ARDL 모델을 통해 Bounds 테스트를 수행하기 위해서는 먼저 공적분 벡터의 존재 여부를 확인해야 하며, 이 과정에서 ARDL-UECM 모델을 사용할 수 있다.
일단, ARDL 모델은와 같이 최상의 차이를 결정한다. 따라서 최소 AIC(Akaike inform ation criterion)를 기준으로 시차 (1.1.1.1.1) 가 있는 최적의 모델이 선택한다.
Bounds 테스트를 결과는 다음에 <표 13>과 같다. <표 6>에 따라서 바와 같이 1982 년부터 2019 년까지 이 기간에 경상수지(CUR)의 F-통계량이 9.086 이 나타났다.
1%로 유의수준에서는 상한 허용 한도 2.59 및 3.49 임계치보다 큰 것으로 나타났다.
그래서 변수들이 간에 공적분 관계가 있다. 즉, 장기균형 관계가 있음을 확인할 수 있 다.
<표 13> ARDL-Bounds 검정 결과
검정통계량 값 k
F-statistic 9.086 4
한계검정법 임계값 (Critical Value Bounds)
유의수준 I(0) Bound I(1) Bound
10% 2.2 3.09
5% 2.56 3.49
2.5% 2.88 3.87
1% 3.29 4.37
주: *** ,**, *는 1%, 5%, 10% 유의수준.
3. 인과관계 (
toda-yamanoto causality test)결과
다음표가 Toda-Yamanoto Causality Test 추정하였다. Toda-Yamanoto Causality Test는 즉, TY Granger 인과 관계 검정은 변수 간에 예측력이 있는지 없는지를 판단하 는 데 사용된다.
먼저 위의 5가지 변수에 대한 VAR 모델을 구성하고, 아래 표와 같은 최적의 lag order의 판단 결과에 따라 VAR (3) 모델을 구성해야 함을 <표 14>에서 알 수 있다.
<표 14> 최적시차의 선택
그리고 구성된 VAR (3) 모델에 대해 LM 자기 상관 테스트를 수행하면 얻은 테스트 결과가 다음 표에 나와 있다. 테스트 된 귀무가설은 첫 번째 열의 시차와 자기 상관이 없다는 것이다. 검정으로 얻은 p- 값은 모두 0.05보다 크므로 VAR (3) 모델의 잔차 서 열에는 자기 상관이 없다고 믿어진다.
Lag LogL LR FPE AIC SC HQ
0 -368.679 NA 1291.813 21.353 21.575 21.429
1 - 150.517 361.525 0.021 10.315 11.648 10.775
2 -93.337 78.418* 0.003 8.476 10.920* 9.320
3 -59.389 36.858 0.002* 7.965* 11.520 9.192*
<표 15> 자기상과 검정
다음 표는 TY Granger 인과성 테스트의 결과를 보여준다. <표 16>에서 설명변수가 경상수지(CUR) 인 경우 총부양률(DEP)에 해당하는 P 값이 0.05 적이므로 총부양률 (DEP)가 경상수지(CUR)의 Granger 원인으로 된다.
<표 16> Toda-Yamanoto Causality Test (CUR)결과
La LRE*
stat df Prob. Rao
F-stat df Prob.
1 3.305 25 0.0828 1.579 (25,38.7) 0.0983
2 25.191 25 0.451 1.008 (25,38.7) 0.4800
3 14.038 25 0.961 0.499 (25,38.7) 0.9648
4 17.133 25 0.876 0.629 (25,38.7) 0.8874
Dependent Variable: CUR
Excluded Chi-sq df Prob.
SAV 6.919787 3 0.0745
DEP 14.23833 3 0.0026
LNRGDP 6.835667 3 0.0773
RIR 7.754852 3 0.0514
ALL 37.44898 12 0.0002
제 2 절 ARDL-ECM 모형 추정 결과
다음에 <표 17>은 ARDL 모형 장기계수의 결과를 보여준다. 결과를 살펴보면 장기 적으로 총부양률(DEP), 실질 이자율(RIR), 1인당 실질 GDP(RGDP), 총저축률(SAV)은 경상수지에 영향을 미친다.
