가구당 월평균 가계소득은 그룹(지역)별, 시간별로 다양한 원인에 의해서 가게소득 결정요인이 이루어지고 있어 복잡성을 띠고 있다. 본 연구에서는 복잡성을 띠고 있는 월평균 가계소득에 관련된 제 변인들을 파악하기 위해 패널 데이터를 이용한 연구 모형을 설정하고 이를 통해 가계소득에 결정적으로 영향을 미치는 제 변인에 대하여 조사, 분석, 검증한다. 본 연구는 3그룹(전국, 6개 광역시, 서울)을 분석대상으로 하였다. 분석기간은 2005년 1월부터 2009년 9월까지의 자료를 이용하였고. 월평균 가계 소득액을 종속변수로 설정하고 물가의 대용 변수로서 소비자물가지수, 주택매매가격지수, 경기변수로서 선행종합지수, 금리 및 증권변수로서 주택담보대출 과 종합주가지수 사회현상 변수로서 고용률, 보건 의료비 지출률을 설명(독립)변수로 투입하였다. 월평균 가계소득 요인을 추정한 결과 선행(경기)종합지수와 주택담보 대출은 정(+)의 영향을 미치는 유의한 변수로 나타나고 고용률, 주택매매가격지수와 보건의료비 지출률은 음(-)의 영향을 나타내는 유의적인 변수이지만 소비자물가지수와 종합주가지수는 음(-)의 영향을 나타내는 비유의적인 변수로서 월평균가계소득에는 큰 영향을 주지는 않은 것으로 나타났다.
가구당 월평균 가계소득은 그룹(지역)별, 시간별로 다양한 원인에 의해서 가게소득 결정요인이 이루어지고 있어 복잡성을 띠고 있다. 본 연구에서는 복잡성을 띠고 있는 월평균 가계소득에 관련된 제 변인들을 파악하기 위해 패널 데이터를 이용한 연구 모형을 설정하고 이를 통해 가계소득에 결정적으로 영향을 미치는 제 변인에 대하여 조사, 분석, 검증한다. 본 연구는 3그룹(전국, 6개 광역시, 서울)을 분석대상으로 하였다. 분석기간은 2005년 1월부터 2009년 9월까지의 자료를 이용하였고. 월평균 가계 소득액을 종속변수로 설정하고 물가의 대용 변수로서 소비자물가지수, 주택매매가격지수, 경기변수로서 선행종합지수, 금리 및 증권변수로서 주택담보대출 과 종합주가지수 사회현상 변수로서 고용률, 보건 의료비 지출률을 설명(독립)변수로 투입하였다. 월평균 가계소득 요인을 추정한 결과 선행(경기)종합지수와 주택담보 대출은 정(+)의 영향을 미치는 유의한 변수로 나타나고 고용률, 주택매매가격지수와 보건의료비 지출률은 음(-)의 영향을 나타내는 유의적인 변수이지만 소비자물가지수와 종합주가지수는 음(-)의 영향을 나타내는 비유의적인 변수로서 월평균가계소득에는 큰 영향을 주지는 않은 것으로 나타났다.
Households' monthly average income is composed of various factors. This study paper studies focuses on estimating the determinants of a households' monthly average income. The region for analysis consist of three groups, that is, the whole country, a metropolitan city(such as Busan, Daegu, Incheon, ...
Households' monthly average income is composed of various factors. This study paper studies focuses on estimating the determinants of a households' monthly average income. The region for analysis consist of three groups, that is, the whole country, a metropolitan city(such as Busan, Daegu, Incheon, Gwangiu, Daejeon, Ulsan.) and Seoul. Analyzing period be formed over a 57 time points(2005. 01~2009. 09). In this paper the dependent variable setting up the households' monthly average income, explanatory (independent) variables are composed of the consumer price index, employment to population ratio, Index of housing sale price, the preceding composite index, loans of housing mortgage, spending rate for care medical expense and the composite stock price index. In looking at the factors which determine the monthly average income, evidence was produced supporting the hypothesis that there is a significant positive relationship between the composite index and housing loans. The study also produced evidence supporting the view that there is a significant negative relationship between employment ratios, the house sale pricing index and spending rates for care or medical needs. The study found that the consumer price index and composite stock price index were not significant variables. The implications of these findings are discussed for further research.
