Determinants of Domestic Demand for Paper Products: A Panel Error Correction Model Approach

Xian-Zhen Bai; Young-Wan Goo

doi:10.7584/JKTAPPI.2026.10.58.5.127

Preview

Original Paper

Journal of Korea TAPPI. 30 October 2026. 127-136
https://doi.org/10.7584/JKTAPPI.2026.10.58.5.127

Determinants of Domestic Demand for Paper Products: A Panel Error Correction Model Approach

종이제품별 국내수요의 결정요인 분석: 오차수정모형을 이용하여

Xian-Zhen Bai¹

Young-Wan Goo²^†

백 현정¹

구 영완²^†

¹Department of Economics, Chungbuk National University

²Department of Economics, Chungbuk National University

¹충북대학교 경제학과, 대학원생

²충북대학교 경제학과, 교수

^†Corresponding Author: E-mail: ywgoo@cbnu.ac.kr (Address: Department of Economics, Chungbuk National University, Cheongju, 28644, Republic of Korea)

License (open-access, https://creativecommons.org/licenses/by-nc/4.0/):

This is an Open Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (https://creativecommons.org/licenses/by-nc/4.0/) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.

ABSTRACT

This study examines the long- and short-run determinants of domestic demand for paper products in Korea and their differences across end uses. Domestic demand is measured as domestic sales plus imports for six paper products, using monthly data from January 2020 to May 2026. A panel autoregressive distributed lag model in error-correction form is estimated, with the pooled mean group or mean group estimator chosen for each product group by the Hausman test. Online shopping is measured as the real transaction value of goods, excluding services. For total paper products, online shopping is positively associated with domestic demand in the long run, whereas the producer price and the exchange rate are negatively associated, and a rapid adjustment toward long-run equilibrium is confirmed. The long-run association with online shopping is strongest for packaging paper and is not observed for printing and information paper, for which no significant adjustment toward equilibrium is found. In the short run, online shopping is positively associated with printing and information paper but not with packaging paper. The long-run online-shopping effect is robust to alternative lag structures, monthly effects, and a COVID-19 dummy, but is conditional on real gross domestic product.

Keywords

Paper products

domestic demand

ARDL-ECM

pooled mean group

mean group

online shopping

MAIN

1. 서 론
2. 재료 및 방법
2.1 분석자료
2.2 분석모형
3. 결과 및 고찰
3.1 기초통계량 및 단위근 검정
3.2 패널 ARDL-ECM 추정결과
3.3 강건성 검정
4. 결 론

1. 서 론

제지산업은 신문용지, 인쇄용지, 포장용지, 위생용지 등 최종 용도가 서로 다른 다양한 종이제품으로 구성되어 있으며, 이에 따라 제품별 수요구조에도 차이가 존재할 수 있다. 최근 정보전달 방식의 디지털화와 온라인 거래의 확대는 종이제품의 수요환경을 바꾸고 있다. 정보의 디지털화는 정보·인쇄용지 수요의 감소와 관련되는 반면, 온라인 거래의 확대는 상품의 배송·포장 과정을 통해 포장용 종이제품 수요와 연결될 수 있다. 다만 온라인 거래에는 여행·음식배달 등 실물 배송이 수반되지 않거나 종이 포장과의 관련성이 낮은 서비스 거래가 포함되어 있으며, 명목 거래액에는 물가 변화가 반영되어 있다. 따라서 온라인 거래와 종이제품 수요 간 관계가 실제로 성립하는지는 거래의 구성과 실질 규모를 고려하여 실증적으로 검증할 필요가 있다.

종이 및 판지 수요에 관한 기존 연구는 주로 가격과 소득을 중심으로 이루어져 왔다. Buongiorno [1], Baudin과 Lundberg [2], Chas-Amil과 Buongiorno [3]는 국가 및 지역별 종이·판지 수요와 가격 및 소득의 관계를 분석하였으며, McCarthy와 Lei [4]는 지역별 펄프·종이제품 수요에 관한 분석을 확장하였다. 한편 Bolkesjø 등[5]과 Hujala [6]는 정보통신기술과 종이소비 간의 관계를 분석하였다. 국내에서는 Kim과 Yoon [7,8]이 인터넷과 스마트폰 보급 및 종이소비의 관계를 분석하였으며, Kim과 Goo [9,10]는 국내 제지산업의 무역구조와 환율 및 펄프 수입물가의 관계를 분석하였다.

본 연구는 기존 연구와 비교하여 다음과 같은 차별성을 갖는다. 첫째, 추정된 소비량이 아니라 한국제지연합회의 지종별 실제 국내판매량에 수입량을 더한 실제 소비 물량을 국내수요의 지표로 이용하였다. 둘째, 기존의 인터넷·스마트폰 보급률 중심의 분석에서 나아가 온라인쇼핑 거래액을 직접 설명변수로 이용하였다. 특히 국가데이터처 「온라인쇼핑동향조사」의 전체 거래액에서 서비스 거래를 제외한 상품 거래액을 물가 변화를 제거한 실질 기준으로 전환하여, 실물 배송과 관련된 온라인 거래의 규모를 보다 직접적으로 반영하고자 하였다. 셋째, 전체 종이제품뿐 아니라 정보·인쇄용지와 포장용지를 구분하여 수요 결정구조가 최종 용도에 따라 어떻게 다른지를 비교하였다.

