전망 진단 · SHAP 기여도 분해
각 산업의 10년 전망 성장을 드리프트(과거 추세)·동학(산업 간 시차 영향)·외생 6종으로 나누어, 무엇이 그 숫자를 만들었는지 밝힌다. 선형 모형에서는 이 분해가 근사가 아니라 정확히 합이 맞는다.
한 예측값을 "누가 얼마나 기여했나"로 쪼갠다
SHAP는 게임이론의 섀플리 값에서 온다. 여러 입력이 함께 만든 예측을, 각 입력이 있고 없고에 따른 기여를 공정하게 배분해 가법(더하면 전체가 되는) 몫으로 나눈다. 복잡한 모형에서는 근사로 구하지만, 우리 모형은 선형(VARX)이라 SHAP 값이 아주 단순하고 정확해진다.
즉 "계수가 크고, 그 입력이 기준에서 많이 벗어날수록" 기여가 크다. 근사·표본추출이 필요 없다.
각 산업의 2025→2035 로그성장을 세 갈래로
산업 VARX의 성장식(로그차분)에서, 10년 전망을 만드는 항은 세 종류다. 이들을 전망 구간 내내 더해 각 산업의 총 성장 기여로 모은다.
| 산업 | 드리프트 | 동학 | 실질금리 | 기타 외생 | 합계 |
|---|---|---|---|---|---|
| 반도체·전자 | +76.0 | −25.4 | +50.6 | +6.2 | +107.4 |
| 건설업 | −23.3 | +22.4 | +2.4 | −1.5 | +0.1 |
읽는 법: 반도체의 높은 성장(+107)은 대부분 과거 추세(드리프트 +76)와 실질금리 외생(+51)이 만들고, 산업 간 동학은 오히려 −25로 깎는다. 건설은 드리프트(−23)와 동학(+22)이 상쇄되어 거의 정체(+0.1)다. 세 갈래의 합이 정확히 총 성장이 된다.
"과거 평균 추세로 나온다"는 관찰을 수치로 확인
62개 산업 평균으로 절대 기여를 견주면, 드리프트와 외생 수준효과가 전망을 지배하고 산업 간 동학의 몫은 상대적으로 작다.
62개 산업 평균 절대 기여(로그성장 ×100). 드리프트(29) + 외생(33)이 약 78%, 동학(19)은 약 22%.
이는 주동헌 교수의 관찰과 정확히 부합한다 — 산업 전망은 산업 간 정교한 상호작용보다 각 산업의 과거 추세와 공통 외생(특히 실질금리·유가)이 대부분을 설명한다. 그래서 총량을 완만한 경로로 정합·수축하는 조정이 타당하다(방법론 베이지언 계수 규제와 전망 정합화 참조).
이 분해는 모형이 산출한 원(原) 전망이 왜 그렇게 나오는지를 설명한다. 총량 정합·기존전망 수축은 그 위에 얹는 조정이므로, 여기 기여도는 조정 전 모형 동학을 그대로 보여준다. 선형 SHAP이라 값은 정확(합=전망)하지만, 해석은 "이 모형 안에서의 기여"이지 인과가 아니다.
산업별 전망 동학 분해 · S1 기준 · 62분류 VARX(차분·io·varx). 재현 코드 shap_decompose.py. 대화형 분해는 분해 뷰어.