1.3.1. 시계열자료의 단위근 검정
시계열데이터의 단위근 검정은 시계열이 안정적인지 불안정적인지 에 관한 판단을 하는 것으로 이는 불안정적인 자료가 분석에 사용 될 경우 연관 없는 자료로부터 명백하게 유의한 허구적(spurious)분 석 결과를 얻을 위험이 있기 때문이다.
시간 에 대해서 조건(1)은 평균이 시간의 함수가 아니고 일정함 을 의미하며, 조건(2)는 분산역시 시간의 함수가 아니고 일정한 값 이다. 조건(3)은 두 시점의 공분산은 시간()에 의존하지 않고 단지 두 시점 간 차이()에만 의존함을 의미한다. 위 3가지 조건을 모두 만족하면 정상적인 시계열, 공분산-정상적(covariance-stationary) 시계열이라고 한다(민인식 외, 2014). 이는 평균과 분산·공분산이 시간에 따라 변함이 없음을 가리키며, 정상시계열은 일시적인 충격 에 의해서 추세에서 벗어나더라도 장기적으로 다시 균형으로 회귀 하는 경향을 가짐을 뜻한다.
조건(1) ∞ (1.1) 조건(2) ∞
조건(3)
시계열 자료의 안정성 확보를 위해 단위근 검정을 하는데, 단위근 검정은 단위근이 존재한다는 귀무가설이 기각되면 안정적인 시계열
이고 기각되지 못하면 불안정적임을 의미한다. 단위근 검정방법에는 DF(Dickey-Fuller)검정, ADF(Augmented Dickey Fuller)검정, PP(Phillips-Perron Test)검정 등이 있다. 단위근 검정에서 가장
1.3.2. 벡터 자기회귀모형(Vector Autoregression)
벡터 자기회귀모형(Vector Autogression Model, 이하 VAR 모형 으로 칭함)은 Sims(1980)에 의해 개발되었으며, 관찰된 시계열이 주는 정보를 기반으로 모형 내 모든 변수들의 시차변수들을 동시에 설명변수로 활용하여 결과를 분석하는 방법으로 변수간에 나타나는 상관관계와 인과관계를 추정할 수 있다. 즉, VAR 모형은 2개 이상 내생 변수(endogenous variable)의 동적변화(dynamic evolution)를 내생 변수의 과거값을 이용하여 모형화하는 접근방법이다(민인식 외, 2014).
또한, 다변량 시계열 분석은 외부 충격에 대한 내생 변수들 간의 동태적 반응을 분석할 수 있음에 따라 본 연구에서는 VAR 모형을 사용하여 미역 소매가격, 미역수입·수출량, 미역생산량, 미역지출액, 외생변수로 방사능 위험정보가 시계열들 간 상호 관계에서 나타나 는 특징적인 현상을 도출하고자 한다.
시계열 분석을 위해 먼저 시계열 데이터의 안정성 여부를 판단한 다. 단위근 검정, 그레인저 인과성 검정을 수행 후 VAR 모형을 추 정하는데 AIC 또는 SIC 통계량4)을 이용하여 차수를 미리 결정하고 차수를 정한 후 모형을 추정한다. 추정식은 다음의 식(1.3)과 같다.
⋯ (1.3)
식(1.3)의 는 미역 소매가격, 미역수입·수출량, 미역생산량, 미역 지출액을 순서대로 나타내며 VAR 모형은 5개의 선형회귀방정식으 로 구성된다. 는 외생변수로 본 연구에서는 방사능 위험정보를 가 리킨다.
4) 시차결정에 대한 구체적인 방법은 p.24 참고
1.3.3. Granger 인과검정(Granger Casuality Test)
1.3.4. 동태 승수 함수(Dynamic-multiplier function)
본 연구는 방사능 위험정보 증가가 위안 소비에 해당하는 미역 가 격에 어떤 영향을 주었는지 살펴보고자 한다. 즉, 외생변수인 방사 능 위험정보가 1단위 변화할 때 모형 내 다른 내생 변수(미역지출 액, 미역 수출량, 미역 수입량, 미역 생산량)에 어떤 영향을 미치는 지 살펴보기 위하여 동태승수 함수(Dynamic-multiplier function)를 이용하여 충격 영향력의 크기와 충격반응이 지속되는 기간을 분석 한다. 즉, 각각의 변수의 변화가 시간 흐름에 따라 다른 변수들에게 어떤 변화를 주는지 분석할 수 있다.
VAR 분석 후 모형이 안정적이면 다음의 식(1.5)와 같이 쓸 수 있다. 앞선 식과 같이 는 외생변수로 방사능 위험정보를 가리키
며, 는 미역지출액, 미역 수출입량, 미역 생산량 변수를 나타낸
다. 여기에서 는 동태승수 함수이다. 는 충격반응함수이다.
(1.5)