로 엑셀의 계산 옵션은 ‘자동’으로 설정되어 있으나, 이를 수

동으로 설정해야 순환오류가 나타나지 않는다. 이를 위해 메뉴-옵션-수식을

차례로 클릭한 뒤, 계산 방식을 수동으로 설정하고, 반복계산 허용 탭을 선

택한 뒤, 최대 반복회수는 1000회, 변화 한도 값은 0.001로 설정해야 한다.4

◦관측조사치 sheet에는 품목별로 재배면적, 입식두수, 단수, 저장량 및 부패율

등 관측센터 품목팀이 매월 조사하는 조사항목이 항목마다 정리되어있다.

◦종합 DB에 입력된 자료는 크게 다섯 가지로 구분되어 있다.

- 거시 경제 변수

- 재배면적, 단수, 사육두수 데이터

- 생산량/출하량 관련 데이터

4 최대 반복 회수 및 변화 한도 값은 연구자의 판단에 따라 가감할 수 있다.

30

- 가격 데이터

- 수출입 데이터 및 기타 자료

◦거시 경제 변수의 경우 인구, 가처분소득, 환율 자료가 해당되며, 이들 변수

는 외생변수로서 각 연구기관에서 발표한 전망치를 입력하여 사용한다.

◦사육두수 데이터는 월령별 / 암수별로 구분되어 있으며, 통계청에서 발표하

는 가축동향 자료를 참고하여 입력한다.

그림 3-3. 종합 DB의 데이터 구분

◦생산량/출하량 관련 데이터는 도축두수, 육류 생산량(지육, 정육), 재고, 1인

당 소비량 등의 데이터가 포함된다. 도축두수를 이용하여 육류 생산량과 재

고를 계산하며, 수출 및 수입량을 고려하여 1인당 소비량이 계산된다.

31

◦가격 데이터는 산지가격, 도매, 소매가격으로 구분되며, 수출입 데이터에는

수출(입) 물량, 단가, 수출(입)액으로 구성되며, 기타 데이터에는 사료가격

및 옥수수, 대두 가격이 포함되어 있다.

◦종합 DB를 새로운 자료로 업데이트를 하기 위해서는 우선 데이터를 구분할

필요가 있다. 그림 3-3을 보면, 일부 데이터가 굵게(볼드체) 표시되어 있는

데, 이는 축산 Equation에서 계산된 값을 표시하고 있기 때문이다.

◦예를 들어 2009년 10월의 각 데이터에는 볼드체가 없으나, 11월 데이터에는

일부 자료들이 볼드체로 표시되어 있다. 이는 11월 데이터가 모형에서 계산

된 수치로 이루어져 있음을 의미한다.

◦기존의 자료를 수정하기 위해서는 새로운 자료를 입력하면 된다. 이후 F9 키

를 눌러 모형을 작동시키면 새로 입력된 자료에 맞게 모형이 작동된다.

◦계산된 전망치를 수정하기 위해서는 Equation 시트를 이해할 필요가 있다.

예를 들어 그림 3-4의 A열에는 위에서부터 차례대로 ‘1. 0-2개월 사육두수

추정’이라는 설명과 함께 ‘Dependent Variable: NB53_02’라는 설명이 있다.

그 밑에는 차례대로 독립변수 추정치(parameter)와 독립변수가 나열되어 있

다. 함수식 밑부분에 SUM, ADJUSTMENT, ESTIMATE, ACTUAL이 있으

며, 추정치와 독립 변수들에 해당하는 행들은 A열의 추정치와 종합 DB에

있는 각각의 데이터의 값을 곱한 값이다. SUM은 독립변수 행들을 더한 값

으로 종속변수 추정치가 된다.

32

그림 3-4. EQUATION SHEET의 구성

◦ADJUSTMENT란은 추정된 식의 오차항으로서, 과거 데이터에서는 실제 자

료값과 전망치와의 차이를 의미한다(). 그러나 전망치에서는 연구자

의 판단과 시장 상황을 통해 오차값을 구한다. 일반적으로 전망치의 오차값

은 마지막 실측치에서의 오차값과 같아야 하지만, 연구자의 분석에 따라 변

화를 줄 수 있다.

◦ESTIMATE 행은 SUM과 ADJUSTMENT 행의 합으로서, 전망치의 내생변

수로 이용되며, ACTUAL 값은 종속변수의 실제값으로서 종합 DB에서 가져

온 값이다.

