육두문자

Blog

파이썬으로 Top 15 GDP 국가별 실질 GDP 및 1인당 국내총생산 데이터 시각화하기

Danny.Jo
2024.07.18
#python#analysis#GDP#economic

안녕하세요. Danny입니다.

오늘은 상위 15개 GDP 국가를 선정하여 이들의 명목 GDP와 실질 GDP를 분석해보는 시간을 가지겠습니다. 데이터 획득 방법과 가져온 데이터를 효과적으로 시각화하는 방법을 공유하고, 명목 GDP와 실질 GDP 사이의 차이를 이해해보겠습니다.

명목 GDP와 실질 GDP는 뭐가 다를까?

정의

먼저, 명목 GDP와 실질 GDP의 간단한 정의를 살펴보겠습니다

  • 명목 GDP: 특정 연도의 현재 시장 가격을 기준으로 계산된 총 생산량의 가치
  • 실질 GDP: 특정 기준 연도의 가격 수준을 기준으로 계산된 총 생산량의 가치

예시

정의만 들으면 어렵게 느껴질 수 있는데, 예를 들어 쉽게 설명해보겠습니다

  • 편의점에 포카칩(66g)이 10개가 있습니다. 현재 편의점에서 포카칩은 1700원에 팔고 있습니다.
    • 포카칩 10개 = 10 * 1700원 = 17000원 (이게 명목 GDP입니다)
  • 2015년에는 같은 포카칩(66g)을 1500원에 팔았습니다. 그때 가격으로 계산하면,
    • 포카칩 10개 = 10 * 1500원 = 15000원 (이게 실질 GDP입니다)

이 예시에서, 포카칩(66g)은 그때나 지금이나 동일한 물건이지만, 어느 시점의 가격을 기준으로 하느냐에 따라 총가격이 달라집니다.

설명

명목 GDP는 현재의 가격 수준을 반영하여 계산되므로, 지금 물건을 사기 위해 지불해야 하는 실제 비용의 총합입니다. 반면, 실질 GDP는 특정 기준 연도의 가격을 사용하여 물건값을 매긴 총합입니다.

왜 명목 GDP와 실질 GDP를 나누는 걸까?

명목 GDP와 실질 GDP를 나누어 지표로 사용하는 이유는 다음과 같습니다

  • 가격 변동의 영향: 나라마다 같은 물건에 대해 매기는 가격이 다를 수 있으며, 인플레이션이나 디플레이션에 따라 가격이 변동합니다. 인플레이션이 심한 나라에서는 명목 GDP가 크게 부풀려질 수 있습니다. 예를 들어, 물건의 수량은 변하지 않았지만, 가격 상승으로 인해 명목 GDP가 증가하는 경우가 있습니다. 이는 경제가 실제로 성장하고 있다고 보기 어렵습니다.

  • 경제 성장의 정확한 평가: 실질 GDP는 특정 기준 연도의 가격을 사용하여 인플레이션의 영향을 제거하므로, 실제 경제 성장을 더 정확하게 평가할 수 있습니다. 이는 국가 간 경제 성과를 비교할 때 중요한 역할을 합니다.

이번 데이터 분석의 목적

위 내용을 보면 알 수 있듯 결국 나라마다 인플레이션 수치가 크게 차이가 나는 시기에는 명목 GDP보다 실질 GDP를 따져봐야 정확한 경제 성장을 평가할 수 있다는 결론이 나옵니다. 전세계의 인플레이션 수치가 요동치는 현재, 국가별 실질 GDP를 분석하여 누가 진짜 경제 성장을 하고 있는지 알고 싶었습니다.

데이터 가져오기

World Bank DataBank라는 사이트에서 상위 15 GDP 국가들의 2019~2023년 명목 GDP(GDP current US$), 실질 GDP(GDP constant 2025 US$), 나라 전체 인플레이션(inflation GDP deflator), 소비자 물가 인플레이션(inflation, consumer prices)를 추출해 csv 파일로 저장했습니다.

데이터 분석 및 시각화

import pandas as pd
import plotly.express as px
import seaborn as sns

file_path = 'Economic_Indicators_Top_15_GDP_Countries.csv'
df = pd.read_csv(file_path)

df['2022 [YR2022]'] = pd.to_numeric(df['2022 [YR2022]'], errors='coerce')
df['2023 [YR2023]'] = pd.to_numeric(df['2023 [YR2023]'], errors='coerce')

numeric_columns = ['2019 [YR2019]', '2020 [YR2020]', '2021 [YR2021]', '2022 [YR2022]', '2023 [YR2023]']
df_numeric = df[['Country Name', 'Series Name'] + numeric_columns]

df_melted = df_numeric.melt(id_vars=['Country Name', 'Series Name'], var_name='Year', value_name='Value')

df_melted['Year'] = df_melted['Year'].apply(lambda x: int(x.split()[0]))

series_names = [
    "GDP (current US$)",
    "GDP (constant 2015 US$)",
]

sns.set(style="whitegrid")

for series in series_names:
    series_data = df_melted[df_melted['Series Name'] == series]

    sorted_series_data = series_data.sort_values(by=['Year', 'Value'], ascending=[True, False])
    
    fig = px.line(
        sorted_series_data,
        x='Year',
        y='Value',
        color='Country Name',
        markers=True,
        title=f'{series} Over Years for Top 15 GDP Countries',
    )
    
    fig.update_layout(
        xaxis_title='Year',
        yaxis_title=series,
        legend_title='Country',
        hovermode='x unified'
    )

    fig.show()

명목 GDP 선그래프 명목 GDP 선그래프

압도적으로 GDP가 높은 두 국가는 말 안해도 알거라 생각됩니다. 1위는 미국이고, 2위는 중국입니다. 최근 3년의 명목 GDP를 보면 중국은 정체되어있고 미국은 계속 성장하는 것처럼 보입니다. 그런데 정말 미국의 경제는 성장하고 있는 걸까요?

