VAR 모델의 완전한 모델링 단계와 프로세스

벡터 자기회귀 (VAR) 모델은 현대 경제학계 분석의 핵심 도구로, 여러 시계열 변수 간의 동적 관계를 규명하는 데 필수적입니다. 이 모델은 인플레이션, 국내총생산 (GDP) 성장률, 금리 등 다양한 경제 지표가 시간에 따라 어떻게 상호작용하는지를 파악할 수 있게 해줍니다. 신뢰할 수 있는 실증 결과를 도출하려면 데이터 수집부터 검증까지의 전 과정에 걸쳐 엄격한 방법론이 적용되어야 합니다.

데이터 수집 및 전처리

VAR 모델 구축의 첫 번째이자 가장 결정적인 단계는 고품질 데이터의 수집과 준비입니다. 이 모델은 서로 동시적으로 상관관계를 가진 다변량 시계열 데이터를 필요로 합니다. 경제 현상의 역학을 제대로 포착하려면 분기별 또는 월별과 같은 높은 주기로 측정된 데이터가 필수적입니다.데이터 출처는 정부 통계, 금융 데이터베이스 및 전문 경제 연구 저장소 등을 포함합니다.

분석 전 데이터는 일관성과 정확성을 확보하기 위해 정제, 누락값 보정 및 변환이 필요합니다. 이는 누락값 처리, 이상치 제거 및 변수의 스케일 표준화 등을 포함합니다. 또한 데이터의 시간 범위를 고려해야 하며, 지연 기간 (lag length) 의 선택이 모델 성능에 큰 영향을 미치기 때문입니다. 거시경제 데이터에는 보통 5 개기의 지연 기간이 사용되지만, 미시경제 데이터에서는 짧은 지연 기간이 적합할 수 있습니다. 적절한 시간 창을 선택하지 않으면 모델이 과적합되거나 부적합될 수 있으므로 주의가 필요합니다.

변수 선정 및 모델 사양화

데이터 준비가 완료되면 관련 변수를 식별하는 단계로 넘어갑니다. 이 과정은 경제 이론과 실증적 고려사항에 의해 안내됩니다. 분석가들은 다른 변수들에 의해 공동으로 영향을 받을 가능성이 높은 변수를 선정하고, 모델의 설명력을 높이지 않는 변수는 제외해야 합니다.

변수 선정은 그랑저 인과성 테스트와 같은 진단 검정으로 지원될 수 있습니다. 이 검정은 한 변수의 과거 값이 다른 변수의 예측을 개선하는지 평가합니다. 그러나 이러한 검정은 관계의 중요성을 과장할 수 있으므로 신중히 사용해야 합니다. 대신 분석가들은 모델의 복잡성과 설명력을 균형 있게 유지하기 위해 정보 기준 (예: AIC, BIC) 을 활용할 수 있습니다.

모델 사양화는 지연 기간의 수와 외생 변수의 포함 여부를 정의하는 것을 포함합니다. 지연 기간 수는 변수의 자기상관 함수 (ACF) 와 부분 자기상관 함수 (PACF) 를 검토하여 결정됩니다. 일반적인 접근법은 작은 수의 지연 기간부터 시작해 ACF 가 절단되는 지점까지 점진적으로 증가시키는 것입니다. 이는 모델이 핵심 역학을 포착했음을 의미합니다. 또한 정책 개입이나 외부 충격과 같은 외생 변수를 포함함으로써 모델의 설명 능력을 향상시킬 수 있습니다.

추정 및 모델 적합

추정 단계에서는 적절한 통계 방법을 사용하여 VAR 모델을 데이터에 적합합니다. 가장 일반적인 방법은 최소제곱법 (OLS) 으로, 선형성과 등분산성을 가정합니다. 그러나 다중공선성 및 내생성 문제 때문에 OLS 만이 항상 VAR 모델에 적합하지는 않습니다. 이러한 도전을 해결하기 위해 최대우도 추정법 (MLE) 또는 도구변수법 (IV) 같은 고급 기법을 사용할 수 있습니다.

추정 과정에서는 모델의 계수들이 통계적으로 유의미한지 확인하고 과적합이 없는지 주의 깊게 살펴봐야 합니다. 자기상관 검정인 도빈 - 와트슨 검정 및 시계열 상관 검정인 브루슈 - 고드프리 검정 같은 모델 진단은 가정의 유효성을 검증하는 데 필수적입니다. 만약 자기상관이 감지되면 지연 기간을 늘리거나 다른 추정 기법을 사용하여 모델을 조정할 수 있습니다.

검증 및 진단

추정 후 모델은 외부 샘플 테스트와 진단 검정을 통해 견고성을 검증합니다. 외부 샘플 테스트는 데이터셋을 학습 세트와 테스트 세트로 나누어, 모델이 역사적 데이터를 과적합하지 않고 미래 값을 예측할 수 있는지 평가합니다.

진단 검정을 통해 모델의 적합도를 평가하고 잠재적인 문제를 식별합니다. 모델의 잔차는 자기상관, 이분산성 또는 비선형성 등의 패턴을 확인하여 모델 사양화 오류를 나타낼 수 있는지 살펴봅니다. 충격 반응 분석과 분산 분해도 또한 중요하며, 변수 간의 동적 관계를 통찰력을 제공합니다. 예를 들어, 충격 반응 그래프는 한 변수에 충격을 가했을 때 시스템에 미치는 시간의 흐름에 따른 영향을 보여주며, 분산 분해는 각 변수의 분산을 모델의 파라미터에 귀속되는 구성 요소로 나누어 분석합니다.

결론

VAR 모델의 구축 과정은 각 단계에서 세심한 주의를 요구하는 복잡하고 반복적인 작업입니다. 데이터 수집, 변수 선정, 추정 및 검증까지 모든 단계가 모델의 정확성과 신뢰성을 보장하는 데 중요한 역할을 합니다. VAR 모델링에 적용되는 엄격한 방법론은 실증 연구의 신뢰성을 높일 뿐만 아니라 정책 입안자와 연구자들에게 경제 시스템의 역동에 대한 귀중한 통찰력을 제공합니다. 모델 사양화와 진단에 대한 최선의 관행에 준함으로써 분석가들은 통계적으로 타당하고 경제적으로 의미 있는 모델을 생성할 수 있습니다. 경제 데이터가 계속 복잡해짐에 따라 잘 구조화되고 투명한 모델링 과정의 중요성은 거시경제 현상을 이해하는 데 더욱 중요해질 것입니다.