Processing math: 0%
search
Contact Us
HOME

  • Crossref logo
Journal Search Engine

to

Search Advanced Search Adode Reader(link)
Download PDF Export Citaion korean bibliography
ISSN : 1225-1011(Print)
ISSN : 2288-1727(Online)
The Journal of Fisheries Business Administration Vol.55 No.4 pp.1-16
DOI : https://doi.org/10.12939/FBA.2024.55.4.001

Estimation of Total Factor Productivity and Its Determinants in South Korean Offshore Fisheries

Yong-Han Jeon1, Jin-Gon Son2, Oh-Min Kwon3, Jong-Oh Nam*
1Senior Researcher, Ocean Economy Research Department, Korea Maritime Institute, Busan, 49111, Rep. of Korea
2Researcher, Resource & Environmental Economics Research Institute, Pukyong National University, Busan, 48548, Rep. of Korea
3Researcher, Resource & Environmental Economics Research Institute, Pukyong National University, Busan, 48548, Rep. of Korea
*Professor, Division of Marine & Fisheries Business and Economics, Pukyong National University, Busan, 48513, Rep. of Korea
* Corresponding author : https://orcid.org/0000-0002-2349-9225, +82-51-629-5317, namjo1234@pknu.ac.kr
13/09/2024 ; 07/10/2024 ; 09/10/2024

Abstract


This study aims to examine total factor productivity (TFP) and its determinants in offshore fisheries under the worsening fishing environment and to propose policy improvement based on the estimation results. We identified a decline in TFP of offshore fisheries from 2012 to 2020 employing the global Malmquist productivity index (GMPI), with the primary cause being the regression of the production possibility frontier due to the reduction of fishery resources. Moreover, utilizing the system generalized method of moments (GMM), we found that the determinants, such as the cessation of operations in Japan’s EEZ, vessel age, fishing experience, and oil prices, contribute to a decrease in the TFP of offshore fisheries. Therefore, this study suggests implementing a total allowable catch (TAC)-centered fishery resource management policy, along with reducing loan interest rates and extending the repayment period for the vessel modernization project. Furthermore, it is necessary to improve the TFP of offshore fisheries by providing regular training for fishermen, implementing the tax-free petroleum stockpiling project, and developing alternative fishing grounds.


Offshore Fisheries , Total Factor Productivity (TFP) , Determinants , Global Malmquist Productivity Index (GMPI) , System Generalized Method of Moments (System GMM)

근해어업의 총요소생산성 및 결정요인 추정

전용한1, 손진곤2, 권오민3, 남종오*
1한국해양수산개발원 경제전략연구본부 전문연구원
2국립부경대학교 자원환경경제연구소 전임연구원
3국립부경대학교 자원환경경제연구소 전임연구원
*국립부경대학교 해양수산경영경제학부 교수

초록

    Ⅰ. 서 론

    유엔식량농업기구(Food and Agriculture Organization of the United Nations, FAO)는 2019년 기준 생물학적으로 지속가능한 수준에서 어획되는 어업자원 비율을 64.6%로 평가하였다. 그리고 지속가능 하지 않은 수준에서 어획되는 어업자원의 비율은 35.4%에 달하는 것으로 추정하였다(FAO, 2022). 이 두 비율이 1974년에는 각각 90%와 10%였음을 고려하면, 지속가능한 수준에서 어획되는 어업자원 비율은 줄어든 반면에 지속가능하지 않은 수준에서 어획되는 어업자원의 비율은 증가하여 수산자원의 상태가 악화되고 있는 것을 확인할 수 있다(FAO, 2022). 2019년 기준 전세계 16개 해구의 수산자원 상태를 살펴보면, 우리나라가 속한 북서태평양 61해구는 생물학적으로 지속가능한 수산자원 비율이 55.0%로 평가되어 지중해와 흑해가 포함된 37해구와 남동태평양이 속한 87해구 다음으로 그 비율이 낮았다(FAO, 2022).

    61해구에 위치한 우리나라도 이와 마찬가지로 수산자원의 상태가 악화되고 있는 것으로 보고되었다 (유제범, 2022;FAO, 2022). 연근해 수산자원량은 1993년 약 393만 톤에서 2020년 약 296만 톤으로 평가되어 약 100만 톤 가까이 감소하였다(유제범, 2022). 연근해 수산자원이 감소하는 기간 동안 정부는 어획노력량 규제와 어획량 통제, 금어기와 금지체장, 어구제한과 같은 기술적 규제를 동시에 활용하여 수산자원을 관리하려고 노력하였다(Lee and Rahimi Midani, 2015;이정삼 외, 2019;심성현 외, 2022).

    이와 같은 정부의 다각적인 노력에도 불구하고, 2011년부터 연근해어업의 개별 어획노력량인 어선 마력, 어선 톤, 척당 어획량도 감소하여 생산성이 악화된 것으로 조사되었다(유제범, 2022). 이처럼 내 부적으로 어로어업의 생산기반이 약화되는 가운데, 향후 CPTPP 가입으로 인한 수산보조금 지급 금지 및 전면적인 시장개방과 같은 외부충격 하에서 근해어업이 산업경쟁력을 유지하기 위해서는 지속적인 생산성 개선이 요구된다. 특히, 근해어업은 2011년부터 2020년까지 어로어업 어획량과 생산금액의 각각 69.26%와 55.85%를 차지하며(KOSIS, 2023), 동 어업에는 21개에 달하는 다양한 업종이 조업 활동을 하고 있다(KLIC, 2023).

    그러므로 본 연구는 어로어업 중 어업 규모나 생산금액의 측면에서 비중이 높은 근해어업의 생산성 변화를 살펴보고, 그 변화의 결정요인이 무엇인지를 글로벌 맘퀴스트 생산성 지수(Global Malmquist Productivity Index, GMPI)와 System 일반화적률법(Generalized Method of Moments, GMM)을 활용하 여 추정해 보고자 한다. 이를 위해 본 연구는 다수의 투입물과 산출물의 비율을 지수로 표현한 총요 소생산성(Total Factor Productivity, TFP) 개념을 이용한다(Coelli et al., 1998). 이러한 연구는 우리나라 근해어업의 생산성 제고를 위한 어업정책 수립 및 개선의 기초자료로 활용되어 정책입안자들의 의사결정에 도움이 될 것으로 예상된다.

    근해어업의 TFP 추정에 관한 국내ㆍ외 선행연구는 그리 많이 존재하지 않았으나, 2012년 이전의 근해어업 TFP를 평가한 소수의 연구를 발견할 수 있었다. 우선 Kim et al.(2012)은 산출지향 맘퀴스트 생산성 지수(Malmquist Productivity Index, MPI)를 이용하여 12개 근해어업의 1997년부터 2009년까지의 TFP를 평가하였으며, 같은 기간 근해어업의 TFP는 평균적으로 6.0% 감소하였다. 이어서 박철형 (2014)은 투입산출지향의 부트스트랩(bootstrap) MPI를 이용하여 14개 근해어업이 포함된 연근해어업 15개 업종의 2007년부터 2011년까지 TFP를 평가하였는데, 분석기간 동안 연근해어업의 TFP는 평균적으로 5.0% 하락한 것으로 분석하였다. 이 외에도 Lee and Rahimi Midani(2015)는 산출지향 MPI를 이용하여 어선감척사업 시행의 효과를 살펴보았다. 그 결과, 1992년부터 2012년까지 18개 연근해어업 중 대부분 업종의 MPI가 1을 상회하면서 어선감척사업 시행 이후 TFP가 개선되었고, 어느 정도는 동 사업의 시행 효과가 존재하는 것으로 분석하였다.

