거시경제학

큰숲백과, 나무를 보지 말고 큰 숲을 보라.

거시경제학은 국가 및 세계 전체의 관점에서 경제를 분석하는 경제학 분야이다.

보통 케인스학파의 시조인 존 메이너드 케인스가 본격적인 거시경제학의 아버지로 여겨진다.

미시경제학과의 차이[편집 | 원본 편집]

미시경제학은 태초부터 상황을 분석한 다음 그럴싸한 말을 붙여 설명하고 싶어 하는데 반해
거시경제학은 눈에 보이는 물가나 경제성장률(눈에 보이는 수치) or 심리적으로 추정되는 다른 곳에서 원인을 찾아 분석한다고 할 수도 있지만, 엄밀하게는 개별 경제 주체(소비를 하는 당신이든, 물건을 만드는 기업이든, 세금을 걷고 시장에 간섭하는 정부이든)에 대해 신경을 쓰는지, 그렇지 않는지에 따라 갈린다.

우리가 뉴스에서 보는 대부분의 경제 어쩌구는 이 문서에서 설명하는 거시경제학이다.그냥 수치랑 통계 가지고 분석하는 경제학을 말하는 건데 의도치 않게 존나 어려워보이는 이름이다. 수치와 통계만이 거시경제학이라고 생각하는 건 엄밀하게는 아니다. 경제 분야에서 수학과 통계학적 지식을 본격적으로 활용하여 분석하는 건 보통 계량경제학의 영역이고, 거시경제학 자체는 정밀한 수치를 다루기보다는 경향에 대해 분석한다.

다만 미시경제학이 19세기 신고전파 발흥 때부터 정립된 것과 달리 20세기 들어서 정립된 거시경제학의 역사가 상대적으로 짧은 편이고, 1960년대 들어서야 거시적인 경제 척도가 통계 자료로 집계되다 시작해서 아직 거시경제학에 관한 논란이 꽤 남았다. 가령 솔로우-스완 모형이 완벽하지 않아서 내생성장이론 같은 대안이 제시되거나, 필립스 곡선으로는 스태그플레이션 설명이 안 된다거나, 불황기에 인플레이션과 채권 시장 중 무엇을 먼저 살려야 하는지에 관한 논쟁 등이 있다.

가령 1970년대 후반 베트남 전쟁 패전 + 석유 파동으로 찾아온 미국의 인플레이션에 물가 안정이냐 상승 용인이냐에 관해 미국의 중앙은행 격의 기구인 연방준비제도 내에서 논쟁이 있었다. 이에 미국 연방준비제도 의장 폴 볼커가 채권시장 안정화를 통한 기업 및 고용 안정성 살리기를 선택하는 대신 인플레이션 제압을 택하면서 20% 수준까지 무지막지하게 기준 금리를 끌어올려 채무 관계가 있던 부실 기업들을 모조리 도산시키고 물가 상승을 억제하였다. 그렇게 미화의 가치를 지켜낸 볼커를 인플레이션 파이터라는 별명을 붙이며 냉전이 끝난 1990년대 들어 미국에서 칭송한 일이 있었는데, 이 사건으로 적어도 불황기에는 케인스주의보다 통화주의가 낫다는 인식이 퍼지기 시작했다.

사실 대중적으로 쓰이는 물가의 개념과 경제학의 물가 개념이 미묘하게 다르다. 그래서 뉴스에서 나오는 물가와 실제 국민들의 생활수준에 괴리가 발생할 수 있다.

미시경제학과의 관점 차이 예시[편집 | 원본 편집]

이명박 대통령 때 햄스터의 구입이 늘었다.

  • 이명박 때 경제성장률(수치)이 떨어졌다. 경제성장률의 하락과 반비례해서 반려동물인 햄스터의 구입량이 늘었다. 반려동물의 구입과 경제성장률은 상관관계가 존재한다. (이론화)[1]

-> 거시경제학

  • 이명박이 대통령이 되었는데 햄스터 숭배론자들이 가 햄스터의 자리를 빼앗고 반려동물로 부상할 것을 우려해
    햄스터 판촉 운동을 벌여 햄스터 구입량이 늘었다. 햄스터 구입의 증가는 단순한 사회현상이다. (사회현상으로 치부)

-> 미시경제학

이렇게 개별 경제 주체를 고려하지 않고 사회 전체의 경제 규모에 대해 논의하는 것이 거시경제학이다. 따라서 거시경제학에서의 수요와 공급은 총수요, 총공급이라고 하여 모든 종류의 상품이 거래되는 전체 시장 체계 자체의 확대, 축소에 대해서 다룬다.

중요 개념[편집 | 원본 편집]

총수요, 총공급[편집 | 원본 편집]

성장의 척도[편집 | 원본 편집]

소비, 투자, 저축, 순수출[편집 | 원본 편집]

생산함수와 경제 성장 모형[편집 | 원본 편집]

통화량과 인플레이션, 디플레이션, 스태그플레이션[편집 | 원본 편집]

고용과 실업[편집 | 원본 편집]

이자와 인플레이션[편집 | 원본 편집]

환율과 외환시장[편집 | 원본 편집]

각주

  1. 예시로 든 것은 단순히 우연한 상관관계일 수도 있겠지만 그건 잠시 제쳐두자. 중요한 것은 거시적 데이터에 대한 이론적 분석을 내놓는 것이다