○ 본 절에서는 현 상황에서 기능한 다양한 시나리오를 가정하여 변동직불금 과 수입보험금을 비교함.
- 먼저 총량 데이터를 이용하여 재배면적과 단수 회귀모형을 추정하고, 이 를 이용하여 2017년 수확량(단수✕재배면적)을 추정함.
- 추정된 수확량을 기초로 시뮬레이션을 수행하고 다양한 수확량과 가격 시 나리오 가정하에서 변동직불금과 수입보험금을 비교함.
4.1. 2017년 수확량 및 가격 추정 4.1.1. 쌀 재배면적 추정
○ 쌀의 재배면적 추정모형은 전국기준 2006~2016년의 연간(총량) 데이터를 기초로 추정함.
- 연도()별 전국 쌀의 재배면적()은 연도별 전기 산지가격( )과 전기 농촌노임( )의 상대가격, 재배면적의 추세()에 의해 추정되는 것으로 설정함.
- 추정식은 다음과 같이
로 표현됨.
○ 추정식을 바탕으로 추정된 결과는 <표 4-39>와 같음.
- 모든 변수들이 5% 수준에서 통계적으로 유의미하며 결정계수도 0.9905 로 상당히 높게 나타남.
- 전기 실질산지가격에 대해서 양(+)의 관계를 가지며, 재배면적 추세에 대 해서는 음(-)의 관계를 가짐.
- 이는 전기 실질산지가격이 상승할수록 재배면적이 증가하며, 매년 재배 면적이 감소하고 있음을 의미함.
75
주: ***, **, *는 각각 1%, 5%, 10% 유의수준에서 유의함.
○ 추정식에 의해서 추정한 2017년 재배면적은 74만 1,836ha로 나타남.
- 시나리오 분석은 2017년 재배면적 추정치에 대해 100개의 오차 난수를 적용한 다양한 재배면적 시나리오를 기초로 수행함.
○ 재배면적 추정치에 대한 오차난수 생성은 다음과 같은 절차를 따름.
- 먼저 2006~2016년 기간의 실제 재배면적과 추정 재배면적 간 차이(오차)의 경험분포에 기초하여 다양한 확률분포를 추정하고 경험분포에 가장 적합한 분포를 선정함.
- Akaike’s Information Criterion(AIC)과 Bayesian Information Criterion(BIC)9 값에 기초할 때 Uniform 분포가 적합한 것으로 나타남.
- Uniform 분포에 기초하여 시뮬레이션을 통해 구해진 100개의 재배면적 오 차의 평균치(5048.00)는 실제 오차의 평균치(4621.00)보다는 다소 높게 추정됨.
9 본 연구에서 이용한 @Risk 소프트웨어는 가능한 대부분의 분포(약 15개의 분포)를 비 교하여 AIC와 BIC값을 기준으로 경험분포에 가까운 순서로 배열함.
0.5658799 2.89**
-14234.14 -10.07***
29400000 10.25***R-Square 0.9905
Nmber Of Obs 11
<표 4-39> 쌀 재배면적 추정결과
연도 2014 2015 2016 2017 전망치
재배면적 814,334ha 797,957ha 777,872ha 741,836ha
<표 4-40> 쌀 재배면적 전망
<그림 4-1> Uniform 분포(재배면적)
○ 오차항 100개에 대한 극소치, 중앙값, 극대치를 반영한 재배면적의 세 가지 추정치는 각각 73만 7,887ha, 74만 6,877ha, 75만 5,892ha로 산출됨.
모형추정치 오차항을 반영한 추정치
741,836ha
추정치 + min 737,887ha
추정치 + mid 746,877ha
추정치 + max 755,892ha
<표 4-42> 오차항을 반영한 재배면적 추정치
분포 모수추정치 AIC BIC 오차 평균치
Uniform Min -4,091.95
221.3986 220.6944 5048.00 Max 14,188.24
<표 4-41> 쌀 재배면적 오차의 분포 추정
77
4.1.2. 쌀 단수 추정
○ 쌀의 단위면적(ha)당 수확량은 전국기준의 연간(총량) 데이터(2006~2016년) 를 기초로 추정함.
