← 논문 2 · 혼합주기 SSM · 챕터 3 / 4
빈도주의 VARX & 산업 연결성
복원한 70산업 월별 성장률이 서로 주고받는 영향을 정칙화(릿지) VARX로 담는다. 그리고 일반화 분산분해(Diebold–Yılmaz)로 누가 충격을 발신하고 누가 수신하는가를 측정한다 — 산업 변동의 약 3분의 2가 산업 간으로 전이된다.
재현 (Reproducibility).
- ▶ Colab 노트북(주석·셀번호 포함):
chP3_varx.ipynb — 배지=GitHub 게시 시 원클릭, 또는 .ipynb 내려받아 Colab에 업로드 - 실행 코드(6산업 데모·db 불필요): chP3_varx.py
- 원 파이프라인 코드(SQLite DB 필요): 05_varx_estimate.py · _common.py
- 데이터: q_va_demo6.csv·m_prod_demo6.csv(6산업 데모) · connectedness.csv·varx_summary.csv·varx_exog_multipliers.csv(전체 70)
- 전체 원자료(원 파이프라인 입력, 11MB): db/gva_monthly.sqlite — raw/clean/latent/result 24개 테이블
- 실행:
python code/chP3_varx.py→ 그림 3종 (데모는 db 불필요, 전체 70은 저장소 산출 제시)
요약 (먼저 읽기)
- 왜 릿지
- 70산업·시차 2 → 계수 9,870개 ≫ 관측 309개월. OLS 불가 → 내생 계수를 릿지로 축소(절편·외생 비축소), λ는 보류표본으로 선택.
- 안정
- 동반행렬 최대 고유값 0.687 < 1 → 충격이 발산하지 않고 수렴.
- 연결성
- GFEVD로 산업 i의 예측오차 분산 중 다른 산업이 설명하는 몫을 계산. 발신(NET+)·수신(NET−)·총연결성 TCI.
- 결과
- TCI 68.5% — 변동의 ⅔가 산업 간 전이. 최강 발신 코크스·석유정제(에너지·소재), 최강 수신 공공행정·복지·교육(최종수요).
STEP 1
왜 릿지 VARX인가
아래 표는 전체 70산업 VARX 요약. 계수 수가 표본을 압도해 정칙화가 필수다.
| 항목 | 값 |
|---|---|
| 표본 T × 산업 n | 309개월 × 70 |
| 내생 계수 수 (p=2) | 9,870 (≫ 309) |
| 축소강도 λ (보류표본) | 1000 |
| 동반행렬 max|eig| | 0.687 (< 1, 안정) |
| 평균 R² | 0.579 |
| 총연결성 TCI | 68.5% |
STEP 2
연결성 — 누가 발신하고 누가 수신하나
일반화 예측오차분산분해로 각 산업이 남에게 전이(TO)하고 남에게서 수신(FROM)하는 몫을 계산, NET=TO−FROM. 아래 표와 그림 1은 같은 수치.
| 발신 산업 (NET+) | NET | 수신 산업 (NET−) | NET |
|---|---|---|---|
| 코크스·석유정제 | +0.62 | 공공행정·국방 | −0.38 |
| 섬유제품 | +0.37 | 사회복지 | −0.36 |
| 인공지능·SW | +0.36 | 교육 서비스 | −0.36 |
| 반도체 / 전자 | +0.32 | 금속가공제품 | −0.35 |
STEP 3
외생충격의 전달 경로
STEP 4
재현 데모 — 6산업 연결성
6개 제조업을 챕터 1의 SSM으로 월별 복원 → 릿지 VARX → 동일한 GFEVD 연결성. 전체 70산업과 같은 방법이다.
결론 · 다음
- 정칙화 VARX로 70산업 상호작용을 안정적으로 추정(max|eig| 0.69). TCI 68.5% — 산업 변동의 ⅔가 서로 전이된다.
- 발신은 에너지·소재·기술(코크스·석유정제·반도체·AI), 수신은 최종수요·공공(공공행정·복지·교육).
- 챕터 4: 이 상호작용 위에 DSGE 외생 시나리오를 얹어 70산업 10년 전망을 낸다.
방법론 메모 · 원 구현 05_varx_estimate.py · Diebold–Yılmaz(Pesaran–Shin GFEVD) · 데모는 6산업 실데이터로 방법을 재현 · 표와 그림 페어링.