시공간 자기회귀 모델을 이용한 지역 구성 데이터 분석

초록

본 논문은 지역별·시간별로 관측되는 구성형 데이터를 대상으로, 합성 제약을 유지하면서 공간적·시간적 상관을 동시에 모델링하는 다변량 동시 자기회귀(MSAR) 프레임워크를 제안한다. 이산형 로그비율(ilr) 변환을 이용해 단순체를 유클리드 공간으로 옮긴 뒤, 공간 가중 행렬과 시계열 지연항을 포함한 확장형 MSAR 모델을 구축하고, 준최대우도법으로 추정한다. 지역 수와 시점이 모두 증가하는 경우에 대한 일관성 및 정규성을 증명하고, 시뮬레이션과 베를린 부동산 거래 및 스페인 산업 부문 사례를 통해 실용성을 입증한다.

상세 분석

이 연구는 기존의 공간 회귀 모형이 주로 스칼라 혹은 다변량 연속형 데이터를 대상으로 했던 한계를 극복하고, 합성 데이터라는 특수한 제약(모든 부품이 양수이며 합이 일정) 하에서 시공간 의존성을 동시에 추정할 수 있는 체계를 제공한다는 점에서 학문적·실무적 의의가 크다.
첫 번째 핵심은 Aitchison 기하학에 기반한 ilr(이소메트릭 로그비율) 변환이다. ilr은 단순체 Sᴰ를 차원 D‑1의 유클리드 공간 ℝᴰ⁻¹에 등거리 사상함으로써, 전통적인 회귀·시계열 분석 도구를 그대로 적용할 수 있게 만든다. 변환 후에는 평균·공분산이 정상적인 의미를 갖기 때문에, 다변량 동시 자기회귀(MSAR) 모델을 그대로 확장할 수 있다.
두 번째는 MSAR 구조 자체의 확장이다. 기존 Kelejian‑Prucha 혹은 Yang‑Lee의 다변량 동시 자기회귀는 Y = W Y Ψ + X Π + V 형태로, 공간적 동시 상관(Ψ)과 회귀 효과(Π)를 동시에 추정한다. 저자들은 여기에 시간 지연항 γ Yₜ₋₁와 공간‑시간 지연항 ρ W Yₜ₋₁을 추가해, 방정식 (2)와 유사한 시공간 동적 패널 형태를 만든다. 이렇게 하면 각 지역·시간에 대해 (i) 현재 이웃의 구성, (ii) 자체의 과거 구성, (iii) 이웃의 과거 구성이라는 세 가지 메커니즘이 분리되어 추정 가능해진다.
세 번째는 추정 방법이다. 변환된 데이터는 일반적인 다변량 정규성을 가정할 수 있으므로, 준최대우도(quasi‑MLE) 접근을 채택한다. 저자들은 공간·시간 차원이 동시에 커지는 ‘large‑N, large‑T’ 상황에서 추정량의 일관성(consistency)과 점근 정규성(asymptotic normality)을 증명했으며, 이를 위해 새로운 고차원 패널 이론을 도입했다. 특히, 공간 가중 행렬 W가 정규화된 행렬이라는 가정과, 오류 Vₜ가 공간적으로 독립·동일분포(i.i.d.)라는 전제가 핵심이다.
시뮬레이션 결과는 제한된 표본에서도 편향이 작고, 표준오차 추정이 정확함을 보여준다. 특히, 공간 자기회귀 계수 Ψ와 시공간 지연계수 ρ가 서로 혼동되지 않도록 설계된 모형 구조가 잘 작동한다는 점이 강조된다.
실증 사례는 두 가지로 나뉜다. 첫 번째는 베를린 24개 우편구역의 월별 부동산 거래 구성(아파트, 개발된 토지, 미개발 토지)이다. 모델은 아파트 비중 상승이 인접 구역의 토지 거래 구성에 시차 효과를 미치는 것을 포착했으며, 공간 상관계수는 0.2~0.35 수준으로 중등도 공간 의존성을 확인했다. 두 번째는 스페인 2,793개 지방자치단체의 3대 산업 부문(서비스, 산업, 건설) 비중이다. 여기서는 지역 간 규모 차이가 크지만, 시간 구간이 짧아도 공간 라그가 유의미하게 작용해, 특정 지역의 서비스 부문 확대가 인접 지역의 산업 부문 감소와 연관됨을 보여준다. 두 사례 모두 전통적인 로지스틱·다변량 회귀보다 더 풍부한 시공간 패턴을 드러내며, 정책 입안자가 지역 간 파급 효과를 정량화하는 데 유용한 도구임을 증명한다.
한계점으로는 (1) 변환 단계에서 영(0)값을 다루기 위해 α‑변환 등 추가적인 전처리가 필요할 수 있다는 점, (2) W 행렬 선택(거리 기반, 인접 기반 등)이 결과에 민감하게 작용한다는 점, (3) 비선형·비정규 오류 구조를 고려하지 않은 점을 들 수 있다. 향후 연구에서는 베이지안 프레임워크와 결합해 사전 정보를 반영하거나, 다중 스케일(예: 군집 기반 가중 행렬) 모델을 도입해 복합적인 공간 구조를 포착하는 방향이 기대된다.