2.1. 항만배후단지 효율성 관련 연구

항만 배후단지 효율성과 관련한 선행연구를 살펴보면 Park(2011)은 투입변수로 항만 배후단지 면적, 투자액을 선 정하고, 산출변수로 처리물동량을 지정하여 효율성을 분석하 였다. 분석결과, 국제 환경에 맞는 시장 맞춤형 항만 배후단 지를 조성하여 기업을 적극적으로 수용하여야 하며, 지역의 특성을 고려한 전략적 투자유치활동 및 항만 배후단지의 경 쟁력 확보를 위해 차별화가 이루어져야 한다고 제언하였다. Qing and Na(2013)는 광양항 항만 배후단지의 경쟁력 향상 을 위해서는 배후단지에 다국적 물류 및 제조 기업을 적극적 으로 유치하고, 인센티브 제공 등 지속적인 지원정책이 필요 하다고 주장했다. 또한, 산업공단을 조성하여 비용절감을 도 모해야 하며, 비용절감을 위하여 광양항 항만 배후단지와 주 변 도시의 교통시설 네트워크를 확충이 필요하다고 언급했 다. Qing(2013)은 항만 배후단지의 상대적 효율성을 분석했 다. 투입요소는 선석 수, 항만 배후단지 면적, 항만 배후단지 입주기업 수를 사용하였으며, 산출요소는 배후단지 컨테이너 창출량을 선정하였다. 또한, Kyung(2014)은 항만과 항만 배 후단지 특성을 잘 나타내는 변수를 사용함으로써 항만의 전 체적인 효율성을 측정할 수 있다고 설명했으며, 선석 수, 크 레인 수(C/C), 항만 총면적(부두면적과 배후단지면적의 합 계), 배후단지 입주기업 수를 투입변수로 하고, 컨테이너 총 처리량을 산출변수로 사용하였다.

2.2. 항만배후단지 관련 연구

Park and Choi(2001)는 세계 주요 항만들은 물류기능을 고 도화하는 한편 항만 배후단지에 충분한 공간을 확보하여 항 만을 중심으로 대규모 물류단지를 조성하고 있다고 설명했 다. 예를 들어 싱가포르, 홍콩, 함부르크, 로테르담 등 세계 주요 경제권의 거점 항만들은 항만시설을 지속해서 확충하면 서 글로벌기업의 물류거점 유치를 이해 노력하고 있다. 우리 나라 항만도 비효율적이고 비체계적으로 이용되고 있는 제한 된 항만 배후공간을 부가가치를 극대화할 수 있는 물류공간 및 기능 등으로 고도화하려는 방안 마련이 요구되고 있다고 분석하였다. Kim(2009)은 항만 경쟁력은 충분한 항만시설과 배후단지 확보를 통한 다국적기업과 물류기업 유치에 달려 있다고 하였다. 특히 무역협정(FTA) 등 국가 간 경제협력이 가속화되는 시점에서 항만 배후단지를 중심으로 한 자유무역 지역은 국가 간 경제통합을 위한 전초기지로서 높은 경제적 파급효과와 함께 FTA 성과의 선행지표로 사용할 수 있다고 하였다. Kim(2009)은 동북아 물류중심 기지화 전략과 관련하 여 조립, 가공, 포장 등 제조업 기능과 무역, 금융, 보험 등 서비스 지원 기능까지 결합한 항만 배후단지 구축이 중요하 다고 주장 하였다. Yoon(2012)은 항만 배후단지의 활성화를 위한 방안으로 투자조건 기준 완화를 통한 입주기업 부담 감 소, 다각적인 세제지원 제도도입을 통한 국내 및 외국인 투 자유치활동 강화, 통관절차 간소화 등을 제안했다. Kim(2009)은 부산 신항은 항만 배후물류단지 부지확보를 위 한 대책이 필요하며 광양항은 광양항 활성화를 통한 국제물 류네트워크 구축, 배후인프라시설 확충, 배후경제규모 발전 등을 통한 허브항 및 중심항으로 자리매김이 필요하다고 하 였다.

항만 배후단지 선행연구를 검토한 결과, 항만배후단지 효율 성 측정에 대한 연구는 전통적인 DEA 방식인 CCR 모형과 BCC 모형을 적용한 연구가 수행되었다. 하지만 전통적인 DEA 모형에는 한계가 존재하며, 본 연구에서는 이를 극복하 기 위해 초효율성 모형과 Super-SBM 모형을 적용하고자 한 다.

