[논문 리뷰] What Drives Inflation and How: Evidence from Additive Mixed Models Selected by cAIC

Philipp F. M. Baumann, Enzo Rossi외 1명|arXiv (Cornell University)|2020. 06. 11.

Energy, Environment, Economic Growth인용 수 1

한 줄 요약

이 논문은 1997–2015년 기간 동안 122개 국가를 대상으로 추가 혼합 모형(AMMs)과 조건부 AIC(cAIC) 선택 기반의 새로운 모형 기반 부스팅 방법을 제안하여 인플레이션 결정요인을 규명한다. 분석 결과, 에너지 가격과 에너지 임대수익 간의 비선형 상호작용이 가장 강력한 인플레이션 주요 원인으로 나타났으며, 기존 모형들을 능가하고 전통적인 통화정책 가정을 도전한다.

ABSTRACT

We analyze the forces that explain inflation using a panel of 122 countries from 1997 to 2015 with 37 regressors. Ninety-eight models motivated by economic theory are compared to a boosting algorithm, non-linearities and structural breaks are considered. We show that the typical estimation methods are likely to lead to fallacious policy conclusions, which motivates the use of a new approach that we propose in this paper. The boosting algorithm outperforms theory-based models. Furthermore, we extend the current software implementation of conditional Akaike Information Criteria for additive mixed models with observation weights. We present a novel two-step selection process suitable for a wide range of applications that enables to empirically compare theory- and data-driven models with varying data availability.

연구 동기 및 목표

• 기존의 추정 방법이 제한적인 가정과 낮은 설명력으로 인해 잘못된 정책 결론을 이끌 수 있는 문제점을 해결하기 위해, 인플레이션 모델링에서의 제약 조건을 완화하고자 한다.
• 이론적 배경과 데이터 기반의 모형 선택을 융합하여 선진국, 중진국, 저소득국을 포함한 다양한 국가에서 인플레이션의 가장 관련성이 높은 결정요인을 규명하고자 한다.
• 추가 혼합 모형(AMMs)을 통해 비선형성, 구조적 변화, 국가별 이질성을 통합함으로써 모형 성능을 향상시키고자 한다.
• 시간과 국가 간 인플레이션 추세를 설명하는 데 있어 거시경제, 제도, 정치 변수의 상대적 중요도를 평가하고자 한다.
• 고차원 패널 데이터에서 모형 선택을 위한 cAIC 기반의 강건하고 재현 가능한 프레임워크를 제공하며, 소프트웨어 구현도 함께 제공하고자 한다.

제안 방법

• 국가별 및 시기별 랜덤 효과를 고려하면서도 인플레이션과 예측변수 간의 민감하고 비선형적인 관계를 허용하기 위해 추가 혼합 모형(AMMs)을 활용한다.
• 이론 모형에 의존하지 않고 사전 설정된 이론적 모형에 기반하지 않은 예측력이 높은 회귀변수 조합을 식별하기 위해 데이터 기반 부스팅(MB) 기법을 사용하여 변수 선택 및 추정을 수행한다.
• 이론적으로 유도된 98개의 모형과 부스팅 기반 모형을 비교하기 위해 관측치 가중치를 적용한 조건부 아카이케 정보기준(cAIC)을 적용한다.
• 1997~2015년 기간 동안 122개 국가의 37개 설명변수를 포함한 종합적 데이터셋을 활용하며, 인과관계의 시간적 순서를 반영하기 위해 적절한 지연처리를 수행한다.
• 이중 단계 모형 선택 절차를 구현한다: 첫 번째 단계에서는 이론 기반 모형 간 비교를 수행하고, 두 번째 단계에서는 최적의 이론 기반 모형과 부스팅 모형을 비교한다.
• 연속형 예측변수(예: 에너지 가격, 산출물 격차)의 비선형 효과를 추정하기 위해 펜라이즈 스플라인을 사용하며, 모형 복잡도를 평가하기 위해 유효 자유도(EDF)를 보고한다.

실험 결과

연구 질문

• RQ1 1997~2015년 기간 동안 다양한 122개 국가에서 거시경제, 제도, 정치 변수 중 어느 것이 인플레이션을 가장 강하게 설명하는가?
• RQ2 비선형 관계와 구조적 변화는 선형 고정효과 모형 대비 인플레이션 모형의 설명력을 어떻게 영향을 미치는가?
• RQ3 데이터 기반 부스팅 알고리즘이 인플레이션 예측에서 이론 기반 모형보다 얼마나 뛰어나게 성능을 발휘하는가?
• RQ4 에너지 가격, 에너지 임대수익, 그리고 그 상호작용의 상대적 중요도는 인플레이션 동적 변화를 이끄는 데 얼마나 기여하는가?
• RQ5 저인플레이션 환경에서 실질 GDP 인건, 신용 성장률, 산출물 격차는 인플레이션 예측력에서 어떻게 비교되는가?

주요 결과

• 부스팅 알고리즘(MB)이 가장 낮은 cAIC를 기록하여 전체적으로 가장 우수한 모형 적합도를 보였으며, 모든 이론 기반 모형을 능가했다.
• 에너지 가격과 에너지 임대수익 간의 상호작용은 인플레이션과 강력한 비선형 관계를 보이며, 본 연구에서 규명된 가장 중요한 결정요인으로 나타났다.
• 에너지 가격 자체는 에너지 임대수익과의 상호작용보다 덜 중요하며, 이 상호작용이 단일 효과보다 더 큰 비중을 차지해 인플레이션 역학을 설명한다.
• 실질 GDP 인건은 산출물 격차보다 더 중요한 인플레이션 주요 원인으로 나타나, 통화정책 모형에서 산출물 격차의 전통적 역할을 도전한다.
• 신용 성장률은 M2 성장률보다 더 중요한 인플레이션 예측 변수로 나타나, 통화 공급량 타겟팅보다 신용 창출이 더 효과적인 정책 도구일 수 있음을 시사한다.
• 산출물 격차는 인플레이션과 복잡한 비선형 관계를 보이며, -5%에서 20%의 산출물 격차 범위에서는 긍정적 영향을 미치지만, 금융위기 이후 구조적 변화가 발생하여 시간이 지남에 따라 정책적 관련성이 변화하고 있음을 시사한다.