글로벌 컨테이너터미널 운영사의 지리적 다각화와 기업경영성과에 관한 연구

Effects of Geographical Diversification on Corporate Performance in Global Terminal Operators: A Panel Regression Analysis

Article information

J Navig Port Res. 2025;49(1):60-73

Publication date (electronic) : 2025 February 28

doi : https://doi.org/10.5394/KINPR.2025.49.1.60

Soon-Hwan Park ^*, Yul-Seong Kim ^**, Jeong-Min Lee^,^†

^*Doctoral Candidate, Logistics System Engineering, Korea Maritime and Ocean University, Busan 49112, Korea

^**Professor, Logistics System Engineering, Korea Maritime and Ocean University, Busan 49112, Korea

^†Doctoral Researcher, Department of Convergence Interdisciplinary Education, Korea Maritime and Ocean University, Busan 49112, Korea

박순환^*, 김율성^**, 이정민^,^†

^*국립한국해양대학교 물류시스템전공 박사수료

^**국립한국해양대학교 물류시스템공학과 교수

^†국립한국해양대학교 해양컨텐츠융복합협동과정 물류시스템공학전공 박사과정

^†Corresponding author : 정회원, jmjm3646@g.kmou.ac.kr 051)410-4890

Received 2025 January 20; Revised 2025 February 5; Accepted 2025 February 17.

Abstract

본 연구에서는 글로벌 컨테이너터미널 운영사(GTO)의 지리적 다각화가 기업경영성과에 미치는 영향을 정량적 수치를 활용하여 알아보고자 하였다. 이를 위해 GTO 11개사의 8개년 시계열 패널데이터를 활용하여 패널회귀분석을 진행하였다. 분석 결과, 첫째, GTO들의 지리적 다각화 전략은 기업별 차이가 있음을 알 수 있었다. 둘째, GTO들의 대륙간 다각화는 기업경영성과 ROE와 2차형 비선형 관계가 있으며 초기 단계에는 부정적이나, 일정 수준 이상에서는 긍정적인 영향이 나타나는 것을 확인하였다. 셋째, GTO의 개발도상국 지역 진출은 기업경영성과 ROE에 긍정적 영향을 미치는 것을 확인하였다. 이를 통해 GTO들은 장기적인 관점에서 대륙 간 다각화와 개발도상국으로의 지리적 다각화에 투자함으로써 규모의 경제 효과를 극대화하고 운영 효율성을 향상시킬 필요가 있음을 시사한다.

Trans Abstract

This study examined geographical diversification of Global Container Terminal Operator (GTO) and quantified it into an index to analyze its impact on corporate performance. Using panel regression analysis on an eight-year time series dataset from 11 GTOs, empirical results revealed the following. First, GTOs exhibited significant differences in their geographic portfolio strategies. Second, there was a non-linear relationship between intercontinental geographic diversification and Return on Equity (ROE), where the impact was initially negative but became positive beyond a certain level of diversification. Third, GTOs' expansion into developing regions positively influenced their ROE. These findings suggest that GTO should focus on long-term geographic diversification strategies to achieve economies of scale and improve operational efficiency, rather than solely concentrating on short-term performance.

Keywords: global container terminal operators(GTO); geographical diversification; corporate performance; panel regression analysis; port industry

Keywords: 글로벌 컨테이너터미널 운영사(GTO); 지리적다각화; 기업경영성과; 패널회귀분석; 항만산업

1. 서 론

세계 경제의 확대와 국가간 교류의 활성화로 글로벌 해상 무역량이 증대되었으며 주요 허브항만들은 글로벌 경제 성장과 더불어 지속적인 변화를 모색하고 있다. 이러한 상황 속에서 글로벌 해운기업과 컨테이너터미널 운영사들은 규모의 경제를 통해 지리적으로, 기능적으로 다양한 인프라를 확장하고 기업화된 네트워크를 구축하고 있다(Notteboom and Rodrigue, 2023). 특히, 2022년 기준으로 전 세계 컨테이너 하역시장의 약 75%를 차지하고 있는 글로벌 컨테이너터미널 운영사(Global Container Terminal Operator, 이하 GTO)들은 주로 Joint Venture 및 M&A 등을 통한 기존의 컨테이너 터미널 사업운영 및 영역확장과 신흥터미널 개발 등의 성장방안을 통해 국제경쟁력을 더욱 확대해나가고 있다. 이때, GTO의 공간적 포트폴리오 활동은 현지 및 지역(Local)에서 글로벌(Global)에 이르기까지 점점 더 큰 규모로 확장되고 있으며 각 기업 경영전략 및 성장방안에 따라 강력한 글로벌 지향 포트폴리오를 구축하고 있다(Notteboom and Rodrigue, 2012).

이러한 기업들의 지리적 국제화 및 다각화는 이미 예전부터 기업의 사업을 전 세계로 다변화시키는 기업성장 전략으로 다국적 기업에 의해 많이 추진되어왔다. 그러나, 지리적 다각화 전략을 통한 글로벌 시장 진출은 혜택과 비용을 동시에 수반하게 된다(Capar and Kotabe, 2003; Nachum, 2004; Kang, et. al., 2011; Benito-Osorio, 2020; Kim, 2022).

따라서 본 연구는 GTO들의 지리적 다각화가 기업경영성과에 미치는 영향을 실증적으로 분석하고자 한다. 이를 위해 해운 및 항만 분야의 글로벌 컨설팅 및 시장조사 전문 기업인 Drewry에서 수집된 데이터를 기반으로 8년간의 기업별 재무 정보와 지역별 항만 데이터를 활용하여 패널 회귀분석을 수행하고자 한다. 본 연구는 글로벌 지향 포트폴리오 구축과 관련된 GTO의 운영전략 현황을 파악하고, GTO의 지리적 국제화에 대한 근거 있는 자료를 제공하는 데 목적이 있다.

연구는 총 5장으로 구성된다. 1장에서는 연구의 목적과 배경을 다룬 서론을 제시하며, 2장에서는 GTO 및 지리적 다각화에 대한 이론적 배경과 선행연구를 검토한다. 3장에서는 연구 설계를 통해 표본 기업, 변수, 연구 가설 및 모형 등을 설정한다. 4장에서는 실증분석을 통해 도출된 연구결과를 제시한다. 5장에서는 결론과 연구의 한계점, 그리고 향후 연구 방향을 논의한다.

2. 이론적 배경 및 선행연구 고찰

2.1 GTO의 지리적 다각화

GTO들의 국제화 전략은 이미 많은 선행연구에서 다루어져 왔다(Notteboom and Rodrigue, 2012). Peters(2001)는 국제적 벤처의 시초는 해외 투자의 기회를 찾는 터미널 운영사에 의해 설립되었다고 주장하며, Bichou and Bell(2007)은 글로벌 컨테이너터미널 운영자는 전 세계 네트워크 서비스를 구축하려는 목적으로 국제 항만터미널 운영에 참여하는 회사로 정의하였다. De Souza, et. al.,(2003)은 컨테이너터미널 산업의 국제화를 크게 세 개의 연속적인 흐름으로 설명하였다. 첫 번째 국제화 흐름은 일부 컨테이너터미널 운영사들이 지리적 규모로 사업을 확장하고 전 세계 여러 지역의 항만 민영화 계획의 혜택을 받은 것이며, 이러한 개척자 전략의 성공은 두 번째 국제화 흐름으로 이어져 터미널 운영사들이 국제적으로 사업확장을 모색하게 되었다. 마지막 세 번째 국제화 흐름은 주요 컨테이너 운송업자가 핵심사업을 지원하기 위해 컨테이너 터미널산업에 진출하면서 등장하였다고 밝혔다. Notteboom and Rodrique(2012)은 항만터미널 및 하역산업은 광범위한 국제적 포트폴리오를 구성하는 글로벌 컨테이너터미널 운영사의 등장으로 크게 확장되었으며, 이때 전 세계 물류 네트워크의 기본 노드가 되는 컨테이너터미널 운영사의 기업지리(corporate geography)에 대한 연구를 진행하였다. 컨테이너터미널 사업의 공간적 포트폴리오 활동은 현지 및 지역에서 글로벌에 이르기까지 점점 더 큰 규모로 확장되고 있다고 밝혔으며, 결과적으로 GTO들의 국제화는 획일적이지는 않지만, 주요 운영사(HPH, APM, PSA, DPW)는 각 기업 역사 및 성장전략에 따라 특정 지역적 지향을 가진 강력한 글로벌 지향 포트폴리오를 보유하고 있음을 밝혔다. 이러한 기업지리를 통해 운영사들은 기업 표준화에 적극적인 역할을 수행하여 컨테이너화로 인한 기능 및 운영에 보다 나은 효과를 창출했음을 밝혔다. 또한, 컨테이너터미널 운영사들은 전 세계 물류시장에서 다양한 수준으로 관여하고 있으며, 경기의 순환과 변화하는 세계 경제지리는 운영사의 투자전략의 지리적 방향을 변경할 수 있다고 밝혔다. 이처럼 GTO들은 과거부터 기업성장 전략으로 지리적 국제화를 추진하고 있으며 특히 각 기업의 성장전략 등에 맞춰 다양한 방식으로 지리적 다각화를 추진해오고 있음을 알 수 있다.

