📊 statistics

Seemingly Unrelated Cointegrating Regressions with Autoregressive Distributed Lag Dynamics: Estimation, Bounds Testing, and Cross-Equation Inference

본 논문은 이론적 증명, 몬테카를로 시뮬레이션, 그리고 아세안(ASEAN) 국가들의 재생 에너지-성장 연관성에 대한 적용을 통해 입증된 바와 같이, 장기 공분산 행렬 추정량의 유한 표본 왜곡을 피하면서 방정식 간 오차 상관관계를 활용함으로써 소규모 N 패널(small-N panels)의 추정 효율성과 공적분 검정력을 향상시키는 '겉보기에는 무관한 자기회귀 시차 분포(SUR-ARDL)' 프레임워크를 제안한다.

원저자: Muhammad Afnan Arif, Fumitaka Furuoka

게시일 2026-08-18

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Muhammad Afnan Arif, Fumitaka Furuoka

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

경제학은 종종 고립된 섬들을 연구하는 학문처럼 느껴지곤 합니다. 연구자들이 한 국가의 경제 성장을 살펴볼 때, 그들은 대개 그 국가의 역사를 진공 상태에서 펼쳐지는 이야기로 취급하며 해당 단일 국가를 위한 모델을 구축합니다. 그들은 질문합니다. 에너지가 더 많아지면 더 많은 부로 이어지는가? 무역이 번영의 문을 여는가? 하지만 현실 세계에서 국가들은 섬이 아닙니다. 그들은 거대하고 상호 연결된 군도(archipelago)의 일부입니다. 중동의 유가 충격은 아시아로 파동을 일으키고, 한 수도에서 발생한 금융 위기는 이웃 국가들에 진동을 전달하며, 공유된 기상 패턴과 무역 경로는 그들의 운명을 하나로 묶습니다. 수십 년 동안 통계학자들은 각 국가의 고유한 특성을 잃지 않으면서 이러한 연결의 그물을 포착하기 위해 고군투쟁해 왔습니다. 표준적인 도구들은 연구자들이 국가 간의 연결성을 무시하거나, 혹은 소규모 국가 집단에 적용했을 때 스스로의 무게를 견디지 못하고 무너질 정도로 복잡한 모델을 구축하도록 강요하곤 했습니다.

이것이 바로 말레이시아 대학교의 무함마드 아프난 아리프(Muhammad Afnan Arif)와 후미타카 후루오카(Fumitaka Furuoka)가 개발한 새로운 통계적 프레임워크가 해결하고자 하는 문제입니다. 그들의 연구는 '공적분(cointegration)'이라 불리는 특정 유형의 경제적 관계에 초점을 맞춥니다. 쉽게 말해, 공분분은 두 개 이상의 경제 변수가 단기적으로는 서로 떨어져 움직일지라도 시간이 흐름에 따라 함께 움직이는 장기적인 유대를 설명합니다. 주인과 함께 산책하는 개를 생각해보십시오. 개는 앞으로 달려 나가거나, 뒤처지거나, 주변을 맴돌 수도 있지만, 목줄이 주인에게 연결되어 있기 때문에 너무 멀리 벗어나지는 않습니다. 경제학에서 에너지 소비와 국내총생산(GDP) 같은 변수들은 종종 이와 같이 행동하며, 일일적인 변동에도 불구하고 수십 년에 걸쳐 함께 움직입니다. 문제는 데이터가 지저분하고 국가 간의 연결이 강력할 때, 특히 여러 국가를 동시에 살펴보면서 이 '목줄'을 테스트하는 것이었습니다.

저자들은 이 데이터를 바라보는 새로운 방식인 '겉보기에 무관한 자기회귀 분포 시차(Seemingly Unrelated Autoregressive Distributed Lag)' 시스템을 제안합니다. 이름은 매우 길고 복잡하지만, 개념은 명확합니다. 그들은 단일 국가의 경제사를 분석하는 검증된 방법을 가져와 이를 전체 국가 집단에 한꺼번에 적용할 수 있도록 확장했습니다. 핵심 혁신은 데이터의 '노이즈'를 처리하는 방식에 있습니다. 이전의 방법들은 많은 국가 간의 연결을 고려하기 위해 모든 가능한 관계를 계산하는 거대하고 다루기 힘든 지도를 만들어야 했으며, 이는 특히 데이터의 연수가 국가 수에 비해 많지 않을 때 수학적 오류나 신뢰할 수 없는 결과를 초래하곤 했습니다. 새로운 접근 방식은 모든 가능한 장기적 파급 효과를 지도화하는 대신, 국가들의 경제적 오차 사이의 즉각적이고 일상적인 연결에만 집중함으로써 이 복잡성을 단순화합니다. 이러한 복잡성의 감소 덕분에 모델은 경제 연구에서 귀중한 자산인 수십 년 치의 데이터가 많지 않은 상황에서도 안정적이고 정확하게 유지될 수 있습니다.

