벤치마킹 방법을 이용한 월별 GDP 추정

이 희*1)

<요 약>

GDP는 분기로 작성되기 때문에 경기분석 시 경기 동행종합지수

등 월별 통계로 우선 단하고 분기 GDP로 확인하고 있다. 그런데

경기 동행종합지수에 의한 결과는 분기 GDP의 분석 결과와 항상

같지 않다. 이는 두 통계의 작성방법이 동일하지 않기 때문이다.

따라서 월별 경기 동행종합지수의 속보성과 분기 GDP의 표성을

동시에 확보할 수 있는 통계로 월별 GDP를 추정할 필요가 있다.

월별 GDP는 다음의 두 단계로 추정되었다. GDP 추계시 활용도

가 높고 시계열 길이가 긴 산업생산지수, 도소매 매액지수, 비농

림어업 취업자수를 설명변수로 한 통계모형을 구축하여 잠정 월별

GDP를 구하고, 벤치마킹방법을 이용하여 분기 GDP와의 정합성을

확보하 다. 벤치마킹 방법으로 Chow and Lin (1971) 방법을 이용

하 다. 월별 GDP의 유용성을 검하기 해 경기종합지수와 비교

하 다. 그 결과 월별 GDP는 경기 동행종합지수와 련이 높으면

서 분기 GDP와 정합성을 가지는 것으로 나타났다.

핵심단 어 : 국내총생 산 , 벤치마킹, 경 기 동 행 종 합 지 수

* 한국방송통신 학교 정보통계학과 조교수(e-mail : geunghee@knou.ac.kr)

Ⅰ. 머리말

경제주체가 의사를 결정할 때 재의 경기를 정확하고 빠르게

단하는 것이 요하다. 경기를 단하는 방법은 크게 ① 개별 경

제통계에 의한 방법, ② 종합경기지표에 의한 방법, ③ 경기 망조

사에 의한 방법, ④ 계량모형에 의한 방법 등으로 나 수 있다.

우리나라의 경기 황은 매월 발표되는 산업생산지수, 서비스업활

동지수 등 통계와 이들을 종합한 경기 동행종합지수로 먼 분석

된다. 분기 국내총생산(GDP)은 앞서의 매월 경기분석결과를 확인

하는 데에 주로 이용되고 있다.1)

우리나라 경기 동행종합지수는 2008년 3월 재 산업생산지수,

비농가 취업자수, 제조업 가동률지수, 건설기성액, 서비스업활동지

수, 도소매업 매액지수, 내수출하지수, 수입액 등 8개의 월별 지

표 추세․순환변동을 추출한 후 이들을 표 화하고 추세를 조정

하여 작성된다 (통계청, 2006). 한편 우리나라 GDP는 생산 근법

을 기본으로 하여 작성되는데 산업별 산출액에서 간투입을 차감

하는 방식으로 작성된다 (한국은행, 2006). 이 때 산업생산지수, 서

비스업활동지수 등 경기종합지수에서 이용되고 있는 통계가 GDP

추정에 주로 활용된다. 경기 동행종합지수는 분기 GDP와 다른 방

식으로 작성되기 때문에 경기 동행종합지수가 GDP를 바탕으로 추

세를 조정했을지라도 경기 동행종합지수에 의한 경기분석결과가

GDP 동일한 분석결과를 항상 제공하지 못한다. <그림 1>은 분기

경기 동행종합지수와 계 변동조정 GDP의 수 과 로그 기비 추

이를 나타낸 것이다. 여기서 GDP는 2000년을 100으로 조정하 다.

<그림 1>을 보면 GDP와 경기 동행종합지수 간 추세의 차이가 있

1) 분기 GDP 속보치는 해당분기 종료 후 28일 이내에 2개월 월별 통계와 말월 추정을 바

탕으로 작성되어 발표되고 있으며, 분기 GDP 잠정치는 해당분기 종료 후 70일 이내에 3

개월 월별 통계를 바탕으로 작성되어 발표되고 있다. 한편 경기 동행종합지수 등은 해당

월 종료 28일 후경에 발표되고 있다.

음을 알 수 있다. 두 통계의 로그 기비간 상 계수가 0.62로 나타

나 분기 GDP와 경기 동행종합지수로 일 된 경기분석을 지속하기

는 어려운 것으로 보인다. 따라서 월별 경기 동행종합지수의 속보

성과 분기 GDP의 표성을 동시에 확보할 수 있도록 월별 GDP를

별도로 추정할 필요가 있다.

