지역별 연구개발투자와 제조업 생산효율성

Ⅰ. 서 론

제조업은 1960년대 이후 수출을 통한 한국경제의 고도성장을 이끌어온 중요한 원동력이었다. 또한 생산, 기술진보 그리고 고용에 대한 파급효과가 크기 때문에 국가의 경제성장 및 경쟁력 강화 뿐 아니라 지역개발과 지역소득 향상 등에도 중요한 역할을 담당해 왔다(박호정외, 2007; 한광호, 2012). 그러나 1990년대 이후 세계화로 인한 글로벌경쟁 격화 속에서 우리 제조업은 중국 등 신흥 제조업 강국과의 기술력 격차가 축소되고 경쟁력이 약화되고 있으며, 나아가 지역기반 주력 제조업의 쇠퇴는 지역경제를 침체시키는 결과를 초래하고 있다. 따라서 우리 경제의 지속적인 경제성장을 위해서는 개도국의 추격이나 선진국들의 제조업지원정책 등 변화하는 대외환경에 대응하면서 기존 제조업의 고부가가치화와 새로운 미래성장동력의 확충을 통한 제조업의 경쟁력 강화가 절실한 상황이다. 또한 경제성장이 둔화되는 가운데 지역간 발전격차가 확대되고 있어 제조업의 경쟁력강화와 함께 지역 간 동반성장 방안을 동시에 모색해야 하는 시점에 있다. 이런 배경하에서 제조업의 생산성 및 경쟁력에 대한 실증적인 검토와 함께 제조업의 지역별 생산성과 성장 원천에 대한 심도있는 분석이 선행될 필요가 있다.¹⁾

한편 지식기반사회로의 이행으로 기술혁신이 경제성장을 견인하고, 국가경쟁력을 강화하는 원동력으로 인식되고 기술혁신을 통한 생산성 증대와 이를 위한 연구개발투자의 중요성이 강조되어 왔다. 또한 빠르게 변화하는 글로벌화에 맞춰 지역경제의 중요성도 부각되면서 내재적 역량 강화가 국가경쟁력과 경쟁우위를 결정하는 핵심요소로 등장하고 있으며, 특히 지역발전의 결정 요인으로 지역의 인적, 물적 자본축적과 함께 지식자본²⁾의 중요성이 부각되면서 연구개발투자를 통한 지역의 혁신역량 강화에 대한 관심이 증대하고 있다.

이와 같은 상황에서 제조업 생산성을 분석하기 위한 연구 역시 지역의 주요 변수들을 고려해야 할 필요성이 제기되고 있다. 지역단위의 분석모형은 국가 단위에서의 분석에서 적용하지 못하는 대내적 요인들을 고려할 수 있다는 점에서 분석결과의 유의성 및 활용성을 높일 수 있으며 특히 제조업 생산성에 영향을 미칠 수 있는 지역의 R&D 투자, 인적, 물적 자본 및 기술 인프라의 측정과 함께 지역특성요인 등을 함께 고려할 경우 제조업성장에 필요한 다양한 정책적 함의의 도출이 가능하기 때문이다(박추환·정영근(2016). 이에 따라 우리나라 지역별, 업종별 제조업 생산성을 측정한 연구들(박승규·김의준, 2009; 박호정외, 2007; 장영재·노상환, 2018; 조상규·강상목, 2007; 조윤기·배규한, 2012; 한광호, 2001; 한광호·김상호, 1996)과 연구개발투자가 경제성장 또는 생산성에 미치는 효과를 분석한 연구들(엄익천·황원식, 2021; 양지청, 2014; 임응순·이종하, 2017)이 지속적으로 이루어져 왔다. 그러나 제조업 생산성을 측정한 연구들은 대부분 업종별, 지역별 생산성의 측정과 생산성변화의 동태적 요인 분석 등에 초점을 맞추고 있으며 연구개발투자 등 혁신역량과 지역특성이 생산성에 미치는 효과를 분석하고 있지 못하고 있다. 또한 연구개발투자와 경제성장간의 기존 연구들은 대체로 국가 전체의 관점에서 연구개발투자와 경제성장간의 관계를 분석(엄익천·황원식, 2021)하거나 지역의 R&D 투자와 지역경제성장 간의 관계를 실증적으로 분석(양지청, 2014; 임응순·이종하, 2017)한 연구들로 지역별 제조업 생산효율성을 측정하고 제조업 생산효율성을 결정해줄 다양한 지역특성과 함께 연구개발투자가 제조업 생산효율성에 미치는 효과를 종합적으로 분석한 연구는 이루어지지 않고 있다.

이에 본고는 2000년~2019년까지의 기간을 설정하고 16개 광역시·도로 구분하여 각 지역 제조업의 생산효율성을 측정하고 효율성에 미치는 여러 가지 지역 특성들과 함께 연구개발투자를 통한 지역의 혁신역량이 제조업 생산효율성에 미치는 효과를 분석하고자 한다. 지역 제조업의 효율성을 측정하고 연구개발투자를 포함한 다양한 비효율성의 요인을 밝혀냄으로써 지역 제조업발전정책에 필요한 기초 자료로 활용될 수 있을 것이다.

본고에서는 확률프런티어 생산함수모형을 이용하여 분석하고자 한다. 본 모형은 모수적 접근방법으로 각 분석단위의 효율성을 측정할 수 있다는 장점을 가질 뿐만 아니라 비효율성에 영향을 미치는 요인들을 추론할 수 있다. 따라서 본고에서는 지역 제조업의 생산효율성 측정 및 비효율성의 결정요인들을 규명함으로써 각 지역 제조업의 생산성을 향상시키기 위한 정책과제를 도출하고 경쟁력을 강화하기 위한 전략을 수립하는데 기여할 것으로 기대된다.

