단기 지가예측모형 구축 - 토지시장의 구조변화 및 전망 연구 Structural Changes in Korean Land Market

(1) 분석자료

VAR모형을 통해 분기별 지가를 예측하기 위한 변수는 제4장의 인과관계에서 지가변동률과 상호 인과관계가 가장 높은 회사채수익률, 실질GDP성장률을 사용 하였다.⁴²⁾ 물론 토지가격은 제3장에서 논의한 바와 같이 크게 수요요인과 공급 요인, 그리고 정책 및 제도적 요인에 의하여 결정된다. 여기에서 토지의 공급은 단기적으로는 매우 비탄력적이기 때문에 주어진 것으로 가정한다. 그리고 정책 적 요인과 제도적 요인은 변수를 계량적으로 예측하기가 매우 어렵기 때문에 예 측기간에 걸쳐서 이러한 요인들은 변화가 없다고 암묵적으로 전제한다. 따라서 이 연구에서는 거시경제변수인 회사채수익률과 실질GDP성장률, 그리고 전국평 균지가변동률을 변수로 고려하여 토지가격의 변동률을 예측하고자 한다.

회사채수익률, 실질GDP성장률, 전국평균지가변동률 등의 단위근 검정을 통해 시계열의 안정성을 검정한 결과, 원시계열은 단위근이 있지만 1차차분한 시계열

42) VAR 모형은 지가변동률, 실질GDP성장률, 회사채수익률 등 주요 경제변수들의 상호의존성(내생성, endogeneity)을 모형화하는 데 적절한 도구이다. 즉 VAR 모형은 간단한 구조를 가정함에도 불구하고 단일변량보다 훨씬 신축적으로 대상변수들의 자기상관구조를 모형화할 수 있는 장점이 있으며, 변 수들의 움직임에 대한 이론적 지식이 없이도 변수들이 시계열적 행태에 기초하여 간단한 예측을 실 행할 수 있는 유용한 시계열모형이다.

104

회사채수익률, 실질GDP성장률, 전국평균지가변동률의 세 변수로 VAR모형 을 설정하여, 아카이케 정보기준(Akaike information criteria, AIC)와 쉬워츠 정보 기준(Schwarz information criteria, SIC)를 판별한 결과 <표5-15>에 정리한 바와 같이 적절한 차수는 4로 나타났다.

<표5-15> 지가변동률과 거시경제변수들 간의 AIC, SIC 판별결과

검정법 시 차

1 2 3 4 5 6

AIC 18.854 18.511 18.535 18.001 18.004 18.103 SC 19.322 19.338 19.728 19.567 19.950 20.438 주 : 상수항을 포함한 VAR모형을 기준으로 제시한 것임.

전국평균지가변동률과 실질GDP성장률, 회사채수익률 등의 공적분을 검정한 결과, 공적분 관계가 존재하지 않은 것으로 나타났다. 따라서 벡터오차수정모형 (vector error correction model, VECM)을 구성할 수 없으므로 VAR모형으로 설 정․추정하고자 한다.⁴³⁾ 시계열변수간의 장기균형관계를 검정하기 위해서는 엔 글․그랜져(Engle․Granger)의 공적분 검정과 요한센(Johansen)의 공적분 검정을 이용할 수 있지만, 이 연구에서는 요한센의 공적분 검정방법을 이용하였다.⁴⁴⁾

요한센의 공적분 검정은 자료 속에 선형의 확정적 추세가 있고, 공적분 회귀식 에 상수항은 있으나 추세가 없는 모형을 가정한다.

시차를 p = 4로 하였을 때, 요한센의 공적분 검정결과는 <표5-16>과 같다. 우 도비통계량이 λ_trace(r) 로 귀무가설이 공적분벡터의 수가 ^r개보다 작거나 같

43) 공적분 검정결과 공적분 관계가 존해하면 벡터오차수정모형을 설정하여 추정할 수 있다.

44) 엔글․그랜져(1987)는 ADF 검정방법을 제한하고 있다. 그러나, ADF 검정방법은 어느 변수로 표준 화하는가에 따라(어느 변수를 종속변수로 사용하는가) 결과가 일치하지 않을 수 있다는 점과 세 변수 이상인 경우 적용이 용이하지 않을 수 있다는 문제점이 있다. 이에 대해 요한센 공적분 검정 방법은 ADF 검정을 세 변수 이상의 다변량의 경우로 확장한 것으로 이해할 수 있다 (Engle․

Granger, 1987:251-276).

106

다(귀무가설H0:r = 0 및 H0:r≤1)인 경우, 각각 λ_trace(0)=27.066, λ_trace(1)

=7.6458이므로 5% 유의수준에서 기각할 수 없다.⁴⁵⁾

따라서 전국 평균지가변동률, 실질GDP성장률, 회사채수익률 사이에는 공적분 관계가 존재하지 않기 때문에 1차차분 시계열을 이용하여 VAR모형을 설정, 추 정하고자 한다.