이 새로운 도구가 실제로 작동하는지 확인하기 위해, 연구진은 컴퓨터 시뮬레이션을 사용하여 엄격한 일련의 테스트를 거쳤습니다. 그들은 실제 관계가 무엇인지 정확히 알고 있는 상태에서 수천 개의 가짜 경제사를 생성한 뒤, 새로운 모델에게 이를 찾아내도록 요청했습니다. 그들은 결과를 기존의 표준 방식과 비교했습니다. 결과는 명확했습니다: 새로운 시스템이 훨씬 더 정밀했습니다. 그룹 내 국가들이 밀접하게 연결되어 있을 때, 새로운 방식은 기존의 단일 국가 고립 분석 방식에 비해 추정치의 오차 범위를 최대 80%까지 줄였습니다. 또한 공분분의 '목줄'을 감지하는 데 훨씬 더 뛰어난 성능을 보였습니다. 기존 방식이 장기적 관계를 포착하지 못했던 많은 시뮬레이션 시나리오에서, 새로운 시스템은 이를 즉시 발견해 냈습니다. 이는 연구자들이 데이터를 한 번에 한 국가씩만 살펴본다는 이유로 중요한 경제적 유대를 놓칠 가능성이 낮아졌음을 의미하므로 매우 중요한 이점입니다.

연구진은 또한 실제 데이터를 사용하여 이 새로운 방법을 테스트했으며, 인도네시아, 말레이시아, 필리핀, 싱가포르, 태국, 베트남 등 6개 동남아시아 국가를 대상으로 적용했습니다. 그들은 1990년부터 2024년까지 재생 에너지 소비와 경제 성장 사이의 관계를 조사했습니다. 결과는 이 방법의 강력함을 보여주는 놀라운 사례를 제시했습니다. 전통적인 방식을 사용했을 때, 베트남의 데이터는 재생 에너지 사용과 경제 성장 사이에 장기적인 연결이 없음을 시사했습니다. 그러나 새로운 시스템이 여섯 국가가 서로 어떻게 영향을 미치는지 고려하여 함께 분석했을 때, 기존 방식이 놓쳤던 베트남의 강력하고 유의미한 연결성을 찾아냈습니다. 마찬가지로 말레이시아의 경우, 새로운 방식은 경제가 변화에 적응하는 속도가 통계적으로 유의미하다는 것을 밝혀낸 반면, 기존 방식은 그 결과를 불확실한 상태로 남겨두었습니다.

단순히 새로운 연결을 찾아내는 것을 넘어, 이 시스템은 이전에는 답하는 것이 불가능했던 질문들을 던질 수 있게 해주었습니다. 이제 연구자들은 경제 조정 속도가 국가마다 다른지 테스트할 수 있었습니다. 분석 결과 뚜렷한 패턴이 드러났습니다: 국가들은 두 그룹으로 나뉘었습니다. 화석 연료 생산국들은 경제를 느리게 조정하는 반면, 에너지 수입국들은 빠르게 조정했습니다. 이러한 통찰력은 여러 국가의 내부 작동 방식을 동시에 비교하는 데 의존하는 것으로, 기존의 단일 국가 도구를 사용하는 연구자들에게는 보이지 않았던 것이었습니다. 이 연구는 국가들을 고립된 사례가 아닌 연결된 체계로 다룸으로써, 경제학자들이 현실 세계에서 에너지와 부가 어떻게 상호작용하는지에 대한 더 명확하고 정확한 그림을 그릴 수 있다는 결론을 내립니다. 이 방법은 단순히 약간의 개선을 제공하는 것이 아니라, 고립된 분석의 노이즈 속에 숨겨져 있던 경제적 역학을 볼 수 있는 문을 열어줍니다.