2.2 지리적 다각화와 기업경영성과

지리적 다각화(geographic diversification)는 국제적 다각화(international diversification), 지리적 범위(geographic scope), 국제화(internationalization), 또는 글로벌 다각화(global diversification)로 불린다. 이러한 용어는 ‘기업이 점차 글로벌 참여를 증가시키는 과정’, ‘기업이 국내 시장을 넘어 다른 지역 및 국가로 확장하는 것’, 또는 ‘기업이 고객, 생산요소 및 가치 창출 능력을 위해 해외시장에 의존하는 정도’를 의미한다(Wiersema and Bowen, 2011). 지리적 다각화는 이미 많은 연구자에 의해 다루어져 왔으며, 특히 다국적 기업의 지리적 다각화, 지리적 국제화는 기업성과에 긍정적 혹은 부정적 결과를 미치는 것으로 나타났다. 즉, 다국적 기업의 지리적 사업확장을 통한 국제경영활동은 기업의 수익을 증대시킬 수 있는 반면, 지리적·문화적 거리에 대한 비용 발생으로 기업의 거래비용이 증가하는 상충되는 결과가 존재한다.

Hamel(1991)과 Hitt(1997)은 지리적 다각화를 실행하는 기업은 활동을 내재화함으로써 독특한 핵심역량이나 능력을 공유하고, 산업시장의 차별성을 활용하며 지리적 영역과 사업 부문간의 조정을 활용하여 기업의 시너지, 유연성 및 협상을 창출할 수 있다고 밝혔다. Capar and Kotabe(2003)는 국제적 다각화는 기업경영성과에 강한 잠재적 영향을 미치는 성장전략임을 밝히며, 독일 서비스기업을 대상으로 국제적 다각화와 기업경영성과의 관계를 조사하였다. 결과적으로 서비스기업의 지리적 다각화와 기업경영성과 간에는 U자 모양의 곡선 관계가 있다고 밝혔다. Nachum(2004)은 개발도상국가 기업의 산업 다각화와 지리적 다각화 활동이 기업성과에 미치는 영향을 알아보고, 기업의 고유한 속성과 다각화 활동에 초점을 맞추어 분석하였다. 345개의 개발도상국 기업의 데이터를 기반으로 한 연구결과, 산업 및 지리적 다각화와 기업성과 간에는 유의미한 긍정적인 연관성이 있음을 밝혔다. 그러나 기업이 소재한 지역에 따라 연구결과가 상이하게 도출되어 개발도상국 지역에 따라 차이가 있음을 밝혔다. Kim and Mathur(2008)는 1990년부터 1998년까지 28,050개의 기업자료를 활용하여 산업다각화와 지리적 다각화가 회사의 가치감소와 관련이 있음을 밝혔다. 이는 기업 다각화의 비용이 다각화의 혜택보다 클 수 있음을 의미한다. Qian et al(2008)은 기업의 지역적 다각화는 기업의 성과에 선형적이고 곡선적인 영향을 미친다고 밝혔다. 지역적 다각화는 특정 한계까지 선형적으로 기업성과를 향상시키고 그 이후에는 부정적 영향이 나타난다고 밝혔다. 또한 선진국가의 기업들은 적당한 수의 선진 지역과 제한된 수의 개발도상국 지역에서 운영할 때 성과를 극대화한다고 밝혔으며, 이는 다국적 기업들의 국제화는 전 세계를 대상으로 하기보다는 지역을 중심으로 진행되는 편임을 설명하였다. Qian et al(2010)은 다국적 기업(MNEs)의 지역 내 다각화와 지역 간 다각화가 기업경영성과에 미치는 영향을 파악하였다. 123개의 미국 다국적 기업의 7개년 데이터를 활용하여 연구를 진행한 결과, 기업이 지역 내 다각화에 더 많이 집중할수록 기업성과는 점점 더 높은 비율로 증가함을 밝혔다. 그리고 기업의 성과와 지리적 다각화 수준 사이에는 역 U자 관계가 존재함을 밝혔다. Kang et al(2011)은 미국 카지노 기업의 지리적 다각화가 기업의 위험과 성과에 미치는 영향을 분석하였고, 결과적으로 미국 카지노 상장 기업의 지리적 다각화 수준은 기업위험감소에는 긍정적인 영향을 미치나, 기업경영성과에는 부정적인 영향을 미침을 밝혔다. Kwon et al(2018)은 1990년부터 2015년까지 39개 국가의 기업들을 대상으로 지리적 다각화의 특성과 기업가치에 미치는 영향을 분석하였다. 이 결과 분석 기간동안 산업다각화는 지속적으로 감소하였으나 지리적 다각화는 지속적으로 증가하는 것으로 나타났다. 그리고 기업의 지리적 다각화가 평균적인 다각화 할인(다각화가 기업가치를 감소시킴)을 유발함에도 불구하고 기업의 특성에 따라서는 다각화 할증(다각화가 기업가치를 증가시킴)이 존재할 수 있음을 밝혔다. Benito-Osorio et al(2020)은 1994년부터 2014년까지의 제조 중소기업(SME)의 데이터를 활용하여, 이들의 지리적 다각화와 관련제품다각화, 비관련제품다각화가 기업경영성과에 미치는 영향을 분석하였다. 결과적으로 관련제품다각화는 지리적 다각화가 진행된 중소기업의 경영성과에는 긍정적인 영향을 미치는 반면, 비관련제품다각화는 지리적 다각화(국제적 다각화)수준에 따라 경영성과에 부정적인 영향을 줄 수 있음을 밝혔다. Kim(2022)은 한국 다국적기업(MNEs)들이 글로벌 금융위기기간 동안 진행한 지리적 다각화가 기업성과에 미치는 영향을 분석하였다. 결과적으로 위기기간 동안, 글로벌 관점에서 지리적 다각화는 기업성과에 유의미한 영향을 미치지 않았으나, 선진국/개발도상국 지역으로 구분한 지리적 다각화는 R&D 강도와 상호작용하여 기업경영성과에 유의한 관계를 미치는 것을 발견하였다. 이때, 선진국 지역 진출 국가 수와 R&D 상호작용 변수는 부정적인 영향을 보였고, 개발도상국 지역 진출 국가 수와 R&D 상호작용 변수는 긍정적인 영향을 보였다.

이렇게 이미 다양한 연구자에 의해 기업의 지리적 다각화와 기업경영성과의 관계성이 토론되고 있다. 그러나 학자들 사이에서도 아직 확실한 해답은 발견하지 못하였으며, 산업별, 지역별, 규모별 등등의 조건들에 의해 지리적 다각화와 기업경영성과의 관계성은 영향을 받는 것으로 보인다.