이에 본 연구는 2020년 1월부터 2026년 5월까지 6개 종이제품의 월별 자료를 이용하여 국내수요의 장·단기 결정요인을 분석하였다. 국내수요는 지종별 국내판매량과 수입량의 합으로 측정하였으며, 생산자물가지수, 실질 GDP, 펄프 수입물가지수, 실질 온라인쇼핑 상품거래액, 소매판매액지수 및 원/달러 환율을 설명변수로 설정하였다. 분석에는 패널 ARDL 모형을 적용하고, Hausman 검정 결과에 따라 Pooled Mean Group (PMG) 추정법[11]과 Mean Group (MG) 추정법을 선택하여 사용하였다. 분석기간에는 코로나19로 인해 소비와 유통환경이 급변한 시기가 포함되어 있으므로, 코로나19 기간 더미를 포함한 모형을 통해 결과가 이 시기의 한시적 특성에 의해 좌우되는지를 함께 검토하였다.

2. 재료 및 방법

2.1 분석자료

본 연구는 국내 종이제품 수요의 결정요인을 분석하기 위해 2020년 1월부터 2026년 5월까지의 월별 자료를 이용하였다. 분석 시작시점은 종속변수를 구성하는 지종별 국내판매량의 월별 자료가 2020년 1월부터 제공된다는 점을 고려하여 설정하였다. 이 기간에는 코로나19에 따른 소비 및 유통환경의 급격한 변화와 이후의 정상화 과정이 함께 포함되어 있다. 따라서 본 연구는 이 기간을 유통구조 전환기의 수요관계를 관찰할 수 있는 기간으로 보았다.

종속변수인 종이제품 국내수요( $D$ )는 지종별 국내판매량과 수입량의 합으로 측정하였다. 설명변수로는 생산자물가지수( $P P I$ ), 실질 국내총생산( $G D P$ ), 펄프 수입물가지수( $P u l p$ ), 실질 온라인쇼핑 상품거래액( $O n l i n e$ ), 소매판매액지수( $R e t a i l$ ) 및 원/달러 환율( $E$ )을 사용하였다. 실질 GDP는 한국은행 분기별 계절조정 실질 GDP를 지수평활법(Exponential Smoothing)을 적용하여 월별 자료로 변환하였다. 온라인쇼핑 거래액은 기존 지표를 유지하되, 거래 물량을 보다 정확히 반영할 수 있도록 실질변수로 전환하였으며, 거래량과의 관련성이 낮은 서비스 상품군은 분석 대상에서 제외하였다.

월별 자료의 계절성을 검토하여 계절성이 확인된 변수는 STL (Seasonal-Trend decomposition using Loess) 분해[12]를 이용하여 계절조정하였다. 변수의 정의와 자료 출처는 Table 1에 제시하였다.

Table 1.

Definitions and data sources of variables

Variable	Definition	Unit	Data source
$D_{i, t}$	Domestic demand for paper product (domestic sales + imports)	ton	Korea Paper Association; Korea Customs Service
$P P I_{i, t}$	Producer price index for paper product $i$	2020 = 100	Bank of Korea (ECOS)
$G D P_{t}$	Real gross domestic product	KRW billion	Bank of Korea (ECOS)
$P u l p_{t}$	Pulp import price index	2020 = 100	Bank of Korea (ECOS)
$O n l i n e_{t}$	Real online shopping transaction value of goods (excluding services, deflated by CPI for goods)	KRW million (2020 prices)	Ministry of Data and Statistics (MODS)
$R e t a i l_{t}$	Retail sales index	2020 = 100	Ministry of Data and Statistics (MODS)
$E_{t}$	KRW/USD exchange rate	KRW/USD	Bank of Korea (ECOS)

Note: Domestic demand $D$ is measured as the sum of domestic sales (Korea Paper Association) and imports (customs basis) for each paper product. PPI is paper-product-specific, whereas the remaining explanatory variables are common across paper products. $t$ denotes the monthly time period. Online shopping transactions exclude five service categories (travel and transportation, culture and leisure, e-coupons, food services, and other services) and are deflated by the consumer price index for goods (2020 = 100). Seasonally adjusted series are obtained by STL decomposition.

종이제품은 최종 용도에 따라 전체 종이제품, 정보·인쇄용지 및 포장용지로 구분하였다. 전체 표본의 구체적인 분류는 Table 2와 같다.

Table 2.

