캄보디아 토지 양허가 삼림 벌채에 미치는 영향 분석

본 논문은 캄보디아에서 시행된 대규모 토지 양허가 삼림 벌채에 미치는 인과 효과를 정량적으로 평가하기 위해, 기존 차분‑차분(DID) 모델의 한계를 보완한 시공간 이중 머신러닝 프레임워크를 제안한다. 서론에서는 공간 의존성이 존재하는 관측 데이터에서 인과 추론이 어려운 이유와, 최근 제안된 공간 DML(예: Wiecha et al., 2025)의 개념을 소개한다. 이어서 DID 모델이 인접 지역 간의 간섭(interference)과 장거리 공간 상관성을 충분히 반영하지 못한다는 점을 지적하고, 이를 해결하기 위해 두 단계의 DML 절차를 시공간 차원으로 확장한다. 첫 단계에서는 베이지안 가법 회귀 트리(BART)를 이용해 사전(Y₀)과 사후(Y₁) 결과 변수, 그리고 처리 변수(D)를 각각 예측한다. 여기서 좌표(sᵢ)를 직접 피처로 사용하거나, Chen et al. (2024)의 공간 임베딩 레이어를 통해 좌표를 고차원 기저함수로 변환하여 복잡한 공간 패턴을 포착한다. 교차 검증(K‑fold) 방식을 적용해 훈련·검증 데이터를 분리하고, 각 폴드마다 BART 모델을 학습·예측한다. 두 번째 단계에서는 예측값을 빼서 얻은 잔차(RY₀, RY₁, RD)를 사용해 시공간 차분 회귀식 RYᵢₜ = β + δₜ + α·RDᵢ + γ·t·RDᵢ + εᵢₜ을 추정함으로써 처리 효과 γ를 도출한다. 이 식은 시간(t)과 처리 효과의 상호작용을 명시적으로 포함하여, 처리 효과가 시간에 따라 변할 수 있음을 반영한다. 방법론 검증을 위해 저자들은 대규모 시뮬레이션을 수행한다. 시뮬레이션에서는 공간 상관성이 강하고, 비관측 교란이 처리와 결과 모두에 영향을 미치는 상황을 설정하였다. BART 기반 DSR은 이러한 상황에서 DID보다 평균 절대 편향과 RMSE가 각각 약 30%~40% 감소했으며, 특히 처리 효과가 시간에 따라 동적으로 변할 때도 안정적인 추정치를 제공하였다. 실제 데이터 분석에서는 1km 격자(총 145,832 셀)로 캄보디아 전역을 구분하고, 2000‑2024년 위성 기반 Global Forest Change(GFC) 데이터를 이용해 연도별 벌채 면적을 집계하였다. 토지 양허 경계와 유형, 설립 연도는 캄보디아 인권단체(LICADHO)와 UNEP‑WCMC의 보호구역 데이터를 활용해 raster화하고 1km 격자로 재샘플링했다. 사전(양허 전 4년)과 사후(양허 연도 포함 3년) 벌채 평균은 각각 0.037 vs 0.024, 0.162 vs 0.029로 차이가 크게 나타났으며, 단순 차분‑차분은 12%포인트의 효과를 제시한다. DSR을 적용한 결과, 양허가 없는 경우와 비교해 양허 지역의 추가 벌채 비율이 γ≈0.12, 즉 12%포인트 상승함을 추정하였다. 이는 비관측 공간 교란을 통제한 후에도 양허가 실제로 벌채를 촉진한다는 강력한 증거로 해석된다. 논문의 마지막 부분에서는 방법론적 한계와 향후 연구 방향을 논의한다. BART의 트리 수와 깊이에 따른 계산 비용, 공간 임베딩 차원의 선택이 결과에 미치는 민감도, 그리고 다중 양허가 동시에 발생하는 복합 상황에 대한 모델링 부재가 주요 제한점으로 제시된다. 또한, 비관측 교란이 급격히 변하는 경우(예: 정책 급변)에는 상태공간 모델이나 시계열 구조와의 결합이 필요하다고 제언한다. 향후 연구에서는 다중 처리(양허 유형별)와 비선형 시간 효과를 동시에 추정할 수 있는 확장 모델을 개발하고, 정책 시뮬레이션을 통해 최적 양허 배분 전략을 제시하는 것이 목표이다.