<그림 1> GDP 지수와 경기 동행종합지수의 추이

(1) 수 변수 : GDP 지수(GDP_I)와 경기 동행종합지수(CC)

0

2 0

4 0

6 0

8 0

1 0 0

1 2 0

1 4 0

1 6 0

1 9 7 0 1 9 7 5 1 9 8 0 1 9 8 5 1 9 9 0 1 9 9 5 2 0 0 0 2 0 0 5

G D P _ I C C

(2) 로그 기비 : GDP 로그 기비(GDP_P)와 경기동행종합지수로그 기비(CC_P)

- . 1 0

- . 0 8

- . 0 6

- . 0 4

- . 0 2

. 0 0

. 0 2

. 0 4

. 0 6

1 9 7 0 1 9 7 5 1 9 8 0 1 9 8 5 1 9 9 0 1 9 9 5 2 0 0 0 2 0 0 5

G D P _ P C C _ P

월별 GDP에 한 연구로는 성병희 (2001), 이 희 (2006), 김기

호 (2007) 등이 있다. 성병희 (2001)는 도소매 매액지수, 취업자수,

산업생산지수의 수 변수를 이용한 Chow and Lin (1971)의 모형

을 직 용하여 분기GDP를 월별 GDP로 분해하 다. 동 논문은

월별 GDP 추정을 목 으로 하지 않기 때문에 추정 과정이 자세히

서술되어 있지 않다. 이 희 (2006)는 분기 제조업 GDP를 월별 제

조업 산업생산지수를 바탕으로 벤치마킹방법을 용하여 분해하

다. 김기호 (2007)는 산업생산지수와 도소매 매액지수를 이용한

비 측오차수정 모형으로 월별 GDP를 추정하 다. 분기 GDP를

월별 통계를 이용하여 빠르게 추정하는 방법에 해서는 김양우․

이 희․장동구 (1998)와 민경삼․박진호․박순옥 (2002)에 정리되

어 있다.

월별 GDP 작성시 추정된 월별 GDP가 분기 GDP와 일치되도록

벤치마킹방법을 이용할 필요가 있다. 여기서 벤치마킹이란 측 빈

도가 높은 통계와 측 빈도가 낮은 통계를 연결하여 일치시키는

방법이다. 표 방법으로는 Denton (1971) 방법, Chow and Lin

(1971), Fernández (1981)와 Litterman (1983)이 제시한 방법 등이

있다.

본고에서는 분기 계 변동조정 GDP와 련성이 높은 월별 통계

를 찾고 이를 바탕으로 벤치마킹방법을 이용하여 월별 계 변동조

정 GDP를 작성하고 이를 경기 동행종합지수의 용지표로 활용할

수 있는지 검하 다.

본고의 구성은 다음과 같다. 제Ⅱ장에서 벤치마킹 방법에 해

정리하 다. 제Ⅲ장에서 GDP와 련성이 높은 지표들을 발굴하고

교차상 분석, 유용성 등을 고려하여 월별 GDP 작성에 필요한 구

성 지표를 찾았다. 제Ⅳ장에서는 월별 GDP 작성방법에 해 정리

하고 월별 GDP를 추정하 다. 제Ⅴ장에서 작성된 월별 GDP의 유

용성을 검하 다. 마지막으로 제Ⅵ장에서는 요약과 향후 방향을

정리하 다.

Ⅱ. 벤치마킹 방법

1. 벤치마킹 방법

하나의 경제 상에 해 경제통계는 연, 분기, 월 등 다른 주기

즉, 다른 측빈도로 작성되고 있다. 월별 통계와 같이 측빈도가

높은 통계는 상 으로 포 범 가 좁고 은 표본을 조사하여

작성되지만, 연간 통계와 같이 측빈도가 낮은 통계는 상 으로

포 범 가 넓고 많은 표본을 조사하여 작성된다. 따라서 월별 통

계는 연간 통계보다 빠르게 발표되지만 정확성은 낮고, 연간 통계

는 월별 통계보다 늦게 발표되지만 정확성은 높다. 그런데 하나의

경제 상을 측정하기 해 측 빈도가 다른 두 통계는 특별한 조

정을 하지 않는다면 서로 일치하지 못한다. 경제 상을 일 되게

살펴보기 해서는 측빈도가 다른 두 경제 통계의 움직임을 일

치시켜야 한다. 연간 통계 등 측빈도가 낮은 통계를 기 으로 하

여 월별 통계 등 측빈도가 높은 통계의 움직임에 따라 배분하게

된다. 이와 같이 한 경제 상에 해 두개의 통계가 있을 때 측

빈도가 높은 통계를 측 빈도가 낮은 통계에 연결하여 보정하는

방법을 벤치마킹(benchmarking)이라 부른다.

벤치마킹 방법은 수치해석기반 방법과 통계모형기반 근법으로

구분된다. IMF는 Denton (1971)의 방법을 권고하고 있으며, 유럽

국가에서는 Chow and Lin (1971)의 방법을 주로 이용하고 있다.

본고에서는 Chow and Lin (1971)의 방법을 이용하여 측 빈도가

다른 두 통계간 정합성을 맞추었다. 벤치마킹 방법에 해서는 이

희 (2006)에서 자세히 설명되고 있다.