<표5-16> 요한센의 공적분 검정결과

r

^Eigenvalue ^Likelihood_Ratio Critical Value^{5 Percent}

1 Percent Critical Value

Hypothesized No. of CE(s)

1 0.350502 27.06583 29.68 35.65 None

2 0.098932 7.645835 15.41 20.04 At most 1 3 0.063619 2.957966 3.76 6.65 At most 2 주 : Osterwald-Lenum(1992:461-471)의 임계치(Critical Value)를 사용함.

변수들간의 추정 순서를 결정하기 위해 인과관계를 검정한 결과 회사채수익률 (DGRYC) → 실질GDP성장률(DGGDP) → 전국평균지가변동률(DGLP) 순으로 VAR모형을 추정하는 것이 바람직한 것으로 나타났다.

<표5-17>에서 보는 바와 같이 회사채수익률․실질GDP성장률과 실질GDP성장 률․지가변동률은 쌍방향 인과관계가 약하게 존재하므로 그 순서에 제약을 둘 필요가 없다. 그러나, 회사채수익률 → 지가변동률은 일방적 인과관계를 강하게 형성하고 있기 때문에 회사채수익률, 실질GDP성장률, 전국평균지가변동률 순서 로 추정하면 인과관계 형성이 이루어지게 되고, 사슬법칙(Chain Rule)을 통해 얻 어지는 예측치의 합리적 근거를 마련해 주게 된다.

45) 우도비통계량(Likelihood Ratio)은 λ_trace(r)로 귀무가설은 공적분 벡터의 수가

r

^{개보다 작거나}

같다.

<표5-17> 지가변동률과 거시경제변수 간의 인과관계 검정

108

D(GGDP(-1)) + 0.113 D(GGDP(-2)) - 0.245 D(GGDP(-3)) + 0.327 D(GGDP(-4)) - 0.002 D(GRYC(-1)) - 0.044 D(GRYC(-2)) + 0.034 D(GRYC(-3)) + 0.009 D(GRYC(-4)) - 0.131

D(GGDP) = 0.094 D(GLP(-1)) - 0.040 D(GLP(-2)) - 0.235 D(GLP(-3)) + 0.026 D(GLP(-4)) + 0.085 D(GGDP(-1)) + 0.046 D(GGDP(-2)) + 0.165 D(GGDP(-3)) - 0.243 D(GGDP(-4)) - 0.060 D(GRYC(-1)) - 0.041 D(GRYC(-2)) - 0.020 D(GRYC(-3)) - 0.035 D(GRYC(-4)) - 0.210

D(GRYC) = 1.459 D(GLP(-1)) + 1.757 D(GLP(-2)) + 2.232 D(GLP(-3)) + 2.878 D(GLP(-4)) + 0.822 D(GGDP(-1)) + 2.705 D(GGDP(-2)) + 0.822 D(GGDP(-3)) + 1.785 D(GGDP(-4)) - 0.200 D(GRYC(-1)) - 0.089 D(GRYC(-2)) - 0.046 D(GRYC(-3)) - 0.445 D(GRYC(-4)) + 2.460

이 식에 의하면, 회사채수익률에 1 표준편차 크기의 충격이 발생한 경우 지가 변동률이 다음 분기에 -0.0387, 두 번째 분기에 -1.1616, 4분기에 0.8151, 8분기에 0.2041, 12분기에 0.1003, 36분기에 -0.0690만큼 변화한다. 그리고 회사채수익률에 1 표준편차 크기의 충격이 발생한 경우 실질GDP성장률은 다음 분기에 -0.9963, 두 번째 분기에 -0.5677, 4분기에 0.3009, 8분기에 0.5261, 12분기에 -0.6957, 36분 기에 -0.4690만큼 변화하는 것으로 나타났다. 또한, 실질GDP성장률에 1 표준편차 크기의 충격이 발생한 경우, 지가변동률은 다음 분기에 0.8739, 두 번째 분기에 -0.0249, 4분기에 -0.7789, 8분기에 -0.0140, 12분기에 -0.1117, 36분기에 0.0377만큼 변화하는 것으로 나타났다.

<그림5-10> VAR모형의 충격반응함수

-1.5

Response of D(GLP) to D(GLP)

-1.5

Response of D(GLP) to D(GGDP)

-1.5

Response of D(GLP) to D(GRYC)

-2

Response of D(GGDP) to D(GLP)

-2

Response of D(GGDP) to D(GGDP)

-2

Response of D(GGDP) to D(GRYC)

-10

Response of D(GRYC) to D(GLP)

-10

Response of D(GRYC) to D(GGDP)

-10

Response of D(GRYC) to D(GRYC) Response to One S.D. Innovations

문서에서 토지시장의 구조변화 및 전망 연구 Structural Changes in Korean Land Market (페이지 117-123)