The Korean Society Fishries And Sciences Education

[ Article ]

The Journal of the Korean Society for Fisheries and Marine Sciences Education - Vol. 30, No. 6, pp.2220-2230

ISSN: 1229-8999 (Print) 2288-2049 (Online)

Print publication date 31 Dec 2018

Received 08 Nov 2018 Revised 16 Nov 2018 Accepted 26 Nov 2018

DOI: https://doi.org/10.13000/JFMSE.2018.12.30.6.2220

어업형태별 어가부채 결정요인에 관한 연구

노희태 ; 신용민^†

부경대학교(학생)
†부경대학교(교수)

A Study on Determinants of Fishery Household Debt by Fishing Types

Heui-Tae NOH ; Yong-Min SHIN^†

Pukyong National University(student)
†Pukyong National University(professor)

Correspondence to: ^†051-629-5313, ymshin@pknu.ac.kr

Abstract

Unlike Ordinary Households, Fishery Household is an economic entity that produces and consumes simultaneously, and highly dependent on policy funds due to nature of fishing industry, which is unstable, seasonal and taxable. This led the government to initiate the measures to reduce debt, but a number of preceding studies found the policy was ineffective. Moreover, the consumption and export of fishery products in Korea is gradually increasing over the year, so efficient policies are needed.

Therefore, this study analyzes the changes in fisheries debt by fishing types using the <KOSIS Fishery Household Economy Survey> data for five years from 2013 to 2017. And also analyzes the determinants of fishery household debt by fishing types by using the Pooled OLS and Tobit Model to find the basis for effective policy formulation for household debt reduction.

Keywords:

Fishery household debt, Fishery household economy survey, Pooled OLS, Tobit model

Ⅰ. 서 론

한 가계의 경제 상태를 나타내는 기본적인 지표에는 소득과 부채가 있다. 가계의 재무건전성은 이 두 지표의 정량적인 비교 분석을 통하여 판단하며, 부채의 보유 여부와 규모, 부채의 지속성 등을 통해 파악되는 결정요인은 가계뿐만 아니라 기업과 국가의 경기를 예측하는 데 참고할 수 있는 중요한 자료로 사용된다.

일반적인 거시경제 이론에서 자금은 가계의 잉여자금이 저축의 형태로 은행을 통해 기업으로 흘러가고 기업은 이러한 자금을 조달받아 투자하며, 가계는 이로부터 자금 공급의 대가를 얻는다. 그러나 어가는 일반 가계(비농어가)와는 달리 소비와 동시에 생산을 하는 경제주체이자 어업이 갖는 불안정성과 계절성, 영세성이라는 특성 때문에 생산에 필요한 자금의 상당 부분을 차입금에 의존하고 있어 부채보유가구의 비율이 높다.

이러한 어가의 부채 부담을 덜고자 2002년에 ⌜농어업인 부채경감에 관한 특별조치법⌟이 제정되고, 2004년, 2006년, 2009년에 걸쳐 어가 부채 경감대책이 지속적으로 시행되었다. 그러나 그 효과는 고소득층 어가를 중심으로 나타났을 뿐, 중·저소득층 어가에서는 그 효과가 유의하지 않은 것으로 나타나 부채 경감대책의 실효성이 낮다고 볼 수 있다(Kim and Lee, 2011).

선행연구에 따르면, 앞서 언급한 어가의 소비와 생산의 미분리라는 특성으로 인해 정부의 경영안정 특별대출이 본래 정책 시행의 목적인 소득 창출을 위한 투자로 이어지지 못하고, 대부분 생계자금 또는 기존의 부채를 상환하기 위한 목적으로 사용되어 연체율이 크게 높아졌다는 점, 시중금리와 정책금리의 격차로 인해 수익률을 고려하지 않은 부동산 투자와 같은 비생산적인 투자로 이어졌다는 점, 대내외 여건 악화 등으로 인해 정부투자의 효율이 저하되었다는 점 등에 기인한 것으로 분석되고 있다(Hong and Eom, 2003). 이러한 문제점들을 해결하기 위한 대안으로써 시장논리에 입각한 수산정책을 수립하고, 수산업의 현실을 제대로 반영한 즉, 어가부채의 특성을 고려한 효율적인 정책 수립의 필요성이 제기되었으나(Hong, 2003), 어업측면에서 어가부채의 특성을 미시적으로 분석한 연구는 지금까지도 거의 전무한 실정이다.

본 연구에서는 이러한 여러 선행연구 결과들을 토대로 어가부채의 결정요인에 대해 분석하고자 한다. 이를 통해 어가부채의 특성을 파악하게 되면, 이에 대응한 효과적 정책 수립의 근거가 될 수 있을 것이다. Kim and Lee(2011)는 앞선 연구에서 2003년부터 2007년까지의 통계청 마이크로데이터 통합서비스(MDIS: Microdata Integrated Sevice)에서 제공하는 <어가경제조사> 데이터를 활용하여 2004년과 2006년에 시행된 부채경감대책의 효율성을 파악하였으나 실효성이 낮은 것으로 나타났으며, 이로 인해 어가의 부채비율은 현재도 지속적으로 증가하고 있다.

이러한 점에서 본 연구에서는 어가부채의 원인과 유형을 분석하고자 하는 것이다. 즉 어업의 특성을 고려하고 이를 분석에 반영하기 위해 <어가경제조사>의 구분기준에 따라 어가를 ‘어선을 사용하지 않는 어로어업 종사 어가’, ‘어선을 사용하는 어로어업 종사 어가’, ‘양식어업 어가’ 등의 세 가지 유형으로 구분하여 각 어업형태별로 어가부채의 결정요인을 분석하고 부채의 위험성을 해소하기 위한 효율적인 정책의 필요성을 찾아보고자 한다.

