Ⅰ. 서 론
Ⅱ. 선행연구
Ⅲ. 분석모형 및 자료
1. 분석모형
2. 자료
Ⅳ. 분석결과
1. 단위근 검정
2. 공적분 검정
3. 추정 결과
4. 충격반응 분석
5. 예측오차분산분해
6. 분석결과 해석
Ⅴ. 결론 및 정책적 시사점
◎ 부 록 ◎
Ⅰ. 서 론
최근 에너지전환의 가속화로 인해 국제 에너지 원자재 시장의 구조적 변화가 나타나고 있다. 동시에 에너지 원자재 가격의 변동성이 심화되고 있다. 특히, 리튬, 코발트, 니켈, 희토류 등 핵심광물(Critical Minerals)1)은 탄소중립을 이행하기 위한 전략적 자원으로서 그 중요성이 재조명되고 있다. 재생에너지를 확산하는 과정에서 핵심광물은 전기차, 이차전지, 풍력, 태양광 등 신재생에너지 산업에서 필수적인 투입요소로 활용되기 때문이다(IEA, 2025).
이러한 변화 속에서 핵심광물 가격이 급등한다면, 수입 의존도가 높은 우리나라의 물가 상승을 초래할 수 있다(석주헌, 2025). 우리나라는 핵심 광물의 약 95%를 수입에 의존하고 있다(한선이 외, 2024). 동시에 핵심광물에 대한 높은 의존도를 지닌 이차전지, 반도체, 전기차 산업이 국가 경제의 핵심 축을 형성하고 있다. 따라서 국제 핵심광물 가격의 변동은 생산 비용의 상승을 통해 생산자물가를 자극하고, 궁극적으로 소비자물가를 포함하여 국내 전반의 인플레이션 상승 압력으로 확산될 수 있다. 이러한 배경에서 핵심광물 가격 변동이 국내 물가에 미치는 영향을 실증적으로 규명하는 것은 우리나라의 물가 안정, 에너지 안보, 산업경쟁력 제고 측면에서 매우 중요하다.
본 연구에서는 핵심광물 가격의 국내 물가 파급효과를 국제유가와 비교・분석한다. 이를 통해 유가와 핵심광물이 물가에 영향을 미치는 파급 경로의 이질성을 확인하고, 핵심광물의 거시경제적 중요성을 명확히 규명하고자 한다. 이에 본 연구는 국제 유가 및 6개 핵심광물(구리, 니켈, 알루미늄, 코발트, 리튬, 희토류)의 가격 충격이 우리나라의 생산자물가지수(PPI, Producer Price Index) 및 소비자물가지수(CPI, Consumer Price Index)에 미치는 영향을 벡터오차수정모형(VECM, Vector Error Correction Model)을 기반으로 분석한다. 그리고 충격반응함수(IRF, Impulse Response Function) 및 예측오차분산분해(FEVD, Forecast Error Variance Decomposition)를 통해 유가와 핵심광물의 파급력, 전이경로, 시계열적 구조 차이를 실증적으로 비교하고자 한다. 특히 각 광물의 가격 충격이 우리나라 물가에 미치는 영향을 단기와 장기로 분리해 살펴봄으로써 광물별로 차별화된 정책 대응 방향을 도출하고자 한다.
본 연구는 다음 세 가지 측면에서 기존의 연구와 차별성을 갖는다. 첫째, 화석연료 가격인 유가 중심의 분석에서 벗어나 탄소중립 시대의 필수 자원인 핵심광물의 거시경제적 영향력을 정량적을 평가함으로써 에너지 자원이 물가에 미치는 영향에 대한 연구 영역을 확장한다. 둘째, 유가와 핵심광물 가격 충격을 단일 모형 내에서 비교분석하여 자원 간 이질적인 파급 경로와 구조적 차이를 식별한다. 셋째, 단기 및 장기적 효과를 고려하여 정책적 시사점을 보다 정교하게 제시한다는 점에서 정책적 기여를 갖는다.
Ⅱ. 선행연구
기존 연구에서는 국제유가와 물가 간의 관계를 중심으로 실증 분석이 다수 이루어져 왔다. 이창민・홍지민(2015)은 국제유가가 한국 소비자물가에 단기적인 양(+)의 영향을 미친다고 분석하였으며, 이에 대응하여 중앙은행 및 정부는 유가 상승기에 물가 안정을 최우선으로 하는 통화정책 및 외환정책을 적극적으로 운용해야 함을 제언하였다. 임용택(2009), 차경수(2009), 김상식・유동수(2016) 역시 유가 상승이 국내 물가에 상승 압력을 가한다고 보았으며, 특히 차경수・오세신(2014)은 유가 충격이 한국 경제에 스태그플레이션을 유발할 수 있다고 평가하였다. 이근영(2011)은 비대칭 모형을 적용하여 유가 상승이 하락보다 소비자물가에 더 큰 영향을 미친다고 분석하며, 이는 기업의 가격 정책 등 구조적 특성에 기인한다고 보았다.
유가 충격이 경제상황이나 경기 국면에 따라 시기별로 물가에 상이한 영향을 미친다고 분석한 연구도 존재한다. 이근영・정한영(2002)은 분석 기간을 유가 상승기와 하락기로 구분하여 소비자물가의 반응 차이를 실증적으로 검토하였고, 유가 충격의 물가 영향은 유가 상승기에 더 강한 반응이 나타난다는 점을 확인하였다. 백인걸・김태환(2020)은 평활국면전환 벡터자기회귀(STVAR)모형을 활용하여 경기 국면에 따른 유가 충격의 파급효과를 분석하였다. 경기침체기에는 유가 충격이 소비자물가에 즉각적이고 지속적인 영향을 주는 반면, 경기확장기에는 물가 반응이 지연되거나 미미함을 확인하였다.
반면, 유가 충격의 국내 물가 영향이 제한적이라는 결과를 제시한 연구도 존재한다. 임대봉(2006)은 유가 급등이 국내 소비자물가에 미치는 영향이 제한적임을 지적하며, 유가 상승에 대한 대응으로 금리를 인상하는 것은 바람직하지 않다고 주장한다. 김영덕(2000)은 유가가 소비자물가에 장기적으로는 유의한 양(+)의 영향을 미치지만, 통화량, 생산가동률 등의 내생적 수요 요인에 비해 영향력이 제한적이라고 분석하였다. 허인(2011)은 유가 변동이 소비자물가에 유의미한 영향을 미치지 않는다고 보았다. 이들 연구는 유가와 국내 물가의 관계가 시기별 구조적 특성과 정책환경에 따라 달라질 수 있음을 시사한다.
