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.89-102
DOI : https://doi.org/10.12939/FBA.2024.55.4.089

Analysis of Efficiency Determinants in the Marine-Bio Industry

Hyun-Jun Park1, Byeong-Il Ahn*
1Senior Researcher, Science and Technology Policy Institute, Sejong, 30417, Rep. of Korea
*Professor, Department of Food and Resource Economics, Korea University, Seoul, 02841, Rep. of Korea
* Corresponding author : https://orcid.org/0000-0002-3504-2898, +82-2-3290-3031, ahn08@korea.ac.kr
04/10/2024 ; 24/12/2024 ; 24/12/2024

Abstract


The purpose of this study is to identify bias-adjusted efficiency estimates and the determinants of efficiency in the Marine-Bio industry. Efficiency was estimated using the Bootstrap-DEA model, and efficiency determinants were analyzed by utilizing the dependent variables such as company age, number of employees, location within Marine-Bio clusters, R&D performance, and debt ratio. The efficiency analysis revealed that most of the DMUs belonged to the inefficient group with efficiency values below 0.7. The primary cause of inefficiency was identified as pure technical efficiency, which reflects the effectiveness of input combinations.



In the analysis of efficiency determinants, it was found that the number of employees and the debt ratio had a positive (+) effect on efficiency. Conversely, engaging in R&D activities was found to have a negative (-) effect on efficiency.


Marine-Bio Industry , Efficiency , Determinants , Bootstrap-DEA , Truncated Regression

해양바이오산업의 효율성 결정요인 분석†

박현준1, 안병일*
1과학기술정책연구원 선임연구원 / 고려대학교 식품자원경제학과 박사과정
*고려대학교 식품자원경제학과 교수

초록

    I. 서 론

    해양바이오산업은 해양생명자원을 원료로 생명공학기술을 적용하여 생산활동을 하는 산업이다(유거송 외, 2019). 전 세계 해양바이오산업은 2022년 67억 달러의 시장규모에 그치고 있으나 2030년에는 130억 달러 규모의 시장이 될 것으로 전망되고 있으며, 기후변화와 글로벌 식량공급 문제에 기여할 수 있는 산업으로 평가받고 있다(국립해양생물자원관, 2023a).

    산업을 육성함에 있어 다양한 지원과 정책도 중요하지만 기업의 효율성 제고 또한 산업육성의 방법 이다. 기업의 효율성 제고는 단기적으로 운영의 최적화이지만 장기적으로는 생산성 증가의 기초가 되기 때문이다. 해양바이오산업은 바이오산업의 특성과 유사하다. 진입장벽이 높으며, 연구개발이 지속적으로 요구되지만 사업화를 통한 매출 발생까지 상당한 시일이 걸린다는 특성이 있다. 또한 매출의 첫 발생에서부터 지속적으로 매출이 유지되기까지는 어느 정도의 기간이 소요될지 판단할 수 없어 기업 운영의 효율화는 간과할 수 없는 중요한 부분이라 할 수 있다.

    그럼에도 불구하고 해양수산분야는 그동안 사업체의 경영성과와 격차에 관한 종합적인 분석과 진단이 부족한 상황이며(김주현 외, 2022), 특히 해양수산의 새로운 분야인 해양바이오산업은 기초단위인 기업의 효율성 현황을 파악하고 개선하기 위한 정보가 더욱 부족한 상황이다. 이와 관련하여 해양수 산분야에서 이루어졌던 선행연구는 해양바이오제조업, 해상운송업, 항만업, 수산물가공업 등 해양수산 사업체(김주현 외, 2022)의 효율성 분석이 진행되고 대부분 식품(나지수ㆍ박홍규, 2024;오영삼, 2021;김종천ㆍ김지웅, 2020;박혜진, 2017;경성림, 2015;윤상호ㆍ박철형, 2015)를 중심으로 이루어져 왔다.

    산업육성의 관점에서 기업 운영의 효율성에 영향을 미치는 요인을 파악하는 것이 중요하다. 기업 내부의 자원배분을 중심으로 인적자원과 자본의 증감, 연구개발 투자 등은 효율성에 영향을 미치는 대표적인 요인이지만 이러한 요인은 산업육성 측면에서 정부가 정책으로 지원하는 부분이기도 하다. 정책 또한 기업과 같이 자원을 효과적으로 배분하여 정책의 목표를 달성해야 되기 때문이다. 해양바이오산업 육성 측면에서 해양수산부를 중심으로「해양바이오 산업 신성장 전략」을 수립하였으며, 해 양바이오산업 육성을 위한 R&D투자, 고용촉진, 권역별 해양바이오 클러스터 조성 및 인프라 구축 등 산업생태계 조성 등을 추진하고 있다. 법제(최석문ㆍ박종원, 2021;윤소라, 2023), 지역전략(정명화ㆍ 차선희, 2021;하의현 외, 2023;이선영 외, 2024), 연구개발(한국해양과학기술원, 2017;장덕희ㆍ도수관, 2021;장덕희ㆍ김대선, 2023), 클러스터 조성(한국해양과학기술원, 2022), 창업(장덕희 외, 2017), 스타트업 컨설팅(국립해양생물자원관, 2023b) 등은 해양바이오산업 육성을 위한 정책이지만, 효율성을 제고할 수 있는 요인이기도 하다.

    이러한 측면에서 해양바이오산업의 효율성을 측정하고, 그 결정요인을 파악하는 것은 기업의 경쟁력 제고에도 중요할 뿐만 아니라 산업육성이라는 정책목적 달성에도 중요한 목표이기도 하다. 이에 본 연구는 해양바이오산업을 대상으로 Bootstrap-DEA방식을 사용하여 편의가 조정된 효율성을 파악하고 효율성 결정요인이 무엇인지 파악하여 정책의 기초자료를 제공하는데 그 목적이 있다. 이를 위해 Ⅱ에서는 선행연구를 검토하고, Ⅲ에서 효율성과 결정요인 분석을 위한 연구방법론을 제시한다. Ⅳ에 서는 분석결과를 제시하며, Ⅴ에서 결론을 맺는다.

