비구조적(nonstructural) 접근방법은 주로 통화주의(monetarism), 신고전학파 학 자들로부터의 이론적 지지와 실제 적용에 필요한 컴퓨터 소프트웨어의 개발에 힘입어 대규모 구조방정식이 갖는 문제점을 상당부분 보완할 수 있다는 점을 널 리 인정하면서 1970-1980년대 경제분석과 예측업무의 큰 부분을 담당하게 되었 다. 비구조 예측모형에 대한 논의는 1920년대부터 시작되었다.
슬러즈키(E. Slutsky), 프리쉬(R. Frisch) 등은 선형정차방정식(linear difference equation)에 의거 확률충격의 파급과정을 모형화 함으로써 오늘날 시차변수의 가 중평균에 의해 미래를 예측하는 시계열 예측모형의 기초를 만들었다. 그 후 칼만 (R. Kalman)등에 의해 초기시계열모형에서 가정하였던 조건이 많이 완화되고 이 론체계가 정교해지면서 효과적인 예측방식으로 널리 인식되었다. 특히 박스․젠 킨스(George E. P. Box․Gwilym M. Jenkins)등은 ARIMA모형에 의거 시계열의 모 형화, 추정, 문제점 식별(diagnostic checking), 예측 등 일련의 반복과정을 간편하 게 실행할 수 있도록 실용화함으로써 비구조적 예측에 있어서 큰 전기를 마련하 였다(김치호, 2000:26).34)
34) 심즈(C. Sims)는 일변수 AR예측모형을 다변수 예측을 위한 VAR모형으로 확장시킴으로써 비구조적 예측모형에 있어서 하나의 전기를 만들었다. 심즈가 제시한 VAR모형에서는 내․외생변수의 구분이 없어 전통적인 연립방정식 모형에서 지적되던 식별문제가 제기되지 않는 한편, ARMA모형의 추정 에 요구되는 수치적 최적화(numerical optimization)와 같은 어려운 문제도 해결 할 수 있을 뿐만 아니 라 분산분해, 충격반응 등의 기법을 통해 경제충격과 이에 따른 경기변동 현상을 효과적으로 분석할 수 있어 지난 20년가까이 각종 경제분석에 폭넓게 사용되어 왔다. 이밖에 단위근 문제, 오차수정모
84
시계열 분석법이란 어떤 특성치를 분석할 때, 그 특성치와 인과관계에 있는 다 른 변수들을 고려하지 않고 그 자신의 현재 및 과거의 값들만으로 그 특성을 파 악하고자 하는 방법이다. 시계열모형은 이론보다 자기시차 또는 일부 관심경제 변수간의 상관관계에 바탕을 두고 있기 때문에 구조모형에 비해 예측작업이 용 이하고 예측력도 크게 뒤지지 않아 예측에 효율적으로 이용할 수 있다. 시계열모 형으로는 ARIMA모형, RegARIMA모형, VAR모형 등이 있다.
ARIMA모형(auto-regressive integrated moving average model)은 박스․젠킨스 (Box․Jenkins, 1976)35)의 기본적인 ARIMA(p, d, q)모형을 의미한다. ARIMA(p, d, q)형태의 시계열모형은 특정 경제이론에 기초한 경제변수들간의 관계를 고려하 지 않고, 단지 추정대상변수의 과거 움직임에 기초하여 규칙을 찾아내는 것이다.
ARIMA모형은 단일변수 시계열 모형임에도 불구하고 단기예측에 관한 한 전통 적인 회귀방법보다도 높은 정확성을 갖는 것으로 알려져 있으며, 근대적 시계 열 분석의 주류를 이루고 있다.
RegARIMA(ARIMA with regression or transfer function)는 박스․젠킨스(Box․
Jenkins, 1976)에 의해 소개된 계절 ARIMA모형에 회귀모형을 결합하여 모형의 설명력을 높인 모형이다. 통상 시계열을 확정적 부문과 확률적 부문으로 구분할 수 있는데, 이 모형에서는 영업일수, 명절, 구조변화 등 확정적 부문은 더미변수 등을 이용한 회귀식으로서 확률적 부문은 계절 ARIMA모형으로 추정할 수 있 다.36)
VAR모형은 심즈(Sims, 1980)가 개발한 것으로 구조모형과는 달리 선험적 경제 이론을 배제한 상태에서 변수간 상관관계 및 시차상관관계를 이용하여 구성된
형, 공적분 등의 연구에서도 많은 진전이 이루어짐으로써 비구조적 시계열 예측모형의 이용이 확대 되고 분석결과에 대해서도 신뢰가 높아지게 되었다.
35) 박스․젠킨스(Box․Jenkins)법은 분석하고자 하는 시계열이 주어지면 우선 이를 안정적 시계열과 불 안정적 시계열로 구분한 후, 만일 그 시계열이 불안정적 시계열이라면 차분을 하여 일단 안정적 시 계열로 변환하고, 그 변환된 시계열을 위주로 분석하는 방법이다(Box G. E. and G. M. jenkins, 1976).
36) 최근 미국 센서스국에서 개발된 계절조정방법인 X12-ARIMA에서는 시계열의 예측뿐만 아니라 명 절효과․특이항 등의 사전조정요인계열의 산출에 RegARIMA모형이 이용되고 있다.
다변량시계열모형(多變量時系列模型)이다. VAR모형은 모형내 변수들의 시차관 계를 이용하여 예측 뿐 아니라 충격반응함수를 이용한 정책변수의 파급효과 분 석이 가능하다는 장점이 있다. 따라서, VAR모형은 거시경제변수에 영향을 미치 는 다양한 충격들의 상대적 중요성과 동학적 효과, 그리고 미래 예측치를 추정하 기 위한 도구로서 널리 사용되고 있다. 아울러 경제구조에 관한 선험적 주관이나 사전적인 특정 경제이론을 배제한 분석이라는 점에서 많은 지지를 받고 있다.
반면에, 모형을 설정할 때에 이용되는 변수들의 선정, 배열순서, 시차 길이 등 에 의해 예측 및 파급효과분석 결과가 달라진다는 문제점이 있다. 즉, VAR모형 은 구조모형에 비해 쉽게 활용할 수 있지만, 경제이론에 근거하지 않고 있어 추 정해야 할 모수가 과도하게 많아 예측력이 저하될 수 있다. 따라서 최근에는 VAR모형의 예측력과 설명력을 높이기 위해 BVAR(bayesian VAR)모형과 구조적 VAR(structural VAR)모형 등 보다 정교한 방식이 제안되고 있다.
이 연구에서는 단기 지가예측을 위해 ARIMA와 VAR를 이용한 단기 지가예측 모형을 개발하는 데에 일차적인 목표를 두고, 향후에 이 모형의 개선을 도모하고 자 한다. ARIMA모형(단일변수 시계열모형)은 과거 지가변동률의 움직임을 통해 미래의 지가변동률을 예측하는 모형이다.
VAR모형(다변수 시계열모형)은 지가변동률에 영향을 미치는 다른 변수들간 의 과거 연관관계를 분석하여 미래 지가변동률을 예측하는 것이다. 앞서 검토한 선행연구의 분석에서도 알 수 있듯이 토지시장 전망을 위한 모형을 만들어 내기 는 쉽지 않으며, 완벽한 모형을 만들어 내기는 거의 불가능한 실정이다. 따라서, 이 연구는 향후에 개발하여야 할 단기모형, 중장기모형 등을 구축하기 위한 기초 연구로서 필요한 모형에 한정시켜서 연구를 수행하고자 한다.
86