33

◦자료를 업데이트하였을 경우, 종합 DB란에 있는 전망치는 실측치로 바뀌게

된다. 이 경우, EQUATION 시트의 ADJUSTMENT 항을 실측치에 알맞게

수정해 주어야 모형에서 보다 정확한 전망치를 얻을 수 있다.

1.2.3. 모형 수정 방법

◦종합 DB란에 수치를 업데이트하면서 실측치와 현저히 차이가 나는 값을 입

력할 경우(예: 10,000 단위로 표시되어 있는 입력란에 원래 수치 값을 입력

하는 경우), 또는 모형에 급격한 충격(Shock)이 가해지는 경우 모형에서

‘#NUM’ 오류가 발생할 수 있다. 이를 해결하는 방법은 크게 두 가지가 있다.

◦가장 단순한 방법은 중기선행관측 모형을 저장하지 않고 종료하는 것이다.

작업량이 많지 않을 경우 기존에 저장되어 있는 파일을 다시 열어서 작업하

는 것이 효율적일 수 있다.

◦작업량이 많아 다시 파일을 열기가 어려울 경우 다음 방법을 사용할 수 있

다. 우선 종합 DB에서 전망치가 표시되어 있는 DATA를 복사하여 ‘#NUM’

오류가 발생한 행까지 붙여넣기를 한다. 두 번째로 Equation 시트의 오류가

발생한 부분을 확인한 뒤, 계산식을 복사하여 오류 발생 부분에 붙여넣기를

한다. 세 번째로 첫째 과정에서 복사한 부분을 다시 한번 오류가 발생하였던

부분에 붙여넣기 한 이후 F9을 눌러 모형을 점검한다.

2. 양파 모형

◦양파는 생산시기에 따라 3월 말에서 4월까지 생산되는 조생종과 5월부터 6

월까지 생산되는 중만종으로 구분할 수 있다. 조생종의 경우 생산된 이후 대

34

부분 출하가 완료되고 중만생종의 경우는 수확 이후 전체 생산량의 절반 가

량은 저온창고에 저장되어 이듬해 조생종 양파가 생산될 때까지 시장에 공

급된다.

◦조생종과 중만생종의 정식은 보통 9∼11월 사이에 이루어지며 일반적으로

조생종 정식시기가 중만생종보다 빠른 편이다. 조생종은 정식 이후 2월까지

생장기를 가지며 이후 3월부터는 본격적인 비대기에 접어들고 중만생종은

조생종보다 1개월 정도 후에 비대기가 시작된다.

◦양파의 생육은 초기 발아율이 좋아야 동계 생육기 혹한과 폭설에 병해를 입

지 않고, 비대기의 경우는 적절한 온도와 수분 공급이 상품성에 절대적인 영

향을 주게 된다.

◦양파의 생육 기간은 약 6∼7개월에 걸쳐 이루어지며 수확기 이후는 일정량

이 저장됨으로써 연간 단 1회의 생산량과 월별 수입량으로 우리 나라 전체

의 공급량이 결정되므로 가격 역시 당해 생산량에 크게 반응하는 특징이

있다.

◦따라서 양파의 추정(또는 확정) 면적과 추정 단수를 적용할 경우 해당년산

생산량이 추정 가능하고 이를 월별로 세분화하여 출하량(또는 저장 출고량)

과 수입량, 소비량 등을 고려한 월별 양파 가격 전망도 가능하다.

◦특히 양파는 지역별 생산량이 상이하므로 지역별 단수 모형을 개발함으로써

보다 세분화된 국내 생산량을 도출할 수 있다.

35

그림 3-5. 중기선행관측 양파모형

그림 3-6. 양파모형 흐름도

36

2.1. 자료 입력

◦ 2009년 7월 발간된 “채소류생산실적”의 자료 및 기타 통계 수치를 이용하여

2009년 11월∼2010년 3월까지의 양파 가격 전망은 아래와 같다.

◦먼저 양파는 연산 개념으로 연간 1회 생산되므로 2009년 확정 및 추정 면적

과 생산량, 수입량, 추정(또는 관측 조사치) 저장량 등을 업데이트해야 한다.

이 때 조생종과 중만생종 생산지역이 다르므로 주산지별 단수도 같이 업데

이트한다.

그림 3-7. 면적 및 단수 데이터 업데이트

◦또한 양파는 수입량에 따른 공급량 변동이 큰 품목이므로 수입 및 수출과

관련한 월별 데이터도 업데이트한다. 수출입관련 자료는 관세청을 통해 입

37

수 가능하며 수입단가는 역시 관세청 자료를 이용하되 가장 최근의 자료를

추정하기 위해서는 농업관측센터 홈페이지의 ‘OASIS' 시스템을 이용한다.