    본 연구는 MPI를 분석에 활용하여 근해어업의 TFP 변화를 파악한다는 점에서 선행연구와 일부 연속성이 존재한다. 그러나 본 연구는 2012년 이후의 자료를 활용하여 근해어업 TFP 변화를 추적하고, 분석자료를 획득할 수 있는 범위 내에서 연구대상을 확대하여 근해어업으로 분류되는 13개 업종만을 분석대상에 포함하였다. 또한 어로어업에서 중요한 투입요소 중 하나인 에너지 사용량 자료를 확보하여 더욱 정밀한 근해어업의 TFP 분석을 시도하였다. 끝으로 앞서 소개한 선행연구에서 규명하지 못한 TFP의 외생적인 결정요인을 추정하기 위해 MPI의 변형된 형태인 GMPI와 동적(dynamic) 패널모형 분석방법인 System GMM을 활용하였다는 점에서 선행연구와의 차별성이 존재한다.

    본 연구는 다음과 같이 구성되어 있다. 2장에서는 근해어업의 TFP 결정요인 분석에 활용되는 GMPI와 S ystem G MM의 이론을 소개한다. 이어서 3장에서는 근해어업의 GMPI 계측결과를 바탕으로 TFP 변화를 살펴보고, 근해어업 TFP의 결정요인을 추정한 결과를 제시한다. 끝으로 4장에서는 주요 연구 결과를 요약하고, 연구의 함의와 정책적 시사점을 제시하며 글을 맺고자 한다.

    Ⅱ. 분석 모형

    1. 글로벌 맘퀴스트 생산성 지수

    Malmquist(1953)는 MPI의 개념을 처음으로 소개하였고, 이후 Cave et al.(1982)은 거리함수를 이용하여 MPI를 도출하였다. MPI는 다중 산출물과 투입물을 이용하여 DMU(decision making unit)의 TFP 변화를 나타내는 지수이며, 시간에 따른 기술변화를 고려하여 여러 시점에서 DMU의 상대적인 성과를 측정하는 지표이다(Walden et al., 2012). MPI는 분석 이전에 구체적인 생산함수를 가정하지 않아도 되며(Nielson et al., 2023), DMU가 비용최소화 또는 이윤극대화한다고 가정하는 것이 적합하지 않은 경우에도 활용이 가능하다(Solis et al., 2015). 그러나 MPI는 연속된 두 기간의 생산가능집합을 활용하여 도출되기 때문에 MPI가 이행성(transitivity)을 만족하지 못한다(Pastor and Lovell, 2005). 즉, t 와 t + 2 사이의 변화를 보여 주는 MPIt, t + 2는 MPIt, t + 1와 MPIt + 1, t + 2를 곱하여 도출이 불가능하다. 또한 MPI는 선형계획 문제를 실행할 수 없는 실행불능해(infeasible solution) 문제가 발생하여 MPI의 수치가 도출되지 않는 단점도 존재한다(Pastor and Lovell, 2005).

    상기 MPI의 단점을 극복하기 위해 Pastor and Lovell(2005)은 개별 시점의 생산가능집합(P1, P2, ⋯, Pt ) 을 모두 포괄하는 글로벌(global) 생산가능집합(PG = P1∩P2∩ ⋯ ∩Pt )에 기초한 글로벌(global) MPI(GMPI)를 개발하였다. Pastor and Lovell(2005)은 규모수익불변(Constant Returns to Scale, CRS)하에서의 GMPI를 도출하였으며, 그들은 Ray and Desli(1997)의 접근법을 이용하여 규모수익가변(Variable Returns to Scale, VRS)에서도 GMPI 계산이 가능함을 밝혔다. Ray and Desli(1997)의 방법으로 GMPI를 추정하는 경우, Pastor and Lovell(2005)의 접근법보다 GMPI의 구성요소들을 자세하게 분해할 수 있는 장점이 있다. 따라서 본 연구에서도 VRS 하에서 근해어업의 GMPI를 계측한다. 왜냐하면 일반적으로 모든 어로어업이 최적의 규모에서 조업한다고 확신할 수 없고(Vázquez-Rowe and Tyedmers, 2013), 어업별로 기술의 변화가 중립적이라 판단하기에는 다소 무리가 있기 때문이다(Pascoe and Herrero, 2004). 또한 근해어업의 조업에 이용되는 어업자본은 준고정(quasi-fixed) 특성을 가지고 있으므로 본 분석에서는 주어진 투입물 하에서 산출물의 최대 수준을 측정하는 산출물 거리함수를 활용한다(Orea et al., 2005). VRS 하에서 글로벌 산출물 거리함수(DVG)는 다음의 식 (1)과 같다(Ray and Desli, 1997;Pastor and Lovell, 2005).

    D v ​     G ( x,y ) = min { θ > 0   | ( x,y/ θ ) ∈ P v     G }
    (1)

    여기서, PvG 는 2012년부터 2020년까지 개별연도의 생산가능집합(P2012, P2013, ⋯, P2020)을 포함하는 VRS 하에서의 글로벌 생산가능집합을 의미한다. x와 y는 각각 GMPI 계측에 활용되는 투입 및 산출 변수이며, 근해어업의 MPI를 분석한 Kim et al.(2012)과 박철형(2014)의 선행연구를 참고하여 투입변수로 어선 톤수와 어선 마력수, 선원수, 출어일수를 선정하였고, 산출변수로는 어업수입을 선택하였다. 본 연구에서는 어업현실에 부합하는 근해어업의 GMPI를 추정하기 위해 에너지 사용량을 투입변수로 새로이 추가하였다. 식 (1)을 이용한 산출지향 GMPI와 그 구성요소를 분해한 결과는 식 (2)와 같이 나타낼 수 있다(Ray and Desli, 1997;Pastor and Lovell, 2005).

