변이계수를 응용한 관측정보의 가격안정화 효과 분석 : 수산업관측사업을 중심으로

Abstract

최근 우리나라 수산업 시장은 양자간 FTA(Free Trade Agreement) 체결의 증가 등 국외적인 요인과 더불어 양식어업의 활성화 및 식품소비트렌드의 변화(건강에 대한 관심 증대) 같은 국내의 요인들로 인하여 지속적으로 확대되는 추세이다. 하지만 해황 등 자연적인 요인에 의해 생산량이 결정되는 수산업의 특성은 가격 불안정성에 대한 우려를 심화시키며, 이에 대해 정부는 2004년부터 주요 양식 수산물의 생산·유통·소비 등 관련 정보를 제공하는 수산업관측사업을 실시하고 있다. 이러한 수산업관측사업은 사업이 지속됨에 따라 이에 대한 적절한 평가가 요구되고 있으며 지금까지 수산업관측사업에 대한 평가는 가격 변동성 계측을 통한 가격안정화 효과 분석이 주를 이루었다. 특히, 변이계수는 가격 변동성 계측을 위해 빈번히 사용되고 있으나, 측정방법 및 사용하는 데이터의 종류에 따라 결과 값이 상이하게 도출되며, 시계열 데이터가 불안정시계열인 경우 도출된 수치의 증폭이 심해지는 한계점을 가진다. 이는 변이계수를 통해 가격안정화 효과를 단정하는 것은 정책평가의 정확성을 보장하지 못함을 의미하나, 변이계수는 가격 변동성 분석의 방법으로써 그 사용이 지속되고 있다. 따라서 본 연구는 기존의 변이계수가 가진 한계점을 보완해주는 조정된 변이계수(corrected coefficient of variation)를 활용하여 수산업관측사업 시행 이후의 가격 변동성을 파악함으로써 변이계수를 통한 결과 해석에 주의가 필요함을 강조하였으며, 나아가 수산업관측사업이 가지는 가격안정화 효과를 분석하였다. 분석대상은 수산업관측사업 대상 품목 중 김, 광어, 굴 품목에 한정되며 이의 분석을 위해 다음과 같은 두 가지 형태의 조정된 변이계수가 분석에 사용되었다. 첫 번째 형태의 조정된 변이계수는 추세방정식의 잔차를 통해 도출되었다. 이는 정상적인 수준의 기준을 평균이 아닌 추세로 보며 실제 가격이 추세에서 벗어나는 정도를 바탕으로 가격 변동성을 평가한 것이다. 조정된 변이계수 분석에 사용된 추세방정식은 선형 추세, 2차 추세, 비선형 형태의 추세, ARMA(p, q) 등이며 각각의 추세방정식은 관측시점 전후의 절편 및 추세의 단절을 나타내는 모형으로 세분화되어진다. 최종적으로 선행연구에서 제안된 5가지 형태의 지표를 활용하여 다수의 조정된 변이계수를 구하였으며, 이는 변이계수가 가진 한계점 중 한 가지(측정방법 및 사용하는 데이터의 종류에 따라 결과 값이 상이하게 도출됨)를 극복하는 대안으로써 작용한다. 두 번째 형태의 조정된 변이계수는 데이터의 평균이 변화하는 시점을 기준으로 구간을 나누는 구조분해를 통하여 얻어진다. 이는 도출된 각 구간의 변이계수를 각 구간의 길이에 가중하여 하나의 가중된 변이계수를 구하는 방식으로서 기본적인 변이계수가 가진 또 다른 한계점(데이터가 불안정시계열인 경우 도출된 수치가 증폭됨)을 보완하는 방법이 될 수 있다. 거론된 방법을 통한 연구의 결과는 다음과 같다. 우선 기본적인 변이계수 분석결과 김과 굴의 관측이후 가격 변동성은 감소하였으나 광어의 가격 변동성은 증가하였다. 하지만 이는 분석의 한계점을 가진 기존의 변이계수로부터의 결과이기 때문에 조정된 변이계수 분석을 통한 추가적인 검증이 필요하다. 이에 대해 추세방정식을 통한 조정된 변이계수 도출 결과, 김과 광어는 관측이후 가격 변동성이 각각 감소, 증가하였으며 굴의 경우에는 H index, FI index, GI index 등의 일부 지표에서 관측이후에 가격 변동성이 증가함을 보였다. 그리고 구조분해를 통한 조정된 변이계수 분석 결과 역시, 김과 광어의 경우 관측이후 가격 변동성이 각각 감소, 증가하였으며 굴의 경우에도 증가한 것으로 도출되었다. 이는 조정된 변이계수의 경우 굴 품목에서의 가격안정화 효과를 지지하지 않음을 의미하며 기존의 변이계수만으로 가격 변동성을 평가할 시 그 성과를 과대추정 할 수 있음을 보이고 있다. 종합하면, 변이계수를 활용하여 가격 변동성을 측정한 결과 오직 김 품목의 가격 변동성이 관측이후에 감소함으로써 수산업관측사업의 가격안정화 효과가 있음을 보였다. 본 연구는 기존의 선행연구에서 언급된 방법론을 활용하여 조정된 변이계수를 구하고 이를 수산업관측사업의 가격안정화 효과 평가에 적용하였으나, 다음과 같은 점에서 차별화된 특징을 갖는다. 우선, 주요 변수의 유의성, 조정된 결정계수 수치, 정보기준(AIC, BIC), 모형 적합도 검정 통계량 등을 기준으로 분석에 적합한 추세방정식 모형을 선별하였다. 이는 다양한 형태의 추세방정식을 추정하는 목적이 단순히 다수의 조정된 변이계수 도출을 넘어서 의미 있는 결과의 도출에 있기 때문이다. 또한 구조분해 시점에 대한 현실적인 해석을 통해 분석에 대한 타당성을 확보하였다. 하지만 광어 품목의 구조분해 시점과 관련하여 적절한 해석이 부재하며, 관측이전과 이후 기간에서 도출된 변이계수의 상이함을 보이기 위해 사용한 보정된 Bennett 검정이 시계열 자료에 적절하지 않은 측면이 있다는 점은 후속연구과제로 남는다. 그럼에도 불구하고 변이계수의 한계점을 보완할 수 있는 조정된 변이계수를 수산업관측사업의 평가에 적용함으로써 김 품목의 가격안정화 효과를 보이고, 변이계수의 결과 해석에 주의가 필요함을 환기시킨 점에서 본 연구의 의미를 찾을 수 있다.

