본 논문에서는, 구조적 오차수정모형을 한국의 노동시장 자료에 적용함으로써, 실업률에 미치는 구조적 충격의 영향을 분석한다. 이를 위하여 기술력, 노동수요, 노동공급, 임금 부문에서의 충격을 정의하였으며, 이를 각각 노동생산성, 취업자 수, 실업률, 실질임금과 연결하였다. 그 결과로서, 노동수요 및 노동공급 충격이 각각 장기적 및 단기적으로 실업률에 유의한 영향을 미치는 것으로 나타났다.
본 논문에서는, 구조적 오차수정모형을 한국의 노동시장 자료에 적용함으로써, 실업률에 미치는 구조적 충격의 영향을 분석한다. 이를 위하여 기술력, 노동수요, 노동공급, 임금 부문에서의 충격을 정의하였으며, 이를 각각 노동생산성, 취업자 수, 실업률, 실질임금과 연결하였다. 그 결과로서, 노동수요 및 노동공급 충격이 각각 장기적 및 단기적으로 실업률에 유의한 영향을 미치는 것으로 나타났다.
We use a structural vector error correction model of the labor market to investigate the effect of shocks to Korean unemployment. We associate technology, labor demand, labor supply, and wage-setting shocks with equations for productivity, employment, unemployment, and real wages, respectively. Subs...
We use a structural vector error correction model of the labor market to investigate the effect of shocks to Korean unemployment. We associate technology, labor demand, labor supply, and wage-setting shocks with equations for productivity, employment, unemployment, and real wages, respectively. Subsequently, labor demand and supply shocks have significant long-run and contemporaneous effects on unemployment, respectively.
We use a structural vector error correction model of the labor market to investigate the effect of shocks to Korean unemployment. We associate technology, labor demand, labor supply, and wage-setting shocks with equations for productivity, employment, unemployment, and real wages, respectively. Subsequently, labor demand and supply shocks have significant long-run and contemporaneous effects on unemployment, respectively.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는, 구조적 충격의 개념을 VAR 모형에서 파생된 오차수정모형에 동일하게 적용하고 이를 이용하여 한국의 노동 시장 자료를 분석한다. 오차수정모형을 통하여서는 노동 시장의 각 시계열 간에 존재하는 공통 추세(common trends) 또는 공적분(cointegration) 현상을 모형화할 수 있으며, 또한 구조적 충격을 분석함으로써 노동 시장과 관련된 정책 입안자들에게 중요한 정보를 제공할 수 있을 것이다.
본 연구는 한국의 노동 시장 자료를 분석하기 위하여 기술력, 노동수요, 노동공급, 임금 부문의 구조적 충격 오차를 고려하였다. 특히, VAR 모형 자체의 모수가 가지는 한계점을 극복하기 위하여 구조적 오차수정모형을 사용하였으며, 이를 통하여 노동 시장의 각 시계열 간에 존재하는 공통 추세 또는 공적분 현상을 모형화하였으며, 각 구조적 충격 오차가 실업률에 미치는 영향을 장기적, 동시적 개념으로 분리하여 분석하였다.
본 장에서는 2장에서 설명된 구조적 오차수정모형을 이용하여, 한국의 노동시장과 관련된 거시경제변수들의 상호 연관성을 분석하고자 한다. 분석에 사용할 시계열 변수들은 노동생산성(labor productivity), 취업자 수, 실업률, 실질임금(real wages)이다.
가설 설정
1. 노동 생산성은 장기적으로 기술 충격에 의해서만 좌우된다; (ΞB)1i = 0; i = 2, 3, 4.
제안 방법
먼저, 최적의 VAR 모형의 시차를 찾기 위하여 3가지의 정보량 기준을 최대 시차 길이 8까지 계산한 결과, AIC 기준은 p = 4, Hannan-Quinn 기준은 p = 2, SBC 기준은 p = 1을 최적의 시차로 제시하였다; 단, VAR 모형에 상수항, 선형 추세, 계절 가변수를 포함하였다. 3개의 후보 시차 중에서 한가지를 선택하기 위하여 주요한 잔차 검정을 시행하였다. 먼저, 다변량 포트맨토 검정(Q16)으로 잔차의 백색잡음 만족 여부를 조사하였으며, 정규성 가정을 위하여 다변량 Jarque- Bera 검정(LJB4)을 시행하였고, 등분산성 검정을 위하여 다변량 이분산성 검정(MARCHLM(5))을 이용하였다.
실업률의 경우에는 선형추세없이 상수항과 계절 가변수만을 사용하였다. 검정에서 사용된 시차 길이는 최대 시차 길이를 8까지 고려할 경우, AIC 정보량 기준값을 최대로 하는 차분된 항의 시차 길이(Lags, number of lagged differences)를 사용하였다. 검정 결과, 모든 시계열 변수들이 단위근을 가지고 있음이 명백하다.