    Ⅱ. 우리나라 해양바이오산업 실태

    우리나라 해양바이오산업은 2022년 12월을 기준으로 조사되어 발표하였다. 국립해양생물자원관 (2023a)「해양바이오산업 실태조사」에 따르면, 2022년 우리나라 해양바이오산업 시장규모는 7,100억 원 규모이며, 관련 사업체는 461개, 종사자수 4,703명으로 집계하였다. 업종별 매출액 규모는 식품 (3,487억 원), 화학(1,662억 원), 의약ㆍ의료(1,648억 원) 순이며, 종사자수는 식품(1,963명), 의약ㆍ의료 (1,237명), 화학(1,209명) 순으로 나타났다.

    국내 해양바이오산업에 해당하는 기업의 매출액 분포는 10억 원 미만 17.7%, 10억 윈 이상 30억 원 미만 17.7%, 30억 원 이상 50억 원 미만 5.8% 등에 분포하고 있다.「중소기업기본법」에 따른 중소기업의 범위는 매출액 1,000억 원 미만을 중소기업으로 규정하고 있으며, 이 중 식품제조업, 화학물질 및 화학제품제조업, 의료용 물질 및 의약품 제조업 등은 매출액 120억 원 이하일 때 소기업으로 규정하고 있다. 조사결과에 따르면, 국내 해양바이오산업은 전체의 82.7%가 중소기업에 해당하며, 72.3%가 소기업에 해당한다.

    종사자 규모 측면에서 살펴보면, 전체의 26.6%가 10인 이하 사업체에서 근무하고 있고, 300인 이상 사업체는 14.4%에 불과한 것으로 나타났다.

    연구개발 측면에서 전체의 18.7%(86개)에 해당하는 기업이 연구개발 또는 시설투자를 진행한 것으로 조사되었다. 연구개발에는 평균 2억 4,900만 원, 시설투자에는 2억 2,900만 원의 비용을 지출하였다. 기술개발이 필요한 산업의 특성을 고려할 때 매우 부족한 편이다(국립해양생물자원관, 2024). 연구 개발 투자 또는 시설투자를 위한 자금은 대부분 자체조달(66.5%)로 이루어지고 있으며, 정부/기타 (26.9%), 금융권(6.6%)으로 나타났다. 평균적으로 연구개발은 7건을 시도하였고, 평균적으로 4건이 사업화에 성공한 것으로 조사되었다. 이 과정에서 사업화 성공까지 오랜 기간이 소요된다는 점을 주요 애로사항으로 언급하였다. 해양바이오산업은 연구개발시작 후 매출발생 시점까지 4~5년(27.2%), 10년 이상(14.4%) 등으로 나타나 비교군(서울산업진흥원 R&D지원사업, 2.6년)에 비해 상당한 시간 소요되는 것으로 나타났다(국립해양생물자원관, 2023b).

    해양바이오산업은 인력부족과 자금부족을 핵심적인 애로사항이라고 밝히고 있다(국립해양생물자원관, 2023c). 정책적으로 필요한 지원사업은 R&D지원, 정책자금, 사업화, 마케팅 지원, 컨설팅, 시설이나 공간(사무실, 공장 등), 직원교육, 창업교육 등을 요구하고 있다.

    Ⅲ. 연구방법

    효율성을 분석하는 방법은 모수적 방법인 SFA(Stochastic Frontier Analysis)와 비모수 방법인 DEA로 구분된다(이현근, 2024). 비모수 방법인 DEA는 표본의 크기가 분석에 크게 중요하지 않지만(고길곤, 2017), SFA는 표본의 크기가 커야 한다는 특징이 있다(김원빈ㆍ엄지범, 2022). 해양바이오산업은 신산업으로 2022년 기준, 산업 내 기업의 수가 451개로 파악되고 있다(국립해양생물자원관, 2023). 그러나 해양바이오산업의 주요기업 현황을 통해 기업명을 파악할 수 있는 기업의 수는 66개로 감소하며, 이 중 공개정보를 파악할 수 있는 외부감사 이상의 기업은 25개로 감소한다. 따라서 본 연구에서는 상대적으로 적은 수의 표본에도 분석이 가능한 DEA모형에 Bootstrap을 적용한다.

    1. DEA모형

    DEA모형은 투입물과 산출물로 이루어진 의사결정단위(Decision Making Unit, DMU)의 상대적인 효율성을 비교ㆍ분석하는 방법이다(이정동ㆍ오동현, 2012). DEA 모형의 효율성은 효율적인 프런티어와 거리비교를 통한 각 DMU의 상대적 효율성을 의미한다. 효율적 프런티어로부터 떨어진 거리에 따라 효율성을 측정하며, 효율성은 DMU의 규모와 투입물 조합을 모두 고려한 기술효율성(Technical Efficiency, TE), 투입물 조합의 효율성만을 의미하는 순수기술효율성(Pure Technical Efficiency, PTE), 그리고 DMU의 규모에 따라 발생하는 효율성을 의미하는 규모효율성(Scale Efficiency, SE)으로 구성된다.

    DEA모형으로 측정할 수 있는 기술효율성은 Charnes et al.(1978)의 연구에서 제안된 CCR모형으로 측정할 수 있고, 순수기술효율성은 Banker et al.(1984)의 연구에서 제안한 BCC모형으로 측정할 수 있다. CCR모형과 BCC모형의 비율에 따라 기술효율성을 측정할 수 있다.