주요어 : 가격 변동성, 조정된 변이계수, 추세방정식, 구조분해, 수산업관측사업

학 번 : 2012-23340

Market size of the fishing industry in Korea has expanded due to the factors like FTA and a boom in cultivating fishery. However, an output of marine products has heavily influenced by sea state and that always raises concern about price instability which can reduce social welfare. So, to deal with that problem our government implements Fisheries Outlook Project from 2004 and now it is time for us to evaluate Fisheries Outlook Project. So far, we focus price stabilization effect because that is the objective of Fisheries Outlook Project and many study use CV(coefficient of variation) to measure price volatility. However, that method has several issues which can cause serious damage to derived results. First, CV reached different results depending on the method used and data appearance. Second, the figure could be amplified in the non-stationary time series data. These facts give us a warning that evaluating price stabilization effect only by using CV is not that accurate. But there are many studies using CV to measure price volatility despite of their own weakness. The purpose of this study is to measure price stabilization effect of Fisheries Outlook Project in case of Laver, Flatfish and Oyster by using corrected CV which makes up for the weak points of original CV. Eventually, we expect this analysis emphasizes that interpreting CV requires extra caution. Two different kinds of corrected CV are used in this study. First, we derive corrected CV by using deviation from trend equations. In this study, we use linear trend model, quadratic trend model, nonlinear trend model, ARMA(p, q) model and each trend model represents break in constant and trend after the specific point(outlook information spread) by containing dummy variable and interaction variable in the equation. Finally, we use 5 kinds of indexes to derive quite a number of corrected CVs and these can be used as an alternative because these make us possible to judge price volatility in comprehensive perspective which makes up the original CVs weakness(different results from different method and data used). Second, another type of corrected CV can be obtained from structural changes which derives subregimes by considering the points where the mean is shifted. Basically, based on the each subregime we find CVs which belong to each subregime and calculate corrected CV(a weighted average of the CV) taking into account the length of each regime(a number of months) in the whole time series span. This study derives following results. In the original CV case, we find price volatility has been decreased in Laver and Oyster, but Flatfishs price volatility has been increased. However, results from corrected CV is somewhat different. Corrected CV from trend equation indicates that several indexes(H index, FI index, GI index) say Oysters price volatility has been increased, and Corrected CV from structural changes also finds that Oysters price volatility has been increased. This analysis definitely shows us that using original CV alone could cause imprecise results. Especially in this case, without a corrected CV we might conclude Fisheries Outlook Project reduces Oysters price volatility. However, we can conclude there is price stabilization effect in case of Laver according to CV analysis. This study has following distinctions from preceding research. First, we apply standards(statistical significance of variables, adjusted R-squared, information criterion, etc.) and select appropriate trend equations to derive meaningful results. Second, we try to make the structural change model credible by interpreting the break points. However, this study has lack of appropriate interpretation about break points in case of Flatfish and using modified Bennetts test in order to find statistical difference of CV from two period(before and after outlook information spread) is not suitable to the time series data. Therefore, we put these issues in the later study.