모든 시계열들이 단위근을 가지고 있음에 근거하여, 4개의 시계열 자료 간의 상호 연관성 및 공적분 관계를 오차수정모형으로 분석하였다. 먼저, 최적의 VAR 모형의 시차를 찾기 위하여 3가지의 정보량 기준을 최대 시차 길이 8까지 계산한 결과, AIC 기준은 p = 4, Hannan-Quinn 기준은 p = 2, SBC 기준은 p = 1을 최적의 시차로 제시하였다; 단, VAR 모형에 상수항, 선형 추세, 계절 가변수를 포함하였다.
2는 각각의 VAR 모형을 적합한 이후, 잔차에 대한 3가지 검정 결과이다. 비록, 모든 경우에 있어서 정규성 가정이 만족되지 않는 단점이 보이나, 비교적 가장 좋은 잔차 검정 결과를 보여주는 p = 4를 선택하기로 하였다.
본 연구는 한국의 노동 시장 자료를 분석하기 위하여 기술력, 노동수요, 노동공급, 임금 부문의 구조적 충격 오차를 고려하였다. 특히, VAR 모형 자체의 모수가 가지는 한계점을 극복하기 위하여 구조적 오차수정모형을 사용하였으며, 이를 통하여 노동 시장의 각 시계열 간에 존재하는 공통 추세 또는 공적분 현상을 모형화하였으며, 각 구조적 충격 오차가 실업률에 미치는 영향을 장기적, 동시적 개념으로 분리하여 분석하였다. 또한 충격반응함수를 통하여 각 구조적 오차들이 장단기적으로 어떤 영향을 미치는지 살펴보았으며, 구조적 충격의 상대적 중요성을 평가하기 위하여 예측오차 분산분해를 실시하였다.
대상 데이터
분석에 사용할 시계열 변수들은 노동생산성(labor productivity), 취업자 수, 실업률, 실질임금(real wages)이다. 각 변수들은 분기별 자료로서 한국은행의 경제통계시스템 및 통계청의 국가통계포털의 자료를 이용하여 계산되었으며, 기간은 1993년 4분기부터 2012년 4분기까지이다.
본 장에서는 2장에서 설명된 구조적 오차수정모형을 이용하여, 한국의 노동시장과 관련된 거시경제변수들의 상호 연관성을 분석하고자 한다. 분석에 사용할 시계열 변수들은 노동생산성(labor productivity), 취업자 수, 실업률, 실질임금(real wages)이다. 각 변수들은 분기별 자료로서 한국은행의 경제통계시스템 및 통계청의 국가통계포털의 자료를 이용하여 계산되었으며, 기간은 1993년 4분기부터 2012년 4분기까지이다.
데이터처리
특히, VAR 모형 자체의 모수가 가지는 한계점을 극복하기 위하여 구조적 오차수정모형을 사용하였으며, 이를 통하여 노동 시장의 각 시계열 간에 존재하는 공통 추세 또는 공적분 현상을 모형화하였으며, 각 구조적 충격 오차가 실업률에 미치는 영향을 장기적, 동시적 개념으로 분리하여 분석하였다. 또한 충격반응함수를 통하여 각 구조적 오차들이 장단기적으로 어떤 영향을 미치는지 살펴보았으며, 구조적 충격의 상대적 중요성을 평가하기 위하여 예측오차 분산분해를 실시하였다. 이러한 구조적 충격 분석이 노동 시장과 관련된 정책 입안자들에게 가치있는 정보를 제공하기를 기대한다.
3개의 후보 시차 중에서 한가지를 선택하기 위하여 주요한 잔차 검정을 시행하였다. 먼저, 다변량 포트맨토 검정(Q16)으로 잔차의 백색잡음 만족 여부를 조사하였으며, 정규성 가정을 위하여 다변량 Jarque- Bera 검정(LJB4)을 시행하였고, 등분산성 검정을 위하여 다변량 이분산성 검정(MARCHLM(5))을 이용하였다. Table 3.
성능/효과
2. 노동수요 충격은 실질임금에 영향을 줄 수 없다; 즉, B42 = 0.
검정에서 사용된 시차 길이는 최대 시차 길이를 8까지 고려할 경우, AIC 정보량 기준값을 최대로 하는 차분된 항의 시차 길이(Lags, number of lagged differences)를 사용하였다. 검정 결과, 모든 시계열 변수들이 단위근을 가지고 있음이 명백하다. 단지, 실업률의 경우, 유의수준 10%에서 단위근의 존재성이 기각될 수 있으나, 본 연구에서는 유의수준 5%를 사용하여 단위근이 있다고 판단한다.
는 오차수정항(error correction term)을 나타낸다. 공적분 관계에서 볼 때, 실업률을 제외한 모든 변수들이 유의한 영향을 미치는 것으로 보이며, 이론적인 관점과는 달리 실업률의 장기적 영향은 양의 부호를 가지나 이것은 통계적으로 유의하지 않은 것으로 나타났다. 조정계수를 보면, ect > 0일 경우(즉, 실질임금이 균형관계를 초과할 때) 노동생산량과 취업율의 증가분은 커지며 실업률의 증가분은 작아지는 것으로 추정되었다.