Ⅱ. 어가경제지표 추이

1. 개요

최근 15년간의 어가부채는 어가소득과 함께 지속적 상승세를 보이고 있다. 최근 들어 어가소득이 어가부채의 크기를 초과한 점은 고무적이나, 경영주 연령별 부채현황에서 향후 우리나라 수산업을 이끌어 갈 50대 미만의 어가에서 부채 비중이 높게 나타나고 있는 것은 향후 우려스러운 현상이다[Fig. 1, Fig. 2].

[Fig. 1]

Annual Variation of Fishery Household Income and Debt

[Fig. 2]

Fishery Household Debt by Age of Owner

이러한 사실은 50대 미만의 어업경영주가 그 이상의 연령층에 비해 어업에 대한 투자수요가 상대적으로 많다는 점으로 이해할 수 있으나, 한편으로는 이들이 투자자본의 부족을 겪고 있다는 점으로도 해석할 수 있다.

2. 어가의 부채와 자산 추이

<어가경제조사> 원자료를 이용하여 어가부채 결정요인을 분석하기에 앞서 2013년부터 2017년까지의 어가부채의 변화 추이를 분석하고 2013년 대비 2017년의 증가분을 분석하였다. 먼저, 어가경제 주요 지표들의 추이를 알아보았다(<Table 1>).

Major Indexes of Fishery Household by Fishing Types (Unit: Thousand Won, %)

<어가경제조사>에 따르면 2017년 어가부채는 3,817만원으로 2013년 대비 2.25% 감소하였다. 같은 년도 가처분소득은 3,801만 원, 총 자산은 3억 9,319만 원으로 2013년 대비 22.48%, 36.35% 각각 증가하였다.

이에 따라 가처분소득 대비 부채비율을 나타내는 총부채상환비율(DTI: Debt to Income)과 당좌자산 대비 부채비율인 단기상환비율(DTA1: Debt to Asset 1)과 총자산 대비 부채비율인 장기상환비율이 모두 점점 낮아져 어가의 재무 건전성은 점차 개선된 것으로 나타났다.

어업형태별로 구분하여 보면, 어선을 사용하지 않는 어가에서는 총부채가 2013년 대비 55.67% 감소하였으나, 어선을 사용하는 어가와 양식 어가는 각각 17.21%, 9.12% 증가하였다. 어선을 사용하지 않는 어가의 경우 가처분소득이 6.77% 감소하였으나, 그 감소분이 부채 감소분에 비해 미미하였고, 동시에 총자산과 당좌자산이 각각 11.33%, 62.29% 증가하여 재무건전성이 점차 개선되고 있는 것으로 나타났다. 그러나 어선을 사용하는 어가에서는 가처분소득이 6.71% 증가한 것에 비해 총부채가 17.21% 증가하여 총부채상환비율(DTI)이 증가하였으며, 장·단기 상환비율 또한 그 감소분이 다른 어업형태에 비해 많이 적은 것을 알 수 있다.

부채의 차입처별로 살펴본 결과(<Table 2>), 금융기관과 사채 모두 각각 2.12%, 3.11% 감소하였으며, 용도별로는 겸업용 부채를 제외한 나머지 부채가 감소하였다. 특히, 기타용 부채의 감소분이 2013년 대비 15.09%로 가장 큰 폭으로 감소하였다. 어업형태별로 어가부채의 특성을 살펴보면, 어선을 사용하지 않는 어가가 전체적으로 감소 폭이 큰 것에 반해, 어선을 사용하는 어가와 양식 어가의 부채가 증가하였다.

Fishery Household Debt by Fishing Types (Unit: Thousand Won, %)

어선을 사용하는 어가의 경우 가계용 부채와 겸업용 부채가 2013년 대비 각각 50.14%, 56.6%로 큰 폭으로 증가하였고, 양식 어가의 경우 사채가 71.26% 증가하여 다른 어업형태에 비해 많이 늘어났다. 특히, 다른 형태의 어업을 하는 어가들의 어업용 부채가 감소한 것에 반해 양식 어가는 어업용 부채가 상승세를 보였으며, 기타용 부채가 2013년 대비 83.18% 증가한 것으로 나타났다.

어가 자산의 추이를 종류별로 살펴보면(<Table 3>), 어선을 제외하고 모든 종류의 자산이 증가한 것으로 나타났는데 특히 당좌자산이 2013년 대비 99.27% 증가하였다. 이는 앞서 어가경제지표에서 알 수 있듯이, 어가경제의 잉여가 크게 증가한 것과 연관이 있는 것으로 풀이된다. 어선의 경우에는 선령(船齡) 증가에 따른 노후화로 인한 감가상각이 일부 반영된 것으로 보인다.

Fishery Household Property by Fishing Types (Unit: Thousand Won, %)

법인세법 시행규칙 <별표 6>의 업종별 자산의 기준내용연수 및 내용연수범위표에 따르면, 어업자산의 기준 내용연수는 10년(8∼12년)이다. 어선의 경우 어업 자산에 포함되므로 그 내용연수에 따른 감가상각을 비교적 단기로 분석하고 있어 이를 본 연구에 반영하기에는 한계가 있다. 그러나 현재 우리나라 근해어업 어선의 노후화가 매우 심각한 수준임을 고려하면 어선자산의 감소추세의 원인으로 노후화를 지적하는 것은 무리한 해석이 아닐 것으로 보인다.

