78 ❙
6.2. 추정 모형 및 분석 자료 11)
□ 분석 자료
❍ 식품제조업 출하지수는 통계청에서 발표하고 있으며, 식료품 제조업에서 8개, 음료 제 조업에서 2개의 소분류 업종으로 나뉘고 있음. 2020년 10월 현재 8월까지의 생산지수 가 발표되어 있어 현시점에서 시차인 9월, 10월의 2개월분 역시 예측이 필요한 부분임.
- 즉, 식음료 제조업의 출하지수 추정은 당기예측(nowcasting)의 문제도 연결
❍ 분석을 위한 기초 자료는 통계청 및 한국은행 경제통계시스템에서 수집하였음.
- 출하액의 경우, 통계청 광업제조업조사에서 연간 식료품 및 음료 제조업의 출하액을 구하였으며, 1999년 이전 자료에 한해 비중을 고려
- 출하지수는 통계청 광업제조업동향조사에서 분기별 식료품 및 음료 제조업의 출하지 수를 사용
- 생산자물가지수, 소비자물가지수의 경우 한국은행 경제통계시스템의 분기별 자료를 사용, 환율은 연평균 및 분기별 평균환율을 사용
❍ 분기 모형에 포함되는 분기별 변수에 한해 계절성을 고려하여 X-13 방식12)의 계절조정 을 수행하였음.
❍ 2021년 식품제조업의 출하액 및 출하지수를 전망하기 위하여 국내외 연구기관의 외생 변수의 추정치를 활용함13).
- Global Insight에서는 GDP, 환율, 소비자물가지수의 증가율을 2025년까지 분기별 제공 - 이들 증가율을 누계하여 연도별 및 분기별 각 변수의 수준 변수를 재구성
11) 식품제조업 출하 모형은 산업연구원 김정현 위탁원고(2020)을 활용하여 정리함.
12) X-13 ARIMA-SEATS 방식을 의미함.
13) 2019년 4분기 이후 설명변수 분기 전망자료는 연간 전망자료로 발표하는 인구수가 각 분기에 동일하며, 반기 전 망자료로 발표하는 실질 GDP는 분기자료와 동일하다는 가정 하에 생성하였음.
80 ❙
<표 2-4> Global Insight의 GDP, 환율, 물가지수 전망치
시점 GDP 환율 CPI
2020년 1/4 분기 -0.0129 0.0143 0.0031
2020년 2/4 분기 -0.0320 0.0237 -0.0072
2020년 3/4 분기 0.0212 -0.0240 0.0039
2020년 4/4 분기 0.0035 0.0093 0.0028
2021년 1/4 분기 0.0051 -0.0026 0.0010
2021년 2/4 분기 0.0062 -0.0041 0.0020
2021년 3/4 분기 0.0083 -0.0131 0.0017
2021년 4/4 분기 0.0071 -0.0004 0.0026
2025년 4/4 분기 0.0045 -0.0002 0.0046
자료: Global Insight; 산업연구원 김정현 위탁원고(식품제조업 출하 시계열모형 분석)(2020)
□ 식품제조업 출하액 모형(연간 모형)
❍ 식음료 제조업 출하액의 예측을 위해 식료품 및 음료 각각의 출하액 관련 식을 추정함.
- 출하액 자료는 1991년부터 2018년까지만 사용가능하여 설명변수를 다수 포함할 수 는 없어 모형 전반에 걸쳐 공통적으로 포함되는 변수들만을 포함
- 설명변수로는 소득을 반영하는 연간 GDP, 소비자물가지수, 연평균환율을 포함하였 으며, 이외에 1차 자기회귀항(AR(1))을 포함
❍ 연간 모형의 추정 결과, 식료품의 경우 설명변수가 대체로 유의하였으나 음료 제조업은 자기회귀 계수만 유의한 것으로 나타남.
