실물경기파악을 위한 전력데이터 활용 및 물가지수간 연계구조 비교

Abstract

본 논문의 첫 번째 주제는 집계통계인 전력사용량이 가공통계인 생산지수에 대한 설명력을 검토하여 1∼2개월 후행하여 공표되는 생산지수의 한계점을 보완할 수 있는지 검토하는 것이다. 그동안 시계열 방법론으로만 분석되었던 관련 연구를 지역별 패널데이터를 구축하여 패널분석을 통해 전력사용량이 생산지수에 대한 설명력의 한계효과를 추정하였다. 지역별 산업구조의 차이로 인해 전력 데이터가 지역별 생산지수에 대한 설명력이 차별적으로 작동할 수 있다는 점에 주목하여 수도권과 지방, 지방제조업 중심도시로 분류하여 전력데이터의 설명력이 차별적으로 작동하는지 파악하고자 했다. 전력사용량의 설명력이 경기변동에 반응하는지 알아보기 위해 경기상황을 호경기와 불경기로 나누어 분석하여 전력사용량이 경기상황에도 반응하는지 알아보았다. 분석결과 요약하면 첫째, 전력사용량은 지역 실물경기인 제조업 생산지수에 대해 설명해내는 효과가 있음을 확인했다. 둘째, 지역 산업구조에 따라 설명력의 한계효과가 차별적으로 작동하는 것으로 분석되었다. 자본 집약적인 고부가치산업이나·전력다소비산업 중심에 제조업도시는 전력데이터가 제조업 생산지수에 대한 설명력이 타 지역에 비해 매우 높은 것으로 추정되었다. 셋째, 경기상황에 따라서는 호경기때는 설명력의 탄력성이 증가하고 불경기때는 감소하여 경기상황에도 반응한다는 사실을 발견하였다. 실제로 전력데이터를 가지고 현재 경기상황을 예측하려 할 때 전력사용량 자료가 얼마나 예측력을 개선 시킬 수 있는지 알아보기 위해 현재예측(Nowcasting)문제 즉 아직 공표되지 않은 현재 경기지수를 예측하는 문제를 설정하여 과거 경기지표로만 구성된 데이터로 현재 생산 수준을 예측하는 것과 실시간 전력데이터를 포함해서 예측하는 경우를 가상적으로 설정하여 예측능력을 비교해보고 전력사용량이 현재 경기상황에 대한 예측력을 높일 수 있는지 분석하였다. 분석방법은 Choi and Varian(2012)에 논문을 참고하여 분석하였다. 분석결과 생산지수에 과거 데이터로 예측한 예측치보다 실시간 전력사용량을 포함시켜 예측한다면 예측능력이 모든 분석대상 지역에서 개선되었으며 평균 4%∼9%의 예측개선 효과를 확인하였다. 전력사용량만을 가지고 측정한 실험결과는 예측개선 효과가 충남과 대전에서만 일부 존재하는 것으로 분석되어 생산지수와 함께 사용한 모형으로 추정한 결과가 더 우수한 예측결과를 보였다. 전력사용량만을 가지고 실험한 결과에서 충남지역이 가장 낮은 오차율을 보였는데 이는 제조업 중심지역에서 전력사용량이 생산지표에 대한 많은 정보를 담고 있다고 분석된 패널분석 결과를 뒷받침해주는 결과라 판단된다.

