경상남도 자립형 어촌계 입지유형별 공간적 효율성 분석에 관한 연구

먼저 본 연구의 대상이 되는 어촌계의 정의는 여러 연구자들에 의해 협동조직 또는 어업공동체 등으로 표현되고 있다. 어촌계라는 용어는 1962년 「수산업협동조합법」이 제정되면서 최초로 사용되었으나, 현재의 어촌계 의미에 비해 실질적인 내용 측면에서 다소 명확한 의미를 전달하지 못한 것이 사실이라 할 수 있다(Lee and Park, 2016).

Jang(1979)의 연구에서는 어촌계를 “행정구역이나 경제권을 중심으로 조직되는 수협의 하부조직 혹은 기반조직으로서 수협운동의 최말단 조직체” 로 정의하였다. 즉, 어업과 우리나라의 전통적인 계(契)의 협동정신이 합쳐진 하나의 협동조합의 조직형태로 표현한 법률형태를 말하고 있다.

Ock(2008)의 연구에서는 어촌계를 “전근대적인 생산구조 하에서 소득수준이 매우 열악한 연안어촌민에게 소득증대, 어촌조직의 활성화 등을 효율적으로 이루기 위해 전국 연안에 자생적으로 조직되어 있던 어업공동체를 기반으로 제도화한 것” 으로 정의하고 있다.

가장 최근 연구인 Lee and Park(2018)의 연구에서는 어촌계를 “어촌 주민들이 하나의 계(契)를 형성하여 바다라는 공간에서 공동으로 작업하는 조직”으로 정의하고 있으며, 현재에는 어촌 내 대소사까지 관장하게 되는 기능으로 확대되어 있음을 제시하였다. 이와 같이 어촌계는 어촌민들의 조직을 기반으로 어촌 전체의 대소사를 관장하고 있기 때문에 어촌을 대표한다고 볼 수 있다.

이 외에도 제5차 충남해양수산포럼에서 Kim (2017)의 발표 자료에서는 어촌계는 어촌사회를 구성하는 여러 어촌공동체 가운데 가장 상위의 개념으로 정의하고 있다. 즉, 어촌계는 연안어장의 소유와 이용의 주체로서 어촌계를 기반으로 자율관리공동체, 영어조업법인 등으로 다양하게 분화되었음을 제시하였다.

다음으로 본 연구의 분석모형인 전통적인 DEA 및 Bootstrap-DEA는 다양한 분야의 연구에서 활용되고 있다. Park(2012)의 연구에서는 Bootstrap-DEA를 접목하여 우리나라 양식업의 대표어종과 양식방법에 대한 생산효율성을 비교·분석하였고, 효율성 제고를 위한 벤치마킹 대상을 도출하였다. Kim and Kim(2016)의 연구에서는 해양수산인재 양성교육 프로그램을 대상으로 개별 교육과정에 대한 효율성과 신뢰구간을 추정하고, 결정요인을 비교·분석하였다. Kang and Park(2016)의 연구는 완도지역 양식어가들을 중심으로 DEA와 초효율성 모형을 이용하여 효율성과 결정요인을 분석하였고, 경영효율성 제고를 위해서는 비용절감과 어장환경 개선이 시급한 것으로 나타났다. Kim and Kim(2016)은 투입산출동시지향 부트스트랩 맘퀴스트모형을 이용하여 해양수산부 14개 산하기관들의 생산효율성의 변화를 분석하였고, 이들 기관들은 어려운 외부환경에서도 주어진 생산요소의 기술적 결합을 통하여 총요소생산성을 유지시켜 온 것으로 나타났다. Kwon and Kim(2020)의 연구에서는 부트스트랩 맘퀴스트 모형을 통해 우리나라 업종별 수협의 총요소생산성 지수 등을 추정하였고, 업종별 수협들은 기술변화지수의 하락으로 2013년에 비해 2018년에는 약 21%의 생산성 감소가 있었던 것으로 나타났다.

어촌계 관련 선행연구들은 어촌계의 역사, 발전, 문화, 공유자원의 활용 등 다양하게 진행되어 왔다. 그러나 어촌계의 공간적 입지유형에 따른 효율성과 생산성에 관련된 계량경제학적 분석은 현재까지 연구가 거의 이루어지지 않았다는 점에서 본 연구는 기존의 선행연구와 차이점이 있다.

