|
경제학 Economics |
||
|
{{{#!wiki style="margin:0 -10px -5px; min-height:calc(1.5em + 5px); word-break: keep-all" {{{#!folding [ 펼치기 · 접기 ] {{{#!wiki style="margin:-5px -1px -11px" |
<colbgcolor=#fd0,#333><colcolor=#000,#fff> 미시경제학 | 소비자이론 · 기업이론 · 산업조직론 · 후생경제학 · 공공경제학 · 정보경제학 · 행동경제학 · 금융경제학 · 노동경제학 |
| 거시경제학 | 국민소득 · 인플레이션 · 금융경제학 · 경제성장론 · 경기변동론 · 경제정책론 · 화폐금융론 | |
| 행동경제학 | 행동경제학 | |
| 경제방법론 | 수리경제학(경제수학) · 경제정보처리 · 계량경제학(경제통계학) | |
| 경제사 | 경제사 · 경제학사 | |
| 응용경제학 | 농업경제학 · 환경경제학 · 자원경제학 · 개발경제학 · 보건경제학 · 노동경제학 · 도시경제학 · 경제지리학 · 법경제학 · 약물경제학 · 정치경제학· 국제경제학 | }}}}}}}}} |
|
통계학 Statistics |
|||
|
{{{#!wiki style="margin:0 -10px -5px; min-height:calc(1.5em + 5px); word-break: keep-all" {{{#!folding [ 펼치기 · 접기 ] {{{#!wiki style="margin:-5px -1px -11px" |
<colbgcolor=#4d4d4d><colcolor=#fff> 수리통계학 | 기반 | 실해석학( 측도론) · 선형대수학 · 이산수학 |
| 확률론 | 사건 · 가능성 · 확률변수 · 확률분포( 표본분포 · 정규분포 · 이항분포 · 푸아송 분포 · 카이제곱분포 · t-분포 · z-분포 · F-분포) · 확률밀도함수 · 확률질량함수 · 조건부확률 · 조건부기댓값 · 조건부분산 · 전체 확률의 법칙 · 베이즈 정리 · 도박사의 오류 · 도박꾼의 파산 · 몬티 홀 문제 · 뷔퐁의 바늘 · 마르코프 부등식 · 체비쇼프 부등식 · 큰 수의 법칙( 무한 원숭이 정리) · 중심극한정리 · 벤포드의 법칙 | ||
| 통계량 | 평균( 산술평균 · 기하평균 · 조화평균 · 멱평균 · 대수평균) · 기댓값 · 편차( 절대편차 · 표준편차) · 분산( 공분산) · 결정계수 · 변동계수 · 상관계수 · 대푯값 · 자유도 | ||
| 추론통계학 | 가설 · 변인 · 추정량 · 점추정 · 신뢰구간 · 상관관계와 인과관계 · 실험통계학 · p-해킹 · 통계의 함정 · 그레인저 인과관계 · 신뢰도와 타당도 | ||
| 통계적 방법 | 회귀 분석 · 최소제곱법 · 분산 분석 · 주성분 분석( 요인 분석) · 시계열 분석 · 패널 분석 · 2SLS · 생존 분석 · GARCH · 비모수통계학 · 준모수통계학 · 기계학습( 군집 분석 · 분류 분석) · 위상 데이터분석 · 외삽법 · 메타분석 · 모델링( 구조방정식) | ||
| 기술통계학 · 자료 시각화 | 도표( 그림그래프 · 막대그래프 · 선 그래프 · 원 그래프 · 상자 수염 그림 · 줄기와 잎 그림 · 산포도 · 산점도 · 히스토그램 · 도수분포표) · 그래프 왜곡 · 이상점 | }}}}}}}}} | |
1. 개요
計 量 經 濟 學 / econometrics經 濟 統 計 學 / statistics for economics, economic statistics
경제학의 연구방법론들중 하나로, 통계학을 응용한다. 경제 데이터를 이용하여 경제학 이론을 실증적으로 검증하거나, 대립되는 두 가지 이상의 이론이 있을 경우 어느 쪽이 맞는지 판별하는데 쓰인다.
