[산업별 생산][산업][생산][KDI 다부문모형][국제비교][취업계수][취업]산업별 생산의 KDI 다부문모형, 산업별 생산의 인자, 산업별 생산의 국제비교, 산업별 생산의 취업계수, 산업별 생산의 추정방법 분석

소개글

[산업별 생산][산업][생산][KDI 다부문모형][국제비교][취업계수][취업]산업별 생산의 KDI 다부문모형, 산업별 생산의 인자, 산업별 생산의 국제비교, 산업별 생산의 취업계수, 산업별 생산의 추정방법 분석에 대한 보고서 자료입니다.

목차

Ⅰ. 서론

Ⅱ. 산업별 생산의 KDI 다부문모형
1. 구축의 필요성
2. 기본구조
3. 산업 세분화
1) 급속한 산업구조변화 및 산업의 다양화에 대응하기 위해서는 기본적으로 세분화된 산업들에 대한 기초통계의 개발이 시급히 요청되며, KDI 다부문 모형의 산업 세분화가 필요한 시점
2) 생산‧고용통계를 중심으로 장기 시계열의 통계구축 및 산업별 취업계수에 대한 중장기 전망 가능성을 중심으로 산업세분화의 검토결과 65개 산업분류가 가능

Ⅲ. 산업별 생산의 인자
1. 모형(model)
2. 공동변화(comovement)
3. 적합도(goodness-of-fit)

Ⅳ. 산업별 생산의 국제비교
1. 성장률 및 부문별 성장기여도의 국제비교
2. 성장요인분석 국제비교

Ⅴ. 산업별 생산의 취업계수
1. 전망절차
2. 잠재성장률과 요소투입의 장기변화
1) 1971∼00년까지 8%대에서 2010년대에 6.8%로 둔화된 잠재성장률이 경제발전단계의 성숙, 인구증가율 둔화, 노동시간 단축, 투자율의 하락 및 생산성 증가세의 둔화 등으로 인해 2020년대에는 5.2%로 낮아질 전망
2) 실제GDP는 잠재GDP를 밑도는 수준으로 균형성장경로로의 복귀는 향후 수년이상이 소요될 전망
3) 잠재성장률 수준도 현재 추진 중인 구조조정의 성공적인 마무리와 더불어 세계시장에서 우리산업의 국제경쟁력이 지속적으로 향상된다는 기본적 전제가 충족되어야만 달성이 가능
3. 지출구조의 전망
4. 산업생산구조의 중장기 전망
5. 산업별 취업계수 및 취업구조 전망
1) 기술혁신에 따라 산업구조가 고도화되면서 취업계수는 모든 산업에서 하락하는 경향
2) 전산업평균 취업계수(명/억원)는 2000년에 6.03%에서 2010년에 3.70%로 저하되었고 향후 2020년까지 2.40%로 낮아질 전망
3) 생산 및 취업계수의 전망을 기초로 향후 인력수요를 전망하면 2010년 1,773만 명인 전산업 취업자는 2020년에 1,976만 명으로 증가하여 지난 10년간 연평균 증가율인 1.1%와 동일한 증가세를 보일 전망