어업형태별로 어가자산의 추이를 살펴보면, 양식어업을 하는 어가의 자산 증가가 크게 두드러진다.

특히 당좌자산이 2013년 대비 150.04% 증가하였으며, 어가 총자산 또한 59.65% 증가하여 다른 어업에 비해 그 증가폭이 가장 큰 것으로 나타났다. 이는 양식어업이 어로어업에 비해 초기 투자액 및 자산규모가 클 뿐만 아니라, 최근 연안어업과 근해어업을 통틀어 어로어업 생산량이 감소하고 양식어업 생산량이 증가하는 추세가 반영된 것으로 보인다.

Ⅲ. 연구 방법

1. 연구 방법

본 연구에서는 먼저 2013년부터 2017년까지 통계청에서 실시한 <어가경제조사> 자료를 이용하여 어가부채 변화 추이를 분석하였다. 특히 2013년 대비 2017년의 변화율을 살펴보기 위해 모든 값을 GDP디플레이터를 이용하여 2010년 기준값으로 실질화 하였다. 어가부채의 결정요인을 파악하기 위해 어가의 재무건전성지표를 어업형태별로 구분하였다. 어업형태는 <어가경제조사> 내 기준에 따라 어선 비사용 어로어업 어가, 어선 사용 어로어업 어가, 그리고 양식어업 어가 등으로 구분하여 살펴보았다. <어가경제조사>의 조사기준에 따르면, 어로어업에 포함되나 어선을 사용하지 않는 어업은 맨손, 나잠 및 기타 어로어업이며, 양식어업에는 천해양식어업만을 대상으로 하며, 내수면양식어업은 대상에서 제외하였다.

연도별 어가부채의 변화 추이를 분석한 이후에는 통계청 MDIS로부터 동 조사의 원자료를 추출하여 이를 토대로 중도절단회귀모형인 Tobit 모형을 이용하여 어가부채의 결정요인을 분석하였다. 매년 실시되는 <어가경제조사>는 모집단 변화를 반영하기 위하여 5년을 주기로 표본을 개편하는데, 가장 최근의 개편연도인 2013년을 기준으로 2017년까지의 각 연도별 1,000개 어가, 5년간 총 5,000개 어가의 자료를 분석에 사용하였다.

어업형태별 어가부채 결정요인 및 부채보유 결정요인을 분석하기 위해서는 연도별로 동일한 표본으로 코딩된 패널자료가 필요하나, 통계청 마이크로데이터 통합서비스에서 제공하는 <어가경제조사>의 원자료는 2013년에 개편된 이후 2017년까지 동일한 표본을 사용한 것으로는 보기 어려웠다. 원자료의 어가 기준값을 살펴본 결과, 1,000개의 어가 코드는 동일하나 연도별로 경영주 연령 등 인구·사회학적 데이터에 차이가 있어 패널분석을 실시하는 데 한계가 있다고 판단하였다. 따라서 본 연구에서는 부득이하게 5개년도 자료를 풀링하고 연도별로 더미변수를 추가하는 방법으로 분석을 실시하였다.

가계부채의 결정요인과 관련한 다수의 선행연구에서 가계부채 분석모형은 생애주기가설(Life-cycle Hypothesis)에 기초를 두고 있으며, 이 가설에 따르면 합리적인 가계는 생애 전체에 걸쳐 기대효용을 극대화하는 소비경로를 선택한다(Ando and Modigliani, 1963). 가계는 생애 전체의 부(富)를 골고루 소비하고자 하므로 생애주기 초반에 소득이 낮더라도 미래의 기대소득을 고려하여 자본시장으로부터 부채를 조달하여 소비 수준을 높게 유지하려 한다. 이때 부채는 나이·인적자본·가구원수·자산·소득 등 생애소득과 더불어 가계의 선호 요인에 따라 구체적으로 결정되며, 시간에 따라 역 U자형의 그래프를 그린다. 본 연구 또한 이러한 가설에 기초하여 어가부채의 결정요인 모형을 구성하였다.

종속변수로 어가 총부채액과 어업용 부채액, 그리고 가계용 부채액을 사용하였으며, 독립변수로는 어가 경영주의 인구·사회학적 특성, 어가 규모, 어가 소득 및 지출, 어업용 자산 및 비어업용 자산, 그리고 어업형태 및 연도별 특성을 더미변수의 형태로 사용하였다. 구체적으로는 어가 경영주의 나이, 어가 가구원수, 가처분소득 및 어업경영비·소비지출·비소비지출, 어선·어업용자재, 비어업용자재·당좌자산·토지·건물 변수를 사용하였다.

추가로 어업형태를 <어가경제조사> 조사기준에 따라 어선을 사용하지 않는 어로어업·어선을 사용하는 어로어업·양식어업 등으로 구분하여 어선을 사용하지 않는 어로어업을 기준으로 어선사용 어로어업 어가와 양식어업 어가를 각각 d1, d2로 설정한 더미변수를 사용하였다. 그리고 어가 부채 결정요인의 연도별 차이를 알아보기 위해 2013년을 기준으로 2014년부터 2017년까지 각각 w1부터 w4로 설정한 더미변수를 추가하여 모형을 구성하였다. 어가경영주의 나이와 가처분소득 변수의 경우, 다수의 선행연구에 따라 부채 및 자산과의 관계가 비선형적임을 가정하고, 그 효과를 검정하고자 각각 제곱값을 변수로 추가하였고, 자산변수 중 어선·토지·건물 변수는 부채와의 관계를 보다 직접적으로 분석하기 위해 각각 척수와 면적이 아닌 평가액을 사용하였으며, 분석에 사용한 모든 변수는 GDP디플레이터를 이용하여 2010년을 기준으로 실질화하였다. 사용한 독립변수와 종속변수를 정리하면 <Table 4>와 같다.

