본 연구의 목적은 외부경제요인을 고려할 수 있는 새로운 산업용지 수요예측 방법을 제시하는 것이다. 분석모형은 외생변수를 고려할 수 있는 ARIMA-X를 이용하였다. 외생변수는 경제 및 산업구조를 반영할 수 있도록 거시경제, 제조업 경기실사지수 및 경기종합지수 변수들로 구성된다. 그리고 예측은 외생변수 중 산업용지 공급보다 선행하는 변수만을 사용한다. 산업용지 공급에 선행성을 갖는 변수는 수입액, 민간·정부소비지출, 총자본형성, 경제심리지수, 기계류내수출하지수, 경기종합선행지수로 나타났다. 이들 변수를 이용하여 ARIMA-X 모형을 추정한 결과, 수입액 변수만 포함된 ARIMA-X(1,1,0) 모형이 통계적으로 유의한 것으로 나타났다. 산업용지 수요예측은 수입액의 변화 시나리오를 반영하여 2021년부터 2030년까지의 산업용지를 예측하였다. 그 결과, 장래 산업용지 수요는 연평균 1.91% 증가한 1,030.79 km2로 예측되었다. 이 결과를 기존 지수평활법과 비교한 결과, 본 연구의 결과가 기존 모형보다 예측오차가 더 적게 나타났다. 새로운 산업용지 예측모형으로 사용가능할 것으로 기대된다.
본 연구의 목적은 외부경제요인을 고려할 수 있는 새로운 산업용지 수요예측 방법을 제시하는 것이다. 분석모형은 외생변수를 고려할 수 있는 ARIMA-X를 이용하였다. 외생변수는 경제 및 산업구조를 반영할 수 있도록 거시경제, 제조업 경기실사지수 및 경기종합지수 변수들로 구성된다. 그리고 예측은 외생변수 중 산업용지 공급보다 선행하는 변수만을 사용한다. 산업용지 공급에 선행성을 갖는 변수는 수입액, 민간·정부소비지출, 총자본형성, 경제심리지수, 기계류내수출하지수, 경기종합선행지수로 나타났다. 이들 변수를 이용하여 ARIMA-X 모형을 추정한 결과, 수입액 변수만 포함된 ARIMA-X(1,1,0) 모형이 통계적으로 유의한 것으로 나타났다. 산업용지 수요예측은 수입액의 변화 시나리오를 반영하여 2021년부터 2030년까지의 산업용지를 예측하였다. 그 결과, 장래 산업용지 수요는 연평균 1.91% 증가한 1,030.79 km2로 예측되었다. 이 결과를 기존 지수평활법과 비교한 결과, 본 연구의 결과가 기존 모형보다 예측오차가 더 적게 나타났다. 새로운 산업용지 예측모형으로 사용가능할 것으로 기대된다.
The purpose of this study is to present a new industrial land demand prediction method that can consider external economic factors. The analysis model used ARIMA-X, which can consider exogenous variables. Exogenous variables are composed of macroeconomic variable, Business Survey Index, and Composit...
The purpose of this study is to present a new industrial land demand prediction method that can consider external economic factors. The analysis model used ARIMA-X, which can consider exogenous variables. Exogenous variables are composed of macroeconomic variable, Business Survey Index, and Composite Economic Index variables to reflect the economic and industrial structure. And, among the exogenous variables, only variables that precede the supply of industrial land are used for prediction. Variables with precedence in the supply of industrial land were found to be import, private and government consumption expenditure, total capital formation, economic sentiment index, producer's shipment index, machinery for domestic demand and composite leading index. As a result of estimating the ARIMA-X model using these variables, the ARIMA-X(1,1,0) model including only the import was found to be statistically significant. The industrial land demand forecast predicted the industrial land from 2021 to 2030 by reflecting the scenario of change in import. As a result, the future demand for industrial land was predicted to increase by 1.91% annually to 1,030.79 km2. As a result of comparing these results with the existing exponential smoothing method, the results of this study were found to be more suitable than the existing models. It is expected to b available as a new industrial land forecasting model.
The purpose of this study is to present a new industrial land demand prediction method that can consider external economic factors. The analysis model used ARIMA-X, which can consider exogenous variables. Exogenous variables are composed of macroeconomic variable, Business Survey Index, and Composite Economic Index variables to reflect the economic and industrial structure. And, among the exogenous variables, only variables that precede the supply of industrial land are used for prediction. Variables with precedence in the supply of industrial land were found to be import, private and government consumption expenditure, total capital formation, economic sentiment index, producer's shipment index, machinery for domestic demand and composite leading index. As a result of estimating the ARIMA-X model using these variables, the ARIMA-X(1,1,0) model including only the import was found to be statistically significant. The industrial land demand forecast predicted the industrial land from 2021 to 2030 by reflecting the scenario of change in import. As a result, the future demand for industrial land was predicted to increase by 1.91% annually to 1,030.79 km2. As a result of comparing these results with the existing exponential smoothing method, the results of this study were found to be more suitable than the existing models. It is expected to b available as a new industrial land forecasting model.
