■ 모형 개요 시계열 자료에서 한 계열이 다른 계열보다 앞서거나 뒤처지는 시점을 파악하고자 교차상관(CCF)을 이용하는 모형을 구상했습니다. CCF는 두 계열 사이의 시차별 상관을 제공하므로 인과관계 추정에 직접적인 증거라기보다 동시성·선행성을 탐색하는 도구로 이해됩니다. 따라서 인과성을 주장하기보다는 선행·후행 패턴을 설명 변수로 삼는 것이 타당합니다. ■ 변수 설정 · 독립변수 : X(t) - 선행 시계열(예: 정책 발표 지표) · 매개변수 : M(t-k) - X와 Y 사이의 특정 시차(k)에서의 교차상관값 · 종속변수 : Y(t) - 후행 시계열(예: 시장 반응 지표) · 조절변수 : Z - 계절성 혹은 외생 충격을 나타내는 더미 변수 X의 변동이 M을 통해 Y에 어느 정도 영향을 미치는지를 검증하고, Z가 그 효과를 강화하거나 약화시키는지를 살펴보려 합니다. 교차상관값 자체를 매개변수로 두는 것이 통계적 해석에 다소 이질적일 수 있다는 점이 우려됩니다. 특히 M이 시차별 상관계수라는 점에서 표본 크기에 민감할 가능성이 있습니다. 이러한 점을 보완하려면 시차 선택을 사전 검증하거나 부트스트랩 방법을 병행하는 것이 좋을 듯합니다. 검토 요청 시차별 교차상관을 매개변수로 두는 접근이 타당한지, 혹은 직접적인 lagged 변수 형태로 재구성하는 것이 더 안전한지 의견을 구합니다. 또한 조절변수 Z를 계절성 외에 다른 외생 요인으로 교체해도 무방한지 궁금합니다. 자세한 내용: https://ssra.or.kr/glossary.php