경제학과에 진학한 학생들이 원론이라든지 거시경제학, 미시경제학과는 느낌이 다른 아스트랄한 내용에 고배를 많이들 마시는 과목인데, 적성에 잘 맞고 특히 수학이나 통계학을 썩 잘한다면 계량경제학을 공부하고 각성(...)하는 경우도 있다.
이 과목을 듣기 전에 최소 기초 통계학 정도는 수강해야한다.[1] 수강하지 않았다면 방학 등을 이용해 미리 필히 통계학을 개인적으로 공부해야 하고 수강한지 오래되어서 잊어버렸다면 다시 복습해야 한다. 그렇지 않으면 수업시간에 아무것도 못 알아듣고 가만히 앉아만 있다가 오는 참사가 발생할 수 있다.
2. 계량경제학의 가치와 의의점
이론/수리경제학은 경제 현상에 대한 수리적 모델을 세우는 것으로서 논리의 전개가 연역법에 기초하고 있다. 따라서 서로 다른 가정을 한 모델이 상반된 결론을 내놓을 때, 말싸움만으로 어느 한 쪽이 맞다고 결론을 내리기는 힘들다.이 때 계량경제학은 이론 경제학자들이 연역적으로 도출해 낸 가설이 유효한지를 검증하는 것을 목적으로 하여, 실제 이용 가능한 데이터를 가지고서 귀납적인 분석 결론을 내려줄 수 있다. 천공 카드도 발명되기 전인 과거에는 상당한 노가다를 필요로 했지만, 컴퓨터와 통계 프로그램이 발달한 2021년 현재는 대부분 Stata 같은 통계 패키지를 이용하여 분석을 하기에 선형회귀 (linear regression) 정도는 눈 깜짝할 새 돌릴 수 있다.
경제학으로 유학을 나가면, 수학을 파는 게 영어를 파는 것보다 차라리 쉬울 수도 있다는 것을 깨닫게 된다.
아래 경제학 이론 검증에 사용될 수 있는지 간단한 예시들을 제시한다.
2.1. 예시 1: 근시안적 소비 vs. 평생소득가설
케인스적 관점에 따르면 사람들은 근시안적(myopic)이다. 이 말은 사람들이 현재 소득에만 근거해서 현재 소비를 결정한다는 의미이다. 반면에 밀턴 프리드먼 등이 주장한 평생소득가설(Life Cycle-permanent income Hypothesis, 이하 LCH)에 따르면 사람들은 평생 자기가 벌어들일 소득을 미리 감안해서(forward-looking) 현재 소비를 결정한다.이 두 가설은 매우 다른 정책적 함의를 가진다. 예를 들어 현재 경기 불황이 심각하면, 정부는 미래에 세금을 더 걷더라도 오늘 사람들에게 보조금을 줘서 소비를 증가시키고 싶을 수 있다. 사람들이 근시안적으로 소비한다면 이런 정책은 효과가 있을 것이다. 그러나 사람들이 LCH에 따라 소비한다면 사람들은 당장 손에 돈이 쥐어져도 (미래에 정부가 세금을 더 걷을 것이므로) 평생소득은 별로 변화하지 않았다고 느껴, 현재 소비를 별로 늘리지 않을 수 있다. 이 경우 보조금 정책은 효과가 없다. 그렇다면 사람들은 실제로 둘 중 어느 가설에 따라 행동할까?
Hall (1978)[2] 은 1948-1977년 미국 분기별 자료를 이용하여 LCH를 검증하였다. 이차함수로 표현되는 효용함수를 가정하면, LCH를 따르는 사람은 다음과 같은 꼴로 기간별 소비를 해야한다. [math(C_t)]는 [math(t)]기의 소비(consumption)을 의미한다.
[math( C_t = C_{t-1} + \varepsilon_t )]
여기서 뒤의 오차항 부분은 [math((t-1))]기에는 예측할 수 없는 변수이다. 직관적으로 이런 결과가 나오는 이유는, 효용함수가 한계효용체감을 보일때, 사람들은 각 기마다 가급적 같은 양의 소비를 하고 싶어할 것이기 때문이다 (consumption smoothing). 예를 들어 2기간만 사는 사람이 있다면, 1기에 굶고 2기에 사과 2개를 먹는 것보다, 1, 2기에 각각 사과 1개씩을 먹는 것을 더 선호할 것이다. 이제 위의 식에서, 다음과 같은 선형회귀를 생각해볼 수 있다.