3.1. 초효율성 및 여분기반 초효율성 모형

일반적인 DEA 모형에서 효율성 점수가 1인 의사결정단위 가 다수일 경우, 효율적인 의사결정단위들의 차이를 구분하 기 어려운 문제점이 있다. Anderson and Peterson(1993)은 이러한 문제를 해결하기 위해 초효율성(Supe Efficiency) 모 형을 제안했다. 초효율성 모형은 효율성 점수가 1로 분석된 다수의 의사결정단위 중 초효율성 계산의 대상이 되는 의사 결정단위를 효율적 생산변경(Production Frontier)에서 제외 하여 특정 새로운 생산변경을 생성하고 이를 평가대상 의사 결정단위와 거리를 계산하여 효율성 점수를 계산한다. 이러 한 계산을 통해 초효율성 모형의 효율성 점수는 기존 DEA 모형의 비효율성 측정치와 같고, 1의 효율성 점수를 가지는 의사결정단위의 효율성 점수는 서로 다른 값을 갖는 것으로 분석된다(Yang, 2012). 투입지향 초효율성을 분석하는 방법 은 아래 식(1)과 같다.

x^k= DMU_k의 m차원 투입요소벡터

y^k= n차원의 산출요소벡터

θ^k= 준거집단내에서 DMU_k의 산출요소벡터를 산출하기 위한 투입요소 벡터의 비율

λ= 가중치벡터

λ^j= j번째 DMU의 가중치

ε= non -Archimedean 상수

초효율성 모형은 일반적인 DEA 모형과 달리 1 이상의 효 율성 점수를 가지므로 일반적인 DEA 모형에서 구분할 수 없었던 효율적인 의사결정단위들의 차이를 분석할 수 있는 장점이 있다. 하지만 투입산출변수의 여분(slacks)을 고려하 지 않고 효율성을 분석하여 효율적인 변수의 점수가 실행불 능의 무한대로 인식하는 문제점이 존재한다. 이러한 문제점 을 해결하기 위한 방법이 Tone(2001)이 제시한 여분기반 초 효율성(Super Slack-based measure) 모형이며 이를 Super-SBM 모형이라고 한다. Super-SBM을 분석하는 방법 은 아래 식(2)와 같다.

δ= 초효율성 측정치

xmk = DMU_k의 투입요소

x = DMU_k를 제외하고 만들어진 생산변경 상에 존재하는 투 입요소 벡터

y = DMU_k를 제외하고 프론티어 상에 존재하는 산출요소 벡 터

식(2)에서 각 변수의 여분을 고려하기 위하여 xm¯=xmk1+φm,yn¯=ynk1+ψ으로 수정한 후, 식을 다시 정 리하면 투입지향 Super-SBM을 계산할 수 있으며 그 식은 아래와 같다.

3.2. 변수선정

본 연구의 분석대상은 항만 배후단지에 입주한 컨테이너 취급업체 13개이며, 효율성을 분석하기 위해 투입변수는 면 적, 매출액, 종업원 수를 선정했으며, 산출변수는 물동량과 매출액을 선정하였다. 변수선정은 기존 항만 배후단지 효율 성과 관련된 논문을 통해 일차적으로 선정하였으며, 배후단 지에 입주한 업체전문가와의 Indepth-Interview를 통해 최종 적으로 선정하였다.

3.3. 변수조사

본 연구의 변수는 Table 2와 같이 건축물, 야적장 등 면적 항목과 물류센터 조성 및 운영장비 투자비용 등 투자항목, 사무실 및 현장 종업원 수, 그리고 물동량과 매출액 등의 조 사항목으로 이루어졌다. 인천항 및 부산 신항 항만배후단지 에 입주한 물류센터 운영관리자(과장급 이상)와 In-depth Interview를 통해 항만배후단지 입주기업의 운영현황을 포함 한 서비스 내용 등을 조사하였다. Table 1

Table 2

Details of variables

Table 1

Selected variables

4.1. CCR 및 BCC 모형 분석결과

Table 3은 투입지향 CCR 모형과 BCC 모형의 분석결과이 다. 먼저 수확불변을 가정한 투입지향 CCR 모형의 분석결과, 13개 DMU 중 효율성 점수가 1로 분석되어 효율성이 높은 DMU는 3개로 나타났으며, 10개 DMU는 효율성이 1 미만으 로 분석되어 상대적으로 비효율적인 것으로 분석되었다. 분 석대상 DMU 중 가장 비효율적으로 나타난 DMU1의 효율성 점수는 0.250으로 분석되어 75%의 심각한 비효율성이 존재 하는 것으로 나타났다. 전체 DMU의 효율성 표준편차의 경 우 0.274로 나타나 각 DMU 간 효율성 격차 평균은 27%로 계산되었다. 투입지향 CCR 모형의 효율성 분석결과의 평균 은 0.628로 규모에 대한 수확불변 가정 아래 약 37%정도의 비효율성이 존재하고 있어 개선의 여지가 충분한 것으로 분 석되었다. 이는 투입량을 37%감소하여도 현재의 산출량을 유지할 수 있다는 것을 의미하며, 본 연구 데이터 특성을 고 려할 때 배후단지 면적, 투자액, 종업원 수 대비 물동량과 매 출액이 부족하다는 것을 뜻한다.

