길리랩blog

동태 패널 GMM과 임계 회귀를 함께 설계하는 방법

Arellano-Bond와 System GMM의 내생성 통제, 임계 회귀의 체제 전환 검정을 실증 설계와 진단 기준 중심으로 정리한다.

2026-08-14 · 최초 발행 2024-04-29

기업·금융·거시 패널에서는 과거 결과가 현재 결과에 영향을 주는 동학과, 특정 조건을 넘을 때 계수가 달라지는 체제 전환이 함께 나타난다. Dynamic Panel Models (Arellano-Bond GMM)과 Threshold Regression은 이 두 문제를 각각 다루거나 결합해 실증 설계를 구성할 때 쓰인다.

지연 종속변수와 체제 전환을 분리해 본다

동태 패널 모형은 종속변수의 자기지연항을 포함하는 패널 회귀다. 고정효과(fe), 누락변수, 역인과 때문에 생기는 내생성을 GMM으로 다루는 것이 목적이다.

Arellano-Bond 차분 GMM은 1차 차분으로 고정효과를 제거한 뒤 과거 수준치(lagged levels)를 도구변수로 사용한다. 추정 뒤에는 오차의 2계 자기상관이 없어야 하며(AR(2) 없음), Sargan/Hansen 과식별 검정으로 도구변수의 유효성을 확인한다.

System GMM(Blundell-Bond)은 차분식과 수준식을 동시에 추정해 약한 도구 문제를 완화한다. 수준식에는 과거 차분을 도구로 쓰므로, 정지성과 평균안정성에 관한 가정이 더 강해진다.

임계 회귀는 분할변수(threshold variable)가 어떤 임계값을 넘는지에 따라 회귀계수가 달라지는 모형이다. Hansen(1999/2000) 방식에서는 후보 임계값을 격자 탐색(grid search)하고, 부트스트랩 기반의 비표준 분포 아래에서 검정한다.

패널 임계 회귀는 개체 고정효과를 통제하면서 동일한 임계값을 공유하게 하거나, 개체별 이질적 반응을 허용한다. 내생성이 있으면 체제별 IV/GMM 결합도 고려해야 한다.

GMM은 도구행렬과 진단이 추정 결과를 좌우한다

차분 방정식에서는 E[z_i,t−s · Δε_i,t]=0 형태의 모멘트 조건을 둔다. 시차별 도구를 누적하면 도구행렬이 커지므로 도구 과잉이 생길 수 있다.

AR(1)은 기대할 수 있지만 AR(2)는 없어야 한다. Sargan/Hansen 검정은 과식별성을 확인하는 수단이며, Hansen 검정이 약해지는 상황에 대비해 도구를 줄여야 한다. T가 짧고 N이 큰 구조에 적합한 이유도 이 설계와 연결된다. collapse 적용, 최대 지연차수 제한, System GMM의 수준식 가정 점검이 운영의 핵심이다.

⤢✕통과미통과입력: 패널 데이터 (N×T),y_it, X_it전처리: 개체·시점 정렬, 결측처리차분: Δy_it, ΔX_it 생성도구 구성:y_{i,t-2}..y_{i,t-s},collapse/lag 제한GMM 추정: 2-step(Windmeijer 보정)진단: AR(1)/AR(2),Sargan/Hansen출력: 계수, 표준오차, 유의성오류 처리: 도구 축소, 지연차수조정, System GMM 고려

추정 목적에 따라 방법의 제약도 달라진다

방법 성능(편의/분산) 확장성(N,T) 일관성(가정) 안정성(진단) 운영 편의
Difference GMM (AB) 동적편의 완화, 분산↑ 가능 N≫T 강점 AR(2) 부재, 외생성 가정 AR(2), Sargan/Hansen 필수 도구 축소 필요
System GMM 편의↓, 분산↓ 경향 N≫T, T 중간 추가 정지성 가정 Hansen 약화 주의 구현 편의 중간
FE-OLS(with LDV) 구현 용이, 편의 존재 일반적 Nickell 편의 통상 진단 단순 가장 간편
Panel Threshold 체제 이질성 포착 N,T 모두 요구 비표준 분포, 부트스트랩 sup-Wald/LM/ LR 부트스트랩 코드/시간 부담

생산성·정책 효과에서 체제 의존성을 읽는 방식

기업 생산성 동학에서는 생산성 성장률을 종속변수로 두고 지연 생산성을 포함할 수 있다. 레버리지 비율을 분할변수로 사용하면 임계값 초과 시 투자계수가 하락하는지를 추정할 수 있다.

통화정책 전달을 볼 때는 대출 성장률을 종속변수로, 정책금리와 지연항을 설명변수로 둘 수 있다. 은행 자본비율을 기준으로 나누면 자본비율 임계 아래에서 금리 영향이 확대되는지 확인하는 구조가 된다.