Households' monthly average income is composed of various factors. This study paper studies focuses on estimating the determinants of a households' monthly average income. The region for analysis consist of three groups, that is, the whole country, a metropolitan city(such as Busan, Daegu, Incheon, Gwangiu, Daejeon, Ulsan.) and Seoul. Analyzing period be formed over a 57 time points(2005. 01~2009. 09). In this paper the dependent variable setting up the households' monthly average income, explanatory (independent) variables are composed of the consumer price index, employment to population ratio, Index of housing sale price, the preceding composite index, loans of housing mortgage, spending rate for care medical expense and the composite stock price index. In looking at the factors which determine the monthly average income, evidence was produced supporting the hypothesis that there is a significant positive relationship between the composite index and housing loans. The study also produced evidence supporting the view that there is a significant negative relationship between employment ratios, the house sale pricing index and spending rates for care or medical needs. The study found that the consumer price index and composite stock price index were not significant variables. The implications of these findings are discussed for further research.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
설명변수와 종속변수 간에 횡단면적 차이 및 시계열적 차이가 없다고 가정하는 통합회귀모형). OWECR 모형 및 이 모형에 적용된 고정모형 및 임의모형 중심으로 분석하여 본 논문의 목적을 달성하고자 한다. 따라서 각 모형에 대한 분석결과는 표 2와 같다.
권남훈⋅고상원은 기업 R&D투자에 대한 정부 직접 보조금의 효과에 대하여 연구하였다.
월평균 가계소득은 복잡하고 그룹(지역)별, 시간별로 다양한 원인에 의해서 투자 결정이 이루어 질 수 있다. 본 연구는 월평균 가계소득을 결정 할 수 있는 모형을 설정하고 패널 데이터 모형의 추정을 통해 월평균 가계소득 결정요인을 파악하는데 연구의 목적을 두었다.
Log-Likelihood Ratio 검정에서 상수항만을 고려한 모형(Model 1), 그룹 개별특성효과만을 고려한 모형(Model 2), 설명변수만을 고려한 모형(Model 3), 설명변수와 개별 그룹 특성효과를 동시에 고려한 모형(Model 4)의 각 모형 중에서 어떤 모형이 우수한지를 평가 할 필요가 있다. 본 연구에서는 Log-Likelihood와 결정계수 R2(R-square)를 이용하여 평가하고자 한다. 평가한 결과는 표 3에 제시 하였다.
본 연구에서는 가계소득 특성 결정요인을 추정, 분석함에 있어서 패널데이터모형(Panel data model)을 적용하고자 한다. 패널데이터모형은 시계열 자료와 횡단면 자료에 비해 자료 분석 결과 측면에서 볼 때 많은 장점을 가지고 있다.
본 연구에서는 다양하고 높은 유용성을 가진 패널자료 모형을 적용하여 3그룹(전국, 6개 광역시(부산, 대구, 인천, 광주, 대전, 울산), 서울)을 대상으로 소비자물가지수(단위 : 2005=100), 주택매매가격지수(2008.12=100)와 선행(경기)종합지수(2005=100),주택담보대출(연리%),종합주가지수(연월말, 1980.01.04=100), 고용률 (%), 보건의료비 지출률(연 %, 전국) 등과의 관계를 파악함으로서 가구당 월 평균 가계소득에 유효하게 영향력을 행사하는 제결정 요인에 대하여 조사, 분석하고자 한다.
연구는 OWECR모형의 고정 확률모형 중심으로 해석을 전개하고자 한다. 따라서 도출된 월평균 가계소득 결정요인 추정 식은 표 2에 요약된 것처럼 다음과 같다.
제안 방법
또한, 신영상은 가계부채의 빠른 증가와 대출금리 상승으로 국내가계는 가계부실 가능성도 있는 것으로 평가하였다. 그리고 경기의 흐름을 파악하고자 하는 종합경기지표인 선행(경기)종합지수도 가계소득 결정요인에 영향을 줄 것으로 판단하여 또, 하나의 독립변수로 선정하였고 종합주가지수는 우리나라 경제를 총체적으로 보여주는 지표이기 때문에 종합주가지수 하나만 보면 그 나라의 경제상황을 알 수 있기 때문에 가계소득에 영향을 미칠 수 있으므로 또 하나의 변수로 선정 하였다. 이와 관련된 연구결과로 김희철⋅박형근은 국내일반은행 연체율 요인을 추정한 결과 경기종합지수와 종합주가지수는 음(-)의 영향을 나타내는 유의적인 변수라고 설명하고 있고 성영애⋅최현자는 가계의 채권 보유여부와 은행부채보유여부, 그리고 보험보유여부와 기타금융기관부채보유 여부 간에 정적 상관관계가 있는 것으로 분석되었다.