(1) 전체 어촌계 분포 현황

2019년 기준으로 경상남도에는 473개의 어촌계가 분포하고 있다. 시·군별로는 통영시 117개, 남해군 106개, 거제시 75개, 창원시 57개의 순으로 어촌계가 많이 분포되어 있다(<Table 1> 참조).

<Table 1>

Status of fishing village by city and county(2019)

[Fig. 1]

The distribution status of fishing village Using GIS.

(2) 어업권 보유 현황

<Table 2>는 경남지역 시·군별 어촌계 어업권 현황을 나타낸다. 업종별로는 어촌계가 가장 많이 분포해 있는 통영시가 정치성구획어업(35.5%), 해조류양식(49.2%), 어류등양식(32.2%), 복합양식(38.8%), 마을어업(35.1%), 협동양식(37.4%)의 어업권을 가장 많이 보유하고 있다. 그 외 패류양식은 남해군(31.3%)이 가장 많은 것으로 나타났다.

<Table 2>

Status of fishing licenses for each city and county in Gyeongsangnam-do(2019)

(3) 어업인구 및 어선세력

<Table 3>의 경남지역 시·군별 어업인구를 살펴보면, 어업종사자 수가 많은 시·군은 통영시(6,721명), 창원시(6,423명), 거제시(5,348명) 순이었으며, 어촌계원 수 대비 어업종사자 비율은 남해군(28.3%), 창원시(23.8%), 사천시(19.3%) 순으로 많았다.

<Table 3>

Current status of fishing population and fishing boat forces by city and county in Gyeongsangnam-do(2019)

다음으로 어선세력은 전체 14,281척 중 남해군 3,807척(26.7%), 창원시 2,955척(20.7%), 통영시 2,504척(17.5%) 순으로 많은 것으로 나타났다.

(4) 수산물 생산량 및 생산금액

<Table 4>는 경남지역 시·군별 수산물 생산량 및 생산금액 현황을 나타낸다. 먼저 수산물 생산량은 사천시가 전체의 52.9%를 차지하고 있고, 다음으로 창원시(18.8%), 통영시(10.9%) 순으로 많았다. 반면, 생산금액은 통영시(36.4%), 거제시(15.9%), 창원시(15.4%) 순으로 나타났다.

<Table 4>

Current status of marine production and production amount by city and county in Gyeongsangnam-do(2019)

[Fig 2]와 [Fig 3]은 본 연구의 분석대상인 경남지역 자립형 어선어업 40개 어촌계들의 입지유형별 분포 현황을 보여주고 있다. 도시근교형은 창원시(9개), 통영시(3개), 거제시(3개), 울산시(3개), 고성군(2개)에 각각 분포해 있다. 취약지구형은 통영시(2개), 고성군(1개), 거제시(1개), 창원시(1개)에 위치하고 있으며, 연안촌락형은 거제시(8개), 남해군(6개), 하동군(1개) 순으로 많이 집중되어 있는 것으로 나타났다.

[Fig. 2]

Spatial Distribution of Fishing Villages in Fishing Boats by Location Type Using Data mining-GIS.

[Fig. 3]

The distribution status of fishing village in Gyeongsangnam-do Province Using GIS.

다음으로 <Table 5>의 입지유형별 어업인구 및 어선세력 현황을 살펴보면, 전체 어촌계원 수 대비 어업종사자 수 비율은 도시근교(4.7%), 연안촌락(34.4%), 취약지구(21.7%)로 나타난다. 어선세력은 어업종사자 수가 많은 도시근교(1,175척), 연안촌락(636척), 취약지구(123척)의 순으로 많은 것으로 나타났다.