    Max 
    (1)

    subject to

    ∑ a = 1 e u a y a j ∑ i = 1 b c i x i j ≤ 1 ,   j = 1 ,   … , n   u a ≻ α ≥ 0       a = 1 ,   ⋯ ,   e c i ≻ α ≥ 0       i = 1 ,   ⋯ ,   b

    여기서, ho 는 DMUo의 효율성이고, ua는 a번째 산출요소에 대한 가중치, ya는 DMUj의 a번째 산출요소의 양, ci는 i번째 투입요소에 대한 가중치, xij는 DMUj의 i번째 투입요소의 양, yao 는 분석대상 DMUo의 r번째 산출요소의 양, xio 는 분석대상 DMUo의 i번째 투입요소의 양을 의미한다. b는 투 입요소의 수, e 는 산출요소의 수이다.

    Banker et al.(1984)의 연구에서 제안한 BCC모형을 통해서 CCR모형에서 규모수익불변 가정을 완화하고 규모수익가변을 추가하면 CCR모형에서 순수기술효율성과 규모효율성이 결합된 결과인 기술효율성을 분해하여 파악할 수 있다. BCC모형은 볼록면 제약(convexity constraint)을 추가하여 규모수익가변이 만족되는 선형계획모형을 도출할 수 있다(Banker & Thrall, 1992).

    M i n   h o = θ subject   to ∑ j = 1 n λ j x i j + s i − = θ x i j = 1 ,   ⋯ , b ∑ i n λ i y r j − s a + = y a o = 1 ,   ⋯ , s s i − , s a + ,   λ j ≥ 0       j = 1 , ⋯ , e
    (2)

    s i − , s a + 은 투입물과 산출물 부등식의 여유변수(slack variable)이다. 규모효율성은 BCC모형과 CCR모형에서 도출되는 효율성 값의 상대적 비율이다(이정동ㆍ오동현, 2012).

    S E = C C R B C C
    (3)

    규모의 경제성에 대해서도 판단할 수 있다. 규모의 경제성은 효율성을 측정하는 것은 아니지만, 효율 수준을 변화시키기 위한 DMU의 규모 정보를 제공할 수 있다(이정동 ․ 오동현, 2012), n번째 관측치가 ∑ j = 1 n λ j = 1 로 나타나면 규모수익불변(Constant Returns to Scale)으로 판단할 수 있고, 1보다 작게 나타나면 규모수익체증(Increasing Returns to Scale), 1보다 크게 나타나면 규모수익체감(Deceasing Return to Scale) 상태로 판단할 수 있다(이정동ㆍ오동현, 2012).

    분석 대상 DMU가 규모수익체증(Increasing Return to Scale)상태인 경우에는 효율성을 높이기 위해 기업규모를 장기적으로 키우는 것을 고려할 수 있고, 반대로 규모수익체감 상태라면 기업규모를 줄이는 것을 고려해야 한다(유금록, 2010). 규모의 효율성보다 기술효율성이 낮은 경우에 효율성을 개선하려면 투입요소가 현재수준보다 감소하게 되지만 규모의 효율성보다 기술효율성이 높은 경우에는 효율성을 개선하기 위해 투입요소가 현재보다 증가하게 된다(Coelli et al., 2005).

    2. Bootstrap-DEA모형

    효율성분석 방법인 자료포락분석(DEA)은 주어진 자료 또는 집단 내에서 결과를 추정할 수 있다는 장점이 있으나 추정치에서 편의가 발생하고, 효율성 결정요인이 무엇인지 파악할 수 없다는 한계를 가지고 있다(이상호, 2021). 따라서 이를 보완한 Bootstrap-DEA 모형에 대해 개관한다.

    Efron(1979)의 연구에서 비모수 통계법인 Bootstrap을 제시한 이후 Simar & Wilson(1998)은 Bootstrap 모형을 DEA모형에 처음 도입하여 신뢰구간과 표준오차를 측정하기 위한 방법을 제시하였다. Bootstrap으로 효율성 추정치를 구하는 과정은 다음의 각 단계를 거치게 된다. 먼저, 1단계에서는 효율성 추정값 θ ^ k ( k = 1 ,   … , L ) 을 도출한다. 2단계로 앞서 도출된 효율성 추정값의 무작위 표본을 생성하여 커널밀도추정과 반사법을 사용한다(유금록, 2010). 셋째, 준거부트스트랩을 생성하기 위해 의사 자료집합(pseudo dataset)을 계산한다. 4단계에서는 의사자료에 대해 표준적 선형계획모형의 부트스트랩 대응모형의 해를 구함으로써 θ ^ k 의 Bootstrap 효율성 추정치 θ ^ k b * 를 계산한다. 마지막으로 bootstrap 효율성 추정치를 얻기 위해 B번 반복하여 Bootstrap된 효율성 값의 분포를 얻는다. 여기서 B는 1,000 번(Hall, 1986) 또는 2,000 이상이면 충분하다고 알려져 있다(이정동 ․ 오동현, 2012). Bootstrap 효율성 추정치를 B번 반복하여 얻게 되는 평활부트스트랩추정량은 다음과 같다(유금록, 2010).

    θ ¯ k * = 1 B ∑ b = 1 B θ ^ k b *
    (4)

    각 의사결정단위의 효율성 추정치에 대한 (1 - α) 퍼센트 신뢰구간은 다음과 같다.

    θ ^ k + α ^ α ≤ θ k ≤ θ ^ k + b ^ α *
    (5)

    의사결정단위별 효율성 추정치의 편의(bias)는 부트스트랩 표본을 사용하여 추정할 수 있다.

    b i a s ^ k ( θ ^ k ) = θ ¯ k * − θ ^ k
    (6)

    상기 부트스트랩 추정에서 각 의사결정단위의 효율성 추정치 θk에 대한 편의조정추정량은 다음 식과 같다.