    GMPI ( x t+1 , y t+1 , x t , y t ) = D V   ​ ​ t+1 ( x t+1 , y t+1 ) D V   ​ t ( x t , y t ) × [ D V   G ( x t+1 , y t+1 ) / D V   t+1 ( x t+1 , y t+1 ) D V   G ( x t , y t ) / D V   t ( x t , y t ) ] × SE ( x t+1 , y t+1 ) SE ( x t , y t ) = PTECH × [ BPG G,t+1 ( y t+1 , x t+1 ) BPG G,t ( y t , x t ) ] × SECH =   PTECH   × BPC   × SECH
    (2)

    이때, 식 (2)의 D V t 와 D V t+1 는 각각 t와 t+1시점에서 VRS 하의 산출물 거리함수이며, xt와 yt는 t 시점의 투입 및 산출물의 벡터, xt + 1와 yt + 1은 t+1 시점의 투입 및 산출물 벡터를 의미한다(장영재ㆍ 양동현, 2011). GMPI > 1이면 근해어업의 TFP는 증가한 것으로, GMPI < 1 이면 근해어업의 TFP는 감소한 것으로 판단한다(Pastor and Lovell, 2005). 이어서 PTECH(pure technical efficiency change) > 1이면 조업에서 활용되는 투입요소들의 기술적 결합이 개선되어 효율성이 증가한 것을 의미하며, PTECH < 1이면 투입요소들의 기술적 결합이 약화되어 효율성이 감소한 것으로 해석한다(박철형, 2014). 또한 BPG(best practice gap)는 개별연도의 생산변경과 글로벌 생산변경 사이의 거리비율을 나타낸다. 여기서 BPC(best practice change) > 1이면 근해어업의 t 연도 생산변경에 비해 t+1 연도의 생산변경이 확대되어 글로벌 생산변경에 근접했음을 의미하며, B PC < 1 이면 근해어업의 t 연도 생산변경에 비해 t+1 연도의 생산변경이 위축되어 글로벌 생산변경에서 멀어진 것을 뜻한다(Pastor and Lovell, 2005). 즉, BPC는 시간이 경과함에 따라 생산변경이 확장 또는 축소되고 있는지를 측정하는 지표이다(장영재ㆍ양동현, 2011). 끝으로 SECH(scale efficiency change) > 1이면 근해어업은 최적의 생산규모 가까이에서 조업하고 있는 것으로 판단할 수 있고, SECH < 1 이면 근해어업은 최적의 생산 규모에 미치지 못한 채로 조업하고 있는 것을 의미한다(Nielson et al., 2023).

    2. System 일반화적률법

    동적 패널모형은 종속변수의 시차(lagged) 변수를 독립변수에 포함하여 분석하는 모형이다. 이 때문에 자기상관(autocorrelation)으로 인한 독립변수의 내생성(endogeneity) 문제가 발생하게 된다(민인식ㆍ 최필선, 2016). 동적 패널모형의 내생성 문제를 해결하여 일치추정량을 얻기 위해서는 다양한 추정방법이 활용되는데, 그중 하나는 도구변수(instrumental variables)를 이용한 1차 차분 2단계 최소자승법(first-differenced two-stage least squares, FD2SLS)이다(민인식ㆍ최필선, 2016). 한편, 내생적 설명변수의 수보다 도구변수의 수가 많은 과대식별(over-identifying) 모형에서는 일반화적률법(generalized method of moments, GMM)을 이용하는 것이 더 효율적인 추정량을 도출할 수 있다(민인식ㆍ최필선, 2016). GMM 은 Arellano and Bond(1991)가 제안한 차분(differenced) GMM과 Arellano and Bover(1995) 및 Blundell and Bond(1998)가 제안한 System GMM으로 구분할 수 있다. Roodman(2009)은 두 가지 GMM 중 종속 변수의 시차변수와 차분한 종속변수의 시차변수를 도구변수로 활용하는 System GMM의 추정량이 차분 GMM보다 더 효율적임을 보였다. 이에 본 연구에서는 System GMM을 분석에 활용하였으며, 표본의 크기가 증가할수록 1단계(one-step) 추정에 비해 효율적인 2단계(two-step) 추정을 분석에 이용하였다 (Windmeijer, 2005). 근해어업의 TFP 결정요인 추정에 활용된 모형은 다음의 식 (3)과 같다.

    CGMPI i,t = α 0 + α 1 CGMPI i,t-1 + α 2 FVA i,t + α 3 EXP i,t + α 4 EXP i,t 2 + α 5 DP i,t + α 6 D EEZ + μ i + ∈ i,t
    (3)

    여기서, i는 근해어업 13개 업종, t는 분석기간인 2012년부터 2020년의 개별 연도를 의미한다. 식 (3)의 종속변수인 CGMPIi, t는 누적(cumulative) GMPI로서 근해어업의 TFP 결정요인 분석을 위해 연속된 두 기간의 자료로 계측되는 GMPIt, t + 1을 단일 연도로 분해한 변수이다(Zhou et al., 2010;Liu et al., 2021)1). 식 (3)의 CGMPIi, t - 1는 시차종속변수이며, CGMPIi, t 도출에 활용되기 때문에 내생적 설명변수로 모형에 포함하였다(Bansal et al., 2022;Luo et al., 2022;Zhang et al., 2019). FVAi, t는 어선의 선령으로서 노후화된 어선이 TFP에 미치는 영향을 살펴보기 위해 결정요인으로 포함하였다. 다음으로 EXPi, t는 어업경력을 의미하는데, 일반적으로 어업경력이 축적될수록 숙련도가 증가하여 TFP가 개선될 가능성이 높다. 그러나 어업경력이 축적될수록 생산효율성이 감소한다는 Tingley et al.(2005)의 연구도 존재하므로 근해어업의 TFP와 어업경력의 비선형적인 관계를 살펴보기 위해 어업경력을 제곱 한 EXP i,t 2 를 모형에 추가하였다. 이어서 DPi, t는 어업용 경유 면세가격이며, 경유의 가격 변동이 근해어업 TFP에 어떠한 영향을 미치는 살펴보기 위해 모형에 포함하였다. 더불어 DEEZ는 더미변수로서 일본 EEZ 조업이 근해어업 TFP에 미치는 영향을 살펴보기 위해 추가되었으며, 일본 EEZ 입어가 가능한 2015년까지는 DEEZ가 1, 입어가 중단된 2016년부터는 DEEZ가 0이다. 끝으로 μi는 13개 근해어업의 미관측된 이질성으로 개별 어업의 특성을 나타내며, ∈i,t는 오차항을 의미한다.

    System GMM은 CGMPIi, t의 수준시차변수와 차분시차변수를 도구변수로 활용하기 때문에 CGMPIi, t - 1보다 많은 수의 도구변수가 사용되는 과대식별모형이다. 따라서 식 (3)의 과대식별 제약조건이 통계적으로 적합한지에 대해 검정이 필요하다(민인식ㆍ최필선, 2016). 일반적으로 과대식별 제약 조건 검정에는 Hansen 검정과 Sargan 검정이 활용되는데, Sargan 검정의 경우 도구변수의 수가 패널 개체의 수보다 많은 경우 신뢰성이 저하될 수 있다고 보고된 바 있어 본 연구에서는 Hansen 검정을 이용하였다(은석, 2015). 추가적으로 식 (3)의 오차항(∈i,t )을 차분한 Δ∈i,t의 자기상관(autocorrelation) 검정을 통해 도구변수가 적절하게 선택되었는지 확인해야 한다(민인식ㆍ최필선, 2016). 이는 식 (3) 추정을 위해 도구변수로 CGMPIi, t - 2가 활용되기 때문에 Δ∈i,t에 2계 자기상관이 존재하는 경우, 도구변 수의 외생성(exogeneity)에 문제가 발생한다(민인식ㆍ최필선, 2016).