살펴본 바와 같이 기존의 연구들은 국제유가가 물가에 미치는 영향을 심층적으로 분석해 왔으나, 핵심광물 가격의 우리나라 물가에 대한 파급효과를 분석한 연구는 상대적으로 제한적이다. 따라서 본 연구는 기존의 유가 중심 논의에서 나아가 핵심광물이라는 전략자원의 국내물가 파급효과를 실증적으로 규명함으로써, 학술적 논의를 확장하고자 한다. 제한적이지만, 우리나라를 대상으로 핵심광물과 물가 간의 관계를 분석한 선행연구는 다음과 같다.
Considine et al.(2023)은 다국가 모형을 통해 핵심광물 가격이 영국과 한국의 인플레이션에 통계적으로 유의미한 영향을 미친다고 분석하였다. 다만 구조적 효과 및 시차적 전이 경로에 대한 분석은 미흡하여 보완의 여지가 존재한다고 판단한다. Attílio(2025)는 핵심광물 가격이 원유와 마찬가지로 국제적 거시경제 변동을 유발할 수 있으며, 국제금융시장의 긴장을 고조시킬 수 있는 잠재력을 지닌다고 주장하였다. 또한 최혜원 외(2020)은 비철금속 시장을 대상으로 수요측 요인이 공급측 요인보다 국제가격에 더 큰 영향을 미친다고 분석하였으며, 비철금속 수요 충격에 대비하여 물가안정 대책이 필요하다고 주장하였다.
Ⅲ. 분석모형 및 자료
1. 분석모형
본 연구는 핵심광물 가격 충격이 우리나라 물가에 미치는 동태적 영향을 분석하기 위해 Johansen(1988)이 제시한 공적분 기반 VECM을 분석 모형으로 선택하였다. Johansen(1988)은 다변량 시계열 모형에서 I(1) 비정상 시계열 변수들 간에 공적분 관계가 존재할 경우, VAR(Vector Autoregressive)모형 대신 오차수정항(error correction term)을 포함한 VECM을 사용해야 한다는 점을 이론적으로 정립하였다. VECM은 공적분 관계를 통해 변수 간의 장기 균형 메커니즘을 모형화할 수 있으며, 단기 조정 계수를 통해 단기 영향 또한 동시에 추정할 수 있다는 장점이 있다. 또한 VECM 모형을 IRF와 FEVD로 확장하여 각 충격의 구조적 영향 또한 식별할 수 있다는 장점이 있다.
본 연구는 핵심광물 가격 충격과 국제 유가 충격의 구조적 물가 영향을 비교・분석하는데 목적이 있으므로, 변수 간 단기 상호작용뿐 아니라 장기 균형 관계까지 함께 고려할 수 있는 모형이 필요하다. 이러한 목적에 비추어 볼 때, VECM은 본 연구에 적합한 방법론으로 판단된다. 따라서 본 연구는 Johansen(1988)의 공적분 검정 방법론에 근거하여 VECM를 활용해 변수 간 장단기 관계를 추정하였다.
다만, VECM은 모든 변수를 내생적으로 다루므로, 국제 원자재 가격을 완전한 외생 충격으로 가정하기에는 한계가 있다. 그러나 본 연구는 이러한 한계를 다음과 같은 연구 설계를 통해 보완하였다. 첫째, VECM 추정에서 종속변수를 PPI와 CPI로 설정하여 국제 원자재 가격이 국내 물가에 미치는 일방향적 효과에 분석 초점을 두었다. 둘째, IRF와 FEVD 분석에서 국제 원자재 가격을 선행 변수로 배치하여 최소한의 식별 가정을 설정하였다. 셋째, 거시경제 변수를 추가한 모형과 코로나 이후 표본 기간만을 포함한 모형을 추가적으로 분석하여 강건성 검정을 수행하였다. 따라서 본 연구는 구조적 제약이 없는 VECM의 양방향 인과성 가정의 한계를 인정하면서도, 국내 물가의 장・단기 파급 경로를 규명할 수 있다는 점에서 VECM 모형의 선정은 실증적 타당성을 가진다고 판단된다.
VECM 기본 모형식은 식 (1)과 같이 표현된다. 이는 I(1) 비정상 시계열 간 공적분 관계가 존재할 때 유효하며, 오차수정항()을 통해 장기균형관계를 반영하고, 단기조정계수()를 통해 설명변수의 단기 영향력을 추정한다.
여기서 는 각 시점의 변수 차분 벡터, 는 조정속도 벡터와 공적분 벡터의 곱행렬로 이루어진 오차수정항 계수 행렬을 의미한다. 그리고 는 오차항이다.
각 분석 모형은 식 (2)와 같이 국제유가(), 개별 핵심광물 가격(ln), 생산자물가지수(), 소비자물가지수()로 구성된 4변수 벡터로 구성된다. 이때 분석 대상 핵심광물은 한국에너지기술연구원(2023)의 핵심광물 확보전략과 김유정(2023)의 광물자원 중요도 평가 연구를 참고하여 구리, 니켈, 알루미늄, 코발트, 리튬, 희토류 총 6종을 선정하였다. 따라서 각 광물별로 국제 유가와 두 개의 물가 지표를 포함한 4변수 VECM 모형을 <표 1>과 같이 구성할 수 있다.
<표 1>
VECM 모형별 변수 조합
| 모형 | 유가 | 물가지수 | 구리 | 니켈 | 알루 미늄 | 코발트 | 리튬 | 희토류 | ||
| 생산자 | 소비자 | |||||||||
| 1 | Copper | ◯ | ◯ | ◯ | ◯ | |||||
| 2 | Nickel | ◯ | ◯ | ◯ | ◯ | |||||
| 3 | Aluminum | ◯ | ◯ | ◯ | ◯ | |||||
| 4 | Cobalt | ◯ | ◯ | ◯ | ◯ | |||||
| 5 | Lithium | ◯ | ◯ | ◯ | ◯ | |||||
| 6 | Rare Earth | ◯ | ◯ | ◯ | ◯ | |||||
2. 자료
본 연구에서 활용한 변수의 정의 및 출처는 <표 2>에 정리되어 있다. 본 연구는 2010년 1월부터 2025년 4월까지의 월간 시계열 자료를 활용하였다. 활용 변수는 국제 유가, 여섯 가지 핵심광물 가격, PPI, CPI이다. 다만, 핵심광물 중 리튬과 희토류 가격은 데이터 가용성 제약으로 인해 2012년 6월부터 2025년 4월까지의 자료를 사용하였다.
