패널데이터모형과 고정효과모형을 활용하여 국가별 및 연도별 고유 여건을 통제한 경제사회적 요인과 재정수지 간의 관계 분석 doc_id PCY_201501020918534781_5

본 장에서는 경제사회적 요인들이 재정수지에 미치는 영향을 분석한다. 이를 위해 종속변수로서 ‘GDP 대비 통합재정수지 비율’을 사용한다. 통합재정수지의 흑자에는 국민연금기금 등 사회보장성 기금의 흑자가 상당 부분 기여하고 있다. 특히 우리나라의 경우 OECD 회원국들에 비해 노령화 수준이 상대적으로 낮아 그 영향이 큰 상태이다. 즉 통합재정수지를 기준으로 국가 간 재정건전성을 비교할 경우 우리나라의 재정건전성이 상대적으로 양호한 것으로 나타날 가능성이 높다. 그런데 향후 노령화가 진행될수록 사회보장성 기금의 적자로의 전환은 불가피하다. 따라서 재정건전성을 보다 명확히 판단하기 위해서는 통합재정수지에서 사회보장성기금 수지를 제외한 관리재정수지를 사용하는 것이 적절하다. 하지만 OECD 회원국들의 관리재정수지 자료를 확보할 수 없는 만큼 국제비교를 위해 통합재정수지를 종속변수로 사용한다. 대신 국가별 고유 여건에 따른 영향을 고려하기 위해 패널데이터모형(panel data model)을 사용한다. 특히 본 장의 분석 초점인 ‘GDP 대비 통합재정수지 비율’의 경우, 우리나라의 평균이 전체 데이터의 평균에서 크게 벗어나 있다. 전술한 바와 같이 우리나라의 통합재정수지에서 관측되는 큰 폭의 흑자는 사회보장성기금의 흑자에서 기인한다. 예를 들어, 우리나라의 경우 사회보장성기금이 다른 OECD 회원국들에 비해 뒤늦게 도입된 관계로, 연금성숙도에서 다른 OECD 회원국들과의 차이가 크다. 국가별 비교가 가능한 연금성숙도 데이터가 존재하는 경우, 해당 데이터를 설명변수로 설정하여 분석을 수행하는 것이 가능하다. 그러나 OECD를 비롯한 국제기구들은 관련 데이터를 제공하고 있지 않다. 따라서 통합재정수지를 대상으로 국제 비교분석을 수행할 때 연금성숙도, 산정기준 등에서의 국가별 차이를 고려할 필요가 있다. 이를 고려하여 본 장은 국가별 고유 여건에 따른 영향을 분석에 반영할 수 있는 패널데이터모형을 사용한다. 즉 국가별 더미변수를 통해 국가별 고유 여건에 따른 영향을 통제한다. 패널데이터모형을 통해 ‘복지지출 국제비교지수’를 산정한 만큼, 설명변수로 포함되지 않은 국가별 고유 여건을 검토할 필요가 있다. 이때 국가별 고유 여건은 사회복지지출에 영향을 미치지만 설명변수로 포함되지 않은 요인들을 포괄한다. 그러한 예로서, 연금성숙도, 복지제도 개혁 효과, 국민들의 선호체계, 정부의 정책우선순위, 역사적 요인, 정치적․이념적 요인, 노동조합의 파워, 노사 갈등 등을 생각해 볼 수 있다. ‘GDP 대비 공공사회복지지출 비율’을 종속변수로 설정한 방정식에서 국가별 더미변수를 통해 추정한 국가별 고유 여건의 크기를 보여준다. 이를 보면 고유 여건의 편차가 상당히 큼을 확인할 수 있다. 예를 들어, 스웨덴의 경우 약 5.1%p로 나타나고 있다. 이는 국가별 고유 여건을 고려했을 때 스웨덴의 ‘GDP 대 비 공공사회복지지출 비율’이 준거국가인 호주 대비 평균적으로 5.1%p 정도 높다는 의미이다. 반면 우리나라의 경우, 고유 여건으로 인하여 ‘GDP 대비 공공사회 복지지출 비율’이 호주 대비 평균적으로 2.2%p 가량 낮은 것으로 나타났다. 이는 설명변수로 관측되지 않는 우리나라의 고유 여건으로 인해 사회복지지출의 실제값이 평가기준보다 낮게 나타날 수 있음을 시사한다. 한편 우리나라의 ‘GDP 대비 통합재정수지 비율’ 수준과 해당 비율의 OECD 회원국 평균 간 연도별 변화 양상이 유사하다. 예를 들어, ‘GDP 대비 통합재정수지 비율’과 관련하여 우리나라의 연도별 변화와 OECD 회원국 평균의 연도별 변화 사이의 상관관계는 0.57이다. 