- GDP의 경우, 식료품에서 정(+)의 유의한 영향을 보였으며, 음료에서는 유의하지는 않으나 정(+)의 영향을 시사
- 소비자물가지수 역시 식료품 및 음료에 대해 정(+)의 상관관계를 시사
변수명 식료품 음료
추정계수 표준오차 추정계수 표준오차
상수항 6.3677*** 1.4590 7.5761** 2.9673
AR(1) 0.9044*** 0.0911 0.7556*** 0.2355
GDP 0.6056*** 0.1424 0.4324 0.3484
소비자물가지수 0.4122*** 0.2221 0.3418 0.7323
연평균환율 0.1583*** 0.0478 0.1151 0.1328
<표 2-5> 식품제조업 출하액 모형(연간 모형) 추정결과
자료: 산업연구원 김정현 위탁원고(식품제조업 출하 시계열모형 분석)(2020)
❍ 상기 연간 모형은 출하액을 직접적으로 추정할 수 있다는 점에서 의미가 있으나, 경상 시계열로 출하액이 실질적 물량 변화를 의미하지만은 않는 점과 시계열이 짧은 점은 한 계점으로 지목됨.
□ 식료품과 음료 출하지수 모형(분기 모형)
❍ 출하액 예측을 위해 물량 변수와 가격 변수를 각각 예측하여, 이들의 효과를 합한 출하 액 증가율을 예측함.
- 물량 변수로 식음료 출하지수를, 가격 변수로는 생산자물가지수 고려
- 구체적으로는 물가 변동분과 물량 변동분을 곱하여 출하액 증가율을 계산하고, 이를 전년도 출하액에 적용하여 예측연도의 출하액 예측치 산출
❍ 물량 변수(출하지수) 예측의 경우, 연간 모형에서와 마찬가지로 분기별 GDP, 소비자물 가지수, 분기평균환율을 설명변수로 사용하는 ARIMA 모형을 구축함.
- 최적 AIC에 해당하는 차수를 찾기 위해 최대 AR 및 MA 차수는 4로, 종속 및 설명변 수는 1차 차분까지 고려, 식료품 및 음료 각각에 대하여 최적 AIC에 해당하는 차수를 탐색
❍ 가격 변수(생산자물가지수)의 경우, 가격 변화율에 대해 구조적으로 유의한 영향을 미 치는 변수 선정이 어려워 AR(1) 모형을 선택함.
82 ❙
- 각 품목의 가격은 관련된 중간재 가격, 대체 및 경쟁관계에 있는 수입재 가격 등 여러 요 인이 복합적으로 작용한 결과로, 품목별로 가격에 영향을 미치는 요인이 다양하게 존재 - 그러나 실제로 관측되어지는 가격은 각 요인의 작용이 이루어진 결과로 이를 규명하 기는 어려우며, 특히 물량과의 상관관계를 고려하면 복잡한 연립방정식 형태의 관계 식을 구축할 필요
- 품목 수준에서는 자료 및 관측치가 충분하다는 전제하에 상기 연립방정식모형을 시 도해볼 수 있으나, 본 연구에서 분석범위는 제조업 소분류 수준으로 상당히 다양한 품목을 모두 포괄
- 여기서는 기의 가격이 기의 정보집합(
)을 모두 반영한다고 가정14)❍ 출하지수 모형은 출하액을 예측하기 위해 물량에 해당하는 출하지수와 가격에 해당하 는 생산자물가지수를 각각 추정 및 예측하여 이를 결합함.
- 출하지수를 사용함으로써 첫째로, 연간 자료를 분기별 자료로 변환하여 관측치를 확 보 가능
- 다음으로, 물량과 가격을 각각 구분하여 추정이 가능하도록 함으로써 실질 의미의 추 정을 수행
❍ ARIMA 모형 추정을 위한, AR, MA 등 차수의 선택 결과 식료품에서 AR 차수는 2, MA 차수는 2로 결정, 음료는 AR 차수는 4, MA 차수는 1, 종속 및 설명변수는 두 산업 모두 에서 1차 차분한 경우가 최적 AIC로 결정함.
❍ 식료품 출하지수 추정결과, GDP 및 환율의 변화분에 대한 유의한 결과가 도출됨.
- 종속변수 및 설명변수를 차분하였기 때문에, 상수항은 제외하고 추정
- 추정 결과, GDP 증가율 변화와 식료품 출하지수 증가율간에는 유의한 정(+)의 상관 관계가 있었으며, 환율과는 유의한 부(-)의 상관관계가 발생
14) AR(1)~AR(4)까지의 후보군에 대해서 추정한 결과, AR(1)의 적합도가 가장 높은 것으로 나타남.
