📈 economics

Climate-Pressure Pass-Through to Food Inflation in ASEAN: Mixed-Frequency Quantile Evidence

이 논문은 혼합 빈도 분위 회귀 프레임워크를 활용하여, 열 스트레스와 같은 기후 압력 지표가 평균적으로는 아세안(ASEAN) 식품 인플레이션과 제한적인 연관성을 보이지만, 글로벌 식품 가격 및 통화 가치 하락이 주요 동인으로 남아 있는 가운데 분포의 상위 꼬리 부분에서 높아진 인플레이션 위험을 모니터링하기 위한 유의미한 보조 신호 역할을 한다는 점을 입증한다.

원저자: Nuttaphat Sukchitt, Pasin Marupanthorn, Waewwan La-ongsri

게시일 2026-08-03

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Nuttaphat Sukchitt, Pasin Marupanthorn, Waewwan La-ongsri

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

경제를 수백만 명의 사람들이 매일 저녁 식사를 준비하려는 거대하고 북적이는 주방이라고 상상해 보세요. 이 주방에서 식재료의 가격은 가스레인지의 온도와 같습니다. 일정하고 예측 가능할 수도 있지만, 갑자기 확 타올라 토스트를 태워버리고 모두를 배고프게 만들 수도 있습니다. 세계의 수석 셰프와 같은 경제학자들은 왜 불꽃이 너무 뜨거워지는지 알아내기 위해 많은 시간을 보냅니다. 그들은 때때로 다른 나라에서 오는 식재료 가격이 올라가거나, 사람들이 물건을 사는 데 사용하는 돈의 가치가 떨어지기 때문에 불길이 커진다는 것을 알고 있습니다. 하지만 여기에는 또 다른 보이지 않는 힘인 '날씨'가 작용하고 있습니다. 갑작스러운 폭염이 정원을 시들게 하거나 홍수가 수확물을 휩쓸어 가듯, 날씨는 식재료 가격을 급등시킬 수 있습니다. 과학자들의 큰 질문은 이것입니다. "우리가 실제로 식재료 가격에 새겨진 날씨의 지문을 볼 수 있는가, 아니면 이것은 그저 엉망진창인 우연인가?" 이것이 바로 동남아시아의 연구자들이 일상의 소음 속에서 숨겨진 신호를 찾기 위해 해결하고자 했던 퍼즐입니다.

이 논문은 조사관들이 날씨가 동남아시아 8개국(ASEAN)의 식료품 가격을 비밀리에 조종하고 있는지 알아내려는 탐정 소설과 같습니다. 저자들은 단순히 일 년 전체의 평균 식료품 가격을 보는 대신, "최악의 시나리오"—즉, 식료품 가격이 이미 치솟고 있던 시기—를 살펴보기로 했습니다. 그들은 일일 날씨 보고서(예: "오늘 기온 35°C" 또는 "강수량 50mm")를 하나의 점수로 변환하여 한 달 동안의 "열 압력(heat pressure)" 또는 "가뭄 압력(drought pressure)"을 나타내는 영리한 기술을 사용했습니다. 그런 다음 그들은 "분위 회귀(quantile regression)"라는 특별한 수학 테스트를 실행했는데, 이는 일반적인 날의 일기예보를 보는 것이 아니라 일 년 중 가장 뜨겁고 혼란스러운 날들을 특정하여 확인하는 것과 같습니다.

연구 결과는 다음과 같으며, 이는 다소 놀랍습니다. 만약 우리가 평균적인 달을 본다면, 날씨는 식료품 가격과 강한 연결 고리를 보이지 않습니다. 수학적으로 그 연결은 약하고 모호하며, 마치 시끄러운 방 안에서 속삭임을 들으려는 것과 같습니다. 하지만 연구자들이 가격 목록의 최상단, 즉 식료품 인플레이션이 이미 높은 무서운 달들로 줌인했을 때 이야기는 달라집니다. 그들은 "열 압력"(유난히 더울 때)이 식료품 가격을 더욱 높게 밀어 올린다는 사실을 발견했습니다. 구체적으로, 열 지수가 1 표준 편차(열기의 큰 도약)만큼 상승할 때, 분포의 맨 꼭대기(90 백분위수)에서의 식료품 인플레이션율은 약 0.069 퍼센트 포인트 상승합니다. 이는 마치 가스레인지가 이미 뜨거운데, 태양으로부터 오는 약간의 추가적인 열기가 스토브를 조금 더 끓어 넘치게 만드는 것과 같습니다.