독립변수들과 종속변수와의 관계를 선형관계로 정리하고 이에 대한 패널 분석을 시행하기 위하여 고전적 회귀분석에서 자주 발생하는 문제점중의 하나인 이분산성(Heteroscedasticity)을 해소하고자 다음과 같은 로그형 모형을 선택하였다.
이와 관련된 연구결과로 심종원⋅정의철⋅정현정(2009)[13]의 그랜져 인과관계 분석 결과 실업률 변화는 소비자물가지수 변화율을 가져오고 이는 대출금리 변화를 가져온다고 하였다. 또한, 신영상은 가계부채의 빠른 증가와 대출금리 상승으로 국내가계는 가계부실 가능성도 있는 것으로 평가하였다. 그리고 경기의 흐름을 파악하고자 하는 종합경기지표인 선행(경기)종합지수도 가계소득 결정요인에 영향을 줄 것으로 판단하여 또, 하나의 독립변수로 선정하였고 종합주가지수는 우리나라 경제를 총체적으로 보여주는 지표이기 때문에 종합주가지수 하나만 보면 그 나라의 경제상황을 알 수 있기 때문에 가계소득에 영향을 미칠 수 있으므로 또 하나의 변수로 선정 하였다.
본 연구에서는 월평균 가계소득 결정요인을 추정하기 위하여 사용된 자료는 월평균 가계소득액을 종속변수로 독립변수는 소비자물가지수(단위 : 2005=100), 고용률(%), 주택매매 가격지수(2008.12=100), 선행(경기)종합지수(2005=100), 주택담보대출(연리％), 종합주가지수(연 월말,1980.1.4=100), 보건 의료비 지출률( 연 %)을 사용하였다. 이러한 결정요인을 추정하기 위하여 분석기간은 2005년 1월부터 2009년 09월 (57시점, 월별) 까지 이다.
본 연구에서 사용된 독립변수들 중에서 소비자물가지수는 도시가계의 평균적인 생계비나 화폐의 구매력 변동 등을 측정할 수 있는 지수이고 고용률은 15세 이상 인구중에서 취업자가 얼마나 되는가를 나타내는 지표로 늘어나는 인구에 대한 일자리 공급 정도를 파악할 수 있는 지표이고 주택경기와 대출은 높은 동행성 속성을 가지고 있기 때문에 즉, 주택을 담보로 사용될 수 있으므로 집값 상승은 대출 확대를 통해 다시 집에 대한 수요를 유발하는 일종의 금융가속기 역할을 한다. 이런 결과로 인해 물가의 대용변수로 소비자 물가지수를, 경제활동을 대표해서 고용률을 독립변수로 사용하였고 금리를 대표해서 주택담보대출 및 주택매매가격지수를 선정하여 독립변수로 채택하였다. 이와 관련된 연구결과로 심종원⋅정의철⋅정현정(2009)[13]의 그랜져 인과관계 분석 결과 실업률 변화는 소비자물가지수 변화율을 가져오고 이는 대출금리 변화를 가져온다고 하였다.
대상 데이터
본 연구는 3 그룹(전국, 6개 광역시(부산, 대구, 인천, 광주, 대전, 울산), 서울)을 분석대상으로 하였다. 분석기간은 2005년 1월부터 2009년 9월까지의 57시점 동안의 월별자료 및 분기별 자료를 이용하였다.
본 연구는 3 그룹(전국, 6개 광역시(부산, 대구, 인천, 광주, 대전, 울산), 서울)을 분석대상으로 하였다. 분석기간은 2005년 1월부터 2009년 9월까지의 57시점 동안의 월별자료 및 분기별 자료를 이용하였다.
4=100), 보건 의료비 지출률( 연 %)을 사용하였다. 이러한 결정요인을 추정하기 위하여 분석기간은 2005년 1월부터 2009년 09월 (57시점, 월별) 까지 이다. 한 편, 본 연구에서는 통계청 국가통계포털 사이트[14]을 통해서 신뢰성 있는 자료를 분기별 자료는 월별 단위로 확대 해석하여 사용하였다.
이러한 결정요인을 추정하기 위하여 분석기간은 2005년 1월부터 2009년 09월 (57시점, 월별) 까지 이다. 한 편, 본 연구에서는 통계청 국가통계포털 사이트[14]을 통해서 신뢰성 있는 자료를 분기별 자료는 월별 단위로 확대 해석하여 사용하였다. 종속변수로 사용된 3개 그룹의 월평균 가계 소득액은 표 1에 요약 되었다.
