The Korean Society Fishries And Sciences Education

[ Article ]

The Journal of the Korean Society for Fisheries and Marine Sciences Education - Vol. 31, No. 3, pp.913-924

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

Print publication date 30 Jun 2019

Received 28 May 2019 Revised 13 Jun 2019 Accepted 20 Jun 2019

DOI: https://doi.org/10.13000/JFMSE.2019.6.31.3.913

한국 수산가공산업의 생산성 분해에 관한 연구: 확률적 변경모형을 이용

최봉호^†

동의대학교(부교수)

A Study on Decomposition of Productivity Growth in Korean Fishes and Edible Seaweeds Processing Industry: A Stochastic Frontier Analysis

Bong-Ho CHOI^†

Dongeui University(associate professor)

Correspondence to: ^†051-890-1420, cbh@deu.ac.kr

Abstract

The purpose of this study is to analyze the growth factors of total factor productivity in fishes and edible seaweeds processing industry and to provide implications. The results of the empirical analysis are as follows. Over time, the technical efficiency of the fishes and edible seaweeds processing industry has deteriorated, but the level of technological progress has been improved. Total factor productivity has slightly increased. Productivity improvement was the best in smoked and similar prepared fish products, while the fish and fish products-frozen showed a poor productivity improvement. The changes in the edible seaweeds were relatively high. The analysis results show that the productivity of fishes and edible seaweeds processing industry is relatively low compared to other industries.

Keywords:

Fishes and edible seaweeds processing industry, Stochastic frontier analysis, Total factor productivity, Technical efficiency, Technological progress

Ⅰ. 서 론

수산업은 어업 중심의 1차산업이라는 인식에 더해 수산물을 제조·가공하여 저부가가치의 수산물이 지닌 한계를 극복하고 고부가가치를 창출함으로써 산업으로서의 기능이 중요시 되고 있다. 주요 수산 선진국가들도 수산업에 대한 정책의 중심을 어업에서 유통, 가공, 소비 등으로 그 영역을 확대·전환하고 있다. 하지만 수산가공산업의 중요성에도 불구하고 어업생산의 감소 및 수입 증대, 소비자 선호 다양화, 제품 안전성 요구 증대 등 환경변화로 가공산업 자체가 위축되고 있다. (Do et al., 2007). 수산가공산업의 매출액 비율은 제조업 전체 대비 1999년 0.45%에서 2017년 0.42%로 감소하였으며 부가가치 비율도 0.44%에서 0.40%로 감소하였다. 수산가공산업의 생산성을 나타내는 매출액 대비 부가가치 비율도 1999년 40.65%에서 2017년에는 33.80%로 대폭 하락하였다. 동기간 동안 매출액과 부가가치의 평균증가율은 각각 7.77%와 6.71%로서 단순 증가를 이루었으나 성장은 감소 추세를 보였다. Krumman(1994) 등이 지적한 바와 같이 물적요소의 투입확대에 의한 양적 성장만으로는 지속 가능한 성장에 한계가 있다. 따라서 수산가공산업의 지속적인 성장을 위해서는 기술진보와 기술효율성 제고를 통한 총요소생산성 향상이 필요하다. 총요소생산성은 기술효율성 변화(technical efficiency change), 기술진보(technological progress) 및 기술변화(technological change), 규모효율변화(scale efficiency change), 배분효율변화(allocational efficiency change)를 포함하는 개념이다. 따라서 수산가공산업의 총요소생산성을 구성하는 요인들의 분해를 통하여 총요소생산성에 영향을 미치는 요인을 분석하고 생산성 향상 및 성장을 위한 방향을 제시하는 것이 필요하다. 생산함수를 단순히 산출 성장에 대한 요인별 기여도를 계산하기 위한 회계양식과 같이 활용하는 성장회계방식, 요소투입과 평균산출의 관계를 추정하는 일반적 회귀분석방법은 기술적 효율변화 등을 반영할 수 없다. 따라서 본 연구에서는 요소투입과 생산 가능한 최대산출량과의 관계를 통하여 기술적 효율변화를 추정하는 변경생산함수(frontier production function)를 도입한다.

Pyo et al.(2010)는 수산물 도매업의 총요소생산성 변화와 이의 다양한 효율성 변화 지표를 추정하였다. 3년간(2006〜2008)의 연간 13% 정도 총요소생산성이 감소였는데 규모비효율성이 9%, 기술수준 퇴보가 5%로 분석되었다. Kim et al.(2019)는 SFA모형을 통해 원양참치 어업의 어선별 효율성을 분석하였다. 효율성의 결정요인을 분석하고 효율성에 영향을 미치는 환경변수를 찾아냈다. Sim et al.(2017)는 근해어업 생산함수 추정을 이용한 규모수익 및 한계생산성을 분석하고 우리나라 근해어업의 생산성 향상 방안을 제시하였다. Sin et al.(2017)는 우리나라 근해어업을 대상으로 한 분석에서 2003년을 제외한 모든 기간에서 규모의 경제가 존재을 보였다. 그러나 최소효율규모에 근접해 있어 더 이상의 규모 확대는 비효율성을 가져왔다. Choi et al.(2010)은 우리나라 연안자망어업을 대상으로 SFA 기법과 DEA 기법을 사용하여 생산효율성을 추정하고, 각 기법에 의한 결과를 비교였다. Pyo et al.(2010)은 수산물 가공식품 도매업을 대상으로 맘퀴스트 생산성지수를 이용하여 총요소생산성 변화와 효율성 변화의 지표들을 9개의 매출액 규모별로 추정하였다.