하지만 여기서 반전이 있습니다. 이 논문은 몇 가지 사항을 명시적으로 배제합니다. 첫째, "과잉 강수"(너무 많은 물)는 가격에 안정적이고 예측 가능한 영향을 미치지 않는다는 것을 발견했습니다. 데이터가 너무 복잡하여 명확한 이야기를 들려주지 못했습니다. 둘째, 그들은 미래의 3개월 후 날씨를 살펴보는 "시간 여행" 아이디어를 테스트했습니다. 그들은 미래의 날씨가 현재의 가격과 아무런 관련이 없다는 것을 발견했으며, 이는 그들이 단순히 무작위 패턴이나 계절적 트릭을 보고 있는 것이 아님을 증명합니다. 마지막으로, 그들은 열이 가격을 상승시킨다고 엄격하고 변하지 않는 방식으로 "증명"한 것은 아니라고 매우 신중하게 말합니다. 대신, 그들은 열이 평균적인 식료품 가격을 설명하지는 못하더라도, 왜 나쁜 달에 가격이 높아지는지를 이해하는 데 도움이 되는 유용한 "경고 신호"라고 제안합니다.

그렇다면 핵심은 무엇일까요? 경제를 자동차라고 생각해 보세요. 세계적인 식료품 가격과 화폐 가치는 엔진과 연료와 같아서 자동차를 움직이는 주요 동력입니다. 날씨, 특히 열기는 엔진은 아니지만, 자동차를 치는 갑작스러운 돌풍과 같습니다. 평온한 날에는 바람을 거의 느끼지 못합니다. 하지만 자동차가 이미 속도를 내고 있다면(높은 인플레이션), 이 돌풍은 차를 벼랑 끝으로 밀어낼 수 있습니다. 저자들은 날씨만으로 미래를 예측할 수는 없지만, "열 압력"을 주시하는 것이 특히 이미 뜨겁고 비싼 달에 식료품 가격이 통제 불능 상태가 될 수 있음을 포착하는 스마트한 방법이라고 제 од 제안합니다. 이것은 주방의 셰프들이 스토브가 토스트를 태우지 않도록 돕는 새로운 도구입니다.

기술 요약: ASEAN의 기후 압력이 식품 인플레이션에 미치는 전이 효과

문제 제기
ASEAN의 식품 인플레이션은 특히 저소득 가구에게 매우 중요한 거시경제적 및 복지 관련 이슈이다. 식품 가격의 동인은 국내 공급, 무역, 글로벌 원자재 가격, 환율 등을 포함하는 것으로 잘 알려져 있으나, 기상 변동의 구체적인 역할은 여로 복잡하다. 날씨는 여러 경로(수확량, 가축, 부패, 물류)를 통해 식품 공급에 영향을 미치지만, 기존 문헌은 주로 조건부 평균 회귀(conditional-mean regressions), 연간 데이터 또는 글로벌 패널에 의존하는 경향이 있다. 이러한 접근 방식은 분포적 이질성을 은폐할 수 있으며, 고빈도 기상 압력이 월간 식품 인플레이션의 상위 꼬리(upper tail)와 구체적으로 연관되어 있는지 탐지하지 못할 수 있다. 또한, 고빈도 기상 예측 변수와 포괄적인 국내 및 개방 경제 가격 통제 변수를 결합하는 데 있어 공백이 존재하며, 표본 내 상관관계와 실시간 운영적 예측 능력 사이의 구분이 부족하다.

방법론
본 연구는 2010년 1월부터 2024년 12월까지 8개 ASEAN 경제국(캄보디아, 인도네시아, 라오스, 말레이시아, 필리핀, 싱가포르, 태국, 베트남)을 대상으로 하는 불균형 월간 패널을 활용한다.

데이터 구축:
- 기상 데이터: NASA POWER로부터 수도 지역의 기준점을 활용한 일일 평균 기온 및 강수량 데이터를 추출하였다.
- 기후 압력 지표: 저자들은 국가별 2000~2019년 계절 기준치에 대한 세 가지 단방향 이상 지표를 구축하였다:
  - 열기(Heat): 양(+)의 온도 편차.
  - 강수 결핍(Rainfall Deficit): 음(-)의 강수 편차.
  - 과잉 강수(Excess Rainfall): 양(+)의 강수 편차.
- 혼합 빈도 집계: 이러한 일일 이상치를 고정된 최근성 가중 60일 윈도우(지수 감쇠 파라미터 $\kappa = 0.045$ 사용)를 사용하여 월간 지수로 집계하였다. 이는 관측치를 가중치 없는 월평균으로 축소하는 대신 일일 관측의 타이밍을 보존한다. 생성된 지수들은 2001~2024년 전체 기후 이력을 사용하여 각 국가 내에서 표준화되었다.
- 통제 변수: 모델은 시차를 둔 식품 인플레이션, 동시점 헤드라인 및 에너지 인플레이션, 글로벌 식품 및 에너지 인플레이션, 환율 절하, 그리고 2020년 이후 팬데믹 지표를 통제한다.
계량경제 전략:
- 조건부 평균 모델: 국가 및 달력 월 고정 효과를 포함한 풀링된 동적 회귀(pooled dynamic regression)를 OLS(최소제곱법)와 HC1 이분산성 강건 표준 오차를 통해 추정한다.
- 분위 회귀(Quantile Regression): 본 연구는 25, 50, 75, 90번째 조건부 분위수에서 풀링된 분위 회귀(Koenker–Bassett 추정량)를 적용한다. 이를 통해 분석의 초점을 평균 인플레이션에서 조건부 상위 꼬리로 전환하며, 90번째 분위수를 고조된 인플레이션 압력의 척도로 해석한다.
- 플라세보 테스트(Placebo Test): 인플레이션 관측치의 3개월 앞선 열기 및 강수 결핍 지표를 사용하여, 현재의 인플레이션을 설명하는 허구적 계절성 아티팩트(spurious seasonal artifacts)를 테스트하기 위한 타이밍 플라세보를 추정한다.