Dependant and Independant Variables

2. 연구 모형

가. 합동 OLS모형

합동 OLS모형(Pooled-OLS Model)은 주어진 데이터가 패널구조라는 사실을 무시하고 횡단면데이터로 가정하여 OLS로 추정하는 모형이다. 이때 데이터는 OLS 추정의 기본 가정을 모두 만족해야 한다. 일반적인 추정식은 다음과 같다.

Y = α + β 1 X i 1 + β 2 X i 2 + β 2 X i 2 + … + β k X i k + ϵ

본 연구에서 사용하고자 하는 <어가경제조사> 원자료는 앞서 서술한 바와 같이, 연도별로 동일한 표본을 사용한 것으로는 보기 어려웠다. 패널자료가 아니지만 OLS추정의 기본 가정들을 모두 만족시키므로 단순 연도별로 풀링하여 횡단면데이터로 가정하고 연도별 더미변수를 추가하여 추정하였다.

중도절단회귀모형인 Tobit 모형을 사용하기에 앞서 독립변수의 수가 과도하게 많을 경우, 자유도에 영향을 끼쳐 모형 전체의 적합도가 떨어질 수 있다. 이에 먼저 합동 OLS모형을 이용하여 선정한 독립변수 중 유의적인 독립변수만 선별한 후, 어가부채 결정요인 분석모형에 사용하였다.

나. Tobit 모형

Tobit 모형은 종속변수의 관측치가 특정 영역에만 분포하는 등 중도절단 되어있을(Censored) 경우 사용하는 모형이다. 본 연구에서 선정한 종속변수인 부채 규모는 음(-)의 값을 가지지 않는다. 즉 0의 값을 포함하여 양(+)의 영역에서만 그 값을 가지므로 그대로 일반회귀분석을 실시할 경우 그 결과값이 정확하지 않게 나올 가능성이 있다. 따라서 일정한 영역에서만 관찰되는 변수를 종속변수로 하는 중도절단 회귀모형인 Tobit 모형을 사용하였다. 종속변수가 0 또는 1의 값만 가지는 Probit 모형과는 다르게 Tobit 모형에서 종속변수는 0보다 크기만 하다면 어떠한 값도 될 수 있다. 추정식은 다음과 같다.

Y i = Y i * if Y i * > 0, 0 if Y i * ≤ 0, Y i * = β X i + u i, u i ~ N 0, σ 2 .

Tobit 모형은 설명변수 값에서의 1단위 변화가 관측된 종속변수의 평균값에 대한 효과와 종속변수 추정치가 실제로 관측된 것이라는 확률에 대한 효과 등 두 가지 효과를 동시에 가지기 때문에 결과값을 해석할 때 추정된 계수 값의 부호만을 사용해야 하며, 일반적인 회귀모형과 같이 계수 값을 그대로 탄력성으로 해석하는 데에는 한계가 있다. 이러한 한계점은 Tobit 모형의 추정된 계수 값을 이용하여 한계효과를 추가로 계산함으로써 극복할 수 있다.

Ⅳ. 분석 결과

어가부채 결정요인을 어업형태별로 찾기 위해 통계청 MDIS로부터 추출한 원자료를 Tobit 모형을 이용하여 분석하였다. 먼저 모형의 적합도를 향상시키기 위해 합동 OLS 모형을 이용하여 독립변수 중 유의한 변수를 선별하였다(<Table 5>).

Results of Pooled OLS

분석 결과, 가구원수(hhold)와 가처분소득의 제곱값(disp2)이 유의하지 않은 것으로 나타났으며, 보유어선의 평가액(vessel)은 5%, 나머지 변수들은 모두 1% 수준에서 유의한 것으로 나타났다. 이는 어가경영주의 연령과 자산 및 부채간 비선형성이 유의하며, 가처분소득의 경우 선형적이라는 것을 의미한다. 더미변수에서는 어업형태를 나타내는 더미변수는 모두 유의한 것으로 나타났으나, 연도별 더미변수 중 2014년(w1)과 2015년(w2)이 유의하지 않은 것으로 나타났으며 2016년(w3)은 5%, 2017년(w4)은 1%에서 유의한 것으로 나타났다.

따라서 더미변수 집합의 적합성을 검정하는 결합 유의성 검정(Joint Significance F-test)을 추가로 시행한 결과, 어업형태별 더미변수 간에는 유의한 차이가 없다는 귀무가설을 1% 유의수준에서 강하게 기각하였으나, 연도별 더미변수는 유의한 차이가 없는 것으로 나타났다(<Table 6>).

Results of Joint Significance F-test

이러한 분석결과는 어가부채 결정요인이 어업형태별로 유의한 차이는 있으나 연도별 차이는 유의하지 않다는 것을 의미하므로, 이후 Tobit 모형을 이용한 어가부채 결정요인 분석에서는 연도별 더미변수 전체를 제외하고 어업형태별 더미변수만 사용하였다.

선별한 유의적인 독립변수를 이용하여 합동 토빗모형 분석 결과(<Table 7>), 가처분소득(disp), 당좌자산(asset)은 어가 총부채액과 음(-)의 상관관계를 가지고 있으며, 이들 변수를 제외한 나머지 변수들은 모두 정(+)의 상관관계를 가지고 있는 것으로 나타났다.