선행연구를 통하여, 국제적 성격이 강한 GTO는 그들의 정의에 맞게 이미 다양한 지리적 확장 및 전략적 사업확장을 통하여 사업 활동을 영위해왔음을 알 수 있다. 다만, 이러한 지리적 확장을 통한 국제화 전략의 시초인 컨테이너 터미널운영사들의 기업경영성과와 이들의 지리적 다각화의 영향 관계를 실증적으로 파악하고자 한 연구는 드물었다.

따라서 본 연구는 GTO의 지리적 다각화가 그들의 경영성과에 어떠한 영향을 줄 것인가에 대해 실증분석을 진행하고자 한다. 연구 진행을 위하여 앞서 살펴본 선행연구들에서 사용한 변수들을 활용하여 본 연구를 구성하고자 한다. 지리적 다각화와 기업경영성과의 관계성을 분석한 선행연구에서 사용된 주요 변수들을 정리한 내용은 Table 1과 같다.

Table 1.

Summary of variables in prior research

3. 연구설계

3.1 분석자료 및 표본

본 연구는 GTO의 지리적 다각화가 기업경영성과에 미치는 영향을 알아보기 위한 실증분석을 진행하고자 한다. 이를 위해 설정한 표본기업은 글로벌 컨설팅 기업인 Drewry가 발간하는 “Global Container Terminal Operators” 보고서에 집계된 GTO를 대상으로 하였다. 이 보고서에서 다루고 있는 GTO는 총 21개사이며, 이들은 전 세계 컨테이너터미널 운영사 중 상위 1위~21위를 차지하고 있다.

다만, GTO 21개사의 회계자료를 구할 수 없다는 한계점으로 본 연구에서는 아래의 기준을 바탕으로 분석대상을 선정하고 자료를 수집하였다. 이를 통해 수집된 표본 데이터의 수집기간은 자료를 구할 수 있었던 2015년부터 2022년까지로 설정하였다.

① 표본기업은 기업의 재무자료를 포함하는 연간보고서(Annual Report), 기업경영보고서(Business Report), 기업재무보고서(financial report) 등을 8개년 이상 공시하여야 한다.

② 지리적 다각화 지수 확보를 위하여 Drewry의 “Global Container Terminal Operators” 보고서에 터미널 운영사별 지역별 항만에 대한 자료가 수집되어야 한다.

위의 기준을 만족하는 총 11개사의 GTO를 최종 표본기업으로 선정하였고, 여기에는 COSCO Shipping Ports, PSA International, Hutchison Ports, DP World, China Merchants Ports, ICTSI, Evergreen, HMM, MOL, NYK, Yang Ming이 포함된다. 이들의 데이터 수집현황은 Table 2와 같다.

Table 2.

Data collection status of sample GTOs for analysis

3.2 변수 정의

본 연구에서는 선행연구를 통하여 지리적 다각화와 기업경영성과의 관계성을 확인할 수 있는 변수들을 선정하였다. 먼저, 지리적 다각화 대용변수는 대륙간 다각화 지수(GD_inter), 국가간 다각화 지수(GD_nation), 선진국 지역 진출국가 수(AD_economy), 그리고 개발도상국 지역 진출국가 수(DE_economy)로 선정하였다. 다음으로, 기업경영성과 대용변수로는 자기자본이익률(ROE)과 매출액 순이익률(ROS)를 활용하였다. 마지막으로, 통제변수는 선행연구를 참고하여 경제성 지표, 기업기본특성 지표, GTO 관련 변수를 사용하였다.

3.2.1 독립변수

본 연구에서는 선행연구를 통하여 지리적 다각화를 대용할 수 있는 변수를 선정하였다. 먼저, 엔트로피 지수를 활용하여 지리적 다양화 및 다각화를 측정하였다. 여기에는 대륙간 다각화와 국가간 다각화가 포함된다. 엔트로피 지수의 측정은 기업의 다각화를 파악하는 데 자주 사용되며, 기업이 진출하는 해외시장의 수(다각화 폭)와 각 해외시장의 상대적 가중치(다각화 깊이)를 모두 고려하기 때문에 보다 타당하고 신뢰할 수 있는 추정치를 제공한다(Jacquemin and Berry, 1979; Hitt et al, 1997; Solano et al, 2019; Benito-Osorio et al, 2020). 선행연구(Solano et al, 2019; Benito-Osorio et al, 2020), 그리고 Liu et al(2023)를 참고하여 아래의 엔트로피 지수 공식을 활용하였다. Solano et al(2019)는 지리적 다각화 지수를 도출하기 위하여 수출액을 활용하였으며, Benito-Osorio et al(2020)은 해외 매출액, 그리고 Liu et al(2023)은 자회사 개수를 활용하였다. 본 연구에서는 지리적 다각화 엔트로피 지수 산출을 위하여 컨테이너터미널 처리물동량을 사용하고자 한다.

먼저, 대륙간 다각화(GD_inter)는 분석대상 GTO의 터미널이 진출한 대륙을 크게 ①Asia, ②North America, ③South America, ④Europe, ⑤Africa, ⑥Oceania로 구분하여 대륙간 다각화(GD_inter) 정도를 측정하였다. 이는 GTO의 터미널이 여러 대륙에 걸쳐 얼마나 다양하게 분포하고 있는지를 의미한다. 이때, m은 대륙의 수, Pi는 대륙 i의 물동량 비율로, 해당 대륙의 물동량이 전체 물동량에서 차지하는 비중을 나타낸다. ln(1/Pi)는 대륙 i의 비율 역수를 자연로그 취한 값이다. 해당 수식은 아래와 같다.

식 (1) GD_inter=∑i=1mPiln⁡(1/Pi)

국가간 다각화(GD_nation)는 분석대상 GTO의 터미널이 진출한 국가를 구분하여 지리적 다각화를 측정한 것으로, 이는 GTO의 터미널이 여러 국가에 걸쳐 얼마나 다양하게 분포하고 있는지를 의미한다. 국가간 다각화 수식은 아래와 같다.

식 (2) GD_nation =∑j=1mPjln⁡(1/Pj)

다음으로, Kim(2022)의 연구에 따르면 지리적 다각화를 국가로 세분화하여 선진국 지역에 해당하는 몇 개의 국가에 진출하였는가, 개발도상국 지역에 해당하는 몇 개의 국가에 진출하였는가를 나타내는 변수로 선진국가 및 개발도상국가 진출국가 수를 활용하였다. 이를 활용하여 본 연구에서도 GTO들의 터미널이 진출한 선진국가 수(AD_economy)와 개발도상국가 수(DE_economy)를 변수로 선정하였다. 이때 선진국가와 개발도상국가는 국제통화기금(IMF, International Monetary Fund)의 2023년 World Economic Outlook에서 구분한 선진국 지역(Advanced Economies)과 개발도상국 지역(Emerging and Developing Economies)을 활용하였다.

3.2.2 종속변수

대부분의 선행연구는 기업의 지리적 다각화에 따른 기업의 재무성과를 종속변수로 선정 및 측정하기 위해 기업의 회계 인덱스 및 재무성과 인덱스를 측정지표로 활용하고 있다(Lee and Kim, 2022). 본 연구에서는 GTO의 기업경영성과를 대용하는 종속변수로 기업의 장부가치를 나타내는 ROE(자기자본이익률)와 ROS(매출액순이익률)를 선정하였다. ROE와 ROS는 모두 기업의 수익성을 나타내는 지표로 널리 활용되고 있다. ROE(Return on Equity, 자기자본이익률)는 1원의 자기자본으로 순이익을 얼마만큼 발생시켰는지를 나타내는 지표이며, ROS(Return on Sales, 매출액순이익률)는 매출액 1원에 대한 순이익이 얼마인지를 나타내는 지표이다. 이들은 기업의 모든 활동을 포괄적으로 반영하는 재무성과 지표로 기업의 자산활용 효율성 및 수익창출능력을 평가하는데 사용된다. 이들이 증가할수록 창출되는 기업의 수익의 크기가 커지고, 창출되는 수익이 클수록 기업의 투자활동 여력이 증가할 것으로 예상한다(Lee et al, 2012). 이들의 산술식은 아래의 식(3), 식(4)와 같다.