구체적으로 실질 이자율(RIR) 1% 상승하면 경상수지를 0.439% 상승하는 것으로 나 타났다. 총 부양률(DEP)은 1%로 상승하면 경상수지가 0.386% 감소시킨다. 1인당 GDP(RGDP)는 1% 상승하면 경상수지를 1.945% 감소시킨다. 총저축(SAV)은 1% 상승 하면 경상수지가 0.038% 증가한다. 총저축(SAV)은 경상수지에 대한 양(+)의 결과 나타 나지만, 유의수준 의미 없다.
<표 17> ARDL – ECM 장기계수 추정
추정방정식
CUR=30.038+0.038*SAV-1.945*LnRGDP+0.439*RIR-0.386*DEP
변수명 추정계수 표준편차 t -값 p-값
상수항 30.038 18.312 1.640 0.114
총 부양률(DEP) -0.386* 0.180 -2.135 0.043
1인당GDP(RGDP) -1.945*** 0.556 -3.494 0.002
실질이자율(RIR) 0.439*** 0.123 3.568 0.001
총저축(SAV) 0.038 0.168 -0.230 0.819
R2 0.873
Adj. R2 0.802
Schwarz criterion 4.231
Log likelihood -53.010
D-W 2.236
관측치 수 38
주: *** ,**, *는 1%, 5%, 10% 수준에서 유의함을 나타냄.
그런 다음 단기 오차수정모형 분석 (ECM) 수행하는 것이 이다. 다음에 <표 18>는 ARDL 모형 단기계수의 결과를 보여준다. 결과를 살펴보면 이때 오차수정항의 계수는 -1.035이고 해당 p 값은 0.05보다 작다. 이 결과에 따라 장기 공적분 관계에서 단기 변수 간 관계의 편차가 1.035의 효과로 자가 수정되었다.
<표 18> ARDL – ECM 단기계수 추정
추정방정식
D(CURt) = 0.830×D(DEPt) + 9.421×D(LNRGDPt)
+ 0.373×D(RIRt) + 0.633×D(SAVt) - 1.035×ECMt-1
변수명 추정계수 표준편차 t -값 p-값
총 부양률(DEP) 0.830* 0.294 2.819 0.0097
1인당GDP(RGDP) 9.421*** 2.502 3.765 0.0010
실질이자율(RIR) 0.373*** 0.071 5.244 0.0000
총저축(SAV) 0.633* 0.205 3.078 0.0053
오차수정항(ECMt
-1) -1.035*** 0.127 -8.146 0.0000
R2 0.742
Adj. R2 0.668
Schwarz criterion 3.743
Log likelihood -53.010
D-W 2.236
관측치 수 38
주: *** ,**, *는 1%, 5%, 10% 수준에서 유의함을 나타냄.
제 3 절 추정결과 검정
다음에 <그림 15>는 Correlogram of Residuals 이다. Box=-Pierce(1970) Q-통계 량은 표본 상관계수 제곱의 합을 이용하며 이 통계량을 소표본에서도 유용하도록 교정 한 Ljung-Box(1978)의 수정 Q-통계량은 다음과 같이 계산한다.
∼ (17)
검정통계랑의 분포는 귀무가설하에서 유도한다. Lijung-Box Q-통계량의 귀무가설은
"q-개의 이 동시에 영이다."이므로 표본으로부터 구한 Q-통계량이 자유도 q를 갖는
-분포의 이론적 임계값보다 크면 이들 중 최소한 하나의 값이 주어진 유의수준 하 에서 통계적으로 영과 다르다는 것으로 해석한다. 오차항의 제공에 대한 Ljung-Box 검 정으로 모형성정에는 큰 오류가 없다는 것을 알 수 있다. 추정 결과 자기 상관이 없는 것으로 나타났다.
<그림 15> Correlogram of Residuals
<그림 16>는 Correlogram of Residuals Squared 이다. Ljung-Box 검정을 통하여 자기상관 잔여 여부를 판단하였다. 오차항의 제공에 대한 Ljung-Box 검정으로 모형성 정에는 큰 오류가 없다는 것을 알 수 있다. 추정 결과 자기 상관이 없는 것으로 나타났 다.
<그림 16> Correlogram of Residuals Squared
다음에 모형의 안정성 및 비선형성을 추정하기 위해 모형의 잔차에 대한 CUSUM test와 잔차의 CUSUM squares test를 추정하였다. 아래 <그림 17> 및 <그림 18>에서 몰 수 있듯이 누적 합계는 5% 신뢰 구간 내에 존재하였다. 따라서 분 논문에서 확립된 ARDL 모델은 전체적으로 안정적인 것으로 간주 될 수 있다.
