earticle

영어

This empirically investigates the long-term trend and predictability of total advertising expenditure in Korea under changing macroeconomic conditions. Using annual data on total advertising expenditure and nominal GDP from 1985 to 2022, the study reexamines the Principle of Relative Constancy (PRC) and systematically compares the performance of traditional time series models with machine learning and deep learning-based forecasting models. To test relative constancy, the Two One-Sided Test (TOST) procedure and linear trend analysis were conducted. The results indicate that the advertising expenditure-to-GDP ratio has generally remained within the range of 0.6%-1.1% over the long term. However, equivalence was rejected under a ±0.1% tolerance margin, and the year coefficient showed a statistically significant negative value, suggesting the existence of a gradual structural decline in the share of advertising expenditure. In the forecasting performance comparison, the Bayesian Vector Autoregression (BVAR) model achieved the lowest error among the time series models, while the Long Short-Term Memory (LSTM) model recorded the lowest RMSE among all models, demonstrating the strongest predictive performance. Furthermore, five-year-ahead forecasts suggest that the post-COVID-19 decline in the advertising expenditure share is likely to remain relatively stable at a level below 1%. By reassessing the statistical validity of the PRC hypothesis and empirically comparing the relative effectiveness of different forecasting methodologies, this study provides an analytical framework that can contribute to mid- and long-term strategic planning and policy decision-making in the advertising industry.

한국어

본 연구는 거시경제 환경 변화 속에서 국내 총광고비의 장기적 추세와 예측 가능성을 실증적으로 규명하고자 하였다. 이를 위해 1985–2022년 연도별 총광고비 및 명목 GDP 자료 를 활용하여 광고비의 상대적 불변성 가설(Principle of Relative Constancy, PRC)을 재검토하고, 전통적 시계열 모형과 머신러닝·딥러닝 기반 예측 모형의 성능을 체계적으로 비교하였다. 상대 적 불변성 검증을 위해 시기별 동등성 검정(Two One-Sided Test, TOST)과 선형 추세 분석을 수행하였다. 분석 결과, 광고비/GDP 비율은 장기적으로 0.6%–1.1% 범위 내에서 유지되는 경향 을 보였으나, ±0.1% 허용 구간 기준에서 동등성이 기각되었고, 연도 계수는 유의한 음(-)의 값 을 나타내어 광고비 비중이 점진적으로 감소하는 구조적 추세가 존재함을 확인하였다. 예측 성 능 비교에서는 베이지안 벡터자기회귀(BVAR) 모형이 시계열 모형 중 가장 낮은 오차를 기록하 였고, 딥러닝 모형 가운데 LSTM이 전체 모형 중 최저 RMSE를 나타내어 가장 우수한 예측력을 보였다. 또한 향후 5년 예측 결과, 코로나19 이후 감소한 광고비 비중은 1% 미만 수준에서 비교 적 안정적으로 유지될 가능성이 높은 것으로 나타났다. 본 연구는 PRC 가설의 통계적 타당성을 재검토함과 동시에, 서로 다른 예측 방법론의 상대적 효용성을 실증적으로 제시함으로써 광고산 업의 중장기 전략 수립과 정책적 의사결정에 기여할 수 있는 분석 틀을 제공한다.