확률적 변경함수를 이용한 생산의 기술효율성과 총요소생산성의 추정은 Aigner et al.(1977)이 제시하였고 Kumbhakar (1990, 2000), Battese and Coelli (1992, 1995) 등에 의해서 발전되었다. Kumbhakar (2000)등은 총요소생산성을 기술효율성 변화, 기술진보, 규모효율변화, 배분효율변화 둥 4가지 요소로 분해하였다. 패널자료를 이용한 분석은 Kumbhakar (1990), Battese and Coelli (1992)가 대표적이다.

이상의 본 선행연구는 수산가공산업의 생산성과 성장을 직접적으로 분석한 문헌은 거의 찾아 볼 수 없다. 분석방법은 단순한 시계열 또는 횡단면 자료를 대상으로 하였으며 맘케스트방식, DEA방식 등 비모수적 방법을 주로 사용하였다. 따라서 본 연구에서는 한국의 수산가공산업을 대상으로 총요소생산성 성장을 분석하고 그 분해요소를 기술진보, 기술효율성 변화, 규모효율변화, 배분효율변화로 구분하여 생산성 성장의 요인을 파악하고자 한다. 분석은 모수적 방법인 초월대수의 확률변경생산함수 방법으로 추정한다. 자료는 시계열과 횡단면을 결합한 패널데이터를 이용하여 분석함으로써 횡단면 특성과 시계열 특성을 모두 고려하므로 횡단면간 특성의 차이와 시간 흐름에 따라 추정치가 어떻게 변화하는지도 알 수 있다. 또한 자유도를 증가시키고 공선성(collinearity)을 줄일 수 있기 때문에 모수추정치의 효율성이 향상된다. 먼저 제Ⅱ장에서는 수산가공산업에 대한 현황을 분석하여 실증분석 결과를 뒷받침한다. Ⅲ장은 실증분석을 위한 분석모형을 도출하고 분석에 사용될 자료 출처와 변수 정의, 분석방법에 대해 설명한다. 제 Ⅳ장은 총요소생산성 분해요소를 중심으로 실증 분석한다. 마지막 Ⅴ장에서는 분석결과를 요약하고 정책적 시사점 및 결론을 도출하는 순서로 서술한다.

Ⅱ. 수산가공산업의 현황

수산가공산업의 총요소생산성 분해요인 추정 이전에 수산가공산업의 현황을 분석하여 실증분석에 대한 근거를 마련한다. <Table 1>에서 보는 바와 같이 분석기간 동안 총매출액은 1999년 제조업 전체 대비 비중이 0.45%에서 2008년에는 0.28%, 2017년에는 0.42%로 감소하였다. 제조업 전체 대비 수산가공산업의 부가가치 비중은 전체적으로 감소 추세인데 1999년 0.44%에서 2008년 0.27%, 2017년 0.40%로 하락하였다. 총매출액 및 부가가치는 제조업 전체 대비 비중은 계속 감소하여 성장이 상대적으로 부진하였다. 이러한 현상은 총매출액 대비 부가가치비율에서도 나타났다. 1999년 40.65%에서 2008년 32.15%, 2017년 33.80%로서 비교적 크게 하락하는 추세를 보였다. 수산가공산업의 효율성과 생산성이 저하되고 있음을 반영한다. 사업체 수는 [Fig. 1]과 같이 1999년 885개, 2006년 775개로 감소하였다가 2017년 965개로 증가하였다. 종사자 수는 1999년 30,157명, 2006년 22,590명, 2017년 288,13개로 전반적으로 감소 추세이다. <Table 2>에서와 같이 사업체당 평균 종사자 수도 1999년 33.88에서 2017년 29.86명으로 감소하였으며 평균증가율도 –0.76%로서 제조업의 사업체당 평균 종사자 수의 평균증가율 –0.48%보다 크게 감소하였다. 이는 수산물가공산업이 지속적으로 규모가 감소하고 영세화되어 가고 있음을 의미한다. 성장성 및 생산성을 살펴보기 위한 매출액 증가율과 부가가치 증가율은 <Table 3>에 나타나 있다. 매출액 증가율은 평균증가율이 7.77%인데 제조업 전체의 8.20%보다 낮다. 부가가치 증가율은 평균 6.71%로서 제조업 전체의 7.07%보다 낮다. 그리고 비용을 제외한 실질적인 성장을 의미하는 부가가치 증가율은 명목 성장을 나타내는 매출 증가율보다 낮음을 알 수 있다. <Table 4>의 업체별 부가가치 증가율은 수산동물냉동업 4.17%, 수산동물 건조 및 염장업은 4.83%이다. 이는 수산동물훈제 및 조제업 8.67%, 수산식물가공 및 저장처리업 10.55%, 기타 수산동물 가공 및 저장처리업 12.03%보다 크게 낮아 성장성이 저조함을 알 수 있다.