<그림 17> CUSUM검정 결과
-10.0 -7.5 -5.0 -2.5 0.0 2.5 5.0 7.5 10.0
09 10 11 12 13 14 15 16 17 18 19
CUSUM 5% Significance 주: 점선은 5% 신뢰구간을 의미함.
<그림 18> CUSUM squares 검정 결과
-0.4 0.0 0.4 0.8 1.2 1.6
09 10 11 12 13 14 15 16 17 18 19 CUSUM of Squares 5% Significance
주: 점선은 5% 신뢰구간을 의미함.
제 6 장 결론
제 1 절 요약 및 결론
본 연구는 중국에서 인구구조의 변화가 경상수지에 미치는 영향을 실증적으로 분석하 는 것을 목표로 한다. 이를 위해 본 연구는 World Bank의 WDI(World Development Indicators)에서 제공하는 1982년부터 2019년 기간 중국경제에 대한 자료와 일련의 분 석방법론을 이용하여 수행된다. 중국의 인구구조 변화가 경상수지에 미치는 영향을 분 석함에 있어 자료의 특성을 고려하고, 장기와 단기 현상을 보다 면밀하게 분석하기 위 해 본 연구에 ARDL-ECM 모형을 이용해 실증적으로 분석했다.
다음 <표 19>는 분 연구 결과를 요약 나타나는 것이다.
<표 19> 실증분석 결과 요약
구 분 장 기 단 기
총부양률 (DEP) - +
총저축 (SAV) + +
1인당 GDP (LNRGDP) - +
실질이자율 (RIR) + +
주: (+), (-)는 인구구조의 변화와 경상수지 관계를 나타냄
분석 결과를 보면, 첫째, 장기적인 관점에서 총부양률(DEP), 1인당 GDP(LNRGDP)는 경상수지에 대하여 통계적으로 유의미한 음(-)의 영향을 미치는 것으로 나타났다. 즉, 장기적으로 총부양률（DEP)과 1인당 GDP(LNRGDP)가 증가하면 경상수지는 감소한다 는 것을 의미한다. 반대로 실질 이자율(RIR)은 경상수지에 통계적으로 유의미한 양(+)의 영향을 미치는 것으로 나타났다. 다시 말하면 장기적으로 실질 이자율(RIR)이 상승하면 경상수지 역시 개선된다는 것을 나타낸다.
둘째, 단기적인 관점에서 모든 변수 즉, 총 부양률(DEP), 총저축(SAV), 1인당 GDP(L NRGDP), 실질 이자율(RIR)은 경상수지에 통계적으로 유의미한 양(+)의 영향을 미치는 것으로 나타났다. 즉, 단기적으로 총부양률(DEP), 총저축(SAV), 1인당 GDP(LNRGDP), 실질 이자율(RIR)이 상승하면 경상수지는 개선된다는 것을 의미한다.
셋째, 중국의 총저축(SAV)은 경상수지에 긍정적인 양(+)에 영향이지만 통계적으로 유
의미한 결과가 나타나지는 않았다. 따라서 저축의 변화가 경상수지에 영향을 영향은 불 명확하다는 것을 알 수 있다.
제 2 절 시사점과 한계점
이상과 같은 분석 결과는 인구구조의 변화가 경상수지에 상당한 영향을 미친다는 것 을 보여준다. 이와 관련하여 정책적 시사점을 보다 구체적으로 제시하면 다음과 같다.
첫째, 중국은 가족계획 정책을 조정하고, 둘째 자녀 정책을 자유화하여 경상수지 균 형을 유지하면서 "출산 감소" 문제를 해결했다. 본 연구의 분석 결과에 따라 부양률이 경상수지와 유의 한 음(-)의 상관관계를 가지고 있음을 보여주고 있으며, 이러한 부정 적 영향은 경제 발전이 증가함에 따라 증가하며 부양 비율은 저축률과 투자율에 상당한 부정적 영향을 미친다. 두 가지의 사소한 부정적 영향은 경상수지 잔액에 중대한 부정 적 영향을 준다. 따라서 경제 발전도가 높은 지역에서 경제적, 사회적, 환경적, 자원적 여건이 허용되면 두 자녀 정책의 자유화는 주민들의 높은 저축률을 해제하고 확장이라 는 전략적 목표를 달성하는 데 도움이 될 것이다. 경상수지 수입과 지출의 균형을 점진 적으로 실현하고 경상수지의 건전한 발전을 도모하는 것도 도움이 된다.