식 (3) ROE( Return on Equity )= 당기순이익 자기자본

식 (4) ROS( Return on Sales )= 당기순이익 당기매출액

3.2.3 통제변수

본 연구의 통제변수들은 기업의 다각화 전략에 큰 영향을 미치는 변수로 선행연구에 기초하여 경제성 지표, 기업기본특성 지표, GTO 관련 변수 등을 선정하였다.

먼저, 경제성 지표로는 총자산이익률(ROA), 부채비율(LEV), 매출액증가율(GROW)을 선정하였다. 총자산이익률(ROA, Return on Assets)은 기업의 수익성을 나타내는 지표로, 수익성이 낮은 기업은 수익성이 높은 유사 기업에 비해 시장에서 낮은 평가를 받을 가능성이 있으므로 수익성과 기업가치 간에는 정(+)의 상관관계가 존재할 수 있다(Kim, 2004). 이는 (당기순이익/총자산)으로 측정하였다. 부채비율(LEV)은 기업의 부채비율이 높을수록 내부 자원의 활용과 역량 축적이 활발하게 이루어지므로 다각화 수준이 높게 나타났다(Kim, 2001). 이때, 부채비율(LEV)은 (부채/총자산)으로 측정하였다. 매출액증가율(GROW)는 기업의 성장성을 나타내는 지표로, 성장성이 높은 기업은 시장으로부터 높은 가치를 받을 수 있다(Kim, 2004). 다음으로, 기업기본특성 지표로는 기업 규모를 선택하였다. 기업규모는 다각화수준과 정(+)의 상관관계를 가지며 기업규모가 클수록 기업내부 지분소유의 비율이 낮아지며 투자자 선호도 상승으로 기업의 다각화가 활발해진다고 판단한다(Hill and Snell, 1998; Kim, 2001). 기업규모는 기업 총자산의 자연로그 값으로 측정하였다. 마지막으로, GTO 관련 변수는 해운항만산업 특성을 반영하는 GTO 총 처리물동량(Throughput), GTO 하역능력(Capacity)을 선정하였다(Lee et al, 2020).

3.3 분석방법 및 연구모형

3.3.1 패널회귀분석

패널데이터는 여러 개체(individual)에 대해 특정 시점(cross-sectional data)에서 관찰된 데이터를 여러 시간대(time)에 걸쳐 반복적으로 측정한 시계열 데이터의 형태를 가진다(Kim, 2011). 패널데이터를 활용한 패널회귀분석은 개체의 고유 특성(individual heterogeneity)을 통제할 수 있는 장점이 있어, 횡단면 분석이나 시계열 분석만으로는 고려하기 어려운 개체효과(individual effect)와 시간효과(time effect)를 동시에 반영할 수 있다. 또한, 동태적 조정을 가능하게 하여 복잡한 구조적 모형을 구축하고 일반적인 횡단면 또는 시계열 자료로는 포착하기 어려운 랜덤효과를 분석할 수 있는 이점이 있다(Kang, 2010). 이를 통해 시간에 따른 개체별 변화(individual specific effect)와 개체에 따른 시간적 변화(time specific effect)를 모두 반영함으로써 더욱 신뢰성 있는 모수 추정과 예측이 가능하다(Kim, 2004). 패널데이터 분석기법은 패널자료가 제공하는 다양한 정보를 효과적으로 활용할 수 있도록 도우며 횡단면 분석이나 시계열 분석에서 문제가 될 수 있는 관찰되지 않은 누락변수(unobservable omitted variable)를 통제할 수 있으므로 사회과학 연구에서 다양한 변수들의 통제가 어려운 상황에서도 유용하게 활용되고 있다(Kang, 2010). 본 연구에서 사용된 OLS 패널회귀모형의 구조는 아래와 같다.

식 (5) yit=α+∑k=1KβkXit+uit

수식(5)에서 i는 패널개체 수(i=1,2,...,n), t는 관측시간(t=1,2,..m), k는 설명변수의 개수, α는 상수항, it는 패널개체의 시간에 따른 변수, u_it는 오차항 또는 교란항을 의미한다.

이때 패널모형의 오차항(u_it)이 이원오차구성모형(two way error components model)을 갖는다면 아래와 같다.

식 (6) u=μi+λt+ϵit

수식(6)에서 μ_i는 관측되지 않은 개별특성효과, λ_t는 관측되지 않은 시간 효과, ∊_it는 횡단관측치에 의한 영향과 시계열에 의한 영향을 결합한 확률적 오차항으로 구분한다(Kang, 2010). 이러한 오차구성모형에서 각 교란항을 고정된 상수로 간주하면 고정효과모형(FEM: Fixed Effect Model)이며, 확률변수로 간주하면 확률효과모형(REM: Random Effect Model)으로 가정한다(Kang, 2010).

3.3.2 연구가설 및 모형

본 연구에서는 GTO의 지리적 다각화가 기업경영성과에 미치는 영향을 알아보기 위하여 8년간의 패널자료를 활용하여 패널회귀분석을 진행하고자 한다. 선행연구 고찰을 통하여 지리적 다각화는 기업경영성과에 긍정적(+)이거나 부정적(-)인 영향을 끼칠 수 있음을 확인하였다. 또한, Qian et al(2008)에 연구결과와 같이, 기업의 지리적 다각화는 특정 시점까지는 긍정적, 이후 시점부터는 부정적으로 비선형적 관계가 나타날 수 있음을 확인하였다. 그리고 Nachum(2004)와 Kim(2022)의 연구에서는 지리적 다각화를 선진국가와 개발도상국 지역으로 구분하여 연구를 진행하였으며 지역 간 차이가 있음을 도출하였다. 따라서 본 연구에서는 선행연구를 바탕으로 대륙, 국가를 범위로 한 지리적 다각화의 수준에 따라 기업경영성과에 미치는 영향을 확인하고 선진국/개발도상국 지역으로 구분한 지리적 다각화에 따라 기업경영성과에 미치는 영향을 확인하고자 하였다. 이때, 기업경영성과는 기업의 장부가치를 대용하는 ROE, ROS에 대해 진행하였다. 본 연구의 지리적 다각화를 기준으로 한 연구가설은 아래와 같다.

연구가설 1: GTO의 대륙간 다각화는 기업경영성과에 영향을 미칠 것이다.

세부가설 1-1: GTO의 대륙간 다각화는 ROE와 비선형관계가 있을 것이다.

세부가설 1-2: GTO의 대륙간 다각화는 ROS와 비선형관계가 있을 것이다.

연구가설 2: GTO의 국가간 다각화는 기업경영성과에 영향을 미칠 것이다.

세부가설 2-1: GTO의 국가간 다각화는 ROE와 비선형관계가 있을 것이다.

세부가설 2-2: GTO의 국가간 다각화는 ROS와 비선형관계가 있을 것이다.

연구가설 3: GTO가 선진국 지역의 여러 국가에 진출하는 것은 기업경영성과에 영향을 미칠 것이다.

세부가설 3-1: GTO가 선진국 지역의 여러 국가에 진출하는 것은 ROE에 영향을 미칠 것이다.

세부가설 3-2: GTO가 선진국 지역의 여러 국가에 진출하는 것은 ROS에 영향을 미칠 것이다.

연구가설 4: GTO가 개발도상국 지역의 여러 국가에 진출하는 것은 기업경영성과에 영향을 미칠 것이다.

세부가설 4-1: GTO가 개발도상국 지역의 여러 국가에 진출하는 것은 ROE에 영향을 미칠 것이다.

세부가설 4-2: GTO가 개발도상국 지역의 여러 국가에 진출하는 것은 ROS에 영향을 미칠 것이다.

