기계학습법(Machine learning)을 이용한 한국 교역 패널 중력모형 비교연구

A Comparative Study on the Panel Gravity Model of Korea Trade Using Machine Learning

본 연구에서는 최신 개발된 ‘RE-EMtree’ 및 ‘panelNNET’ 등의 기계학습법을 패널 중력모형에 적용해 보는 연구를 시도하였다. 1990년부터 2019년까지의 30년간의 한국 수출 패널 데이터를 이용하여, 중력모형 관련 주요 이슈별 다양한 실증분석 방법 및 최근 도입된 기계학습법 등을 적용하여 가장 설명력이 좋은 방법론이 무엇인지를 비교·분석하였고, 이를 통해 기계학습법 활용에 대한 시사점을 도출하였다. 분석결과 ‘RE-EMtree’가 실재 교역량과 예측값 간의 가장 높은 설명력을 나타냈다. 본 연구는 아직 중력모형 관련 연구에 시도된 적이 없는 패널 데이터용 기계학습방법을 적용하여 한국 교역액에 미치는 영향을 분석하였다는 데 의의가 있다.

This study attempts to apply recently introduced machine learning methods such as ‘RE-EMtree’ and ‘panelNNET’ to the panel gravity model. Using the 30-year Korean export panel data from 1990 to 2019, various empirical analysis methods for each major issue related to the gravity model and the latest machine learning methods were applied to compare which methodology has the best explanatory power. Through this, implications for the use of machine learning methods were derived. ‘RE-EMtree’ showed the highest explanatory power between the actual and the predicted trade volume. This study is meaningful in that it applied the machine learning methods for panel data, which has not yet been attempted in studies related to gravity model, to confirm the effect on Korea trade.