본 연구의 구성은 다음과 같다. Ⅱ장에서는 선행연구 고찰 및 지역 제조업의 효율성 측정, 분석모형을 제시하고 Ⅲ장에서는 연구자료와 변수 등을 살펴본다. 제 Ⅳ장에서는 각 지역 제조업의 생산효율성을 측정하고 연구개발 투자를 포함한 효율성 결정요인 등을 분석한다. Ⅴ장에서는 분석결과를 요약하고 시사점을 제시한다.

Ⅱ. 선행연구 및 분석방법

Ⅲ. 자료 및 변수

본 연구에서는 지역별 제조업의 생산효율성을 측정하고 연구개발투자를 비롯한 지역 특성이 생산효율성에 미치는 효과를 분석하기 위해 2000년∼2019년 동안의 기간을 설정하여 우리나라 16개 광역시·도의 균형패널자료를 이용한다. 분석에 활용된 자료는 통계청 국가통계포털(KOSIS)을 통해 구성되었다. 추정을 위한 종속변수로서 산출물은 지역별 제조업 출하액과 부가가치⁴⁾를 사용하였으며 투입변수로는 제조업 노동자수⁵⁾와 유형고정자산 연말잔액⁶⁾ 자료를 사용하였다.

한편 지역의 제조업 생산효율성은 경기적 요인과 함께 제조업 특성이나 지역 특성과 같은 구조적 요인에 의해 영향을 받을 수 있다. 지역 제조업의 효율성을 결정하는 구조적 요인으로는 지역별 제조업의 특성, 업종구성, 산업구조, 지역의 인적, 물적 자본축적 그리고 혁신역량 등이 있다. 본 연구에서 지역별 제조업의 특성을 나타내는 변수로 기업규모와 임금수준, 상용직 비중을 사용하였으며 제조업 중 ICT 제조업이 차지하는 비중을 포함하였다. 그리고 지역의 개방도가 제조업 효율성에 미치는 영향을 살펴보기 위해 GRDP에서 총수출입이 차지하는 비중을 포함하였으며 지역별 산업구조의 차이를 살펴보기 위해 지역별 제조업특화도와 산업집중도를 사용하였다. 제조업특화도는 입지계수(location quotient: LQ)를 이용하였고 산업집중도를 나타내는 변수는 허쉬맨-허핀달지수(Herfindal-Hershman Index)를 이용하였다.⁷⁾ 지역별 인적, 물적 자본 축적을 나타내는 변수는 노동가능인구수를 가중치로 이용한 평균 교육년수⁸⁾와 지역별 1인당 자본축적량을 사용하였다. 또한 본 연구의 주 관심사인 지역의 혁신역량과 제조업 생산효율성과의 관계를 분석하기 위해 GRDP 대비 연구개발투자를 나타내는 연구개발집약도를 사용하였다. 연구개발투자는 수행주체별 연구개발투자의 효과를 규명하기 위해 민간과 공공연구개발투자로 분리하였으며 자본변수와 연구개발투자 변수는 모두 영구재고법을 이용하여 스톡(stock) 변수를 사용하였으며 본고에서는 다음과 같은 추계기법에 따라 자본스톡과 연구개발스톡을 구할 수 있다.

$$ K_{i0}=X_{i0}\left(1-\delta \right)+I_{i0}$$

여기서 i지역의 초기 자본형성은 X_i0 = (I_i0/(δ+η))이며 I_i0는 초기 투자액이고 δ와 η는 각각 감가상각률과 분석기간 중 투자액의 연평균성장률을 나타낸다. 자본스톡 추정을 위한 연도별 각 지역별 투자액 I_i,t는 연도별 지역의 투자액으로 GRDP에 대한 지출 중 총자본형성을 이용하였으며 연구개발스톡은 매년 연구개발투자액을 사용하였다. 따라서 초기 자본스톡과 연구개발스톡이 구해지면 시간이 경과함에 따라 전체 표본의 자본스톡과 연구개발스톡은 동일한 방법으로 다음과 같이 순차적으로 구할 수 있다.

$$ \begin{array}{c}{K}_1=K_0\left(1-\delta \right)+I_1\\ K_2=K_1\left(1-\delta \right)+I_2\\ ⋮\\ K_t=K_{t-1}\left(1-\delta \right)+I_t\end{array}$$

총자본스톡의 추계를 위한 총자본스톡의 감가상각률은 Nehru and Dhareshwar (1993), King and Levine(1994), 서승환(2004), 임응순·이종하(2017) 등이 제시한 0.04로 설정하였다. 한편 연구개발투자의 결과 새로운 R&D지식이 형성되고 R&D스톡에 편입되며 또한 축적된 지식은 일정 비율로 진부화되어 간다고 할 수 있다. 본 연구에서 감가상각률과 동일한 개념인 연구개발스톡의 진부화율은 신태영·박병무(1998), 임응순·이종하(2017), 문광민(2019)의 연구에 따라 0.125로 설정하였다⁹⁾. <표 1>은 변수의 정의 및 기초통계량¹⁰⁾을 보여주고 있으며 출하액과 부가가치, 유형고정자산 연말잔액, 자본스톡, 연구개발스톡 등 모든 변수는 2015년 기준 실질가격을 사용하였다.