Trends of Value Added and Sales(Unit: million, %)

[Fig. 1]

Trends in the Number of Establishments and Workers (Unit: company, person)Trends in the Number of Establishments and Workers (Unit: company, person)

Average Number of Workers(Unit: company, annual growh)

Comparison of Value Added Growth Rate(Unit: %)

Trends of Valued-Add Growth Rate by Industry(Unit: %)

Ⅲ. 분석모형과 자료

1. 분석모형

수산가공산업의 생산성 분해를 위해서 도입한 확률적 생산경계함수를 추정하기 위해 초월대수(translog)생산함수를 사용한다. 확률변경생산함수의 추정에 주로 사용되는 콥-더글라스 생산함수보다는 초월대수 생산함수는 기술적 효율성을 잘못 측정하는 오차를 감소시키는 장점이 있다. 또한 콥-더글라스 생산함수와는 달리 초월대수생산함수는 규모의 경제 정도의 변화를 허용한다. 초월대수생산함수 모형의 오차항은 본래의 고유한 오차(v)와 비효율성을 가지는 오차(μ) 성분을 포함한다.

ln ⁡ y = β 0 + ∑ j = 1 m β j ln ⁡ x i j t + β T t + 12 ∑ j = 1 m ∑ k = 1 m β j k ln ⁡ x i j t ln ⁡ x i k t + 12 β T T t 2 + ∑ j = 1 m β T j ln ⁡ x i j t t + ν - μ

(1)

다음으로 설정된 식 (1)을 이용하여 본 연구에서 분해하고자 하는 기술효율성 및 기술진보, 그리고 관련된 기간 간 변화를 추정한다. Aigner et al.(1997)의 확률 변경생산함수는 식 (2)와 같다.

y = f x, t exp ⁡ - μ

(2)

시간 t에 대하여 전미분하면,

d f x, t d t = y ˙ = ∂ f x, t ∂ t j + ∑ ∂ f x, t ∂ x j d x j d t - d μ d t = T P + ∑ ϵ j x ˙ j - d μ d t

(3)

우변의 첫 번째 항은 산출량 변화의 시간 변화에 대한 미분으로서 기술진보를 의미한다. 두 번째 항은 시간 변화에 따른 요소투입량 변화의 산출량 변화에 대한 미분으로서 요소가 복수이므로 합으로 표시되고 요소의 탄력성으로 표시한다. 세 번째 항은 시간변화에 대한 기술비효율의 변화를 나타낸다.

그런데 일반적으로 총요소생산성(TFP)의 변화는 총산출량 변화에서 투입요소를 차감한 부분으로서 식 (4)와 같이 표시된다.

T F ˙ P = y ˙ - x ˙

(4)

T P ˙ F = y ˙ - ∑ S j x ˙ j

(5)

$S j = w j x j / C C = ∑ j w j x j w = w 1, . . . . . . ., w J$

식 (3)을 식 (4)에 대입하면,

$T P F ˙ = T P + ∑ ϵ j x ˙ j - d μ d t - ∑ S j x ˙ j = T P + ∑ ϵ j - S j x ˙ j + T E$

단, ϵ_j: 생산요소 j의생산탄력성

T E = - d μ d t

(6)

식 (6)은 다시

$T F ˙ P = T P + ϵ - 1 ∑ λ j x j + ∑ λ j - S j x j + T E ˙$

단, ϵ 는 생산탄력성의 전체, λ j = ϵ j ϵ

(7)

$T F ˙ P = T P + S E + A E + T E$ 단, TP: 기술진보, SE: 규모효율, AE: 배분효율, TE; 기술효율을 의미한다.

2. 자료 및 기초통계량

총요소생산성 변화율과 이들의 구성요소인 기술진보 또는 변화, 규모의 경제 효과 및 기술적 효율성의 변화를 분석하기 위하여 투입변수와 산출변수를 사용한다. 분석 기간은 1999년-2017년이며 수산가공산업의 횡단면과 시계열자료로 구성된 균형패널자료이다. 산출변수의 개념을 총산출량으로 하고 투입변수는 노동투입, 자본투입 및 중간투입으로 하였다. 모든 변수는 로그변환하였으며 총산출량은 매출액(y)을, 노동투입은 종업원수(l)로, 자본투입은 유형고정자산(k)을, 그리고 중간투입은 매출원가(m)를 사용하였다, 산출 및 투입변수의 자료는 통계청의 광공업조사, 한국은행의 경제통계시스템 자료를 이용하였다.