데이터처리
본 연구에서 적용된 패널 데이터 모형 중에서 각 모형들 간의 차이 검증은 Log-Likelihood Ratio 검정을 통하여 시행 되었다. Log-Likelihood Ratio 검정에서 상수항만을 고려한 모형(Model 1), 그룹 개별특성효과만을 고려한 모형(Model 2), 설명변수만을 고려한 모형(Model 3), 설명변수와 개별 그룹 특성효과를 동시에 고려한 모형(Model 4)의 각 모형 중에서 어떤 모형이 우수한지를 평가 할 필요가 있다.
이론/모형
본 연구에서는 (2)식을 기초로 하여 패널데이터모형을 적용하여 분석을 실시한다. 그리고 오차항은 그룹특성효과(specific effects)와 교란항으로 분석하여 분해하는 OWECR 모형(One-Way Error Component Regression Model)으로 분석하고 이때 각 모형에 대한 고정효과모형(Fixed effect model)과 임의효과모형(Random effect model)을 추출하여 분석할 수 있다[17].
본 연구에서는 (2)식을 기초로 하여 패널데이터모형을 적용하여 분석을 실시한다. 그리고 오차항은 그룹특성효과(specific effects)와 교란항으로 분석하여 분해하는 OWECR 모형(One-Way Error Component Regression Model)으로 분석하고 이때 각 모형에 대한 고정효과모형(Fixed effect model)과 임의효과모형(Random effect model)을 추출하여 분석할 수 있다[17].
본 연구에서는 실증분석을 위하여 LIMDEP 8.0 소프트웨어를 이용하였다[2, 8, 17, 18]. 월평균 가계소득 결정요인 추정에 있어서 본 논문은 POLS 모형(Pooled ordinary least square model모형.
성능/효과
성영애⋅최현자(2000)[9]는 소득 및 자산이 가계부채의 보유결정에 미치는 영향 요인을 연구하였다. 가계소득규모는 대부분의 주요 부채 유형 보유여부와 무관한 것으로 나타났으나, 소득자 수가 많음에 따라 은행 및 기타 금융기관으로부터의 부채를 보유할 가능성은 높아지는 것으로 분석되었다. 또한 자가를 보유하고 있는 것이 부채보유와 유의한 관련이 있으며, 가계의 채권 보유여부와 은행부채보유여부, 그리고 보험보유여부와 기타금융기관부채보유 여부 간에 정적 상관 관계가 있는 것으로 분석되었다.
이 결과는 경기가 좋아지면 그만큼 가계소득 상승에 기여한다고 할 수 있고 최근 연구동향에서 성영애⋅최현자는 소득자수가 많음에 따라 은행 및 기타금융기관으로부터의 부채를 보유할 가능성은 높아지는 것으로 분석되었다. 따라서 주택담보 대출금리가 상승하면 이 금리에 대응하기 위한 소득 증가 유발효과가 나타나 주택담보 대출 금리가 1% 상승하는 상황이 되면 가계소득도 0.002% 상승 되는 패턴이 나타난다고 판단 할 수 있다. 음(-)의 영향을 주는 유의한 인자로서 고용률 , 주택매매가격지수 와 보건 의료비 지출 율이 악영향으로 나타나고 있다.
또, 김태구⋅서용건은 패널 데이터 모형을 적용한 호텔 외국인 객실 수요 결정요인 추정에 관한 연구를 하였는데 이 연구에서 패널 데이터 모형(Panel data model)은 시계열 자료와 횡단면 자료에 비해 패널 자료가 분석 결과 측면에서 더 많은 유용한 정보를 제공할 수 있다고 하였다.
가계소득규모는 대부분의 주요 부채 유형 보유여부와 무관한 것으로 나타났으나, 소득자 수가 많음에 따라 은행 및 기타 금융기관으로부터의 부채를 보유할 가능성은 높아지는 것으로 분석되었다. 또한 자가를 보유하고 있는 것이 부채보유와 유의한 관련이 있으며, 가계의 채권 보유여부와 은행부채보유여부, 그리고 보험보유여부와 기타금융기관부채보유 여부 간에 정적 상관 관계가 있는 것으로 분석되었다. 그리고 지은정(2004)[10]은 의료비 지출이 높은 그룹은 건강이 악화되면 직업지위까지 변화시킬 수 있다.