    Ⅲ. 분석 결과

    1. 분석자료

    본 연구의 분석대상은 어선의 톤수가 10톤을 초과하는 근해어업으로 전체 21개 근해어업 중 13개 어업2)이 분석대상에 포함되며(KLIC, 2023), 분석자료의 기간은 각종 자료확보의 한계로 인해 2012년부터 2020년까지로 제한하였다. 근해어업 13개 업종은 우리나라 근해에서 동일한 목적으로 조업활동을 하며, 동일한 단위의 생산요소를 투입하여 같은 단위의 산출물을 생산한다(Golany and Roll, 1989). 따라서 근해어업 13개 업종은 상당 부분 동질성을 가지고 있는 것으로 보여진다. 더불어 근해어업의 업종은 총 13개로 투입 및 산출변수의 합계인 6보다 2배 이상 크고, 투입 및 산출변수의 곱인 5보다 크기 때문에 근해어업의 TFP를 추정하는 데는 어려움이 없을 것으로 판단된다(Golany and Roll, 1989;Bussofiane et al., 1991).

    분석에 활용된 변수별 출처를 살펴보면, 연도ㆍ업종별 어선 톤수(VGT)와 어선 마력수(VHP), 선원 수(CREW), 출어일수(FD), 어업수입(FR), 선령(FVA)은 연도별 어업경영조사 자료에서 획득하였다 (KOSIS, 2024a). 여기서 어업수입은 2020년 기준 수산물 생산자물가지수를 활용하여 실질가치로 변환하여 분석에 이용하였다(KOSIS, 2024b). 다음으로 어업경력(EXP )은 2013년부터 2021년까지의 근해어 업실태조사 자료에서 얻을 수 있었으며(국회도서관, 2024), 에너지 사용량(EC) 추정에 사용되는 어업용 면세유 공급량과 경유 가격(DP)은 수협중앙회 자료를 이용하였다(수협중앙회, 2021). 이때, 경유 가격은 2020년 기준 경유 생산자물가지수를 적용하여 실질가치로 변환한 후 분석에 이용하였다 (KOSIS, 2024b).

    에너지 사용량(EC)은 연도와 업종, 유종별로 세분화된 근해어업의 면세유 공급량(PS)에 ｢에너지법｣ 시행규칙의 유종별 리터당 총발열량(GCV)을 곱하여 계산하였다(KLIC, 2024). 근해어업의 에너지 사용량(EC)을 도출하는 과정은 식 (4)와 같다(KLIC, 2024).

    EC i,k,t = PS i,k,t × GCV k
    (4)

    여기서, i는 13종의 근해어업을 의미하며, t는 분석기간(2012~2020년), k는 경유, 휘발유, 중유로 구분된 유종을 의미한다. 경유와 휘발유, 중유의 리터당 총발열량은 각각 0.0009TOE(tonne of oil equivalent), 0.00078TOE, 0.00097TOE를 적용하였다(KLIC, 2024). 식 (4)에 따라 유종별로 계산된 에너지 사용량은 합산한 후 분석에 활용하였다. 끝으로 본 연구에서 활용한 자료는 근해어업의 업종별 경영체 단위로 정리된 결과이며, 변수별 기초통계량은 <표 1>에 제시하였다.

    2. 근해어업의 TFP 추정결과

    <표 2>는 근해어업의 TFP 변화를 살펴보기 위해 GMPI 추정에 활용되는 투입 및 산출변수 사이의 상관관계를 분석한 결과이다. 산출변수인 어업수입(FR)과 투입변수인 어선 톤수(VGT), 어선 마력수(VHP), 선원수(CREW), 에너지 사용량(EC), 출어일수(FD) 간에는 양의 상관관계를 보이는 것으로 나타났고, 1% 유의수준에서도 통계적으로 유의하였다. 다시 말해, 우리나라 근해어업은 투입요소가 증가하면 산출물도 함께 증가하는 관계를 보이고 있으므로 근해어업의 GMPI 측정을 위해 사용되는 투입 및 산출변수의 선정은 적절한 것으로 판단된다(Bao et al., 2010).

    <표 3>과 <그림 1>은 GMPI를 이용하여 근해어업의 기간별 TFP 변화를 계측하고, GMPI를 구 성하는 요소들의 변화를 측정한 결과이다. 근해어업은 GMPI가 기간별 평균 6%[(0.9400-1)×100] 감소한 것으로 계산되어 전반적으로 TFP가 악화된 것으로 분석되었다. 이와 같은 TFP 감소의 원 인으로는 GMPI의 구성요소인 SECH가 기간별 평균 0.95%[(1.0095-1)×100] 증가하였으나 PTECH 가 기간별 평균 0.28%[(0.9972-1)×100] 하락하였기 때문이다. 특히, 근해어업의 BPC가 기간별 평균 6.62%[(0.9338-1)×100] 감소하여 다른 구성요소에 비해 상대적으로 크게 하락하였는데, 이는 생산가능 곡선을 의미하는 프런티어가 후퇴하였음을 시사한다. 본 연구의 분석기간 동안 우리나라의 연근해 수 산자원량은 2012년 340만 톤에서 2020년 296만 톤으로 약 13% 감소하였는데(유제범, 2022), 이와 같 은 수산자원량의 감소가 BPC의 하락을 유발하였고(Hoff, 2006), 이는 근해어업의 TFP 악화에도 영향 을 미쳤을 것으로 판단된다.

    이러한 분석 결과는 Kim et al.(2012)과도 유사한데, 이 연구에서도 1997년부터 2009년까지 한국 근해어업의 MPI가 기간별 평균 6.0% 감소하여 TFP가 하락한 것으로 분석하였다. 또한 Kim et al.(2012)은 MPI의 구성요소를 분해하여 근해어업 TFP의 악화 원인을 BPC와 유사한 지수인 기술변화 (technical change)의 감소에 있음을 규명하였다. 이 외에도 2007년부터 2011년까지 14개 근해어업의 TFP를 평가한 박철형(2014)의 연구에서도 근해어업의 MPI가 기간별 평균 5.6% 감소하였고, 그 원인이 기술변화 지수의 감소에 기인한 것으로 분석하였다. 본 연구의 분석결과와 상기 선행연구들을 종합하였을 때 근해어업의 TFP 감소는 비슷한 수준에서 지속되고 있으며, 그 원인도 생산가능곡선의 축소에 기인한 것으로 보여진다. 따라서 계속되는 근해어업의 TFP 하락 국면을 전환하려면, 총허용어획량 제도가 바탕이 된 산출량 관리 중심의 수산자원정책을 시행하여 장기적으로 생산가능곡선이 확장될 수 있도록 해야 할 필요가 있다.