- 연도()별 전국 쌀의 단수()는 단수의 추세(), 전기 단수
( ), 8월 평균기온과 누적강수량( ), 9월 평균기온과 누
적강수량( ), 연도별 전기 산지가격( )과 전기 농촌노임
( )의 상대가격에 의해 추정되는 것으로 설정함.
- 식은 다음과 같이 표현함.
∙
○ 추정식을 바탕으로 추정된 결과는 <표 4-43>과 같음.
- 모든 변수들이 10% 수준에서 통계적으로 유의미하며 결정계수도 0.9909 로 상당히 높음.
- 단수 추세와 전기단수, 9월 기온, 전기 실질가격은 당년 단수와 양(+)의 관계를 보이고 있음.
- 반면 8월 기온과 강수량, 그리고 9월 강수량은 음(-)의 관계를 보이는데 이는 8월의 과도하게 고온다습한 기후와 9월의 과다한 강수량이 단수에 부정적임을 의미함.
52.74926 4.95**
0.2749888 3.49**
–80.61507 -4.33**
-1.199627 -7.01***
57.49528 2.41*
–0.6924622 -3.02*
<표 4-43> 쌀 단수 추정결과
(계속)
0.0041357 2.56*
–101780.2 -4.67**
R-Square 0.9909
Nmber Of Obs 11
주: ***, **, *는 각각 1%, 5%, 10% 유의수준에서 유의함.
○ 추정식에 의해서 2017년 단수 추정치는 5,210kg/ha으로 나타남.
- 재배면적과 마찬가지로 단수에 대해서도 100개의 오차난수를 생성하여 시나리오 분석에 활용함.
○ 단수 추정치에 대한 오차난수의 생성은 다음과 같이 수행함.
- 2006~2016년의 실제 단수와 추정 단수 간 차이(오차)의 경험분포에 기초 할 때 Uniform 분포가 가장 적합한 것으로 나타남.
○ Uniform 분포를 기초로 시뮬레이션을 통해 구해진 100개의 단수 오차의 평균 치(1.665)는 실제 오차의 평균치(0.0406)보다는 높게 추정됨.
- 이는 11개년의 자료가 충분치 못한 통계적 한계를 보여주는 것으로 향후 추가로 자료수집이 필요함을 시사함.
연도 2014 2015 2016 2017 전망치
단수 5,200kg/ha 5,420kg/ha 5,390kg/ha 5,210kg/ha
<표 4-44> 쌀 단수 전망
분포 모수추정치 AIC BIC 오차 평균치
Uniform Min -45.71
105.6281 104.9239 1.665
Max 49.04
<표 4-45> 쌀 단수 오차의 분포 추정
79
<그림 4-2> Uniform 분포(단수)
○ 오차항 100개에 대한 극소치, 중앙값, 극대치를 반영한 단수의 세 가지 추정 치는 각각 5,165kg/ha, 5,211kg/ha, 5,259kg/ha으로 도출됨.
4.1.3. 쌀 가격 추정
○ 쌀 가격 추정모형은 전국기준 2006~2016년의 연간(총량) 데이터를 기초로 추정함.
- 소비자 물가()를 반영한 쌀의 실질가격()은 연도별 가격 추세 (), 총 수확량()에 의해 결정되는 것으로 추정함.
5,210kg/ha
추정치 + min 5,165kg/ha
추정치 + mid 5,211kg/ha
추정치 + max 5,259kg/ha
<표 4-46> 오차항을 반영한 단수 추정치
∙ 쌀의 실질가격 소비자 물가지수
명목가격
×
- 식은 다음과 같이 Pr 로 표현됨.
○ 추정식을 바탕으로 추정된 결과는 <표 4-47>과 같음.
