심층신경망을 이용한 휘발유 및 경유의 비선형 수요탄력성 추정 (Estimation of Nonlinear Demand Elasticity of Gasoline and Diesel using Deep Neural Networks)

서지정보

· 발행기관 : 한국산업경제학회
· 수록지 정보 : 산업경제연구 / 34권 / 6호 / 1539 ~ 1557페이지
· 저자명 : 윤종철, 제상영

초록

이 연구에서는 가계동향조사 빅데이터에 심층신경망의 일종인 Multilayer Feed Forward Network를 적용한다. 그리하여 휘발유 및 경유의 비선형 수요탄력성을 추정한다. 인공신경망을 이용하여 탄력성을 추정하려는 시도는 거의 없었으며, 엥겔곡선만을 제시한 연구결과만이 존재하였다. 이 연구에서는 기존 연구가 엥겔곡선만 제시할 수 밖에 없었던 이유가 불균등샘플링 현상에 있음을 규명한다. 불균등 샘플링 문제를 극복하기 위해 인공신경망이 학습한 결과를 LS-FIR 필터를 활용하여 후처리하였다. 이를 통해 소득에 따라 변화하는 휘발유 및 경유의 소득탄력성을 제시한다. 그 결과, 휘발유의 경우, 저소득 계층과 고소득 계층에서 사치재에 가까운 성격을 나타내며, 중소득 계층에게는 필수재인 것으로 나타났다. 경유 역시 저소득, 고소득 계층에겐 사치재의 성격을 보이고 중소득 계층에겐 필수재인 것으로 나타난 것은 동일하나, 그 크기가 더 작아 경유가 더 필수재의 성격이 강하다.

영어초록

In this study, Multilayer Feed Forward Network, a kind of deep neural network, was applied to the big data of the household survey. Thus, we estimate the nonlinear elasticity of gasoline and diesel demand. There were few attempts to estimate demand elasticity using artificial neural networks, and a few research presented only the Engel curve. This study investigated why only the Engel curve had to be presented in previous studies and found that the cause was non-uniform sampling. To overcome non-uniform sampling, learning results of an artificial neural network are post-processed with LS-FIR filters. This method presents the income elasticity of gasoline and diesel that changes according to income. As a result, the estimated demand elasticity of gasoline is a luxury good for the low and high-income class and a necessity good for the middle-income class. The estimated demand elasticity of diesel was also the same as gasoline, luxury good for the low and high-income class, and a necessity good for the middle class.

참고자료

· 없음