2. 벤치마킹 방법 : Chow-Lin방법

벤치마킹 방법 Chow and Lin (1971) 방법을 살펴보자. 먼

y l은 벤치마킹의 상이 되는 측 빈도가 낮은 통계이며, yh는

벤치마킹된 측 빈도가 높은 통계이다.

y l= ( y1, l , y2, l , ⋯ , yt, l , ⋯ , yT, l )'(1)

y h= ( y 1, 1 , ⋯ , y 1, s , ⋯ , yt, h , ⋯ , yT, 1 ,⋯, yT, s )

GDP와 같은 로우 계열은 측 빈도가 높은 통계를 일정기간

합하면 측 빈도가 낮은 통계가 되는데 이를 다음과 같이 표 할

수 있다. 여기서 c h=1, 1≤ h≤s 이다.

yt, l= ∑s

h= 1c h yt,h (2)

식을 행렬식으로 표 하면 다음과 같다.

y l= C yh (3)

여기서 C= IT × c '인데 c= (1, 1, ⋯ 1)이다. 월별 GDP 로그 기

비를 분기 GDP 로그 기비로 환하기 해서는 이용되는 행렬 C

는 다음과 같다.

C =13

1 1 1 0 ⋯ ⋯ 0 0 00 0 0 1 1 1 ⋯ 0 0 00 ⋯ ⋯ ⋯ ⋮ ⋮⋮ ⋮ ⋮ … … ⋮ ⋮ ⋮ ⋮0 0 0 ⋯ ⋯ ⋯ 1 1 1

(4)

벤치마킹에 이용될 련된 측 빈도가 높은 통계는 xh로 표

된다. x l은 xh를 바탕으로 구해진 측 빈도가 낮은 통계이다.

x h= (x 1, 1 ,⋯ , x 1, s , ⋯ , xT, s )(5)

x l= (x 1, l ,⋯ , x2, l , ⋯, xT, l )

벤치마킹된 통계는 측 빈도가 낮은 통계와 련 있는 측 빈

도가 높은 통계를 설명변수로 설정한 회귀모형으로 작성될 수 있

다. 벤치마킹된 측 빈도가 높은 통계( yh)를 구하기 해 yh와

련된 측 빈도가 높은 통계( xh)와의 계를 다음과 같은 모형

으로 표 할 수 있다.

회귀모형 : yh= xh β + uh (6)

제약조건 : y l= C yh

여기서 uh는 xh와 독립인 오차항으로 평균이 0 공분산 행렬 Vh

을 가진다. 측 빈도가 높은 통계는 같은 표본에 해 반복 조사

를 실시하여 구해지므로 오차항에 자기상 구조가 포함되어 있다

고 가정하고 있다.

E( uh )=0 , E( uh uh' )= Vh (7)

Vh에 한 가정을 살펴보면 Chow and Lin (1971)은 AR(1)을,

Fernández (1981)은 임의보행모형을, Litterman (1983)은 ARIMA

(1,1,0) 모형을, 그리고 Wei and Stram (1990)은 ARIMA(p,d,q) 모

형을 가정하 다. 통계 작성시에는 계산의 간편성을 고려하여 Vh

로 Chow-Lin의 AR(1)이 주로 이용되고 있다. 본 논문에서는 월별

GDP의 분기합이 분기 GDP와 같도록 Chow-Lin방법을 이용하

다.

Chow and Lin 모형을 추정하기 해서는 식(6)의 양변에 행렬

C를 곱하여 측빈도가 낮은 통계로 다음과 같이 환한다.

y l = Cyh= Cxhβ + Cuh= x l β+ u l (8)

여기서 ul은 다음의 공분산 행렬을 가진다.

Vl=E( u l u l '∣ xh ) = C Vh C ' (9)

식 (8)에 해서 일반화 최소자승법을 용하여 벤치마킹된 측

빈도가 높은 시계열( y h)를 추정할 수 있는데 그 결과는 식(10)과

같다.

y h= xh β+ L u l (10)

여기서 β=( x l ' V l-1x l )

- 1 x l ' V l-1y l , L= VhC Vl

-1,

u l= y l- x l β 이다.

Ⅲ. 분기별 GDP의 작성과 련 월별 지표

GDP(국내총생산)은 한 나라의 모든 경제주체가 일정기간동안 새

로이 생산한 재화와 서비스 가치를 시장가격으로 평가하여 합산한

것으로 경제 련 기 통계를 바탕으로 국제기 인 1993 SNA에 따

라 작성되는 가공통계이다 (한국은행, 2006). 우리나라의 경우 기

통계 사정상 산업별 부가가치를 추계하여 생산 GDP 규모를 정한

다음 이를 기 으로 지출 분배 GDP를 추계하고 있다. 생산

GDP를 작성하는 데에는 <표 1>의 산업별 통계조사 결과가 이용

된다. 분기 통계의 경우 통계청의 월별 동태조사 결과가 주로 이용

된다.