Ⅵ. 산업별 생산의 추정방법
1. 추정방법 개요
2. 추정절차

Ⅶ. 결론

참고문헌

본문내용

취업자의 개념은 생산액 당 취업자수를 나타내는 취업계수를 산출하는데 적절한 연평균 노동량 개념에 입각
특히, 고용표와 경제활동인구통계에 있어서 외국인 근로자에 대한 취급 미비 가능성을 보완하기 위하여 전국사업체기초통계를 활용
제조업 취업자의 비중 비교
(단위:%)
산업연관표 고용표
경 제 활 동 인 구
전국사업체기초통계
2002
28.1
26.8
27.4
2007
20.2
22.3
24.2
2012
-7.9
-4.5
-3.2
외국인 근로자는 1만2천명에서 12만3천명으로 급증하였고, 이중 상대적으로 제조업과 밀접히 관련된 연수취업산업연수자는 10만7천명으로 전체의 87.2% 수준
특히 불법체류자가 전체의 80%에 이르고 있어 실제 외국인 근로자는 40만 명 수준에 이르며, 이는 총취업자 수 2,106만 명의 2%에 해당
이에 경제활동인구통계와 고용표의 제조업 취업자 비중은 과소추정 되었을 가능성이 높은 것으로 판단
Ⅲ. 산업별 생산의 인자
인자분석이란 확률변수의 집합을 관찰이 되지 않은 공통인자(common factor)과 각 방정식에 유일한 인자(unique factor) 또는 특별교란요인(idiosyncratic error term)의 집합으로 분해하는 통계적 분석을 말한다. 공　인자란 모든 관찰된 변수들의 분산을 설명해주나 관찰되지 않는 변수(unobservable variable)이고 유일한 인자란 각 방정식의 분산을 설명해주는 관찰되지 않은 변수이다. 인　분석에서는 공동변화의 원인을 모두 총체적 충격으로 해석될 수 있는 공통인자로 보기 때문에 공통인자의 수(dimension of common factor)를 하나 이상으로 설정할 수 있으나 여러 가지 방법으로 공통인자의 수를 결정할 수 있다. N개의 관찰된 변수와 한 개의 공통인자로 구성된 인자분석의 구조를 나타내면 아래와 같다.
1. 모형(model)
공통인자의 수가 여러 개인 다공통인자(multiple common factor)모형은 관찰이 되지 않은 여러 개의 공통인자들과 각 방정식에 유일한 인자의 선형결합으로 나타내어질 수 있다. Ⅲ장의 다부문모형이 12개의 부문(따라서 12개의 방정식)으로 구성되어 있기 때문에 12개 잔차항들이 인자분석에 사용될 수 있고 따라서 관찰된 변수의 수인 p는 12가 된다. 이 경우 공통인자의 수(m)는 하나 이상이나 최대한 7개를 초과할 수 없다. 따라서 다공통인자모형은 다음과 같이 나타낼 수 있다.
X = Λ F + e(1)
px1 pxm mx1 px1
λik는 인자하중(factor loading) 또는 인자유형(factor pattern)으로 Λ는 인자하중행렬(factor loading matrix)로 각각 불리어 진다.
이 모형에는 다음의 3가지 중요한 가정이 있다.
A1)공통인자들은(Fk, k=1,2,...m) 상관관계가 없고 F는 차원이 m인 표준정규분포를 따른다. 즉,
F = Nm(0,Im)
A2)유일한 인자들은(ei, i=1,2,...p) 상관관계가 없고 ei는 정규분포를 따른다. 즉,
e = Np(0,Ψ)
단, Ψ = diag(ψ1,ψ2,...ψp)
A3)공통인자들과 유일한 인자들은 상관관계가 없다. 즉,
Cov(F,e\') = 0
인자하중을 추정하기 위해서는 먼저 교차상관행렬을 λik로 나타낸 후 실제의 표본교차상관과 추정된 교차상관의 차이를 최소화시키는 λik를 선택하면 λik의 추정치를 얻을 수 있다. 　정된 λik를 제곱하면 관찰된 변수의 분산중 관찰되지 않은 공통인자에 의해 설명된 분산의 비율이 된다. 이 비율은 공통성(communality) 또는 공통분산(common variance)라고 불리운다. 인자분석에서는 공동변화가 공통인자에서 오는 것으로 보기 때문에 이 비율은 부문생산의 분산을 설명함에 있어 총체적 충격(공통인자)의 상대적 중요성으로 해석될 수 있다. 다부문모형(제약이 가해진 VAR모형)을 OLS 방법과 SUR 방법으로 추정하고 남은 OLS 잔차항과 SUR 잔차항이 인자분석에 이용되었다.
2. 공동변화(comovement)
다부문모형의 잔차항은 자기상관은 되어 있지 않으나(serially uncorrelated) 동시적으로는 상관관계가 있을 수 있다(contemporaneously correlated). 따라서 각 부문간 잔차항의 공동변화는 부문사이의 동시적 교차상관으로 측정될 수 있다. 유일한 인자들이 상관관계가 없고 또한 유일한 인자들과 공통인자들이 상관관계가 없다는 가정하에서는 동시적 교차상관은 각 부문에 공통적인 충격에 의해서만 발생할 수 있다. 다부문모형을 SUR 방법으로 추정한 후 남은 잔차항들 사이의 교차상관과 OLS 방법으로 추정한 후 남은 잔차항들 사이의 교차상관을 각각 나타낸다. SUR 방법으로 추정한 후 남은 잔차항에 있어서는 모두 66개중 49개의 상관계수가 10% 수준하에서 통계적으로 유의한 것으로 나타났다. 이것은 각 부문생산의 output innovations에 공동변화가 있다는 근거가 될 수 있다. 이러한 사실은 OLS 방법으로 추정한 후 남은 잔차항의 상관계수에서도 나타난다. 66개중 51개의 상관계수가 10% 수준하에서 통계적으로 유의한 것으로 나타났다. 공동변화를 다른 방법으로 살펴본 것이다. 각 부문간에 존재하는 공동변화의 정도는 어느 한 부문과 다른 모든 부문간의 평균적인 상관계수로 측정될 수 있다. 정도의 차이는 있으나 모든 부문이 다른부문과 어느 정도 공동변화하고 있음을 알 수 있다. 단순히 평균을 하는게 아니고 상관계수가 큰 것(양의 상관이든 음의 상관이든)에는 가중치를 더 주어 계산한 자승평방근(Root Mean Square:RMS) 역시 공동변화를 보여주고 있다.
a대각선의 좌하단에 있는 삼각행렬은 SUR 방법으로 추정한 후 남은 잔차항들의 상관계수행렬이다.
b대각선의 우상단에 있는 삼각행렬은 OLS 방법으로 추정한 후 남은 잔차항들의 상관계수행렬이다.
+로 표시된 것은 10% 수준에서 통계적으로 유의함을 나타낸다.
3. 적합도(goodness-of-fit)
공통인자모형에 의해 추정된 상관계수와 실제상관계수와의 차이가 잔차상관계수이다. 공통인자모형의 적합도를 알아보는 방법중의 하나는 공

키워드

산업,   생산,   KDI 다부문모형,   국제비교,   취업계수