    <표 4>는 GMPI를 이용하여 근해어업의 업종별 TFP 변화를 추정하고, GMPI를 구성하는 PTECH와 SECH, BPC의 업종별 변화를 측정한 결과이다. 본 연구의 분석대상인 13개 근해어업의 PTECH와 SECH, BPC 변화는 업종별로 상이하지만 몇 가지 공통된 부분을 발견할 수 있다. 먼저 근해어업 13개 업종의 GMPI는 모두 1 미만으로 계측되어 예외 없이 모든 업종의 TFP가 감소한 것으로 분석되었다. 다음으로 13개 근해어업 중 12개 업종의 BPC가 1을 넘어서지 못하여 생산가능곡선이 후퇴한 것으로 분석되었으며, BPC가 감소된 업종에 유일하게 포함되지 않은 동해구중형트롤조차도 BPC가 1을 초과하지는 못하였다. 실제로 근해어업의 여러 업종들은 어로기술을 지속적으로 개발해 오면서 생산가능곡선을 확장하려고 노력하였다(서영일 외, 2017;오택윤 외, 2018;서영일 외, 2019;안영수 외, 2019;정태영ㆍ이유원, 2019;조현수 외, 2020). 그럼에도 불구하고 모든 근해업종에서 BPC가 1을 넘어서지 못한 결과는 우리나라 연근해 수산자원의 감소로 인해 각 업종의 생산기반이 약화한 데 기인한 것으로 판단된다. 한편, 13개 근해어업은 PTECH와 SECH가 동시에 1 미만으로 감소한 업종은 존재하지 않는 것으로 분석되었다. 즉, 모든 업종은 투입요소들을 적절히 조합하여 기술적 결합의 효율성을 향상 또는 유지하였거나 개별 어업이 최적의 규모에서 조업활동을 하기 위해 노력한 것으로 보인다(박철형, 2014).

    본 연구의 근해어업 업종별 TFP 추정 결과와 선행연구들의 결과를 비교해 보면, 우선 Kim et al.(2012)은 1997년부터 2009년 사이에 12개 근해어업 중 근해연승과 근해자망, 근해채낚기, 근해통발 등 4개 업종만이 TFP가 향상된 것으로 평가하였다. 이어서 박철형(2014)은 2007년부터 2011년 사이에 14개 근해어업 중 외끌이대형저인망과 대형트롤 등 2개 업종만이 TFP가 증가한 것으로 분석하였다. 2012년부터 2020년까지의 근해어업 업종별 TFP를 계측한 본 연구에서는 13개 업종 모두 GMPI가 감소하여 TFP가 개선된 업종은 전무한 것으로 분석되었다. 이러한 결과에 기초해 볼 때, 시간이 경과 할수록 근해어업의 업종 중 TFP가 개선된 업종의 수는 줄어드는 경향을 보였다. 이는 우리나라 해역에서의 전반적인 수산자원 감소 영향뿐만 아니라 제한된 수역에서 근해어업의 업종간 조업경쟁이 심화된 점도 개별 업종의 TFP 악화에 일부 영향을 미친 것으로 판단된다(김도훈 외, 2020).

    3. 근해어업의 TFP 결정요인 추정결과

    근해어업의 TFP 결정요인 분석에 앞서 식 (3)에 포함되는 독립변수 간 다중공선성(multicollinearity) 존재 여부를 확인할 필요가 있다. 이를 위해 독립변수별 분산팽창계수(variance inflation factor, VIF)를 추정하였으며, 그 결과는 <표 5>에 제시하였다. 변수별 VIF 추정 결과, DEEZ와 EX Pi, t , DPi, t , FVAi, t 의 VIF는 모두 10을 초과하지 않는 것으로 분석되었다. 일반적으로 독립변수의 VIF가 10을 넘어서면, 다른 독립변수와 심각한 다중공선성이 존재할 가능성이 높은 것으로 판단할 수 있다(Gujarati and Porter, 2011). 본 연구에서는 근해어업의 TFP 결정요인으로 투입되는 모든 독립변수의 VIF가 10 미만이기 때문에 심각한 다중공선성이 존재할 가능성은 낮은 것으로 판단하여 이 변수들을 모두 분석에 활용하였다.

    근해어업의 TFP 결정요인을 식별하기 위해 본 연구는 System GMM을 이용하였고, TFP 결정요인 추정 결과는 <표 6>에 제시하였다. 근해어업의 TFP 결정요인 추정 모형의 Wald χ ( 6 ) 2 을 살펴보면, 검 정통계량이 1% 유의수준에서 유의하여 동 모형은 통계적으로 적합한 것으로 분석되었다. Hansen 검정을 통한 System GMM의 과대식별 제약조건 검정 결과, ‘과대식별 제약조건이 적절하다’라는 귀무 가설을 10% 유의수준에서도 채택하여 과대식별 제약조건이 적절함을 통계적으로 확인하였다. Arellano-Bond 검정을 통해 Δ∈i,t의 1계와 2계 자기상관을 검정한 결과, 1계 자기상관 검정에서는 귀무가설인 ‘자기상관이 존재하지 않는다’를 5% 유의수준에서 기각하여 Δ∈i,t의 1계 자기상관이 존재하였다. 반면, Δ∈i,t의 2계 자기상관 검정에서는 귀무가설을 채택하여 Δ∈i,t의 2계 자기상관이 존재하지 않았다. 따라서 식 (3)의 ∈i,t는 자기상관이 존재하지 않는 것으로 판단할 수 있으며, 이를 통해 System GMM의 도구변수도 식 (3)의 ∈i,t와의 관계에서 외생적인 것으로 확인되어 통계적으로 도구변수가 적합하게 선정되었음을 알 수 있다(민인식ㆍ최필선, 2016).

    근해어업의 TFP 결정요인으로 식별된 변수들 가운데 우선 선령(FVAi, t )의 추정치는 5% 유의수준에서 통계적으로 유의하였다. 근해어업의 선령이 증가하면 CGMPI는 감소하는 음(-)의 관계를 보이는 것으로 분석되었다. 선령이 높은 어선은 일본의 선형을 참고하여 건조되었거나 일본에서 사용한 중고어선일 가능성이 높아 우리나라의 해양 및 어업환경에 최적화되지 못하는 문제가 있다(이영길 외, 2008). 이는 결국 어선의 이동이나 조업 시 추진저항을 높여 에너지 효율성을 저하시키는 원인으로 작용하고(Jeon and Nam, 2023), 추가적인 연료 투입을 필요로 하여 TFP의 악화를 유발할 수 있다.

    다음으로 어업경력(EX Pi, t )과 그 제곱항( EXP i,t 2 )의 추정치 모두 10% 유의수준에서 통계적으로 유의하게 분석되었다. 특히, EX Pi, t의 추정치가 0보다 크고, EXP i,t 2 의 추정치는 0보다 작아서 CGMPI와 EXP는 역(inverted) U 형태의 관계를 보이는 것으로 나타났다. 즉, 근해어업은 어업경력이 증가하면 CGMPI도 상승하지만, 특정한 전환점(turning point)을 지난 후에는 오히려 어업경력의 증가가 CGMPI 의 감소를 유발하였다. 이 전환점을 계산해 보면, 어업경력이 24년을 초과하면서부터 CGMPI가 하락하여 근해어업의 TFP가 저하되는 것으로 분석되었다3). 이러한 결과는 어업경력이 축적될수록 기존의 조업방식에 익숙해져 이를 고수하려는 어업인이 어업환경 변화에 능동적으로 대처하지 못한 점에 기인한 것일 수도 있다(Tingley et al., 2005).