국제 유가와 핵심광물 가격은 IMF Primary Commodity Prices(pink sheet)를 통해 수집하였다. 국제 유가는 브렌트유, WTI, 두바이유 현물가격의 평균 값이며, 데이터의 출처는 Refinitive이다. 핵심광물 중 구리, 니켈, 알루미늄, 코발트는 런던금속거래소(LME)를, 리튬과 희토류는 상하이금속시장(SMM)을 원출처로 한다. 희토류를 제외한 모든 광물은 최종 정제된 형태의 현물 기준 가격으로 책정되었다. 반면 희토류는 순도 42~45%의 산화희토류 가격을 사용하였으며, 이는 정광에 준하는 중간재 성격의 가격지표이다. PPI와 CPI는 각각 한국은행과 KOSIS에서 취득하였으며, 2020년을 기준연도(=100)로 하는 지수를 활용하였다.
모든 변수는 단위 통일과 로그 선형화를 위하여 자연로그 형태로 변환하여 분석에 활용하였다. 이상에서 논의된 변수들의 기초 통계량은 <표 3>과 같다.
<표 2>
변수 정의 및 출처
[그림 1]은 국제유가, PPI, CPI, 6개 핵심광물 가격에 자연로그를 취한 값의 시계열 추이를 보여준다.
<표 3>
변수의 기초 통계량
Ⅳ. 분석결과
1. 단위근 검정
VECM 모형을 적용하기 위해서는 모형에 포함되는 모든 변수들이 I(1) 비정상 시계열임을 만족해야 한다. 이를 확인하기 위해 본 연구에서는 Augmented Dickey-Fuller(ADF) 단위근 검정을 수행하였다(Said and Dickey, 1984). ADF 검정의 귀무가설은 ‘해당 시계열이 단위근을 가진다’이다. 따라서 귀무가설이 기각되면 해당 시계열은 정상적(stationary)이라고 판단할 수 있다. 즉, 수준 값에서는 단위근이 존재하고, 1차 차분 시 정상성이 확인될 경우 해당 변수는 I(1) 시계열로 간주되어 VECM 모형을 적용할 수 있다. 분석 결과에 따르면, 모든 수준변수는 단위근을 갖는다. 반면, 1차 차분값은 정상적으로 나타나 모든 변수가 I(1) 시계열임을 확인하였다. ADF 검정의 세부 결과는 <표 4>에 제시하였다.
<표 4>
ADF 단위근 검정 결과
| 변수명 | 시차 | 검정통계량 | 임계값 | ||
| 1% | 5% | 10% | |||
| lnoil | 3 | -1.97 | -3.46 | -2.88 | -2.57 |
| ∆lnoil | 2 | -8.58*** | -3.46 | -2.88 | -2.57 |
| lncopper | 11 | -2.04 | -3.46 | -2.88 | -2.57 |
| ∆lncopper | 12 | -3.76*** | -2.58 | -1.95 | -1.62 |
| lnnickel | 2 | -2.17 | -3.46 | -2.88 | -2.57 |
| ∆lnnickel | 1 | -8.69*** | -2.58 | -1.95 | -1.62 |
| lnaluminum | 2 | -2.07 | -3.46 | -2.88 | -2.57 |
| ∆lnaluminum | 1 | -8.95*** | -2.58 | -1.95 | -1.62 |
| lncobalt | 6 | -2.85 | -3.46 | -2.88 | -2.57 |
| ∆lncobalt | 3 | -5.33*** | -3.46 | -2.88 | -2.57 |
| lnlithium | 9 | -2.66 | -3.46 | -2.88 | -2.57 |
| ∆lnlithium | 5 | -3.22*** | -3.46 | -2.88 | -2.57 |
| lnrareearth | 4 | -2.06 | -3.46 | -2.88 | -2.57 |
| ∆lnrareearth | 3 | -4.97*** | -3.46 | -2.88 | -2.57 |
| lnppi | 7 | -1.42 | -3.99 | -3.43 | -3.13 |
| ∆lnppi | 6 | -3.23*** | -3.46 | -2.88 | -2.57 |
| lncpi | 12 | -1.46 | -3.99 | -3.43 | -3.13 |
| ∆lncpi | 11 | -2.62*** | -3.46 | -2.88 | -2.57 |
2. 공적분 검정
VECM 모형을 적용하기 위한 두 번째 전제조건은 분석대상 변수들 간에 장기적인 공적분 관계가 존재해야 한다는 점이다. 이를 검증하기 위해 본 연구는 Johansen 공적분 검정을 수행하였다(Johansen, 1988). 분석 대상은 광물별로 구분된 총 6개 모형이다. 각 모형들은 국제 유가, 개별 핵심광물 가격, PPI, CPI를 포함하는 4변수 모형으로 구성되었다. <표 5>에 제시된 검정 결과에 따르면, 모든 모형에서 최소 1개 이상의 공적분 벡터(rank ≥ 1)가 존재하는 것으로 나타났다. 이는 VECM 모형을 적용하기 모든 전제조건이 충족되었음을 의미한다.