    θ ˜ k = θ ^ k − b i a s ^ k ( θ ^ k ) = θ ^ k − θ ¯ k * + θ ^ k = 2 θ ^ k − θ ¯ k *
    (7)

    편의조정추정량의 표준편차는 다음 식과 같이 추정된다.

    s ^ k = 1 b ∑ b = 1 B ( θ ^ k b * − θ ¯ k * ) 2
    (8)

    3. 단절회귀분석

    효율성 분석결과보다 효율성에 미치는 요인을 파악하는 것이 더욱 중요하다(Badunenko & Tauchmann, 2019). 효율성에 영향을 미치는 요인을 통계적으로 분석하는 것을 2단계 접근법(two-stage approach)라고 한다(이현근, 2024).

    일반적으로 DEA모형을 이용한 효율성분석에 효율성 결정요인을 파악하기 위한 방법론으로 Tobit 회귀분석이 이용되고 있다.(이정동ㆍ오동현, 2010;고길곤, 2017). 그러나 Bootstrap-DEA분석 시 국내 외 연구(Simar & Wilson, 2007;유금록, 2010;박정우ㆍ마정목, 2018;유금록, 2019)에서 단절회귀(truncated regression)을 제안한 바 있다. 특히 Simar & Wilson(2007)의 연구에서는 몬테카를로실험을 통해 Tobit분석보다 단절회귀가 적합함을 보였다(유금록, 2010).

    효율성 결정요인을 위한 변수에는 선행연구에서 통계적 유의성이 있는 것으로 분석된 요인을 주로 설정하였다. 종속변수는 효율성 추정치를 설정하였고 독립변수로는 기업연령, 부채비중(한하늘 외, 2015; 심동희ㆍ안형태, 2019)과 R&D수행여부(황동현ㆍ박재민, 2013; 양찬영, 2013;Ismail & Abidm, 2017), 해양바이오클러스터 권역 입지여부 등을 효율성 결정요인으로 설정하였다. 해양바이오클러스터는 정부에서「해양바이오 산업 신성장 전략」을 수립하는 등 기업의 집적 및 육성을 위한 정책으로 추진하고 있다. 기업의 클러스터 지역 내 입지를 조건으로 연구개발 지원혜택 등(충남테크노파크, 2023)을 지원하고 해양바이오산업 고용규모를 현재(2020년, 4,400명) 대비 미래(2027년, 13,000명)에 약 3배 확대하기 위한 목표를 설정하고 있다(관계부처 합동, 2022).

    효율성 결정요인 분석에 분석의 종속변수는 Bootstrap-DEA의 기술효율성 값으로 셜명변수인 기업연령, 종사자수, 부채비중은 로그 전환하여 단절회귀분석을 진행하였다. 이에 따라 본 연구의 효율성 결정요인 분석을 위한 실증방정식은 아래와 같다.

    θ ˜ k = α + β 1   ln   y e a r + β 2   ln   m a n + β 3   c l u s t e r + β 4   R n D   + β 5 D e b t + ∈
    (9)

    4. 분석자료

    해양수산부는 2017년부터「해양바이오산업 실태조사」를 시행하고 있다. 가장 최근 시점인 2023년에는 2022년 기준 제5차 해양바이오산업 실태조사가 진행되었다. 해양바이오산업 실태조사 결과, 국내에는 451개 해양바이오 기업이 존재하는 것으로 파악되었다. 그러나 해양바이오산업 실태조사는 전체 조사자료의 합산 값을 제공하고 있으며, 개별기업에 대한 정보를 제공하지 않고 있다.

    해양바이오산업에 해당하는 기업은 해양바이오산업 실태조사의 조사기관인 국립해양생물자원관에서 해양바이오산업 정보포털인 Mbio Bridge를 통해 일부 정보를 공개하고 있다. Mbio Bridge의 ‘해양바이오 기업현황’에는 식품, 의약, 화학, 연구개발서비스 등 총 66개 기업에 대한 기업개황 정보를 제공하고 있다. 분야별 기업명, 해양바이오산업 분야, 해양바이오 관련 기술, 기업설립일 정보를 제공하고 있다. KIS-Value에서는 동명의 기업이 다수 존재하고 있어 기업명만으로는 정확한 기업을 식별에 한계가 있다(<표 4>).

    본 연구에서는 Mbio Bridge에서 제공하고 있는 정보 중 기업설립일 정보를 바탕으로 KIS-Value에서 관련 기업정보를 추출하여 분석한다. KIS-Value에서는 외부감사 이상 기업정보를 제공하고 있다. KIS-Value에서는 25개 해양바이오기업에 대한 정보를 추출할 수 있다.

    효율성과 효율성 결정요인 분석을 위한 변수는 선행연구에 기초하여 설정하였다. Mbio Bridge에서 제공하는 해양바이오산업 기업리스트는 식품분야가 차지하는 비중이 높게 나타나고 있다. 본 연구에서 분석변수를 설정하기 위해 참고한 선행연구는 해양바이오산업을 기준으로 하고 식품분야의 분석사례를 참고할 수 있을 것으로 판단된다. 선행연구에서 언급되는 주요 변수는 다음과 같다.

    일반적으로 투입변수는 종사자수, 자본, 생산을 위한 비용인 판매관리비 등을 적용하고 있다. KIS-Value에서는 재무상태표에서 자산총계와 세부항목인 유동자산, 비유동자산, 무형자산, 유형자산, 자본의 세부내역인 납입금, 유동부채, 비유동부채 등 부채의 세부내역이 제공되고 있다. 또한 손익계산서로 판매비와 관리비의 각 세부내역, 기타 판매비와 관리비의 항목으로서 개발비용을 제공하고 있으며, 영업이익(손실) 등의 항목을 표시하고 있다(<표 5>).