<표 1>

변수의 정의 및 기초통계

<표 2>는 분석기간 동안의 지역별 통계요약을 나타내고 있다. <표 2>를 살펴보면 제조업 출하액이 가장 많은 지역은 경기도이며 그 다음이 울산, 충남, 경북, 경남 순으로 이들 지역이 국내 제조업 총 출하액의 68.7% 이상을 차지하는 것을 알 수 있다. 출하액이 가장 작은 지역은 제주, 강원, 대전 순으로 제주도의 경우 경기도의 0.4%에 불과한 수준이다. 부가가치의 경우는 경기도가 가장 크고 그 다음이 경북, 충남, 경남, 울산 순으로 출하액과는 다소 차이를 보이고 있다. 상용직 비율은 울산, 경북, 충북이 95.3%로 가장 높고 서울이 87.6%로 가장 낮은 상용직 비중을 보여주고 있다. 입지계수는 경기도가 1.30으로 가장 제조업에 특화된 지역으로 나타나고 있으며 그 다음이 대구(1.22), 인천(1.21)순이며, 일인당 자본축적량은 울산이 41.96(백만원)으로 가장 크고 대구는 11.91로 가장 작게 나타났다. GRDP 대비 연구개발투자 비중을 살펴보면 민간투자는 경기도 26.11%, 대전 22.54%로 높은 비중을 차지하고 있지만 나머지 지역에서는 10%미만을 유지하고 있는 것을 알 수 있다. 특히 제주는 0.97%로 다른 지역과 비교하여 매우 낮은 수준으로 지역적 편차가 매우 큰 것으로 나타났다. 공공연구개발투자는 대전이 48.77%로 다른 지역과 비교하여 압도적으로 높게 나타나고 있으나 나머지 지역은 5%미만으로 지역 간 격차가 큰 것을 알 수 있다. 제조업에서 ICT 비중이 가장 높은 지역은 경북이 38.5%, 경기가 33.2%로 압도적으로 높으며 이어 충북(22.3%), 충남(22.0%) 순이며 대부분의 지역은 10%미만으로 나타나고 있다. 또한 지역총생산에서 수출입비중이 차지하는 비중은 울산이 207%, 충남(104.3%), 전남(103.1%)순으로 나타나고 있으며 제주와 강원은 10% 미만의 비중을 보이고 있다. 기업체규모는 울산이 업체 평균 110명으로 가장 크고 다음은 충남(61명) 충북(54.6명)순이다. 한편 제주(22.7명)을 제외하고는 서울(25.9명)을 비롯한 인천(36.7명), 경기(37.4명) 등 수도권지역의 기업규모가 상대적으로 작은 것으로 나타나고 있는데 이는 수도권 공장총량제에 따른 규제로 인해 업체들이 수도권 인근 충청지역으로 이전한 결과로 해석된다.

<표 2>

지역별 주요 통계 요약(2010-2019)

Ⅳ. 지역별 제조업 생산효율성 및 요인 분석

<표 3>은 2000년에서 2019년까지의 분석기간 동안 16개 광역시·도 자료를 활용하여 확률프런티어함수와 비효율성모형을 추정한 결과이다. 모형1의 경우는 산출변수로 출하액을 그리고 모형2는 부가가치를 사용한 결과이다. <표 4>에서 보여주는 로그우도비검정은 본 연구 모형에 대한 타당성 검정결과로 생산함수의 형태 및 비효율성의 존재여부를 확인할 수 있다¹¹⁾. 가설 (1)은 생산함수가 콥-더글라스 생산함수형태를 갖는다는 귀무가설로 검정결과 두 모형 모두 L-R검정통계량의 값이 1% 유의수준에서 귀무가설을 기각하는 것으로 나타났다. 이는 본고에서 사용된 초월대수형 생산함수가 Cobb-Douglas 생산함수보다 적합하다는 것을 의미한다. 귀무가설 (2)는 비효율성효과가 생산모형에서 나타나고 있지 않는다는 것을 의미하고 귀무가설 (3)은 비효율성효과가 확률적(stochastic)이지 않다는 것을 나타낸다. 검정결과 귀무가설이 기각될 경우 일반적으로 평균생산함수를 이용하여 추정을 하는 것이 바람직하지 않다는 것을 의미하게된다. 즉 기술적 비효율성이 존재함에도 불구하고 평균생산함수를 사용하여 추정한다면 실제 생산함수를 과소추정하게 되는 오류를 범할 수 있다. 검정결과 모든 모형에서 귀무가설 (2)와 (3)이 1% 유의수준에서 기각되는 것으로 나타나 평균생산함수를 활용하는 방법이 적절하지 않다는 결과를 보여주고 있다. 귀무가설 (4)의 결과도 1% 유의수준에서 모두 귀무가설을 기각하는 것으로 나타났다. 따라서 비효율성효과모형에 포함된 12개의 지역특성변수들의 결합효과가 비효율성에 유의미한 영향을 미치고 있음을 알 수 있다.

<표 3>

확률변경함수 추정결과

<표 4>

모형에 대한 가설검정 결과

<표 3>의 추정결과 중 확률프런티어 생산함수의 계수값을 살펴보면, 모형1과 모형2의 경우 모두 생산함수에 포함된 자본변수인 유형고정자산 연말잔액변수는 유의미한 음의 값을 보이고 있으나 노동자수는 통계적으로 유의한 양의 값을 보여주고 있다. 이를 통해 제조업의 출하액이나 부가가치를 결정하는데 제조업체의 자본규모보다는 노동투입이 더 크게 작용하고 있다는 것을 알 수 있다¹²⁾. 노동의 제곱변수는 유의미한 음의 부호를 보여주고 있어 노동투입에 대한 보수체감이 나타나고 있음을 확인할 수 있다.