변수명 식료품(
)추정계수 표준오차
AR(1) -0.5000 1.0947
AR(2) 0.2551 0.5311
MA(1) 0.1667 1.0752
MA(2) -0.5578 0.8019
0.3090*** 0.0645
-0.0814 0.1225
-0.1338*** 0.0223<표 2-6> 식료품 출하지수 분기모형 추정결과
자료: 산업연구원 김정현 위탁원고(식품제조업 출하 시계열모형 분석)(2020)
❍ 한편, 음료 제조업은 식료품과 달리 차분 이전 수준변수가 더 적합한 것으로 나타남.
- 음료 제조업 역시 GDP와 출하지수간 정(+)의 상관관계를 시사하였으며, 소비자물가 지수에 유의한 부(-)의 상관관계를 보여 식료품 제조업에 비해 가격에 보다 민감한 것 으로 나타남.
변수명 음료(
)추정계수 표준오차
AR(1) 0.0816 0.3579
AR(2) 0.5348** 0.2537
AR(3) 0.2039** 0.0932
AR(4) -0.1663 0.1226
MA(1) 0.6286* 0.3546
0.4526*** 0.0729
-0.4254* 0.2202
-0.0337 0.0718<표 2-7> 음료 출하지수 분기모형 추정결과
자료: 산업연구원 김정현 위탁원고(식품제조업 출하 시계열모형 분석)(2020)
84 ❙
6.3. 추정 결과
□ 2021년 식품제조업 출하액은 2020년보다 2.2% 늘어날 전망
❍ 식료품제조업의 출하지수는 2019년 106.7에서 2020년 107.5로 0.7% 증가할 것으로 전망되었으며, 2021년에는 2020년 전망치 대비 1.6% 증가한 109.2에 이를 것으로 전망됨.
❍ 음료제조업의 출하지수는 2019년 105.0에서 2020년 102.2로 2.7% 감소할 것으로 전 망되었으며, 2021년에는 2020년 전망치 대비 1.2% 증가한 103.5일 것으로 전망됨.
- 코로나 19 사태로 2020년 2월 중순부터 사회적 거리두기 시행 등으로 사회·경제 활 동이 줄어들면서 주류를 포함한 음료 소비가 즐어들었기 때문
❍ 식료품(음료) 생산자물가지수(2015=100) 역시 완만히 증가하여 2019년 102.3 (104.5)에서 2020년 102.9(105.8)로 0.6%(1.2%) 증가할 것으로 전망되었으며, 2020 년 전망치 대비 2021년에는 103.5(106.9)로 0.6%(1.1%) 증가할 전망임.
❍ 2020년 음료제조업 출하액은 2019년 대비 1.5% 감소한 반면, 식료품제조업 출하액은 1.3% 증가하여 2020년 음식료품 전체 출하액은 2019년 대비 0.9% 증가한 95.8조 원 규모가 될 전망임.
❍ 2021년 식품제조업 출하액은 2020년보다 2.2% 증가한 97.9조 원 규모가 될 것으로 전 망됨. 2021년 식료품제조업 출하액은 2020년 대비 2.2% 증가하고, 음료제조업 출하액 도 2019년 수준으로 회복할 것으로 전망되기 때문임.
<그림 2-20> 식료품 제조업 출하지수 추이 및 전망(2015=100)
주: 2020년 3분기까지는 관측치, 나머지는 KREI 예측치 자료: 통계청, 광업제조업동향조사
<표 2-8> 식품제조업 업종별 2020-21년 출하 전망
주 1) 괄호 안의 숫자는 전년 대비 증가율을 뜻함.
2) 2019년 출하액과 2020/21년 지수 및 출하액은 KREI 전망치임.