<표 5>
Johansen 공적분 검정 결과
| r | Test Value | 90% | 95% | 99% |
| (Copper Model): oil price, copper price, ppi, cpi (lag: 4, spec: const, longrun) | ||||
| 0 | 115.77 | 49.65 | 53.12 | 60.16 |
| 1 | 39.63 | 32.00 | 34.91 | 41.07 |
| 2* | 17.26 | 17.85 | 19.96 | 24.60 |
| 3 | 2.30 | 7.52 | 9.24 | 12.97 |
| (Nickel Model): oil price, nickel price, ppi, cpi (lag: 4, spec: const, longrun) | ||||
| 0 | 101.05 | 49.65 | 53.12 | 60.16 |
| 1* | 28.38 | 32.00 | 34.91 | 41.07 |
| 2 | 13.97 | 17.85 | 19.96 | 24.60 |
| 3 | 2.46 | 7.52 | 9.24 | 12.97 |
| (Aluminum Model): oil price, aluminum price, ppi, cpi (lag: 4, spec: const, longrun) | ||||
| 0 | 113.15 | 49.65 | 53.12 | 60.16 |
| 1 | 34.92 | 32.00 | 34.91 | 41.07 |
| 2* | 14.53 | 17.85 | 19.96 | 24.60 |
| 3 | 2.50 | 7.52 | 9.24 | 12.97 |
| (Cobalt Model): oil price, cobalt price, ppi, cpi (lag: 4, spec: const, longrun) | ||||
| 0 | 103.11 | 49.65 | 53.12 | 60.16 |
| 1* | 28.96 | 32.00 | 34.91 | 41.07 |
| 2 | 14.59 | 17.85 | 19.96 | 24.60 |
| 3 | 2.10 | 7.52 | 9.24 | 12.97 |
| (Lithium Model): oil price, lithium price, ppi, cpi (lag: 4, spec: const, longrun) | ||||
| 0 | 102.84 | 49.65 | 53.12 | 60.16 |
| 1 | 36.62 | 32.00 | 34.91 | 41.07 |
| 2* | 12.72 | 17.85 | 19.96 | 24.60 |
| 3 | 4.25 | 7.52 | 9.24 | 12.97 |
| (Rare Earth Model): oil price, rare earth price, ppi, cpi (lag: 4, spec: const, longrun) | ||||
| 0 | 101.61 | 49.65 | 53.12 | 60.16 |
| 1* | 33.00 | 32.00 | 34.91 | 41.07 |
| 2 | 13.61 | 17.85 | 19.96 | 24.60 |
| 3 | 5.33 | 7.52 | 9.24 | 12.97 |
3. 추정 결과
앞서 Johansen 공적분 검정을 통해 확인된 공적분(rank) 수를 바탕으로 VECM 모형을 추정하였다. 종속변수로는 PPI와 CPI를 각각 설정하였으며, 추정 결과는 <표 6>과 <표 7>에 제시하였다.
오차수정항(Error Correction Term, ECT) 계수는 장기 균형 관계로부터의 이탈에 대해 각 변수(종속변수)가 얼마나 빠르게 조정되는지를 보여주는 계수이다. 계수가 음(-)이고 통계적으로 유의하다면, 종속변수(PPI 혹은 CPI)가 장기 균형의 조정 역할을 수행하고 있음을 시사한다. 분석결과, 리튬모형을 제외한 모든 모형에서 오차수정항의 계수는 음(-)의 값을 나타내며 통계적으로 유의한 것으로 나타났다. 이는 생산자 물가지수 및 소비자물가지수가 장기적으로 국제유가 및 광물 가격 충격에 대해 균형 수준으로 수렴하려는 조정 메커니즘이 작동하고 있음을 의미한다. 한편, 리튬 모형에서는 CPI의 오차수정항 계수는 유의하게 나타난 반면, PPI의 오차수정항 계수는 통계적으로 유의하지 않은 것으로 분석되었다. 이는 생산자물가가 리튬 가격 변화에 대해 안정적인 장기 조정 경로를 따르지 못하거나, 해당 모형 내에서 PPI가 외생적 충격에 상대적으로 더 민감하게 반응하는 변수로 작용할 수 있음을 시사한다.
단기 조정 계수(Γᵢ)는 VECM 차분 방정식에 포함된 Γᵢ 행렬의 계수로서, 각 설명변수의 시차항이 종속변수(PPI, CPI)의 변화율에 미치는 단기적 영향력을 의미한다. 분석 결과, 국제 유가는 모든 모형에서 생산자물가지수(PPI)에 대해 통계적으로 유의한 단기 영향을 미치는 것으로 나타났다. 특히, 1기 시차에서 양(+)의 상승반응, 2기 시차에서 음(-)의 조정반응이 공통적으로 관찰되었다. 이는 유가 상승이 단기적으로 생산비용을 자극하여 생산자 물가에 상방 압력을 가하지만, 이후 기존 수준으로 복귀하는 자가조정적 특성을 지니고 있음을 시사한다. 한편 국제유가의 소비자물가지수(CPI)에 대한 단기 추정 계수는 일부 시차에서 통계적으로 유의하지는 않았지만, 1기 시차에서 양(+)의 반응, 2기 시차에서 음(-), 3기 시차에서 다시 양(+)의 반응을 보이는 공통적 경향성이 관찰되었다. 이러한 반응 패턴은 유가 상승이 소비자물가에 비선형적으로 전이되는 조정 메커니즘의 가능성을 시사한다.
반면 핵심광물 가격은 대부분의 모형에서 통계적 유의성이 유가에 비해 상대적으로 낮았으나, 1~3기 시차 동안 생산자물가(PPI)에 미치는 영향력이 일관되게 양(+)으로 나타나는 경우가 다수 확인되었다. 이는 핵심광물 가격이 단기적으로 뚜렷한 충격 요인은 아닐 수 있으나, 시간의 경과에 따라 누적되어 생산비용을 상승시키는 구조적 요인으로 작용할 수 있음을 시사한다. 특히, 구리, 니켈, 알루미늄 등 주요 산업용 광물의 경우, PPI에 대한 단기 파급효과의 누적값이 국제유가보다 더 크게 나타난 점도 주목할 만하다. 이는 핵심광물 가격이 단기적으로 일정 수준의 비용 인상 압력을 유발하는 실질적 요인으로 작용할 가능성을 보여준다. 반면, 핵심광물 가격의 CPI에 대한 단기적 영향력은 제한적인 것으로 나타났다. 이는 핵심 광물 가격 충격이 소비자물가에 즉각적으로 전이되기 보다 주로 생산 단계를 매개로 간접적으로 작용함을 시사한다.