[math( C_t = \alpha_0 + \alpha_1 C_{t-1} + \beta z_{t-1} + \varepsilon_t)]
여기서 [math(z_{t-1})]은 [math((t-1))]기에 알 수 있는 다른 통제변수들이다. 만일 LCH가 맞다면, 물론 [math(\alpha_0 = 0, \alpha_1 = 1)] 일 것이다. 이제 우리는 소비 데이터를 갖고 있으므로, 선형회귀를 돌려서 계수들의 추정치를 구하고, 계량경제학 교과서에 나온대로 [math(\alpha_0 = 0, \alpha_1 = 1)]를 귀무가설로 놓고 검증하면 된다. 이 귀무가설을 기각할 수 없다면, LCH를 받아들여도 좋을 것이다.[3]2.2. 예시 2: 금융시장은 완비(complete)인가?
금융시장이 완비라면, 미래에 일어날 수 있는 모든 일들에 대해 거기 대응되는 금융 상품을 살 수 있다. 이 경우 위험 기피적인 소비자들은 (위험 중립적인 회사들로부터) 완전한 보험 (full insurance)을 제공받을 수 있다. 이 말은 미래에 무슨 일이 일어나든 소비자들이 일정한 소비 수준을 유지할 수 있다는 것이다. 예를 들어 미래에 교통사고의 위험이 있다면, 위험 기피적인 소비자는 보험을 듦으로써 교통사고가 일어나든 안 일어나든 똑같은 소득을 얻을 수 있다.하지만 금융시장이 정말 완비인가? Cochrane(1994)[4]은 다음과 같은 간단한 회귀분석을 통해 이것을 테스트한다. (가계 레벨 데이터이기 때문에, 하첨자 [math(i)]는 가계 샘플 번호를 의미한다)
[math( \Delta C_i = \alpha + \beta X_i + \varepsilon_i )]
여기서 [math( \Delta C_i )]는 데이터가 있는 1980-1983년 사이의 소비 변화이고, [math(X_i)]는 해당 기간의 (소득에 영향을 주는) 가계 레벨 충격들이다. 만일 소비자들이 완전한 보험을 제공받고 있다면, 그런 충격들은 가계의 소비에 영향을 주지 않을 것이다. 예를 들어, 위에서 말했듯 보험이 있으면 교통사고가 일어나건 안나건 똑같은 소득을 얻고, 똑같은 소비를 할 수 있다. 따라서 금융시장이 완비라면, [math( \beta = 0 )]이라는 귀무가설을 세웠을 때 기각할 수 없을 것이다. 이제 가계 데이터를 이용하여 위 회귀식의 계수를 추정하고 귀무가설을 검정하면 된다.3. 주요 주제들
위와 같이 데이터를 통해 경제학적인 질문을 해결하는 것이 계량경제학의 목표인 만큼, 기본적으로 통계학에서 이미 발견된 지식들을 많이 활용한다.응용통계학으로 여겨지지만 전통적인 통계학과는 어느 정도 구별된다. 통계학자는 어떤 모수를 추정하기가 어려울 때 이것이 데이터의 한계에서 비롯된다고 생각되면 더 좋은 데이터를 구하려고 하는 경우가 많다. 그러나 계량경제학자는 데이터가 불완전하더라도 가능한 모든 방법을 총동원하여 모수를 추정하려고 한다.
아래의 주제들은 학부 및 대학원에서 배우는 내용들 중 일부를 다룬다. 일률적으로 어디까지가 학부 과정이라고 자르긴 힘드나, 대개 학부 계량경제학에서는 OLS 추정치의 계산 및 그 성질(Gauss-Markov Theorem까지), 추정된 OLS 계수/전체 모델에 대한 통계적 검정, OLS의 기본 가정들이 위배될 경우 어떤 문제가 생기며, 어떻게 이를 해결할 수 있는가(GLS, IV)? 정도까지 다루는 편이다. 물론 학교별/교수별로 차이가 클 수 있다.
