KREI-REMO의 개선 - 지역경제모형(KREI-REMO)에 기초한 농촌지역 의사결정지원시스템 개발

KREI-REMO 2011 모형 구축 대상지역은 우리나라의 163개의 시‧군 중 자치권한이 없어진 제주도의 2개 시‧군과 광역시에 부속된 5개 군을 제외 한 156개 시·군이다. KREI-REMO 2010과의 큰 차이점은 지역적 특색이 충분히 반영되지 못하는 한계를 극복하기 위해 시·군 유형을 기존 3개에서 6개 유형으로 세분화한 것이다.

156개의 시‧군은 우선적으로 3개 유형으로 구분하였는데, ‘도농연계형’,

‘농산어촌형’, ‘도시형’이다. 이 3개 유형은 기초생활권정책에서 채택하고

시도 도시형 도농연계형 농산어촌형

2.1. 모형의 종류

KREI-REMO는 지역계량경제모형으로 정태적 모형보다는 동태적 모형으로 구축되었다. 모형구축의 주목적은 지역경제의 거시지표를 전망하고 정책 시뮬레이션이 가능하도록 하는 것이다. 이를 위해서 모형은 기본적으로 케인 즈의 경제이론을 바탕으로 한 구조 연립방정식 체계(simultaneous equation model system)이다. 앞 장에서 살펴본 바와 같이 경제변수를 나타내주는 데 이터의 한계와 예측력의 문제로 인해 개별방정식 추정에서는 시계열분석이 추가된 비구조적 모형의 특징을 공유하였다.

모형에 포함된 개별방정식들은 횡단면자료를 사용하지 않고 패널자료를 이용하여 동태 패널분석(Dynamic Panel data analysis)을 통해 파라미터를 추정하여 과거 횡단면자료에 입각한 신뢰성이 부족한 파라미터 추정의 한 계를 개선하였다. 또한 인구모형은 코호트 인구모형을 사용하고 인구변화 의 특징인 이촌율을 반영하여 경제적 쇼크에 대한 시뮬레이션이 가능하도 록 구성하였다.

본 연구에서 개발된 KREI-REMO는 주요 경제지표에 대한 미래 전망과 정책 시뮬레이션이 가능한 연립방정식 체계의 지역경제모형을 구축하였기 에 정책결정자의 의사결정에 도움이 될 것으로 예상된다.

2.2. 모형의 구조 2.2.1. 기본구조

선행연구의 모형 구조, 구득 가능한 데이터, 전망지표의 필요성, 향후 발 전 방향 등을 고려하여 모형은 인구블록, 고용블록, 산업생산블록, 농업블 록, 지방재정블록으로 구분하였다.

일반적인 지역경제모형에서 농업블록은 산업생산블록의 한 부분으로 취 급되지만 본 모형에서는 농가와 농가인구를 별도로 분리하여 전망하였다.

이는 농촌지역 의사결정지원 모델이라는 점과 한국농촌경제연구원 농업시

뮬레이션모형(KREI-KASMO)과 연계하기 위해 농업블록을 별도로 분리하

적 요인 이론은 4)중력 모형¹⁹⁾, 5)생애주기 모형²⁰⁾이 있다.

그림 4-2. 변수의 인과 관계

주: 내생변수, 외생변수, 분석 방법

본 연구의 인구예측 전망은 코호트 분석 모형(Cohort Component Method, CCM)을 이용(연령 및 성별, 지역별 코호트 이용)하되, 인구변화의 특징인 인구의 이촌율을 반영하여, 경제적 쇼크에 대한 시뮬레이션이 연령별로 가 능하도록 구성되었다.

우선적으로 인구이동이 없을 경우의 코호트 모형인 코호트 생존 모형 (Cohort Survival Model, CSM)을 구성하였다. 이는 전입과 전출이 없다고 가정한 모형이나, 현실에서는 소득, 교육, 복지수준, 문화적 생활 여건 등

19)중력 모형에 따르면, A지역과 B지역의 인구 이동 총량은 두 지역의 인구수의 곱과 양의 상관을 가지며 두 지역 간 거리와 음의 상관을 가진다.

20)생애주기 모형은 인력이 젊을 때는 도시 지역으로 이동하며 고령이 되면 낮은 임금을 수용하며 외곽 지역으로 이동한다는 것으로 노동 이동을 설명한다.