<Table 5>는 실증분석에 사용된 변수들의 기초통계량을 나타낸다. 대부분의 자료에서 표준편차는 1이하로서 데이터가 평균으로부터의 분산된 정도가 크지 않다. 왜도(skewness)는 부호가 부(-)로서 자료의 분포가 왼쪽으로 꼬리가 약간 치우친 상태로 적정하다. 첨도(kurtosis)는 분포의 중앙부분 또는 꼬리부분이 얼마나 두터운지를 나타내는데 3보다 약간 큰 정도이므로 데이터의 분포가 대체로 정규분포에서 크게 벗어나지 않아 적정한 것으로 판단된다.

Descriptive Statistics

Ⅳ. 총요소생산성 분해의 실증분석

수산가공산업의 생산성과 구성요소를 분석하기 위해 확률적 변경생산함수 모형인 식(1)을 Battese and Coelli(1992, 1995)의 방법론에 의해 추정한 결과는 <Table 6>에 나타나 있다.

Estimation Result of Stochastic Frontier Production Function

추정결과를 살펴보기에 앞서 추정모형의 적절성과 기술비효율성의 존재여부 등을 <Table 6>에서 나타난 추정치를 근거로 하여 검토한다. 검정 결과는 <Table 7>에 나타난 바와 같다. 먼저 생산기술이 콥-더글러스함수(Cobb-Douglas production function) 형태가 적절한가 아니면 초월대수(translog) 형태가 적절한가를 살펴본다. 콥-더글러스 형태에 대한 귀무가설

H₀ : β_ik = β_lm = β_km = β_ll = β_kk
= β_mm = β_lt = β_kt = β_mt

= 0에 대한 검정 결과 로그우도비 통계량(χ²)이 18.228로서 10% 유의수준에서 귀무가설은 기각되므로 콥-더글러스 생산함수보다 초월대수 생산함수가 더 적절함을 의미한다.

Results of Hypothesis Test

기술진보의 유무에 대한 귀무가설 H₀ = β_t = β_lt = β_kt = β_mt = β_tt = 0에 대한 로그우도비 검정 통계량은 26.300으로서 1%의 유의수준에서 귀무가설이 기각되었다. 이는 기술진보와 변화가 존재함을 의미한다. 기술적 비효율성에 대한 검정은 확률적 변경생산함수 오차항 중 기술비효율과 관련해서 추가한 오차항에 대한 로그우도비 검정으로서 귀무가설은 H₀ : γ = μ = η = 0이다. 검정 결과 로그우도비는 7.102로서 10%유의수준에서 귀무가설이 기각되므로 기술적 비효율이 존재하여 변화하는 것으로 분석되었다. 기술적 중립성에 대한 검정은 귀무가설은 H₀ : β_lt = β_kt = β_mt = 0이다 검정결과 로그우도비는 6.202로서 10% 유의수준을 다소 벗어나 기술적 중립성 존재에 대한 명확한 결론을 내리기 어렵다.

<Table 6>에서 생산함수의 오차항 전체 분산인 σ²은 0.024로 정(+)이며 이 중에서 기술비효율의 비중을 나타내는 γ는 0.6019로서 기술 비효율이 증가하는 것으로 나타났다. 오차항의 분산 중 60%가 기술적 효율성에 의해서 설명되며 통계적으로 유의해 확률적 변경생산함수의 설정이 적절하다. 시간의 변화에 따른 기술적 비효율의 변화율인 η는 -0.2110의 부(-)로서 시간 경과에 따라 수산가공산업의 기술적 비효율성이 악화되었다. 오차항 중에서 기술적 비효율을 나타내는 오차항의 통계적 분포를 나타내는 μ는 0.0721로 통계적으로 유의하지 않으므로 정규분포가 아닌 반정규분포(half-normal distribution)를 따르는 것으로 추정된다.

위에서 추정한 생산함수의 추정치를 식 (7)에 대입하면 기술진보 또는 기술변화, 기술적 효율성 등과 같은 총요소생산성 분해요소들을 산출할 수 있다. 생산성을 분해한 결과 먼저 <Table 8>에서는 총요소생산성 분해요소에 대한 시간별 추세를 보여준다. 기술효율은 1999년 0.9974이후 계속 감소하여 2017년에는 0.9286으로서 계속 악화되고 있다.. 이러한 흐름은 시간의 흐름에 따라 개선되지 않고 있다.