    본 연구의 효율성 분석을 위한 산출변수로는 매출액, 투입변수로는 종사자수, 총자산, 판매비와 관리비를 설정하였다. 분석대상의 기술통계량은 <표 6>과 같다. 분석대상은 평균적으로 매출액 172,625,035천 원으로 나타나고 있으며, 직원수 325명, 총자산 296,635,474천 원, 판매비와 관리비는 82,309,322천 원을 투입요소로 이용하고 있다.

    Ⅳ. 연구결과

    1. 효율성 분석결과

    효율성 분석결과는 <표 7>과 같다. 먼저 기술효율성 분석결과, DEA를 이용한 CCR모형은 평균적으로 0.649의 효율성 값으로 나타났다. 개별 DMU로 보면, DMU3, DMU4, DMU6, DMU7 DMU14, DMU15 등 총 6개의 DMU가 효율 상태인 것으로 분석되었다. 그러나 Bootstrap-DEA를 이용한 CCR 모형에서는 평균 효율성 값은 기존 DEA 분석결과보다 평균 0.141이 하락한 0.508로 나타났다. 또한 효율성 값이 1인 효율 상태인 DMU가 존재하지 않는 것으로 분석되었다.

    둘째, 순수기술효율성을 의미하는 BCC모형 분석결과, DEA분석은 평균적으로 0.817, Bootstrap은 평균 0.696으로 분석되었다. 개별 DMU로 살펴보면, DEA분석에서는 DMU3, DMU4, DMU6, DMU7, DMU14, DMU15, DMU16, DMU19, DMU23 등 9개의 DMU가 효율 상태인 것으로 분석되었다.

    셋째, 규모의 효율성에서는 평균 DEA 0.794, Bootstrap 0.730으로 분석되었다. 효율 상태인 DMU는 DMU3, DMU4, DMU6, DMU7, DMU14, DMU15로 총 6개의 DMU가 DEA분석 시 효율 상태인 것으로 분석되었으며, Boostrap 분석에서 효율 상태인 DMU는 없는 것으로 나타났다.

    넷째, 기술효율성에서 비효율 상태인 DMU의 비효율성의 원인은 순수기술효율성과 규모의 효율성의 차이로 파악할 수 있다. 규모의 효율성보다 순수기술효율성의 값이 상대적으로 크다면 비효율성의 원인이 규모, 반대로 순수기술효율성의 값이 규모의 효율성 값보다 작다면 비효율성의 원인이 기술에 있다고 판단할 수 있다. 분석대상 DMU 중 기술이 비효율성의 원인인 DMU는 11개, 규모가 비효율성의 원인으로 지목된 DMU는 9개로 나타났다.

    마지막으로 효율성 값에 따라 4개 그룹으로 분류할 수 있다. Ray & Bhadra(1993)가 제시한 방법에 따르면, 효율성 값에 따라 효율성 값이 1인 효율적(not violated) 그룹, 효율성 값이 0.9~1 미만인 준효율적(weakly violated) 그룹, 효율성 값이 0.7~0.9 미만인 약효율적(moderately violated) 그룹, 효율성 값이 0.7 미만은 비효율(strongly violated) 그룹으로 구분한 바 있으며, 경영개선이 필요한 집단을 효과적으로 파악하는데 활용할 수 있다(전상현ㆍ서상택, 2023). CCR분석결과를 보면 DEA의 경우, 효율적인 그룹은 6개, 준효율적인 그룹은 존재하지 않으며, 약 비효율적 그룹에 3개, 비효율 그룹에 16개 로 대부분이 비효율 그룹에 해당하는 것으로 분석되었다. Bootstrap-DEA 분석결과에서는 효율적 그룹과 준효율적 그룹이 존재하지 않고, 약 비효율적 그룹 6개와 비효율 그룹 19개로 대부분의 DMU가 비효율 상태로 나타나고 있어 경영효율성 개선이 필요한 것으로 분석된다(<표 8>).

    2. 효율성 결정요인

    해양바이오산업의 효율성에 영향을 미치는 요인은 <표 9>와 같다. 본 연구에서는 기술효율성을 중심으로 설명한다. 기업의 효율성에는 다양한 요인이 작용할 수 있으나 본 연구에서 적용한 요인은 기업의 연령과 종사자수, 해양바이오클러스터 지역 내 입지여부, R&D수행여부, 부채비율이다. 분석결과, 선행연구에서 언급되었던 기업의 연령은 효율성에 정(+)의 효과를 보이는 것으로 나타났지만 통계적으로 유의성은 없는 것으로 분석되었다. 정부에서 정책적으로 구축하고 있는 해양바이오클러스터 구축 지역 내에 입지하는 것이 효율성에 음(-)의 효과로 나타났지만 이 또한 통계적 유의성은 없는 것으로 나타났다. 이는 아직 해양바이오클러스터가 구축되고 있는 상황이기 때문인 것으로 보인다.

    종사자수, 부채비율은 정(+)의 효과가 있는 것으로 나타났고, 통계적으로도 10% 수준에서 유의미한 것으로 분석되었다. 이는 선행연구(황동현ㆍ박재민, 2018)와 같은 결과이다. 종사자수를 증가시켜 규모를 확대하고, 부채규모를 확대하여 적정 수준의 레버리지를 이용하는 것이 기업의 효율성에 영향을 주는 것으로 해석할 수 있다. 장기적 성장을 위해서는 노동 투입 이외에 기술혁신을 통한 생산성 향상이 필요할 것이다(박재성ㆍ홍준교, 2020).