기술 요약: 자기회귀 시차 분포 역학을 갖는 겉보기에 무관한 SUR 공적분 회귀 분석

문제 제기
본 논문은 횡단면 차원( $N$ )이 시계열 차원( $T$ )에 비해 작은 패널 데이터 설정에서의 공적분 관계 추정 및 추론 문제를 다룬다. 기존 문헌은 공적분을 위한 Seemingly Unrelated Regression(SUR) 프레임워크, 특히 FM-SOLS 및 FM-SUR(Park & Ogaki, 1991; Wagner et al., 2020) 및 FM-GLS(Lin & Reuvers, 2025)와 같은 Fully Modified(FM) 추정량을 개발해 왔으나, 이러한 접근 방식들은 "차원의 저주"라는 결정적인 실무적 한계를 공유한다. 기존 방법들은 거대한 $2N \times 2N$ 장기 공분산 행렬의 일관된 추정을 요구한다. 이는 대역폭 선택(bandwidth selection)을 포함하는 커널 기반 방법을 필요로 하며, 이는 심각한 유한 표본 왜곡, 행렬 가역성 실패율의 급격한 상승( $N$ 이 $T$ 에 비해 증가할 때 일부 시뮬레이션에서 50%를 초과), 그리고 가설 검정의 크기 왜곡을 초래한다.

방법론
저자들은 Seemingly Unrelated Autoregressive Distributed Lag (SUR-ARDL) 프레임워크를 제안한다. 이 접근 방식은 Pesaran et al. (2001)의 단일 방정식 ARDL 오차 수정 명세를 Zellner (1962)의 SUR 시스템 내에 내장한다.

모델 명세: 이 프레임워크는 각 단위 $i$ 가 ARDL( $p_i, q_{1,i}, \dots, q_{K,i}$ ) 과정을 따르는 $N$ 개 방정식의 시스템을 모델링한다. 모델은 장기 수준 파라미터와 단기 동적 조정 과정을 분리하는 조건부 오차 수정 형태(ECM)로 재매개변수화된다.
추정 전략: 직교 상관성(serial correlation)과 내생성을 보정하기 위해 준매개변수적(semi-parametric) 보정을 사용하는 FM 추정량들과 달리, SUR-ARDL 접근 방식은 ARDL 모델의 매개변수적 시차 구조를 활용하여 이러한 문제들을 흡수한다. 결과적으로, 이 추정량은 $2N \times 2N$ 장기 공분산 행렬( $\Omega_{LR}$ ) 대신 $N \times N$ 동시적 오차 공분산 행렬( $\Omega$ )만을 필요로 한다.
Feasible Generalized Least Squares (FGLS): 추정은 두 단계로 진행된다:
1. 잔차를 얻기 위한 방정식별 OLS 수행.
2. 추정된 동시 공분산 행렬 $\hat{\Omega}$ 의 구축 및 스택된(stacked) 시스템에 대한 FGLS 적용.
추론:
- 경계 검정(Bounds Testing): 저자들은 SUR 기반 경계 $F$ -통계량의 점근적 영가설 분포를 도출한다. 이는 회귀 변수의 적분 차수와 관계없이 통계량이 "경계 속성"(순수 $I(0)$ 및 순수 $I(1)$ 사례 사이의 임계값을 가짐)을 계승함을 입증한다.
- 교차 방정식 추론: 이 프레임워크는 시스템의 결합 분산-공분산 행렬을 활용하여 계수 풀링 가능성(coefficient poolability), 장기 계수의 동일성, 조정 속도의 동질성 등을 포함한 교차 방정식 가설에 대한 Wald 검정을 가능하게 한다.