    근해어업의 TFP 결정요인으로 포함한 경유 면세가격(DPi, t)의 추정치도 10% 유의수준에서 통계적으로 유의하게 분석되어, 경유 면세가격이 증가하면 근해어업의 CGMPI는 감소하는 음(-)의 관계를 보였다. 경유 면세가격이 증가하면 근해어업은 어업비용에서 인건비 다음으로 비중이 높은 연료비 부담이 가중되고(Jeon and Nam, 2023), 이는 결국 조업활동에 지장을 초래하여 TFP 악화에 영향을 미쳤을 가능성이 있다. 끝으로 일본 EEZ 입어 더미변수(DEEZ)의 추정치는 1% 유의수준에서 통계적으로 유의하였으며, 근해어업이 EEZ에 입어하여 조업하는 경우에 CGMPI가 증가하는 것으로 분석되었다. 2016년 이후 일본과의 한일어업협정 갱신 중단으로 인해 일본 EEZ 입어가 금지되면서 일본의 EEZ 어장에 입어하여 조업하는 일부 근해어업의 어장이 줄어들었다(연합뉴스, 2022). 이처럼 EEZ 입어 금지는 우리나라의 제한된 해역에서 근해어업 간 조업경쟁을 심화시켜 TFP의 감소에 부분적으로 영향을 미쳤을 수 있다.

    Ⅳ. 결 론

    대내외적 어업여건이 변화하고 있음에도 불구하고, 근해어업의 생산성 변화를 살펴본 연구는 다소 부족한 실정이었다. 이에 본 연구는 글로벌 맘퀴스트 생산성 지수(GMPI)와 System 일반화적률법 (GMM)을 활용하여 근해어업의 총요소생산성(TFP) 계측과 TFP의 결정요인을 추정하였다.

    본 연구의 결과와 정책적 시사점을 요약 및 정리하면 다음과 같다. 첫째, 근해어업은 분석기간 동안 평균적으로 GMPI가 6% 감소하여 TFP가 전반적으로 악화되었으며, 근해어업 13개 업종 모두 GMPI 가 1 미만으로 분석되어 TFP가 개선된 업종은 존재하지 않았다. 이와 같은 근해어업 TFP 악화의 주된 원인은 GMPI의 구성요소인 BPC가 1 미만으로 측정되어 생산가능곡선이 퇴보하였기 때문이다. 따라서 생산가능곡선이 확장되어 근해어업의 TFP를 향상시키기 위해서는 실효성 없는 어업규제를 최소화하는 한편, 총허용어획량(TAC)이 중심이된 산출량 관리 위주의 어업자원관리정책을 통해 수산자원 회복을 도모하는 것이 필요하다. 특히, 현재 수산자원상태를 반영하여 TAC를 결정하고, 소진율도 TAC 설정량에 근접하게 하기 위해서는 수산자원평가의 정확성을 개선해야 한다(심성현 외, 2022). 이를 위해 정부는 수산자원평가 전문가를 충원하고, 수산자원평가 대상어종의 기초자료 수집을 위한 수산과학조사ㆍ탐사선 추가 도입을 고려할 필요가 있다.

    둘째, 선령이 증가하면 근해어업의 누적 GMPI(CGMPI)는 감소하는 관계를 보이는 것으로 분석되어 높은 선령은 근해어업의 TFP를 악화시키는 결정요인으로 판명되었다. 2021년 기준 근해어업의 업종별 선령은 최소 18.1년에서 최대 36.4년으로 집계되어 근해어선의 노후화가 심각한 것으로 나타났다(엄선희 외, 2023). 이에 따라 평균 선령이 높은 근해업종을 중심으로 우선순위를 설정한 후 어선현대화 사업을 추진해 나가야 한다. 어선현대화와 관련된 금융지원제도는 정책자금을 이용한 이차보전이 대부분이므로 지원 규모가 제한되어 있고, 그로 인해 어업인의 사업 참여도가 낮은 실정이다. 따라서 노후화 된 어선을 친환경 어선이나 안전ㆍ복지형 어선으로 현대화하는 경우에 한해 무이자 지원으로 금융비 용을 면제해 주거나 어선 건조비 상환기간을 선체 또는 기관의 내용 연수와 동일한 20~25년까지 연장해 주는 방안도 고려해 봄직하다.

    셋째, 어업경력이 초기부터 축적되는 단계에서는 어업경력이 증가하면 근해어업의 CGMPI는 상승하지만 어업경력이 24년을 초과하면서부터는 CGMPI가 하락하였다. 즉, 어업경력이 24년을 넘어서게 되면 근해어업의 TFP가 저하되는 것으로 분석되었다. 과학기술의 발전으로 어로장비도 점차 전자기기로 변하면서 조업환경의 디지털화가 가속화되고 있는 반면, 어업인은 다른 계층에 비해 디지털 정보화 수준이 낮은 계층으로 분류되었다(KOSIS, 2024c). 따라서 정책당국이나 수협은 디지털화된 어로장비 사용방법을 어업인 교육 프로그램에 추가하여 경력이 긴 어업인을 대상으로 주기적인 교육을 실시할 필요가 있다.

    넷째, 경유 면세가격이 증가하면 근해어업의 CGMPI는 감소하는 음(-)의 관계로 분석되어 경유 면세가격의 상승은 근해어업의 TFP를 저하시키는 결정요인으로 식별되었다. 근해어업의 비용구조에서 인건비 다음으로 연료비가 높은 점을 고려할 때(KOSIS, 2024a), 경유 면세가격 상승에 따른 조업 차 질은 불가피할 것으로 예상된다. 그러나 이로 인한 피해를 최소화할 수 있도록 해양수산부와 수협중 앙회는 유가가 낮은 시기에 어업용 면세유를 비축하였다가 유가 급등 시 이를 방출하여 TFP 감소를 완화하는 방안을 검토할 필요가 있다. 아울러 ｢유류공급사업요령｣을 개정하여 어업인에게 공급되는 어업용 면세유의 일정 비율을 면세유 비축물량에 적립함으로써 어업인 스스로 유가 급등에 대비하는 방안 마련도 고려할 필요가 있다.

    끝으로 근해어업이 일본 EEZ에 입어하여 조업이 가능한 경우의 CGMPI가 그렇지 못한 경우보다 높은 것으로 분석되어, 일본 EEZ 입어는 근해어업의 TFP를 상승시키는 결정요인으로 확인되었다. 무엇보다도 일본 EEZ 입어협상이 타결되어 근해어업이 일본 해역에서 조업하는 것이 근본적인 해결방 안으로 보여진다. 그러나 계속된 일본 EEZ 입어협상 파행으로 근해어업의 조업 손실이 누적된다면 협상 타결전까지 영어자금 지원한도를 일시적으로 늘리는 방안이나 대체어장을 개발하는 등의 대책도 필요해 보인다.