분산파라미터 γ는 모형1의 경우는 0.911로 1% 유의수준에서 유의하며 모형2의 경우는 10% 유의수준에서 통계적으로 유의하며 0.464의 값을 갖는다. 이는 모형1의 경우 전체 오차 중 91% 이상이 그리고 모형2의 경우는 46% 이상이 기술적 비효율성을 의미하는 것을 알 수 있다.

다음으로 12개 지역특성변수를 통해 비효율성 효과를 살펴보면 다음과 같다. 이때 추정계수의 부호가 양이면 비효율성 잔차인 를 증가시키게 되어 비효율성이 커지는 요인으로 작용하고 반대로 음의 부호를 보이면 비효율성이 작아지는 요인이 된다. 먼저 지역의 제조업체 특성을 보여주는 기업규모와 상용직 비중을 보면 두 모형 모두 기업규모는 유의미한 음의 부호를 보이고 있어 기업규모가 클수록 생산효율성이 향상될 것이라는 이론적 배경과 일치하는 결과이다. 그러나 상용직비중의 추정계수는 유의미한 양의 값을 보여주고 있어 상용직비중이 증가할수록 오히려 생산효율성이 감소하는 모습을 보여주고 있다.

한편 지역의 제조업특화도와 지역내 산업구조를 나타내는 입지계수와 산업집중도를 살펴보면 입지계수의 경우 모형1에서는 음의 값을 보이는 것으로 나타났지만 유의성이 없는 것으로 보아 제조업특화정도가 출하액 기준 생산효율성에 미치는 효과는 발견할 수 없었다. 반면 부가가치의 경우는 1% 수준에서 통계적으로 유의한 양의 부호를 보이고 있어 제조업특화정도가 높은 지역일수록 부가가치 기준 생산효율성이 감소하는 것으로 나타났다. 이는 제조업특화도가 높은 지역일수록 여전히 저부가가치의 전통 제조업 비중이 높음을 보여주는 것으로 해석할 수 있다. 반면 산업집중도 변수는 두 모형 모두 통계적 유의성이 없는 것으로 나타나 산업의 집중도가 생산효율성에 미치는 영향은 발견할 수 없다. 그리고 지역별 인적자본을 의미하는 평균교육년수는 두 모형 모두 통계적으로 유의미한 양의 값을 보임으로서 지역의 교육수준이 높을수록 생산효율성이 감소하는 것으로 나타나고 있다. 이는 지역의 교육수준이 높을수록 서비스업의 진전과 함께 오히려 제조업 기피현상이 심해지고 이것이 제조업 생산효율성을 저하시키는 요인이 될 수도 있음을 시사하고 있다. 한편 자본스톡변수는 부가가치면에서 생산효율성에 미치는 유의성은 없는 것으로 나타난 반면에 모형1의 경우는 통계적으로 유의한 양의 부호를 보이고 있어 지역 내 자본스톡이 출하액 기준 제조업 생산효율성을 감소하는 요인으로 나타나고 있다. 이러한 결과는 지역의 자본축적의 파급효과가 제조업에는 미치지 못한 것으로 해석할 수 있으며 나아가 자본의 추가적인 확대를 통한 제조업 생산효율성 증대가 더 이상 작동하기 어렵다는 것을 시사해 주고 있다.

ICT비중 변수는 두 모형 모두 통계적으로 유의미한 음의 값을 나타내고 있어 제조업 중 ICT비중이 높을수록 출하액이나 부가가치면에서 생산의 효율성이 증가하는 것으로 나타나고 있다. 지역의 개방도를 나타내는 수출입비중변수 역시 두 모형 모두 음의 부호를 보이고 있으며 t-값도 크게 나타나 지역내총생산 중 수출입비중이 높을수록 제조업 생산효율성은 증가하는 것으로 나타나고 있다.

이제 본 연구의 주요 관심사인 지역별 혁신역량이 제조업생산효율성에 미치는 효과를 살펴보자. 지역 내 연구개발투자의 결과를 공공부문투자와 민간부문투자로 나누어 살펴보면, 공공연구개발투자스톡변수는 두 모형에서 유의미한 음의 값이 나타나고 있어 공공연구개발투자스톡이 증가할수록 생산의 효율성도 증가하고 있다는 것을 알 수 있다. 반면 민간연구개발투자스톡은 부가가치면에서 효율성에 미치는 유의미한 효과를 발견할 수 없는 반면 모형1의 경우 유의미한 양의 값이 나타나고 있다. 이는 지역 연구개발투자를 재원별로 나누어 지역경제성장에 미치는 효과를 분석한 결과 공공연구개발투자는 지역경제성장에 양의 영향을 나타낸 반면 민간연구개발투자는 음의 영향을 미치는 것으로 분석한 임응순·이종하(2017)의 연구결과와도 유사한 모습이다¹³⁾. 이는 공공연구개발투자의 경우 산업의 생산성 향상에 미치는 파급효과가 민간연구개발투자보다 크기 때문으로 해석해볼 수 있다. 즉 민간연구개발투자의 경우 주로 고기술산업을 중심으로 이루어지며 연구개발투자를 실시한 해당 업종이나 기업의 생산효율성을 증가시킬 수 있지만 다른 업종이나 기업의 생산효율성에 미치는 영향이 제한적일 수밖에 없다. 반면 공공연구개발투자는 기업의 이윤극대화를 목표로 하는 민간연구개발투자와는 달리, 연구개발투자를 꺼려하는 저기술 산업에도 투자액이 배분되다 보니 산업전반의 생산성 향상을 유발하는 긍정적인 효과를 도출할 수 있기 때문으로 판단된다.¹⁴⁾