2) 2020년 전망치는 2019년 추정치를 바탕으로 계측함. 출하액 산정을 위해 2018년 대비 2019년에서 2021년 까지 각 연도별 출하지수 증가율(), 생산자 물가지수 증가율(), 그리고 출하액 증가치( )를 계측 자료: 통계청, 광업제조업동향조사, 광업제조업조사; 통계청 전국사업체조사
구분 2018년
확정치
2019년 추정치
전망
2020년 2021년
식료품제조업 출하지수(2015=100) 103.7 106.7
(2.9%)
107.5 (0.7%)
109.2 (1.6%)
음료제조업 출하지수(2015=100) 105.5 105.0
(-0.5%)
102.2 (-2.7%)
103.5 (1.2%) 생산자
물가지수 (2015=100)
식료품 101.8 102.3
(0.6%)
102.9 (0.6%)
103.5 (0.6%)
음료 103.3 104.5
(1.2%)
105.8 (1.2%)
106.9 (1.1%)
출하액 (단위: 조 원)
식료품(A) 80.1 82.9
(3.5%)
84.0 (1.3%)
85.8 (2.2%)
음료(B) 11.9 12.0
(0.7%)
11.8 (-1.5%)
12.1 (2.3%) 식품합계 (A+B)
(10인 이상) 92.0 94.9
(3.1%)
95.8 (0.9%)
97.9 (2.2%) 매출액
(단위: 조 원)
식품합계
(1인 이상) 122.1 127.9
(4.7%)
131.1 (2.5%)
136.2 (3.9%)
86 ❙
□ 2021년 식품제조업 전체 매출액은 2020년보다 3.9% 늘어날 전망
❍ 식품제조업의 매출액(1인 이상)은 2018년 122.1조 원에서 2021년 136.2조 원으로 증가할 것으로 전망됨. 종사자수 10인 이상 식품제조업의 출하액은 2018년 92조 원으 로 전체 매출액의 75.3%를 차지하였으나, 2021년에는 97.9조 원으로 전체 매출액의 71.9%로 전망됨.
<그림 2-21> 식품 제조업 매출액 추이 및 전망
주 1) 출하액은 광업제조업조사결과로 10인 이상 기준임.
2) 매출액은 전국사업체조사, 경제총조사(2010년, 2015년) 조사결과로 1인 이상 기준임.
자료: 통계청, 광업제조업조사, 전국사업체조사(2016-2018년), 경제총조사(2010년, 2015년).
<부록> 부가가치 모형(mixed frequency model)
□ 부가가치 모형
❍ 연도별 출하액을 종속변수로 예측 시 빈도(frequency)의 문제가 발생함.
- 가용한 생산지수 및 수출입 관련 자료의 경우 월별로 발표되나, 출하액이나 부가가치 는 분기 내지 연도별로 발표되어 일반적인 회귀모형을 통한 추정이 어려움.
- 기존 모형에서와 같이 종속변수 및 설명변수의 빈도가 맞지 않아 종속변수가 더 고빈 도인 경우, 설명변수를 더미화하여 사용하거나 설명변수 그 자체로 해석
- 종속변수보다 설명변수의 빈도수가 더 높은 경우, 일반적으로는 설명변수의 빈도를 종속변수에 맞추기 위해 누계, 평균 등을 취하여 빈도를 조정
- 그러나, 빈도의 조정이 이루어지게 되면 고빈도 설명변수가 갖는 고유의 정보를 손실 하는 단점이 있으며, 예측치 갱신을 위한 실시간 업데이트가 어려워짐(Andreou et al., 2011; Marcellino, 1999).
❍ 상기 문제의 해결을 위하여 MIDAS(Mixed Data Sampling) 추정을 고려할 수 있으며, 이를 통해 월별 설명변수를 통한 분기 예측을 가능하게 함.
- 기존 설명변수에 더하여 월별 주요 변수들의 가용성을 확보하는 것만으로도 예측력 개선이 기대됨.
❍ 황선웅, 박문수(2012)에서는 MIDAS 모형을 다음과 같이 표현함.
×
단, 는 월별 시차
에 따라 모양이 변화하는 가중치 함수, 은 분기 번째 월에 관측된 설명변수를 의미,
은 분기 또는 연도별 개월 수- Almon 시차 다항식을 가중치 함수로 이용하는 경우, 전개 다항식을 이용하게 되는 데 이를 정리하면 상기 식의 3항은 다음과 같이 정리