본 연구에서 OWECR에 의한 그룹 특성효과를 표 4에 제시되었는데 추정된 계수값은 유의수준 1%에서 모든 형태가 유의적으로 나타났다. 추정된 계수값은 서울(그룹)의 계수값(2.
본 연구에서는 복잡하고 다양한 월평균 가계소득 결정 요인에 대하여 관찰되지 않은 효과를 패널 데이터를 활용해 통제해줌으로서 누락변수에 따르는 통계적 위험을 일정부분 해소 할 수 있었고 복잡한 메카니즘을 가지고 있는 월평균 가계소득 결정요인에 있어서 패널 데이터 분석이 얼마나 효율적인지를 그룹특성 분석과 모형별 우수성 평가를 통하여 단적으로 확인 할 수 있었다.
셋째, 문화산업(예를 들면 엔터테인먼트 산업 과 인터넷 비즈니스 산업) 분야도 오래전부터 가계소득에 영향을 미치기 때문에 필수적인 변수로 추가 되어야 한다.
이 결과는 경기가 좋아지면 그만큼 가계소득 상승에 기여한다고 할 수 있고 최근 연구동향에서 성영애⋅최현자는 소득자수가 많음에 따라 은행 및 기타금융기관으로부터의 부채를 보유할 가능성은 높아지는 것으로 분석되었다.
평가한 결과는 표 3에 제시 하였다. 이 표에서 설명변수와 개별그룹특성효과를 동시에 고려한 모형(Model 4)은 LogLikelihood가 896.307 , 결정계수 R2가 0.7547 으로 나타나 상대적으로 우수한 모형으로 평가 되었다. 즉, 설명변수 및 그룹특성효과를 동시에 고려한 모형인 패널자료모형이 우수하고 합리적임을 보여주고 있다.
87값으로 높게 나타났다. 이러한 결과는 그 룹 더미(Dummy) 없는 POLS 모형보다 OWECR모형 이 더 적합한 모형임을 의미한다. 또한 전체적인 계수 값의 유의성과 고정효과모형과 임의효과모형 중 적합한 모형을 채택하기 위한 Hausman검정[17]을 통해 판단해야 되는데 데이터의 특수성(예를 들면 분석기간 동안 각 그룹에 같은 종합주가지수 등을 반영) 때문에 OWECR 모형 중에서 임의효과모형과 고정효과모형 중에서 어떤 모형이 데이터 적합도가 우수한 모형인가를 판단하기는 무리가 따른다(추정된 계수도 거의 동일).
이 결과는 경기가 좋아지면 그만큼 가계소득 상승에 기여한다고 할 수 있고 최근 연구동향에서 성영애⋅최현자는 소득자수가 많음에 따라 은행 및 기타금융기관으로부터의 부채를 보유할 가능성은 높아지는 것으로 분석되었다. 따라서 주택담보 대출금리가 상승하면 이 금리에 대응하기 위한 소득 증가 유발효과가 나타나 주택담보 대출 금리가 1% 상승하는 상황이 되면 가계소득도 0.002% 상승 되는 패턴이 나타난다고 판단 할 수 있다. 음(-)의 영향을 주는 유의한 인자로서 고용률 , 주택매매가격지수 와 보건 의료비 지출 율이 악영향으로 나타나고 있다.
그리고 채구묵(2007)[4]은 IMF 관리체제 전후의 소득불평등 원인에 대한 분석을 위해 1995-2004년간의 반기 자료를 이용해 분석한 결과, 소득불평등 척도를 파악하는 지니계수에는 실업률, 비정규직비율, 대‧소기업임금비율이 유의미한 영향을 미치는 것으로 나타났다고 하였다. 즉 실업률, 비정규직비율, 대‧소기업임금비율이 높을수록 지니계수가 높아지는 것으로 나타났다고 하고 각 변수의 영향을 비교해보면 실업률, 비정규직비율, 대‧소기업임금비율 순으로 크게 영향을 미치는 것으로 나타났다고 하여 실업률 및 비정규직비율의 중요성을 강조하고 있다. 남상섭(2009)[5]은 가계자산의 불평도는 주로 부동산 분배의 불평도에 의해 결정되고 금융자산 분배에 의한 영향력은 상대적으로 작다고 하였다.
7547 으로 나타나 상대적으로 우수한 모형으로 평가 되었다. 즉, 설명변수 및 그룹특성효과를 동시에 고려한 모형인 패널자료모형이 우수하고 합리적임을 보여주고 있다.
