본 연구는 1970 ~ 2000년 기간 세계 148개국으로 구성된 패널자료를 이용해 세계 식량생산함수를 추정하였다. 생산함수의 결정요인으로는 노동, 물적자본, 인적자본 및 경작면적 등 경제적 생산요소뿐만 아니라 강수량과 기온 등 기후적인 요인까지 포함하였다. 또한 권역 간의 차이를 명확하게 확인하기 위해 권역더미변수를 고려해 권역 간 설명변수별 추정계수에 대한 동일성 검정을 실시하였다. 실증분석 결과, 다음과 같은 시사점을 얻을 수 있었다. 첫째, 설명변수 중 노동, 물적자본 및 인적자본 등 경제적 요인들의추정계수가 유의하고 그 부호도 경제이론과 일치하는 것으로나타나 분석의 타당성을 확인할 수 있었다. 둘째, 생산요소 중경작면적의 탄력성이 가장 크게 나타나는데, 이는 식량생산이기본적으로 토지를 기반으로 한다는 점에서 당연히 예상할 수있는 결과라 하겠다. 이를 통해 식량생산의 증가를 위해 경작면적의 확대가 긴요함을 확인할 수 있다. 이는 또한 기후온난화와 더불어 사막화로 인한 경작면적의 감소가 장기적으로 식량위기의 원인으로 대두될 수 있으며 이에 대비하기 위해 관개시설 및 간척 등을 통해 장기적으로 경작면적을 확보해 나가야 할 당위성을 입증한다 하겠다. 셋째, 각 설명변수가 식량생산에 미치는 영향은 권역별로 상당한 차이를 나타내었다. 특히, 식량생산에서 규모에 대한 수익은 경제발전이 심화된 [북미 및 유럽]에서는 감소하는 반면, 대부분의 국가가 개발도상에 있는 [남·동아시아 및 오세아니아]와 [중앙·서아시아 및 북아프리카]에서는 증가하는 것으로 나타났다. 권역별 특성을 나타내는 이와 같은 분석결과는 세계적인 식량위기의 원인을 찾고 그 해결방안을 모색하는 과정에서 상당한 중요성을 갖는다. 식량위기가 전 세계적인 현상으로 동시적으로 발생하는 경우에도, 생산요소의 탄력성이 권역별로 상이한 만큼 식량위기의 발생 원인도 권역별로 다를 수 있다는 것이다. 이에 따라식량위기의 해결방안 역시 권역의 특성에 따라 상이하게 적용되어야 할 것이며, 이는 식량위기에 대처하려는 국제기구와 각국의 정부가 반드시 고려해야 할 사항인 것으로 판단된다. 한편 식량생산의 규모수익이 개도국에서 크게 나타난다는 분석결과는 노동, 물적자본 및 인적자본과 경작면적 등 생산요소를 일정비율로 확충할 때에 식량생산은 그 비율 이상으로 크게 증가한다는 의미를 갖는다. 이는 식량생산 확대를 위한 국제적 협력의 과정에서 권역별 우선순위에 대한 정보를 제공하게 된다. 넷째, 강수량의 추정계수는 [사하라이남 아프리카]에서는 유의하게 나타났으며, 관개수로 확대, 저수지 확보 등을통한 물관리가 이 권역의 식량생산을 증가시키는 데에 상당한역할을 할 수 있음을 보여준다. 다른 권역에서는 강수량의 추정계수가 유의하지 않은 것으로 나타났는데, 이는 [사하라이남아프리카]를 제외한 대부분의 권역에는 이미 관개수로가 어느정도 발달해 있기 때문에 강수량의 변화가 식량생산에 미치는영향이 비교적 작기 때문인 것으로 풀이된다. 다섯째, 기온이생산에 미치는 영향은 권역별로 차이를 보였다. [남미 및 캐리비안], [사하라이남 아프리카]와 [남·동아시아 및 오세아니아]에서 유의하였으며, [북미 및 유럽]과 [중앙·서아시아 및북아프리카]에서는 유의하지 않았다. 특히 [남미 및 캐리비안],[사하라이남 아프리카]와 [남·동아시아 및 오세아니아]의 경우 추정계수 부호가 반대로 나타났는데, 이는 후자의 권역에서는 이미 관개수로가 어느 정도 정비되어 있어 기온이 높아지더라도 2기작 혹은 3기작을 통하여 쌀의 생산을 늘릴 수 있음을 반영하는 것으로 볼 수 있다. 이는 기온의 변화가 농업생산에 미치는 영향의 다양성을 보여주는 좋은 예라고 할 수있다. 즉, 각 권역의 식량생산은 재배작물의 재배방식과 관개시설 등 여러 가지 요인에 의하여 종합적으로 영향을 받기 때문에 기온변화의 영향만을 분리하여 식별하기가 쉽지 않다는것이다. 기존 문헌에 대한 본 연구의 기여는 다음과 같다. 첫째, Lee et al. (2012)에서 보이는 바와 같이 식량위기가 전 세계적인 규모로 발생할 수 있다는 점에 유의하여, 148개국을 망라하는 패널자료를 이용하여 관련문헌에서는 처음으로 세계적규모의 식량생산함수를 추정하였다. 둘째, 식량생산에 절대적영향을 미치는 기후적 요인을 고려하기 위해 강수량과 기온을 설명변수로 추가하여 식량생산함수를 추정하였다. 셋째, 기후및 생산되는 식량 등의 특성에 따라 대상국가들을 5개 권역으로 분류하여 권역별로 식량생산함수를 추정하였다. 본 연구의 한계점으로는 다음을 들 수 있다. 첫째, 기후요인 및 식량생산의 특성을 고려해 대상국가들을 권역으로 구분하여 분석하였으나, 주요 식량을 좀 더 세분하여 고려하지는 못하였다. 식량의 종류에 따라 요구되는 생산요소와 적합한 기후조건이 많이 다를 수 있으므로, 이를 더 세분하여 분석함으로써 더 유의한 분석결과를 얻을 수 있을 것으로 기대된다. 둘째, 본 연구에서는 식량생산과 설명변수들과의 관계를 선형함수로 상정하였으나, 이를 비선형함수로 확대한다면 기후변수 및 생산요소들이 식량생산에 미치는 영향을 더 다양하게파악할 수 있을 것이다. 셋째, 전 세계적으로 식량생산함수를추정하고자 하였으나 자료획득의 어려움으로 인해 일부 국가가 빠졌으며 불균형 패널자료를 사용할 수밖에 없었다. 특히 강수량 및 기온의 국가별 시계열 자료가 제한적이었던 점이 큰 영향을 미쳤으며, 따라서 본 연구의 분석기간도 1970 ~ 2000년으로 축소되었다. 향후 더 많은 국가로부터 더 장기간의 시계열 자료를 확보함으로써 더 흥미로운 연구결과를 얻을수 있을 것으로 생각된다. 위와 같은 한계점들을 보완함으로써 향후의 후속연구를 통해 관련연구의 지평을 더 넓힐 수 있기를 기대한다.