<표 1> 산업별 통계조사

표 산업 분류 통계조사

농업 임업 농림수산식품부, 산림청 자료

어업

업 공업동태조사

제조업

기, 가스 수도사업 한국 력공사, 한국가스공사, 한국수자원공사 자료

건설업 건설기성통계조사

도매 소매업

서비스업 동태조사

숙박 음식업

운수업

통신업

융 보험업

부동산 임 업

사업 서비스업

공공행정, 국방 사회보장행정 기획재정부, 행정안 부 자료

교육 서비스업

서비스업 동태조사 보건 사회복지사업

오락, 문화 운동 련서비스업

기타공공, 수리 개인서비스업

가사 서비스업

국제 외국기

분기 GDP는 계 성이 있기 때문 이를 조정한 계 조정 GDP와

이의 기비가 발표되고 있다. 본 논문에서는 계 조정 분기 GDP

를 이용하 다.

계 조정 분기 GDP와 월별 경기 동행종합지수를 결합하여 두

통계 간 정합성을 가지게 하려면 월별 경기 동행종합지수를 바탕

으로 계 조정 분기 GDP를 분해하는 것이 하나의 방안이 될 수

있다. 그러나 월별 경기 동행종합지수는 추세순환계열이기 때문에

불규칙변동요인이 포함된 분기 계 조정 GDP를 분해하기는

하지 않다. 따라서 GDP와 련성이 높은 월별 통계를 발굴하고 이

를 이용하여 GDP 월별 분해에 활용할 필요가 있다.

본 논문에서는 GDP 월별 분해에 이용될 월별 통계로 경기 동행

종합지수 구성지표인 산업생산지수, 서비스 활동지수, 도소매 매

액지수, 건설기성액, 비농림어업 취업자수, 제조업가동률지수, 내수

출하지수, 수입액을 고려하 다. 추가로 경기 응성이 높다고

단되는 수출액, 취업자수와 M2(평잔, 말잔)를 고려하 다. 월별 통

계는 GDP 통계 작성시 이용정도, 경기분석에 필요한 시계열 길이,

GDP 통계와의 상 계 등을 고려해서 선택하 다.

<표 2>는 월별 통계를 분기 통계로 만든 후 로그 기비와 분기

GDP로그 기비간 상 계수를 구한 것이다. 이를 보면 산업생산지

수, 가동률, 내수출하지수, 도소매 매액지수, 비농가취업자수가

GDP와의 상 계수가 높게 나타났다. 제조업 통계인 산업생산지수,

가동률, 내수출하지수 에서는 내수출하지수가 GDP와 상 계수가

가장 높게 나타났지만 GDP 추계시 산업생산지수를 주로 이용한다

는 을 감안하여 산업생산지수를 활용하 다. 제조업 통계인 산업

생산지수, 가동률, 내수출하지수 모두를 회귀모형 추정에 사용할

경우 GDP모형에서 다 공선성 문제가 발생할 가능성이 높다.2)

<표 2>의 통계시작시 을 보면 산업생산지수, 수출 수입은

1970년부터 작성되었으나 서비스업활동지수는 1999년 1월, 건설기

성액은 1997년 7월부터 작성되었다. 따라서 서비스업활동지수와 건

설기성액은 GDP추정모형에 활용하기 어렵다.

2) 제조업 통계인 산업생산지수, 가동률, 내수출하지수 로그 기비간 상 계가 0.73～

0.82로 나타나 이들 지수 에서는 하나만을 선택할 필요가 있다.

<표 2> 지표 로그 기비와 GDP 로그 기비간 상 계수

GDP와 의

상 계 수통 계 시 작 시

비농림어업취업자수 0.64 1982.7

건설기성액 0.48 1997.7

내수출하지수 0.82 1985.1

도소매 매액지수 0.61 1980.1

취업자수 0.55 1982.7

수출(통 ) 0.21 1970.1

가동률 0.65 1980.1

수입(통 ) 0.44 1970.1

산업생산지수 0.63 1970.1

M2(평잔) 0.07 1986.1

M2(말잔) 0.02 1970.1

서비스업활동지수 0.43 1999.1

이상의 결과를 종합해 볼 때 제조업 련 통계로는 산업생산지

수, 서비스업 련 통계로는 도소매 매액지수, 고용 련으로는 비

농림어업취업자수를 이용하는 것이 바람직하다. 수출, 수입, M2(평

잔, 말잔)는 GDP와 상 계가 상 으로 낮고, 서비스업활동지

수와 건설기성액은 시계열 길이가 짧아 이들 통계를 월별 GDP 추

정에 이용하기 어렵다. 여기서 선정한 산업생산지수, 도소매 매액

지수, 비농림어업취업자수 통계는 GDP 추정 모형에서 이미 이용되

었던 월별통계이며 샌 란시스코 연 GDP 추정모형의 설명변수

로 활용되는 통계이다 (김양우․이 희․장동구, 1998; Trehan,

1992; Ingenito․Trehan, 1996).

