[논문 리뷰] Estimating the loss of economic predictability from aggregating firm-level production networks

Christian Diem, András Borsos외 3명|arXiv (Cornell University)|2023. 02. 22.

Economic and Technological Innovation인용 수 4

한 줄 요약

이 연구는 헝가리의 243,399개 기업을 대상으로 한 종합적인 데이터셋을 사용하여 기업 수준의 생산 네트워크(FPN)와 집계된 산업 수준의 네트워크(IPN) 간의 충격 전파를 비교한다. IPN 기반 모델이 부문 내 기업 이질성에 기인한 영향을 고려하지 못함에 따라 경제적 손실을 평균 37%까지 체계적으로 과소평가한다는 점을 입증하며, 이는 경제 회복력과 정책 영향을 예측하기 위해 집계된 IO 모델을 사용할 경우 근본적인 한계를 드러낸다.

ABSTRACT

To estimate the reaction of economies to political interventions or external disturbances, input-output (IO) tables -- constructed by aggregating data into industrial sectors -- are extensively used. However, economic growth, robustness, and resilience crucially depend on the detailed structure of non-aggregated firm-level production networks (FPNs). Due to non-availability of data little is known about how much aggregated sector-based and detailed firm-level-based model-predictions differ. Using a nearly complete nationwide FPN, containing 243,399 Hungarian firms with 1,104,141 supplier-buyer-relations we self-consistently compare production losses on the aggregated industry-level production network (IPN) and the granular FPN. For this we model the propagation of shocks of the same size on both, the IPN and FPN, where the latter captures relevant heterogeneities within industries. In a COVID-19 inspired scenario we model the shock based on detailed firm-level data during the early pandemic. We find that using IPNs instead of FPNs leads to errors up to 37% in the estimation of economic losses, demonstrating a natural limitation of industry-level IO-models in predicting economic outcomes. We ascribe the large discrepancy to the significant heterogeneity of firms within industries: we find that firms within one sector only sell 23.5% to and buy 19.3% from the same industries on average, emphasizing the strong limitations of industrial sectors for representing the firms they include. Similar error-levels are expected when estimating economic growth, CO2 emissions, and the impact of policy interventions with industry-level IO models. Granular data is key for reasonable predictions of dynamical economic systems.

연구 동기 및 목표

• 기업 수준의 생산 네트워크(FPN)를 산업 수준의 네트워크(IPN)로 집계할 경우 발생하는 경제적 손실 예측 오차를 정량화하는 것.
• 부문 내 기업 이질성이 입력-출력(IO) 모델에서 충격 전파 추정치에 얼마나 영향을 미치는지 조사하는 것.
• COVID-19 패닉 초기기와 같은 위기 상황에서 IPN 기반 모델이 생산 손실을 얼마나 정확하게 예측하는지 평가하는 것.
• 집계된 IO 모델이 기업 수준의 손실을 구조적 단순화로 인해 체계적으로 실제 손실보다 과소평가한다는 것을 입증하는 것.

제안 방법

• 헝가리 내 243,399개 기업과 1,104,141개의 공급자-구매자 관계를 포함한 거의 완전한 전국적 기업 수준의 생산 네트워크(FPN)를 구축한다.
• 동일한 초기 충격 크기를 사용하여 FPN과 IPN 양쪽에서 충격 전파를 모델링하고, 하류 생산 손실을 비교한다.
• 실제 세계 조건을 반영하기 위해 기업 수준의 세부 데이터를 활용해 COVID-19 유사 시나리오를 시뮬레이션한다.
• FPN에 대해 1,000개의 합성 충격 시나리오를 적용하고, 그로 인한 손실 분포를 IPN의 결과와 비교한다.
• 모델의 부정확성을 정량화하기 위해 IPN 기반 손실 추정치와 FPN 기반 손실 추정치 간의 평균 절대 오차(MAE)를 계산한다.
• 선형 및 비선형 생산 함수 가정을 모두 포함하며, 주로 노동력 충격 전파에 중점을 둔다.

실험 결과

연구 질문

• RQ1 충격을 기업 수준에서 모델링할 경우와 집계된 산업 수준에서 모델링할 경우 생산 손실 추정치는 어떻게 다를까?
• RQ2 부문 내 기업 이질성이 입력-출력 모델이 경제적 충격을 예측하는 데 있어 정확도를 얼마나 왜곡하는가?
• RQ3 기업 수준의 생산 네트워크를 부문 기반 IO 모델로 집계할 경우 발생하는 오차의 규모는 어느 정도인가?
• RQ4 동일한 初기 충격 조건 하에서 FPN과 IPN 모델 간의 손실 결과 변동성은 어떻게 다를까?
• RQ5 위기 상황에서 IPN 기반 모델이 실제 기업 수준의 경제적 손실을 과소평가하거나 과대평가하는 정도는 어느 정도인가?

주요 결과

• 산업 수준의 입력-출력 모델을 사용할 경우, 기업 수준 네트워크 모델 대비 평균 31.1%의 경제적 손실을 과소평가한다.
• 극단적인 경우, IPN 기반 예측은 실제 기업 수준의 손실을 최대 75.5%까지 과소평가했으며, 특히 K65(금융 서비스) 부문에서 두드러졌다.
• 동일한 산업 수준의 初기 충격에도 불구하고, 일부 부문에서는 기업 수준의 충격 시나리오 간 최대 손실이 최대 41.1배(부문 K65)로 변동하였다.
• 기업 수준의 생산 손실은 강한 우측 치우침과 높은 충격 간 변동성을 보였지만, IPN은 이를 완전히 반영하지 못했다.
• 선형 생산 함수 조건 하에서도 IPN 기반 모델은 체계적으로 진정한 손실 규모를 과소평가했으며, 평균 오차는 -45.35%였다.
• 이 큰 격차의 주요 원인은 부문 내 무역 비중이 낮기 때문이며, 평균적으로 같은 부문 내 기업 간 거래가 매출의 23.5%와 구매의 19.3%에 그쳤다.