연장된 체류일수가 여행 지출에 미치는 인과 효과: 핀란드 방문객 조사 기반 CSI‑베이지안 분석

본 논문은 관광 분야에서 체류일수가 총 지출에 미치는 인과 관계를 정량적으로 규명하고자, 핀란드 외국인 방문객 설문 데이터를 활용한 실증 분석을 수행한다. 연구는 크게 네 부분으로 구성된다. 첫째, 서론에서는 관광이 전 세계 GDP의 약 10 %를 차지하고 있음을 강조하며, 체류일수가 지출에 미치는 비선형·포화 효과에 대한 기존 문헌을 검토한다. 특히 개인 여행과 업무 여행이 의사결정 구조와 제약 조건에서 차이를 보이므로, 동일한 인과 모델을 적용하기 어렵다는 점을 지적한다. 둘째, 이론적 배경으로 ‘컨텍스트‑특정 인과 모델(CSI)’과 라벨링된 DAG(LDA G)를 소개한다. CSI는 특정 상황(여기서는 여행 목적)에서 일부 인과 경로가 사라지는 정보를 활용해, 전통적인 do‑계산법으로는 식별되지 않는 효과를 식별 가능하게 만든다. 논문은 Figure 1을 통해 M=1(업무 여행)과 M=0(개인 여행)에서 각각 다른 식별 함수식이 도출되는 과정을 상세히 설명한다. 셋째, 데이터와 가정 부분에서는 Visit Finland가 제공한 국제 방문객 설문을 상세히 기술한다. 원본 데이터는 17 297건이며, 결측값 보간, 변수 재코딩(성별, 여행 목적, 숙소 유형 등), 1‑15 밤 제한, 지출>0 필터링을 거쳐 최종 분석 샘플은 개인 여행 6 894건, 업무 여행 3 267건이다. 설문은 표본 가중치를 포함하고 있어, 추정값을 국가 전체 수준으로 확대할 수 있다. 또한, 소득 변수는 누락돼 있어 민감도 분석의 대상이 된다. 넷째, 방법론에서는 두 단계의 접근을 채택한다. (1) 인과 식별 단계에서는 CSI와 LDA G를 이용해 P(Y | do(X)) 를 식별하고, 컨텍스트별 식별 함수를 도출한다. (2) 추정 단계에서는 계층적 베이지안 회귀 모델을 구축한다. 로그‑정규 형태의 지출 종속변수와 체류일수(선형·다항식·스플라인) 및 여러 공변량을 포함시켜, 컨텍스트별 평균 효과와 변동성을 동시에 추정한다. 사전분포는 비정보적 정규와 Half‑Cauchy를 사용했으며, Stan을 통한 MCMC 샘플링으로 사후 분포를 얻었다. 추정 결과는 하룻밤 연장이 평균 지출을 5 %~8 % 상승시킨다는 점을 보여준다. 개인 여행에서는 초기 1‑3 밤 구간에서 효과가 가장 크고, 7밤 이후 포화 현상이 나타난다. 업무 여행에서는 전반적으로 완만한 상승세를 보이며, 4‑6 밤 구간에서 급격히 증가한다. 이러한 차이는 업무 여행이 기업 비용 지원을 받는 경우가 많아 추가 체류가 직접적인 지출 증가로 이어지는 메커니즘을 반영한다. 마지막으로, 소득이라는 미측정 교란에 대한 베이지안 민감도 분석을 수행한다. Cinelli & Hazlett(2020)의 프레임워크를 적용해, 소득이 체류일수와 지출에 각각 0.3, 0.5의 표준화 회귀계수를 가진다고 가정한다. 이때 추정된 인과 효과는 최대 15 %까지 변동할 수 있지만, 주요 결론(연장된 체류가 지출을 증가시킨다)은 여전히 견고하다. 논의에서는 데이터의 선택 편향, 비용 보전 여부에 따른 실제 지출 과소평가, 비선형 효과 모델링의 주관성, 누락된 교란 변수(예: 여행 동반자 수, 예산 제약) 등을 제한점으로 제시한다. 향후 연구는 다국가 패널 데이터, 구조방정식 모델, 그리고 교차‑컨텍스트 비교를 통해 일반화 가능성을 검증할 것을 제안한다.