경제학에서 내생 변수와 외생 변수의 근본적인 차이점을 알아보고, 이 개념이 경제 모델링, 정책 결정, 투자 분석에서 왜 중요한지, 그리고 실세계 예시와 실용적인 시사점을 함께 살펴보겠습니다.
경제 변수 소개
경제학은 희소한 자원이라는 환경 속에서 경제 주체들이 어떻게 선택하고 상호작용하는지를 연구하는 학문입니다. 이러한 분석의 핵심은 다양한 변수들이 경제 모델 안에서 어떻게 작동하는지를 이해하는 데 있습니다. 경제학자들은 이 변수들을 일반적으로 내생 변수와 외생 변수, 두 가지 주요 유형으로 분류합니다. 이 분류는 경제 시스템 내 관계를 어떻게 해석할지, 그리고 그 관계에 기반한 예측이나 정책 결정을 어떻게 내릴지를 결정하기 때문에 매우 중요합니다.
간단히 말해, 내생 변수는 분석 중인 모델 내부에서 결정되는 변수입니다. 이 변수들은 시스템 내 다른 변수들의 영향을 받습니다. 반면, 외생 변수는 모델 외부에서 결정되며, 결과에 영향을 미치는 입력값으로 간주되지만 시스템 자체에 의해 영향을 받지는 않습니다.
이러한 구분은 이론적인 차원을 넘어서 정책 설계, 경제 예측, 투자 전략 등 실질적인 응용에서도 중요한 기반이 됩니다.
내생 변수란 무엇인가?
내생 변수는 모델 내의 다른 변화에 따라 진화하는 핵심 요소들입니다. 이들을 시스템의 “결과값”이라고 생각할 수 있습니다. 예를 들어, 간단한 수요와 공급 모델에서 상품의 가격과 수량은 공급과 수요의 상호작용에 의해 결정되므로 내생 변수입니다.
거시경제 모델에서 내생 변수의 예시는 다음과 같습니다:
- 국내총생산(GDP)
- 고용 수준
- 인플레이션율
- 이자율
- 소비 및 투자 수준
이 변수들은 동적이며 반응성이 높기 때문에, 외생적 충격과 같은 다른 요인의 변화에 직접적으로 영향을 받을 수 있습니다. 실증 연구에서는 내생 변수를 올바르게 식별하는 것이 피드백 루프와 변수 간 상호의존성을 모델링하는 데 필수적입니다.
외생 변수란 무엇인가?
외생 변수는 모델의 구동력이 되는 입력 요소입니다. 이 변수들은 모델 내에서 설명되지 않고, 시스템에 영향을 미칠 것으로 가정되는 요인입니다. 본질적으로 “입력값”에 해당합니다.
경제학에서 외생 변수의 예시는 다음과 같습니다:
- 정부 지출이나 재정 정책
- 자연재해나 팬데믹
- 기술 혁신
- 해외 금리 또는 환율 충격
- 소비자 선호(고정된 것으로 가정될 경우)
경제학자들은 종종 정책 결정이나 세계적 사건을 외생 변수로 간주하여 그것이 경제에 미치는 영향을 분리하여 분석합니다. 이렇게 함으로써 인과관계를 더 잘 이해하고 정책 효과를 평가할 수 있습니다.
이 구분이 왜 중요한가
내생 변수와 외생 변수의 구분은 단순한 용어의 차원이 아닙니다. 이 구분은 모델이 어떻게 구축되고 해석되며 사용되는지를 직접적으로 좌우합니다. 변수를 잘못 분류하면 모델이 왜곡되고, 잘못된 결론을 초래하며, 심지어는 해로운 정책 제안으로 이어질 수 있습니다.
예를 들어:
- 인플레이션이 실제로는 이자율 변화에 의해 결정되는 시스템 내 변수임에도 불구하고, 이를 외생 변수로 간주하면 인플레이션 제어에 대한 예측이 잘못될 수 있습니다.
- 투자 모델에서 시장 수익률을 외생 변수로 간주하면, 투자자 행동으로부터 발생하는 피드백 루프를 무시하게 됩니다.
어떤 변수가 내생 변수인지 이해하는 것은 경제학자들에게 다음과 같은 점에서 도움이 됩니다:
- 정책 변화에 대한 반응을 예측
- 인과관계를 구분
- 예측 모델의 오류를 줄임
변수 분류의 실제 사례들
다음은 내생 변수와 외생 변수의 구분이 매우 중요한 실제 사례들입니다:
- 재정 부양책: 경기 침체 기간 중, 정부 지출 증가는 일반적으로 외생적 정책 수단으로 간주됩니다. 반면, GDP 성장과 일자리 창출은 이러한 부양책에 대한 내생적 반응입니다.
