자동회귀 순입력과 검열된 수요를 가진 대기열 모델링

초록

본 논문은 순입력이 자동회귀(AR) 과정으로 생성되는 대기열을 시뮬레이션하고, 관측된 대기열 길이 표본으로부터 순입력의 통계적 특성을 복원하는 방법을 제시한다. 특히 대기열이 0 이하로 내려갈 때 발생하는 검열된(충족되지 못한) 수요를 추정하는 절차와, 검열이 완전 차단이 아니라 완만하게 완화되는 ‘졸업형’ 검열 모델을 도입한다. 미국 비농업 부문의 월별 구인공고 데이터를 이용해 두 차례 경기침체 기간의 미충족 고용수요를 추정한 실증 사례를 제공한다.

상세 분석

이 연구는 전통적인 대기열 이론에서 간과되던 두 가지 요소, 즉(1) 순입력이 시계열 상관성을 갖는 자동회귀(AR) 구조를 따른다는 점과 (2) 시스템이 포화 상태에 도달했을 때 발생하는 수요 검열(censored demand)을 정량화한다는 점에 초점을 맞춘다. 먼저, 순입력 (X_t) 를 1차 AR 과정 (X_t = \phi X_{t-1} + \epsilon_t) 로 모델링함으로써, 과거의 수요 충격이 현재의 순입력에 지속적으로 영향을 미치는 현실적 메커니즘을 포착한다. 여기서 (\epsilon_t) 는 평균 0, 분산 (\sigma^2) 인 정규분포를 가정한다. 이러한 AR 순입력은 대기열 길이 (Q_t) 의 동태에 직접적인 비선형 효과를 부여한다.

대기열 동역학은 연속시간 혹은 이산시간 프레임에서 (Q_{t+1}= \max{Q_t + X_t - C, 0}) 로 기술되며, 여기서 (C) 는 서비스 용량(또는 고정 배출량)이다. (Q_t) 가 0에 도달하면 추가적인 순입력은 즉시 검열되어 실제로는 관측되지 않는다. 저자들은 이 검열 메커니즘을 두 단계로 구분한다. 첫 번째는 전통적인 ‘hard censoring’으로, (Q_t=0) 일 때 모든 초과 수요가 완전히 차단된다. 두 번째는 ‘graduated censoring’으로, (Q_t) 가 0에 근접할수록 검열 강도가 점진적으로 감소하도록 함수 형태((g(Q_t)))를 도입한다. 이는 실제 경제 시스템에서 완전 차단보다는 수요가 부분적으로 충족되는 상황을 더 현실적으로 반영한다.

시뮬레이션 방법론은 상태공간 모델을 기반으로 한다. 관측 가능한 변수는 (Q_t) 뿐이며, 숨겨진 상태 변수는 순입력 (X_t) 와 검열된 수요 (U_t) 이다. 저자들은 칼만 필터와 기대-최대화(EM) 알고리즘을 결합해 파라미터 (\phi, \sigma^2, C) 와 검열 함수의 형태를 추정한다. 특히, 검열된 수요의 기대값을 조건부 기대값으로 계산함으로써, 관측되지 않은 수요를 간접적으로 복원한다. 이 과정에서 베이지안 사전을 도입해 파라미터의 식별성을 강화하고, 모수 추정의 불확실성을 정량화한다.

실증 분석에서는 미국 비농업 부문의 월별 구인공고 데이터(구인공고 수)와 실제 고용 증가량을 이용한다. 구인공고는 잠재적 수요를, 고용 증가량은 실제 충족된 수요를 나타낸다. 두 시계열을 대기열 모델에 매핑함으로써, 구인공고가 0에 가까워질 때 발생하는 미충족 고용수요(unsatisfied demand)를 추정한다. 결과는 2001‑2003년과 2007‑2009년 두 경기침체 동안, 평균적으로 월 30만~40만 개의 구인공고가 충족되지 못했음을 보여준다. 또한, graduated censoring 모델이 hard censoring 모델에 비해 로그우도(Likelihood)에서 현저히 우수하며, 특히 경기 회복 초기 단계에서 검열 강도가 완화되는 현상을 잘 포착한다는 점을 강조한다.

이 논문은 대기열 이론에 AR 순입력과 검열 메커니즘을 통합함으로써, 경제·경영 분야에서 ‘잠재적 수요 vs. 실제 충족된 수요’를 정량화하는 새로운 도구를 제공한다. 특히, 정책 입안자는 미충족 수요 추정을 통해 노동시장 긴축 정도를 파악하고, 적절한 경기 부양책을 설계할 수 있다.