<Table 5>

Status by location type of fishing village

종사유형이 어선어업인 40개의 어촌계 중 생산 관련 효율성 점수가 1인 효율적인 어촌계는 CCR에서는 4개(10%), BCC에서는 11개(28%), SE에서는 4개(10%)로 나타났다. 효율성 점수가 1 미만인 비효율적인 어촌계의 수는 CCR에서는 36개(90%), BCC에서는 29개(73%), SE에서는 36개(90%)로 대부분 비효율적인 것으로 나타났다. 한편, Ray and Bhadra(1993)의 효율성 구분에 의하면, 준효율적인 것은 CCR과 BCC에서 각각 1개(2.5%), 4개(10%), SE에서는 8개(20%)로 나타났다. 약효율적인 것은 CCR에서 6개(15%), BCC에서 7개(18%), SE에서 8개(20%)로 나타났다. 특히 강비효율적인 어촌계의 수는 CCR에서는 29개(73%), BCC에서는 18개(45%), SE에서는 20개(20%)로 어선어업의 심각한 비효율성을 보여주었다. 이에 대한 효율성 분포는 <Table 9>와 같다.

<Table 9>

Efficiency composition

<Table 10>을 살펴보면, 어촌계들의 평균적인 기술효율성 값은 CCR에서는 0.4500로 추정되어, 효율적인 과정에 비해 약 55%의 비효율적 과다 투입이 있으며, 투입 축소를 통한 효율성 개선의 여지가 있는 것으로 나타났다. 표준편차는 0.3359로, 약 34%의 어촌계 간의 효율성 격차를 보여주었다.

<Table 10>

efficiency and returns to scale

BCC에서 평균적인 순수기술효율성 값은 0.6893로 추정되어, 효율적인 과정에 비해 약 31%의 비효율적 과다 투입이 존재하며, 현재의 산출량 수준을 유지하면서 규모의 변화 없이 투입량을 31% 축소시킬 수 있는 것으로 나타났다. 표준편차는 0.2931로, CCR보다 4% 낮은 어촌계 간의 효율성 격차를 보여주었다.

CCR에서 비효율적이었던 어촌계 A9, A10, A27, A28, A31, A37, A39의 경우 BCC에서는 효율적인 것으로 나타났으며, 순수기술효율성에는 비효율성이 존재하지 않기 때문에 규모 효율성을 개선시킬 수 있는 것으로 분석되었다. 한편, 비효율적인 어촌계 36개 중에서 효율성 점수가 0.7 미만이면서 강비효율적 기업은 29개로 나타났다. 이중 가장 비효율적인 DMU인 A12의 효율성 값은 0.0280로 약 97%의 높은 비효율성을 보였다.

규모효율성 값은 평균 0.6252로 나타나 최적규모경영이 이루어지지 못함으로써 약 37% 규모비효율을 보여주었다. 가장 비효율적인 어촌계 A36은 0.0602의 효율성 값으로 약 94%의 규모 개선 여지가 있는 것으로 나타났다.

CCR, BCC, SE 효율성 모두를 동시에 고려하여 비효율성에 영향을 주는 요인을 살펴보면, 기술 비효율성이 평균적으로 약 55% 존재한다. 이 중 순수기술 비효율성과 규모 비효율성이 각각 약 31%, 37%를 보여, 투입요소의 비효율적 사용에 의한 순수기술 비효율성과 규모수익 증가 또는 감소에서 불균형이 이루어질 때에 발생하는 규모 비효율성 두 가지의 복합적인 영향에 의해 기술 비효율성이 존재하는 것으로 나타났다.

<Table 10>에서 나타난 바와 같이 참조횟수가 가장 높은 어촌계는 A9로 21회의 횟수를 보여주었으며, 다음으로 A19, A39 어촌계가 15회, A37 어촌계가 14회 순으로 나타났다. 따라서 이들 어촌계의 운영 상태를 보다 정밀하게 파악할 필요가 있다.

단순히 규모효율성을 통해서는 어촌계의 규모수익 변화의 형태를 파악할 수 없기 때문에, DEA 모형의 규모지수를 이용하여 규모수익의 체증(IRS,$$ \sum _{i=1}^{40}{\lambda }_i^{\text{*}}\prec 1$$), 체감(DRS,$$ \sum _{i=1}^{40}{\lambda }_i^{*}\succ 1$$), 불변(CRS, $$ \sum _{i=1}^{40}{\lambda }_i^{\text{*}}=1$$) 중 어느 영역에서 운영되고 있는지를 살펴보았으며, 아래 <Table 11>과 같다.

