우리나라 수출 중력모형의 인공신경망 분석과 변수 기여도에 관한 연구

A research on demonstrating contribution of variables in neural network analysis on korean export gravity model

인공신경망 연구는 내부 변수들 간의 복잡한 비선형성 관계로 인하여 투입 변수의 기여도를 보여주지 못한다는 한계를 가진다. 이러한 한계를 극복하기 위하여 많은 연구가 최근에 진행 되어, 변수의 기여도를 나타내는 다수의 방법이 개발 되었다. 본 연구는 이러한 연구를 도입하여 먼저 한국의 수출 중력모형을 인공지능망 으로 분석 후, 변수의 비선형적 기여도를 보여주기 위하여 변수의 부분의존그림(PDP)을 채택하여 활용하였다. 이 결과, 기존의 패널 데이터 회귀 방식에서는 확인이 어려운 변수의 비선형적 기여도를 시각적으로 확인할 수 있게 되었다. 특히, GDP의 기여도 및 개인별 GDP의 기여도, 그리고 원격(remoteness)변수 등에서 비선형성을 나타내었다.

The artificial neural network analysis has the advantage of being able to identify non-linear relationships between variables that is hard to be found in parametric research methods. On the other hands, this non-parametric black box methods have limitations to show the contribution of variables due to complexity of relations. In this study, a dummy artificial neural network analysis is attempted on the gravity model of panel data for Korea's exports, and the contribution of the variables are presented by Partial Dependence Plots methods. This results also show that the existence of a non-linear relationship that was hard to be captured by the previous parametric researches. Especially, the non-linearity contribution were found in GDP, per capita GDP and remoteness variables.