<표 6>
VECM 추정 결과(종속변수: PPI)
| Variables | Model | |||||
| Copper | Nickel | Aluminum | Cobalt | Lithium | Rare Earth | |
| ect1 |
-0.002*** (0.000) |
-0.001*** (0.000) |
-0.001** (0.000) |
-0.002*** (0.001) |
0.000 (0.002) |
-0.001*** (0.000) |
| ect2 |
0.013*** (0.003) |
0.009*** (0.003) |
0.001*** (0.000) | |||
| ∆lnoil.l1 |
0.008*** (0.004) |
0.012** (0.004) |
0.013*** (0.004) |
0.012*** (0.004) |
0.013*** (0.004) |
0.013*** (0.004) |
| ∆lnoil.l2 |
-0.012*** (0.004) |
-0.011*** (0.004) |
-0.01** (0.004) |
-0.008* (0.004) |
-0.007* (0.004) |
-0.007* (0.004) |
| ∆lnoil.l3 |
0.002 (0.004) |
0.001 (0.004) |
0.001 (0.004) |
0.000 (0.004) |
0.001 (0.004) |
0.001 (0.004) |
| ∆lnCM.l1 |
0.022*** (0.006) |
0.01** (0.004) |
0.011 (0.007) |
0.005 (0.004) |
0.008 (0.005) |
0.003 (0.004) |
| ∆lnCM.l2 |
0.017*** (0.004) |
0.011*** (0.004) |
0.018** (0.007) |
-0.004 (0.004) |
0.014** (0.006) |
0.012*** (0.004) |
| ∆lnCM.l3 |
-0.003 (0.006) |
0.000 (0.004) |
0.01 (0.007) |
0.007* (0.004) |
-0.004 (0.004) |
0.004 (0.004) |
| ∆lnppi.l1 |
0.497*** (0.101) |
0.558*** (0.101) |
0.514*** (0.106) |
0.648*** (0.102) |
0.459*** (0.12) |
0.514*** (0.114) |
| ∆lnppi.l2 |
-0.067 (0.11) |
0.014 (0.112) |
-0.05 (0.115) |
-0.025 (0.116) |
0.053 (0.126) |
0.025 (0.121) |
| ∆lnppi.l3 |
-0.017 (0.097) |
0.074 (0.093) |
0.005 (0.102) |
0.058 (0.097) |
-0.113 (0.113) |
0.007 (0.104) |
| ∆lncpi.l1 |
-0.048 (0.109) |
-0.155 (0.111) |
-0.085 (0.115) |
-0.149 (0.118) |
-0.119 (0.122) |
-0.158 (0.119) |
| ∆lncpi.l2 |
-0.198* (0.1) |
-0.284*** (0.103) |
-0.238** (0.106) |
-0.235** (0.108) |
-0.339*** (0.115) |
-0.331*** (0.111) |
| ∆lncpi.l3 |
0.056 (0.108) |
-0.003 (0.111) |
-0.005 (0.113) |
-0.046 (0.116) |
-0.71 (0.123) |
-0.055 (0.119) |
| R-squared | 0.601 | 0.567 | 0.556 | 0.532 | 0.563 | 0.552 |
| Adjusted R | 0.567 | 0.533 | 0.518 | 0.496 | 0.519 | 0.51 |
| F-statistic | 17.82 | 16.81 | 14.82 | 14.6 | 12.61 | 13.1 |
| P-value | 0.000 | 0.000 | 0.000 | 0.000 | 0.000 | 0.000 |
<표 7>
VECM 추정 결과(종속변수: CPI)
| Variables | Model | |||||
| Copper | Nickel | Aluminum | Cobalt | Lithium | Rare Earth | |
| ect1 |
-0.004*** (0.000) |
-0.002*** (0.000) |
-0.003*** (0.000) |
-0.003*** (0.000) |
-0.004*** (0.001) |
-0.001*** (0.000) |
| ect2 |
0.002 (0.002) |
0.005** (0.002) |
0.001*** (0.000) | |||
| dlnoil.l1 |
0.004 (0.003) |
0.006* (0.003) |
0.005* (0.003) |
0.003 (0.003) |
0.004 (0.003) |
0.004 (0.003) |
| dlnoil.l2 |
-0.009*** (0.003) |
-0.008*** (0.003) |
-0.008** (0.003) |
-0.008*** (0.003) |
-0.009*** (0.003) |
-0.007** (0.003) |
| dlnoil.l3 |
0.007** (0.003) |
0.007** (0.003) |
0.007** (0.003) |
0.004 (0.003) |
0.005 (0.003) |
0.007** (0.003) |
| dlnCM.l1 |
-0.001 (0.005) |
0.004 (0.003) |
-0.003 (0.005) |
0.006** (0.003) |
-0.003 (0.004) |
0.000 (0.003) |
| dlnCM.l2 |
-0.000 (0.005) |
0.002 (0.003) |
-0.001 (0.005) |
-0.003 (0.003) |
0.01** (0.004) |
0.004 (0.003) |
| dlnCM.l3 |
-0.012** (0.005) |
-0.002 (0.003) |
-0.002 (0.005) |
0.003 (0.003) |
0.002 (0.003) |
0.005* (0.003) |
| dlnppi.l1 |
0.327*** (0.076) |
0.274*** (0.074) |
0.293*** (0.077) |
0.294*** (0.073) |
0.272*** (0.089) |
0.256*** (0.084) |
| dlnppi.l2 |
0.049 (0.084) |
0.013 (0.083) |
-0.004 (0.083) |
0.018 (0.082) |
0.037 (0.094) |
0.015 (0.09) |
| dlnppi.l3 |
0.039 (0.075) |
0.005 (0.069) |
0.003 (0.074) |
0.028 (0.069) |
0.068 (0.084) |
-0.035 (0.077) |
| dlncpi.l1 |
-0.01 (0.083) |
-0.008 (0.082) |
-0.019 (0.083) |
-0.022 (0.084) |
-0.061 (0.09) |
-0.067 (0.088) |
| dlncpi.l2 |
-0.427*** (0.077) |
-0.404*** (0.076) |
-0.403*** (0.077) |
-0.392*** (0.077) |
-0.39*** (0.085) |
-0.28*** (0.088) |
| dlncpi.l3 |
-0.263*** (0.083) |
-0.242*** (0.082) |
-0.262*** (0.082) |
-0.285*** (0.082) |
-0.327*** (0.091) |
-0.367*** (0.082) |
| R-squared | 0.569 | 0.568 | 0.572 | 0.567 | 0.569 | 0.56 |
| Adjusted R | 0.533 | 0.535 | 0.536 | 0.534 | 0.525 | 0.519 |
| F-statistic | 15.68 | 16.9 | 15.85 | 16.84 | 12.9 | 13.51 |
| P-value | 0.000 | 0.000 | 0.000 | 0.000 | 0.000 | 0.000 |
4. 충격반응 분석
본 절에서는 VECM 기반 IRF 분석을 통해 국제유가 및 핵심광물 가격 충격이 PPI 및 CPI에 미치는 동태적 영향을 살펴보고자 한다. 각 충격에 대한 반응은 총 36개월 기간에 걸쳐 관측되었으며, 부트스트랩 방식(100회 반복)에 기반한 68% 신뢰구간을 설정하여 통계적 유의성을 검토하였다. 통계적 유의성 판단기준은, 충격반응 계수의 신뢰구간이 0을 포함하지 않을 경우 해당 시점의 반응이 통계적으로 유의하다고 판단하였다. 반면 신뢰구간이 0을 포함하는 경우에는 해당 시점의 반응이 통계적으로 유의하지 않은 것으로 간주하였다.