- 단순 회귀분석
-
최소자승법(Ordinary Least Square,
OLS)[6]: 학부 수준에서 최초로 접하게 되는 계량경제학의 방법론. 통계학과에서 다루는
회귀분석에서도 핵심적인 근간을 이루는 아주 중요한 방법이다. 하지만 설명변수가 통제되어 있는 것을 전제하는 것이 사실상 불가능한 경제학의 특성상, 설명변수를 확률변수로 취급하며 논의를 전개해 나가게 된다. 기본이라고 해서 결코 그 중요성이 떨어지는 것은 아니며 데이터가 좋은 경우에는 많은 실증 논문들이 OLS만 가지고 결과를 도출하기도 한다.
오차항의 분포가 정규분포이고 이상치가 없다면 OLS는 MLE와 같은 추정법이 되어 최대 우도 추정치가 지니는 점근적 정규성과 유효성을 지니는 좋은 추정법이 된다. 하지만 오차항이 굉장히 큰 분산을 지니거나 정규분포가 아닌 경우 OLS의 효용성은 다른 추정법에 비해 떨어진다. - Gauss-Markov Theorem(가우스-마르코프 정리): 고전회귀모형의 가정들이 충족되었을 경우 OLS를 이용해 도출한 추정량이 최량선형불편추정량(BLUE, Best Linear Unbiased Estimator)이 된다. Best라 함은 분산이 가장 작은 것, linear라 함은 y의 선형결합으로 이루어진 추정량이라는 것, unbiased라는 것은 추정량의 기댓값을 취하면 실제 population의 β가 된다는 것을 의미한다. G-M Theorem은 OLS 추정량을 사용할 강력한 근거를 제시해준다.
- 독립항등분포 (iid) 가정이 깨지는 경우: 이분산성, 내생성, 다중공선성
- Asymptotics(점근적 통계, Large Sample Theory라고도 한다): 표본 수가 많아질수록 적절한 가정 하에서 우리는 추정량이 좋은 성질을 가질것이라 기대할 수 있다. 큰 수의 법칙이나 중심극한정리가 중요한 예시이다. 대개 asymptotics를 배운다면 수업에서는 앞의 기본적인 두 정리를 기반으로 추정치들이 다음과 같은 좋은 성질을 지님을 증명하려 한다. 이를 위한 사전 작업으로 대개 Mode of Convergence(수렴 모드) Markov, Chevychev Inequality, Slutsky Theorem을 익히고 asymptotic bound를 만드는 테크닉들을 배운다. 이러한 과정은 수학과의 해석학에서 하는 것과 유사하므로 해당 과목을 들어뒀으면 상당히 도움이 된다.
- Unbiasedness(불편성): 추정량의 기댓값이 모수와 같을 때 해당 추정량은 불편성을 지닌다.
- Consistency(일치성): 표본의 크기가 커질수록(관측치가 많아질수록) 추정량이 모수와 같아질 때[7] 일치성을 지닌다. 이것을 크게 위배하는 추정량은 가치가 없다.
- Asymptotic Normality(점근적 정규성): 적절한 정칙 조건(regularity condition) 하에서, 추정량이 모수를 중심으로 점근적으로 정규분포를 이룬다는 것이다. 주로 중심극한정리를 적용함으로써 얻는다. 점근적 정규성은 M-estimator[8]라 불리는 일군의 추정량들이 만족하는 성질이다. M-estimator에는 OLS(제곱오차 최소화), MLE(likelihood function 최대화), GMM 등이 있다. 특히 MLE는 점근적으로 최량불편추정량이다(Cramer-Rao bound).
- 최대우도추정법[9](Maximum Likelihood Estimation; MLE): OLS와 함께 가장 자주 사용되는 추정법. 점근적 정규성과 유효성 등의 좋은 성질을 지니고 있다는 장점이 있다. 하지만 모형 속의 오차항에 대한 분포를 가정해야 한다는 점이 실용성을 떨어뜨린다. Method of Moments에 비해 MLE가 갖는 장점은, Nonlinear 모형을 유연하게 적용할 수 있으며, 따라서 경제학 모델에 기반한 추정시에 더 rich한 모델을 적용할 수 있다는 점이다.