본 논문의 두 번째 주제는 해외 및 국내물가변수와 단기적 제조업 생산과의 연계성(connectedness)을 Diebold and Yilmaz(2012)가 제안한 연계성 효과 모형을 적용하여 분석하고, 생산지수에 영향을 미치는 주요 물가변수들간에 세부 품목별 연계구조를 분석하여 수입물가와 국내물가간의 파급구조를 파악하였다. 본 분석은 현실 설명력이 높고 상식과 부합하는 결과를 도출하기 위해 박진백·홍민구(2019) 제안에 따라 그랜저 인과성 검정을 하여 통계적 선·후행성이 보고된 경우에만 연계효과를 계산하는 방법을 적용하였다. 먼저 통계적 선·후행성으로 분석한 4변수간 연계구조는 제조업 단기생산에 영향을 미치는 물가변수는 생산자물가가 가장 큰 영향을 주었고 수입물가가 그 뒤를 이었다. 소비자물가가 미치는 영향은 나타나지 않아 그 영향력이 매우 미미한 것으로 나타났다. 수입물가는 생산지수에 직접적인 영향을 미치는 것 외에 생산자물가를 통해 제조업 생산에 영향을 미치는 간접적인 경로도 존재하였다. 주는 영향력의 크기에서 받은 영향력의 크기를 뺀 순연계효과는 통계적 선후행성을 고려한 방법에서는 수입물가가 가장 주요한 변수로 분석되었다. 수입물가와 세부품목별 생산자물가와의 연계구조를 파악하여 네트워크로 분석하였다. 통계적 선·후행성을 고려한 분석결과를 요약하면 수입물가의 영향력이 높은 생산자물가 품목은 제1차금속, 화학제품, 석탄 및 석유제품등으로 분석되어 원자재나 중간재 관련 품목들이 주로 수입물가에 대해 많은 영향을 받는 것으로 분석되었다. 간략히 요약하면 수입물가→원자재 및 중간재 성격의 생산자물가→중간재 및 최종재 성격의 생산자물가로의 경로로 영향력의 전이가 된다는 사실이 분석되었다. Primiceri(2005)가 제안한 TVP-VAR모형을 통해 해외물가충격에 대한 국내물가의 반응을 시간 가변적으로 분석하여 우리나라 경제가 과거와는 달리 국내물가 반응에 구조적 변화가 있는지 알아보았다. 분석결과 국내물가의 반응은 구조적 변화를 보이지 않은 것으로 분석되었다.

The first topic of this paper is to analyze whether power data can supplement the limitations of production index being published late by examining power data have information about the Production Index(PI). To summarize the results of the study, 1. the power data contains information that can explain the local manufacturing Production Index. 2. the power data's explanatory power to PI is differentiated according to the local industrial structure. 3. In this study, we found that the power data's explanatory power increased during a economic boom and increased elasticity, and decreased during a economic depression, so that the power data responded to economic fluctuations. An additional the Nowcasting analysis was conducted to see if the power data could improve the predictive power of the PI. The analysis method was analyzed by referring to Choi and Varian (2012). As a result of the analysis, the prediction of the model including the power data compared to the prediction of the model consisting of the Production Index alone confirmed the effect of the prediction improvement of 4% to 9% on average in all the regions analyzed. The prediction experiment results of the model consisting of power data alone showed the best prediction results in Chungcheongnam-do, confirming that the power data in the region where the manufacturing industry was developed contains a lot of information about the real economy.

The second topic of this paper is to analyze the connection between import(Import Price Index, IPI) and domestic price(producer price index, PPI). variables and short-term manufacturing the Production Index by applying the connectedness effect model proposed by Dibold and Yilmaz (2012). The connectedness structure between IPI and PPI by item was analyzed and the ripple structure between IPI and PPI was examined. It is expressed in network format to facilitate interpretation of ripple structure. The analysis showed that Producer Price Index affected short-term production in manufacturing the most, followed by Import Price Index. The impact of consumer prices(CPI) has not been shown, indicating that their influence is very insignificant. IPI not only directly affect manufacturing production but also indirectly influence manufacturing production through PPI. As a result of network analysis of the connectedness structure between IPI and PPI by item, it was analyzed that the influence was transferred to IPI → raw material type PPI → intermediate goods type PPI → final product type PPI. In addition, Using the TVP-VAR model proposed by Primiceri(2005), this study analyzed the response of domestic prices to IPI shocks in a time-varying manner to see if there were any structural changes in domestic price responses. The analysis showed that the domestic price showed no structural change.