예측력 향상을 위한 결합모형 기반의 체계적이고 종합적인 통일 비용·편익 모형 구축 방안 연구 doc_id PCY_201506110909516381_3

통일 비용·편익 모형의 체계적이고 종합적인 구축을 위해 본 연구는 미래예측기법을 이용한 18개의 분야별·단계별 통일 비용·편익 모형을 구축할 것이다. 모형은 현실세계의 모습을 이론적으로 재구성한 분석기제로서 연구대상의 핵심적 구성단위, 곧 작동변인(Operating Variables)과 작동변인들의 관계가 형성되는 경로를 보여준다. 체계적이고 과학적인 모형의 도출과 측정을 위해 본 연구는 귀납적 방법과 연역적 방법을 교차적으로 이용한 통합모형구축 방법을 사용하려 한다. 이 단계는 크게 연역적 단계와 귀납적 단계로 구분할 수 있으며, 각각 모형구축 단계와 개념화 단계로 분류하였다. 구체적으로 보면, 거시통계모형 구축단계, 개념화 단계와 지수화 단계로 정리된다. 첫 번째 거시통계모형은 장기적이고 포괄적인 통일비용·편익의 변화추이를 시계열적으로 추정하기 위해 도입하였다. 거시통계모형은 추후 18개 모형의 변수화와 지수화의 구축이후 측정된 총량과 비교한 뒤, 정책적 조정의 효과를 평가하기 위해 채택되었다. 두 번째 개념화 단계는 18개 통일 비용·편익 모형을 분류하고 각 모형에서 채택될 핵심 변수를 구분하는 과정이다. 거시계량모형은 전반적인 통일 비용·편익의 추이를 검토하고 실제 측정된 각 모형의 산출물과 비교를 통해 보다 합리적이고 정교한 통일 비용·편익 모형을 구축하기 위해 설계되었다. 통일과 관련한 거시통계모형은 매우 희소한 상황이며, 부분적인 미래예측기법 만을 선택적으로 이용하여 왔다. 이에 본 연구는 다양한 예측모형을 결합하여 예측력 향상을 도모하고 있는 결합모형 구축을 목표로 하고 있다. 지역 예측모형이든 범세계적 예측모형이든 예외 없이 제시되는 것이 굽타(Dipak Gupta)의 예측모형 구분이다. 굽타는 우선 장기적이고 대규모의 데이터셋 수집을 통한 통계분석방법을 이용하는 데이터 기반모델(Data-based Models)와 전문가의 가치판단으로 이뤄지는 상대적으로 불완전한 방법론인 판단기반모델(Judgement-based Models)로 구별하였다. 이상과 같은 각 모형의 유형구분은 미래예측에 있어서 어떤 자료가 가용하며 어떤 상황을 예측해야 하는가에 따라 필요로 하는 방법의 선택과 혼합을 위해 유용하다. 그러나 굽타의 제안은 최근 이뤄지고 있는 미래예측에 대한 각 방법론의 계통도에 불과하며 적절한 미래예측을 위해 어떤 방법이 얼마만큼의 비중으로 결합되는지는 설명하고 있지 못한다. 본 연구는 거시적 통일이후 추이분석을 위해 결합모형을 시도하려 한다. 결합모형에 포함될 모형을 나열하면 기존의 PCR, 체제전환 등을 경험한 국가의 거시지표를 기반으로 수립된 동태적·확률적 일반균형모형(DSGE)과 베이지안 모형평균법, 독일정부 재정지출 모형, 연산가능일반모형(CGE Model)이다. 기존의 통일비용의 추정방법은 크게 ①독일정부의 재정지출을 기준으로 삼는 방법, ②연산가능일반모형(CGE Model)에 입각한 추정 방법 등이 있다. 통일비용의 추정에 사용되는 방식은 모델의 한계로 인해 가정과 세부 시나리오에 대한 고려가능 여부가 다를 수밖에 없으며 이에 따라 추정결과에 큰 편차를 보인다. 본 연구는 이러한 기존의 두 가지 거시통계모형을 결합모형에 포함시킬 것이다. 정성과 정량 어떤 방법도 독자적인 예측방법이 되지 못하며 어떤 형태로의 결합이 요구된다. 또한, 전통적인 정량기법도 보다 적절한 예측력 확보를 위하여 결합되고 있는 추세이다. 