1) 국제 유가 충격에 대한 PPI 및 CPI의 반응
국제 유가 충격에 대한 생산자물가지수(PPI) 반응을 살펴본 결과, 모든 모형에서 유가 충격은 PPI에 대해 통계적으로 유의한 양(+)의 반응을 유발하는 것으로 나타났다. 특히 유가 충격은 발생 직후 약 3기(3개월) 이내에 급격한 PPI 상승을 초래하며, 이후 일부 조정을 거치더라도 전반적으로 상향된 수준에서 수렴하는 구조를 보였다.이는 국제유가 상승이 단기적으로 생산 비용을 자극하여 PPI를 빠르게 인상시키는 즉각적이고 단기적인 파급효과를 갖고 있음을 시사한다. 반면, 소비자물가지수(CPI)의 경우, 유가 충격 발생 직후 3-5기 이내에 단기적인 양(+)의 반응이 관찰되었으나, 그 이후 효과는 빠르게 소멸되거나 통계적 유의성을 상실하였다. 이는 국제유가와 국내 유류 가격 간 높은 연동성으로 인해 물류・난방비 등 생활필수 지출에 신속히 전가되는 구조에 기인한 것으로 해석된다. 다만 CPI의 반응 강도는 PPI에 비해 상대적으로 미약했는데, 이는 국제유가 상승이 소비자물가에 직접 반영되기보다 생산자물가를 매개로 간접 전이되는 구조임을 시사한다. 이러한 결과는 국제유가 충격이 우리나라 물가에 미치는 영향이 단기적으로 집중되며, 특히 CPI보다 PPI에 직접적이고 강력한 영향을 미친다는 점을 시사한다.
다만, Nickel, Cobalt, Rare Earth 모형에서는 유가충격의 CPI 영향이 장기간 통계적으로 유의했는데, 이러한 유의성은 모형의 공적분 구조에 기인한 결과로 판단된다. 위 세 모형에서는 공적분 관계가 1개(r=1)로 식별되어 단일 균형관계 속에서 CPI가 장기 조정 과정에 적극적으로 반응하였다. 반면 Lithium, Copper, Aluminum 모형에서는 공적분 관계가 2개(r=2)로 식별되어 충격이 분산적으로 조정되면서 CPI 반응은 중단기에 국한되는 양상이 나타났다. 따라서 유가충격에 대한 CPI 영향의 장기적 유의성은 해석에 주의가 요구된다. 본 분석에 대한 충격반응함수(IRF)의 반응경로는 [그림 2]에 제시하였다.
2) 핵심광물 가격 충격에 대한 PPI 및 CPI의 반응
핵심광물 가격 충격에 대한 생산자물가지수(PPI)의 반응은 국제유가 충격과는 상이한 동태적 특성을 보였다. 모든 모형에서 핵심광물 가격 충격은 단기적으로는 비교적 완만한 반등을 보이는 반면, 시간이 경과함에 따라 점진적이고 누적적인 양(+)의 영향을 지속적으로 유발하는 것으로 나타났다. 반응 계수는 전체 분석 기간에 걸쳐 통계적으로 유의하게 유지되었으며, 반응 경로는 수렴하지 않고 발산(divergent)하는 패턴을 보였다. 특히, 핵심광물 가격 충격의 장기적 영향력은 유가 충격보다 더 크게 PPI에 반영되는 경향이 관찰되었다. 이는 핵심광물이 산업 전반의 공급망에 걸쳐 사용됨에 따라, 가격 상승이 시간 지연(delay effect)을 동반하여 누적적으로 생산비용에 전가되며, 궁극적으로 PPI의 구조적 상승 압력으로 작용한다는 점을 시사한다. 따라서 핵심광물 가격 충격의 효과는 단기적으로는 제한적일 수 있으나, 장기적으로는 국내 물가에 지속적이고 구조적인 인플레이션 압력을 유발할 수 있는 리스크 요인으로 작용할 가능성이 크다. 다만 리튬모형의 경우 오차수정항 계수가 통계적으로 유의하지 않은 것으로 나타났기 때문에, 해당 반응은 장기 균형 조정 결과라기 보다는 단기 충격의 지속적 영향일 가능성이 있다. 따라서 리튬가격의 생산자물가 전이경로에 대한 구조적 해석이나 정책적 시사점 도출에는 일부 한계가 있다.
소비자물가지수(CPI) 또한 유사한 반응 구조를 보였다. CPI는 초기에는 반응 양상이 급격하게 발생하지는 않았으나, 시간이 경과할수록 누적적인 양(+)의 반응이 점차 확대되며, PPI와 마찬가지로 장기적으로 발산하는 파급 경로를 나타냈다. 이는 핵심광물 가격 충격이 장기적으로 최종소비재 가격에까지 전이될 수 있음을 시사한다. 이상의 분석 결과를 시각화한 충격반응함수(IRF) 반응경로는 [그림 3]에 제시하였다.