Table 3

Results of CCR and BCC model

규모에 대한 수확가변하의 순수 기술적 효율성 분석모형인 BCC 분석결과, 13개 분석대상 중에 효율성 점수가 1로 분석 되어 효율성이 높게 나타난 DMU는 5개이며, 8개 DMU의 효율성 점수가 1 미만으로 분석되어 상대적으로 비효율적인 것으로 분석되었다. CCR 모형 분석결과 비효율적으로 분석 되었던 DMU4와 DMU13은 BCC 모형 분석결과에서는 효율 적인 DMU로 편입되었다. DMU4와 DMU13은 규모의 효율 성을 개선해야 효율성이 좋아지는 것을 의미하며, 순수 기술 적 효율성에는 문제가 없는 것을 의미한다.

BCC 모형의 효율성 분석결과, 평균은 0.770, 표준편차는 0.2226으로 분석되었으며, 효율성이 가장 낮게 분석된 DMU1 의 효율성 점수는 0.361로 분석되었다. CCR 모형과 비교해 효율성 점수는 평균적으로 14% 증가했으며, DMU 간의 효 율성 점수 평균격차도 5% 정도로 감소했다. BCC 모형의 효 율성 점수가 CCR 모형의 효율성 점수보다 높게 분석된 것은 투입변수와 산출변수의 운영을 변화하여 기술적 효율성을 향 상해야 할 뿐만 아니라 생산규모를 조정하여 최적 규모에서 배후단지업체들의 규모 효율성을 향상할 필요가 있다는 것을 시사한다.

Table 3에서 제시된 규모 효율성 점수(SE)는 CCR 모형의 효율성 점수를 BCC 모형의 효율성 점수로 나누어서 계산하 였다. 규모의 효율성 분석결과, 13개 DMU 중에 효율성 점수 가 1로 분석된 DMU는 3개이며, 10개 DMU는 상대적으로 비효율적인 것으로 분석되었다. 규모의 효율성이 가장 낮게 분석된 DMU는 DMU11로 식별되었다. 규모의 효율성 점수 의 평균은 0.792, 표준편차는 0.166으로 계산되었으며, 이는 13개 배후단지업체의 운영이 최적규모에서 이루어지지 않아 발생하는 비효율이 평균 21% 정도 된다는 것을 의미한다.

기술적 효율성, 순수 기술적 효율성, 규모의 효율성을 고려 해서 보면 13개 DMU는 기술적 비효율성이 약 37%, 순수 기 술적 비효율성이 약 23%, 규모의 비효율성이 약 21% 존재하 는 것으로 분석되었다. 종합적으로 비효율적으로 나타난 DMU 원인은 투입변수의 잘못된 운영방식에 따른 순수 기술 적 효율성보다는 적절한 규모로 운영되지 못한 규모의 비효 율성에 원인이 있는 것을 의미한다. DMU의 규모에 대한 수 확가변의 특성은 먼저, 규모에 대한 수확불변(CRS)의 특성 이 나타난 DMU는 4개이며, 이 업체들은 최적의 규모에서 운영되고 있는 것을 뜻한다. 9개 업체는 규모에 대한 수확체 증(IRS)의 특성을 보여 규모를 증대하여 최적규모를 확보해 야 하는 것으로 나타났다. 반면, 규모에 대한 수확체감(DRS) 특성을 갖는 DMU는 없는 것으로 분석되었다. 즉 최적규모 에서 운영되고 있는 업체 4개를 제외하고는 배후단지 업체들 이 규모를 증대하여 최적규모를 확대해야 효율성이 증가하는 것으로 분석되었다.

비효율적으로 분석된 DMU가 효율적인 DMU가 되기 위하 여 벤치마킹해야 하는 준거집단은 Table 3의 5열과 같다. 준 거집단으로 선택된 DMU는 효율성 분석결과 비효율적으로 선택된 DMU와 상대적으로 근접해있어 가장 유사한 특성을 보이는 DMU이다. 준거집단으로 선택된 DMU의 참조횟수는 효율성이 1로 분석된 DMU들 중에서도 어느 DMU가 효율적 으로 운영되고 있는지 알 수 있는 지표이다. 이러한 관점에 서 DMU3, DMU12는 준거집단으로 9회 참조되어 효율성이 1로 분석된 DMU중에서도 가장 많은 참조횟수를 기록한 것 으로 나타났다. DMU3, DMU12는 비효율적인 DMU들이 효 율성을 향상하는데 가장 많이 벤치마킹한 DMU이므로 DMU3과 DMU12의 운영실태를 파악할 필요가 있다.