본 연구에서 연구가설 증명을 위한 연구모형 회귀 방정식은 아래와 같다. [연구모형 1]은 각 통제변수들을 통제한 상황에서 GTO의 지리적 다각화 수준과 기업경영성과간의 관계를 패널자료를 활용하여 선형관계식으로 분석하기 위한 모형이다. [연구모형 2]와 [연구모형 3]은 지리적 다각화 중 대륙간 다각화(GD_inter)와 국가간 다각화 수준(GD_nation)의 2차항과 3차항을 추가하여 지리적 다각화 수준과 기업경영성과간의 비선형관계를 분석하기 위한 모형이다.

이들은 식(7), 식(8), 식(9)와 같으며 이러한 모형을 바탕으로 분석의 순서는 먼저 변수에 대한 기술통계량을 확인하고, 각 변수의 시계열 안정성 확인 및 모형의 적정성 검증을 위한 단위근 검정과 모형 적합성 검정을 진행하였다. 이후 실증분석을 위한 패널회귀분석을 진행하였다.

[연구모형 1]

식 (7) 기업경영성과 it=α+β1( 독립변수 )it+β2ROAit+β3 LEV it+β4 GROW it+β5 SIZE it+β6 Throughput it+β7 Capacity it+μi+λt+ϵit

[연구모형 2]

식 (8) 기업경영성과 it=α+β1( 독립변수 )it+β2( 독립변수 )it2+β3 ROA it+β4LEVit+β5GROWit+β6 SIZE it+β7 Throughput it+β8 Capacity it+μi+λt+ϵit

[연구모형 3]

식 (9) 기업경영성과 it=α+β1( 독립변수 )it+β2( 독립변수 )it2+β3( 독립변수) it3+β4ROAit+β5 LEV it+β6 GROW it+β7 SIZE it+β8 Throughput it+β9 Capacity it+μi+λt+ϵit

다만,

기업경영성과_it : i기업의 t기간의 기업가치(ROE/ROS)

독립변수_it : i기업의 t기간의 지리적다각화 수준(GD_inter, GD_nation, AD_economy, DE_economy)

ROA_it : i기업의 t기간의 총자산이익률(ROA)

LEV_it : i기업의 t기간의 부채비율(LEV)

GROW_it : i기업의 t기간의 매출액증가율(GROW)

SIZE_it : i기업의 t기간의 기업규모(SIZE),

Throughput_it : i기업의 t기간의 총 처리물동량(Throughput)

Capacity_it :i기업의 t기간의 하역능력(Capacity)

μ_i: i개별특성효과

λ_t: t시간특성효과

∊_it: 이외 나머지 오차

4. 연구 결과

4.1 GTO의 지리적 다각화 현황

본 연구의 표본기업인 GTO들에 대한 2022년 기준 지역별 컨테이너터미널 보유 현황을 Drewry(2023) 자료를 기반으로 살펴본 결과, 대부분의 GTO들은 본사 소재 지역을 중심으로 집중되어 있는 경향을 보였다. 특히 홍콩과 대만에 본사를 둔 Cosco Shipping Ports(홍콩), China Merchants Ports(홍콩), Evergreen(대만), Yang Ming(대만)은 전체 컨테이너터미널의 50% 이상을 중화권 및 아시아대륙에서 집중적으로 보유하고 있다. Hutchison Ports(홍콩), PSA International(싱가포르), DP World(중동), 그리고 ICTSI(필리핀)은 본사 소재 지역에 가장 많은 비율로 컨테이너터미널을 보유하고 있으나, 위의 지리적 집중화를 크게 보인 4곳과는 달리 전 세계적으로 고르게 분포된 포트폴리오를 보유하고 있다. 반면, 본사 소재 지역에 집중화된 GTO들과는 달리 HMM(한국), MOL(일본), NYK(일본)은 본사 소재 지역인 동남아시아를 넘어서 북미와 유럽 지역에 강한 입지를 보여주고 있으며 이외에 유럽 및 지중해 지역까지도 상대적으로 다양한 포트폴리오를 보유하고 있다. 표본 GTO들의 컨테이너터미널 보유 지역별 비율 현황은 Table 3과 같다.

Table 3.

Regional distribution of container terminals owned by sample GTOs(2022)

4.2 기술통계량

분석자료의 기본특성을 파악하기 위하여 표본 데이터에 대한 기술통계량을 확인하였다. 이는 Table 4와 같고 분석자료의 평균, 최소값, 최대값, 표준편차 등이 포함된다.

Table 4.

Descriptive statistics of the data set

먼저, 종속변수인 ROE의 평균은 0.025이며 표준편차는 0.446이다. ROE가 가장 높은 기업은 Evergreen(0.736), 가장 낮은 기업은 HMM(2.976)이었다. ROS의 평균은 0.229이며 표준편차는 0.299고, ROS가 가장 높은 기업은 China Merchants Ports(1.038), 가장 낮은 기업은 Hutchison Ports(-0.901)로 나타났다. 독립변수인 엔트로피 지수로 산출한 대륙간 다각화 지수(GD_inter)의 평균은 0.805이며 표준편차는 0.270, 국가간 다각화 지수(GD_nation)의 평균은 1.657, 표준편차는 0.549로 나타나 GTO들의 지리적 다각화는 대륙 단위로 더 고르게 분포되어있는 것을 알 수 있다. 선진국 지역 진출국가 수(AD_economy)의 평균은 10.375이고 최대값은 26, 최소값은 1로 나타났으며 개발도상국 지역 진출국가 수(DE_economy)의 평균은 15.85이고 최대값은 38, 최소값은 0으로 나타났다. 통제변수 중 총자산이익률(ROA)의 평균은 0.052, 표준편차는 0.133, 부채비율(LEV)의 평균은 1.706, 표준편차는 2.965이다. 매출액증가율(GROW)의 평균은 0.095, 표준편차는 0.269로 나타나 GTO들의 매출액증가율은 전반적으로 낮은 편을 확인했다. 기업규모(SIZE)는 평균 22.362이며 표준편차는 1.809, GTO 총 처리물동량(Throughput)의 평균은 39.531(million TEU), 표준편차는 36.998, GTO 하역능력(Capacity)의 평균은 50.931(million TEU), 표준편차는 45.661이다. 특히, 다른 변수들에 비해 GTO의 총 처리물동량 및 하역능력 변수의 표준편차가 상대적으로 높게 나타났다.

4.3 패널회귀분석 결과

4.3.1 패널자료 단위근 및 연구모형 검정

본 연구에서는 시계열과 횡단면을 모두 포함하는 패널자료에 대한 시계열 안정성을 확인하고자 단위근 검정(unit root test)을 진행하였다. 이는 불안정한 시계열을 갖는 변수를 사용할 경우 발생하는 허구적 회귀의 문제를 방지하기 위함이다(Lee, 2022; Kim, 2011). 패널 단위근 검정방법으로는 Augmented Dickey-Fuller(ADF) 단위근 검정을 활용하였고 이에 대한 내용은 Table 5와 같다. 패널 단위근 검정 결과, 지리적 다각화 중 선진국 지역 다각화 지수(AD_economy)와 기업경영성과(ROE, ROS) 그리고 통제변수에서 총자산이익률(ROA), 기업규모(SIZE)가 유의확률 5% 수준에서 단위근이 존재하는 불안정 시계열로 나타났으며, 이외의 변수들은 모두 안정적인 시계열로 확인되었다. 이에 따라 해당 불안정 시계열 변수에 대해 1차차분(difference)을 실시하였고, 불안정 시계열 변수 모두 1차차분을 통하여 안정성이 회복되었고 1차차분한 변수를 분석에 활용하였다.

Table 5.