    R&D수행여부는 효율성에 부(-)의 영향을 주는 것으로 나타났으며, 통계적으로 10% 수준에서 유의미한 것으로 분석되었다. 기업은 R&D투자가 성과로 발현되기까지 비용으로 간주하기 때문(양찬영, 2013)인 것으로 보인다. 또 하나의 해석은 선행연구(황동현ㆍ박재민, 2018)에서 언급한 바와 같이 각 분석대상의 분야의 세부분야(식품, 화학, 연구 등) 분야에 따른 기술수준의 차이일 수 있어, 분석대상 을 확대하고 기술수준의 차이를 고려한다면 다른 결과가 나타날 수 있을 것으로 보인다.

    Ⅴ. 결 론

    본 연구는 해양바이오산업을 대상으로 편의가 조정된 효율성 추정치와 효율성 결정요인을 파악하는 데 목적이 있다. 이에 따라 Bootstrap-DEA모형을 이용하여 효율성을 추정하고, 추정된 결과값을 종속 변수로 기업연령과 종사자수, 해양바이오클러스터 입지여부, R&D수행여부와 부채비율 등을 독립변수로 설정하여 효율성 결정요인을 분석하였다.

    먼저 효율성 분석결과, 기술효율성을 의미하는 Bootstrap-DEA CCR모형은 평균 0.508, 순수기술효 율성을 의미하는 BCC모형은 0.696, 규모의 효율성은 0.730으로 나타났다. 효율성 추정치의 평균값만 비교하는 경우, 해양바이오산업의 비효율성의 원인은 투입물 조합의 효율성을 의미하는 순수기술효율성이 원인인 것으로 나타났다. Ray&Bhadra(1993)의 연구에서 제시한 효율성 그룹을 의사결정단위 (DMU)별로 분류하면 Bootstrap-DEA CCR모형 기준으로 효율성 결과값이 1인 효율적인 그룹과 효율성 결과값이 0.9~1인 준효율적 그룹은 존재하지 않는 것으로 나타났으며, 대부분 효율성 결과값이 0.7~0.9인 약효율적 그룹(6개), 효율성 결과값이 0.7 미만은 비효율 그룹(16개)에 해당하는 것으로 나타나 해양바이오산업은 전반적으로 효율성 개선이 필요한 상황으로 분석되었다.

    효율성 결정요인 분석결과, 종사자수, 부채비율은 10% 유의수준에서 정(+)의 효과가 있는 것으로 나타났다. 반대로 R&D수행여부는 10% 유의수준에서 부(-)의 효과가 있는 것으로 분석되었다. 그러나 기업연령은 선행연구에서와 같이 통계적 유의성이 확보되지 않았으며, 정부정책으로 추진하고 있는 해양바이오클러스터 구축 지역 내 입지 여부는 통계적 유의성이 없는 것으로 분석되었다.

    이상의 결과를 바탕으로 제안할 수 있는 정책적 시사점은 다음과 같다. 첫째, 해양바이오산업은 경영효율성이 낮은 상태이므로 효율성 개선을 위한 경영컨설팅을 제공하는 것이 필요해 보인다. 전반적으로 규모의 효율성보다 투입물 조합의 효율성을 의미하는 순수기술효율성이 비효율성의 원인으로 파악되므로 효율성 저해요인이 발생하는 요인이 없는지 점검하는 것이 필요할 것이다. 현재 해양바이오 산업은「해양수산생명자원의 확보ㆍ관리 및 이용 등에 관한 법률」에 정책적 근거를 두고 있다(윤소라, 2023). 다만 이 법률은 연구개발, 창업, 산업적 응용촉진 등에 초점을 두고 있어 컨설팅 등에 지원은 한계가 있으므로, 우선 식품분야는「수산식품산업의 육성 및 지원에 관한 법률」제24조(수산식품산업 컨설팅 지원)에 따른 지원을 유도하고, 해양바이오산업 관련 법 내에 지원 근거조항을 마련할 필요가 있다.

    둘째, 효율성 결정요인 분석결과, 정(+)의 효과가 나타난 종사자수와 부채비율을 일정 수준까지 증가시킬 수 있도록 지원할 필요가 있다. 이는 노동과 자본투입을 증가시킴으로써 규모의 경제를 달성 하는데 도움이 될 수 있을 뿐만 아니라 정책목표 달성에도 기여할 수 있을 것으로 판단된다. 한국은 행(2024)의「2023년 기업경영분석」에 따르면, 전산업 자본 대비 부채비율은 54.71%, 화학물질 및 화학제품 제조업 42.81%, 의료용 물질 및 의약품 제조업 28.71%, 식료품제조업 51.33% 등으로 나타났다. 본 연구의 분석대상 해양바이오산업의 자본 대비 부채비율은 17.98%이다. 업종의 특수성 등을 고려하더라도 투자를 유도할 필요가 있을 것으로 보인다.

    셋째, 정부지원은 특정지역에 제한 없이 가능성 있는 기업이라면 전국적으로 지원할 필요가 있다. 효율성 결정요인 분석결과와 같이 해양바이오클러스터 지역 입지여부는 통계적으로 유의미하지 않은 것으로 나타났다. 단기적으로 해양바이오클러스터로의 기업의 이전 또는 지역 내 소재기업을 대상으로 제한 하기에는 한계가 있을 것으로 판단된다. 해양바이오클러스터 지역 외 기업이 해양바이오클러스터 소재 대학 및 연구소 간 협력체계 구축(장덕희ㆍ김대선, 2023)을 지원하는 것이 바람직할 것으로 보인다.