주요 기여
본 논문은 SUR 공적분 문헌에 다섯 가지 구체적인 기여를 한다:

점근 이론: ARDL 시차 구조가 준매개변수적 보정 없이 편향을 매개변수적으로 제거함에 따라, SUR-ARDL FGLS 추정량이 2차 편향 항이 없는 혼합 정규 극한 분포를 달성함을 입증한다.
경계 검정의 타당성: SUR 경계 $F$ -통계량이 Pesaran et al. (2001)의 경계 속성을 유지하며, 교차 방정식 상관관계에 대해 단조 증가함을 증명함으로써 시스템 기반 검정의 검정력 우위에 대한 이론적 근거를 제공한다.
교차 방정식 가설 검정: 단일 방정식 방법에는 없는 계수 풀링 및 방정식 간 계수 동일성에 대한 카이제곱 Wald 검정을 개발한다.
차원 축소: nuisance parameter 추정을 $O(N^2)$ 장기 공분산에서 $O(N^2)$ 동시 공분산(구체적으로 $2N \times 2N$ 대비 $N \times N$ )으로 줄임으로써, FM-SUR 및 FM-GLS 접근 방식에서 발견되는 주요 유한 표본 왜곡 원인을 제거한다.
포괄적 시뮬레이션 증거: 7개의 실험과 5,000회의 반복을 포함하는 몬테카를로 연구를 통해 유한 표본 특성을 검증하며, FM-SUR이 실패하는 구성에서도 신뢰할 수 있는 공분산 추정과 제로(0)의 가역성 실패를 보여준다.

결과
몬테카를로 시뮬레이션과 실증 적용을 통해 다음과 같은 결과를 얻었다:

효율성: SUR-ARDL 추정량은 오차 수정 파라미터( $\lambda$ )에 대해 단일 방정식 OLS 대비 15–80%의 RMSE 감소를 달성하며, 이러한 이득은 $N, T$ 및 교차 방정식 상관관계( $\rho$ )가 증가함에 따라 커진다.
크기와 검정력: 경계 검정은 부트스트랩 임계값을 사용할 때 양호한 크기를 보인다. 다만, $N \geq 5$ 이고 상관관계가 강한 경우 표로 정리된 PSS 임계값이 다소 낙관적(liberal)일 수 있다. 또한, 특히 조정 속도가 완만할 때 단일 방정식 방법보다 상당한 검정력 향상(최대 30 퍼센트 포인트)을 보인다.
공분산 추정: $N \times N$ 동시 공분산 행렬은 모든 구성에서 가역성 실패 없이 안정적으로 추정되며, 이는 기존 FM-SUR 프레임워크의 장기 공분산 추정에서 나타나는 높은 실패율과 극명히 대조된다.
실증 적용: 6개 ASEAN 국가(1990–2024)의 재생 에너지-경제 성장 관계에 적용한 결과, SUR-ARDL 방식은:
- OLS 대비 표준 오차를 17–41% 감소시켰다.
- 단일 방정식 방법이 실패한 베트남에서 공적분을 탐지했다.
- 교차 방정식 가설 검정을 통해 조정 속도의 두 가지 클러스터 구조(느리게 조정되는 화석 연료 생산국 vs 빠르게 조정되는 에너지 수입국)를 밝혀냈다.

의의 및 주장
본 논문은 SUR-ARDL 프레임워크가 기존 FM-SUR 방법이 행렬 가역성 문제로 인해 실행 불가능한 경우가 많은, $T$ 가 $N$ 에 비해 중간 정도인 설정에서도 시스템 기반 공적분 분석의 실무적 적용 가능성을 확장한다고 주장한다. ARDL 명세의 매개변수적 효율성을 활용함으로써, 이 방법은 준매개변수적 장기 공분산 추정의 필요성을 피하고, 따라서 현재 SUR 공적분 문헌에서 발생하는 주요한 유한 표본 왜곡 원인을 제거한다. 저자들은 이 접근 방식이 소규모 $N$ 패널에 대한 강력한 대안을 제공하며, 추정의 효율성 증대와 더불어 방정식별 분석에서는 검증 불가능한 교차 방정식 제약을 테스트할 수 있는 고유한 능력을 제공한다는 점을 강조한다.

저자들은 제한 사항으로, 장기 계수(파라미터의 비율)에 대한 델타 방법(delta-method) 표준 오차가 표본 크기가 작거나 조정 속도가 약할 때 신뢰할 수 없을 수 있음을 언급하며, 향후 연구에서 Fieller 신뢰 집합이나 부트스트랩과 같은 대안적 추론 절차의 필요성을 시사한다. 또한, 이 방법이 소규모에서 중간 규모의 $N$ 은 다룰 수 있지만, 더 큰 $N$ 에 대해서는 수축 추정량(shrinkage estimators)이 필요할 수 있음을 인정한다.

유사한 논문