Classification of paper products for analysis

Category	Paper grades included	No. of grades
Total paper products	Newsprint, Printing paper, Packaging paper, White board, Containerboard, Tissue	6
Printing & information paper	Newsprint, Printing paper	2
Packaging paper	Packaging paper, White board, Containerboard	3

실증분석에서는 변수 간 관계를 탄력성으로 해석하기 위해 모든 변수를 자연로그로 변환하였다. 최종 패널자료는 6개 지종에 대한 77개월의 월별 자료로 구성되며, 그 결과 전체 관측치는 462개이다. 국내 종이제품 수요와 주요 설명변수의 분석기간 중 추이는 Fig. 1과 같다.

https://cdn.apub.kr/journalsite/sites/ktappi/2026-058-05/N0460580509/images/ktappi_2026_585_127_F1.jpg

Fig. 1.

Fig. 1. Trends in domestic demand for paper products and main explanatory variables (Jan 2020 = 100). Note: Seasonally adjusted series. Domestic demand is the sum of domestic sales and imports. The shaded area indicates the COVID-19 period (March 2020–April 2022).

2.2 분석모형

종이제품 국내수요는 가격 및 경제여건의 변화에 즉각적으로 반응하기도 하지만 일정한 시차를 두고 조정될 수 있다. 이러한 동태적 특성을 고려하여 본 연구에서는 장기관계와 단기 조정과정을 함께 추정할 수 있는 패널 ARDL (Autoregressive Distributed Lag) 모형을 적용하였다. 패널 ARDL 모형은 분석변수가 I(0)와 I(1)로 혼재된 경우에도 적용할 수 있다는 장점이 있다[11].

종이제품 국내수요의 장기관계는 다음과 같이 설정하였다.

(1)

\ln D_{i, t} = α_{i} + β_{1} \ln P P I_{i, t} + β_{2} \ln G D P_{t} + β_{3} \ln P u l p_{t} + β_{4} \ln {Online}_{t} + β_{5} \ln {Retail}_{t} + β_{6} \ln E_{t} + ϵ_{i, t}

여기서 $i$ 와 $t$ 는 각각 지종과 월별 시점을 나타내며, 𝛽₁부터 𝛽₆은 각 설명변수와 국내수요 간의 장기관계를 나타내는 계수이다.

장기관계와 단기 조정과정을 함께 추정하기 위해 식 (1)의 패널 ARDL 모형을 오차수정모형(Error-Correction Model) 형태로 식 (2)와 같이 나타낼 수 있다[11].

(2)

Δ \ln D_{i, t} = ϕ_{i} (\ln D_{i, t - 1} - α_{i} - β^{'} X_{i, t - 1}) + \sum_{j = 1}^{p - 1} λ_{i j} Δ \ln D_{i, t - j} + \sum_{j = 0}^{q - 1} γ_{i j}^{'} Δ X_{i, t - j_{i}} + ϵ_{i, t}

여기서 $X_{i, t}$ 는 $P P I, G D P, P u l p, O n l i n e, R e t a i l, E$ 로 구성된 설명변수 벡터이며, $p$ 와 $q$ 는 각각 종속변수와 설명변수의 시차를 나타낸다. $ϕ_{i}$ 는 오차수정계수로서 국내수요가 장기균형에서 이탈한 후 다시 균형으로 조정되는 정도를 나타낸다.

본 연구에서는 종속변수와 각 설명변수에 각각 1기의 시차를 적용한 ARDL(1,…,1)을 기본모형으로 설정하였다. 분석기간이 77개월이고 다수의 설명변수를 포함한다는 점을 고려하여 시차 확대에 따른 모수 증가를 제한하는 시차구조를 채택하였다. Stepanyan 등[13]은 비교적 짧은 패널의 시계열 차원을 고려하여 1기의 시차를 적용하였으며, Fang 등[14]은 ARDL(1,…,1)을 기본모형으로 설정한 후 대안적 시차구조를 통해 결과의 민감도를 검토하였다. 본 연구도 이를 참고하여 1시차를 기본 모형으로 설정하고 추가적인 시차 구조는 강건성 검정에서 확인하였다. 또한 월별 계절효과와 코로나19 기간의 영향을 통제한 모형을 추가로 추정하여 결과의 강건성을 검토하였다. 이에 따른 오차수정식은 식 (3)과 같다.

(3)

∆ \ln D_{i, t} = ϕ_{i} (\begin{array}{l} \ln D_{i, t - 1} - α_{i} - β_{1} \ln P P I_{i, t - 1} \\ - β_{2} \ln G D P_{t - 1} - β_{3} \ln P u l p_{t - 1} \\ - β_{4} \ln O n l i n e_{t - 1} - β_{5} \ln R e t a i l_{t - 1} \\ - β_{6} \ln E_{t - 1} \end{array}) + γ_{1 i} ∆ \ln P P I_{i, t} + γ_{2 i} ∆ \ln G D P_{t} + γ_{3 i} ∆ \ln P u l p_{t} + γ_{i} ∆ \ln O n l i n e_{t} + γ_{5 i} ∆ \ln R e t a i l_{t} + γ_{6 i} ∆ \ln E_{t} + ε_{i, t}

3. 결과 및 고찰

3.1 기초통계량 및 단위근 검정

주요 로그 변환 변수의 기초통계량은 Table 3과 같다.

Table 3.