4.1. 초효율성 및 Super-SBM 모형분석결과

투입지향 초효율성 CCR 모형과 Super-SBM 모형의 분석 결과는 Table 4와 같다.

Table 4

Results of super-efficiency and Super-SBM model

초효율성 모형과 CCR 모형을 비교해보면, CCR 모형에서 비효율적으로 분석된 1 미만의 DMU들은 초효율성 분석에서 같은 효율성 점수를 기록한 것을 알 수 있다. 하지만 CCR 모 형에서 효율성 점수가 1로 나타난 효율적인 DMU들은 초효 율성 모형에서 1 이상의 효율성 점수로 나타난 것을 확인할 수 있다. 이를 통해 CCR 모형에서는 효율성 점수 1을 갖는 DMU들의 차이를 구분할 수 없었던 한계를 초효율성 모형에 서는 효율적인 DMU들의 차이를 구분할 수 있으며 더 나아 가 이들의 우선순위를 확인할 수 있다.

초효율성 분석결과의 효율성 점수 평균은 0.777로 CCR 모형 의 평균보다 약 15% 정도 상승했다. 표준편차 또한 CCR 모 형보다 약 27% 증가한 0.541로 계산되었다. 초효율성 분석결 과 가장 효율적인 DMU는 DMU12이며 효율성 점수가 2.172 로 분석되었으며, 이어서 DMU3이 1.421, DMU2가 1.356으로 그 뒤를 이었다. 가장 낮은 효율성 점수를 기록한 DMU는 DMU1로 효율성 점수가 0.25이며 이는 CCR 모형의 효율성 점 수와 변화가 없는 것을 알 수 있다.

Super-SBM 모형의 효율성 점수는 초효율성 모형의 효율성 점수와 비교해 대부분 DMU들이 감소한 것을 알 수 있다. 이 는 대부분 DMU들에서 비방사형 여분이 존재하는 것을 뜻하 며, 이에 따라 효율성 점수가 감소한 것이다(Park, 2010). Super-SBM 모형의 효율성 점수의 평균은 0.649로 초효율성 모형의 효율성점수 평균 0.541보다 약 13% 정도 감소한 것으 로 나타났다. 이러한 감소의 의미는 비방사형 여분이 존재하 는 DMU의 효율성 점수하락이 평균 13% 정도 됨을 의미한 다.

Table 5는 Super-SBM 모형의 분석결과를 바탕으로 한 참조 DMU와 규모의 경제를 나타낸다. Super-SBM 모형에 서 참조기관의 가중치 합이 1보다 큰지 혹은 작은지에 따라 DMU가 규모에 대한 수확체증의 영역인지 또는 수확체감의 영역인지 알 수 있다. 13개 DMU중에 가장 효율적인 DMU12와 DMU2, DMU3은 규모에 대한 수확체증의 영역에 있는 것으로 나타났다. 규모에 대한 수확체증에 있는 DMU 는 이미 최적의 규모를 넘어 운영하는 것이므로 규모를 축소 하여 최적규모를 달성할 필요가 있는 것을 의미한다. 반면 10개의 DMU는 규모에 대한 수확감소의 영역에서 운영하는 것으로 분석되었다. 규모에 대한 수확감소의 영역에 위치하 는 DMU는 사업규모를 확대하여 최적규모를 달성할 수 있는 것으로 해석할 수 있다. Table 5의 참조기관과 가중치를 활 용하여 DMU들이 효율적인 DMU가 될 수 있는 투입 및 산 출양은 Table 6과 같다.

Table 5

Reference group and reference counter by Super-SBM model

Table 6

Adjustment of input and output by Super-SBM model

가장 효율적인 DMU로 분석된 DMU12는 투자액, 면적, 종 업원 수를 증가해도 현재 효율성 점수를 유지하는 것이 가능 하다. 하지만 산출변수인 매출액의 비효율성이 -101%가 존 재하여 현재 투입량 대비 매출액이 부족한 것으로 분석되었 다. 가장 비효율적인 DMU1는 면적, 투자액, 종업원의 활용 모두 75%이상의 비효율성을 갖는 것으로 분석되었다. 종합 적으로 투입요소의 비효율성을 살펴보면 면적 -33%, 투자액 -33%에 비해 종업원 수의 비효율성이 -45%로 가장 큰 것으 로 분석되었다.