    본 연구는 GMPI를 이용하여 2012년 이후 추적이 중단되었던 근해어업의 TFP 변화를 분석하고, GMPI를 분해하여 근해어업의 TFP 감소 원인을 규명하였다는 점에서 의의가 있다. 또한 우리나라 어로어업을 대상으로 지금까지 적용되지 못한 System GMM을 활용하여 근해어업 TFP의 결정요인을 추정하고, 그 결과를 바탕으로 여러 정책적 시사점을 제안한 점도 연구의 의의라 할 수 있다. 아울러 본 연구에서 추정한 근해어업의 GMPI가 재무지표와 상호보완적으로 활용된다면 근해어업의 경쟁력을 다양한 관점에서 종합적으로 평가할 수 있을 것이다. 이 외에도 본 연구의 결과가 앞서 언급한 바와 같이 정부의 근해어업 경쟁력 강화를 위한 정책수립의 참고자료 중 하나로 활용될 수 있다는 점도 연구의 의의일 것이다.

    그러나 본 연구는 분석자료 획득에 제한이 있어 불가피하게 2020년까지의 근해어업 TFP만을 평가 하였고, 근해어업의 모든 업종을 연구대상에 포함하여 분석하지 못한 한계가 존재한다. 또한, 근해어업의 TFP 변화요인을 파악하려고 노력하였으나 더 많은 사회ㆍ경제적 결정요인들을 모형에 반영하여 분석하지는 못하였다. 향후 연구에서는 분석기간과 대상을 확장하여 근해어업의 TFP를 추정하고, 더 많은 사회ㆍ경제적 변수를 발굴하여 TFP 결정요인을 다각도로 분석해 볼 필요가 있다. 그 외에도 후속 연구에서는 도출된 분석결과를 바탕으로 근해어업의 업종별 수협과 심층 인터뷰를 진행한다면 보다 풍부한 시사점 도출이 가능해질 것으로 판단된다.

    Figures

    FBA-55-4-1_F1.gif
    기간별 GMPI 및 구성요소의 변화 추이

    Tables

    분석에 이용한 변수의 기초통계량
    GMPI 추정에 활용한 투입 및 산출변수의 상관관계 분석 결과
    주: *, **, ***는 각각 10%, 5%, 1% 유의수준에서 통계적으로 유의함을 의미한다.
    기간별 GMPI 추정 및 구성요소 분해 결과
    업종별 GMPI 추정 및 구성요소 분해 결과
    TFP 결정요인별 VIF 추정 결과