아울러, 거시경제 변수 누락으로 인한 결과 왜곡 가능성을 보완하기 위해 한국 10년물 국채 금리와 원화 실질실효환율 변수를 포함한 확장 모형을 재추정하여 결과의 강건성을 검증하였다. 더불어 핵심광물의 중요성이 부각된 코로나 이후 시기의 표본만을 사용한 모형 또한 구성하여 결과의 강건성을 추가적으로 검증하였다. 두 강건성 검정 모두 기존 결과와 동일하게 장기 발산형 반응 경로를 보였으나, 구리가격 충격의 CPI 반응은 예외적으로 장기적 발산 경로가 확인되지 않았다. 세부 결과는 부록 [부록 그림 1]과 [부록 그림 2]에 제시하였다.
5. 예측오차분산분해
앞절에서는 IRF 분석을 통해 국제 유가 및 핵심광물의 가격 충격이 한국 물가에 영향을 미치는 동태적 반응 경로를 규명하였다. 본 절에서는 이러한 충격이 국내 물가지수 변동에 기여하는 상대적 설명력과 중요도를 정량적으로 평가하고자 FEVD 분석을 수행하였다. 본 연구에서는 3년간(0기~37기)의 예측오차 분산을 분석 대상으로 하였으며, PPI와 CPI를 종속변수로 하는 두 가지 FEVD 모형을 분석하였다. 모형 내에서 PPI와 CPI의 설명력은 제외하고 유가 및 핵심광물 가격의 설명력을 중심으로 분석하였다.2)
1) PPI 종속변수 모형의 예측오차분산분해
본 절에서는 국제유가 및 핵심광물 가격 충격이 생산자물가지수(PPI)의 변동에 기여하는 상대적 영향력을 정량적으로 파악하기 위해 예측오차분산분해(FEVD) 결과를 분석하였다. 분석 기간은 충격 직후(0기), 12개월 후(13기), 36개월 후(37기)로 구분하였으며, 분석결과는 <표 8>에 제시하였다.
충격 직후 모든 모형에서 국제유가의 설명력이 핵심광물 가격보다 훨씬 높게 나타났다. 충격 직후 유가의 설명력은 30% 내외로 나타났으며, 이에 비해 핵심광물의 설명력은 0~3% 미만에 머물렀다. 이는 국제 유가 충격이 단기적으로 산업 전반의 비용 구조에 즉각 반영되며, 생산자물가에 강한 초기 반응을 유도함을 시사한다.
그러나 충격 12개월 이후, 핵심광물의 설명력이 대부분의 모형에서 유의미하게 확대되었다. 특히 구리 가격의 12개월 이후 설명력은 53.78%로 국제유가(18.56%)를 크게 상회하였으며, 이는 구리가 한국 제조업 전반의 범용 중가재로서 폭넓게 사용되고 있음을 반영하는 결과이다. 리튬, 알루미늄, 희토류도 20%를 넘는 설명력을 보이며, 전략 산업 기반 광물의 중기적 파급효과를 보여준다.
충격 36개월 이후 장기 시점에서는, 대부분의 모형에서 핵심광물 가격의 설명력이 국제유가를 크게 추월하는 양상을 보였다. 특히 구리의 설명력은 77.78%에 달하며 국제유가는 6.24%로 급감하였다. 리튬, 희토류, 알루미늄, 니켈도 장기적으로 높은 수준의 설명력을 유지하였으며, 이는 해당 광물 가격이 지속적이고 누적적인 비용 전가를 통해 생산자물가에 구조적 영향을 미친다는 점을 시사한다. 다만, 리튬의 장기적 분산 기여율은 공적분 조정 메커니즘이 유효하지 않은 상태에서 도출된 결과이므로, 해석에 있어 리튬가격의 구조적 전이효과 일반화에는 일정부분 제약이 따른다. 한편, 코발트의 경우 전 기간에 걸쳐 가장 낮은 설명력을 보였으며, 36개월 시점에서도 영향력이 12.04%에 불과하였다. 이는 코발트의 산업적 활용도 및 가격 전이 경로가 타 광물에 비해 아직 제한적임을 시사한다.
요약하면, 단기에는 유가 충격이 주도적이나, 시간이 경과함에 따라 핵심광물 가격이 생산자 물가에 미치는 영향력이 구조적으로 강화되는 경향이 뚜렷하게 관찰되었다. 따라서 핵심광물 가격 상승시기에 우리나라는 중장기적인 생산자 물가 상승 리스크 관리가 중요 과제로 부각될 수 있음을 시사한다.
<표 8>
예측오차분산분해 분석결과(종속변수: PPI)
2) CPI 종속변수 모형의 예측오차분산분해
이번 절에서는 소비자물가지수(CPI)를 종속변수로 설정하여, 국제유가 및 핵심광물 가격 충격이 CPI 변동에 미치는 상대적 설명력을 분석하였다. 분석결과는 <표 9>에 제시하였다. 충격 직후 모든 모형에서 국제유가와 핵심광물 가격의 설명력은 전반적으로 0%수준으로 매우 낮은 수준에 머물렀으며, 이는 유가와 핵심광물 가격이 시차를 두고 CPI에 반영됨을 시사한다.
충격 12개월 이후, 핵심광물 가격 변수의 설명력은 대부분의 모형에서 20~50% 수준까지 급격히 증가하였다. 희토류(53.76%), 리튬(45.93%), 니켈(31.65%), 알루미늄(28.90%) 등에서 높은 설명력이 관찰되었으며, 이는 해당 광물들이 소비재 가격 구조에 직간접적으로 전이되고 있음을 반영한다. 유가는 일부 모형에서 약 10%를 상회하는 설명력을 보였으나, 대부분의 경우 핵심광물 가격에 비해 상대적으로 낮은 수준에 머물렀다.
충격 36개월 이후에는 핵심광물 가격의 CPI 설명력이 더욱 확대되며, 장기적으로 유가 대비 훨씬 큰 영향력을 나타냈다. 희토류(78.96%)는 가장 높은 설명력을 보였으며, 리튬, 니켈, 알루미늄 등도 CPI 장기변동의 주요 결정 요인으로 작용하고 있음이 확인되었다. 반면, 국제유가는 전 모형에서 10% 미만으로 하락하며 장기적으로는 CPI에 대한 설명력이 미미한 수준으로 감소하였다.
요약하자면, CPI 종속변수 모형에서는 유가보다 핵심광물 가격 충격의 영향력이 느리지만 강력하게 누적되는 구조가 관측되었다. 이는 핵심광물 가격이 생산자물가를 매개로 한 간접 전이경로 뿐 아니라 직접적인 경로로도 소비자물가에 구조적 인플레이션 압력을 유발하고 있음을 시사한다. 장기적인 소비자물가 안정 정책 설계에 있어 핵심광물 가격에 대한 정교한 대응이 필요함을 시사한다.