◦이와 함께 양파 가격, 소비자 지수, 가락시장 반입량 등도 같이 업데이트해

준다.

그림 3-8. 수출입 관련 데이터 업데이트

38

2.2. Equation 시트 운영방법

◦앞서 종합 DB에서 2009년 10월 데이터에 실측치(또는 추정치)를 입력하였

다고 가정하면 2009년 10월에 해당하는 Equation의 Adjustment를 바꾸어 주

어야 한다. 예를 들어 2009년 10월 양파 가격 실측치를 입력하였다면,

Equation 시트의 10월 가격 추정식을 찾아야 한다. 이후 해당식의 2009년 10

월 Adjustment 항을 찾은 후 F2키를 누르면 [=AVERAGE(AD309:AF309)]

과 같은 함수식이 되어 있음을 알 수 있다.

◦이 식을 ACTUAL-SUM으로 바꾸어서 실측 오차값으로 수정을 해야 한다.

그림 3-9의 상단 그림과 하단 그림을 비교하면 그 차이점을 알 수 있다.

◦Equation 시트에 있는 추정식 중에서 실측치로 업데이트한 자료가 있을 경

우 마찬가지 방법으로 Adjustment 항을 업데이트한 뒤, F9을 눌러 모형을 작

동시킨다.

◦전망치의 Adjustment 항은 연구자의 판단에 따라 가감할 수 있다. 예를 들어

2010년 1월 중국산 양파 산지 가격이 10% 상승하는 시나리오를 가정할 수

있다. 이 경우, 사료가격 추정식의 2010년 1월 Adjustment 항을 가감하여 수

입 단가를 10% 상승시키면 해당 시나리오에 대한 분석이 가능하다.

39

그림 3-9. Adjustment 항의 수정

=AVERAGE(AE133:AF13

=AG135-AG132

40

2.3. 결과치 분석

◦Equation 시트 작업을 통해 계산된 전망치는 자동적으로 종합 DB에 반영되

며, 이들 가운데 중요 자료는 Table 및 Graph 시트에서 각 형식으로 가공되

어 연구자에게 제공된다. 연구자는 전망치를 그래프와 표를 통해 분석할 수

있다.

3. 배추 모형

◦배추는 전남과 제주의 월동배추, 전남, 영남, 경기, 충청의 시설봄배추, 전남,

전북, 경기, 강원의 노지봄배추, 강원의 고랭지배추, 봄배추와 재배지역이 동

일한 가을배추 5개 작형으로 분류할 수 있다.

◦월동배추는 9월에 정식하여 3∼5월 초까지 출하되며 시설봄배추는 1∼3월

정식하여 3월 하순에서 6월 상순까지 출하된다. 노지봄배추는 3∼4월에 정

식하여 5월 하순부터 출하된다. 고랭지배추는 3∼6월에 정식하여 7∼10월

까지 출하되고 마지막으로 가을배추는 9월 하순에 정식하여 12월 말부터 이

듬해 3월까지 출하된다.

◦배추 생육기간은 작형별 차이는 다소 있으나 일반적으로 파종부터 약 3개월

정도가 소요되며 이에 따라 가락시장 반입량 및 기타 지수를 이용하여 분기

및 월별 배추 출하량 도출이 가능하다.

◦여기에 월별 수입량(김치 포함)과 수출량을 추정하고 배추 수요함수를 고려

할 경우 각각의 월별 도매가격과 소비자 가격을 전망할 수 있다.

41

그림 3-10. 중기선행관측 배추모형

그림 3-11. 배추모형 흐름도

42

표 3-2. 배추 작형별 월별 출하비중

구분 작형 비중 비고

1월월동 70%

’08년 이전에는 월동 100%가을 30%

2월 월동 100%

3월월동 70%

월동(저장) 30%

4월월동(저장) 70% 상품 가격 선도

봄(시설) 30% 중품 가격 선도

5월봄 70% 시설 30% 노지 70%

월동 30%

6월봄(노지) 80%

고랭지 20%

7월봄(노지) 20%

고랭지 80%

8월 고랭지 100%

9월 고랭지 100%

10월고랭지 80%

가을 20%

11월 가을 100%

12월가을 90%

월동 10%

자료: 한국농촌경제연구원 농업관측정보센터 채소관측팀

3.1. 자료 입력

◦ 2009년 7월 발간된 “채소류생산실적”의 자료 및 기타 통계 수치를 이용하여

2009년 11월∼12월까지의 배추 가격 전망을 가정하면 그림 3-12와 같다.