Ⅳ. 월별 GDP의 작성

월별 GDP는 다음의 두 단계를 통해 작성하 다. 첫째, 분기

GDP를 종속변수로 하고 분기별 산업생산지수 (IP), 도소매 매액

지수 (DOSO) 비농림어업 취업자수 (BEM)를 설명변수로 한 회

귀모형을 작성하 다. GDP 련 월별통계가 1차의 단 근이 존

재하고3) 분기 실질 GDP가 주로 련지표 증감률로 연장하는 방식

으로 작성되므로 회귀모형의 모든 변수를 로그 기비로 변환하여

추정하 다 (한국은행, 2006). 추정된 회귀모형에 월별 산업생산지

수, 도소매 매액지수 비농림어업취업자수를 입하여 잠정 월

별 GDP를 작성하 다. 둘째, 앞서 작성한 월별 GDP의 분기별 합

이 원래의 분기 GDP와 다르므로 월별 GDP의 분기합이 원래 분기

GDP와 같도록 벤치마킹 방법인 Chow and Lin (1971) 방법을

용하여 최종 월별 GDP를 작성하 다.4)

식 (11)은 로그 변환한 분기 GDP의 차분 값을 종속변수로 하고

로그변환한 뒤 차분한 분기별 산업생산지수, 도소매 매액지수

비농림어업 취업자수를 설명변수로 한 회귀모형을 추정한 결과이

다. 여기서 오차항에 MA(1) 항을 추가하여 모형화하 다. <그림

2>의 하단 그래 는 동 모형의 잔차 그래 인데 이를 보면 잔차가

임의 으로 움직이는 것으로 나타나 모형이 정함을 알 수 있다.

∇ ∇ ∇

∇

(11)

3) GDP, 산업생산지수, 도소매 매액지수, 비농림어업 GDP를 Augmented Dickey-Fuller

검정을 실시한 결과 5% 유의수 에서 모두 1차의 단 근이 있는 것으로 나타났다.

4) 성병희 (2001)는 Chow and Lin 모형에 로그 기비가 아닌 월별 통계 수 을 직 용

하 으며 비농림어업 취업자수가 아닌 취업자수를 직 이용하 다.

<그림 2> GDP 추정 회귀모형(로그 기비모형) 잔차 추이

- . 0 2

- . 0 1

. 0 0

. 0 1

. 0 2

. 0 3

- . 1 0

- . 0 5

. 0 0

. 0 5

8 4 8 6 8 8 9 0 9 2 9 4 9 6 9 8 0 0 0 2 0 4 0 6

R e s i d u a l A c t u a l F i t t e d

추정된 모형에 월별 산업생산지수, 도소매 매액지수 비농림어

업 취업자수의 로그 기비를 각각 입하여 잠정 월별 GDP 로그

기비를 구했다. 그리고 잠정 월별 GDP 로그 기비를 설명변수로

한 Chow-Lin 방법을 용하여 월별 GDP 로그 기비가 분기 GDP

는 분기 GDP의 로그 기비와 같도록 하 다. 한 2000년 GDP

평균값을 100으로 하는 지수화하 다. 식 (12)은 잠정 월별 GDP 로

그 기비를 추정한 결과는 다음과 같다. 여기서 GDPMP는 벤치마킹

된 월별 GDP 로그 기비이며 GDP2P_M은 식 (11)을 바탕으로 구해

진 잠정 월별 GDP 로그 기비이다.

GDPMPt = 0.66 GDP2P_Mt ρ=0.3046(7.9)

(12)

<그림 3>은 잠정 월별 GDP 로그 기비와 최종 월별 GDP 로그

기비 추이이다. 이를 보면 잠정 GDP가 분기별 GDP에 맞추어 조정

되었음을 알 수 있다. <그림 4>를 보면 추정된 월별 GDP가 GDP를

잘 쫓아감을 알 수 있다.