Decomposition of TFP Growth Rate by Year

반면에 기술진보는 1999년 0.1677에서 약간의 등락은 있지만 2017년 0.1837로서 대체로 증가 추세를 나타냈다. 이러한 흐름을 종합적으로 반영한 총요소생산성 변화는 2000년 0.1653에서 2013년까지는 평균적으로 변화가 미미하지만 2014년 0.1677, 2016년 0.1702, 2017년 0.1691 등과 같이 약간 증가하는 추세를 보인다. 이는 기술효율성 악화에 비하여 기술진보의 개선 효과가 더 크게 나타난 데에 기인한다. 개별 수산업가공업의 생산성과 관련한 기술효율성 및 기술진보 등의 분해요소와 총요소생산성추정 결과는 <Table 9>에 나타나 있다. 기술효율성은 수산동물 훈제 및 조제업이 가장 높고 기타수산동물가공 및 저장처리업, 수산동물냉동업, 수산동물건조 및 염장업 순서이며 수산식물 및 가공저장처리업이 가장 낮다. 기술진보는 수산동물훈제 및 조제업이 가장 높다. 다음으로 수산식물 및 가공처리업, 수산동물건조 및 염장업의 순서이며 기타수산동물가공 및 저장처리업은 상대적으로 상당히 낮다.

Decomposition of TFP Growth Rate by Industry

총요소생산성은 수산동물훈제 및 조제업이 가장 높고 수산식물 가공및 저장처리업, 수산동물 건조및 염장업, 수산동물 냉동품업의 순서이다. 수산식물 가공및 저장처리업의 총요소생산성이 높은 것은 기술효율성이 상대적으로 낮지만 기술진보의 개선이 높게 이루어진 데에 기인한다. 시간별 추세는 수산동물훈제 및 조제업은 기술효율은 감소하는 추세이지만 기술진보는 가장 크게 증가하였으며 총요소생산성은 증가하였다. 이는 기술효율의 감소보다 기술진보의 증가가 더 크기 때문이다. 수산동물건조 및 염장업은 기술효율이 큰 폭으로 하락하지만 기술진보는 증가하며 총요소생산성은 감소하는 추세를 나타냈다. 이는 기술효율의 하락이 기술진보의 증가 폭보다 더 크기 때문이다. 수산동물냉동품업은 기술효율성이 악화되지만 기술진보는 증가 추세를 보였는데 총요소생산성은 감소하는 것으로 나타났다. 기타수산동물 가공및 저장처리업은 기술효율성은 감소하지만 기술진보는 증가 추세를 보였다. 그리고 총요소생산성은 가장 크게 증가하였다. 수산식물 가공및 저장처리업은 기술효율의 감소가 가장 크며 기술진보 증가 추세도 가장 크다. 총요소생산성은 증가하는 추세인데 이는 기술진보의 증가가 기술효율의 감소 추세보다 더 크기 때문이다.

Ⅴ. 결 론

본 연구는 수산가공산업의 총요소생산성 변화와 그 구성요인을 분석하고 시사점을 제공하는 것을 목적으로 한다. 특히 총요소생산성 구성 요인 분해를 위해 확률적 변경생산함수를 이용하였다. 수산가공산업의 매출액과 부가가치는 제조업 전체와 비교하여 1999년에서 2017년으로 경과할수록 감소하였으며 부가가치의 감소가 더 크다. 총매출액 및 부가가치 증가율 모두 제조업 전체의 증가율에 비하여 저조하다. 총매출액 대비 부가가치 비율은 1999년에서 2017년으로 진행하면서 비교적 큰 폭으로 감소하여 효율성과 생산성이 저하되었다. 개별 사업체별로는 수산냉동업와 수산동물건조 및 염장업은 낮고 수산식물가공저장처리업과 수산동물훈제 및 조제업은 높은 것으로 나타났다. 종사자 수는 절대적 종사자 및 사업체당 평균 종사자 수 모두 1999년에 비하여 2017년으로 진행하면서 감소하는 추세이며 감소 비율은 제조업 전체에 비하여 상대적으로 더 커 영세화가 지속되고 있음을 알 수 있다. 생산성의 분해 결과는 기술효율은 1999년에서 2017년으로 시간의 흐름과 함께 계속 악화되며 기술효율의 변화 즉 악화의 정도도 커지는 것으로 나타났다. 기술진보는 대체로 증가하는 추세이며 총요소생산성 변화도 미약하나마 약간 증가 하는 추세를 나타냈다. 이는 기술효율성 악화보다 기술진보의 크기가 상대적으로 더 큰 것에 기인한다. 개별업체별로는 기술효율성은 수산동물 훈제 및 조제업이 가장 높고 수산식물가공 및 저장업체가 가장 낮다. 기술진보는 수산동물 훈제 및 조제업이 가장 높고 수산동물건조 및 염장업은 낮다. 이러한 추세를 반영하여 총요소생산성은 수산동물 훈제 및 조제업이 가장 높고 수산동물냉동업은 낮다. 추세상으로는 수산동물 건조및 염장업과 수산동물 냉동품업은 총요소생산성이 감소 추세를, 수산동물훈제 및 조제업과 수산식물 가공및 저장처리업은 증가하는 추세를 나타냈다. 특히 수산동물훈제 및 조제업과 수산식물 가공및 저장처리업은 기술진보의 크기가 상대적으로 크다. 요컨대, 시간의 흐름에 따라 기술효율성은 악화되지만, 기술진보 수준은 개선되고 있다. 하지만 생산성 개선에 대한 기여도는 기술진보가 더 크기 때문에 시간의 경과에 따라 생산성 개선 정도는 약간 향상되는 추이를 보였다. 개별업체의 분석에서는 수산동물 훈제 및 조제업이 가장 양호하며 수산동물 냉동품업은 저조한 생산성 개선을 나타냈다. 수산식물 가공및 저장처리업은 개선 변화가 상대적으로 두드러졌다. 이상의 분석결과를 바탕으로 지속적인 성장을 위해서는 전체적으로는 미미한 총요소생산성의 개선 폭을 확대할 필요성이 제기된다. 이를 위해서는 기술효율성 악화 확대 요인에 대한 세밀한 분석과 대책이 필요하다. 개별업체별로는 수산동물 건조 및 염장업과 수산동물 냉동품업의 생산성 개선을 위한 정책적 인식과 지원이 중요한 것으로 판단된다. 본 연구는 자료의 제약 등으로 인한 노동과 자본 변수의 정밀한 추계에 제한이 있다. 그리고 비용함수 접근을 통한 총요소생산성의 분해요소 중 배분적 비효율성에 대한 추가 분석이 필요하다.

