패널자료와 고정효과

개체 간 차이와 시간에 따른 변화를 구분해 분석하는 방법입니다. 어떤 기업이 광고비를 늘린 뒤 매출이 증가했다고 가정해 봅시다. 광고비와 매출의 관계를 분석할 때 기업마다 원래 가지고 있는 브랜드 인지도, 경영 역량, 고객 충성도 등이 영향을 줄 수 있습니다. 이런 특성은 기업마다 다르고 단기간에는 크게 변하지 않으므로, 기업 간 차이를 충분히 고려하지 않으면 광고비의 효과를 잘못 추정할 수 있습니다. 패널자료 분석은 같은 기업, 사람, 국가 또는 지역을 여러 시점에 걸쳐 관찰한 자료를 활용하며, 특히 고정효과 모형(Fixed Effects, FE)은 시간에 따라 변하지 않는 개체별 특성을 통제해 개체 내부에서 발생한 변화를 분석하는 데 유용합니다.

패널자료(Panel Data)는 여러 개체를 여러 시점에 걸쳐 반복 관찰한 자료입니다. 100개 기업의 광고비와 매출을 5년 동안 관찰했다면 패널자료가 됩니다.

이 자료에는 두 가지 정보가 함께 들어 있습니다.

• 개체 간 차이: A 기업과 B 기업의 광고비와 매출이 어떻게 다른가?
• 개체 내 변화: 같은 기업의 광고비와 매출이 시간에 따라 어떻게 변하는가?

위 표에서 A 기업은 광고비를 100에서 150으로 50 늘리는 동안 매출이 110 늘었고, B 기업은 30 늘리는 동안 50 늘었습니다. 반면 A와 B를 비교한 차이에는 광고비 외에 두 기업의 원래 차이가 섞여 있습니다. 패널자료 분석은 이 두 가지 정보를 구분해 활용할 수 있다는 장점이 있습니다.

횡단면 자료는 특정 시점에 여러 개체를 관찰하고, 시계열 자료는 한 개체나 집계된 대상의 변화를 시간에 따라 관찰합니다(시계열분석 파트). 패널자료는 여러 개체를 여러 시점에 걸쳐 관찰합니다.

패널자료는 개체별로 반복 관찰한다는 점에서 개체마다 변하지 않는 특성을 고려할 수 있습니다. 다만 시간에 따라 변하는 교란요인까지 자동으로 통제되는 것은 아닙니다.

고정효과 모형은 개체마다 다르지만 분석 기간 동안 변하지 않는 특성을 통제하는 방법입니다. 브랜드 인지도, 입지, 창업자의 경영 철학처럼 관찰하기 어려운 특성이 시간에 따라 변하지 않는다면, 고정효과 모형은 그 차이가 광고비와 매출의 관계를 왜곡하는 문제를 줄여 줍니다.

개체 고정효과 α_i는 기업마다 변하지 않는 특성을 반영하고, 시점 고정효과 λ_t는 경기 침체나 전국적인 제도 변화처럼 여러 개체에 공통으로 영향을 주는 시점별 요인을 통제합니다.

고정효과 모형은 기본적으로 같은 개체 안에서 설명변수가 변할 때 결과가 어떻게 변하는지 분석합니다. 그림 2처럼 브랜드 인지도가 높은 기업이 광고비도 많이 쓰고 매출도 높다면, 기업들을 섞어 그은 기울기는 가파르게 부풀려지지만 각 기업 안의 기울기는 광고비 자체의 효과에 가깝습니다. 원래 브랜드 인지도 차이처럼 시간에 따라 변하지 않는 특성이 추정에서 제거되기 때문입니다. 하지만 모든 문제가 해결되는 것은 아닙니다. 기업이 광고비를 늘린 시기에 제품 품질도 개선되었다면, 그 변화가 매출에 미친 영향은 별도로 고려해야 합니다.

확률효과 모형도 개체별 차이를 고려하지만, 개체별 효과를 확률적인 구성요소로 다룬다는 점에서 고정효과 모형과 다릅니다(회귀분석 12장의 무작위 절편과 같은 구조).

확률효과 모형의 핵심 가정은 개체별 효과가 설명변수와 상관되지 않는다는 것입니다. 이 가정이 성립하면 개체 간 차이와 개체 내 변화를 함께 활용할 수 있어 더 효율적인 추정이 가능하지만, 개체별 효과와 설명변수가 상관되어 있다면 일관성을 잃을 수 있습니다.

그림 3은 모의 기업 100곳의 5년 자료입니다. 브랜드 인지도(기업 효과)가 높은 기업이 광고비도 많이 쓰도록 만들었기 때문에, 기업을 구분하지 않은 합동 OLS(3.01)와 확률효과 모형(2.88)은 실제 효과 2.0보다 크게 추정하고, 고정효과 모형(2.08)만 실제 값에 가깝습니다. 어느 모형이 무조건 더 좋은 것은 아니며, 연구 질문, 설명변수의 특성, 데이터 구조, 가정의 타당성을 함께 고려해야 합니다.

Hausman 검정은 고정효과와 확률효과의 추정 결과가 체계적으로 다른지 평가하는 데 널리 사용됩니다. 두 모형의 계수가 크게 다르다면, 확률효과 모형의 핵심 가정인 개체 효과와 설명변수의 비상관 조건이 성립하지 않을 가능성을 의심할 수 있습니다.

• 귀무가설 H₀: 확률효과 모형의 일관성 가정이 성립하며, RE 추정량이 효율적입니다.
• 대립가설 H₁: RE의 비상관 가정이 위반되어 RE 추정량이 일관성을 잃을 수 있습니다.

그림 4의 왼쪽(기업 효과와 광고비가 상관된 자료)에서는 FE와 RE가 크게 달라 χ² = 289로 귀무가설이 기각되고, 오른쪽(상관이 없도록 만든 자료)에서는 두 추정치가 거의 같아 p = 0.36입니다.

패널자료에서는 같은 개체의 오차가 시간에 걸쳐 서로 연관될 수 있습니다. 이런 경우 단순한 표준오차는 지나치게 작아질 수 있으므로, 연구 설계에 맞는 군집화 표준오차 등을 고려해야 합니다.

패널자료 분석의 핵심은 단순히 같은 개체를 여러 번 관찰하는 데 있지 않습니다. 개체 간 차이와 개체 내부의 변화를 구분하고, 어떤 가정 아래에서 그 변화를 해석할 수 있는지 판단하는 것이 중요합니다.

다음은 마지막 주제인 11 인과추론의 가정과 진단입니다. 평행추세, 공통지지, 민감도 분석 등을 통해 앞서 배운 인과추론 방법의 결과를 얼마나 신뢰할 수 있는지 점검합니다.