43

◦먼저 배추는 작형별로 생산량이 다르므로 2009년 가을배추의 확정 및 추정

면적과 생산량, 김치수입량, 추정(또는 관측 조사치)저장량 등을 업데이트해

야 한다. 이 때 주산지별 단수도 같이 업데이트한다.

그림 3-12. 배추 작형별 면적 및 단수 업데이트

44

◦또한 양파와 마찬가지로 김치의 수입 및 수출과 관련한 월별 데이터도 업데

이트한다. 수출입관련 자료는 관세청을 통해 입수 가능하며 수입단가는 역

시 관세청 자료를 이용하되 가장 최근의 자료를 추정하기 위해서는 농업관

측센터 홈페이지의 ‘OASIS' 시스템을 이용한다.

◦이와 함께 배추 가격, 소비자 지수, 가락시장 반입량 등도 같이 업데이트해

준다.


◦앞서 양파 선행관측모형에서 설명한 바와 같이, 실측치를 입력할 경우

Adjustment항을 적절히 바꾸어야 한다. 수정 방법은 앞서 설명한 것과 동일

하며, Adjustment 항을 업데이트한 뒤 F9을 눌러 모형을 작동시킨다.


2009년 11월 수입김치에서 기생충알 문제가 발생하였다고 가정하면 김치

예상 수입량을 시나리오별로 설정하여 수입량 증가에 대한 결과 분석이 가

능하다. 이는 앞의 해당 월의 Adjustment 항을 가감하여 수입량을 시나리오

별로 변화시킴으로써 수입량 변동 전망이 가능한 것이다.





있다.

45

4. 양돈 모형

◦양돈의 중기 선행관측 모형을 이해하기 위해서는 돼지의 생육과정을 먼저

숙지할 필요가 있다. 돼지는 크게 번식돈과 비육돈으로 분류할 수 있다.

◦번식돈의 경우 출생후 25∼30일 이후 체중이 6∼8kg에 달하면 이유(離乳)를

하게 된다. 이후 육성 기간을 거쳐 8∼10개월(체중 120∼140kg)에 달하면

종부를 통해 임신을 하게 된다. 약 114일간의 임신 기간 이후 분만을 하게

되며, 25∼30일의 포유를 한 뒤 이유를 거쳐 7일 뒤 발정 및 종부를 거쳐

다시 출산하게 된다.

그림 3-13. 중기선행관측 양돈모형

46

◦번식돈에서 생산된 비육돈은 이유 이후 60∼70일령(체중 20∼25kg)부터 비

육에 들어가게 된다. 이후 160∼185일(6개월령)이 되어 출하체중(110kg)에

이르게 되면 시장에 출하되게 된다.

◦번식돈의 임신기간 및 포유기간 등을 감안하면, 번식돈은 1년에 평균 2.2회

의 출산이 가능하다. 여기에 평균 산자 두수를 감안할 경우, 1년에 생산되는

돼지 수를 추정할 수 있다.

◦따라서 모돈(번식돈) 수를 추정할 경우 이를 이용하여 향후 생산될 자돈 수

를 추정이 가능하며, 평균 폐사율을 감안하면 6개월 이후 돼지고기 생산량

전망이 가능하다.

그림 3-14. 양돈모형 흐름도

47

4.1. 자료 입력

◦ 2009년 9월 발간된 “가축동향”의 자료 및 기타 통계 수치를 이용하여 2009

년 10월∼2010년 3월까지의 사육두수 및 가격 전망 과정을 아래와 같이 설

명하였다.

◦돼지는 일반적으로 6개월 가량 사육 후 출하체중(110kg)에 이르면 도축되어

시장에 유통된다. 따라서 월령별 사육 수를 이용하면 향후 돼지고기 생산량

을 추정할 수 있다. 이를 위해 “가축동향”의 수치를 이용하여 9월 데이터를

업데이트해야 한다.

그림 3-15. 사육두수 데이터 업데이트

48

그림 3-16. 수급 데이터 업데이트

◦수급 데이터에서는 9월 도축두수 및 국내산, 수입산 기말재고를 입력해야

한다. 생산량 및 소비량, 1인당 소비량은 계산되는 수치이므로 입력할 필요

가 없다.

◦돼지 산지가격은 농협에서 발표하는 110kg 기준 가격을 kg으로 환산한 수치

이다. 도매가격은 kg당 지육가격이며, 삼겹살 가격의 경우 kg당 도매 및 소

비자 가격(한국농수산물 유통공사 자료)을 입력해야 한다.