확률프런티어함수의 실증분석 결과를 토대로 출하액 기준과 부가가치 기준으로 나누어 각 지역의 제조업의 생산효율성과 그 변화추이를 측정한 결과가 <표 5>와 <표 6>에 나타나 있다.¹⁵⁾ 먼저 출하액 기준 생산의 효율성을 살펴보면 분석기간 동안 우리나라 지역 제조업 생산효율성은 2000년 0.344에서 2019년 0.806으로 증가하고 있으며 분석기간 평균 0.419로서 최대 생산량의 42% 정도를 생산하고 있음을 알 수 있다.¹⁶⁾ 분석기간 중 경기도가 0.867로 가장 높은 효율성을 보이는 것으로 나타났으며, 그 다음으로 울산광역시(0.807), 경북(0.670) 순으로 나타나고 있다. 반면에 가장 낮은 효율성을 보여주는 지역은 제주(0.174)와 강원(0.177), 대구(0.233)순으로 나타났다. 높은 효율성을 보이는 지역과 낮은 효율성을 보이는 지역을 비교해보면 각 지역별 편차가 큰 것을 알 수 있다. 분석기간 동안 효율성 증가는 충남이 연평균 2% 이상을 기록하고 있으며 그 다음으로 광주(1.814%), 전남(1.168%)순으로 나타났다. 한편 동 기간동안 서울, 대구, 인천, 제주, 경북, 경남지역은 효율성이 감소하는 것으로 나타나고 있는데 특히 제주는 1.46%의 가장 큰 효율성 감소를 보이고 있다.

<표 5>

연도별 지역별 효율성 추정결과(출하액 기준)

<표 6>

연도별 지역별 효율성 추정결과(부가가치기준)

부가가치를 기준으로 생산의 효율성을 측정한 결과 효율성은 2000년 0.415에서 2019년 0.630으로 증가하고 있다. 가장 높은 효율성을 보이고 있는 지역은 울산광역시로서 전체 분석기간 동안 0.897의 효율성을 보여주고 있으며 경북(0.841), 충남(0.782)이 그 다음 순으로 나타나고 있다. 가장 낮은 효율성을 보이고 있는 지역은 대구(0.420)와 부산(0.461), 제주(0.488)순으로 나타나고 있다. 또한 분석기간 동안 모든 지역에서 효율성이 증가한 것으로 나타나고 있으며 효율성 증가는 전남이 연평균 4.6%의 높은 효율성 증가를 보여주고 있으며 그 다음으로 서울(4.530%), 대전(4.156%)순으로 나타났다.

<그림 1>

지역별 효율성과 연평균 증가율

<그림 2>는 분석기간 동안 출하액과 부가가치로 분류한 제조업 생산의 효율성 추이를 보여주고 있다. 이를 살펴보면 생산효율성은 출하액과 부가가치 모두 2008년 글로벌 금융위기 이후 감소하는 모습을 보이고 있으나 2011년 까지는 지속적으로 증가하는 강한 동조현상을 보이고 있다. 그러나 2011년 이후 출하액 효율성은 지속적으로 감소하는데 반해 부가가치 효율성은 계속 증가하는 상반된 추세를 보이고 있다. 이는 글로벌 금융위기 이후 우리나라 제조업이 출하액 중심에서 고부가가치 중심으로 전환되고 있음을 보여주는 모습으로 해석할 수 있다.

<그림 2>

제조업 생산효율성 추이

<그림 3>은 분석에 포함된 지역을 광역권으로 분류하여 효율성의 추이를 보여주고 있다.¹⁷⁾ 이를 보면 출하액 효율성은 대부분의 지역에서 2008년 글로벌 금융위기 직후 크게 감소하다가 이후 서서히 회복하는 모습을 보였으나 2011년 이후 지속적으로 감소하는 형태를 보이고 있다. 그러나 효율성의 변화는 지역별로 상이한 모습으로 나타나고 있다. 부산·울산·경남지역의 경우 2015년 까지는 가장 높은 효율성을 보이고 있으나 이후 큰 폭의 하락세를 보이며 수도권지역 보다 낮은 효율성을 보이고 있으며 비교적 높은 효율성을 보인 대구·경북지역 역시 2011년 이후 큰 폭의 하락세를 보이며 광주·호남에 이어 가장 낮은 효율성을 보이고 있다. 반면 2004년까지 가장 높은 효율성을 보인 수도권지역의 경우는 분석기간 동안 상대적으로 가장 작은 하락 폭을 보이면서 2016년 이후 가장 높은 효율성을 보이고 있다.

<그림 3>

지역별 효율성 추이

한편 부가가치의 경우는 대부분의 지역에서 지속적인 증가세를 보이고 있으나 2011년 이후 지역별로 증가폭의 차이를 나타내고 있다. 대전·충청지역은 분석기간 내내 가장 높은 효율성을 보이고 있으며 높은 증가세를 나타내고 있다. 가장 낮은 효율성을 보이던 수도권의 경우 높은 증가세를 보이며 효율성이 크게 증가하는 모습을 보인 반면 대구·경북과 부산·울산·경남지역의 경우 상대적으로 가장 낮은 효율성 증가세를 보이면서 2015년 이후 가장 낮은 효율성을 보이고 있다.