Results of unit root test

다음으로 패널회귀분석의 모형적합성 검정을 위하여 Breusch Pagan (1980)의 라그랑지 승수 검정(Lagrange Multiplier Test)과 하우즈만 검정(Hausman Test)을 진행하였다. 패널 회귀분석에서 모형 적합성 검정은 모형 내 기업 특성 효과와 시간 특성 효과의 존재 여부를 확인하기 위한 과정이다. 귀무가설로 기업 특성 효과와 시간 특성 효과가 존재하지 않는다고 가정할 경우, 일반최소자승법(OLS)을 통해 효율적인 추정량을 도출할 수 있다. 하지만 귀무가설이 기각될 경우, 오차항은 기업 특성 효과와 시간 특성 효과를 포함하는 이원 오차 구성 모형으로 간주되며, 이 경우 OLS로는 효율적인 추정량을 얻을 수 없다(Kim, 2004). 이를 확인하기 위해 라그랑지 승수 검정(Lagrange Multiplier Test)을 진행하였고 해당 검정이 기각될 경우, 고정효과모형과 확률효과모형의 유의성을 나타내는 하우즈만 검정(Hausman Test)을 진행하였다. 라그랑지 승수 검정(Lagrange Multiplier Test)에서 채택된 가설 및 모형은 OLS패널회귀분석을 진행하였고, 기각된 가설 및 모형은 다시 하우즈만 검정(Hausman Test)을 진행하여 적합한 모형을 선정하였다. 이에 대한 내용은 Table 6과 같다.

Table 6.

Results of model tests for each dependent variable

결과적으로 종속변수 ROE에 대한 연구모형의 경우, 독립변수 선진국 지역 진출국가 수(AD_economy)를 제외한 모든 독립변수(GD_inter, GD_nation, DE_economy)의 연구모형이 유의수준 5%에서 라그랑지 승수 검정이 채택되었으므로 OLS패널회귀분석을 진행하였고, 선진국 지역 진출국가 수(AD_economy)는 라그랑지 승수 검정에서 기각되어 하우즈만 검정을 진행하였고, 그 결과 고정패널회귀분석(FEM)을 진행하였다. 다음으로, 종속변수 ROS는 모든 독립변수(GD_inter, GD_nation, AD_economy, DE_economy)에 대한 연구모형이 라그랑지 승수 검정에서 모두 채택되었으므로 OLS패널회귀분석을 진행하였다.

4.3.2 독립변수 대륙간 다각화에 대한 실증분석 결과

GTO의 지리적 다각화 중 대륙간 다각화에 대한 패널회귀분석 결과는 Table 7과 같다. 여기에는 종속변수별 연구모형 1, 2, 3에 대한 분석 결과를 제시하였다. 먼저 종속변수 ROE에 대한 분석 결과는 다음과 같다.

Table 7.

Panel regression results for the independent variable: GD_inter

[연구모형 1]에서 대륙간 다각화지수(GD_inter)는 회귀계수가 0.034로 나타났으며, 이는 대륙간 다각화지수(GD_inter)가 1% 증가할때 기업경영성과(ROE)는 3.4% 증가하는 것을 의미하지만, 통계적으로는 유의하지 않는 것으로 나타났다. 이는 GTO의 대륙간 다각화 수준과 기업경영성과(ROE)간에는 유의미한 선형관계가 존재하지 않음을 의미한다. [연구모형 2]에서는 1차항(GD_inter), 2차항(GD_inter2)의 회귀계수가 유의수준 1%에서 각각 -1.732, 1.052로 나타나 통계적으로 유의미한 관계를 가지는 것으로 나타났다. 이는 대륙간 다각화지수(GD_inter)가 1% 증가할 때 처음에는 기업경영성과(ROE)가 1.732% 감소하지만 일정 시점 이후에는 1.052% 증가한다는 것을 의미한다. 즉, 대륙간 다각화 수준과 기업경영성과(ROE)간에는 2차형 비선형관계가 있음을 의미하며, GTO의 대륙간 다각화의 진전이 일정 수준까지는 부정적인 효과가 나타나지만, 일정 수준을 넘어서면 긍정적인 효과가 증가하여 기업경영성과(ROE)에 정(+)의 영향을 주는 것으로 해석할 수 있다. 다음으로, [모형 3]에서는 대륙간 다각화 수준의 회귀계수가 각각 -1.593, 0.877, 0.068로 나타났으며, 이는 대륙간 다각화지수(GD_inter)가 1% 증가할 때 처음에는 기업경영성과(ROE)가 1.593% 감소하지만 중간 시점에는 0.877% 증가하며, 그 이후에는 0.068% 증가한다는 것을 의미한다. 그러나 해당 모형은 통계적으로는 유의하지 않는 것으로 나타났다.

이외에 통제변수의 경우, 기업경영성과(ROE)에 유의수준 내에서 통계적으로 유의미한 영향을 미치는 변수는 총자산이익율(ROA), 부채비율(LEV), 기업규모(SIZE)로 나타났다. [연구모형 1], [연구모형 2], [연구모형 3]에서 총자산이익율(ROA)의 회귀계수는 유의수준 1%에서 각각 1.750, 1.795, 1.794로 나타나, 총자산이익율(ROA)이 높아질수록 기업경영성과(ROE)가 증가하는 것으로 나타났다. 부채비율(LEV)의 회귀계수는 유의수준 1%에서 각각 0.094, 0.104, 0.104로, 부채비율이 높아질수록 기업경영성과(ROE)가 증가하는 것으로 나타났다. 이는 부채 조달이 투자성과나 재무 레버지리효과 등에 의해서 기업경영성과에 긍정적인 영향을 준 것으로 해석될 수 있다(Kim, 2004). 또한, [연구모형 2], [연구모형 3]에서 기업규모(SIZE)의 회귀계수는 유의수준 5%에서 각각 -0.296, -0.295로 나타나, 기업규모(SIZE)가 높아질수록 기업경영성과(ROE)가 감소하는 것으로 나타났다. 이는 기업규모가 기업경영성과에 긍정적인 영향을 미친다는 선행연구(Hill and Snell, 1998; Kim, 2001)와는 반대되는 결과로, GTO의 기업규모는 확장될수록 경영 복잡성 증가 및 경영 효율성 감소로 기업경영성과가 낮아질 수 있는 것으로 해석된다.

다음으로 종속변수 ROS에 대한 분석 결과, 모든 연구모형 [연구모형 1], [연구모형 2], [연구모형 3]에서 대륙간 다각화지수(GD_inter)가 통계적으로 유의미하지 않은 것으로 나타났다. 이는 GTO의 대륙간 다각화수준과 기업경영성과(ROS)간에는 어떠한 유의한 관계가 존재하지 않음을 의미한다. 이외에 통제변수의 경우, 기업경영성과(ROS)에 유의수준 내에서 통계적으로 유의미한 영향을 미치는 변수는 총자산이익율(ROA)로 나타났다. [연구모형 1], [연구모형 2], [연구모형 3]에서 총자산이익율(ROA)의 회귀계수는 유의수준 1%에서 각각 1.782, 1.788, 1.795로 나타나, 총자산이익률(ROA)이 높아질수록 기업경영성과(ROE)가 증가하는 것으로 나타났다.

분석 결과에 따라, [연구가설 1]의 [세부가설 1-1]은 통계적으로 유의미한 영향을 미치는 것으로 나타나 채택되었으나, [세부가설 1-2]는 통계적으로 유의하지 않으므로 기각되었다.

4.3.3 독립변수 국가간 다각화에 대한 실증분석 결과

GTO의 지리적 다각화 중 국가간 다각화에 대한 패널회귀분석 결과는 Table 8과 같다. 여기에는 종속변수별 연구모형 1, 2, 3에 대한 분석 결과를 제시하였다. 먼저 종속변수 ROE에 대한 분석 결과는 다음과 같다.

Table 8.

Panel regression results for the independent variable: GD_nation

[연구모형 1], [연구모형 2], [연구모형 3]에서 국가간 다각화지수(GD_nation)가 통계적으로 유의미하지 않은 것으로 나타났다. 이는 GTO의 국가간 다각화수준과 기업경영성과(ROE)간에는 어떠한 유의한 관계가 존재하지 않음을 의미한다. 이외에 통제변수의 경우, 기업경영성과(ROE)에 유의수준 내에서 통계적으로 유의미한 영향을 미치는 변수는 총자산이익율(ROA)과 부채비율(LEV)로 나타났다. [연구모형 1], [연구모형 2], [연구모형 3]에서 총자산이익율(ROA)의 회귀계수는 유의수준 1%에서 각각 1.753, 1.737, 1.706으로 총자산이익률(ROA)이 높아질수록 기업경영성과(ROE)가 증가하는 것으로 나타났다. 부채비율(LEV)의 회귀계수는 유의수준 1%에서 각각 0.096, 0.097, 0.098로 부채비율이 높아질수록 기업경영성과(ROE)가 증가하는 것으로 나타났다.