즉, 월평균 가계소득 결정요인을 추정하는데 있어서 7개의 독립변수 중에서 선행(경기)종합지수와 주택담보대출변수는 유의수준 1%에서 유의적인 정(+)의 영향을 미치는 것으로 나타나고 있다. 이 결과는 경기가 좋아지면 그만큼 가계소득 상승에 기여한다고 할 수 있고 최근 연구동향에서 성영애⋅최현자는 소득자수가 많음에 따라 은행 및 기타금융기관으로부터의 부채를 보유할 가능성은 높아지는 것으로 분석되었다.
표 2의 추정 결과표에서 Lagrange Multiplier(LM) 검정 통계량을 적용하였는데 1%유의수준에서 OWECR모형은 583.87값으로 높게 나타났다. 이러한 결과는 그 룹 더미(Dummy) 없는 POLS 모형보다 OWECR모형 이 더 적합한 모형임을 의미한다.
후속연구
둘째, 모형 측면에서 고정효과모형과 임의효과모형 중 적합한 모형을 채택하기 위한 Hausman검정을 통해 판단해야 되는데 데이터의 특수성(예를 들면 분석기간 동안 각 그룹에 같은 종합주가지수를 반영) 때문에 OWECR모형 중에서 임의효과모형과 고정효과모형 중에서 적합한 모형 선택의 어려움을 해소하기는 무리가 따른다고 판단된다.
이상에서 살펴보았듯이 가계소득이 그룹별과 시간별로 물가와 금리, 증권변수 및 사회현상 변수 에 미치는 영향이 지대함에도 불구하고 가계소득 변화에 따른 대응 형태에 대한 개별 그룹의 패널 자료를 사용한 동태적 분석을 한 연구는 거의 없는 실정 이다. 이러한 접근은 국내의 가계소득에 영향을 미치는 제 변인에 대한 이해를 증진시켜주는 계기를 마련해 줄 것이라 기대된다.
향후 관련연구의 방향은 위에서 기술한 한계들을 극복하면서 이루어 질 필요가 있으며 정책적인 활용도를 높이기 위해서는 보다 많은 실증연구가 이루어져야 하겠다.
질의응답
핵심어
질문
논문에서 추출한 답변
다양한 가구당 월 평균 가계소득 특성들의 결정요인을 추정할 때 어떤 어떤 것에 의존하게 되는가?
이러한 다양한 가구당 월 평균 가계소득 특성들을 이용하여 다양한 결정요인을 추정하는 연구는 일반적으로 등분산성, 독립성, 정규성 등의 가정과 다중 공산성 등을 해소하려고 노력하는 회귀모형에 의존하게 된다. 이러한 회귀문제에 대한 문제점을 해소하는 연구는 많이 이루어져 있지만 다양한 월 평균 가계소득 특성들에 대한 모형평가의 문제도 제기 할 수 있으리라 판단된다.
가구당 월평균 가계소득의 결정요인은 무엇에 의해 좌우되는가?
가구당 월평균 가계소득은 그룹(지역)별, 시간별로 다양한 원인에 의해서 가게소득 결정요인이 이루어지고 있어 복잡성을 띠고 있다. 본 연구에서는 복잡성을 띠고 있는 월평균 가계소득에 관련된 제 변인들을 파악하기 위해 패널 데이터를 이용한 연구 모형을 설정하고 이를 통해 가계소득에 결정적으로 영향을 미치는 제 변인에 대하여 조사, 분석, 검증한다.
가계소득 특성 결정요인 추정·분석 시 패널데이터모형(Panel data model)을 적용하는 것의 장점은?
패널데이터모형은 시계열 자료와 횡단면 자료에 비해 자료 분석 결과 측면에서 볼 때 많은 장점을 가지고 있다. 즉, ① 패널데이터모형은 정보측면에서 시계열 측면과 횡단면 측면을 동시에 고려함으로서 시계열 측면이나 횡단면 측면만 분석하는 것보다 더 많은 유용한 정보를 제공할 수 있는 모형이다. ② 패널데이터모형은 분석과정에서 시차변수를 횡단면 자료와 함께 사용함으로서 시계열 자료가 흔히 발생하기 쉬운 다중 공선성을 감소시켜 주는 모형이다. ③패널데이터모형에 의한 분석은 자유도를 증가시킴으로서 모수 추정치의 효율성을 향상 시킬 수 있게 해준다(김태구⋅서용건, 2007[2]).
※ AI-Helper는 부적절한 답변을 할 수 있습니다.