이는 연도별로 모든 OECD 회원국의 통합재정수지에 공통적으로 영향을 미치는 연도별 고유 여건이 존재함을 시사한다. 이를 고려하여 연도별 더미변수를 분석에 포함한다. 한편 분석에 포함된 변수들간 상관관계를 보여준다. 단순상관계수를 기준으로 볼 때, 가장 큰 양(+)의 상관관계는 ‘GDP 대비 공공사회복지지출 비율’과 ‘국민부담률’ 사이에서 나타난 0.77이다. 반면 ‘GDP 대비 통합재정수지 비율’과 ‘GDP 대비 정부부채 비율’ 사이에서 나타난 -0.41은 가장 큰 음(‒)의 상관관계이다. 여타 설명변수들간 상관관계가 –0.5~0.8 범위의 값을 가지는 것을 감안하면, 회귀분석 시 다중공선성(multicollinearity) 문제가 심각하지 않을 것으로 판단된다. 패널데이터모형 분석에서는 국가별 및 연도별 고유 여건을 어떻게 설정하는지에 따라 주요 분석결과가 다르게 나타날 수 있다. 따라서 본 장은 더미변수 포함 여부에 따라 세 가지 추정방법, 즉 최소자승추정법(OLS: ordinary least squares), 일원 고정 효과모형(one-way fixed effect model), 이원 고정효과모형(two-way fixed effect model)을 사용하고 해당 결과들을 함께 제시한다. 최소자승추정법은 더미변수를 포함하지 않는 방법이고, 일원 고정효과모형은 국가별 더미변수를 포함하는 방법이며, 이원 고정효과모형은 연도별 더미변수까지 추가하는 방법이다. 본 장은 통합재정수지에 대한 국가별 및 연도별 고유 여건의 영향을 적극적으로 탐색하고자 하므로, 이원 고정효과모형을 중심으로 분석을 진행한다. 각 추정방식의 개념 및 주요 특징을 개관하고 있다. 전술한 바와 같이 이원 고정효과모형은 국가별 및 연도별 고유 여건을 추정해야 할 모수로 간주한다. 그런데 해당 이질성을 확률변수로 간주하는 것도 가능하며, 이는 확률효과모형에 해당한다. Baltagi(2008)에 따르면, 고유 여건을 고정효과 혹은 확률효과 중 어느 것으로 간주할지를 결정함에 있어 가장 중요한 기준은 패널 개체의 특성에 대한 직관적 추론(inference)이다. 패널 개체들이 모집단에서 무작위로 추출된 표본에 해당하면, 고유 여건이 확률분포를 따른다고 간주할 수 있다. 그러나 각 패널 개체가(모집단에서 무작위로 추출된 표본이 아닌) 특정 모집단 그 자체라면, 고유 여건이 확률분포를 따른다고 보는 것은 부적절하다. 본 장에서 사용하고 있는 OECD 회원국 패널데이터의 경우, 패널 개체가 모집단에서 추출된 표본의 일부분 이라고 보기는 어렵다. 그보다는 경제사회적 요인의 국가들 간 편차가 상당히 큰 점을 감안하면, 고유 여건을 고정효과로 간주하는 것이 보다 적절하다. 한편 기술적인 측면에서 보면, 두 모형 중 어느 것을 사용하는 것이 보다 적절한지는 하우스만(Hausman) 검정을 통해 확인 가능하다. 하우스만 검정은 계량경제학 이론을 토대로 하고 있으며, 실증분석에서 활용도가 높은 기법이다. 하우스만 검정에서 귀무가설이 기각되지 않으면 확률효과모형을 선택하고, 귀무가설이 기각되면 고정효과모형을 선택하는 것이 적절하다. 동 검정에 대한 개관은 다음과 같다. 확률효과모형 대비 고정효과모형의 적정성에 대한 하우스만 검정 결과를 보여준다. 우선 국가별 고유 여건을 대상으로 수행한 하우스만 검정 결과를 보면 p‒값이 0.01보다 작다. 즉 다른 관측 요인(설명변수)들과 국가별 고유 여건간 상관성이 없다는 귀무가설이 신뢰수준 1%에서 기각된다. 따라서 국가별 고유 여건을 고려함에 있어 확률효과모형이 아닌 고정효과모형을 사용하는 것이 적절하다. 요컨대, 직관적 추론에 따르든 하우스만 검정 결과에 따르든, 국가별 고유 여건은 더미변수로 설정하는 것이 적절하다고 판단된다.