- 변수의 범위에 따른 여러 모형
- Logit / Probit model: 실증적인 연구를 할 때, 많은 변수들은 수량적이지 않고 이진적(binary)이다. 그 예시로는 시험의 Pass/Fail, 취업 상태/실업 상태, 결혼/비혼 여부 등이 있다. 여기서 y를 시험에 pass했으면 1, fail이면 0으로 두고, 설명변수를 공부 시간으로 두어 단순 OLS를 돌렸다고 해보자. 그러면 y의 추정치들은 우리가 원하는 것과 다르게 0 미만 혹은 1을 초과한 값을 가질 수 있을 것이다.
- Tobit model (censored regression model): 변수가 특정 실수 범위 내에서만 존재하면 '절단'되었다고 말한다. 가령, 100점 만점의 시험을 치면서 -50점이 나오거나, 임금이 -1500만원일 수는 없다. 이 때 tobit 모형이나 절단(truncated) 회귀모형을 사용한다. 토빗모형은 OLS로는 모수에 대한 일치추정량을 얻을 수 없으므로, 최우추정법이나 Heckman 2단계 추정법을 사용해야 한다.
이를 해결할 수 있는 한 가지 방법은 원래 OLS의 선형 모형(linear model)을 어떤 누적분포함수(CDF)에 통과시켜 0과 1 사이의 실수로 만든 후, 0.5 이상이면 1, 0.5 미만이면 0이라고 추정하는 것이다. 이 때 정규분포 CDF를 사용하는 모형을 Probit, 로짓 분포 CDF를 사용하는 모형을 Logit 모형이라 한다.
이 방법의 단점은 목적함수를 최소화하는 계수값을 OLS처럼 1계 미분조건을 사용해서 깔끔하게 구하기는 어렵다는 것이다. 따라서 대신 수치적 방법(예를 들면, stochastic gradient descent method)을 사용하여 계수를 추정하게 된다. 따라서 이 단점은 오늘날에는 크게 부각되지 않는다.
다른 단점은 OLS 추정량이 오차에 대한 분포가 명확히 주어지지 않아도 일치성을 만족하는 데 반해, probit이나 logit 모형은 오차에 대한 분포 가정(전자는 정규분포, 후자는 로짓 분포)이 틀리면 일치성도 만족하지 못한다는 것이다.
- Regression Discontinuity(RD) Design: 선택 편의(selection bias)를 줄이는 추정 방법 가운데 하나이다. 예를 들면, 위의 내생성 항목에서 언급한 "대학에 가면 평균적으로 얼마나 임금을 더 벌게 될까?" 라는 질문을 생각해보자. 단순히 고졸 100명 vs. 대졸 100명 같은 비교를 해면 문제가 있음은 위에서 언급했다. 이 방법의 핵심 아이디어는 다음과 같은 비교를 하자는 것이다. "시험이 있어서 100점을 받은 사람부터 대학에 갈 수 있다면, 99점 받아서 떨어진 사람들의 임금 vs. 101점 받아서 붙은 사람들의 임금을 비교하자" 전체 고졸 vs. 대졸 집단을 비교하는 것과 다르게, 이런 방식으로 비교하면 비슷한 집단 둘을 비교하게 되므로 '대학교 진학'의 효과만을 뽑아낼 수 있다. 다만 실제 추정 과정에서 경계(threshold)를 어디로 정할 것인가, 두 집단의 차이를 어떻게 추정할 것인가는 쉽지 않은 부분이다. 전반적으로 이 RD design을 잘 설명한 책으로는 대체로 해롭지 않은 계량경제학이 있고, 소개 논문은 Imbens and Lemieux (2008)이 있다. 논문 링크
- 공적분
- 패널분석, 횡단면분석: 상대적으로 미시 분야에서 나오는 경우가 많으나, 거시에서 쓰기도 한다. 예를 들면 국가별 부채-성장률 관계를 패널 데이터로 분석한 다음 논문을 보라 #.
- 검정
- 시계열분석: 상대적으로 거시 분야에서 나오는 경우가 많다. 하지만 패널 데이터는 횡단면 + 시계열 데이터이므로, 패널 데이터를 사용한다면 항상 시계열적 성질에 대해 고려해야 한다.