<표 9>
예측오차분산분해 분석결과(종속변수: CPI)
6. 분석결과 해석
지금까지 살펴본 바와 같이, 본 연구의 실증 결과는 핵심광물 가격 충격이 중장기적으로 유가 충격보다 우리나라 물가에 더 크게 파급되는 양상을 보여주었다. 이러한 결과는 경제적 직관 -유가가 물가 전반에 가장 큰 영향을 미친다는 인식- 과 상충하는 것으로 보인다. 그러나 다음의 경제적 메커니즘을 통해 이와 같은 결과를 정당화할 수 있다.
첫째, 핵심광물과 원유의 거래 구조의 차이이다. 핵심광물은 우리나라 주요 제조업 부문의 중간재로 폭넓게 활용된다. 이들 원자재는 대체로 장기 납품계약이나 안정적 공급관계에 기반하여 거래되기 때문에, 단기적으로는 국제가격 충격이 즉각적으로 생산원가에 반영되기 어렵다. 그러나 계약 갱신 과정에서 원자재 가격이 원가구조에 점차 반영되면서, 중장기적으로는 우리나라 물가 전반에 강한 영향을 미칠 수 있다. 반면 원유는 현물 및 단기 선물 시장 비중이 크고, 국제 벤치마크 가격을 기준으로 계약가격이 신속히 조정되는 특성을 지닌다(Fattouh, 2011). 따라서 유가 충격은 단기에 물가에 빠르게 반영되지만, 그 지속성은 제한적일 수 있다.
둘째, 대체 가능성의 차이이다. 핵심광물은 특정 산업 공정에서 필수적으로 사용되는 중간재로서, 대체 가능한 자원이 현재로서 존재하지 않는다(IEA, 2025). 이에 따라 가격 상승이 발생할 경우 기업은 원재료를 다른 자원으로 대체하기 어려우며, 결과적으로 가격 상승분이 직접적으로 생산비에 전가된다. 반면 원유는 액화천연가스(LNG), 석탄, 재생에너지 등 상대적으로 다양한 대체재가 존재하고, 세제나 보조금과 같은 정부의 정책적 개입을 통해 충격이 완화되는 경우가 많다(IEA, 2025; IMF, 2022). 이러한 대체 가능성의 차이는 핵심광물 가격 충격이 보다 지속적이고 누적적인 형태로 생산물가에 반영되는 반면, 유가 충격은 단기적으로는 강한 효과를 보이더라도 시간이 경과함에 따라 상당 부분 흡수되거나 완충될 수 있음을 설명한다.
Ⅴ. 결론 및 정책적 시사점
본 연구는 2010년 1월부터 2025년 4월까지의 월간 시계열 데이터를 활용하여, 국제유가 및 핵심광물(구리, 니켈, 알루미늄, 코발트, 리튬, 희토류) 가격이 한국의 생산자물가지수(PPI) 및 소비자물가지수(CPI)에 미치는 영향을 실증적으로 분석하였다. 특히 VECM 기반의 충격반응함수(IRF) 및 예측오차분산분해(FEVD)를 통해 단기・장기 파급효과의 구조적 차이를 규명하였다. 연구 결과, 국제 유가는 물가에 단기적으로 빠르고 강한 영향을 미치지만, 그 효과는 대부분 3개월 이내에 집중되며 이후 점차 소멸되는 경향을 보였다. 반면, 핵심광물 가격은 단기 효과는 상대적으로 제한적이지만, 장기적으로 누적적이고 지속적인 인플레이션 압력을 유발하는 것으로 나타났다. 특히 구리와 리튬, 희토류는 36개월 기준으로 PPI 및 CPI 변동의 상당 부분을 설명하며, 한국의 전략산업 구조와의 밀접한 연관성을 드러냈다.
이상의 분석은 에너지 및 자원 가격 충격에 대응하는 거시경제 정책 설계에 있어, 유가와 함께 핵심광물 가격의 구조적 영향을 반드시 고려해야 함을 시사한다. 단기 물가안정을 위한 에너지 수급정책과 병행하여, 핵심광물 공급망의 안정성 확보, 수입 다변화, 재활용 기술 개발 및 전략 비축 체계 구축 등 중장기적 대응이 필수적이다. 또한, 향후 에너지 전환 및 전략산업 확대에 따라 핵심광물의 중요성은 더욱 증대될 것으로 예상되므로, 거시 모형 내 자원가격 변수의 체계적 반영이 요구된다.
본 연구는 국제유가와 핵심광물이 한국 물가에 미치는 차별적인 영향 구조를 실증적으로 확인하였으며, 이에 기반한 물가 안정 및 자원안보 정책 수립의 이론적, 실천적 근거를 제시하였다는 점에서 학술적 의의가 있다.
본 연구는 다음의 한계점을 지닌다. 첫째, 자료의 제약과 변수 선정의 한계가 존재한다. 본 연구는 국제 유가 및 6대 핵심광물의 월간 현물 데이터를 기반으로 분석하였으나, 광물 거래는 현물시장 가격 외에 선물시장, 계약시장 등 다양한 형태로 거래되고 있어 실제 거래되는 광물 가격에 대한 정교한 영향력을 파악하는 데에는 한계가 있다. 둘째, 2014년 셰일오일 붐, 코로나 팬데믹 등 주요 비정상적 이벤트에 대해서 통제하지 않았기에, 실제 분석 결과를 일반화하기에는 한계가 존재한다. 향후 연구로는 특정 사건의 영향을 통제하고, 분석 대상 국가군을 확대하여 국가 간 비교 연구를 수행한다면 한국만의 특수한 대응 전략을 보다 일반화 및 구체화할 수 있을 것이다. 또한, 핵심광물 및 국제유가의 가격 상승과 하락이 물가에 미치는 영향의 비대칭성을 고려하여, 비선형 시계열 모형을 적용한 후속연구로 확장할 수 있을 것이다. 아울러, 핵심광물 가격과 국제유가가 주가에 미치는 동태적 파급효과를 분석하는 것도 유의미한 연구 확장 방향이 될 것이다.