다음으로 종속변수 ROS에 대한 분석 결과, 모든 연구모형 [연구모형 1], [연구모형 2], [연구모형 3]에서 국가간 다각화지수(GD_nation)가 통계적으로 유의미하지 않은 것으로 나타났다. 이는 GTO의 국가간 다각화수준과 기업경영성과(ROS)간에는 어떠한 유의한 관계가 존재하지 않음을 의미한다. 이외에 통제변수의 경우, 기업경영성과(ROE)에 유의수준 내에서 통계적으로 유의미한 영향을 미치는 변수는 총자산이익율(ROA)로 나타났다. [연구모형 1], [연구모형 2], [연구모형 3]에서 총자산이익율(ROA)의 회귀계수는 유의수준 1%에서 각각 1.782, 1.791, 1.803으로 총자산이익률(ROA)이 높아질수록 기업경영성과(ROE)가 증가하는 것으로 나타났다. 결과적으로, GTO의 국가간 지리적 다각화 수준과 기업경영성과(ROE, ROS) 간에는 유의미한 관계가 없는 것으로 밝혀졌다.

분석 결과에 따라, [연구가설 2]의 [세부가설 2-1]와 [세부가설 2-2]는 통계적으로 유의하지 않으므로 기각되었다.

4.3.4 독립변수 선진국 지역 다각화에 대한 실증분석 결과

GTO의 지리적 다각화 중 선진국 지역 다각화에 대한 패널회귀분석 결과는 Table 9와 같다. 여기에는 종속변수별 연구모형 1에 대한 분석 결과를 제시하였다. 먼저 종속변수 ROE에 대한 분석 결과는 다음과 같다. GTO의 선진국 지역 다각화(AD_economy)의 회귀계수는 -0.008로 나타났으며, 이는 선진국 지역 다각화(AD_economy)가 1% 증가할 때 기업경영성과(ROE)는 0.008% 감소하는 것을 의미하지만, 통계적으로 유의미하지 않는 것으로 나타났다. 이는 GTO의 선진국 지역 다각화와 기업경영성과(ROE)간에는 어떠한 유의한 관계가 존재하지 않음을 의미한다. 이외에, 기업경영성과(ROE)에 유의수준 내에서 통계적으로 유의미한 영향을 미치는 변수는 총자산이익율(ROA), 부채비율(LEV), 매출액증가율(GROW)로 나타났다. 총자산이익율(ROA)의 회귀계수는 유의수준 1%에서 1.706으로 총자산이익률이 높아질수록 기업경영성과(ROE)가 증가하는 것으로 나타났다. 부채비율(LEV)의 회귀계수는 유의수준 1%에서 0.114로 부채비율이 높아질수록 기업경영성과(ROE)가 증가하는 것으로 나타났다. 매출액증가율(GROW)의 회귀계수는 유의수준 1%에서 0.184로 매출액증가율이 높아질수록 기업경영성과(ROE)가 증가하는 것으로 나타났다. 다음으로 종속변수 ROS에 대한 분석 결과는 다음과 같다. GTO의 선진국 지역 다각화(AD_economy)의 회귀계수가 -0.000로 나타나 통계적으로 유의하지 않은 관계를 가지는 것으로 나타났다. 이는 선진국 지역 다각화와 기업경영성과(ROS)간에는 어떠한 유의한 관계가 존재하지 않음을 의미한다. 이외에 통제변수의 경우, 기업경영성과(ROS)에 유의수준 내에서 통계적으로 유의미한 영향을 미치는 변수는 총자산이익율(ROA)로 나타났다. 총자산이익율(ROA)의 회귀계수는 유의수준 1%에서 1.783으로 총자산이익률이 높아질수록 기업경영성과(ROS)가 증가하는 것으로 나타났다. 분석 결과에 따라, GTO의 선진국 지역 다각화와 기업경영성과(ROE, ROS) 간에는 유의미한 관계가 없는 것으로 밝혀졌다. 이에 따라 [연구가설 3]의 [세부가설 3-1]과 [세부가설 3-2]는 모두 통계적으로 유의하지 않으므로 기각되었다.

Table 9.

Panel regression results for the independent variable: AD_economy

4.3.5 독립변수 개발도상국 지역 다각화에 대한 실증분석 결과

GTO의 지리적 다각화 중 개발도상국 지역 다각화에 대한 패널회귀분석 결과는 Table 10과 같다. 여기에는 종속변수별 연구모형 1에 대한 분석 결과를 제시하였다. 먼저 종속변수 ROE에 대한 분석 결과는 다음과 같다. GTO의 개발도상국 지역 다각화(DE_economy)의 회귀계수가 유의수준 1%에서 0.008로 나타났으며, 이는 개발도상국 지역 다각화(DE_economy)가 1% 증가할 때 기업경영성과(ROE)는 0.008% 증가하는 것을 의미한다. 이는 개발도상국 지역 다각화와 기업경영성과(ROE)간에는 유의미한 선형관계가 있음을 의미한다. 이외에, 기업경영성과(ROE)에 유의수준 내에서 통계적으로 유의미한 영향을 미치는 변수는 총자산이익율(ROA)과 부채비율(LEV)로 나타났다. 총자산이익율(ROA)의 회귀계수는 유의수준 1%에서 1.749로 총자산이익률(ROA)이 높아질수록 기업경영성과(ROE)가 증가하는 것으로 나타났다. 부채비율(LEV)의 회귀계수는 유의수준 1%에서 0.101로 부채비율이 높아질수록 기업경영성과(ROE)가 증가하는 것으로 나타났다. 다음으로 종속변수 ROS에 대한 분석 결과, GTO의 개발도상국 지역 다각화(DE_economy)의 회귀계수가 0.002로 나타나 개발도상국 지역 다각화(DE_economy)가 1% 증가할 때 기업경영성과는 0.002% 증가하는 것을 의미하나, 통계적으로 유의하지 않은 관계를 가지는 것으로 나타났다. 이는 개발도상국 지역 다각화와 기업경영성과(ROS)간에는 어떠한 유의한 관계가 존재하지 않음을 의미한다. 이외에, 기업경영성과(ROS)에 유의수준 내에서 통계적으로 유의미한 영향을 미치는 변수는 총자산이익율(ROA)로 나타났다. 총자산이익율(ROA)의 회귀계수는 유의수준 1%에서 1.783으로 총자산이익률(ROA)이 높아질수록 기업경영성과(ROS)가 증가하는 것으로 나타났다. 결과적으로, GTO의 개발도상국 지역 다각화와 기업경영성과(ROE) 간에는 선형관계가 존재하는 것으로 밝혀졌다. 분석 결과에 따라, [연구가설 4]의 [세부가설 4-1]은 통계적으로 유의미한 영향을 미치는 것으로 나타나 채택되었으나, [세부가설 4-2]는 통계적으로 유의하지 않으므로 기각되었다.

Table 10.

Panel regression results for the independent variable: DE_economy

4.3.6 종합분석 결과

종합적으로 실증분석에 따른 연구가설의 결과는 Table 11과 같다. 분석 결과를 종합하여 보면, GTO의 지리적 다각화 중 대륙간 다각화는 기업경영성과 중 자기자본이익률(ROE)에 영향을 미치는데, 이때 일정 수준까지는 부정적 영향을 미치다가 일정 수준이 지나면 긍정적 영향으로 바뀌는 비선형적 관계가 있음을 밝혔다. 즉, GTO의 터미널이 여러 대륙에 걸쳐 분포하는 것은 일정 수준까지는 기업경영성과를 감소시키지만, 일정 수준이 지나면 기업경영성과를 증가시키는 것으로 해석할 수 있다. 다음으로, GTO의 개발도상국 지역 진출국가 수는 기업경영성과인 자기자본이익률(ROE)에 정(+)의 영향을 미치는 것으로 나타났으며, 이는 GTO의 터미널을 국가 단위로 세분화하여 개발도상국 지역으로 진출한 국가의 개수는 기업경영성과에 긍정적인 영향을 미치는 것을 의미한다. 즉, GTO의 터미널이 개발도상국 지역으로 진출할수록 기업경영성과를 증가시킬 수 있는 것으로 해석할 수 있다.