주요 기여

혼합 빈도 프레임워크: 본 논문은 공동 MIDAS 지연 다항식을 추정하지 않고도, 일일 기상 관측치를 월간 인플레이션 모델에 사용할 수 있는 비대칭적, 최근성 가중 월간 기후 압력 지표로 변환하는 방법을 제시한다.
분포적 초점: 조건부 평균을 넘어, 분석은 명시적으로 조건부 상위 꼬리(90번째 분위수)를 타겟팅한다. 이는 평균은 안정적일지라도 취약성이 꼬리 부분에 존재한다는 '매크로-앳-리스크(macro-at-risk)' 논리에 부합한다.
증분적 연관성 해석: 본 연구는 기후 지표를 구조적 인과 추정치가 아닌, 개방 경제 조건 집합 내에서의 증분적 모니터링 신호로 위치시킨다. 이는 관측 데이터와 동시점 가격 통제의 한계를 인정하는 것이다.

결과

조건부 평균 추정치: 평균 모델에서 기후 압력 지표(열기, 강수 결핍, 과잉 강수)는 작고 통계적으로 부정확한 계수를 보인다. 반면, 글로벌 식품 가격 인플레이션과 환율 절하는 평균 식품 인플레이션과 양(+)의 유의미한 상관관계를 보인다.
분포적 추정치: 분위 회귀에서 뚜렷한 패턴이 나타난다:
- 열기 압력: 열기의 계수는 분포 전반에 걸쳐 단조 증가하며, 중앙값의 0.021에서 90번째 분위수의 0.069까지 상승한다. 75번째와 90번째 분위수의 계수는 통계적으로 유의미하며(5% 수준), 이는 열기 압력이 평균 회귀에서는 가려져 있던 고조된 인플레이션 상태에 대한 증분 정보를 포함하고 있음을 시사한다.
- 강수 결핍: 상대적으로 약하고 덜 안정적인 패턴을 보이며, 75번째 분위수에서 정점(0.047, 10% 수준에서 유의)을 찍지만 90번째 분위수에서는 정밀도가 떨어진다.
- 과잉 강수: 안정적인 총체적 관계를 보이지 않으며, 계수가 분위수에 따라 0 근처에서 변동하거나 부호가 바뀐다.
플라세보 결과: 3개월 앞선 열기 및 강수 결핍 지표는 작고 통계적으로 유의하지 않은 계수를 나타내어, 미래의 날씨가 현재의 평균 인플레이션을 체계적으로 설명한다는 증거를 제공하지 않는다.

의의 및 주장
본 논문은 대표 지점(representative-point) 기후 측정을 인과적 추정치나 독립적인 예측치가 아닌, 보충적인 상위 꼬리 모니터링 신호로 해석해야 한다고 주장한다. 결과는 평균 회귀가 기후와 식품 인플레이션 사이의 연결 고리를 놓칠 수 있는 반면, 열기 신호는 고인플레이션 상태에 집중되어 있음을 보여준다.

저자들은 본 연구가 인과성을 확립하지 않았으며, 적은 수의 국가를 가진 패널 의존성을 처리하는 한계로 인해 계수가 분위수에 따라 다르다는 것을 공식적으로 입증하는 추론을 수행하지 않았음을 명시한다. 또한, 운영적 사용을 위한 구체적인 요구 사항을 다음과 같이 식별한다:

공간적으로 유의미한 노출 측정치 (예: 수도 중심점이 아닌 작물 가중 격자 데이터).
세분화된 식품 가격 데이터.
비식품 국내 통제 변수.
의존성 강건 추론 절차.
진정한 표본 외(out-of-sample) 평가.

궁극적으로 본 논문은 분포적 식품 인플레이션 리스크를 평가하기 위한 프레임워크를 기여하며, 글로벌 원자재 가격 및 환율과 같은 전통적 지표와 함께 사용될 때 열기 압력이 ASEAN의 고인플레이션 시나리오를 모니터링하는 데 독특한 정보를 더해준다고 제언한다.

유사한 논문