◦수출입량 데이터는 국립수의과학 검역원에서 발표하는 검역기준 자료이며,

수출단가는 통관기준으로 계산된 값이다5. 수입관세는 현행 냉동 돼지고기

5 통관기준 자료에는 물량 및 금액이 포함되어 있어 단가를 계산할 수 있으나, 검역기

준 수출입 자료에는 물량자료만 포함되어 있어 단가 계산이 곤란하다.

49

수입에 적용되는 20%가 기본으로 설정되어 있다.

◦월별 사료가격은 사료협회에서 매월 입수하는 축종별 평균 사료가격이며,

옥수수 및 대두6는 시카고 국제 선물시장에서 거래되는 해당월 인도분 가격

이다.

그림 3-17. 기타 데이터 업데이트

6 돼지사료에는 대두 대신 대두박이 주로 사용되나, 대두박은 선물거래되지 않는 품

목이므로 대체성이 있는 대두가격을 사료가격 추정에 이용하였다.

50


◦앞서 종합 DB에서 2009년 9월 데이터에 실측치를 입력하였다. 따라서 2009

년 9월에 해당하는 Equation의 Adjustment를 바꾸어 주어야 한다. 예를 들어

2009년 9월 0∼2세 사육두수 실측치를 입력하였다면, Equation 시트의 0∼2

세 사육두수 추정식을 찾아야 한다. 이후 해당식의 2009년 9월 Adjustment

항을 찾은 후 F2키를 누르면 [=AVERAGE(LE27,LH27,LK27)]과 같은 함수

식이 되어 있음을 알 수 있다.

◦이 식을 ACTUAL-SUM으로 바꾸어서 실측 오차값으로 수정을 해야 한다.

그림 3-18 상단 그림과 하단 그림을 비교하면 그 차이점을 알 수 있다.

◦Equation 시트에 있는 추정식 중에서 실측치로 업데이트한 자료가 있을 경

우 마찬가지 방법으로 Adjustment 항을 업데이트한 뒤, F9을 눌러 모형을 작

동시킨다.


2010년 1월 국제 곡물가격 상승으로 돼지 사료가격이 10% 상승하는 시나리

오를 가정할 수 있다. 이 경우, 사료가격 추정식의 2010년 1월 Adjustment

항을 가감하여 사료가격을 10% 상승시키면 해당 시나리오에 대한 분석이

가능하다.

51

그림 3-18. Adjustment 항의 수정

=AVERAGE(LE27,LH27,LK27)

=LL29-LL26

52





있다.

5. 육계 모형

◦양계산업은 크게 육계(broiler), 산란계(hen), 준육용종계, 종란생산 분야로

분류할 수 있으며, 그 중 육계는 닭고기를 얻기 위한 목적으로 사육되고

있다.

그림 3-19. 중기선행관측 육계모형

53

◦육계 중기선행관측 모형을 이해하기 위해서는 육계의 생육과정을 먼저 숙지

해야 할 필요가 있다. 육계의 경우 원종계(GPS, Grand Parent Stock)를 사육

하여 종계(PS, Parent Stock) 병아리를 얻는다. 이후 종계 병아리를 6개월동

안 사육하면 육용종계가 되며, 육용종계는 12개월 동안 실용계 병아리를 생

산하게 된다. 12개월 이후 생산성이 하락된 육용종계는 시장상황에 따라 도

태 또는 환우가 결정된다.

◦육용종계에서 채취된 난(卵)을 부화기에 입란하면 21일(3주) 후에 실용계 병

아리가 생산되며, 이후 35일(5주)의 사육기간을 거친 뒤 적정체중(1.5kg)에

이르면 시장에 출하된다.

◦따라서 종계 성계 수수를 이용하면 실용계 병아리 생산량에 대한 중기선행

관측이 가능하다. 현재 생산에 가담하고 있는 종계 성계 수수를 이용하여 현

월의 실용계 병아리 생산량을 전망한 뒤, 이를 이용하여 35일(5주) 이후 닭

고기 생산량을 전망할 수 있다.

◦또한 육용 종계 병아리 발생 현황을 이용하면 향후 종계 성계 수수 전망이

가능하다. 예를 들어 2010년 1월 1일에 입란된 난(卵)은 1월 3주차에 병아리

로 부화가 되며, 이렇게 생산된 종계 병아리는 6개월 이후인 7월 3주차 이후

부터 실용계 생산에 가담하게 된다7.

◦한편 종계 사육수수만을 이용하여 실용계 병아리 생산을 추정하는 데는 한

계가 있으므로, 이를 보완하기 위해 종계 �

m102 중기선행관측 모형 개발...

Documents