<Table 11>

Frequency of returns to scale

전체적으로 살펴보면, 40개의 어촌계 중 규모수익체증 29개(72.5%), 규모수익체감 7개(17.5%), 규모수익불변 4개(10.0%) 순으로 나타났다. 입지유형별로 살펴보면, 도시근교형 20개 중 규모수익 체증이 18개(90.0%), 규모수익불변과 규모수익체감이 각각 1개(5.0%)였으며, 연안촌락형은 15개 중 규모수익체증 7개(46.7%), 규모수익체감 5개(33.3%), 규모수익불변 3개(20.0%) 순으로 나타나 연안촌락형이 상대적으로 정체와 체감이 큰 것으로 나타났다. 취약지구형은 5개 중 규모수익체증과 규모수익체감이 4개(80.0%) 1개(20.0%)로 양극화를 보여 주었다. 규모수익별로 살펴보면, 규모수익체증 29개 중 도시근교형 18개(62.1%), 연안촌락형 7개(24.1%), 취약지구 4개(13.8%) 순으로 나타났고, 규모수익불변은 4개 중 연안촌락형 3개(75.0%), 도시근교형 1개(25.0%) 순으로 나타났고, 규모수익체감 7개 중 연안촌락형 5개(71.4%), 도시근교형과 취약지구 각각 1개(14.3%)로 나타났다.

따라서 입지유형별로 규모수익 체증으로 확인된 어촌계들은 고유의 자치규약에 근거한 책임성 있는 생산과 분배, 적절한 자원량 풍도를 유지하기 위한 부정적 외부요인 규제, 규모를 운용할 수 있는 조직 및 마케팅 역량 등에 힘입은 것이라고 볼 수 있다. 특히, 도시근교형 어촌계들은 수산물의 양륙 및 가공, 냉동·냉장의 복합적 시설과 소비지로 쉽게 접근할 수 있는 사회적 인프라와 접근성에 힘입어 규모수익을 견인할 수 있었을 것이다. 이에 비해 규모수익 체감 및 정체를 겪는 어촌계들은 대도시로의 수산물 공급을 위한 인프라 기반과 시장개척을 위한 조직과 그 기능적 역할의 부재 등 전반적인 어촌계 영세성(유명무실함)에 기인하여 다이나믹한 시대적 변화의 흐름에 적응하지 못한 것으로 보인다.

<Table 12>는 BCC에서 생산이 비효율적인 어촌계들이 효율변경의 외부에서 효율변경 상으로 이동하여 효율적인 어촌계들이 되기 위하여 벤치마킹하여야 할 참조어촌계과 가중치를 나타내고 있다.

<Table 12>

Reference fishing village and weights(BCC)

<Table 10>의 40개 어촌계들 가운데 순수기술효율성이 가장 낮은 어촌계 A30의 경우, 효율성이 약 9%로 나타나 91%의 개선 여지가 있는 것으로 나타났다. <Table 12>을 살펴보면, A30 어촌계의 효율성을 제고하기 위해서는 A9, A37, A39 어촌계들을 벤치마킹하여 각각 37%, 10%, 53%의 비율로 투입 과다분을 축소하여 투입물의 목표치를 달성해야 할 것으로 보인다.

<Table 13>은 비효율적인 어촌계들의 순수기술효율성을 개선하기 위해 투입목표량 및 투입 과다분을 계산한 결과를 나타낸다. 가령 A30의 경우, 어업인구 251명, 어선수 125척을 감원, 감척하여 어업인구 24명, 어선수 12척 수준의 목표량을 맞출 수 있다면 순수기술효율성을 91% 증가시켜 효율적인 어촌계 성과를 실현할 수 있다.

<Table 13>

Establishment of input target amount for improving pure technology efficiency

전통적인 DEA의 확정적 효율성 값들은 표준오차에 대한 추정치가 결여되어 통계적인 유의성을 검정할 수가 없기 때문에 효율성 값들의 상호비교에 한계점을 가지고 있다. 예를 들어, 아래 <Table 14>와 같이 전통적인 CCR모형의 DEA분석에서는 효율성이 100%인 어촌계들이 4개가 있고 이 어촌계들에 대해서는 효율성 우열을 가릴 수 없다. 그러나 Bootstrap-CCR모형을 통한 편의조정 효율성 점수(Bias-corrected efficiency score)는 이들의 효율성 순위를 식별할 수 있다. 따라서 본 연구에서는 Bootstrap-DEA 모형을 이용하여 기술효율성과 순수기술효율성 점수에 대한 95% 신뢰구간을 추정하였다(Park, 2012; Kim 2016).