이상의 실증분석 결과를 종합하면 우리나라 지역 제조업은 출하액면에서 약 58%, 그리고 부가가치면에서 37%정도의 기술적 비효율성이 존재하는 것으로 나타나고 있다. 이는 다른 여건이 변하지 않더라도 제조업의 생산효율성 제고를 통해 산출량 증가 여력이 존재하고 있다는 것을 의미한다. 특히 대표적인 공업지역인 부산·울산·경남, 그리고 대구·경북지역의 경우 출하액면에서 큰 폭의 효율성 감소 추세를 보임과 동시에 부가가치면에서도 가장 낮은 효율성을 보이고 있다는 사실은 이들 지역 제조업체들의 효율성개선 노력과 함께 고부가가치업종으로의 전환이 중요한 과제가 될 것으로 판단된다.

특히 본 연구결과에서 나타난 지역의 교육수준과 제조업특화정도가 높을수록 부가가치면에서 제조업 효율성이 낮아진다는 사실은 아직 우리사회에 제조업 기피현상이 존재하며 우리나라 제조업의 상당부분이 고기술 분야보다는 저기술 전통제조업 분야에 머무르고 있음을 뒷받침해주고 있다. 또한 자본축적이 제조업 생산효율성에 유의미한 영향을 주지 못하거나 오히려 음의 영향을 미친 반면 공공연구 개발투자스톡의 경우는 출하액이나 부가가치면에서 생산효율성에 유의미한 양의 효과를 보이고 있어 지역 내 단순 물적자본의 축적보다는 그것을 활용하는 지식자본의 역할이 더 중요하다는 것을 확인할 수 있다. 특히 지역경제성장이나 국내총생산 증가면에서 공공연구개발투자의 효과가 민간연구개발투자에 비해 더 크고 지속성이 있다는 기존의 연구결과(임응순·이종하, 2017; 엄익천·황원식, 2021)들을 함께 고려한다면 향후 지방정부 차원에서 적극적으로 R&D투자를 확대하고 민간 기업부문의 고부가가치 상품혁신형 연구개발투자를 유도하는 선제적 연구개발 노력이 지역제조업 생산효율성 나아가 지역경제성장을 위한 중요한 방편이 될 수 있을 것으로 판단된다. 또한 ICT제조업비중이 높을수록 생산효율성이 증가한다는 분석결과는 지역 제조업발전과 경제성장을 위해 ICT제조업 등 혁신지향적이고 지식집약적인 지식기반산업¹⁸⁾의 유치 및 육성 노력과 함께 이를 지원할 지역의 혁신역량 강화를 위한 지방정부 역할의 중요성을 다시 한번 강조해 주고 있다.

Ⅴ. 요약 및 결론

본고는 확률프런티어 생산함수를 이용하여 2000년부터 2019년까지 우리나라 16개 광역시·도의 제조업 생산효율성을 측정하고 효율성 결정요인들을 규명하고자 하였다. 그간 한국의 제조업 생산성에 대한 기존의 연구들이 주로 업종별, 지역별 생산성측정과 생산성변화요인 분석에 초점을 맞춘 반면 본고는 다양한 지역자료를 이용하여 지역별 제조업 생산효율성 측정과 함께 혁신역량을 비롯한 지역의 특성이 생산효율성에 미치는 효과를 규명하고자 했다. 본 연구결과에 따르면 지역 제조업 생산에는 비효율성이 존재하고 있다는 것과 지역간 효율성의 격차가 존재하고 있다는 것을 발견할 수 있었다. 본 연구의 분석 결과를 요약·정리하면 다음과 같다.

첫째, 모형에 대한 검정결과 지역 제조업의 프런티어 생산함수추정 시 투입요소인 노동과 자본의 증감으로 설명되지 않는 비효율성이 존재하고 있음을 발견하였으며 이를 통해 확률프런티어 생산함수의 설정이 타당함을 확인하였다.

둘째, 확률프런티어 생산함수를 통해 지역별 제조업의 생산효율성을 출하액과 부가가치를 기준으로 나누어 측정한 결과 분석기간 동안 출하액면에서 약 58%, 그리고 부가가치면에서 37%정도의 기술적 비효율성이 존재하는 것으로 나타났다. 또한 분석기간 동안 생산효율성 추이는 출하액과 부가가치 모두 2010년까지 지속적으로 증가하는 강한 동조현상을 보이고 있으나 2011년 이후 출하액 효율성은 지속적으로 감소하는데 반해 부가가치 효율성은 계속 증가하는 상반된 추세를 보임으로서 글로벌 금융위기 이후 우리나라 제조업이 출하액 중심에서 고부가가치 중심으로 전환하는 모습을 확인할 수 있었다.

셋째, 지역별 효율성을 살펴보면 출하액면에서 가장 높은 효율성을 보인 지역은 경기도와 울산으로 전체 분석기간 동안 각각 0.867, 0.807의 높은 효율성을 보이는 프런티어지역으로 나타난 반면 가장 낮은 효율성을 보이고 있는 지역은 제주(0.174)와 강원(0.177) 등으로 지역별 효율성의 편차가 존재하고 있음을 알 수 있다. 분석기간 동안 효율성 증가는 충남이 연평균 2% 이상의 효율성 증가를 보인데 반해 서울, 대구, 인천, 제주, 경북, 경남지역은 효율성이 감소한 것으로 나타났다. 부가가치면에서 효율성은 울산(0.897), 경북(0.841), 충남(0.782) 순이며 분석기간 동안 모든 지역에서 효율성이 증가한 것으로 나타났으며 전남이 4.6%의 가장 높은 효율성 증가를 보였다. 효율성을 광역권으로 나누어 살펴보면 수도권의 경우 출하액면에서 큰 폭의 증감없이 2016년 이후 가장 높은 효율성을 보이고 있으며 부가가치면에서도 높은 증가세를 보이며 효율성이 크게 증가하는 모습을 보이고 있다. 반면 대표적인 공업지역인 부산·울산·경남, 그리고 대구·경북지역의 경우 출하액면에서 큰 폭의 효율성 감소추세를 보임과 동시에 부가가치면에서도 가장 낮은 효율성을 보이고 있어 이들 지역 제조업체들의 효율성개선 노력과 함께 고부가가치업종으로의 전환이 중요한 과제가 될 것으로 판단된다.