- 모든 변수들이 10% 수준에서 유의하며 결정계수도 0.727로 높게 나타남.
- 예상한 바와 같이 수확량이 증가할수록 쌀의 실질가격은 하락하며, 매년 가 격이 하락하는 추세로 나타남.
주: ***, **, *는 각각 1%, 5%, 10% 유의수준에서 유의함.
○ 쌀 가격의 다양한 추정치 산출을 위해 가격 오차의 난수를 생성함.
- 2006~2016년의 실제가격과 추정 가격 간 차이(오차)의 경험분포를 기초로 다양한 확률분포를 추정하고 가장 적합한 분포를 결정함.
- AIC와 BIC 값에 기초할 때 지수분포가 가장 적합한 것으로 나타남.
- 시뮬레이션을 통해 구해진 100개의 가격 오차의 평균치(-609.60)는 실제 오차의 평균치(55.06)보다 다소 낮게 추정됨.
-0.0000243 -2.17*
–4330.166 -4.53***
8983546 4.59***
R-Square 0.727
Nmber Of Obs 11
<표 4-47> 쌀 실질가격 추정결과
분포 모수추정치 AIC BIC 오차 평균치
지수 Beta 7,311.42 225.2382 224.4979 -609.60
<표 4-48> 쌀 실질가격 오차의 분포 추정
81
<그림 4-3> 지수 분포(실질가격)
4.1.4. 추정된 data 정리
○ 지금까지 추정한 2017년 재배면적과 단수를 이용하여 <표 4-49>와 같이 9 개의 수확량 추정치를 도출함.
재배면적(ha) 단수(kg/ha) 총 수확량(kg)
min 737,887
min 5,165 3,811,217,231
mid 5,211 3,845,437,583
max 5,259 3,880,289,228
mid 746,877
min 5,165 3,857,647,460
mid 5,211 3,892,284,702
max 5,259 3,927,560,928
max 755,892
min 5,165 3,904,211,129
mid 5,211 3,939,266,460
max 5,259 3,974,968,487
<표 4-49> 2017년 추정 수확량
○ 상기 9개 수확량을 쌀 가격 추정모형에 투입하여 9개의 수확기가격 추정치
83
(계속)
85
152,327 56,857 77 671,706 910
160,411 0 0 352,251 477
150,612 20,607 28 739,474 1,002
158,696 0 0 420,019 569
186,688 0 0 0 0
4
746,877
3,858
151,174 32,245 43 725,997 972
159,258 0 0 402,651 539
187,251 0 0 0 0
5 3,892
150,314 14,538 19 760,395 1,018
158,398 0 0 437,048 585
150,018 8,570 11 781,560 1,034
158,102 0 0 454,310 601
➁ 보장비율: 90%
○ 수입보험의 보장비율을 현행 시범사업 방식인 90%로 증대시키는 경우 85%
의 보장비율에 비해서 높은 수입보험금이 발생함.
- 90% 보장비율하에서는 85% 보장률과 달리 비교적 많은 시나리오에서 수입보험금이 산출됨.
- 또한, 수입보험금액도 85% 보장률에 비해서 높은 편으로 나타남.
○ 85% 보장비율과 마찬가지로 수확량(재배면적✕단수), 그리고 동일한 수확량 하에서는 수확기 시장가격이 낮을수록 보험금이 높은 추세를 보이고 있음.
○ 반면, 수입보험금과 변동직불금을 비교할 경우는 실제수확량이 낮을수록 그 격차가 줄어드는 것을 알 수 있음.
- 수입보험금은 변동직불금의 35% 수준(시나리오9)에서 57% 수준(시나리 오1)으로 상승함.
- 이는 변동직불금이 재배면적이나 수확량과 무관하므로 재배면적 감소에 따라 수확량이 낮아질수록 수확기가격이 높아져 변동직불금 총액이 감 소하는 데서 기인함.