<Table 14>

Results of estimation of CCR model confidence intervals by Bootstrap-DEA

<Table 14>는 이러한 기술효율성 점수에 대한 95% 신뢰구간 추정 결과를 나타낸 것이다. 기술효율성 평균은 33%로 나타나 67%의 기술비효율성이 존재하였다. 이중 순수기술효율성 평균은 56%, 규모효율성 평균은 59%로 나타나 각각 44%, 41%의 비효율성이 존재하므로, 기술비효율성의 원인은 전통적인 DEA분석에서와 달리 근소하게나마 상대적으로 순수기술효율성에 있는 것으로 확인되었다.

입지유혈별 효율성을 전체적으로 살펴보면, 가장 효율적인 어촌계는 도시근교형인 A19로 71%의 효율성을 나타내었다. 그 다음으로 취약지구형 A40은 69%, 도시근교형 A21은 69%, 도시근교형 A27, 16, 20, 1, 15 순으로 60% 초반대의 중위 효율성 순위를 보여주었고, 연안촌락 대부분은 1% 대로 확인되어 A21 이하 강비효율성을 보여 주었다. 한편 입지유형별로 살펴보면, 도시근교형에서는 A19가 71%로 약효율성을 보였으나, 그 외 어촌계는 모두 강비효율적인 것으로 확인되었다. 연안촌락형 A9와 취약지구 A40은 각각 66%, 69%로 해당 입지유형에서는 효율성이 가장 높았으나 모두 강비효율성을 보여주었다.

그리고 편의의 평균 12%는 과대 추정이 많음을 나타내며, 그 표준편차는 24%로 나타났다.

<Table 15>의 Bootstrap-BCC모형에서 순수기술효율성이 가장 높은 어촌계는 연안촌락형 A36으로 87%로 추정되어 13% 개선의 여지가 있는 것으로 확인되었다. 그 다음에 연안촌락형 A7, 37, 취약지구형 A39, 연안촌락형 A10, 취약지구 A31, 도시근교 A21, 연안촌락 A35, 도시근교 A20, 19, 17, 28, 연안촌락 A9, 도시근교 A1, 15, 27, 순으로 약효율성 순위가 확인되고, 이 밖에는 모두 강비효율성으로 나타나고 있다. 그리고 전통적인 DEA에서 100% 효율적이었던 11개의 어촌계들이 Bootstrap을 이용한 편의조정 효율성 점수에서는 비효율적인 것으로 나타나 효율성 개선이 가능한 어촌계들로 분석되었다. 그러나 도시근교형 A30기업은 전통적인 DEA 및 Bootstrap-DEA 둘다 가장 비효율적인 어촌계로 확인되었다.

<Table 15>

Results of estimation of BCC model confidence intervals by Bootstrap-DEA

그 밖의 전통적 DEA분석에서 비효율적이었던 어촌계들의 우선순위도 Bootstrap-DEA분석과는 차이가 있는 것을 확인할 수 있다. 이는 효율성 추정값의 편의성과 무작위성 때문이다. 입지유형별 효율성을 전체적으로 살펴보면, 가장 효율적인 어촌계는 앞서와 같이 A36으로 87.4%의 효율성을 나타내었다. 한편 입주유형별로 살펴보면, 가장 높은 효율성 값을 보여준 어촌계는 도시근교형에서는 A21이 77%, 연안촌락형에서는 A36이 87%, 취약지구에서는 A39가 81%로 모두 약효율성을 보여주었다. 그리고 순수기술효율성 편의의 평균은 13%, 표준편차는 22%로 나타나 전통적인 DEA분석의 효율성 점수는 과대추정이 존재하는 것으로 나타났다.

[Fig 4]에서 보듯이, 이러한 효율성 값에 차이가 존재하는 이유는 Bootstrap-DEA의 경우 효율성 값을 보정하여 추정하였기 때문이다.

[Fig. 4]

Comparing traditional DEA frontiers with bias-corrected DEA frontiers.