수정하기 - 로그 변환된 M2 통화공급 시계열을 분석하는 이유는 무엇인가요?

닉네임

비밀번호

제목

내용 [이미지 업로드는 권한이 있는 사람만 가능. 하단 카톡으로 연락]

M2 통화공급과 같은 거시경제 시계열 자료는 보통 장기적으로 꾸준한 성장 추세를 보이기 때문에 시계열 자체를 그대로 분석하면 다음과 같은 어려움이 발생합니다.    첫째, 분산의 비정상성(heteroscedasticity) 문제입니다. 시간이 지나면서 데이터 값이 커질수록 변동 폭도 커지는데, 이로 인해 모형 잔차의 분산이 시점에 따라 달라지면 통계적 추정의 정확도가 떨어집니다. 로그 변환을 적용하면 <a href='https://sangseek.com/sangseeks/상대적 변화/ko'>상대적 변화</a>율(퍼센트 단위 성장률)에 초점을 맞출 수 있어, 시계열 전반의 분산이 보다 안정적이고 고르게 분포되는 효과가 있습니다.      둘째, 추세의 <a href='https://sangseek.com/sangseeks/선형화/ko'>선형화</a>입니다. M2 공급량은 복리적(지수적) 성격을 띠는 경우가 많아 시계열 그래프가 곡선 형태로 급격히 상승하는 모습을 보입니다. 이 상태에서 추세 추정이나 예측을 수행하면 비선형성을 다루는 추가 기법이 필요해집니다. 로그 변환을 하면 원래의 지수적 추세가 직선 형태로 바뀌어, 단순 회귀나 ARIMA 모형의 추세항으로도 충분히 설명 가능해집니다.      셋째, 성장률 해석의 용이성입니다. 로그를 취한 뒤 1차 차분(Δlog M2)을 계산하면 근사적으로 시점 간 비율 변화, 즉 “M2의 기간별 퍼센트 성장률”을 얻게 됩니다. 이는 정책 당국이나 분석가가 통화정책 충격이 돈의 공급 증가 속도를 얼마나 바꾸었는지 직관적으로 이해하고 비교하기에 매우 편리합니다.      넷째, 정상성 확보 및 단위근 검정의 신뢰성 강화입니다. 비정상 시계열(non-stationary series)을 그대로 모델링하면 유의미한 통계적 추론이 어려운데, 로그 변환 후 차분하면 성공적으로 정상성(stationarity)을 회복할 가능성이 높아집니다. 이를 기반으로 단위근 검정(unit-root test), 공적분 검정(cointegration test) 등을 수행할 때 모형의 가정이 보다 잘 충족되어 결과의 신뢰성이 높아집니다.      다섯째, 예측 및 시뮬레이션의 현실성 제고입니다. 로그 스케일로 예측치를 산출한 뒤 이를 다시 지수화(exp)하면, 원래 단위(monetary units)로 환원했을 때 ‘복리적 성장 특성’을 반영한 예측값이 제공됩니다. 이 과정을 거치지 않으면 과거 급격한 상승기나 하락기가 예측에 과도하게 영향을 미쳐 실제 정책 의사결정에 활용하기 어려울 수 있습니다.      이처럼 로그 변환은 M2 통화공급 시계열이 본연으로 지닌 성장 특성·분산 불안정성·비정상성 문제를 완화하고, 분석·추정·예측 및 해석 단계를 전반적으로 용이·안정적으로 만들어 주기 때문에 거시경제 분석에서 거의 표준으로 활용됩니다.