Descriptive statistics of log-transformed variables

Variable	Observations	Mean	Standard deviation	Minimum	Maximum
$\ln D$	462	11.142	1.047	9.433	13.171
$\ln P P I$	462	4.703	0.084	4.529	4.897
$\ln G D P$	462	13.232	0.045	13.120	13.307
$\ln P u l p$	462	4.947	0.189	4.494	5.348
$\ln O n l i n e$	462	16.302	0.083	16.012	16.475
$\ln R e t a i l$	462	4.640	0.026	4.542	4.690
$\ln E$	462	7.164	0.087	7.001	7.300

패널 ARDL 모형의 추정에 앞서 각 변수의 정상성을 검정하였다. 검정결과는 Table 4에 제시하였다. 국내수요, 실질 온라인쇼핑 상품거래액, 소매판매액지수 및 환율은 수준변수에서 정상성이 확인되었으며, 생산자물가지수, 실질 GDP 및 펄프 수입물가지수는 1차 차분 후 정상적인 것으로 나타났다. 따라서 분석변수에는 I(0)와 I(1) 변수가 혼재되어 있으나 I(2) 변수는 확인되지 않아 패널 ARDL 모형을 적용하였다. PMG와 MG는 정상 및 단위근 과정을 갖는 설명변수를 포함하는 동태적 이질 패널을 대상으로 개발된 추정법이다[15].

Table 4.

Panel unit root test results

Variable	Test	Level		First-difference
Variable	Test	Statistic	p-value	Statistic	p-value
$\ln D$	LLC	-7.071***	0.000	-22.377***	0.000
$\ln P P I$	LLC	1.003	0.8422	-9.269***	0.000
$\ln G D P$	ADF	-2.523	0.3163	-5.844***	0.000
$\ln P u l p$	ADF	-2.583	0.2878	-4.894***	0.000
$\ln O n l i n e$	ADF	-3.441**	0.0461	-9.879***	0.000
$\ln R e t a i l$	ADF	-3.467**	0.0431	-10.162***	0.000
$\ln E$	ADF	-3.633**	0.0272	-6.171***	0.000

Notes: LLC and ADF tests are employed depending on whether the variable varies across paper products. $D$ and $P P I$ are paper-product-specific variables, whereas $G D P$ , $P u l p$ , $O n l i n e$ , $R e t a i l$ , and $E$ are common across paper products. ***, **, and * denote rejection of the null hypothesis of a unit root at the 1%, 5%, and 10% significance levels, respectively. ADF tests in levels include a constant and a linear trend with one lag; tests in first differences include a constant with one lag. LLC tests include a linear trend.

3.2 패널 ARDL-ECM 추정결과

일부 변수가 I(1) 과정으로 확인됨에 따라 변수 간 장기균형관계의 존재 여부를 검토하기 위해 Pedroni ADF, Kao ADF 및 Westerlund VR 공적분 검정을 실시하였다. 검정 결과, 변수 간 공적분 관계가 존재하는 것으로 나타났으며, 구체적인 결과는 Table 5에 제시하였다.

Table 5.

Panel cointegration test results

Test	Statistic	p-value
Pedroni ADF	-13.3729***	0.000
Kao ADF	-3.7833***	0.000
Westerlund VR	-2.0996**	0.0179

Note: ***, **, and * denote rejection of the null hypothesis of no cointegration at the 1%, 5%, and 10% significance levels, respectively.

패널 ARDL 모형은 PMG, MG 및 DFE 추정량으로 추정할 수 있으며, 본 연구에서는 Hausman 검정을 통해 PMG와 MG 중 적절한 추정량을 선택하였다(Table 6). 검정 결과, 정보·인쇄용지는 χ²(6) = 0.91, p = 0.989로 PMG를 선택한 반면, 전체 종이제품과 포장용지는 귀무가설이 기각되어 MG를 선택하였다. 이는 지종별로 국내수요의 장기 결정구조에 차이가 있음을 시사한다.

Table 6.

Hausman test results for PMG and MG estimators

Product group	χ²	Degrees of freedom	p-value	Selected estimator
Total paper products	14.71	6	0.023	MG
Printing & information paper	0.91	6	0.989	PMG
Packaging paper	63.78	6	0.000	MG

Note: The null hypothesis is that the differences in the long-run coefficients between the PMG and MG estimators are not systematic. Failure to reject the null hypothesis supports the PMG estimator, and rejection supports the MG estimator.

Table 7의 장기 추정결과에 따르면, 전체 종이제품의 국내수요는 실질 온라인쇼핑 상품거래액과 양(+)의 관계를, 생산자물가지수 및 원/달러 환율과는 음(-)의 관계를 보였다. 모든 변수가 자연로그로 변환되어 있으므로 각 계수는 장기탄력성으로 해석할 수 있다. 실질 온라인쇼핑 상품거래액이 1% 증가하면 국내수요는 약 0.622% 증가한 반면, 생산자물가지수와 원/달러 환율이 1% 상승하면 각각 약 0.266%와 0.153% 감소하였다. 펄프 수입물가지수의 계수는 0.056으로 작았으며, 소매판매액지수는 유의하지 않았다. 생산자물가지수의 계수가 절댓값 1보다 작아 종이제품 수요가 가격에 비탄력적인 것으로 나타났는데, 이는 종이제품이 주로 산업의 중간재로 사용되어 대체가 쉽지 않기 때문으로 볼 수 있다. 다만 해당 계수는 10% 수준에서만 유의하고 모형에 따라 유의성이 달라지므로 해석에 주의가 필요하다. 환율의 음(-)의 관계는 원화 약세에 따른 수입가격 상승과 제지업체의 수출 유인 증가로 국내 공급이 감소한 결과일 가능성이 있다.