Results of Pooled Tobit (Total Debt)

다시 말해, 다른 변수들이 일정할 때 가처분소득·당좌자산이 각각 늘어날수록 총부채액은 감소하고, 어업경영비·소비지출 및 비소비지출이 증가할수록, 그리고 어업용 자산·비어업용 자산·보유어선·토지와 건물의 평가액이 증가할수록 총부채액이 늘어나는 것으로 해석할 수 있다. 또한 더미변수 중에서 어선 사용 여부와 관계없이 어로어업을 하는 것 자체는 어가부채와 유의한 관계가 없는 반면, 양식어업의 경우 어가부채와 유의한 관계가 있는 것으로 나타났다. 이는 양식어업의 경우 초기자본투자를 비롯한 지속적인 시설투자 비중이 어로어업에 비해 높기 때문인 것으로 보인다.

가처분소득과 당좌자산이 증가할수록 총부채액이 감소하는 것은 앞서 주요 경제지표 분석에서도 알 수 있듯이 총부채상환비율과 단기부채상환비율을 낮춰 총 부채액을 감소시키는 것을 의미한다. 어업경영비·어업용자산·비어업용자산이 많을수록, 그리고 보유어선과 토지나 건물의 평가액이 클수록 부채액이 늘어나는 것은 생산자금의 대부분을 정책자금의 융자에 의존하고 있는 수산업의 현실을 보여주는 것이다.

어가 총부채액 외에도 어업용 부채(fdebt)와 가계용 부채(nfdebt)를 각각 종속변수로 하여 합동 토빗모형을 이용하여 분석하였다(<Table 8>, <Table 9>). 먼저, 어업용 부채는 어가 경영주 연령의 제곱값과 가처분소득·비어업용자산과 당좌자산의 평가액과 음(-)의 상관관계를 가지고 있으며, 어업경영비·소비지출·비소비지출·어업용자산·보유어선의 평가액과 양(+)의 상관관계를 가지고 있는 것으로 나타났다.

Results of Pooled Tobit (Debt for Fishing)

Results of Pooled Tobit (Debt for Household)

이 결과값에서 주목해야 할 것은 소비지출·비소비지출과 어업용 부채간의 관계인데, 식료품 및 비주류음료·주류와 담배·의류와 신발 등으로 구성된 소비지출과 조세 및 부담금·공적연금 납부금 등으로 구성된 비소비지출이 어업용 부채와 유의한 관계가 있다는 것은 곧 어업용 부채는 생산성 부채와 가계성 부채의 성격을 동시에 지니고 있음을 뜻한다.

이는 가계용 부채를 종속변수로 하는 모형에서도 확인할 수 있다(<Table 9>). 어업경영비 지출과 어선보유 평가액이 각각 증가하면 가계용 부채가 감소하는 음(-)의 상관관계가 있는 것으로 나타났는데, 이 또한 어업 생산과 가계성 부채 간에 밀접한 관계가 있음을 나타내는 것으로 이러한 어가 부채의 복합성을 고려한 어가부채 경감대책이 필요할 것으로 보인다.

Ⅴ. 결 론

최근의 통계청 어가경제조사 결과를 살펴보면, 과거에 비해 어가소득이 어가부채를 초과하여 어가의 재무 상태가 개선되고 있는 것으로 나타나고 있다. 과거 어가부채가 어업경영의 문제를 넘어 국가의 사회경제적 문제로까지 인식되었던 점을 고려하면, 이는 분명 고무적 현상이라 할 수 있다.

그러나 그 내면을 들여다보면 그리 밝은 것만은 아니다. 이는 어가부채의 상당수가 비어업용 지출에서 비롯되고 있어 어가 차입금이 여전히 비생산적 용도로 사용되고 있고, 상대적으로 젊은 연령층의 어가에서 부채비율이 높다는 점에서 우려된다. 향후 우리나라 어업을 이끌어 갈 50대 이하의 연령층에서 부채비율이 높다는 것은 어가 경영의 영세성이 여전히 개선되지 않고 있고, 향후에도 어가 부채 문제가 지속될 수밖에 없다는 것을 시사하기 때문이다.

이런 점에서 본 연구는 어가부채의 원인을 찾아보고자 하였다. 2013∼2017년까지 5년간 실시된 <어가경제조사> 자료를 이용하여 어업형태별로 어가부채의 변화 추이를 분석하고, 동 조사 원자료로부터 어가경영주의 인구·사회학적 특성, 어가의 소득 및 지출, 어가 규모 및 어업형태, 어업용·비어업용 자산 등의 변수를 추출하여 Tobit 모형을 이용하여 어가부채의 결정요인을 분석하였다.

분석 결과, 전체적으로 가처분소득과 총자산이 증가하여 어가의 경제적 잉여가 크게 증가하였고, 총부채상환비율과 장단기 부채상환비율이 낮아지면서 어가의 재무건전성이 점차 개선된 것으로 나타났다. 그러나 어선을 사용하는 어가와 양식어가의 부채가 가처분소득보다 큰 폭으로 증가하였으며, 특히 양식어가의 경우 어업용 부채와 기타용 부채가 큰 폭으로 증가한 것으로 나타났다. 즉 어가 전체적으로 보았을 때에는 부채가 개선되고 있는 것으로 보이지만, 어업형태별로 자산과 부채의 변화 추이 및 그 특성을 고려하면 아직 개선의 여지가 많이 남아있는 것이다.

