단위근 검정(Unit Root Test)은 시퀀스가 안정적인지 확인하는 검정 방법으로, 일반적인 패널 단위 루트 검정 방법에는 Levin(1992)의 LLC 검정, Im(1995)의 IPS 검정, Maddala & Wu(1999)의 Fisher 검정 등이 있다. 본 연구에서는 LLC 검정과 Fisher ADF검정이 패널 데이터의 정상성을 확인하는 방법으로 사용된다.
LLC는 동일한 루트 패널 모델의 단위 루트 검정이다. 검정 원리는 각 섹션의 시 계열에 대해 ADF 검정 회귀를 수행한 다음 두 세트의 직교 잔차 시리스 (orthogonal residual series)를 구성한다. 두 세트의 잔차 시퀀스에 대한 회귀 계
검정 방법 Dump Rdeficit RCA MR RGDP
LLC 검정 constant No trend -7.56﹡﹡﹡ -5.11﹡﹡﹡ -2.31﹡﹡ -2.33﹡﹡﹡ -4.19﹡﹡﹡
ADF 검정 constant No trend 74.61﹡﹡﹡ 77.86﹡﹡﹡ 97.03﹡﹡﹡ 30.61﹡﹡﹡ 39.98﹡﹡﹡
수의 통계를 조정하고 t통계량을 구한 다음 t값과 p 값을 통하여 단위근 프로세 스가 있는지 확인한다.
Fisher ADF 검정은 변수의 정상성을 테스트하는 데 사용되는 추가 DF 검정 방법이다.
단위근 검정 과정에서 본 연구는 주로 Constant、No trend 모형을 고려한다.
본 연구의 연구 데이터는 균형 패널 데이터이며 결과는 <표 4-2>와 같다.
검정 결과에 따르면, LLC 및 ADF 검정의 결합 결과는 모든 검정 변수에 대 한 단위 루트가 없음, 즉 패널 데이터가 안정적임을 나타낸다.
<표 4-2> 패널 데이터의 단위근 검정 결과
※﹡﹡﹡, ﹡﹡, ﹡는 각각 1%, 5% 및 10%의 유의 수준에서 귀무가설을 기각한다는 것을 의미하며, 이는 아래에서 자세히 설명하지 않는다.
제 2 절 미국의 对중국 반덤핑 영향 요인에 대한 패널 임계값 회귀 분석
1. 패널 고정 효과 모델의 구축
패널 데이터 모델(panel data model)은 일반적으로 세 가지 형태가 있다. 하나 는 혼합 추정 모델(Mixed estimation model)이다. 시점에서 다른 개체 간에 유의 한 차이가 없어 보이고, 횡단면에서 다른 단면 간에 유의한 차이가 없으면 패널 데이터를 직접 혼합하고 보통 최소 제곱을 사용하여 매개 변수를 추정할 수 있
검점 방법 F-statistics Prob>F Chi2() Prob>chi2
F 검정 34.82 0.000 / /
Hausman 검정 / / 5.59 0.023
표 12 표<4-3> 패널 효과 모델의 검정 결과
다. 다른 하나는 고정 효과 모델(fixed effects model)이며, 모델의 절편이 섹션 또는 시계열마다 다르면 모형에 더미 변수를 추가하는 방법을 사용하여 회귀 모 수를 추정할 수 있다. 나머지 하나는 랜덤 효과 모델(random effects models)이 다. 고정 효과 모델의 절편항에 횡단면 랜덤 오차(cross-section random error term)와 시간 랜덤 오차(time random error term)의 평균 효과가 포함되어 있고 두 랜덤 오차가 정규 분포를 따르는 경우, 고정 효과 모델은 랜덤 효과 모델이 된다. 패널 데이터 모델 형식의 선택에 있어서 F검정을 통하여 혼합 모델 또는 고정 효과 모델을 선택할지 여부를 결정한 다음 Hausman검정을 사용하여 랜덤 효과 모델 또는 고정 효과 모델을 설정할지 여부를 결정한다. 실증적 검정 모델 은 고정 효과 모델을 사용해야 하며 구체적인 검정 결과는 <표 4-3>과 같다.
<표 4-3> 패널 효과 모델의 검정 결과
패널 효과 모델에 의해 선택된 검정 결과에 따르면, F검정의 F 통계량은 34.82이며, 귀무가설은 1% 유의 수준에서 기각된다. 즉, 패널 효과 모델은 혼합 효과 모델로 기각되어야 한다. Hausman 검정 결과를 보면 chi2()의 값은 5.59이 며, 모형에 랜덤 효과가 있다는 귀무가설은 5% 유의 수준에서 기각된다. 즉, 패 널 효과 모델을 고정 효과로 설정해야 한다. 따라서 고정 효과 모델의 형태에 따 라 기본 회귀 모델은 다음과 같이 설정된다.
Yit=μi+βXit+εit (4.6)
그중 Xit는 Rdeficitit, RCAit, WTOt MRit, RGDPt 등 설명 변수를 포함한다.
모델의 구체적인 형태는 공식(4.7)과 같다.
설명 변수 Coef Std.Eir t p>|t| [95%Conf.Interval]
Rdeficit 0.043 0.016 2.69 0.036﹡﹡ （0.003.，0.083）
RCA 0.247 0.137 1.80 0.122 （-0.089.，0.584）
MR 1.698 0.199 8.50 0.000 （1.209，2.187）
WTO 0.009 0.145 0.07 0.948 （-0.345，0.365）
RGDP -2.655 2.638 -1.01 0.353 (-9.111, 3.801)
-cons 0.147 0.269 0.55 0.604 （-0.512，0.807）
Number of obs=168 F=18.10 Prob>F=0.001
표 13 표<4-4> 음이항회귀모형(negative binomial regression model) 분석 결과 (4.7)
<표 4-4> 음이항회귀모형(negative binomial regression model) 분석 결과
※ 본 연구에서 모든 회귀 결과는 STATA.15 소프트웨어를 통하여 얻은 것이므로 아래에서 자세
이고 반덤핑과 양의 상관관계가 있다. 이는 고정 효과 모델의 실증적 검정 결과 가 기본적으로 이론적 가정과 일치하지만 일부 변수의 중요성은 분명하지 않으 며, 모델이 경제 현실에 부합하는지 여부는 여전히 임계값 자기회귀 모델 (threshold autoregressive model)에 의해 분석되고 판단되어야 한다.