References

Aigner, DC, Lovell, CAK, and Schmidt, P, (1977), Formulation and Estimation of Stochastic Frontier Production Function Model, Journal of Econometrics, 6(1), p21-37. [https://doi.org/10.1016/0304-4076(77)90052-5]
Battese, GE, and Coelli, TJ, (1992), Frontier Production Functions, Technical Efficiency and Panel Data: with Application to Paddy Farmers in India, Journal of Productivity Analysis, 3, p153-169. [https://doi.org/10.1007/bf00158774]
Battese, GE, and Coelli, TJ, (1995), A model for technical inefficiency effects in a stochastic frontier production function for panel data, Empirical economics, 20, p325-332. [https://doi.org/10.1007/bf01205442]
Cho, HJ, Kim, DN, Kim, DH, Lee, SI, Kwon, YJ, and Ku, JE, (2017), Estimating the productive efficienct of distant-water longline vessels in Pacific Ocean using a stochastic frontier approach, Journal of the Korean Society of Fisheries and Ocean Technology, 53(4), p537-362. [https://doi.org/10.3796/ksft.2017.53.4.357]
Choi, JY, Kim, KS, and Kim, DH, (2010), Productive Efficiency of the Coastal Fishing Business : A Comparison of Data Envelopment Analysis and Stochastic Frontier Analysis, Journal of the Korean Operations Research and Management Science Society, 35(3), p59-68.
Coelli, TJ, (1995), Estimators and hypothesis tests for a stochastic frontier function: A Monte Carlo Analysis, Journal of Productivity Analysis, 6, p247-268. [https://doi.org/10.1007/bf01076978]
Do, JR, Kim, YM, Kim, DS, Cho, SM, and Kim, BM, (2007), Trends and Development Direction in Industry of Marine Processing, Food Science and Industry, 40(2), p69-82.
Kim, HS, and Park, CH, (2019), Analysis on the Productivity of Overseas Tuna Fisheries by Fishing Boat Using SFA, Jounnal of Fishries and Marine Sciences Education, 31(2), p426-437. [https://doi.org/10.13000/jfmse.2019.4.31.2.426]
Kim, KS, and Kang, YJ, (1994), An Estimation of Cost and Profit Functions under Cobb-Douglas Production Technology in the Coastal Fishing, Journal of Fisheries Business Administration, 25(2), p47-58.
Kumbhakar, SC, (1990), Production frontiers, panel data and time-varying technical inefficiency, Journal of econometrics, 46, p201-211. [https://doi.org/10.1016/0304-4076(90)90055-x]
Kumbhakar, SC, (2000), Estimation and decomposition of productivity change when production is not efficient: A panel data approach, Econometric reviews, 19(4), p425-460. [https://doi.org/10.1080/07474930008800481]
Pyo, HD, and Kim, JC, (2010), Productivity Analysis in Fisheries Processed Wholesale Products Using Malmquist Productivity Index, Ocean and Polar Research, 32(4), p387-396. [https://doi.org/10.4217/opr.2010.32.4.387]
Pyo, HD, and Kim, JC, (2010), Evaluating Production Efficiency in a Fisheries Wholesale Sector, Journal of Fisheries Business Administration, 41(3), p21-44.
Pyo, HD, and Kim, JC, (2010), Productivity Analysis in Fisheries Processed Wholesale Products Using Malmquist Productivity Index, Ocean and Polar Research, 32(4), p387-396. [https://doi.org/10.4217/opr.2010.32.4.387]
Sim, SH, and Nam, JO, (2017), Analysis of Marginal Productivity and Return to Scale Using Estimation of Production Function in Offshore Fisheries, Ocean and Polar Research, 39(4), p301-318.
Sin, YM, and Sim, SH, (2017), Analysis on Economies of Scale in Offshore Fishery Using a Translog Cost Function, Ocean and Polar Research Ocean and Polar Research, 39(1), p61-71.
Statistics Korea, (n.d.), Korean Statitical Information System, http://kosis.kr/.
The Bank of Korea, (n.d), Economic Statistics System, http://ecos.bok.or,kr/.