Table 7.

PMG and MG estimation results of the panel ARDL-ECM

Variable	Total (MG)	Printing & information (PMG)	Packaging (MG)
Long-run estimates from Eq. (1)
$\ln P P I$	-0.266* (0.138)	-0.319 (0.421)	-0.263 (0.197)
$\ln G D P$	-1.738*** (0.452)	-2.593*** (0.815)	-2.288*** (0.469)
$\ln P u l p$	0.056* (0.031)	0.039 (0.059)	0.107*** (0.024)
$\ln O n l i n e$	0.622*** (0.198)	-0.045 (0.316)	1.028*** (0.066)
$\ln R e t a i l$	0.235 (0.344)	1.409*** (0.466)	-0.023 (0.034)
$\ln E$	-0.153** (0.068)	-0.352** (0.168)	-0.078 (0.058)
Short-run estimates from Eq. (3)
Error-correction term (ECT)	-0.859*** (0.082)	-0.562 (0.427)	-0.975*** (0.058)
𝛥 $\ln P P I$	-0.241 (0.488)	-1.430 (1.154)	0.262 (0.298)
𝛥 $\ln G D P$	0.014 (0.418)	0.845 (1.804)	-0.316
𝛥 $\ln G D P$	0.014 (0.418)	0.845 (1.804)	(0.411)
𝛥 $\ln P u l p$	0.218*** (0.049)	0.069 (0.058)	0.309*** (0.062)
𝛥 $\ln O n l i n e$	0.226* (0.124)	0.619*** (0.132)	0.016 (0.062)
𝛥 $\ln R e t a i l$	-0.481*** (0.177)	-0.771* (0.449)	-0.209* (0.120)
𝛥 $\ln E$	-0.180	0.112*** (0.004)	-0.423 (0.497)
𝛥 $\ln E$	(0.250)	0.112*** (0.004)	-0.423 (0.497)
Constant	22.995*** (5.834)	24.054 (18.095)	25.726*** (5.793)
Observations	456	152	228
Groups	6	2	3

Notes: ARDL denotes Autoregressive Distributed Lag, ECM denotes Error-Correction Model, PMG denotes Pooled Mean Group, MG denotes Mean Group, and ECT denotes the error-correction term. Estimators are selected by the Hausman test (Table 6): MG for total paper products and packaging paper, and PMG for printing and information paper. Standard errors are reported in parentheses. ***, **, and * denote statistical significance at the 1%, 5%, and 10% levels, respectively.

실질 GDP의 장기계수는 -1.738로 1% 수준에서 유의하여 일반적인 예상과 반대의 결과를 보였다. 분석기간 중 실질 GDP가 증가한 반면 주요 종이제품의 국내수요는 감소하였으므로, GDP 계수에는 디지털 대체 등에 따른 장기적인 수요 감소 추세가 반영되었을 가능성이 있다. 특히 정보·인쇄용지에서 GDP 계수가 -2.593으로 가장 크게 나타난 점도 이를 뒷받침한다.

정보·인쇄용지의 경우 실질 온라인쇼핑 상품거래액의 장기계수는 -0.045로 유의한 관계가 확인되지 않았다. 반면 소매판매액지수가 1% 증가하면 국내수요는 약 1.409% 증가하였고, 실질 GDP와 원/달러 환율이 1% 증가하면 각각 약 2.593%와 0.352% 감소하였다. 소매판매액지수의 양(+)의 관계는 전단·카탈로그 등 상업용 인쇄물 수요가 소매활동과 함께 움직이기 때문일 수 있으며, 환율의 음(-)의 관계는 원화 약세 시 국내 판매가 수출로 전환된 결과일 가능성이 있다. 생산자물가지수와 펄프 수입물가지수는 유의하지 않았다. 다만 정보·인쇄용지는 오차수정계수가 유의하지 않으므로 장기계수의 해석에는 주의가 필요하다.

포장용지에서는 온라인 거래와의 관계가 가장 뚜렷하였다. 다른 조건이 일정할 때 실질 온라인쇼핑 상품거래액이 1% 증가하면 포장용지 국내수요는 장기적으로 약 1.028% 증가하였으며, 이는 전체 종이제품보다 크고 유의하지 않은 정보·인쇄용지와는 대조적이다. 이러한 결과는 온라인 거래가 배송·포장을 통해 포장용지 수요와 연결된다는 예상과 부합하며, 전체 종이제품의 양(+)의 관계 역시 주로 포장용지에서 비롯된 것으로 볼 수 있다. 펄프 수입물가지수는 0.107로 양(+)의 계수를, 실질 GDP는 -2.288로 음(-)의 계수를 보였으며, 나머지 변수는 유의하지 않았다.