- 연립방정식 모형
4. 과목
4.1. 학부
4.1.1. 교재 목록
경제학/교과서- Gujarati의 계량경제학: 학부 계량경제학 강의에서 쓰는 입문용 교재. 꽤나 두꺼우며 번역이 아쉬운 편이다. Matrix notation을 쓰지 않아 선형대수학을 배우지 않아도 이해 가능하지만, 뒤로 갈수록 좀 난잡해지는 단점이 있다.
- 강기춘
-
Hansen's Note:
무료 다운[10] OLS 및 그 파생을 다루는 앞의 12챕터 정도는 매우 훌륭하며, 뒷부분도 내용이 갈수록 간략해지지만 나쁘지는 않다. 책이 친절하며, notation이 엄밀하게 통일되어 있다는 점에서 독자 친화적이다. 저자는 박사 1년차를 위해 썼다고 말하지만, 대학원 계량경제학에 입문하려는 학생들이 볼만하다. (저자가 해당 노트를 계속 보강하면서 책으로 출판했다. 출판 이후엔 무료 다운로드가 되지 않는다.) - Wooldridge(Introductory)[11]
- 고려대 김창진 교수 강의 노트: 학부 계량경제학1(기초), 계량경제학2(이분산, 자기회귀, 시계열) 및 대학원 계량경제학, 시계열분석. 세계적인 시계열분야의 대가인 김창진 교수의 강의노트이다. 계량경제학에서 어려움을 겪는 수식에서 논리 전개가 빠짐이 없어 이해하기 쉽고, 학생에게 차근차근 설명하는 강의방식의 노트로 독학이 가능할 정도로 잘 만들어졌다. 대학원 진학자 및 한국은행 지원자는 반드시 보는 강의노트로 정평이 나있다. 고려대 후문사에 방문하거나 전화로 택배주문가능하다.
※ 참고 사이트
- http://lectures.quantecon.org: 토머스 사전트 교수( 노벨경제학상 수상자)와 그의 동료가 프로그래밍 언어인 Python과 Julia를 이용하여 계량경제학적인 분석을 하는 방법에 대한 온라인 튜토리얼이다. 석사1년차 학생이 참고하면 좋다.
*Steve Pichke 교수의 Mostly Harmless Metrics를 보면 계량경제학의 기본적인 방법론 대부분을 접할 수 있으며 만약 관심있는 학부생이라면 그것보다 좀 더 쉬운 Mastering Metrics를 먼저 보는게 편할것이다.
4.2. 대학원
대학원 계량경제학에 실린 내용을 모두 알 필요는 없지만 많이 알수록 유리하다. 가장 수학이 적게 쓰이는 분야라고 할 수 있는 reduced-form 응용미시경제학을 할 경우, 탑 저널에 실린 논문들을 봐도 방법론적으로만 보면 Mostly Harmless Econometrics의 내용을 크게 벗어나지는 않는다. 그러나 자신이 찾은 데이터가 준-실험적(quasi-experimental) 조건을 만족하는가, 자신의 결론이 모델을 다소 바꿔도 강건하게(robust) 나타나는가 하는 부분을 정당화 하는데 더 많은 노력이 들어간다. 계량경제학을 많이 알수록 분석할 수 있는 것도 많아져 연구과정이 편해진다.4.2.1. 공통 필수
-
수리통계학
- 계량경제학을 위해 필수. 예를 들어 우도 (likelihood)의 개념을 알지 못하면 최우추정법 (MLE)을 이해할 수 없다.
- 게임 이론, 거시경제학을 전공하려면 깊게 파야 한다.
-
확률론:
김영세 교수(
게임 이론)에 따르면, 학문으로서 경제학을 계속하려면 대학원 수준의 확률론은 세부분야에 관계없이 필수라고 한다.
- 공분산(covariance), 상관관계 정의는 학부 계량경제학을 위해 필수이다.
- 대학원 미시경제학을 위해 젠센 부등식을 배워야 한다.