Year	Value-added	Ratio to Manufacturing	Sales	Ratio to Manufacturing	Ratio Value-added to Sales
1999	825,105	0.44	2,029,925	0.45	40.65
2000	848,676	0.41	2,112,683	0.40	40.17
2001	956,163	0.46	2,586,123	0.47	36.97
2002	989,628	0.44	2,566,560	0.43	38.56
2003	945,594	0.40	2,569,767	0.41	36.80
2004	956,803	0.34	2,613,301	0.35	36.61
2005	974,156	0.33	2,597,920	0.33	37.50
2006	946,205	0.31	2,629,721	0.31	35.98
2007	1,107,106	0.34	2,848,062	0.30	38.87
2008	987,996	0.27	3,073,177	0.28	32.15
2009	1,211,935	0.32	3,481,556	0.31	34.81
2011	1,463,522	0.30	4,227,433	0.28	34.62
2012	1,627,267	0.34	4,651,072	0.31	34.99
2013	1,575,747	0.33	4,540,618	0.30	34.70
2014	1,662,339	0.34	4,780,673	0.32	34.77
2016	2,085,758	0.41	5,918,754	0.42	35.24
2017	2,168,318	0.40	6,416,038	0.42	33.80

Year	Fishes and Edible Seaweeds Processing Industry		Manufacturing
2000	33.88	-0.59	4518.07	-2.04
2001	34.39	1.53	4328.92	-4.19
2002	31.76	-7.66	4253.62	-1.74
2003	31.66	-0.33	4234.57	-0.45
2004	31.63	-0.10	4353.44	2.81
2005	30.44	-3.73	4271.47	-1.88
2006	29.15	-4.26	4216.00	-1.30
2007	27.59	-5.34	4058.59	-3.73
2008	28.46	3.13	4198.26	3.44
2009	29.90	5.08	4229.40	0.74
2011	30.19	0.98	4274.24	1.06
2012	31.69	4.95	4308.89	0.81
2013	30.89	-2.53	4302.83	-0.14
2014	29.96	-3.00	4232.10	-1.64
2016	30.88	3.08	4299.92	1.60
2017	29.86	-3.32	4254.10	-1.07
Average		-0.76		-0.48

Year	Fishes and Edible Seaweeds Processing Industry		Manufacturing
Year	Value-added Growth Rate	Sales Growth Rate	Value-added Growth Rate	Sales Growth Rate
2000	2.86	4.08	8.75	16.94
2001	12.67	22.41	0.71	3.59
2002	3.50	-0.76	8.81	7.86
2003	-4.45	0.12	5.30	6.52
2004	1.19	1.69	18.95	17.95
2005	1.81	-0.59	3.38	7.48
2006	-2.87	1.22	4.46	7.20
2007	17.00	8.30	8.18	10.35
2008	-10.76	7.90	11.74	17.85
2009	22.67	13.29	1.87	0.87
2011	20.76	21.42	28.22	32.80
2012	11.19	10.02	0.11	1.11
2013	-3.17	-2.37	-0.30	-1.07
2014	5.50	5.29	1.09	-0.35
2016	25.47	23.81	4.09	-4.92
2017	3.96	8.40	7.74	6.95
Average	6.71	7.77	7.07	8.20

Year	Smoked and Similar Prepared Fish Products	Dried, Salted Aquatic Animal Products	Fish and Fish Products –Frozen	Other Auatic Aimals	Edible Seaweeds
2000	1.53	6.63	1.24	-9.80	11.17
2001	28.99	15.27	13.34	-61.35	6.89
2002	10.71	0.61	-16.99	65.79	7.14
2003	-9.49	-11.21	-9.44	17.47	18.92
2004	-6.79	11.05	13.03	7.55	-3.42
2005	-3.45	10.39	-12.99	11.44	15.42
2006	-2.58	-5.19	-8.20	6.25	0.68
2007	28.12	-9.64	23.03	65.50	6.49
2008	-34.22	17.76	-20.07	-12.45	20.83
2009	43.29	30.96	18.49	23.54	-5.64
2011	11.68	10.97	49.02	22.21	27.99
2012	40.58	-19.38	-2.34	5.24	12.49
2013	1.47	2.69	-20.87	-16.88	1.64
2014	-0.88	9.39	13.79	6.52	9.60
2016	26.43	-3.88	29.75	56.26	33.52
2017	3.33	10.90	-4.08	5.18	5.10
Average	8.67	4.83	4.17	12.03	10.55

