거시경제계량학

거시경제계량학은 계량경제학과 거시경제학이 융합된 핵심 학문 분야입니다. 이 분야는 수학 통계 기법과 계량모형을 활용하여 거시경제 변수들 간의 인과관계와 동적 법칙을 정량적으로 분석하는 데 주력합니다. 또한 거시경제 정책의 전달 효과와 실행 결과를 규명하는 중요한 도구로, 거시경제 이론이 추상적인 서술을 넘어 구체적인 수치 분석으로 나아갈 수 있게 하는 다리가 됩니다. 현재 경제 예측, 정책 평가, 이론 검증 등 다양한 영역에서 광범위하게 활용되고 있습니다.

Ⅰ. 거시경제계량학의 연구 방향과 목표

1. 연구 대상의 특수성

미시계량경제학과 달리 거시계량경제학은 개별 행위자나 시장이 아닌 거시적 집계 변수를 연구 대상으로 삼습니다. 국내총생산 (GDP), 인플레이션율, 실업률, 금리, 환율, 재정 지출, 통화 공급량 등이 이에 해당합니다. 연구의 초점은 경제 시스템 전체의 운영 법칙에 맞춰져 있습니다.

2. 세 가지 핵심 목표

• 이론 검증: 거시경제 이론의 타당성을 계량모형을 통해 확인합니다. 예를 들어 필립스 곡선이 실증적으로 존재하는지, 케인즈의 소비함수가 실제 소비 행태와 일치하는지 데이터를 활용해 검증합니다.
• 구조 분석: 거시경제 변수 간 인과관계를 정량적으로 묘사하고 영향 강도를 측정합니다. 통화 공급 변화가 인플레이션에 미치는 계수를 추정하거나, 재정 지출 승수 (fiscal expenditure multiplier) 의 구체적인 수치를 계산하는 작업이 이에 속합니다.
• 정책 평가와 경제 예측: 다양한 거시 정책의 시뮬레이션을 통해 효과를 분석하고 미래 경향성을 예측합니다. 금리 인상이 경제 성장에 미치는 억제 정도나 세제 개혁이 고용 창출에 미치는 추진 효과를 정밀하게 파악하는 데 필수적입니다.

Ⅱ. 핵심 방법론과 모형 체계

통계 기술과 컴퓨팅 파워의 발전에 따라 거시계량경제학의 방법론은 고전적 선형 모형에서 동적 비선형 모형으로 진화하며 완벽한 체계를 이루었습니다.

1. 고전적 선형 회귀 모형 (기초 방법론)

변수 간 선형 관계를 설정하는 것이 핵심으로, $Y_t = \beta_0+\beta_1X_{1t}+\dots+\mu_t$ 형태를 띱니다. 여기서 $Y_t$는 설명 변수 (예: GDP 성장률), $X_{it}$는 설명 변수 (예: 투자 성장률) 를 의미합니다. 주로 단기적이고 정적인 관계를 분석하는 데 적합합니다.

2. 시계열 계량경제 모형 (핵심 모형 체계)

거시경제 데이터는 대부분 시계열 데이터로, 추세나 계절성, 자기상관 등의 특성을 보입니다. 이를 다루기 위해 다음과 같은 모형들이 발전했습니다.

• 정상성 검정 (Stationarity Test): 시계열 분석의 전제인 '정상성'을 확인합니다. ADF 검정 (Augmented Dickey-Fuller Test) 등을 통해 단위근 (unit root) 이 있는지 판별하며, 두 비정상 시열의 선형 결합이 정상적이면 공적분 (cointegration) 관계가 있다고 봅니다.
• ARMA 와 ARIMA 모형: ARMA 모형은 정상 시열의 단기 동적 법칙을 묘사하고, ARIMA 모형은 차분 (differencing) 을 통해 비정상 시열을 정상화한 뒤 예측에 사용합니다.
• 벡터 자기회귀 모형 (VAR) 과 VECM: 크리스토퍼 슨스 (Christopher Sims) 가 제안한 VAR 모형은 각 변수를 시스템 내 다른 변수의 과거 값 함수로 보며 이론적 제약 없이 다변수 동적 분석을 가능하게 합니다. 충격 반응 함수 (IRF) 와 분산 분해 분석을 통해 변수 간 동적 영향을 규명합니다. 공적분 관계가 있는 비정상 시열에는 이를 확장한 VECM 모형을 사용해 장기 균형과 단기 조정 기제를 동시에 분석합니다.
• 구조적 벡터 자기회귀 모형 (SVAR): 이론적 제약을 부과하여 구조적 충격 (예: 통화 정책 충격) 을 식별함으로써 정책의 전달 효과를 더 정확하게 분석하는 모형입니다.

3. 동적 일반균형 모형 (DSGE)

현대의 최첨단 모형인 DSGE 는 일반균형 이론과 합리적 기대 가설, 동적 최적화 기법을 통합했습니다.

• 미시적 기반: 가구의 효용 극대화와 기업의 이익 극대화를 기반으로 구축되어, 정책 변화가 미시 주체의 기대에 미치는 영향을 고려합니다 (루카스 비판 해결).
• 합리적 기대: 모든 이용 가능한 정보를 바탕으로 미래에 대한 기대를 형성하고 이것이 현재 행동에 영향을 준다고 봅니다.
• 동적 확률적 특성: 기술 충격이나 정책 충격 등 무작위 교란항을 포함해 실제 경제의 불확실성을 반영합니다. 주로 중앙은행의 금리 인상 등이 경제와 물가에 미치는 동적 영향을 시뮬레이션하는 데 쓰입니다.

Ⅲ. 주요 활용 분야

1. 경제 예측: ARIMA 나 VAR 모형을 활용해 GDP, 물가, 실업률 등 주요 거시지수의 미래 추세를 예측해 정부와 기업의 의사결정을 지원합니다.
2. 정책 평가: SVAR 나 DSGE 모형을 활용해 재정 및 통화 정책의 효과를 정량적으로 평가합니다.
3. 이론 검증: 구매력 평가 이론이 성립하는지나 화폐 중립성 가설이 맞는지 계량적 방법으로 검증합니다.
4. 거시경제 모니터링: 선지표와 동시지표를 만들어 경기 순환의 변동 (성장, 침체, 불황, 회복) 을 실시간으로 감시합니다.

Ⅳ. 한계점

• 모형 지정 편차: 변수 간 관계에 대한 가정이 현실과 다르다면 추정 결과가 왜곡될 수 있습니다.
• 데이터 품질 문제: 통계 오류나 수정, 결측치 등이 분석의 정확도에 영향을 미칩니다.
• 루카스 비판의 도전: 역사적 데이터 기반 모형은 정책 환경 변화에 따라 모수 (parameter) 가 변할 수 있어 새로운 정책을 예측하기 어렵습니다 (DSGE 로 일부 해결).
• 인과관계 식별의 어려움: 상관관계가 인과관계를 의미하지 않으며, 복잡한 변수 간 상호작용을 규명하려면 자연실험이나 도구변수법 등 정교한 식별 전략이 필요합니다.