<그림 3> 잠정 월별GDP 로그 기비(GDP_PB)와 최종 월별GDP

로그 기비(GDP2P_M) 추이

- . 0 6

- . 0 4

- . 0 2

.0 0

.0 2

.0 4

.0 6

8 4 8 6 8 8 9 0 9 2 9 4 9 6 9 8 0 0 0 2 0 4 0 6

G D P _ P B G D P 2 P _ M

<그림 4> 월별GDP(GDP_M2) 와 분기 GDP(GDP_Q) 추이

2 0

4 0

6 0

8 0

1 0 0

1 2 0

1 4 0

8 4 8 6 8 8 9 0 9 2 9 4 9 6 9 8 0 0 0 2 0 4 0 6

G D P _ Q G D P _ M 2

추가로 앞서의 로그 기비 모형이 아닌 로그변환된 분기 GDP를

종속변수로 하고 로그변환된 분기별 산업생산지수, 도소매 매액지

수 비농림어업 취업자수 수 변수를 설명변수로 한 회귀모형을

작성한 후 동일한 방식으로 월별 GDP를 추정해보았다.5) 추정된

결과를 앞서의 로그 기비 모형을 이용한 결과와 비교해 보면 <그

림 5>와 같이 로그 기비 모형에 의한 결과가 평활성이 낮게 나타

났다. 두개의 월별 GDP의 로그 기비와 분기 GDP 로그 기비와

의 상 계수를 구해보면 로그 기비 모형에 의한 월별 GDP의 로

그 기비와 분기 GDP 로그 기비의 상 계수는 0.72인데 반해 로

그 모형에 의한 월별 GDP의 로그 기비와 분기 GDP 로그 기비

의 상 계수는 0.34로 나타났다.

<그림 5> 로그 기비 모형에 의한 월별 GDP(GDP_M2)와 로그

모형에 의한 월별 GDP(GDP_M1) 추이

2 0

4 0

6 0

8 0

1 0 0

1 2 0

1 4 0

8 4 8 6 8 8 9 0 9 2 9 4 9 6 9 8 0 0 0 2 0 4 0 6

G D P _ M 1 G D P _ M 2

5) 추정결과와 벤치마킹 결과는 각각 다음과 같다. 추정결과에서는 더빈왓슨 통계량이 낮

게 나타났다.

GDPMt = 83 + 0.33 GDP1_Mt ρ=0.8327(0.27) (133.77)

Ⅴ. 월별 GDP의 유용성 검

월별 GDP 의 유용성을 확인하기 해서 월별 GDP 순환변동치

를 구하고 경기 동행종합지수 순환변동치와 선행종합지수 년동

월비와 비교하 다. 월별 GDP 순환변동치는 3분기 심화 이동평

균한 월별 GDP에서 HP필터로 작성된 추세를 제거하여 구했다.

<그림 6>는 월별 GDP 순환변동치와 경기 동행종합지수 순환변

동치에 한 그래 인데 이를 보면 외환 기 후를 제외하고는

비슷하게 움직이는 것을 알 수 있다. 외환 기 후의 월별 GDP순

환변동치와 경기 동행종합지수 순환변동치의 차이는 경기 동행종

합지수 순환변동치 작성시 추세를 조정한 데 기인한다 (김혜원,

2004; 이 희, 2000).

<그림 6> 월별 GDP 순환변동치와 경기 동행종합지수

순환변동치 추이

P T P T P T P T P T P

9 0

9 2

9 4

9 6

9 8

1 0 0

1 0 2

1 0 4

1 0 6

8 4 8 6 8 8 9 0 9 2 9 4 9 6 9 8 0 0 0 2 0 4 0 6

G D P 2 _ C Y C C C

주 : P는 경기정 , T는 경기

월별 GDP 순환변동치와 경기 동행종합지수 순환변동치의 교차

상 계수를 구해보면 월별 GDP 순환변동치(GDP2_CY)가 경기 동

행종합지수 순환변동치에 동행하면서 하게 움직이는 것으로

나타났다 (<그림 7>).

<그림 7> 월별GDP 순환변동치와 경기 동행종합지수

순환변동치간 교차상 계수 추이

1983년 이후 월별 GDP 순환변동치와 경기선행종합지수 년동

월비를 비교하 다. 경기 동행종합지수 순환변동치와 경기 선행종

합지수 년동월비의 교차상 계수를 구해보면 최 시차 기 으

로 5개월 선행하는 것으로 나타났으며 그 때 상 계수 값은 0.3685

이다 (<그림 8>). 월별 GDP 순환변동치와 경기선행종합지수 년

동월비의 교차상 계수를 구해보면 최 시차 기 으로 5개월 선

행하는 것으로 나타났으며 그 때 상 계수 값은 0.4285이다 (<그림

9>). 이를 보면 월별 GDP 순환변동치는 경기 선행종합지수 년

동월비와 안정 시차구조를 가지는 것으로 나타났다.

<그림 8> 경기 동행종합지수 순환변동치와 경기 선행종합지수

년동월비간 교차상 계수 추이

<그림 9> 월별GDP 순환변동치와 경기선행종합지수 년동월비간

교차상 계수 추이

Ⅵ. 요약 향후방향

표본조사 등을 바탕으로 작성된 측 빈도가 높은 경제 통계를

수조사 등을 바탕으로 작성되어 보다 신뢰성이 높다고 평가되는

측 빈도가 낮은 통계에 일치시켜 보정하는 작업을 하고 있다. 이

를 벤치마킹이라 부른다. 벤치마킹을 통해 분기 GDP를 련 월별

지표를 바탕으로 월별 GDP로 분해할 수 있다.