펄프 수입물가지수는 전체 종이제품과 포장용지에서 장·단기 모두 양(+)의 계수를 보였다. 이는 원재료 가격 상승 시 수요가 감소할 것이라는 예상과 다르지만, 종이제품 가격을 이미 통제하고 있다는 점에서 원가 상승의 직접적인 가격효과로 보기 어렵다. 국제 펄프가격이 세계 종이·포장재 수요와 함께 상승했거나 가격 인상을 예상한 선구매가 반영되었을 가능성이 있다.

오차수정계수(ECT)는 전체 종이제품에서 -0.859, 포장용지에서 -0.975로 모두 유의하였다. 이는 장기균형에서 발생한 불균형의 각각 약 85.9%와 97.5%가 다음 달에 조정됨을 의미하며, 특히 포장용지가 장기균형으로 더 빠르게 복귀함을 보여준다. 반면 정보·인쇄용지의 ECT(-0.562)는 유의하지 않아 안정적인 장기 조정과정이 나타나지 않았다.

단기 추정결과를 보면, 전체 종이제품에서는 펄프 수입물가지수(0.218)와 실질 온라인쇼핑 상품거래액(0.226)이 양(+)의 계수를, 소매판매액지수(-0.481)가 음(-)의 계수를 보였다. 온라인쇼핑의 단기탄력성(0.226)이 장기탄력성(0.622)보다 작다는 점은 온라인 거래의 영향이 즉시 나타나기보다 시간을 두고 반영됨을 의미한다.

정보·인쇄용지에서는 실질 온라인쇼핑 상품거래액의 단기계수가 0.619로 유의하였고, 소매판매액지수는 -0.771로 나타났다. 원/달러 환율의 단기계수는 0.112로 유의하였다. 포장용지에서는 펄프 수입물가지수가 0.309로 양(+)의 유의한 계수를 보였고, 소매판매액지수는 -0.209로 나타났으며 온라인쇼핑 거래액을 포함한 나머지 변수는 유의하지 않았다.

온라인쇼핑의 단기계수는 정보·인쇄용지에서는 유의하게 나타난 반면, 포장용지에서는 유의하지 않았다. 반대로 장기계수는 정보·인쇄용지에서는 유의하지 않았으나 포장용지에서는 유의하게 나타났다. 따라서 온라인쇼핑이 두 용지군의 수요에 미치는 영향을 동일한 기간을 기준으로 직접 비교하기는 어렵다.

소매판매액지수는 세 집단 모두에서 단기적으로 음(-)의 계수를 보였다. 이는 소매활동이 증가하더라도 전단지, 카탈로그, 영수증 등 종이 기반 매체가 온라인 광고, 전자영수증 등 디지털 방식으로 대체되면서 종이 수요가 함께 증가하지 않았기 때문일 수 있다.

3.3 강건성 검정

Table 8의 강건성 검정 결과, 시차구조 변경, 월별 계절효과 통제 및 코로나19 더미 포함 등 모형의 설정을 달리하더라도 오차수정계수는 일관되게 음(-)의 유의한 값을 보여 장기균형으로의 조정관계가 안정적으로 유지되었다. 또한 실질 온라인쇼핑 상품거래액의 양(+)의 장기효과는 시차구조와 계절효과 및 코로나19 기간을 통제한 경우에도 유지되어 기본모형의 주요 결과가 특정 모형 설정에 의해 나타난 것은 아닌 것으로 확인되었다.

Table 8.

Robustness checks for total paper products (MG estimator)

Variable	(1) Nominal total online	(2) Alternative lag	(3) Month effects	(4) COVID-19 dummy	(5) Excluding GDP
Long-run estimates from Eq. (1)
$\ln P P I$	-0.284 (0.252)	-0.302** (0.138)	-0.175 (0.109)	-0.120 (0.149)	-0.531** (0.266)
$\ln G D P$	0.113 (0.646)	-1.555*** (0.601)	-2.219*** (0.491)	-1.312*** (0.445)
$\ln P u l p$	0.019 (0.027)	0.059 (0.036)	0.082** (0.036)	0.074** (0.032)	0.018 (0.033)
$\ln O n l i n e$	-0.128 (0.180)	0.534** (0.271)	0.817*** (0.238)	0.424** (0.202)	-0.003 (0.187)
$\ln R e t a i l$	0.417 (0.303)	0.251 (0.295)	0.166 (0.367)	0.132 (0.391)	0.225 (0.281)
$\ln E$	-0.220*** (0.069)	-0.154* (0.083)	-0.156* (0.081)	-0.146** (0.067)	-0.313*** (0.069)
Short-run estimates from Eq. (3)
Error-correction term (ECT)	-0.892*** (0.082)	-0.963*** (0.097)	-0.821*** (0.082)	-0.876*** (0.083)	-0.836*** (0.076)
𝛥 $\ln D_{t - 1}$		0.103*** (0.036)
𝛥 $\ln P P I$	-0.212 (0.559)	-0.237 (0.486)	-0.472 (0.544)	-0.309 (0.535)	-0.142 (0.466)
𝛥 $\ln G D P$	-1.183* (0.656)	-0.230 (0.435)	0.397 (0.402)	0.096 (0.438)
𝛥 $\ln P u l p$	0.207*** (0.066)	0.221*** (0.055)	0.293*** (0.054)	0.200*** (0.048)	0.213*** (0.045)
𝛥 $\ln O n l i n e$	0.410*** (0.123)	0.236 (0.174)	0.274** (0.136)	0.327** (0.135)	0.424*** (0.123)
𝛥 $\ln R e t a i l$	-0.295 (0.229)	-0.521** (0.218)	-0.512*** (0.196)	-0.444** (0.188)	-0.235 (0.191)
𝛥 $\ln E$	-0.246 (0.282)	-0.169 (0.298)	-0.205 (0.192)	-0.106 (0.267)	-0.101 (0.234)
COVID-19				0.037** (0.016)
Constant	11.252* (6.448)	25.380*** (7.144)	24.409*** (5.860)	21.036*** (5.654)	12.855*** (3.233)
Month effects	No	No	Yes	No	No
Observations	456	450	456	456	456
Groups	6	6	6	6	6