구체적으로 외생변수는 산업용지 면적변동에 영향을 줄 수 있는 다양한 경제변수 즉, 거시경제변수, 제조업경기 실사지수와 경기종합선행지수 및 그 지표들로 구성한다. 그리고 선행성을 파악하기 위한 시차 상관분 석방법을 소개한다. 다음으로 ARIMA-X 모형에 대한 일반적 구조를 설명한다.
그러나 지금까지의 산업용지 수요예측은 과거추세, 원 단위 등을 사용하거나 동일 시점에서의 경제구조를 일부 반영한 한계를 갖는다. 따라서 본 연구에서는 이러한 한계를 극복하기 위한 새로운 산업용지 면적 수요예측 방법을 제시하였다.
본 연구의 목적은 외부경제요인을 고려할 수 있는 새로운 산업용지 수요예측 방법을 제시하는 것이다. 이를 위해 본 연구는 총 5개의 장으로 구성하였다.
가설 설정
수입액의 추가예측은 성장, 중립, 감소 세 가지 가상시나리오를 가정하여 추정한다. 왜냐하면 수입액의 시나리오별 공장용지 면적에 대한 변동을 확인하고 산업용지 수급에 대한 융통성 있는 정책적 대응을 제공할 수 있기 때문이다.
제안 방법
둘째, 경제구조를 고려하였더라도 장래 변화가 아닌 과거에 대한 변화를 반영한 것이다. 따라서 본 연구에서는 경제구조를 고려한 예측모형을 구축함으로써 기존 방법과의 차별성을 둔다. 구체적으로 지침 및 수요예측에 많이 사용되는 ARIMA모형에 산업용지 변동에 선행성을 갖는 경제변수를 고려한 ARIMA-X 모형을 구축하고 적용하는 것이다.
그러므로 산업용지면적변동에 선행적으로 영향을 주는 경제변수를 찾아야 하며, 이를 위해 시차상관관계 분석이 이용된다. 마지막으로 산업용지에 영향을 주는 선행변수와 산업용지면적을 이용하여 예측을 수행한다. 이를 정리하면 [그림 1]과 같다.
예측은 산업용지와 거시경제변수, 경기 종합선행지수 및 지표, 제조업 경기실사지수 그리고 총요소생산성 중선 행성을 갖는 변수를 고려하여 추정하였다. 그 결과 ARIMA-X 모형에 수입액만을 반영하였을 경우 모형 내 모든 변수들이 통계적으로 유의한 것으로 나타났다.
대상 데이터
후자는 계획 및 개별입지 데이터만을 제공하며, 산업입지 수급계획에서도 본 자료를 사용한다. 따라서 본 연구에서는 산업용지 수요를 예측하기 위해 FactoryON에서 제공하는 데이터를 사용한다.
첫째, 자료의 구성. 산업용지 수요예측은 공장용지 면적 데이터를 사용한다. 공장용지 면적 데이터는 지목상 공장용지 면적과 FactoryON에서 얻을 수 있다.
예측은 2021년부터 2030년까지 10년을 예측한다. 예측을 위해서는 수입액에 대한 추가적인 예측이 필요하다.
데이터처리
본 연구에서는 산업용지 수요를 경제구조변화에 대응한 유도된 수요로 본다. 그러므로 산업용지면적변동에 선행적으로 영향을 주는 경제변수를 찾아야 하며, 이를 위해 시차상관관계 분석이 이용된다. 마지막으로 산업용지에 영향을 주는 선행변수와 산업용지면적을 이용하여 예측을 수행한다.
본 연구에서 제시한 예측모형이 적절한지 검토하기 위하여 기존 예측된 장철순 외(2015)와 본 연구에서 예측된 결과값의 RMSPE(Root Mean Squared Percent Error)를 비교해 본다. 왜냐하면 본 연구의 목적이 새로운 모형을 제시하는 것이므로, 기존 추정모형의 결과보다 오차가 적은지 확인이 필요하다.
이론/모형
시계열의 안정성 검정은 DF(Dickey Fuller), ADF(Augmented Dickey Fuller), PP(Phillips-Perron), Zivot-Andrews, ADF-GLS 검정 등이 이용된다. 본 연구에서는 이 중에서 ADF-GLS 검정을 이용한다. 왜냐하면 일반적으로 단위근 검정은 ADF 검정을 많이 사용하나, 이 방법의 낮은 검정력을 개선한 모형이 ADF-GLS 검정이기 때문이다.
앞서 언급하였듯이, 본 연구에서의 예측모형은 ARIMA-X 모형을 이용한다. 이 모형은 자기 시차 예측모형인 ARIMA모형을 근간으로 외생변수를 추가로 반영하는 모형이다.