4.2.2. 전공에 따른 계량경제학 과목
각 분야에서 사용되는 방법이 미묘한 차이점이 있는데 다음과 같다.- 보건경제학: 응용 미시 분야 답게, 대체로 해롭지 않은 계량경제학(Mostly Harmless Econometrics)이 주로 다루는 도구변수 추정법(IV), 이중차분법(DiD), RD 디자인이 많이 쓰인다. 특히 보건경제학에서는 자연실험에 가까운 상태를 만들어 주는[12] 유전자 차이(gene variation)가 IV로 많이 쓰이고[13], 건강 검진 시 변수가 특정 수치를 넘으면 (e.g. 혈압) 이상이 있다고 고지해주는 제도가 많으므로 RD 디자인을 사용하는 일이 많은 편이다.
기타 재정학, 국제개발, 경영전략- 국제경영론, 행정학, 정책학, 회계학 등에 대한 실증분석에 대해서도 미시계량경제학적 방법이 필요하다. 어떤 상황에서 어떻게 추정을 해야 좋은 결과가 나올 수 있는지, 그 때 희생하는 성질들은 무엇인지를 익혀야 한다.[14] 결국 계량을 어느 정도 파야 된다.
-
계량이론 (계량 경제학) 전공 Econometric theory
대학원에서 '계량이론(계량경제학)을 전공'한다는 것은 더 나은 추정 방법을 개발하고 추정치들의 성질을 증명하는 것을 의미한다. 학부 시절 만능으로 여겨지는 OLS는 더 이상 해답이 아니며, 미시계량(박사)이나 시계열 분석 교과서를 넘어선 수준까지 학문을 파고든다. 따라서 대학원 수준의 수리통계학, 확률론, 해석학, 베이지안 통계를 필요로 한다.
근래에는 이론의 검증뿐만 아니라 방대한 데이터를 통한 실증분석이 크게 활용되면서 데이터에서 먼저 현상이 발견되고 그 다음 그걸 뒷받침하는 경제이론을 만들어 나가는 쪽의 연구도 많이 이루어진다. 통계학적 엄밀함을 요구하면서 문과생들의 뇌를 녹여 버린다.그리고 둘이 합쳐지면 지옥의 쌍두마차가 완성된다. 게임 이론까지 합쳐지면 삼위일체아니 trilemma그럼에도 불구하고 동양계 학생들이 유독 계량을 많이 한다. 그 이유는 아마 많은 동양계 학생들에게 영어보다는 차라리 수학이 쉽게 느껴지기 때문일 것이다.[15] 이를 반영하듯, 한국인 가운데 세계계량경제학회 석학회원 (Fellow of Econometric Society)[16] 으로 선출된 연구자들은 모두 계량 이론, 혹은 미시 이론 전공이다.
5. 전공자
정치인 중 전직 국회의원인 이혜훈 의원이 미국 UCLA에서 계량경제학으로 박사학위를 받고, KDI( 한국개발연구원)와 영국 레스터대학교 경제학과에서 교수생활을 하던 중 정계에 입문하게 된 케이스에 속한다. 또한 KDI 시절 사수였던 유승민 의원은 위스콘신 매디슨에서 부전공으로 계량경제학, 수리경제학을 선택해 박사학위를 받았고, 대학원의 계량경제학과 미시경제학 조교로 재직한 바 있다. 이 외에 전 통계청장 류근관 역시 계량경제학자이다.6. 계량경제학과 경제통계학은 다른 분과인가?
경제학에 쓰이는 통계학과, 통계학에 쓰이는 경제학이 다르다고 주장하는 학자들도 존재한다. 이 문단은 특집: 경제통계학의 과제: 논평 (이상우, 1987)에서 인용하였다.이상우(1987)는 국내 일부 대학에서 경제통계론 또는 경제통계학이라는 교과목 개설이 개설되고 있음을 고려할 때에 이러한 생각은 무지의 소치라고 비판하였다. 경제통계론은 경제나 경영분야에서 특히 광의의 경제적 현상에 관한 상태나 구조 또는 변동상황이나 원인규명을 위한 자료 수집과 분석을 골자로 하기 때문에 상경계통을 전공하는 학생들에게 이론이나 정책 각 분야의 이론 전개나 실증적 검정을 위한 연구에 필수적으로 필요하게 되는 실제자료에 대한 이해와 활용에 도움을 주는 학문 분야이다. 이상우(1987)은 경제통계학은 통계자료의 생산자 입장을 취하고 계량경제학은 통계자료의 소비자 입장을 취한다고 보았다.