Notes: Standard errors in parentheses. All specifications are estimated by the MG estimator. “Online” is nominal total online shopping transactions in column (1) and real online shopping transactions of goods in columns (2)–(5). The COVID-19 dummy equals one from March 2020 to April 2022. ***, **, and * denote significance at the 1%, 5%, and 10% levels.

다만 온라인쇼핑 변수를 명목 전체 거래액으로 대체하거나 실질 GDP를 제외한 경우에는 장기계수의 유의성이 사라졌다. 이는 온라인 거래와 종이제품 수요의 장기관계가 온라인 거래액의 단순한 증가 자체보다는 서비스 거래와 물가효과를 제외한 실질 상품거래의 확대, 그리고 경제 규모를 통제한 조건에서 나타나는 관계임을 보여준다. 반면 온라인쇼핑의 단기계수는 여러 대안 모형에서 양(+)의 관계가 유지되었다. 따라서 기본모형의 동태적 조정관계와 일부 주요 결과는 대체로 강건하지만, 온라인쇼핑의 장기효과는 변수의 측정방식과 GDP 통제 여부에 따라 달라질 수 있으므로 조건부 관계로 해석할 필요가 있다. 또한 생산자물가지수의 장기계수는 모형에 따라 유의성이 달라지므로 생산자물가지수 탄력성의 크기는 신중하게 해석할 필요가 있다.

4. 결 론

본 연구는 2020년 1월부터 2026년 5월까지 6개 종이제품의 월별 자료를 이용하여 국내 종이제품 수요의 장·단기 결정요인을 분석하고, 이러한 관계가 최종 용도에 따라 어떻게 달라지는지를 살펴보았다. 국내수요는 지종별 국내판매량과 수입량의 합으로 측정하였고, 온라인 거래는 실물 배송과의 관련성을 높이기 위해 서비스 거래를 제외한 실질 상품 거래액으로 측정하였다. 분석에는 패널 ARDL-ECM 모형을 이용하였으며, Hausman 검정 결과에 따라 PMG 또는 MG 추정량을 적용하였다.

분석결과는 다음과 같다. 첫째, 전체 종이제품에서 실질 온라인 상품거래액은 장기적으로 국내수요와 유의한 양(+)의 관계를, 생산자물가지수와 원/달러 환율은 음(-)의 관계를 나타냈으며, 유의한 오차수정계수를 통해 장기균형으로의 빠른 조정과정이 확인되었다. 둘째, 실질 온라인 상품거래액의 장기 양(+)의 관계는 포장용지에서 가장 크게 나타났으나, 정보·인쇄용지와는 장기관계가 확인되지 않았다. 이는 온라인 거래의 확대가 배송·포장 과정을 통해 포장용지 수요와 연결된다는 예상과 부합한다. 셋째, 단기적으로 온라인 거래는 정보·인쇄용지 수요와 유의한 양(+)의 관계를 보였으나, 이는 장기관계를 수반하지 않는 단기적 동조성으로 해석된다. 넷째, 포장용지는 전체 종이제품보다 빠른 장기균형 조정속도를 보인 반면, 정보·인쇄용지는 안정적인 장기 조정과정이 확인되지 않았다. 온라인 거래와 관련된 이러한 결과는 시차 구조, 월별 계절효과 및 코로나19 기간을 통제한 경우에도 대체로 유지되었다.

이상의 결과는 국내 종이제품 수요를 하나의 동일한 구조로 보기보다 장기와 단기, 그리고 최종 용도에 따라 구분하여 분석할 필요가 있음을 보여준다. 또한 온라인 거래가 종이 수요에 미치는 영향을 분석할 때에는 거래의 구성(상품과 서비스)과 실질 규모를 구분하여 측정하는 것이 중요하다. 명목 전체 거래액을 이용할 경우 서비스 거래 확대와 물가 상승의 영향이 함께 반영되어 온라인 거래와 포장용지 수요의 관계가 왜곡될 수 있다.