넷째, 효율성에 영향을 미치는 지역 제조업특성 요인들을 분석한 결과 기업규모는 출하액과 부가가치면에서 통계적으로 유의한 음의 값을 보여주고 있어 기업규모가 클수록 생산의 효율성은 증가하는 것으로 나타났다. 지역 산업집중도가 효율성에 미치는 효과는 유의성이 없는 것으로 나타났으며 제조업특화도가 높을수록 부가가치면에서 생산효율성이 낮아지고 있어 제조업특화지역이 여전히 저부가가치의 전통 제조업 중심으로 구성되어 있음을 시사해주고 있다. 한편 제조업 중 ICT제조업 비중이 높을수록 그리고 지역의 개방도가 높을수록 생산효율성을 증가하는 것으로 나타나고 있어 생산성을 높이기 위해서는 ICT제조업 등 혁신적이고 지식집약적인 지식기반제조업의 유치 및 육성과 수출지원 등 지방정부차원의 다양한 정책적 노력이 필요할 것으로 보인다. 지역별 인적자본정도를 나타내는 평균교육년수는 통계적으로 유의미한 양의 값을 보임으로서 지역의 교육수준이 높을수록 제조업기피현상이 심해지고 이것이 생산효율성을 감소시키는 요인으로 작동하는 것으로 유추해볼 수 있다. 자본스톡변수는 부가가치면에서 생산효율성에 미치는 유의한 효과를 발견할 수 없는 반면 출하액의 경우는 통계적으로 유의한 양의 부호를 나타내고 있어 추가적인 자본의 확대를 통한 제조업 생산효율성 증대가 더 이상 작동하기 어렵다는 것을 시사해 주고 있다. 반면 공공연구개발투자는 출하액이나 부가가치면에서 모두 생산효율성을 유의미하게 증가시키는 것으로 나타나 지역의 단순한 물적자본 축적보다는 지식자본의 축적이 생산성 향상에 더 중요하다는 것을 확인할 수 있다.

한편 흥미로운 사실은 공공연구개발투자가 출하액이나 부가가치면에서 생산효율성에 유의한 양의 효과를 보이고 있는데 반해 민간연구개발투자의 경우는 부가가치면에서는 통계적 유의성이 없는 것으로 나타나고 있으며 출하액면에서는 오히려 효율성을 감소시키는 것으로 나타나고 있다는 점이다. 이에 대해서는 유사한 기존 연구결과들이 나오고 있어 향후 보다 면밀한 검토가 필요할 것으로 보이나 공공 R&D투자의 경우 이윤극대화를 추구하는 과정에서 첨단기술 산업 중심으로 R&D 투자를 확대하는 민간 R&D투자와는 달리 확산효과(Spillover Effects)로 인해 경제 전체의 산업생산성을 향상시켜 다양한 산업들이 동시에 혜택을 볼 수 있기 때문으로 해석된다. 따라서 지역의 제조업 생산효율성 나아가 지역경제성장을 위해서는 지방정부 차원에서 R&D투자를 확대하기 위한 적극적인 방안을 마련하고 민간 기업부문의 상품혁신형 연구개발투자를 유도하는 선제적 연구개발 노력이 필요할 것으로 보인다.

마지막으로 본고는 자료의 한계로 실증분석에 다양한 지역특성변수를 충분히 고려하지 못한 점을 들 수 있다. 실제로 지역 제조업의 생산효율성을 결정해 줄 요인들로 제조업 노동자들의 인적자본 및 훈련투자, 공간특성 그리고 교통·통신 인프라 등 다양한 지역특성변수 들을 고려한다면 보다 정확한 효율성 측정이 가능할 뿐만 아니라 지역별 제조업의 생산효율성을 향상시킬 수 있는 정책적 함의를 도출할 수 있을 것으로 보인다. 또한 지역별로 제조업의 업종별 구성이 상이하다는 점을 감안하여 지역별 업종별로 보다 세분화된 생산효율성 변화와 요인을 분석결과를 도출해 낼 수 있을 것이다. 따라서 향후 다양한 자료와 세분화된 분석을 통한 일치된 결과가 도출될 때까지 본 연구의 결과는 신중하게 해석되어야 할 것이다.