성능/효과
산업용지면적 및 외생변수들에 대한 단위근 검정 결과는 [표 2]와 같다. 결과를 종합하면, 로그 차분 변수가 산업용지 면적 및 모든 외생변수에서 안정적 시계열이 되는 것으로 나타났다.
예측은 산업용지와 거시경제변수, 경기 종합선행지수 및 지표, 제조업 경기실사지수 그리고 총요소생산성 중선 행성을 갖는 변수를 고려하여 추정하였다. 그 결과 ARIMA-X 모형에 수입액만을 반영하였을 경우 모형 내 모든 변수들이 통계적으로 유의한 것으로 나타났다. 그리고 수입액을 성장, 중립, 감소시나리오로 구분하여 예측한 결과, 2030년에는 시나리오 평균 1.
그러나 증가율은 2025년 전년대비 0.37%p 급락한 후, 2026년부터 평균 –0.02%p씩 지속적으로 감소하는 것으로 나타났다.
그 결과 ARIMA-X 모형에 수입액만을 반영하였을 경우 모형 내 모든 변수들이 통계적으로 유의한 것으로 나타났다. 그리고 수입액을 성장, 중립, 감소시나리오로 구분하여 예측한 결과, 2030년에는 시나리오 평균 1.91% 증가한 1, 030.79㎢가 필요한 것으로 나타났다. 그러나 증가율은 2025년 전년대비 0.
왜냐하면, 예측의 정확도를 높이기 위해서는 추정에 사용될 데이터가 많을수록 정확도가 높아지기 때문이다. 둘째, 새로운 선행 경제변수이다. 산업용지 수요에 영향을 미치는 다른 경제변수에 대한 고려가 필요하다.
분석 결과, 산업용지면적과 수입액 변수만을 사용하였을 경우 모든 변수에서 통계적으로 유의한 것으로 나타났다. 구체적으로 AR(1) 계수는 유의한 양의 값 (0.
해외 생산활동 등의 해외 변수도 산업생산에 영향을 줄 수 있기 때문이다. 셋째, 지역별 산업별 예측이 필요하다. 왜냐하면 각 지역이 직면한 생산환경과 이에 따른 산업구조가 다르기 때문이다.
90㎢로 예측되었다. 시나리오별 결과를 종합하면 2030년 산업용지 수요는 평균 1.91% 증가한 1, 030.79㎢가 필요한 것으로 예측되었다.
본 연구의 한계와 향후 연구 방향은 다음과 같다. 첫째, 데이터 구축의 문제이다. 산업용지 수요를 예측하기 위해서는 장기 시계열 데이터가 필요하다.
후속연구
다시 말해, 산업용지 수요는 산업생산에 유발된 수요라 할 수가 있으므로, 예측은 미래 산업생산의 변화를 반영할 수 있는 모형으로 구축되어야 한다는 것이다. 따라서, 본 연구에서 제시한 산업용지 수요예측 모형은 미래 산업용지 수급량을 예측하는 데 중요한 역할을 할 것으로 판단된다.
둘째, 새로운 선행 경제변수이다. 산업용지 수요에 영향을 미치는 다른 경제변수에 대한 고려가 필요하다. 본 연구에서는 국내 경제변수인 생산, 투자, 심리지수 등을 사용하였지만, 해외투자나 외국인직접투자.
Oregon Department of Land Conservation and Development, Industrial and Other Employment Lands Analysis Guidebook, 2005.
Office of Deputy Prime Minister, Employment Land Reviews: Guidance Note, ODPM Publications, West Yorkshire, 2004.
국회예산정책처, 산업단지 공급 관련 사업의 문제점 및 개선과제, 커뮤니케이션 인맥, 2010.
김영규, 경남의 산업용지 수요예측, 경남발전연구원, 1999.
박재곤, 변창욱, "패널 공적분 관계를 이용한 산업용지 수요 예측," 응용경제, 제15권, 제1호, pp.73-101, 2013.
서울특별시, 서울특별시 산업입지 수급계획, 2015.
장철순, 류승한, 강호제, 이윤석, 김주훈, 박영철, 임영식, 허남춘, 산업입지 수급계획 수립지침 보완 및 산업단지 수급 적정화 방안 연구, 국토연구원, 2015.
이재길, R 프로그램에 기반한 시계열 자료 분석, 황소걸음아카데미 2017.
국토교통부, 산업입지수급계획 수립지침, 2017.
박범조, 응용계량경제학 R 활용, 시그마프레스, 2020.
G. G. Judge, R. C. Hill, W. E. Griffiths, H. Lutkepohl, and T. C. Lee, Introduction to the theory and practice of econometrics 2nd edition, John Wiley&Sons, 1988.
Greater London Authority, Industrial and arehousing Land Demand in London, 2004.
W. H. Greene, Econometrics Analysis 4th edition, Prentice Hall Inc, 2000.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.