This paper examines how macroeconomic variables, such as interest rate differences, inflation, exchange rates, economic growth and external debt growth, affect capital flight in the ASEAN-8 countries. We apply a panel data model with fixed effect estimation for the data for eight countries from the period 1994 to 2018. We use the residual approach used by the World Bank to measure the value of capital flight. The results show that the interest rate differences, exchange rates, economic growth and foreign debt growth had a positive and significant effect on outward capital flight. A further implication of this finding is that the interest rate differences, exchange rate, economic growth and foreign debt growth are factors that trigger an increase in capital outflow in the ASEAN-8 countries. Nonetheless, inflation rate is not considered to be the main factor influencing capital flight, as average inflation in the ASEAN-8 countries remains relatively stable. This paper will be beneficial for policymakers in the ASEAN-8 countries and encourage them to constantly pay attention to these four variables, as they significantly influence capital flight, whereas they can disregard the impact of the inflation variable that is not significant in influencing capital flight.

This paper examines how human capital and other economic variables, such as private investment, economic growth, government investment, inflation, and unemployment influence inequality in Indonesia’s provinces. We apply panel data model with fixed effect estimation for the data of 34 provinces from the period 2013 to 2019. We develop a new index for human capital using the education index approach. The results show that human capital has a negative and significant effect on income inequality. An increase in human capital is related to an increase in knowledge and competence due to the longer average school year and expectations of the school year. Human capital has increased the possibility of a person being accepted into the job market and earning a higher income; hence, it lowers income inequality. We also find that inflation leads to a higher gap of income distribution. A further implication of this situation is that the rise in inflation causes an increase in low-income people, and as a consequence, makes their lives worse off. This paper will be beneficial for policy-makers for whom human capital, which is measured using an education index, is an important factor that significantly affects income inequality, in addition to other economic factors.