특히, 결합모형(Combining Forecasts Model)은 단일모형으로 인해 발생하는 오차를 상쇄하기 위한 유용한 도구이다. 두 가지 이상의 모형을 결합하여 미래의 발생가능성을 예측하는 방법은 1969년 “The Combination of Forecasts”로 처음 제안된 이래 1987년 International Journal of Forecasting에서 Combing Forecasts라는 세션을 통해 7개 논문을 소개하면서 결합모형의 중요성이 재조명되었다. 1992년 동 저널에서 실시한 결합모형에 대한 검증실험에서 실험에 참가한 학자의 83%가 결합모형이 개별모형에 비해 예측오차가 최소화된다는 점을 입증함으로써 이후 결합모형의 이용이 확대되었다. 결합모형은 이자율, 유가, 보험 등 주로 경제분야 미래예측도구로 이용되고 있다. 정량모형은 계량경제모형과 유형인지(Pattern Recognition)로 나뉜다. 계량경제모형은 전통적 계량기법으로 시계열분석과 인과모형으로 구분된다. 자동회귀와 이동평균의 결합에 의한 ARMA 또는 MARMA는 대표적인 시계열분석 기법이다. 인과모형은 기본적으로 최소자승법(또는 고전적 최소자승법, CLS)에 의존하는 기법이다. 유형인지기법은 비정치학 분야에서 최근 도입된 기법이다. 시계열분석이 인과변인(독립변인)의 상대적 영향력을 파악하는데 반해, 유형인지는 특정 이벤트가 벌어지기 이전에 전개되는 선행이벤트의 패턴을 찾아내려 하고 있다. 유전자 염기서열 예측이나 날씨 예측에 이용되는 히든마코프기법(Hidden-Markov Method)이 대표적으로 이용되는 기법이다. 동태확률일반균형모형(DSGE)은 경제학에서 인플레이션, 유가, 이자율, 경기변동 등의 추이예측을 위해 통상 사용되는 방법이다. 동태확률일반균형모형은 각 경제주체들이 각종 임의의 충격이 발생하는 경제상황에 대한 합리적 기대를 바탕으로 최적 의사결정을 하는 가운데 균형에서는 모든 시장이 청산되는 구조를 가지고 있다. 즉, ①경제주체들의 현재 경제행위가 미래와 직접 연계되는 기간 간 대체(Intertemporal Substitution)의 개념이 고려된 동태적(Dynamic) 모형이고, ②국내외에서 임의로 발생하는 각종 충격(Random Shock)-기술, 선호 및 통화정책 충격 등에 경제주체들이 반응하는 과정으로 경기순환 및 경제성장 현상을 설명하고자 하는 확률적(Stochastic) 모형이며, ③부문별 시장(예: 재화시장, 노동시장, 금융시장 등)에서 결정되는 각 경제주체들의 최적화 행위가 동시적이고 종합적인 시각에서 고려되는 일반균형(General Equilibrium) 모형이다. 한편, 서로 다른 경제변수를 사용하는 다수의 모형을 추정하고 각 모형의 예측 결과를 일정한 방법으로 가중 평균하여 인플레이션 예측에 활용하는 것을 모형평균법이라고 한다. 모형평균법은 경제변수가 가지고 있는 모든 정보를 손실 없이 이용함으로써 설명변수의 누락으로 인한 모형설정의 오류 가능성과 예측의 불확실성이 감소될 수 있다. 또한, 다수의 모형을 평균하기 때문에 경제의 구조변화(Structural Break)에 따라 기간별로 최적의 모형이 달라질 수 있는 문제도 피할 수 있다. 모형평균법은 가중치를 결정하는 방법에 따라 다양한 접근법이 존재한다. 베이지안 모형평균법(Bayesian Model Averaging: BMA)은 자료가 가진 정보를 이용하여 개별 모형이 참일 확률을 베이지안 법칙에 따라 계산하고 이것을 가중치로 이용하는 방법이다.