    본 연구에서는 해양바이오산업의 편의조정 효율성과 효율성 결정요인을 파악했다는 점에서 의미가 있지만 다음과 같은 한계점도 가지고 있다. 분석대상 측면에서 현재 알려진 해양바이오산업 전체를 대상으로 하지 못하였다. 해양바이오산업으로 조사된 451개 기업 중 식별이 가능한 기업을 대상으로 하고 있어 분석대상이 제한적이다. 유사한 실태조사를 진행하고 있는 우주산업의 경우,「디렉토리북」 을 매년 제작하여 기업의 소재지, 주요 상품, 종사자수 등 정보를 제공하고 있다. 해양바이오산업 또한 우주산업과 유사한 형태의 자료를 제공한다면 분석대상을 확대하는데 도움이 될 수 있을 것이다. 또한 본 연구의 효율성 결정요인 분석결과는 완화된 수준(10%)에서 유의성이 있는 것으로 분석되었다. 이는 분석대상과 분석기간 등의 확대를 통해 보완할 필요가 있다. 분석기간 측면에서 본 연구의 분석결과는 단년도에 한정하고 있어 특정 시점에 따른 한계가 존재한다. 보다 장기적으로 시계열 자료의 누적을 통해 생산성 및 효율성 변화의 안정성 등에 대한 분석이 이루어질 필요가 있으며, 재무 제표 등을 이용한 타 산업과의 비교 분석을 추후 연구과제로 남긴다.

    Tables

    해양바이오산업 매출액 분포
    자료: 국립해양생물자원관(2023a)
    해양바이오산업 종사자 분포
    자료: 국립해양생물자원관(2023a)
    연구의 효율성 결정요인 분석변수 설정
    해양바이오산업 내 분야 분포
    선행연구의 분석변수
    기술통계량 (n=25)
    효율성 분석결과
    효율성 그룹분류 (n=25)
    효율성 결정요인 분석결과