	Mean	S.D.	Max	Min	Skewness	Kurtosis
Note: ly, ll, lk, lm represent log of y, l, k, m
ly	13.27	0.65	14.60	11.24	-0.54	3.57
ll	8.42	0.62	9.37	6.79	-0.93	3.05
lk	12.20	0.66	13.54	9.95	-0.39	3.64
lm	12.83	0.66	14.12	10.85	-0.51	3.34

ly	Coef.	Std. Err.	t-value	p-value
Note: ll2, lk2, lm2 represent square of ll, lk, lm and t, t2 represent time trend, square of time trend respectively.
ll	-0.7115	0.5359	-1.3300	0.1840
lk	1.0451	0.4479	2.3300	0.0200
lm	0.7818	0.8385	0.9300	0.3510
ll2	-0.4297	0.1519	-2.8300	0.0050
lk2	0.0914	0.2559	0.3600	0.7210
lm2	0.3067	0.1943	1.5800	0.1140
lllk	0.3122	0.1395	2.2400	0.0250
lllm	0.1497	0.1219	1.2300	0.2190
lklm	-0.4505	0.2067	-2.1800	0.0290
llt	-0.0214	0.0129	-1.6600	0.0960
lkt	0.0309	0.0123	2.5100	0.0120
lmt	-0.0074	0.0121	-0.6200	0.5380
t	-0.0344	0.0633	-0.5400	0.5860
t2	-0.0002	0.0014	-0.1400	0.8900
cons	2.0133	1.9848	1.0100	0.3100
μ	0.0721	0.0686	1.0500	0.2930
η	-0.2110	0.0931	-2.2700	0.0230
lnσ²	-6.0253	0.7581	-7.9500	0.0000
ln(γ/1 - γ)	0.4133	1.2922	0.3200	0.7490
σ²	0.0024	0.0018
$γ = σ μ 2 / σ 2$	0.6019	0.3096
$σ μ 2$	0.0015	0.0018
$σ ν 2$	0.0010	0.0002

Test	Likelihood Function			χ²-statistics
Test	Restricted[L (H₀)]	Un-restricted[L (H₁)]	Likelihood Ratio(LR) - 2*[L(H₀) - L(H₁)]	prob ≻χ²
presence of cobb-dougles	161.5584	170.6725	18.2280	0.0513
Technical inefficiency	167.1218	170.6725	7.1029	0.0687
Technological progress	157.5220	170.6725	26.3003	0.0002
Technical neutrality	167.5713	170.6725	6.2021	0.1022

Year	Technical Efficiency	Technological Progress	Technical Efficiency	Change of Economy of Scale	TFP
1999	0.9974	0.1677
2000	0.9969	0.1665	-0.0006	-0.0006	0.1653
2001	0.9961	0.1626	-0.0007	-0.0041	0.1577
2002	0.9952	0.1673	-0.0009	0.0001	0.1664
2003	0.9941	0.1680	-0.0011	-0.0006	0.1662
2004	0.9927	0.1662	-0.0014	0.0003	0.1651
2005	0.9910	0.1648	-0.0017	0.0002	0.1632
2006	0.9889	0.1657	-0.0021	0.0006	0.1642
2007	0.9863	0.1668	-0.0026	-0.0011	0.1631
2008	0.9831	0.1685	-0.0032	0.0014	0.1667
2009	0.9792	0.1692	-0.0040	0.0008	0.1660
2011	0.9744	0.1699	-0.0049	0.0010	0.1660
2012	0.9685	0.1716	-0.0061	0.0002	0.1657
2013	0.9613	0.1745	-0.0075	-0.0004	0.1665
2014	0.9524	0.1767	-0.0093	0.0003	0.1677
2016	0.9417	0.1825	-0.0115	-0.0008	0.1702
2017	0.9286	0.1837	-0.0142	-0.0005	0.1691

Category	Technical Efficiency	Technological Progress	Technical Efficiency	Change of Economy of Scale	TFP
Smoked Fish Products	0.9923	0.1902	-0.0016	-0.0009	0.1878
Dried, Salted Products	0.9723	0.1692	-0.0057	0.0004	0.1641
Fish Products-frozen	0.9743	0.1673	-0.0053	0.0002	0.1625
Other Aquatic Animals	0.9847	0.1489	-0.0031	-0.0013	0.1443
Edible Seaweeds	0.9669	0.1751	-0.0069	0.0005	0.1692