또한 Tobit 모형을 이용하여 어가부채 결정요인을 분석한 결과, 다른 변수들이 일정할 때 경영주의 가처분소득·당좌자산이 각각 늘어날수록 총부채는 감소하고, 어업경영비, 소비지출 및 비소비지출이 증가할수록, 어업용 자산, 비어업용 자산, 보유 어선, 토지 및 건물의 평가액이 증가할수록 모두 총부채가 증가하는 것으로 나타났다. 특히 어업형태별 더미변수 중에서 양식어업이 유의적인 것으로 나타났다. 이는 초기 시설투자비용이 많이 소요되고 자산 규모가 큰 양식어업은 자본 부담이 크기 때문에 보다 차별적인 정책자금의 지원 방안 마련이 필요할 것으로 보인다. 그리고 경영주의 연령이 낮을수록 부채액이 큰 것으로 나타나 젊은 연령층의 어업인에 대한 지원이 보다 확대되어야 할 것으로 보이며, 이는 향후 우리나라 수산업의 장기 지속적 발전이라는 면에서도 필요하다.

어업용 부채와 가계용 부채를 각각 종속변수로 하는 Tobit 모형에서는 식료품 등의 소비지출과 조세·공적연금 납부금 등의 비소비지출이 어업용 부채와 유의한 관계가 있는 것으로 나타났으며, 어업경영비 지출과 어선 평가액이 가계용 부채와 유의한 관계가 있는 것으로 나타났다. 이는 어가부채가 생산성 부채와 가계성 부채의 성격을 동시에 지니고 있다는 의미인 만큼, 이를 고려한 개선방안의 수립도 필요할 것으로 보인다.

본 연구는 <어가경제조사> 원자료를 패널자료로써 활용하지 못하고 단순히 풀링하여 분석하였으며, Tobit 모형의 한계효과를 계산하여 각 유의한 변수들의 탄력성까지 제시하지는 못하였다는 한계가 있다. 그러나 어가부채와 관련한 연구가 매우 부족한 현실에서 어업형태별 부채의 특성을 이해함으로써 향후 효율적인 어가부채 경감대책 수립을 위한 기초자료가 될 수 있다는 점에서 연구의 의의를 찾고 싶다.

References

Ando, Albert, and Franco Modigliani, (1963), The "Life Cycle" Hypothesis of Saving: Aggregate Implications and Tests, The American Economic Review, 53(1), p55-84.
Gujarati, Damodar N., (2016), Econometrics by Example, 2^nd ed., Sigmapress.
Hong, HP, (2003), A Study on the Issues of Fishery Policy Fund and the Fishery Household Debt under Information Asymmetric Structure, Korea Maritime Institute.
Hong, HP, Eom, SH, (2003), A Current Situation and Future Countermeasures of Fishery Household Debt, 2003-15, Korea Maritime Institute.
Kim, BT, Lee, SW, (2011), Determinants of Fishery Household Debt and the Effect of Debt Alleviation Policy, Jounal of the Korean Regional Science Association, 27(4), p111-130.
Kim, JA, (2010), The Analysis of the Factor of Household Debt Reflecting the Characteristics of Household, Master’s Thesis, Ewha Woman’s University, Seoul, Korea.
Korea Statistical Information Service, Fishery Household Economy Survey, 2013~2017.
KOSIS Microdata Integrated Service, Fishery Household Economy Survey, 2013~2017.
Lee, MY, (2011), A Study on the Actual Conditions and Causes of Fishery Household Debt, Research Report, 2011-4, National Federation of Fisheries Cooperatives.
Lee, SL, Lee, CH, (2015), The Determinants of Farm Household Debts, Korean Journal of Agricultural Management and Policy, 42(4), p763-783.
Lee, SN, (2016), An Empirical Study on the Influencing Factors of Household Debt, Journal of Digital Convergence, 14(5), p177-183. [https://doi.org/10.14400/jdc.2016.14.5.177]
Min, IS, Choi, PS, (2016), STATA Panel Data Analysis, 3^rd ed., Jiphil media.
Nam, JW, Lee, HS, Heo, I, (2016), Econometrics, 4^th ed., Hongmoonsa.