    References

    1. 경성림ㆍ나주몽ㆍ장석주ㆍ임창욱 ( 2015), “전라남도 식품업체의 비용 효율성 분석”, 품질경영학회지, 43(4), 533-544.
    2. 고길곤 ( 2017), 효율성 분석 이론 : 자료포락분석과 확률변경분석, 문우사.
    3. 관계부처 합동 ( 2022), 해양바이오 산업 신성장 전략(2022~2027), 국정현안점검조정회의.
    4. 국립해양생물자원관 ( 2023a), 국내 해양바이오산업 실태조사 및 국제동향파악 결과보고서.
    5. _________________ ( 2023b), 2023년 해양바이오 스타트업 컨설팅 지원사업 최종보고서.
    6. _________________ ( 2023c), 스마트 해양바이오 플랫폼 구축 결과보고서.
    7. _________________ ( 2024), 해양바이오 인사이트, Marine Bio Trend Report, 2024 상반기.
    8. 김원빈ㆍ엄지범 ( 2022), “블루베리 농가의 경영 효율성 및 생산성 분석”, 한국유기농업학회지, 30(4), 499-516.
    9. 김종천ㆍ김병호 ( 2016), “Bootstrap-DEA를 이용한 해양수산 인재 양성교육의 효율성 분석에 관한 연구”, 수산경영론 집, 47(1), 63-86.
    10. 김종천ㆍ김지웅 ( 2020), “Bootstrap 오차수정모형 이용한 명태 기업의 효율성 분석에 관한 연구”, 해양비즈니스, 47, 1-20.
    11. 김주현ㆍ장정인ㆍ임병호ㆍ김태환ㆍ김기수 ( 2022), “해양수산 사업체 성과 및 효율성 분석 연구”, 한국해양수산개발원.
    12. 나지수ㆍ박홍규 ( 2024), “우리나라 식품기업들의 경영효율성 분석에 관한 연구”, 경영경제연구, 46(1), 321-341.
    13. 노윤길ㆍ양재훈ㆍ김응도 ( 2023), “국내 바이오제약 산업의 기업효율성에 영향을 미치는 요인 분석 연구 : 비즈니스 모델, 개방형 혁신 유형을 중심으로”, 기술경영, 8(3), 75-98.
    14. 박재성ㆍ홍준교 ( 2020), “고용 및 기술혁신과 중소기업의 수익성”, 응용경제, 22(2), 69-93.
    15. 박정우ㆍ마정목 ( 2018), “국방 R&D효율성 평가를 위한 부트스트랩 DEA 적용에 관한 연구”, 한국군사학논집, 74(3), 295-314.
    16. 박혜진 ( 2017), “DEA모형을 이용한 마른김 가공업체의 경영효율성 분석”, 석사학위논문, 부경대학교.
    17. 양찬영 ( 2013), “전통식품제조업체의 경영 효율성 분석 : 전통식품품질인증업체를 중심으로”, 석사학위논문, 서울대학교.
    18. 오영삼 ( 2021), “식품기업의 경영효율성 제고방안에 관한 연구”, 유통경영학회지, 24(5), 67-79.
    19. 유거송ㆍ판철호ㆍ안상중 ( 2019), “해양바이오 디지털 혁신생태계 구축 전략”, KISTEP Issue Paper 269.
    20. 유금록 ( 2010), “공공의료서비스의 효율성평가 : 지방의료원에 대한 부트스트랩 자료포락분석모형의 적용”, 한국사회 와 행정연구, 21(2), 117-40.
    21. ______ ( 2019), “지방공기업의 효율성에 대한 통합운영의 효과 평가 : 비소망산출물모형을 이용한 부트스트랩 단절회 귀분석”, 정책분석평가학회보, 29(1), 1-24.
    22. 윤상호ㆍ박철형 ( 2015), “수산식품 가공업의 효율성 분석”. 수산경영론집, 46(2), 111-125.
    23. 윤소라 ( 2023), “해양바이오산업 육성 및 지원을 위한 법제 개선방안 연구: 지역 거점화 정책과 관련하여”, 법제논단, 169-199.
    24. 이기세ㆍ강다연 ( 2019), “국내 제약기업의 경영효율성 분석: 코스닥 고성장 기업을 중심으로”, 한국경영교육학회, 34(4), 81-99.
    25. 이상호 ( 2021), “농업ㆍ농촌 기반 사회적기업의 부트스래핑 효율성 분석”, 한국유기농업학회지, 29(1), 41-50.
    26. 이선영ㆍ강민주ㆍ김아진 ( 2024), 부산 해양바이오산업 진단과 전략, 부산연구원.
    27. 이정동ㆍ오동현 ( 2010), 효율성 분석이론, 아이비북코리아.
    28. ______________ ( 2012), 효율성 분석이론, 지필미디어.
    29. 이현근 ( 2024), “임산물 산지종합유통센터의 효율성 및 영향요인 분석”. 농촌경제, 47(1), 47-67.
    30. 장덕희ㆍ강예린ㆍ오철홍ㆍ도수관 ( 2017), “바이오 기업의 해양바이오 분야 진입을 위한 기업수요 분석”, Ocean and Polar Research, 39(3), 233-244.
    31. 장덕희ㆍ김대선 ( 2023), “혁신 주체 간 개방형 협력체계 구축 필요성에 관한 연구: 해양바이오 분야를 중심으로”, 정책분석평가학회보, 33(3), 93-118.
    32. 장덕희ㆍ도수관 ( 2021), “해양바이오 분야 기업 R&D 수요와 대학ㆍ연구소의 R&D 공급 간 차이 분석”, 해양비즈니스, 50, 159-183.
    33. 전상현ㆍ서상택 ( 2023), “자료포락분석법(DEA)에 의한 비수도권대학의 성과효율성 분석”, 지역정책연구, 34(2), 85-103.
    34. 정명화ㆍ차선희 ( 2021), “충남 해양바이오산업 현황과 전략 분석”, 해양바이오학회지, 13(1), 20-27.
    35. 최석문ㆍ박종원 ( 2021), “해양바이오산업의 규제와 법정책적 과제”, 법과 정책연구, 21(2), 303-333.
    36. 충남테크노파크 ( 2023), 2023년 해양수산자원 산업화 육성(바이오) 수혜기업 모집공고.
    37. 하의현ㆍ정은천ㆍ장성혁 ( 2023), 전라북도 해양바이오산업 육성 방안, 전북연구원.
    38. 한국은행 ( 2024), 2023년 기업경영분석, 한국은행.
    39. 한국해양과학기술원 ( 2017), 해양바이오 전략소재 개발 및 상용화 사업 기획연구.
    40. ___________________ ( 2022), 해양바이오산업 클러스터 조성 및 활성화 방안 연구.
    41. 한하늘ㆍ류용곤ㆍ심창용 ( 2015), “국내 식품제조기업의 기술적 효율성 추정과 비교: 모수ㆍ비모수 접근법”, 인문사회 21, 6(3), 343-360.
    42. 홍수빈ㆍ조장희 ( 2024), “정부지원이 제조 기업의 혁신성과에 미치는 영향”, 응용경제, 26(1), 23-62.
    43. 황동현ㆍ박재민 ( 2018), “제조업 기술수준별 효율성 비교 및 결정요인 분석”, 생산성논집, 32(1), 209-237.
    44. Banker, R. and Thrall, R. ( 1992), Estimation of returns to scale using data analysis, European Journal of Operational Research, 62(1), 72-84.
    45. Banker, R. D., Charnes, A. and Cooper, W. W. ( 1984), “Models for the Estimation of Technical and Scale Efficiencies in Data Envelopment Analysis”, Management Science, 30, 1078-1092.
    46. Boussofiane, A., Dyson, R. G. and Thanassoulis, E. ( 1991). Applied Data Envelopment Analysis, European Journal of Operational Research. 51(1) 1-15.
    47. Charnes, A., Cooper, W. W. and Rhodes, E. ( 1978), “Measuring the Efficiency of Decision Making Units”, European Journal of Operation Research, 2(6), 429-444.
    48. Coelli, T. J., Rao, D. S. P., O’Donnell, C. J. and Battese, G. E. ( 2005), “An Introduction to efficiency and productivity analysis 2nd edition”, Springer.
    49. Efron, B. ( 1979), “Bootstrap Methods : Another look at the jackknife”, The annals of statistics, 7(1), 1-26.
    50. Hall. P. ( 1986), “On the number of bootstrap simulations required to construct a confidence interval”, The annals of statistics, 14(4), 1453-1462.
    51. Ismail, R. and Abidin, S. Z. ( 2017), “Determinant of Technical Efficiency of Small and Medium Enterprises in Malaysian Manufacturing Firms”, International Business Managment, 11(2), 299-307.
    52. Ray, S. C. and Bhadra, D. ( 1993), “Nonparametric Test of Cost Minimizing Behavior: A Study of Indian Farms”, American Journal of Agricultural Economics, 75(4), 990-999.
    53. Simar, L. and Wilson, P. W. ( 1998), “Sensitivity Analysis of Efficiency Scores: How to Bootstrap in Nonparametric Frontier Models”, Management Science, 44(1), 49-61.
    54. ___________________________ ( 2007), “Estimation and Inference in Two-Stage, Semi-Parametric Models of Production Process”, Journal of Econometrics, 136, 31-64.
    Copyright © The Korean Society of Fisheries Business Administration. All rights reserved.
    Pukyoung Univ.,599-1, Daeyeon 3-dong, Nam-gu, Busan, Korea.