earticle

영어

Purpose : To compare the predictability of gravity model based on panel data, the two methodologies are used and compared. One comes from the traditional panel individual fixed effects and the alternative methodology comes from semi-parametric panel neural network. Research design, data, methodology : The exporting cases of Korea and Japan, for 30 years of data with 247 countries of export partners, were analyzed. Two scenarios dividing the learning period into 20 years with 10 years’ prediction period and the 25 year learning period with 5 years’ prediction periods are performed and compared. Results : The semi-parametric panel artificial neural network outperformed than the traditional panel fixed effect method in 7 out of 8 cases in terms of MSE. Conclusions : The results showed the superiority of semi-parametric neural networks in the analysis and forecasting based on panel data compared to traditional fixed effect panel analysis.

한국어

중력모형에 의존하여 경제효과를 설명할 경우, 지금까지 주로 패널데이터(panel data) 분석을 통한 개별 고정효과 패널 분석(individual fixed effect)을 수행하였다. 본 연구에서는 기존의 패 널 데이터의 고정효과 분석이 아니라 새로운 인공신경망(Artificial Neural Network)을 이용한 예측을 시도하였다. 특히, 그 중에서도 파라미터부분과 인공신경망의 비-파라미터 방식의 혼 합으로 이루어진 반-모수 패널 신경망(semi-parametric panel neural network)을 방법론으로 채택 하였다. 이 방법을 이용하여, 일본과 한국의 2개 국가에 대하여, 각각의 10년 예측과 5년 예측 의 두 종류의 기간에 대하여, 전통적 고정효과 패널 분석(panel individual fixed effect)과 함께 반-모수 패널 신경망(semi-parametric panel neural network) 분석을 시도하여 총 여덟 종류의 학 습과 예측을 실시하였다. 결과 반-모수패널 인공신경망이 여덟 개 케이스 중에서 일곱 개 케이 스에서 전통적 고정효과 패널 추정 방식보다 예측에서 우수한 결과를 보여 주었다.