    System GMM을 이용한 TFP 결정요인 추정 결과

    References

    1. 국회도서관 ( 2024), “2013~2021 근해어업실태조사 각 년도”, accessed June 3, 2024 [available at https://www.nanet.go.kr/].
    2. 김도훈ㆍ진송한ㆍ이주현ㆍ홍재범ㆍ송유노 ( 2020), 지속가능한 연근해어업 혁신 방안, 대통령직속 농어업ㆍ농어촌특 별위원회.
    3. 민인식ㆍ최필선 ( 2016), STATA 패널 데이터 분석, 지필미디어.
    4. 박철형 ( 2014), “연근해어업 업종별 생산성 추정에 관한 연구”, 수산경영론집, 45(1), 63-77.
    5. 서영일ㆍ오택윤ㆍ차형기ㆍ김병엽ㆍ조현수ㆍ정태영ㆍ이유원 ( 2019), “참조기 유자망어업에서 어로기술개발에 따른 어획성능지수 변동”, 수산해양기술연구, 55(3), 198-205.
    6. 서영일ㆍ황강석ㆍ차형기ㆍ오택윤ㆍ조현수ㆍ김병엽ㆍ류경진ㆍ이유원 ( 2017), “근해대형선망어업에서 어로기술개발 에 따른 어획성능지수 변동”, 수산해양기술연구, 53(1), 12-18.
    7. 수협중앙회 ( 2021), 2021년 어업용 면세유류 연간소요한도량 산정방법 개선 연구, 수협중앙회.
    8. 심성현ㆍ고동훈ㆍ이정미 ( 2022), 연근해 어종별 어획쿼터제도 도입방안 연구, 기본연구 2022-8, 한국해양수산개발원.
    9. 안영수ㆍ서영일ㆍ조현수ㆍ정태영ㆍ이유원 ( 2019), “기선권현망어업에서 어로기술개발에 따른 어획성능지수 변화”, 수산해양교육연구, 31(5), 1371-1379.
    10. 엄선희ㆍ윤미경ㆍ이정미ㆍ김철현ㆍ고동훈 ( 2023), 어선현대화 촉진을 위한 금융제도 개선방안 연구, 기본연구 2023-16, 한국해양수산개발원.
    11. 연합뉴스 ( 2022), “[한일어업협정 중단 7년째] (상) 한숨 깊어지는 수산업계”, accessed July 23, 2023 [available at https://yna.co.kr/].
    12. 오택윤ㆍ서영일ㆍ차형기ㆍ조현수ㆍ안영수ㆍ이유원 ( 2018), “근해오징어채낚기어업에서 어로기술발달에 따른 어획 성능지수 변동”, 수산해양기술연구, 54(3), 224-230.
    13. 유제범 ( 2022), ｢연근해어업의 구조개선 및 지원에 관한 법률｣에 따른 연근해어선 감척사업의 입법영향분석, NARS 입법영향분석 제58호, 국회입법조사처.
    14. 은석 ( 2015), “교육 및 사회정책의 출산율 고양효과에 대한 비교 연구: System-GMM을 활용한 26개국 18년간의 패널 자료 분석 결과를 중심으로”, 보건사회연구, 35(2), 5-31.
    15. 이영길ㆍ지현우ㆍ유진원ㆍ강대선ㆍ권수연 ( 2008), “선체저항성능에 관련한 한국 어선선형의 특성과 개선방안”, 선박 안전, 25, 47-63.
    16. 이정삼ㆍ류정곤ㆍ심성현ㆍ고동훈ㆍ오서연ㆍ한다정 ( 2019), 총허용어획량(TAC) 기반 수산자원관리 강화 방안 연구, 기본연구 2019-10, 한국해양수산개발원.
    17. 장영재ㆍ양동현 ( 2011), “공공병원의 글로벌 맘퀴스트(Global Malmquist) 생산성지수 변화 분석”, 보건경제와 정책연 구, 17(4), 89-107.
    18. 정태영ㆍ이유원 ( 2019), “외끌이저인망어업에서 어로기술개발에 따른 어획성능지수 변동”, 수산해양기술연구, 55(4), 363-371.
    19. 조현수ㆍ서영일ㆍ오택윤ㆍ안영수ㆍ김병엽ㆍ임영경ㆍ이유원 ( 2020), “트롤어업에서 어로기술개발에 따른 어획성능 지수 변동”, 수산해양기술연구, 56(1), 26-36.
    20. Arellano, M. and Bond, S. ( 1991), “Some tests of specification for panel data: Monte Carlo evidence and an application to employment equations”, The review of economic studies, 58(2), 277-297.
    21. Arellano, M. and Bover, O. ( 1995), “Another look at the instrumental variable estimation of error-components models”, Journal of econometrics, 68(1), 29-51.
    22. Bansal, P., Kumar, S., Mehra, A. and Gulati, R. ( 2022), “Developing two dynamic Malmquist-Luenberger productivity indices: An illustrated application for assessing productivity performance of Indian banks”, Omega, 107, 102538.
    23. Bao, C. P., Lee, K. C. and Pu, H. L. ( 2010), “A study of the input/output variable characteristics in DEA”, Journal of the Chinese Institute of Industrial Engineers, 27(6), 429-437.
    24. Blundell, R. and Bond, S. ( 1998), “Initial conditions and moment restrictions in dynamic panel data models,” Journal of econometrics, 87(1), 115-143.
    25. Boussofiane, A., Dyson, R. G. and Thanassoulis, E. ( 1991), “Applied Data Envelopment Analysis”, European Journal of Operational Research, 52, 1-15.
    26. Caves, D. W., Christensen, L. R. and Diewert, W. E. ( 1982), “The Economic Theory of Index Numbers and the Measurement of Input, Output, and Productivity”, Econometrica, 50(6), 1393-1414.
    27. Coelli, T., Prasada Rao, D. D. and Battese, G. E. ( 1998) An Introduction to Efficiency and Productivity Analysis, Springer, 41-83.
    28. FAO. ( 2022), The State of World Fisheries and Aquaculture 2022, Towards Blue Transformation, FAO, 1-236.
    29. Golany, B. and Roll, Y. ( 1989), “An application procedure for DEA”, Omega, 17(3), 237-250.
    30. Gujarati, D. N. and Porter, D. C. ( 2011). Essentials of Econometrics, 4th ed. McGraw-Hill, 246-273.
    31. Hoff, A. ( 2006), “Bootstrapping Malmquist Indices for Danish Seiners in the North Sea and Skagerrak”, Journal of Applied Statistics, 33(9), 891-907.
    32. Jeon, Y. and Nam, J. ( 2023), “Estimating Energy Efficiency and Energy Saving Potential in the Republic of Korea’s Offshore Fisheries”, Sustainability, 15, 15026.
    33. Kim, D. H., Seo, J. N., Kim, H. S. and Lee, K. ( 2012), “Estimation of productivity growth, technical progress, and efficiency changes in the Korean offshore fisheries”, Fisheries Science. 78, 743-751.
    34. KLIC ( 2023), “Enforcement decree of the fisheries act”, accessed July 23, 2023 [available at https://law.go.kr/].
    35. _____ ( 2024), “Enforcement rule of energy act”, accessed March 6, 2024 [available at https://law.go.kr/].
    36. KOSIS ( 2023), “Fishery production survey”, accessed August 21, 2023 [available at http://kosis.kr].
    37. _____ ( 2024a), “Fishery business management survey”, accessed January 13, 2024 [available at http://kosis.kr].
    38. _____ ( 2024b), “Producer price Index”, accessed January 13, 2024 [available at http://kosis.kr].
    39. _____ ( 2024c), “Survey on the digital divide”, accessed May 29, 2024 [available at http://kosis.kr].
    40. Lee, S. G. and Rahimi Midani, A. ( 2015), “Productivity change under the vessel buyback program in Korean fisheries”, Fisheries Science, 81, 21-28.
    41. Liu, H., Yang, R., Wu, D. and Zhou, Z. ( 2021), “Green productivity growth and competition analysis of road transportation at the provincial level employing Global Malmquist-Luenberger Index approach”, Journal of cleaner production, 279, 123677.
    42. Luo, S., Sun, Y., Yang, F. and Zhou, G. ( 2022), “Does fintech innovation promote enterprise transformation? Evidence from China”, Technology in Society, 68, 101821.
    43. Malmquist, S. ( 1953), “Index numbers and indifference surfaces”, Trabajos de Estadistica, 4, 209-242.
    44. Nielsen, R., Hoff, A. and Andersen, J. L. ( 2023), “Structural and productivity changes from introducing strong user rights in the Danish demersal fisheries”, Marine Policy, 147, 105385.
    45. Orea, L., Alvarez, A. and Morrison, P. C. ( 2005), “Modeling and measuring production processes for a multi-species fishery: alternative technical efficiency estimates for the Northern Spain Hake fishery”, Natural Resources Model, 18, 183-213.
    46. Pascoe, S. and Herrero, I. ( 2004), “Estimation of a composite fish stock index using data envelopment analysis”, Fisheries Research, 69(1), 91-105.
    47. Pastor, J. T. and Lovell, C. K. ( 2005), “A global Malmquist productivity index,” Economics letters, 88(2), 266-271.
    48. Ray, S. C. and Desli, E. ( 1997), “Productivity growth, technical progress, and efficiency change in industrialized countries: comment”, The American economic review, 87(5), 1033-1039.
    49. Roodman, D. ( 2009), “How to do xtabond2: An introduction to difference and system GMM in Stata”, The stata journal, 9(1), 86-136.
    50. Solís, D., Agar, J. J. and del Corral, J. ( 2015), “IFQs and total factor productivity changes: The case of the Gulf of Mexico red snapper fishery”, Marine Policy, 62, 347-357.
    51. Tingley, D., Pascoe, S. and Coglan, L. ( 2005), “Factors affecting technical efficiency in fisheries: stochastic production frontier versus data envelopment analysis approaches”, Fisheries Research. 73, 363-376.
    52. Vázquez-Rowe, I. and Tyedmers, P. ( 2013), “Identifying the importance of the “skipper effect” within sources of measured inefficiency in fisheries through data envelopment analysis (DEA)”, Marine Policy, 38, 387-396.
    53. Walden, J. B. Kirkley, J. E., Färe, R. and Logan, P. ( 2012), . “Productivity Change under an Individual Transferable Quota Management System”, American Journal of Agricultural Economics, 94(4), 913-928.
    54. Windmeijer, F. ( 2005), “A finite sample correction for the variance of linear efficient two-step GMM estimators”, Journal of econometrics, 126(1), 25-51.
    55. Zhang, M., Zou, X. and Sha, L. ( 2019), “Social security and sustainable economic growth: Based on the perspective of human capital”, Sustainability, 11(3), 662.
    56. Zhou, P., Ang, B. W. and Han, J. Y. ( 2010), “Total factor carbon emission performance: a Malmquist index analysis”, Energy Economics, 32(1), 194-201.
    Copyright © The Korean Society of Fisheries Business Administration. All rights reserved.
    Pukyoung Univ.,599-1, Daeyeon 3-dong, Nam-gu, Busan, Korea.