한편 이강철(1997)[17]은 계량경제학은 아무리 계량적인 성격이 농후하다 하더라도 결국 경제학 내부에 그 지위를 차지하는 것이지만 경제통계학은 경제학 밖에 있다고 보았다.
하지만 그냥 말장난으로 볼 수도 있다. 이상의 논리들을 정리하면 경제학자가 경제학에 통계학을 끌고오면 계량경제학이고, 통계학자가 통계학을 경제학에 응용하면 경제통계학이다. 결국 경제학과 통계학을 섞었을 뿐이며, 연구 주체와 저널을 보지 않고 논문만 보고 이 둘을 구분하는 것은 불가능하다.
[1]
경제학과에도 대부분 경제통계학, 통계학입문이라는 이름으로 기초 통계학개론에 해당하는 수업을 커리큘럼에 넣어놓는다.
[2]
Hall, R. E. (1978). Stochastic implications of the life cycle-permanent income hypothesis: theory and evidence. Journal of political economy, 86(6), 971-987.
[3]
물론 여기서 일어날 수 있는 type 1, 2 error는 수없이 많다. 효용함수가 정말 저렇게 생겼을까? 개인 레벨 데이터를 써야 맞는 것이 아닌가? (Hall (1978)은 시대적 한계상 전체(aggregate) 레벨 데이터를 썼다) 다만 완벽하지 못한 실증 분석이라도, 없는 것보다는 낫다.
[4]
Cochrane, J. H. (1991). A simple test of consumption insurance. Journal of political economy, 99(5), 957-976.
[5]
예를 들어 직업경험으로 인한 암묵적 지식의 중요성을 검증한다고 하자. 똑같은 교육수준을 가진 집단을, 한쪽은 미화원, 한쪽은 택시기사, 한쪽은 은행원... 이런 식으로 나눠서 조사할 수 있을까? 개인의 자유를 침해하면서까지 실험을 할 수는 없는 것이다. 오늘날은 실험경제학이라는 분야가 발전하면서 일부 실험이 이루어지기도 한다.
[6]
통상최소자승추정법. OLS Estimation.
[7]
정확히는 추정량이 모수로 확률수렴할 때.
[8]
특정한 목적함수를 최대/최소화하는 방식의 추정량들. Minimum estimator의 약자를 땄다.
[9]
최대가능도추정법, 최우추정법
[10]
저자는 Bruce Hansen, 위스콘신 대학교 교수이다
[11]
Wooldridge가 쓴 대학원용 교재가 2종류다. 주의.
[12]
본인이 유전자를 택해서 태어날 수는 없으므로.
[13]
예시:
#
[14]
Mostly Harmless Econometrics와 같은 책을 보면 실증분석(empirical study)을 위한 계량경제학은 갈수록 간단해지고 있음을 알 수 있지만, 그건 또 그거대로 제도에 대한 이해, 도구변수에 대한 아이디어가 필요하여 결코 쉽지는 않다.
[15]
이는 경제학 박사과정에 지원하는 학생들이 대학원 코스웍을 위해서 수학과 통계학을 사전에 충분히 준비하여 코스웍을 훌륭히 잘 마치는 이유도 크지만, 한국 주요 대학 경제학교수 중 교육 및 연구분야에서 세계 탑급 계량경제학 대가가 많기에 수업과 연구지도를 받고 다시 해외 유학을 가서 익숙한 분야에 뛰어드는 경향도 없지 않다. 응용경제 및 실증계량같은 경우 뛰어난 영어와 소통능력은 기본이고 미국경제에 대한 지식과 통찰이 있어야 미국에서 논문을 인정 받기 때문에 미국에서 인정받으려면 계량 및 미시이론쪽으로 가는 경향이 굉장히 크다.
[16]
이름에서 계량이 들어가있긴 하지만 뛰어난 연구자면 분야를 가리지 않고 뽑힌다. 예를 들어 에스테르 뒤플로(2019년
노벨경제학상 수상자)는 응용미시 전공이지만 당연히(?) 회원이다
[17]
경제통계학의 발전과정과 그 전망.