공공정책 평가에서는 고용 또는 부가가치를 종속변수로 두고 정책처치의 지연효과를 포함한다. 소득수준 임계값을 이용하면 정책효과의 비대칭성을 검정할 수 있다.

추정 전후에 확인할 운영 항목

동태 패널 GMM

입력은 패널 y_it, X_it, N≫T 구조, 정합한 패널 키다. 차분과 도구를 구성할 때 collapse와 최대 지연 L을 설정하고, 1-step에서 2-step GMM으로 진행하며 Windmeijer 보정을 적용한다. 진단에서는 AR(2) p>0.05를 확인하고, Hansen p가 과도하게 높거나(=약한 검정) 너무 낮지 않도록 관리한다.

결과물에는 계수, 견고표준오차(cluster i), 예측 적합도가 포함된다.

AR(2)가 기각되면 L 확대나 System GMM 전환을 검토한다. Hansen p≈1이거나 도구 수가 N보다 많으면 도구 축소와 카테고리 묶음이 필요하다. 약한 도구가 의심되면 수준식 포함(System GMM)과 제한적 지연깊이를 고려한다.

임계 회귀

패널 또는 단면 자료와 분할변수 q_it, 후보 임계 격자를 준비한다. 격자 탐색으로 SSR이 최소가 되는 임계값을 찾고, 부트스트랩으로 임계 신뢰구간과 sup-Wald/LR 유의성을 검정한다. 내생성이 있으면 체제별 IV/GMM을 결합한다.

출력은 체제별 계수, 임계값, 신뢰구간, 유의성이다. 임계값이 경계에서 추정되면 격자를 확장하고 각 체제의 최소 관측 수를 보장하는 표본 균형 제약을 둔다. 다중 임계의 과적합은 정보기준과 검정으로 개수를 제한하며, 내생 분할변수에는 외생 도구 또는 지연값 도구화를 적용한다.

실행 가능한 최소 코드

환경과 전제는 다음과 같다.

  • Stata 17+, ssc 패키지 설치 가능
  • R 4.3+, plm 2.6+
  • 데이터: 패널 형태, id, time 정렬 전제

Stata: Arellano-Bond/System GMM

* 설치
ssc install xtabond2, replace

* 패널 설정
xtset firm year

* Difference GMM (Arellano-Bond)
* 종속: y, 지연 y와 X 사용, 개체 클러스터 견고분산
xtabond2 y L.y X1 X2, gmm(L.y, lag(2 4) collapse) iv(X1 X2) ///
    twostep robust small

* 진단 확인
* AR(2) p-value, Hansen p-value 출력 확인

* System GMM
xtabond2 y L.y X1 X2, gmm(L.y, lag(2 4) collapse) ///
    iv(X1 X2) twostep robust small ///
    orthogonal system

Stata: Panel Threshold Regression

* Stata 16+ 제공
xtset firm year

* 분할변수 q = leverage, 최소 체제별 관측수 trim(5%)
xthreg y X1 X2, threshvar(leverage) trim(5) fe grid(200) bs(500)

* 출력: 임계값, 체제별 계수, 부트스트랩 기반 유의성

R: Arellano-Bond(GMM) with plm::pgmm

# install.packages("plm")
library(plm)

# 패널 데이터프레임: pdata.frame 변환
pdata <- pdata.frame(df, index = c("firm","year"))

# Difference GMM
# y ~ lag(y, 1) + X1 + X2, 도구: lag(y, 2:4)
mod_ab <- pgmm(
  y ~ lag(y, 1) + X1 + X2 |
      lag(y, 2:4),
  data = pdata, effect = "individual",
  model = "twosteps", transformation = "d"
)

summary(mod_ab) # AR(2), Hansen 등 확인

패널 임계 회귀의 R 공식 패키지 선택은 연구 목적·버전 의존성 존재. 최신 정보 확인 필요. Stata xthreg 사용 또는 사용자 정의 부트스트랩 구현 권장.

해석 가능한 계수와 체제별 민감도

동태 패널 GMM은 Nickell 편의를 완화해 계수 편향을 줄이고, 2-step(Windmeijer)으로 표준오차 신뢰성을 높인다. 적정한 도구 축소는 외삽 예측 MAPE/RMSE 개선 가능성과도 연결된다.

임계 회귀는 정책·레짐 이질성을 드러내 정책 타게팅을 정밀화할 수 있다. 내생성을 통제하고 체제별 민감도를 파악하면 의사결정의 신뢰도를 높이는 데 도움이 된다.

짧은 T와 큰 N에서 동학 및 내생성 문제를 다룰 때는 동태 패널 GMM이 유용하다. 레짐 의존적 효과와 정책·전략의 분기점을 식별해야 한다면 임계 회귀가 보완한다. 도구 과잉과 비표준 분포는 진단, 부트스트랩, 도구 축소를 포함한 운영 체계로 관리해야 한다.

동태 패널Arellano-Bond시스템 GMM임계 회귀경제계량패널 데이터