본 연구는 다음과 같은 한계를 가진다. 첫째, 온라인 거래를 금액 기준으로 측정하여 택배 건수나 배송 물량, 포장 집약도의 변화를 직접 반영하지 못하였다. 둘째, 실질 온라인 상품거래액과 실질 GDP의 상관관계가 높아 온라인 거래의 장기 효과는 경제규모를 통제한 조건부 관계로 해석해야 한다. 셋째, 분석기간이 2020년 이후로 제한되고 코로나19 기간을 포함하며, 제품군별 횡단면 수가 적고, 가격과 수요 간의 내생성을 충분히 통제하지 못하였다. 향후 택배 물동량 등 물량 기준 자료와 보다 장기간의 자료를 이용하여 이를 보완할 필요가 있다.

References

Buongiorno, J. (1978). Income and price elasticities in the world demand for paper and paperboard. Forest Science, 24(2), 231-246.

10.1093/forestscience/24.2.231

Baudin, A., & Lundberg, L. (1987). A world model of the demand for paper and paperboard. Forest Science, 33(1), 185-196.

10.1093/forestscience/33.1.185

Chas-Amil, M. L., & Buongiorno, J. (2000). The demand for paper and paperboard: Econometric models for the European Union. Applied Economics, 32(8), 987-999.

10.1080/000368400322048

McCarthy, P., & Lei, L. (2010). Regional demands for pulp and paper products. Journal of Forest Economics, 16(2), 127-144.

10.1016/j.jfe.2009.11.001

Bolkesjø, T. F., Obersteiner, M., & Solberg, B. (2003). Information technology and the newsprint demand in Western Europe: A Bayesian approach. Canadian Journal of Forest Research, 33(9), 1644-1652.

10.1139/x03-083

Hujala, M. (2011). The role of information and communication technologies in paper consumption. International Journal of Business Information Systems, 7(2), 121-135.

10.1504/IJBIS.2011.038507

Kim, S. W., & Yoon, B. S. (2016). The effect of the increase of internet and smartphone penetration on paper consumption in Korea. Journal of Korea TAPPI, 48(5), 98-103.

10.7584/jktappi.2016.10.48.5.98

Kim, S. W., & Yoon, B. S. (2017). Effects of internet diffusion on paper consumption in major countries. Journal of Korea TAPPI, 49(3), 28-34.

10.7584/JKTAPPI.2017.06.49.3.28

Kim, S. N., & Goo, Y. W. (2022). Changes in trade structure of paper industry in Korea: Focused on changes in intra-industry trade. Journal of Korea TAPPI, 54(4), 103-111.

10.7584/JKTAPPI.2022.08.54.4.103

Kim, S. N., & Goo, Y. (2024). Determinants of pulp producer prices in Korea: Focused on exchange rate and import prices. Journal of Korea TAPPI, 56(1), 3-10.

10.7584/JKTAPPI.2024.2.56.1.3

Pesaran, M. H., Shin, Y., & Smith, R. P. (1999). Pooled mean group estimation of dynamic heterogeneous panels. Journal of the American Statistical Association, 94(446), 621-634.

10.1080/01621459.1999.10474156

Cleveland, R. B., Cleveland, W. S., McRae, J. E., & Terpenning, I. (1990). STL: A seasonal-trend decomposition procedure based on loess. Journal of Official Statistics, 6(1), 3-73.

Stepanyan, V., Poghosyan, T., & Bibolov, A. (2010). House price determinants in selected countries of the former Soviet Union (IMF Working Paper No. 10/104). International Monetary Fund.

10.5089/9781455200634.001

Huang, H. C., Fang, W., Miller, S. M., & Yeh, C. C. (2015). The effect of growth volatility on income inequality. Economic Modelling, 45, 212-222.

10.1016/j.econmod.2014.11.020

Pesaran, M. H., & Smith, R. (1995). Estimating long-run relationships from dynamic heterogeneous panels. Journal of Econometrics, 68(1), 79-113.

10.1016/0304-4076(94)01644-F

Journal of Korea TAPPI ISSN:0253-3200(Print) 펄프종이기술

Preview

Determinants of Domestic Demand for Paper Products: A Panel Error Correction Model Approach

ABSTRACT

MAIN

Table 1.

Definitions and data sources of variables

Table 2.

Classification of paper products for analysis

Fig. 1.

Fig. 1. Trends in domestic demand for paper products and main explanatory variables (Jan 2020 = 100). Note: Seasonally adjusted series. Domestic demand is the sum of domestic sales and imports. The shaded area indicates the COVID-19 period (March 2020–April 2022).

(1)

(2)

(3)

Table 3.

Descriptive statistics of log-transformed variables

Table 4.

Panel unit root test results

Table 5.

Panel cointegration test results

Table 6.

Hausman test results for PMG and MG estimators

Table 7.

PMG and MG estimation results of the panel ARDL-ECM

Table 8.

Robustness checks for total paper products (MG estimator)

References