	Index	2013	2014	2015	2016	2017	Average	% Change
Source: KOSIS, Fishery Household Economy Survey.
Total	Disposable Inc. (A)	31,037	33,174	34,625	37,088	38,014	34,788	22.48
	Debt (B)	39,055	39,773	39,067	39,439	38,176	39,102	-2.25
	Property (C)	288,369	303,366	331,496	376,228	393,196	338,531	36.35
	Asset (D)	70,011	84,399	100,820	125,280	139,512	104,004	99.27
	Surplus	10,197	12,275	13,435	15,631	17,906	13,889	75.59
	DTI (B/A)	1.26	1.20	1.13	1.06	1.00	-	-
	DTA1 (B/D)	0.56	0.47	0.39	0.31	0.27	-	-
	DTA2 (B/C)	0.14	0.13	0.12	0.10	0.10	-	-
Fishing without Vessel	Disposable Inc. (A)	21,928	22,938	22,635	20,762	20,442	21,741	-6.77
	Debt (B)	26,828	28,560	24,462	18,388	11,894	22,026	-55.67
	Property (C)	269,027	268,240	290,411	309,720	299,507	287,381	11.33
	Asset (D)	47,333	57,988	66,495	72,603	76,817	64,247	62.29
	Surplus	4,832	6,066	6,223	4,791	6,202	5,623	28.36
	DTI (B/A)	1.22	1.25	1.08	0.89	0.58	-	-
	DTA1 (B/D)	0.57	0.49	0.37	0.25	0.15	-	-
	DTA2 (B/C)	0.10	0.11	0.08	0.06	0.04	-	-
Fishing with Vessel	Disposable Inc. (A)	33,542	34,912	34,764	35,122	35,794	34,827	6.71
	Debt (B)	30,517	30,994	29,619	30,643	35,770	31,509	17.21
	Property (C)	282,575	295,160	324,207	365,868	388,225	331,207	37.39
	Asset (D)	73,774	86,053	101,163	119,908	134,762	103,132	82.67
	Surplus	11,613	12,762	13,203	12,953	14,464	12,999	24.56
	DTI (B/A)	0.91	0.89	0.85	0.87	1.00	-	-
	DTA1 (B/D)	0.41	0.36	0.29	0.26	0.27	-	-
	DTA2 (B/C)	0.11	0.11	0.09	0.08	0.09	-	-
Aqua- culture	Disposable Inc. (A)	36,393	42,237	49,417	57,995	61,643	49,537	69.38
	Debt (B)	66,010	68,054	74,959	76,754	72,031	71,561	9.12
	Property (C)	318,200	358,810	396,614	465,278	508,016	409,383	59.65
	Asset (D)	87,451	112,646	143,267	191,119	218,660	150,629	150.04
	Surplus	13,451	18,747	22,919	31,783	36,835	24,747	173.84
	DTI (B/A)	1.81	1.61	1.52	1.32	1.17	-	-
	DTA1 (B/D)	0.75	0.60	0.52	0.40	0.33	-	-
	DTA2 (B/C)	0.21	0.19	0.19	0.16	0.14	-	-

			2013	2014	2015	2016	2017	Average	% Change
Source: KOSIS, Fishery Household Economy Survey.
Total	Borrowing	Financial	33,894	35,245	34,199	33,921	33,175	34,087	-2.12
	Borrowing	Private	5,161	4,527	4,868	5,518	5,001	5,015	-3.11
	Purpose	Fishing	19,989	20,570	19,834	19,765	19,357	19,903	-3.16
		Household	9,849	9,695	9,743	9,810	9,614	9,742	-2.39
		Sideline	6,177	6,598	6,260	6,764	6,623	6,484	7.23
		etc.	3,040	2,913	3,229	3,099	2,581	2,972	-15.09
Fishing without Vessel	Borrowing	Financial	23,071	25,403	21,983	16,918	10,861	19,647	-52.92
	Borrowing	Private	3,757	3,157	2,478	1,471	1,033	2,379	-72.50
	Purpose	Fishing	1,966	3,598	1,952	783	597	1,779	-69.63
		Household	12,667	11,670	8,112	7,450	4,334	8,846	-65.79
		Sideline	8,749	8,160	9,982	7,378	5,800	8,014	-33.70
		etc.	3,445	5,132	4,415	2,777	1,164	3,387	-66.23
Fishing with Vessel	Borrowing	Financial	24,699	25,995	24,985	25,100	30,746	26,305	24.48
	Borrowing	Private	5,818	4,998	4,634	5,543	5,024	5,204	-13.65
	Purpose	Fishing	14,702	14,586	14,381	13,957	14,027	14,331	-4.59
		Household	9,055	9,052	9,356	10,167	13,595	10,245	50.14
		Sideline	3,365	5,319	3,419	4,087	5,270	4,292	56.60
		etc.	3,394	2,037	2,462	2,433	2,878	2,641	-15.22
Aqua- culture	Borrowing	Financial	60,472	62,720	66,659	66,902	62,548	63,860	3.43
	Borrowing	Private	5,537	5,334	8,300	9,853	9,483	7,701	71.26
	Purpose	Fishing	47,600	50,826	52,413	49,902	49,395	50,027	3.77
		Household	8,223	8,471	12,510	11,772	9,159	10,027	11.38
		Sideline	8,158	6,954	6,868	10,529	9,762	8,454	19.65
		etc.	2,028	1,803	3,167	4,552	3,715	3,053	83.18

		2013	2014	2015	2016	2017	Average	% Change
Source: KOSIS, Fishery Household Economy Survey.
Total	Financial	288,369	303,366	331,496	376,228	393,196	338,531	36.35
	Private	70,011	84,399	100,820	125,280	139,512	104,004	99.27
	Fishing	101,164	103,286	111,245	124,351	127,974	113,604	26.50
	Household	55,083	52,703	53,558	55,121	56,197	54,532	2.02
	Sideline	16,077	14,653	14,639	15,213	14,503	15,017	-9.79
	etc.	20,700	22,703	20,619	22,665	21,679	21,673	4.73
Fishing without Vessel	Financial	269,027	268,240	290,411	309,720	299,507	287,381	11.33
	Private	47,333	57,988	66,495	72,603	76,817	64,247	62.29
	Fishing	153,386	151,895	163,836	182,767	175,267	165,430	14.27
	Household	52,612	46,275	48,228	45,439	38,762	46,263	-26.32
	Sideline	1,697	1,606	465	71	84	785	-95.07
	etc.	9,367	6,847	7,989	5,882	5,444	7,106	-41.88
Fishing with Vessel	Financial	282,575	295,160	324,207	365,868	388,225	331,207	37.39
	Private	73,774	86,053	101,163	119,908	134,762	103,132	82.67
	Fishing	84,782	84,344	96,521	107,799	110,741	96,837	30.62
	Household	49,780	50,904	49,153	55,013	60,208	53,011	20.95
	Sideline	25,300	22,918	22,572	22,477	21,084	22,870	-16.67
	etc.	22,797	25,509	23,946	26,055	25,980	24,857	13.96
Aqua- culture	Financial	318,200	358,810	396,614	465,278	508,016	409,383	59.65
	Private	87,451	112,646	143,267	191,119	218,660	150,629	150.04
	Fishing	73,814	78,605	72,604	88,597	102,112	83,146	38.34
	Household	66,473	63,362	68,437	65,764	69,539	66,715	4.61
	Sideline	15,784	15,815	17,682	19,561	20,232	17,815	28.18
	etc.	29,060	36,547	30,289	35,198	33,182	32,855	14.18