- 자연재해: 특정 지역을 강타한 허리케인은 명백한 외생 충격입니다. 그러나 경제 회복 노력, 소비자 신뢰도, 지역 고용은 그 결과로 변화하는 내생 변수입니다.
- 글로벌 시장: 전 세계 유가 상승은 에너지 수입에 의존하는 국가들에 외생 변수로 작용합니다. 이에 따라 국내 인플레이션, 무역수지, 생산량 등은 내생적으로 반응하게 됩니다.
내생성과 인과 추론
실증 경제 연구에서 가장 중요한 이슈 중 하나는 내생성 편향(endogeneity bias)입니다. 이는 설명 변수와 회귀 모델 내 오차항 간 상관관계가 존재할 때 발생하며, 보통 다음과 같은 원인으로 나타납니다:
- 누락된 변수
- 동시적 인과관계
- 측정 오류
내생성이 존재하면, 표준 추정 방식(예: OLS)은 편향되고 일관성 없는 결과를 낳습니다. 연구자들은 이를 해결하기 위해 다음과 같은 방법을 사용합니다:
- 도구 변수(IV): 내생 변수에는 영향을 주지만 종속 변수에는 직접 영향을 미치지 않는 제3의 변수 도입
- 2단계 최소제곱법(2SLS): 경제계량학에서 일반적으로 쓰이는 IV 추정법
- 고정효과 모형: 패널 데이터 내의 관찰되지 않은 이질성을 통제하기 위한 방식
내생성을 이해하고 교정하는 것은 타당한 인과적 주장을 하기 위해 필수적인 과정입니다.
투자자 및 정책 입안자를 위한 시사점
경제학은 단순한 학문적 탐구를 넘어, 실제 세계에 직접적인 영향을 미칩니다. 투자자에게 있어 어떤 변수가 외생적인지, 내생적인지를 아는 것은 위험 해석, 수익 예측, 모델 설계 방식에 큰 차이를 만듭니다.
- 이자율: 투자자는 중앙은행이 이자율을 외생적으로 설정한다는 점을 인식해야 하며, 채권 수익률과 주가 등은 이에 내생적으로 반응합니다.
- 규제 변화: 새로운 세법이나 탄소배출 규제는 외생적 충격으로 작용하며, 기업의 이익이나 주가 등 내생 변수에 상당한 영향을 줄 수 있습니다.
- 시장 심리: 실적 발표 등으로 인해 심리가 변할 경우 내생 변수로 작용할 수 있고, 지정학적 사건 등 외부 요인으로 유발될 경우 외생 변수로 작용할 수 있습니다.
정책 입안자에게 있어 변수의 역할을 명확히 정의하는 것은 효과적인 개입을 위한 전제 조건입니다. 예를 들어, 정책 입안자가 세금 감면이 소비 증가로 자동 연결된다고 가정하고(소비를 내생 변수로 간주), 상승하는 국가 부채나 불확실성 같은 외생 제약 요인을 무시하면, 정책은 오히려 역효과를 낼 수 있습니다.
균형 잡힌 시각: 변수 역할은 유동적이다
변수의 분류는 항상 고정되어 있지는 않다는 점도 중요합니다. 모델이나 분석의 맥락에 따라 동일한 변수도 내생적일 수도 있고, 외생적일 수도 있습니다.
- 기본적인 수요 모델에서는 소득이 외생 변수로 간주될 수 있습니다.
- 그러나 거시경제 전체 모델에서는 소득이 고용, 투자, 생산에 의해 영향을 받기 때문에 명백한 내생 변수입니다.
따라서, 변수의 역할을 정확하게 지정하려면 모델의 범위와 한계를 이해하는 것이 필수적입니다.
결론
내생 변수와 외생 변수의 구분은 경제 이론과 실제 응용 모두에서 매우 중요한 개념입니다. 이 구분은 모델 구축, 정책 평가, 예측 정확도, 투자 의사결정에 있어 핵심적인 역할을 합니다. 이 개념을 제대로 이해하고 활용할 수 있다면, 경제학자와 분석가는 인과관계를 더 명확히 파악하고, 더 신뢰할 수 있는 모델을 구축하며, 더 스마트한 결정을 내릴 수 있습니다.
여러분은 변수 역할에 대한 잘못된 가정 때문에 모델을 오해한 경험이 있나요? 내생성을 분석할 때 여러분만의 접근 방식이 있다면 댓글로 공유해 주세요!