Mixed Frequency Stochastic Frontier Model: with application to the linkage of weather extremes and firm efficiency

기술 요약: 기상 극한 현상과 기업 효율성 간의 연계에 대한 적용을 포함한 혼합 빈도 확률적 프런티어 모델

문제 제기
본 논문은 환경적 충격이 포함된 패널 데이터에 적용되는 확률적 프런티어 분석(SFA)에서 나타나는 두 가지 지속적인 방법론적 과제를 다룹니다:

1. "잘못된 왜도(Wrong Skewness)" 및 수렴 문제: 전통적인 SFA 모델은 비효율성 항에 대해 일반적으로 반정규 분포(half-normal) 또는 절단 정규 분포(truncated normal)를 가정합니다. 데이터가 양의 왜도(positive skewness)를 보이는 경우(규제 산업이나 비효리적인 기업의 진입이 차단된 상황에서 흔히 발생함), 최대 가능도 추정법(MLE)은 자주 수렴에 실패하거나 특이 정보 행렬(singular information matrices)을 생성하여, 편향된 효율성 추정치(종종 1로 수렴함)를 도출하게 됩니다.
2. 혼합 빈도 데이터 문제: 기업 수준의 생산 지표(투입 및 산출)는 일반적으로 저빈도(예: 연간)로 관측되는 반면, 비효율성의 결정 요인인 극단적인 기상 현상(태풍, 강우량)은 고빈도 변동성(예: 월간 또는 일간)을 보입니다. 저자들은 고빈도 데이터를 저빈도 생산 데이터에 맞추기 위해 데이터를 집계하는 기존 방식이 상당한 정보 손실을 초축한다고 주장합니다. 극단적인 기상 현상을 집계하는 것(예: 월평균 풍속 계산)은 드물지만 파괴적인 사건의 영향을 중화시켜, 운영 비효율성에 미치는 실제 효과를 가려버립니다.

방법론
저자들은 고빈도 공변량을 시간적 집계 없이 비효율성 방정식에 직접 통합하는 새로운 **혼합 빈도 확률적 프런티어 모델(VF-SFM)**을 제안합니다.

• 모델 명세:

  • 생산 함수: 로그 형태의 표준 코브-더글라스(Cobb-Douglas) 생산 함수를 명시하여 노동 및 자본 투입과 산출(총 영업 수익)을 연결합니다. 모델에는 생산의 시간적 의존성을 포착하기 위한 자기회귀 항이 포함됩니다.
  • 비효율성 방정식: 비효율성 항($u_{it}$)에 대해 특정 분포를 가정하는 대신, 저자들은 **로지스틱 함수(logistic function)**를 통해 비효율성을 명시합니다. 이는 제한적인 분포 가정 없이 비효율성 항의 비음성(non-negativity)을 보장합니다.
  • 비모수적 통합: 고빈도 기상 변수(최대 월간 강우량 및 최대 지속 풍속)는 스플라인(splines)을 사용하는 **유연한 비모수적 가법 함수(flexible nonparametric additive functions)**를 통해 로지스틱 함수 내에 통합됩니다. 이를 통해 모델은 극단적인 기상 현상이 비효율성에 미치는 이질적이고 시변적인 영향을 포착할 수 있으며, 데이터의 희소성(예: 건조한 달의 제로 값)을 수용할 수 있습니다.
  • 방정식 구조:
    $$\ln y_{it} = \alpha_0 + \alpha_1 \ln L_{it} + \sum \beta_j \ln C_{jit} + v_{it} - u_{it}$$
    $$u_{it} = \frac{1}{1 + \exp[-(\gamma Z_{it} + \sum f_j(R_{tj}) + \sum g_j(W_{tj}))]} + \epsilon_{it}$$
    여기서 $Z$는 기업 특유의 결정 요인(수금 효율성, 계통 손실, 이자 비용)을 나타내며, $R$과 $W$는 각각 월간 강우량과 풍속을 나타냅니다.

• 추정 알고리즘:
  MLE와 관련된 수렴 문제를 피하기 위해, 본 논문은 하이브리드 백피팅(backfitting) 알고리즘을 채택합니다. 이 반복적인 절차는 다음을 결합합니다:

  1. 생산 함수 파라미터를 위한 일반화 최소제곱법(GLS).
  2. 비효율성 방정식의 모수적 계수를 위한 최소제곱법(OLS).
  3. 비모수적 함수(스플라인) 추정을 위한 페널티 최소제곱법(PLS).
     알고리즘은 평균 절대 백분율 오차(MAPE)가 수렴할 때까지 생산 함수와 비효율성 방정식을 추정하는 과정을 반복합니다.