검정 결과, 모든 시계열 변수들이 단위근을 가지고 있음이 명백하다. 단지, 실업률의 경우, 유의수준 10%에서 단위근의 존재성이 기각될 수 있으나, 본 연구에서는 유의수준 5%를 사용하여 단위근이 있다고 판단한다.
1은 4개의 시계열 자료에 대한 시계열 도표를 그린 것이다. 실업률을 제외한 3개의 시계열 변수들은 점차로 증가하는 추세를 보이고 실업률은 증가 추세는 없으나 초반과 중후반의 평균 수준이 다른 것으로 보이며, 이를 통하여 모든 시계열들이 비정상적으로 판단된다. Table 3.
조정계수를 보면, ect > 0일 경우(즉, 실질임금이 균형관계를 초과할 때) 노동생산량과 취업율의 증가분은 커지며 실업률의 증가분은 작아지는 것으로 추정되었다.
특히, 노동수요 충격이 유의수준 5%에서 장기적으로 실업률을 유의하게 증가시키는 것으로 나타났다; (Ξ^B)32 = 0.2602.
후속연구
본 논문에서는, 구조적 충격의 개념을 VAR 모형에서 파생된 오차수정모형에 동일하게 적용하고 이를 이용하여 한국의 노동 시장 자료를 분석한다. 오차수정모형을 통하여서는 노동 시장의 각 시계열 간에 존재하는 공통 추세(common trends) 또는 공적분(cointegration) 현상을 모형화할 수 있으며, 또한 구조적 충격을 분석함으로써 노동 시장과 관련된 정책 입안자들에게 중요한 정보를 제공할 수 있을 것이다.
또한 충격반응함수를 통하여 각 구조적 오차들이 장단기적으로 어떤 영향을 미치는지 살펴보았으며, 구조적 충격의 상대적 중요성을 평가하기 위하여 예측오차 분산분해를 실시하였다. 이러한 구조적 충격 분석이 노동 시장과 관련된 정책 입안자들에게 가치있는 정보를 제공하기를 기대한다.
질의응답
핵심어
질문
논문에서 추출한 답변
벡터자기회귀모형의 장단점은?
벡터자기회귀(vector autoregressive; VAR) 모형을 통하여 손쉽게 인과관계 및 예측치를 구할 수 있음에도 불구하고 이 모형 자체의 모수들은 경제적인 의미가 없다고 알려져 있다 (Sims, 1986; Bernanke, 1986). 특히, 모형이 축소적 형태(reduced form)로서 내생변수들 사이에 존재하는 동시적인 관계를 포함하지 않는다는 점, 시계열의 배열 순서에 따라서 다른 오차항 또는 충격(shock)이 추정된다는 점, 너무 많은 계수들이 추정된다는 점 등은 VAR 모형의 주요한 한계라고 볼 수 있다.
구조적(structural) VAR 모형에서 식별을 위해 제약식 또는 가정이 필요한 이유는?
이를 극복하기 위하여 도입된 구조적(structural) VAR 모형은 모수 그 자체보다는 구조적 충격(예를 들면, 유가 충격, 환율 충격, 통화량 충격)을 식별하는데 초점을 맞추고 있다. 이것은 경제적 의미를 유도하기 위한 것으로서 직접 관찰될 수 없기 때문에, 식별을 위해서 제약식 또는 가정이 필요하다. 일반적으로 구조적 충격의 개별 오차들은 서로 공분산이 존재하지 않는 것으로 가정되며, 이 가정을 통하여 분리된 각 충격의 동태적 영향이 고려된다.
VAR 모형의 한계는?
벡터자기회귀(vector autoregressive; VAR) 모형을 통하여 손쉽게 인과관계 및 예측치를 구할 수 있음에도 불구하고 이 모형 자체의 모수들은 경제적인 의미가 없다고 알려져 있다 (Sims, 1986; Bernanke, 1986). 특히, 모형이 축소적 형태(reduced form)로서 내생변수들 사이에 존재하는 동시적인 관계를 포함하지 않는다는 점, 시계열의 배열 순서에 따라서 다른 오차항 또는 충격(shock)이 추정된다는 점, 너무 많은 계수들이 추정된다는 점 등은 VAR 모형의 주요한 한계라고 볼 수 있다.
참고문헌 (8)
Bernanke, B. (1986). Alternative explanations of the money-income correlation, Carnegie-Rochester Conference Series on Public Policy, North-Holland, Amsterdam.
Breitung, J., Bruggemann, R. and Lutkepohl, H. (2004). Structural vector autoregressive modeling and impulse responses. In H. Lutkepohl and M. Kratzig (eds.), Applied Time Series Econometrics, 159-196. Cambridge University Press, Cambridge.
Davidson, R. and MacKinnon, J. (1993). Estimation and Inference in Econometrics, Oxford University Press, London.
Hamilton, J. D. (1994). Time Series Analysis, Princeton University Press, Princeton, New Jersey.
Jacobson, T., Vredin, A. and Warne, A. (1997). Common trends and hysteresis in Scandinavian unemployment, European Economic Review, 41, 1781-1816.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.