본 연구에서는 산업생산지수, 도소매 매액지수, 비농림어업 취

업자수를 이용하여 잠정 월별 GDP를 만든 후 이를 Chow and Lin

(1971) 방법으로 분기 GDP와 맞추어 정합성을 높 다. 만들어진

월별 GDP를 경기 동행종합지수와 비교하여 유용성을 검하 는

데 경기 동행종합지수와 한 것으로 나타났다.

경기 분석시 GDP와 경기종합지수가 주로 이용되고 있다. 경기종

합지수로 경기를 우선 단하고 GDP로 확인하고 있다. 따라서 두

통계간에 정합성을 확보할 필요가 있다. 본 논문에서 작성된 월별

GDP는 분기 GDP와 정합성을 가지면서도 경기 동행종합지수와 같

이 빠르게 경제상황을 악하는 도구가 될 수 있을 것으로 단된

다. 한 월별 GDP는 GDP 속보치의 정확성을 검하는 도구가

될 수 있을 것으로 단된다. 한 경기 동행종합지수가 산업구조

를 반 하여 가 치를 두지 않는다는 제약을 벗어날 수 있다.

앞으로 월별 GDP가 실제 통계 작성시 개편 폭을 검해서 월별

GDP의 공표가능성을 검할 필요가 있으며 이에 한 안정 결

과가 나온다면 경기 동행종합지수와 같이 재의 경기를 악하는

요한 통계가 될 수 있을 것으로 단된다. 월별 GDP 추정을

해서는 련된 월별 통계를 보다 발굴하여 산업별 GDP를 추정할

필요가 있다. 아울러 벤치마킹 방법에 한 보다 심도 깊은 연구가

필요하다. 이를 통해 월별 GDP가 하나의 통계로 공표될 수 있을

것으로 단된다.

<부록> 월별 GDP지수 추이

(2000년 : 100)

월

연1 2 3 4 5 6 7 8 9 10 11 12

1983 28.9 29.1 29.3 29.7 29.7 30.0 30.1 30.5 30.9 31.1 31.3 31.3

1984 32.1 31.9 32.1 32.4 32.6 32.6 32.9 33.1 33.1 33.2 33.2 33.4

1985 33.1 33.8 34.0 34.4 34.6 34.7 34.8 35.0 35.2 35.5 35.7 36.3

1986 36.2 36.6 36.9 37.4 37.8 38.2 38.7 39.4 39.7 39.9 40.1 40.2

1987 40.4 40.8 41.3 41.8 42.3 42.7 43.2 42.9 43.7 44.1 44.0 44.5

1988 45.2 46.2 46.6 46.6 46.6 46.6 46.8 48.0 48.3 48.5 48.9 49.1

1989 49.1 49.4 49.3 49.4 49.7 50.0 50.5 51.2 51.4 51.7 52.3 52.8

1990 52.9 53.7 54.0 54.2 54.2 54.8 55.5 55.9 56.3 56.5 56.7 57.1

1991 58.2 58.5 58.8 59.4 59.7 60.2 60.6 61.1 61.4 61.9 62.3 62.5

1992 63.0 63.0 63.6 63.8 64.0 64.3 64.5 64.4 64.3 64.6 65.0 65.1

1993 65.4 65.8 66.3 66.5 67.2 67.7 68.1 68.3 68.9 69.4 69.6 70.2

1994 70.7 71.2 71.7 72.1 72.5 73.0 73.1 73.6 74.6 75.4 76.5 77.2

1995 78.5 78.5 78.5 79.3 79.3 79.9 80.7 81.4 82.0 82.4 82.7 83.1

1996 83.8 84.0 84.5 85.3 85.7 85.7 86.3 86.5 87.3 87.9 88.1 88.7

1997 88.0 88.7 88.7 89.8 90.2 90.8 91.1 91.5 91.6 92.0 92.1 91.2

1998 87.4 85.7 84.1 83.6 83.6 83.4 82.9 83.2 83.9 84.7 85.5 86.1

1999 86.4 87.5 88.5 89.1 90.2 91.4 92.3 92.5 93.5 94.3 95.6 96.2

2000 97.0 98.1 99.3 98.5 101.2 99.8 100.9 101.6 101.4 101.1 100.7 100.4

2001 101.2 101.6 102.6 103.2 103.6 103.5 103.6 104.4 105.0 105.0 104.9 105.1

2002 106.4 107.8 109.0 110.1 110.6 110.8 111.6 112.0 112.2 112.6 113.0 113.2

2003 113.3 113.1 112.9 112.7 112.8 113.3 113.3 114.2 114.9 116.3 116.9 118.0

2004 118.8 118.7 118.8 119.2 119.3 120.0 120.0 119.9 120.5 121.5 121.1 121.4

2005 121.6 121.3 122.2 122.4 123.3 124.2 125.1 125.5 126.2 126.8 128.0 128.3

2006 128.8 129.0 129.6 129.9 130.3 130.6 129.7 131.2 132.2 132.6 133.3 133.5

2007 134.0 134.6 134.7 135.8 136.3 137.1 138.0 138.5 139.0 139.8

참고문헌

김기호(2007), “비 측인자 오차수정모형을 이용한 월별 GDP 추

정,” 『경제분석』, 13(3) : 70～110, 한국은행.