실질 GDP 선그래프 실질 GDP 선그래프

네 하고 있었습니다. 미국은 실질 GDP를 따져봐도 우상향하고 있는 중입니다. 다만 정체되어있다고 생각되었던 중국 경제도 실질 GDP로 따져보니 꾸준히 우상향하고 있는 중입니다. 앞에서는 미국과 중국만 이야기했지만 그 아래 13개의 국가가 있습니다. 자세히 보면 이들도 변화가 있습니다. 근데 명목 GDP에서는 꽤나 등락이 있었던 것으로 보였는데 실질 GDP는 고요합니다. 왜 명목 GDP와 실질 GDP가 이렇게 차이가 나는 걸까요?

인플레이션 수치 비교

그렇습니다. 위에서 말했듯이 명목 GDP는 인플레이션에 의해 영향을 많이 받기 때문에 실질 GDP와 다르게 움직일 수 있습니다. 각 나라마다 인플레이션 수치가 다르기 때문에 같은 물건이라도 다른 가격을 갖게 됩니다. 만약 미국에서 포카칩이 한 봉지에 2000원에 판다면 10봉지가 2만원이겠죠? 한국에서는 지금 한 봉지가 1700원이니 10봉지를 1.7만원에 살 수 있는데 말이죠. 그런데 한국과 미국이 똑같이 포카칩 10봉지를 가지고 있어도 포카칩이 더 비싼 미국이 명목 GDP가 더 높아지는 현상이 일어나는 겁니다. 이게 현실에서도 정말 적용이 되는지 인플레이션 데이터로 함께 알아보시죠.

import pandas as pd
import plotly.express as px
import seaborn as sns

file_path = 'Economic_Indicators_Top_15_GDP_Countries.csv'
df = pd.read_csv(file_path)

df['2022 [YR2022]'] = pd.to_numeric(df['2022 [YR2022]'], errors='coerce')
df['2023 [YR2023]'] = pd.to_numeric(df['2023 [YR2023]'], errors='coerce')

numeric_columns = ['2019 [YR2019]', '2020 [YR2020]', '2021 [YR2021]', '2022 [YR2022]', '2023 [YR2023]']
df_numeric = df[['Country Name', 'Series Name'] + numeric_columns]

df_melted = df_numeric.melt(id_vars=['Country Name', 'Series Name'], var_name='Year', value_name='Value')

df_melted['Year'] = df_melted['Year'].apply(lambda x: int(x.split()[0]))

series_names = [
    "Inflation, GDP deflator (annual %)",
    "Inflation, consumer prices (annual %)",
]

sns.set(style="whitegrid")

for series in series_names:
    series_data = df_melted[df_melted['Series Name'] == series]

    sorted_series_data = series_data.sort_values(by=['Year', 'Value'], ascending=[True, False])
    
    fig = px.line(
        sorted_series_data,
        x='Year',
        y='Value',
        color='Country Name',
        markers=True,
        title=f'{series} Over Years for Top 15 GDP Countries',
    )
    
    fig.update_layout(
        xaxis_title='Year',
        yaxis_title=series,
        legend_title='Country',
        hovermode='x unified'
    )

    fig.show()

나라 전체 인플레이션 나라 전체 인플레이션

소비자 물가 인플레이션 소비자 물가 인플레이션

이런... 겹치는 영역이 많아서 쉽게 이해하기 어렵네요. 선그래프가 아니라 막대 그래프를 써서 다시 한 번 보겠습니다.

인플레이션 막대 그래프

나라 전체 인플레이션 나라 전체 인플레이션

소비자 물가 인플레이션 소비자 물가 인플레이션

위 두 그래프를 보시면 알 수 있듯이 한중일의 평균 인플레이션 수치는 상위 15개 GDP 국가에서 가장 낮습니다. 미국은 전체 인플레이션은 3.65%, 소비자 물가 인플레이션은 약 4%로 한중일 인플레이션 수치보다 약 2~3% 높습니다. 그래서 미국과 인플레이션 수치가 비슷하거나 더 높은 국가는 명목 GDP와 실질 GDP의 성장률 추이가 비슷하거나 양의 상관관계를 가지고 있습니다.

결론

명목 GDP와 실질 GDP가 다르게 움직이는 이유가 오직 인플레이션 때문만은 아닙니다. 그 외에도 환율, 국가 경제 정책, 산업 구조 변경 등이 이 둘의 차이를 만드는 데요. 그래도 가장 큰 영향을 미치는 것이 물가 수준이었기 때문에 명목 GDP과 인플레이션 변동률 사이의 관계에 대해 알아봤습니다. 어느정도 예상한 대로 나왔지만 법칙처럼 딱 떨어지는 것은 아니었기 때문에 신중하게 접근해야할 것 같습니다.

지금까지 Danny였습니다.

Copyright © 2024 KTB6 Team Blog