관세와 인플레이션 상관관계

관세인상이 인플레이션에 미치는 영향

 

 

​관세 인상은 일반적으로 인플레이션을 촉진하는 경향이 있습니다. 이는 수입품에 부과되는 추가 비용이 기업과 소비자에게 전가되어 전반적인 물가 상승을 유발하기 때문입니다. 예를 들어, 수입 철강에 대한 관세는 자동차, 가전제품, 건설 산업 등의 생산 비용을 증가시켜 최종 제품 가격을 상승시킬 수 있습니다. ​WSJ

최근 골드만삭스는 이러한 관세 인상이 연방준비제도이사회(Fed)가 선호하는 핵심 개인소비지출(PCE) 물가 지수를 2025년 말까지 3.5%로 상승시킬 수 있다고 전망했습니다. 이는 2025년 2월의 2.8%보다 높은 수치입니다. ​WSJ

또한, 관세 인상은 스태그플레이션(경기 침체 속 물가 상승)의 위험을 높일 수 있습니다. 씨티그룹은 미국 경제가 이러한 스태그플레이션에 직면할 가능성이 높아졌다고 경고하며, 이는 경제 성장 둔화와 높은 인플레이션이 동시에 발생하는 상황을 의미합니다. ​

연방준비은행의 연구에 따르면, 관세 인상은 소비자 물가를 직접적으로 상승시키며, 특히 중간재에 대한 관세는 생산 비용을 증가시켜 장기적으로 지속적인 인플레이션 압력을 가중시킬 수 있습니다. ​Home

따라서, 관세 인상은 단기적으로 물가 상승을 유발하고, 장기적으로는 경제 성장 둔화와 스태그플레이션의 위험을 높이는 등 복합적인 영향을 미칠 수 있습니다.

 

관세와 인플레이션 사이에는 일반적으로 양의 상관관계가 존재합니다. 즉, 관세가 인상되면 인플레이션도 상승하는 경향이 있다는 것입니다. 그 이유와 함께 상관관계를 수치나 사례로 설명해드릴게요.

---

■ 왜 양의 상관관계인가?

1. 수입품 가격 상승
   • 관세는 수입 제품에 추가 세금을 부과하는 것이므로, 기업은 더 높은 가격에 수입품을 사게 됩니다.
   • 이 비용은 소비자 가격으로 전가되어 전반적인 물가 상승을 유도합니다.
2. 국산 대체품 가격도 상승
   • 수입품이 비싸지면 국산 대체품의 수요가 증가하고, 이에 따라 국산품 가격도 오르게 됩니다.
3. 공급망 비용 증가
   • 원재료에 대한 관세가 오르면 제조비가 상승하고, 이는 최종 제품 가격에 반영되어 인플레이션 압력으로 이어집니다.

---

■ 실제 사례

• 2018~2019년 미국 트럼프 정부의 중국산 제품 관세 인상
  • 경제연구기관인 **NY 연방준비은행 보고서(2019)**에 따르면, 미국 소비자는 연간 약 800억 달러의 관세 비용을 부담했고,
  • 해당 기간 동안 미국의 소비자 물가 지수(CPI)는 지속 상승세를 보였습니다.

---

■ 상관관계 수치 예 (연구 예시)

• IMF 및 세계은행 보고서에 따르면,
  • 10%의 평균 관세 인상은
  • 0.3~0.5%p의 인플레이션 증가로 이어질 수 있다는 분석이 있습니다.

---

■ 결론

관세와 인플레이션은 보통 양의 상관관계를 가지며, 관세 인상은 물가를 자극하여 인플레이션을 유발하거나 악화시킬 수 있습니다.
다만, 그 강도는 경제 구조, 상품 구성, 환율, 공급망 상황 등에 따라 달라집니다.

 

관세 인상이 인플레이션에 미치는 영향을 함수 형태로 수식화하면, 다음과 같이 단순화된 상관관계 기반 모델 함수로 표현할 수 있습니다.

---

■ 함수 정의

Inflation_Impact(t)=α⋅ΔTariff(t)+β\text{Inflation\_Impact}(t) = \alpha \cdot \Delta Tariff(t) + \betaInflation_Impact(t)=α⋅ΔTariff(t)+β

 

• ΔTariff(t)\Delta Tariff(t)ΔTariff(t): 시간 ttt에서의 관세 변화율 (% 단위)
• α\alphaα: 관세 변화가 인플레이션에 미치는 민감도 (경험적 계수)
• β\betaβ: 외생적인 인플레이션 요인 (기초 인플레이션)
• Inflation_Impact(t)\text{Inflation\_Impact}(t)Inflation_Impact(t): 결과적인 인플레이션 증가율
•  