실증 적용 및 결과
이 방법론은 2010년부터 2022년까지 필리핀의 114개 전기 협동조합(ECs) 패널 데이터에 적용되었습니다. 본 연구는 금융 및 운영 지표를 통제하면서 기업의 효율성을 극단적인 기상 현상(태풍 및 강우)과 연계합니다.

• 수렴 및 예측 능력:
  • 제안된 VF-SFM은 모든 지역에서 성공적으로 수렴했습니다.
  • 반면, 집계된 연간 기상 데이터를 사용한 벤치마크 모델(Battese & Coelli, 1995)과 MLE는 대부분의 지역에서 수렴에 실패했습니다. 수렴이 이루어진 경우에도, VF-SFM은 벤치마크 모델보다 현저히 낮은 MAPE 값을 보여 우수한 예측 정확도를 입증했습니다.
• 효율성 추정치:
  • 벤치마크 모델은 "잘못된 왜도" 문제와 모델 오설정의 증상으로 인해 부풀려진 기술적 효율성(TE) 추정치(종종 100%에 근접함)를 생성했습니다.
  • VF-SFM은 더 현실적인 TE 추정치(대략 30%에서 80% 사이)를 산출하여, 기업들이 프런티어에서 운영되지 않고 있음을 드러냈습니다.
  • 기상 영향: 비모수적 함수는 극단적인 기상의 영향을 성공적으로 포착했습니다. 강우 노출도가 낮은 지역은 높은 효율성을 보였습니다. 모델은 심각한 태풍이 발생한 해(예: 2018, 2019)가 계통 손실 증가 및 효율성 감소와 상관관계가 있음을 식별해 냈으며, 이러한 효과는 집계된 벤치마크 모델에서는 가려져 있었습니다.
• 결정 요인: 계통 손실과 수금 효율성이 비모수적 기상 항과 함께 비효율성의 유의미한 결정 요인으로 나타났습니다.

주요 기여

1. 방법론적 혁신: 본 논문은 분포 가정을 비효율성을 위한 로지스틱 함수로 대체함으로써 "잘못된 왜도" 문제를 해결하고, 모델의 수렴성과 견고성을 확보하는 프레임워크를 도입했습니다.
2. 혼합 빈도 처리: 비모수적 가법 함수를 사용하여 고빈도 환경 데이터를 저빈도 생산 모델에 통합하는 실질적인 해결책을 제시함으로써, 집계로 인해 사라질 수 있는 극단적 사건의 변동성을 보존했습니다.
3. 추정의 견고성: 하이브리드 백피팅 알고리즘은 일반적인 SFA에서 나타나는 수렴 실패 없이, 혼합 빈도 데이터와 비모수적 구성 요소의 복잡성을 효과적으로 처리하는 안정적인 대안을 제공합니다.

의의 및 주장
본 논문은 제안된 프레임워크가 혼합 빈도 데이터와 복잡한 환경적 결정 요인이 특징인 맥락에서 확률적 프런티어 분석의 적용 범위를 넓힌다고 주장합니다. 기후 관련 충격을 기업 수준의 운영 비효율성과 성공적으로 연계함으로써, 본 연구는 미시적 차원의 지속 가능성과 회복력 과제를 평가하기 위한 실질적인 도구를 제공합니다.

저자들은 극단적인 기상 현상을 통제할 수는 없지만, 모델을 통해 규제 기관과 기업 관리자가 이러한 사건에 의해 악화되는 구체적인 운영 취약점(예: 계통 손실)을 식별할 수 있다고 강조합니다. 이는 전력 배전과 같이 기후 취약성이 높은 분야에서 효율성 손실을 완화하기 위해 회복력 있는 인프라 투자 및 운영 기술 개선과 같은 적응 전략을 개발하는 데 도움을 줍니다. 결론적으로, VF-SFM은 환경적 충격이 빈번하고 강력하게 발생하는 부문의 정책 분석을 위해 더 정확하고 신뢰할 수 있는 접근 방식을 제공합니다.