References

• 곽만순·이영훈(2005). “효율성추정과 확률적 생산변경모형에 대한 문헌연구”, 『계량경제학보』, 16(4): 107-130.
• 김선재(2018). “대학의 지식자본이 지역의 기업활동에 미치는 영향”, 『한국콘텐츠학회 논문지』, 18(2): 450-458.
• 김영수(2003). “광역자치단체별 제조업의 총요소생산성과 성장원천 분석”, 한국도시행정학회 학술발표자료.
• 문광민(2019). “R&D 스톡의 시차와 기간간 연속성을 고려한 정부 R&D 효율성 측정: Dynamic DEA 모형의 적용”, 『사회과학연구』, 30(4): 23-39.
• 민경휘(2002). “경제력의 지역간 불균형 계속 확대”, 『E-KIET산업경제정보』, 103호.
• 박승규·김의준(2009). “지역별 광공업 총요소생산성 분해”, 『지역연구』, 25(4): 23-43.
• 박추환·정영근(2016). “지역간 소득격차 및 인적자본의 축적이 지역내 제조업 총요소 생산성(TFP)에 미치는 영향”, 『경제연구』, 34(1): 51-78.
• 박호정·김기태·나주몽(2007). “지역 제조업의 기술적 효율성 차이와 수렴성”, 『국토계획』, 42(7): 169-182.
• 박희석(2010). “우리나라 주요 시·도의 총요소생산성 추정”, 『서울도시연구』, 11(4): 1-13.
• 서승환(2004). “서울시 경제의 국민경제적 위상에 관한 연구”, 『서울도시연구』, 5(2): 69-89.
• 서혜성·주수현·김영재(2017). “지역발전정책과 주요 대도시 총요소생산성 비교분석”, 『지역산업연구』, 40(3): 25-45.
• 손동희·한웅용·전용일(2015). “연구개발투자의 경제성장과 고용효과에 관한 실증연구-OECD 국가를 중심으로-”, 『국제지역연구』, 19(3): 177-194.
• 신태영·박병무(1998). “거시계량모형을 이용한 연구개발투자의 정책효과 분석”, 『정책자료』, 과학기술정책연구원.
• 양지청(2014). “동태적 Panel 분석을 통한 R&D투자의 지역효과 분석”, 『국제지역연구』, 18(3): 175-201.
• 엄익천·황원식(2021). “공공R&D투자의 사회·경제적 파급효과분석”, 『KISTEP Issue Paper』, 312호, 한국과학기술기획평가원.
• 이영성(2008). “우리나라 광역시·도의 총요소생산성과 결정요인”, 『국토연구』, 58: 39-53.
• 이원기·김봉기(2004). “연구개발투자의 생산성 파급효과 분석”, 『과학기술정책』, 146: 68-82.
• 임응순·이종하(2017). “연구개발투자와 지역경제성장간의 관계분석”, 『산업경제연구』, 30(2): 793-817.
• 장영재·노상환(2018). “한국의 광역지자체 제조업 효율성 및 생산성 변화 비교 분석”, 『지역산업연구』, 41(2): 51-7.
• 조상규·강상목(2007). “한국제조업의 총요소생산성 변화와 그 결정요인 분석”, 『국제지역연구』, 11(1): 630-654.
• 조윤기(2020). “지역별 일자리매칭의 효율성과 결정요인분석”, 『GRI연구논총』, 22(2): 77-97.
• 조윤기·배규한(2012). “지역별 제조업 총요소생산성 변화와 요인분석”, 『GRI연구논총』, 14(1): 87-107.
• 조윤기·현성민(2015). “지역경제의 효율성과 지방재정지출”, 『재정정책논집』, 17(3): 73-98.
• 지홍민(2007). “확률적프런티어 방법론을 이용한 손해보험사의 기술효율성 측정”, 『보험개발연구』, 18(2): 3-44
• 한광호(2001). “한국 제조업의 생산성 결정요인: 비모수적 맴퀴스트 생산성 지수에 의한 분석”, 『경제학연구』, 49(4): 37-61.
• 한광호(2012). “광주·전남 제조업의 총요소생산성과 구성요인”, 『산업경제연구』, 25(5): 3019-3112.
• 한광호·김상호(1996). “기업의 규모와 생산의 기술적 효율성: 한국 제조업의 확률적 변경생산함수에 의한 추정”, 『국제경제연구』, 2(2): 111-131.
• Aigner, D., Lovell and P. Schmidt(1977). “Formulation and Estimation of Stochastic Frontier Production Function Models”, Journal of Econometrics, 6, 21-37. [https://doi.org/10.1016/0304-4076(77)90052-5]
• Battese, G. E. and T. J .Coelli(1992). “Frontier Production Function, Technical Efficiency and Panel Data: with Application to Paddy Farmers in India”, Journal of Productivity Analysis, 3, 136-153. [https://doi.org/10.1007/BF00158774]
• Battese, G. E. and T. J .Coelli(1995). “A Model for Technical Inefficiency Effects in a Stochastic Frontier Production Function for Panel Data”, Empirical Economics, 20, 325-332. [https://doi.org/10.1007/BF01205442]
• King, R. G, and R. Levine(1994). “Capital Fundamentalism, Economic Development and Economic Growth”, Carnegie Rochester Conference Series on Public Policy, 40, 259-292. [https://doi.org/10.1016/0167-2231(94)90011-6]
• Meeusen, W. and J. Van den Broeck(1977). “Efficiency Estimation from Cobb-Douglas Production Function with Composed Error”, International Economic Review, 18, 435-444. [https://doi.org/10.2307/2525757]
• Nehru, V. and A. Dhareshwar(1993). “A new Database on Physical Capital Stock: sources and Methodology and Results”, Rivista de Analysis Economic, 37-59.
• Subal C . Kumbhakar(1990). “Production Frontier, Panel Data, And Time-Varying Technical Inefficiency”, Journal of Econometrics, 46(1), 185-200. [https://doi.org/10.1016/0304-4076(90)90055-X]
• Wang and Schmidt(2002). “One-step and Two-step Estimation of the Effects of Exogenous Variables on Technical Efficiency Levels”, Journal of Productivity Analysis, 18, 129-144.