---

■ 예시 계수 값

• α=0.04\alpha = 0.04α=0.04 → 관세가 10% 증가하면 인플레이션은 0.4%p 상승
• β=2.0\beta = 2.0β=2.0 → 기본 물가상승률 (외부 요인 포함)

---

■ 예제 (Python 코드)

 

def inflation_impact(tariff_change, alpha=0.04, beta=2.0):
    """
    관세 변화율(%)에 따른 인플레이션 예상 상승분(%)을 계산
    :param tariff_change: 관세 변화율 (%)
    :param alpha: 관세 변화에 대한 민감도
    :param beta: 기본 인플레이션 수준
    :return: 예상 인플레이션 상승률 (%)
    """
    return alpha * tariff_change + beta

# 예시: 관세가 15% 인상될 경우
result = inflation_impact(15)
print(f"예상 인플레이션 상승률: {result:.2f}%")

이 함수는 단순화된 모델이므로, 실제 경제 분석에서는 수입 비중, 산업별 영향, 환율, 소비자 반응 등을 고려해 회귀분석이나 동태계량모형(VAR 등)을 사용합니다.

 

더 정교한 함수나 통계 모델로 확장해보자.

 

단순 선형 상관관계 기반 함수에서 더 나아가, 실제 경제 분석에서 사용되는 구조를 반영하여 정교한 회귀모델 형태로 확장해 보겠습니다.

아래는 관세 인상이 인플레이션에 미치는 영향을 정량적으로 분석하기 위한 다변량 회귀모델과 VAR(벡터 자기회귀모형) 형태를 소개합니다.

---

📌 1. 다중 회귀모형 (Multivariate Regression Model)

■ 모델 개요

​

■ 변수 설명

변수설명

ΔTarifft\Delta \text{Tariff}_tΔTarifft​	시점 ttt의 관세 인상률 (%)
ImportSharet\text{ImportShare}_tImportSharet​	GDP 대비 수입 비중 (%)
ExchangeRatet\text{ExchangeRate}_tExchangeRatet​	환율 (예: USD 대비 자국통화)
Waget\text{Wage}_tWaget​	임금상승률 (노동비용)
EnergyPricet\text{EnergyPrice}_tEnergyPricet​	국제 유가 또는 에너지 가격 상승률
ϵt\epsilon_tϵt​	오차항 (설명되지 않는 요인)

■ 해석

• 각 변수의 회귀 계수(β)는 인플레이션에 미치는 영향력을 수치로 나타냅니다.
• 예: β1=0.05\beta_1 = 0.05β1​=0.05 → 관세가 10% 상승하면 인플레이션이 0.5%p 오름

---

📌 2. 동태계량모형 (VAR: Vector Auto Regression)

■ 모델 개요

VAR 모형은 복수의 변수들이 서로에게 시간 지연 영향을 미친다고 보고 모든 변수를 내생 변수로 다룹니다.

​

• AiA_iAi​: 각 시점의 계수 행렬 (상호 영향을 나타냄)
• VAR은 충격 반응 분석(IRF) 을 통해 “관세가 1% 상승하면 향후 4분기 인플레이션이 어떻게 변화하는가”를 시뮬레이션 가능

---

📌 3. Python 코드 예시 (다중회귀)

python

복사편집

import statsmodels.api as sm
import pandas as pd

# 예시 데이터프레임
data = pd.DataFrame({
    'inflation': [2.1, 2.3, 2.5, 2.8, 3.0],
    'tariff_change': [1, 2, 2.5, 3, 4],
    'import_share': [25, 26, 26.5, 27, 27.5],
    'exchange_rate': [1100, 1115, 1120, 1140, 1160],
    'wage_growth': [2.5, 2.6, 2.8, 3.0, 3.2],
    'energy_price': [60, 62, 65, 70, 75]
})

X = data[['tariff_change', 'import_share', 'exchange_rate', 'wage_growth', 'energy_price']]
y = data['inflation']
X = sm.add_constant(X)  # 상수항

model = sm.OLS(y, X).fit()
print(model.summary())

---

📌 확장 가능 요소

• 시차 항 추가: Tarifft−1\text{Tariff}_{t-1}Tarifft−1​, Inflationt−1\text{Inflation}_{t-1}Inflationt−1​ 등을 고려
• 산업별 Dummy 변수: 민감 산업(예: 자동차, 철강 등)에 대한 효과 분리
• LASSO/Ridge 회귀: 변수 선택과 과적합 방지

---

필요하시다면 실제 데이터로 분석해 드릴 수도 있고, VAR 모형 구축을 위한 파이썬 코드도 제공해 드릴 수 있습니다. 다음으로 어떤 분석을 원하시나요? (예: 특정 국가 사례, 한국 자료 적용, 시뮬레이션 등)

 

 

관세 인상이 인플레이션에 미치는 영향 (한국 vs 미국) 링크

https://aiproductmanager.tistory.com/457