시작하며
경제학의 목적은 우리가 살아가는 세상을 진단하고 더 나은 세상으로 이끌기 위함이다. 그러니 현실을 바라보고 선명하게 해석할 수 있는 능력이 필요하다. 그래서 우리는 세상을 선명하게 바라보는 방법, 구체적으로는 정량적으로 파악하는 방법을 살펴볼 것이다. 이론편에서 경제가 어떻게 작동하는지 배웠다면, 현실편에서는 그 작동이 실제 데이터에 남긴 자취를 읽는다.
주요 강의
PART1. 기본모형 — 회귀분석
VAR 모형으로 가기 전에, 먼저 회귀분석의 뼈대를 익힙니다. “두 변수는 얼마나 강하게 연결되어 있는가”라는 질문에 OLS 추정이 어떻게 답하는지, 그리고 그 답을 어떻게 신뢰할 수 있는지를 다룹니다.
- 단순회귀단순회귀분석하나의 설명변수로 종속변수를 설명 — OLS 추정량 도출, 모형 적합도(R²), 잔차 진단. 비선형·다변량으로 확장하기 전 가장 단순한 인과 구조 이해.
- 다항회귀다항회귀분석비선형 관계를 다항식 항으로 근사 — AIC·BIC 기준 차수 선택, 과적합 위험과 정규화. 단변량에서 다변량·시계열 VAR로 넘어가는 개념적 다리.
PART2. 공간축의 확장 — 패널 데이터
여러 국가·지역의 시계열 데이터를 동시에 분석합니다. 준비 중입니다.
PART3. 시간축의 확장 — VAR 모형
현실 경제에서 변수들은 서로 영향을 주고받으며 시간에 따라 움직입니다. 벡터자기회귀(VAR) 모형은 이 쌍방향 인과를 시계열 데이터로 포착합니다. 충격반응함수(IRF)로 충격의 전파 경로를, 분산분해(FEVD)로 각 변수의 기여도를 추적합니다.
- STEP 0기본개념VAR(p) 모형의 구조 — 벡터 표기, 시차 선택(AIC·BIC·HQ), 안정성 조건
- STEP 1추정방정식별 OLS 추정 — 등식 간 오차 상관을 허용하는 SUR과의 비교
- STEP 2Granger 인과검정변수 A의 과거값이 변수 B의 예측을 개선하는가 — 인과관계 판단의 정량적 기준
- STEP 3IRF · 분산분해한 변수의 충격이 다른 변수에 미치는 동태적 경로 추적(IRF) · 예측 오차 분산 분해(FEVD)
한국 경제 데이터 기본 분석
이론편에서 배운 필립스 곡선이 한국 데이터에서는 어떻게 나타나는지 직접 확인합니다. 1980년부터 현재까지 실업률과 인플레이션 데이터를 회귀분석하고, Chow Test로 구조 변화 시점을 포착합니다.
알아두면 좋은 개념들
본문을 읽다 마주치는 통계·계량 개념들을 정리했습니다.
상관관계 vs 인과관계
함께 움직인다고 원인이 되는 건 아니다 — 허구적 회귀의 함정
OLS vs MLE
잔차제곱합 최소화 vs 우도 최대화 — 같은 결과, 다른 논리
정상성 vs 비정상성
시계열 분석의 출발점 — 단위근 검정(ADF)이 왜 필요한가
내생성 문제
설명변수와 오차항이 상관되면 OLS 추정량은 편향된다
과적합 vs 과소적합
훈련 데이터에 너무 맞추면 새 데이터 예측이 망가진다
p-값의 의미
"귀무가설이 참일 때 이 결과가 나올 확률" — 유의성의 진짜 뜻
충격반응함수 (IRF)
한 변수에 단위 충격을 줬을 때 다른 변수가 시간에 따라 어떻게 반응하는가
구조 변화 (Chow Test)
회귀계수가 특정 시점 전후로 달라지는지 — 파라미터 안정성 검정
수강 대상
- 이론편을 읽고 "이게 실제 데이터에서도 맞는지" 궁금한 분
- 회귀분석을 들어봤지만 VAR 같은 동적 분석은 낯선 분
- 경제 뉴스의 "통계적으로 유의하다"는 말의 뜻을 제대로 알고 싶은 분
- 학부 계량경제학 또는 시계열 분석을 체계적으로 정리하고 싶은 분
참고자료
- 계량경제학 강의 — 한치록
- 학부 계량경제학 I — 김창진
- ECONOMETRICS II — 왕윤재, 김창진