	Variables	Labels
Dependant Variables	tdebt	Total Debt
	fdebt	Debt for Fishing
	nfdebt	Debt for Household
Independant Variables	age	Age of Owner
	age2	Squared Age
	hhold	No. of Household
	disp	Disposable Inc.
	disp2	Squared Disposable
	manage	Management Cost
	cons	Consumption Exp.
	ncons	Non-Consumption Exp.
	vessel	Value of Vessel
	fmat	Value of Materials for Fishing
	nfmat	Value of Materials for Household
	asset	Asset
	land	Value of Land
	build	Value of Building
	d1	Dummy (Fishing with Vessel)
	d2	Dummy (Aquaculture)
	w1	Dummy (year 2014)
	w2	Dummy (year 2015)
	w3	Dummy (year 2016)
	w4	Dummy (year 2017)

Variable	Coefficient	t-value	Prob.>t
legend: p<0.1, p<0.05, ** p<0.01.
C	178838.8^***	4.6	0.000
age	-5085.88^***	-4.1	0.000
age2	32.33759^***	3.26	0.001
hhold	1024.239	0.88	0.380
disp	-0.00016^***	-4.76	0.000
disp2	7.34E-14	1.34	0.181
manage	0.000284^***	11.72	0.000
cons	0.000335^***	2.63	0.009
ncons	0.002261^***	11.61	0.000
vessel	0.099045^**	2.25	0.025
fmat	0.318894^***	6.07	0.000
nfmat	0.462386^***	5.55	0.000
asset	-0.11511^***	-10.26	0.000
land	0.050873^***	10.2	0.000
build	0.215805^***	13.49	0.000
d1	-7434.05^***	-2.72	0.007
d2	20413.43^***	6.37	0.000
w1	3443.61	1.08	0.280
w2	5133.894	1.6	0.110
w3	8218.166^**	2.53	0.012
w4	11230.44^***	3.4	0.001

Variable	Coefficient	t-value	Prob.>t
legend: p<0.1, p<0.05, ** p<0.01.
C	42539.96	0.89	0.375
age	-7.81E+02	-0.49	0.625
age2	-1.03E+01	-0.8	0.425
disp	-0.000136^***	-4.55	0.000
manage	2.82E-04^***	9.53	0.000
cons	0.0006646^***	4.29	0.000
ncons	0.0025134^***	10.42	0.000
vessel	0.1330786^**	2.48	0.013
fmat	0.3479049^***	5.43	0.000
nfmat	0.6640632^***	6.49	0.000
asset	-0.1466981^***	-10.52	0.000
land	0.0657493^***	10.55	0.000
build	0.258107^***	13	0.000
d1	4.16E+03	1.14	0.255
d2	36530.86^***	8.69	0.000
1,433 left-censored observations at tdebt<=0
3,567 uncensored observations
0 right-censored observations

Variable	Coefficient	t-value	Prob.>t
legend: p<0.1, p<0.05, ** p<0.01.
C	-106091.4^**	-2.03	0.042
age	2.69E+03	1.56	0.119
age2	-4.17E+01^***	-2.94	0.003
disp	-0.0001506^***	-5.21	0.000
manage	3.81E-04^***	13.54	0.000
cons	0.0008611^***	5.44	0.000
ncons	0.0004126^*	1.67	0.095
vessel	0.1834366^***	3.59	0.000
fmat	0.5090758^***	8.41	0.000
nfmat	-0.4727319^***	-3.86	0.000
asset	-0.067105^***	-4.91	0.000
land	0.0070701	0.93	0.350
build	-0.0061331	-0.29	0.769
d1	5.04E+04^***	10.73	0.000
d2	83218.65^***	16.2	0.000
2,753 left-censored observations at tdebt<=0
2,247 uncensored observations
0 right-censored observations

Variable	Coefficient	t-value	Prob.>t
legend: p<0.1, p<0.05, ** p<0.01.
C	-84119.86^***	-2.75	0.006
age	2.13E+03^**	2.13	0.033
age2	-2.28E+01^***	-2.83	0.005
disp	-0.0000611^***	-2.93	0.003
manage	-6.87E-05^***	-3.52	0.000
cons	0.0004421^***	4.63	0.000
ncons	0.0019441^***	13.42	0.000
vessel	-0.0176783	-0.5	0.616
fmat	0.0340474	0.82	0.415
nfmat	0.0507721	0.79	0.427
asset	-0.0914407^***	-9.16	0.000
land	0.0095878^**	2.49	0.013
build	0.1518322^***	12.63	0.000
d1	5.19E+03^***	2.3	0.021
d2	7040.972^***	2.69	0.007
2,909 left-censored observations at tdebt<=0
2,091 uncensored observations
0 right-censored observations

Variable	F-test	Prob.>F
d1	54.71	0.0000
d2	54.71	0.0000
w1	1.82	0.1220
w2
w3
w4