동태 코호트 모형 (CCM) 코호트 생존모형

(CSM) 기대소극격차

서울 및 중심지 까지 거리

의 다양한 원인으로 인구가 이동하고 있으므로 이를 모형에 반영하면 다음 과 같이 모형을 변형 할 수 있다.

<식 4-2>는 코호트 생존 모형에 전입인구 및 전출인구를 포함한 것이며,

<식 4-1>과 비교하여 전입 및 전출인구를 예측할 수 있다. 앞서 이야기한 바와 같이 인구이동은 다양한 사회적인 요인에 의해 발생하며, 구체적으로 살펴보면 지역 간 소득격차, 교육수준, 복지혜택, 문화적 생활 여건 등으로 크게 구분할 수 있다.

1) Pt + B - D = Pt+1 (식 4-1)

주: Pt: t기의 인구, B: 출생자 수, D: 사망자 수

2) Pt + (B - D) +( I - E) = Pt+1 (식 4-2)

주: Pt: t기의 인구, B: 출생자 수, D: 사망자 수, I: 전입인구, E: 전출인구

본 연구에서는 이촌율 함수를 아래와 같이 정의하였다.

3) _



  

_  ∆_{ } ∆_{ }_{ }_  (식 4-3)

주: ∆_{ } : I 지역과 그 외 지역 간의 1인당 GRDP 차이 ∆_{ } : I 지역과 그 외 지역 간의 실업률 차이

_^ : i지역과 i 지역이 위치하고 있는 지역의 도청소재지와의 거리, _{ } : i 지역과 서울 간의 거리,

OLD : 65세 이상 인구비중 AG : 농업생산비중

연구에 사용된 인구데이터는 통계청에서 작성한 주민등록인구통계를 이용 하였다. 통계청에서 발표한 자료는 전국 시‧군별, 성별, 연령별(5세 단위)로 구분되어 있으며, 이를 바탕으로 1995년∼2010년까지 데이터를 이용하였다.

한편 사망률 및 출산율은 통계청에서 발표한 추계인구통계를 이용하였다.

본 연구에서는 전국을 6개 권역으로 분류한 뒤, 각 권역별 이촌율 함수 를 추정하였으며, 이를 바탕으로 각 시‧군별 인구 코호트의 연령별 인구전 망에 일괄적으로 이촌율을 적용하여 미래 인구를 산출하였다.

이를 통해 전국의 156개 시‧군별로 연령별(5세별) 인구전망이 가능하며, 이를 통해 경제활동인구(15～64세 인구) 및 노령화인구(65세 이상) 전망치 를 함께 전망할 수 있다.

고용블록

전통적으로 고용블록은 임금과 소득의 함수로 추정하지만, 자료 제약으 로 시차변수를 활용하여 예측하는 경우도 있다.

이 연구에서는 시차변수와 해당 산업의 생산소득, 그리고 일자리에 영향 을 미치는 요인 등을 고려하여 다음과 같이 방정식을 구성하였다.

전국사업체조사에서 파악된 농림어업 종사자 수는 농림어업 관련기업 근무자를 조사대상으로 하고 있어 실제 농업인구와는 괴리를 보이고 있으 므로 이에 따라 본 연구에서는 농가조사에서 파악된 농가인구를 바탕으로 농업 주종사자 비중을 적용하여 농업인구를 산출하였다.

- 총고용 = 농림어업 종사자+광공업 종사자+SOC 및 건설업 종사자+서비스업 종사자 - 농림어업 종사자 수= (전년도 농림어업 종사자수, 농림어업 생산소득)²¹⁾ - 광공업 종사자 수 = (전년도 광공업 종사자수, 광공업 생산소득) - 건설업 및 SOC종사자 수 = (전년도 건설업 및 SOC종사자수, 건설업

및 SOC종사자수)

- 서비스업 종사자 수 = (전년도 서비스업 종사자 수, 서비스업 생산소득)

재정블록

재정 규모가 클 경우 재정은 국민소득과 인구 수에 밀접하게 연계되어 있다. 한국은행에서 만든 우리나라 거시경제전망 모형(한국은행, 2000)에 서는 세입은 시차변수와 경상국민총생산의 함수로 결정되며 세출 역시 시 차변수와 1인당 국민소득의 함수로 결정된다.

21) 농림어업 종사자 수는 농가인구 중 주종사자 비중을 고려하여 전망하였음.