김양우․이 희․장동구(1997), “한국의 단기경제 측시스템," 『경

제분석』, 3(3) : 1～61, 한국은행.

김혜원(2004), “한국의 경기순환분석,” 『통계연구』, 9(1) : 29～52,

통계청.

남상우․최돈길(1986), “경기지표를 이용한 단기GNP의 측,” 『한

국개발연구』, 8(3): 116～126, 한국개발연구원.

민경삼․박진호․박순옥(2002), “월별 지표를 이용한 분기 측모

형,” 『통계연구』, 7(2) : 97～126, 통계청.

성병희(2001), “Bayesian VAR 모형을 이용한 경제 망,”『경제분

석』, 7(2) : 59～90, 한국은행.

이 희(2000), “국민소득통계의 추세 순환변동계열 추출방법,”

『계간 국민계정』, 1: 22～58, 한국은행.

______(2003), “벤치마킹 방법을 이용한 월별 GDP 추정,” 한국통계

학회 춘계발표회.

______(2006), “우리나라 경제시계열의 벤치마킹.” 『경제분석』,

12(2) : 107～146, 한국은행.

______(2007), “벤치마킹방법을 이용한 월별 GDP 작성,” 경기지표

연구 세미나 자료, 통계청 경기동향분석 문연구회, 21～44.

경배(2001), “벤치마킹을 통한 시계열자료의 보정방법(비례덴톤법

을 심으로)”, 『계간 국민계정』, 2: 88～99.

통계청(2006), 『경기종합지수개편보고서(제7차)』.

한국은행(2005), 『우리나라의 국민경제체계』.

________(2006), 『분기 국민소득 추계편람』.

Barcellan R. & Buono D. (2002), ECOTRIM 1.01 User Manual,

Eurostat.

Bloem, A.M., Dippelsman, R.J. and Machle, N.O.(2001), Quarterly

national accounts statistics.

Chow, G.C., and An-loh Lin(1971), "Best linear unbiased

interpolation, Distribution and Extrapolation of time series by

related series", 53: 372～375, Review of Economics and

Statistics.

Denton, F.T.(1971), “Adjustment of monthly or quarterly series

to annual totals: An approach based on quadratic

minimization”, 66: 99～102, Journal of the American Statistical

Association.

Fernández R.B. (1981), “A methodological note on the estimation

of time series”, 63: 471～478, The Review of Economics and

Statistics.

Ingenito, R. and B. Trehan(1996), "Using Monthly Data to

Predict Quarterly Output", 3: 3～11, Federal Reserve Bank of

San Francisco Economic Review.

Litterman R.B. (1983), A random walk, “Markov model for the

distribution of time series”, 1: 169～173, Journal of Business

and Economic Statistics.

Trehan, B.(1992), "Predicting Contemporaneous Output" 2: 3～

12, Federal Reserve Bank of San Francisco Economic Review.

Wei W.W.S. and D.O. Stram(1990), “Disaggregation of time

series models”, 52: 453～467, Journal of the Royal Statistical

Society.

E s t i m a t i o n o f Ko r e a n M o n t h l y GDP

u s i n g t h e B e n c h m a r k i n g M e t h o d

GeungHee Lee*1)

<ABSTRACT>

Since GDP is announced on a quarterly basis, monthly

business indicators such as the coincident composite index are

more frequently used than GDP. GDP is used to confirm the

current business condition. Monthly indicators do not always

give the same results as quarterly GDP. Therefore, it is

necessary to estimate monthly GDP to grasp the current

business condition faster and consistent with quarterly GDP.

Monthly GDP is estimated the following two steps; First,

preliminary monthly GDP is estimated using the regression

model based on three monthly indicators. Second, preliminary

monthly GDP is adjusted to make it consistent with quarterly

GDP. Monthly GDP are compared with the coincident composite

index. Comparison results show that monthly GDP has the same

trend of quarterly GDP and is highly correlated with the

coincident composite index.

Ke y W o r d s : GDP, b e n c h m a r k i n g , c o i n c i d e n t c o m p o s i t e i n d e x

* Assistant Professor, Department of Information Statistics, Korea National Open

University (e-mail : geunghee@knou.ac.kr)