87
152,327 380,357 515 671,706 910
160,411 91,493 124 352,251 477
188,404 0 0 0 0
2 3,845
151,477 362,121 491 705,280 956
159,562 70,662 96 385,825 523
187,554 0 0 0 0
3 3,880
150,612 344,108 466 739,474 1,002
158,696 50,008 68 420,019 569
186,688 0 0 0 0
4
746,877
3,858
151,174 355,746 476 725,997 972
159,258 63,362 85 402,651 539
187,251 0 0 0 0
5 3,892
150,314 338,039 453 760,395 1,018
158,398 43,029 58 437,048 585
186,391 0 0 0 0
6 3,928
149,438 320,579 429 795,427 1,065
157,522 22,896 31 472,080 632
185,515 0 0 0 0
7
755,892
3,904
150,018 332,071 439 781,560 1,034
158,102 36,158 48 454,310 601
186,094 0 0 0 0
8 3,939
149,147 314,914 417 816,792 1,081
157,232 16,344 22 489,543 648
185,224 0 0 0 0
9 3,975
148,261 298,028 394 852,675 1,128
156,345 0 0 525,426 695
➂ 보장비율: 95%
○ 수입보험에 대한 수요를 높이기 위해서 보장비율을 95%로 증가하는 것을 가정할 때 수입보험금이 전반적으로 크게 높아져 변동직불금에 근접함.
○ 보장비율 85%, 90%와 마찬가지로 수확량(재배면적✕단수)이 낮을수록, 수 확기 시장가격이 낮을수록 수입보험금이 높아짐.
○ 상품 설계 방식에 따라 수입보험금이 시나리오별로 다소 차이가 있는 것으 로 나타남.
- 방식1, 3의 경우 동일한 수확량하에서 수확기가격의 최고치에 대한 수입 보험금이 산출되지 않는 반면, 방식2, 4의 경우는 수입보험금이 산출됨.
○ 수입보험금과 변동직불금을 비교하면 시나리오1의 경우 모든 방식에 대해 서 수입보험금이 변동직불금을 초과하며 나머지 시나리오는 유사한 수준을 보임.
- 수확량이 381만 1,000톤인 경우 추정한 모든 가격에 대해서 수입보험금 이 변동직불금보다 높음.
∙ 가격이 15만 2,327원인 경우 변동직불금 수령액이 6,717억 600만 원인 반면 7,038억 5,800만 원의 수입보험금 수령액이 나타남.
∙ 가격이 16만 411원인 경우 변동직불금 수령액이 3,522억 5,100만 원인 반면 4,149억 9,300만 원의 수입보험금 수령액이 나타남.
- 나머지 시나리오에서는 수입보험금이 변동직불금보다 다소 낮지만 그 괴리가 크게 줄어듦.
89
152,327 703,858 703,858 671,706 160,411 414,993 414,993 352,251
188,404 0 303,012 0
2 3,845
151,477 685,621 685,621 705,280 159,562 394,163 394,163 385,825
187,554 0 250,545 0
3 3,880
150,612 667,608 667,608 739,474 158,696 373,508 373,508 420,019
186,688 0 197,109 0
4
746,877
3,858
151,174 679,246 679,246 725,997 159,258 386,862 386,862 402,651
187,251 0 231,824 0
5 3,892
150,314 661,539 661,539 760,395 158,398 366,530 366,530 437,048
186,391 0 178,717 0
6 3,928
149,438 644,080 644,080 795,427 157,522 346,397 346,397 472,080
185,515 0 124,630 0
7
755,892
3,904
150,018 655,572 655,572 781,560 158,102 359,659 359,659 454,310
186,094 0 160,431 0
8 3,939
149,147 638,414 638,414 816,792 157,232 339,844 339,844 489,543
185,224 0 106,683 0
9 3,975
148,261 621,529 621,529 852,675 156,345 320,252 320,252 525,426
184,338 0 51,943 0