○ 전국 시‧군 인구를 2020년까지 전망

- 전국 156개 시‧군의 1995~2010년까지의 인구데이터를 정리 - 각 시‧군의 이촌율 및 이동인구를 바탕으로 사회적 인구 계산 - 시‧군별 가임여성인구에 기반한 출생인구 산출 및 사망인구 산정 - 사회적 인구 및 자연적 인구 증감을 합산하여 인구 전망

○ 사회 및 경제여건 변화에 따른 인구 시뮬레이션 가능

- 실업률, 지역 소득에 따른 사회적 인구변화 시뮬레이션 가능

- 고령화 비율 및 지역 농업 비중 변화에 따른 인구변화양상 파악가능

산업생산블록

전통적으로 생산소득 혹은 부가가치는 Q=f(l,k,t) (여기에서 l=노동, k=자 본, t=기술)에 의해서 결정된다. 한편 수요와 공급의 법칙에 의해 생산은 수요 지출에 의해서 영향을 받게 된다.

하지만 시‧군 단위의 지출소득 관련 데이터의 부족으로 수요측면에서의 소득 추정이 어려우며 공급측면에서도 자본스톡 관련 자료 부족으로 생산

함수에 기초한 생산소득 추정이 곤란한 부분이 있다. 이 연구에서는 다음과 같이 시차 변수와 생산요소 관련 항목을 설명변수로 방정식을 구성하였다.

- 농림어업생산소득 = (경제개발비, 전기 농업 생산액, GDP) - 광공업생산소득= (경제개발비, 전기 광공업 생산액, GDP)

- 건설 및 SOC 생산소득 = (경제개발비, 전기 건설 및 SOC 생산액, GDP) - 서비스업생산소득= ^(경제개발비, 전기 서비스업 생산액, GDP)

농업블록

현재 연구원에서 운용 중인 KASMO에서 산출된 농가 수와 본 연구의 농가인구 전망치 중 주종사자 비중을 고려하여 지역별 농업노동력과 농가 수의 변화양상 전망이 가능하도록 구성하였다.

재정블록

경기도 모형에서 총세입은 지역내총생산과 경기도 지가, 그리고 인구 수 에 의해 설명되며, 총세출은 자기시차변수, 지역내총생산과 총세입에 의하 여 설명되고 있다(성명기 외, 2006). 시‧도 단위 재정지출 추계 사례로서 임성일(1991)의 연구에서는 지방세 수입을 1인당 소득, 인구, 내국세 세율 및 지방세 세율의 함수로 파악하였다.

하지만 재정자립도가 30%도 못되는 시‧군 단위의 지방재정규모는 지역 경제 외적인 상황에 영향을 받는 경우가 많은 점을 고려하여 이 연구에서 는 다음과 같이 구조방정식을 설계하였다.

- 총세입을 자체수입과 의존수입으로 구분하고 󰋯자체수입 = ^(지역 인구수, GRDP)

󰋯의존수입 = (지역 인구수, GDP)

- 총세출을 경제개발비와 사회개발비 기타로 구분 󰋯경제개발비 = ^(총세입, 전년도 경제개발비, GDP)

󰋯사회개발비 = (총세입, 전년도 사회개발비, 노령인구, GDP)

블록 목적변수 설명 변수 자료출처

2.3. 모형의 추정

2.3.2. 모형의 추정 방법

인구블록은 코호트요인법(Cohort Com-ponent Method)을 추정하여 모형 에 추가하였다. 재정블록의 중앙정부 세출과 산업블록의 전국 산업별 실질 임금은 모형에서 외생변수로 처리하였으며, 이들의 미래 값은 경제성장 전 망률을 적용하였고²²⁾, 고용블록의 농업종사자는 조사기법의 한계로 현실적 인 농업종사자와는 괴리가 있어 대리변수로 농가 호수를 이용하였다²³⁾. 우선 연구에 사용된 데이터는 각 종류별로 포괄 기간이 서로 다른 불균 형(unbalanced) 패널로 구성되어 있어 일원고정효과(one-way fixed effect) 모형을 사용하였으며, 일원고정효과(one-way fixed effect) 분석을 위해 다

문서에서 지역경제모형(KREI-REMO)에 기초한 농촌지역 의사결정지원시스템 개발 (페이지 106-133)