← 연구 포털 · 논문 1 · 산업별 심층 분석

산업별 심층 분석 — SHAP × 10년 수준 전망

36개 산업을 하나씩 골라, 10년 수준 전망과 함께 그 경로를 가장 크게 움직이는 요인을 SHAP으로 규명한다. 각 산업 리포트가 붙는다.

전망 BVAR 미네소타·산업연관표(I-O) · 2025Q4=100 설명 GradientBoosting + TreeSHAP 특성 36산업 부가가치 + 산업연관표 (외생 X 없음)
재현 (Reproducibility).
  • 코드: code/shap_analysis.py (BVAR 전망 + GradientBoosting·TreeSHAP)
  • 데이터: data/shap_data.json (산업별 전망·SHAP 동인·리포트)
  • 실행: python code/shap_analysis.py (필요: numpy pandas scikit-learn shap)

읽는 법. 아래에서 산업을 고르면 ① 그 산업의 10년 수준 경로(왼쪽), ② 성장을 움직이는 SHAP 상위 동인(오른쪽, 다른 산업의 기여%·방향 +/−), ③ 산업 리포트가 나타난다. 이 단계는 36개 산업 부가가치와 산업연관표만 쓴다(외생·거시는 챕터 3 BVARX에서). SHAP은 설명모형(GradientBoosting)이 각 산업 성장을 예측할 때 어느 특성이 얼마나 기여하는지를 분해한 값이다.

SHAP이 처음이신가요? → SHAP 그림책(쉬운 그림 설명, 팀 공유용)

36개 산업 · 자기 관성 제외 상위 외부 동인

10년 수준 전망 (2025Q4=100)

–
2035 수준 미·IO
–
연평균 성장
–
자기 관성 기여
검정=실측 · 파랑=미네소타 · 빨강 점선=산업연관표(I-O) · 주황=전망 시작

SHAP 상위 동인 (기여 %, 방향)

파랑=정(+) 방향 · 빨강=역(−) 방향
산업 리포트.
산업을 선택하세요.

방법론 메모 · BVAR 미네소타 10년 전망 + GradientBoosting·TreeSHAP 요인분해 · 리포트는 SHAP·전망 결과로 작성 · 모든 수치 재현 가능.