둘째, 제도적 사회 보장 제도의 개선을 가속화하고, 노령 안보 제도의 구축을 적극 추진하고, 고령 인구의 구매력을 점진적으로 풀어 내수 확대에 기여할 뿐만 아니라 균 형 추진에도 도움이 된다. 중국의 특별한 국가적 여건을 고려할 때 노령 부양률은 저축 률에 상당한 긍정적인 영향을 미친다. 그 이유는 불완전한 연금 제도로 인한 연금 압력 이 노령 부양 비율이 저축률에 긍정적인 영향을 미치는 중요한 요소이기 때문이다. 가 능한 한 빨리 제도적 연금 보장 제도를 개선하고 연금 기관이나 시설의 건설을 적극적 으로 추진하는 것이 상황 판단을 위한 올바른 선택이다. 구체적인 제안은 다음과 같다.
첫째, 제도적 사회 보장 제도의 개선을 가속한다. 보장 확대, 연금 부가가치 방법 강화, 전체 계획 수준을 높이는 등 노령 보험 체제 구축 속도를 높이고 점진적으로 "광범위 보장, 기본 보험, 다단계 및 지속 가능한 "노년 보안 시스템. 기부 보험에 대한 지역 차 등 보조금을 실행하고 농촌 기부 시스템의 구축을 강화하며 사회 보험 수준의 공정한 개발을 촉진한다. 둘째, 노인 요양 시설이나 시설 건설을 적극적으로 추진한다. 노인 요 양 서비스를 위한 국가 투자 기관을 설립하고 노인 요양 시설 건립을 지원하기 위한 특 별 기금을 마련하는 것이 바람직하다. 노인 요양 시설 건설과 관련된 의무적 기준과 기 술 지표를 제정하고, 지역 노인 요양 서비스 기관을 도시 · 농촌 계획 및 구도시 재건 전반에 통합한다. 조세, 토지 이용, 수도, 전기, 난방 등 연금 기관 지원 확대한다. 셋 째, 노인 산업과 노인 요양 훈련 체계 구축을 가속화하고 노인 서비스 인력 체계를 구 축한다. 넷째, '병자 치료'라는 의료 서비스 목표를 달성하기 위해 노인 의료 서비스 시
스템을 구축한다. 노인을 위한 의료 및 보건 서비스에 대한 자본 투자를 더욱 늘리고 노인을 위한 지역 사회 중심의 의료 보안 시스템을 장려하고 개발한다. 다섯째, 행정 관리 메커니즘의 개혁을 가속한다. 고령자 행정을 설정하고 「노인 요양 시설 운영 규 정」의 제정을 앞당기고 고령 요양 서비스 관리 기준을 공포하는 것이 바람직하다. 중 앙 재정 정책을 완화하고 예산 과목에서 노인 복지에 대한 특별 지출을 늘리고 연금 보 험과 서비스업에 대한 재정 지원을 확대한다.
한편, 이상과 같은 의미 있는 분석 결과에도 불구하고, 본 연구에는 여전히 몇 가지 한계점이 존재한다. 예를 들어, 첫째, 데이터 부족 문제가 있다. 본 연구에서 사용된 데 이터는 1982년부터 2019년까지 World Bank에서 제공한 데이터이다. 관측치의 수가 38 개로 작고, 시차를 고려할 경우 이는 더욱 줄어들기 때문에 분석에 다소 간의 오류가 있을 수 있다. 둘째, 본 연구에서 인구구조 변화가 경상수지에 미치는 영향은 인구구조 의 중요한 지표인 남녀 간의 성별 비율이나 지역 간의 차이 등은 고려하지 못했다. 이 러한 연구주제에 대한 실증분석은 더 실용적이고 실행 가능한 정책 권고를 제공할 수 있을 것으로 기대된다. 다만, 이상의 분석을 위해서는 통계의 발전과 함께 더 심층적으 로 분석할 수 있는 연구방법론의 개발 및 활용이 함께 추진되어야 할 것이다.