Table 11.

Results by research hypotheses

5. 결 론

본 연구는 GTO의 지리적 다각화가 기업경영성과에 미치는 영향을 패널회귀분석을 이용하여 실증적으로 검증하고자 하였다. 분석대상 기업은 Drewry보고서에 의해 집계된 운영사 21개사 중 재무자료 수집이 가능하며, 운영사의 지역별 항만에 대한 자료 수집이 가능한 11개사의 운영사를 선정하였다. 분석자료의 수집 기간은 자료를 수집할 수 있었던 2015년부터 2022년까지 8개년으로 진행하였다. 분석에 사용된 패널 자료는 11개 기업이 횡단면 단위(cross section unit)를 구성하고, 기업별 8년간 시계열 자료를 사용하였다.

GTO의 지리적 다각화가 기업경영성과에 미치는 영향에 한 분석 결과는 다음과 같다.

첫째, GTO들의 지리적 다각화 현황을 살펴보면, 본사 소재 지역을 중심으로 컨테이너터미널을 집중적으로 보유하고 있는 기업(Cosco Shipping Ports, China Merchants Ports, Evergreen, Yang Ming), 본사 소재 지역에 가장 많은 컨테이너터미널을 보유하고 있되, 전 세계적으로 고르게 지리적 다각화를 진행한 기업(Hutchison Ports, PSA International, DP World), 그리고 본사 소재 지역을 넘어 북미, 유럽, 지중해 지역에 가장 입지를 보이며 글로벌 포트폴리오를 보유한 기업(HMM, MOL, NYK)등으로 나타났다.

둘째, GTO의 지리적 다각화 중 대륙간 다각화는 기업경영성과 중 자기자본이익률(ROE)에 영향을 미치며, 비선형적 관계가 있는 것으로 나타났다. 이는 GTO의 터미널이 여러 대륙에 걸쳐 지리적 다각화를 추진하는 것은 초기에는 기업경영성과를 감소시키지만, 일정 수준이 지나면 기업경영성과를 증가시키는 것으로 해석할 수 있다.

셋째, GTO의 지리적 다각화 중 국가간 다각화와 선진국 지역 진출 국가 수는 기업경영성과 중 자기자본이익률(ROE)과 매출액 순이익률(ROS)에 유의미한 영향을 미치지 않으며, 어떠한 선형적 관계도 없음이 나타났다.

넷째, GTO의 지리적 다각화 중 개발도상국 지역 진출 국가 수는 기업경영성과인 자기자본이익률(ROE)에 선형적인 영향을 미치는 것으로 나타났다. 이는 GTO가 개발도상국 지역으로 지리적 다각화를 진행한다면 기업경영성과에 긍정적인 영향을 줄 수 있음을 의미한다.

이러한 분석 결과를 통한 본 연구의 시사점은 아래와 같다.

본 연구는 이미 전 세계적으로 다양한 터미널을 보유하여 글로벌 지리적 경쟁력을 확보하고 있는 GTO의 지리적 다각화 수준을 정량적 수치로 측정하여 파악해본 것에 그 의의가 있으며 이를 통하여 GTO들의 현재 지리적 다각화 전략 현황과 수준을 실질적으로 파악할 수 있었으며, 기업별로 전략적 차이가 있음을 확인하였다.

그리고 GTO의 대륙간 지리적 다각화 수준에 따라 기업경영성과(ROE)에 미치는 영향 관계가 상이하다는 결과를 통하여 무분별한 대륙간 지리적 확장보다 효율적이고 점진적인 다각화 전략이 필요함을 알 수 있으며 특히, 개발도상국 지역으로 지리적 범위의 확장은 기업경영성과에 긍정적인 영향을 미치므로 개발도상국 지역의 잠재력을 중요하게 고려할 필요가 있음을 도출하였다.

따라서, GTO 및 지역 컨테이너터미널 운영사(Regional Terminal Operator, RTO)들은 단기적 성과에만 집중하기보다는 장기적 관점에서 지리적 다각화에 투자하여 규모의 경제효과 및 운영 효율성을 향상시켜야 할 것을 시사한다. 다만, 전 세계적인 영향을 많이 받는 글로벌 컨테이너터미널 운영상의 특성상 지리적 다각화는 다양한 외부적 환경의 영향에 따라 달라질 수 있으므로 전략적이고 효율적인 기업경영을 추진해야 할 것이다.

본 연구에는 아래와 같은 한계점이 있다.

먼저, 전 세계적으로 사업을 영위하는 GTO는 21개사에 불과하여 분석 집단의 규모가 상대적으로 작았다. 또한, 본 연구에서는 기업의 재무 정보와 지역별 항만 정보를 수집할 수 있는 GTO만을 표본으로 선정하였기 때문에, 전체 GTO를 대상으로 한 분석이 이루어지지 못했다는 한계점이 존재한다. 또한, GTO는 기업별로 상이한 자본구조와 지배구조를 가지고 있어 기업의 형태가 매우 다양하다. 그러나 이러한 외부적 요인을 모두 통제하는 것은 현실적으로 어려우며 본 연구의 연구모형에서는 이러한 요인들을 충분히 반영하지 못한 한계가 있다.

그럼에도 불구하고, 본 연구의 결과는 GTO의 경영 다각화 전략 중 지리적 관점에서 선제적인 연구로서 의미를 가지며 특히, 영세한 국내 컨테이너터미널 운영사의 이해관계자들에게 기업 운영 방향성에 대한 보다 구체적인 의사결정 근거를 제공할 수 있을 것이다. 또한, 기존 연구에서 GTO의 지리적 다각화에 대한 관심과 정보가 부족했던 점을 고려할 때, 본 연구는 이에 대한 학술적 공백을 보완하는 데 기여했다는 점에서 의의를 가진다.

References

[1]. Benito-Osorio D., Colino A., Guerras-Martín L. Á., Zúñiga-Vicente J. Á.. 2020;The combined effects of product and geographical diversification on performance: Evidence in manufacturing SMEs. BRQ Business Research Quarterly 23(2):91–106.

[2]. Bichou K., Bell M. G.. 2007;Internationalisation and consolidation of the container port industry: assessment of channel structure and relationships. Maritime Economics & Logistics 9(4):35–51.

[3]. Breusch T. S., Pagan A. R.. 1980;The Lagrange multiplier test and its applications to model specification in econometrics. The Review of Economic Studies 47(1):239–253.

[4]. Capar N., Kotabe M.. 2003;The relationship between international diversification and performance in service firms. Journal of International Business Studies 34(4):345–355.

[5]. De Souza G. A., Beresford A. K., Pettit S. J.. 2003;Liner shipping companies and terminal operators: Internationalisation or globalisation? Maritime Economics & Logistics 5(4):393–412.

[6]. Hamel G.. 1991;Competition for competence and interpartner learning within international strategic alliances. Strategic Management Journal 12(S1):83–103.

[7]. Hill C. W., Snell S. A.. 1988;External control, corporate strategy, and firm performance in research‐intensive industries. Strategic Management Journal 9(6):577–590.

[8]. Hitt M. A., Hoskisson R. E., Kim H.. 1997;International diversification: Effects on innovation and firm performance in product-diversified firms. Academy of Management Journal 40(4):767–798.

[9]. Jacquemin A. P., Berry C. H.. 1979;Entropy measure of diversification and corporate growth. The Journal of Industrial Economics 27(4):359–369.

[10]. Kang G. C.. 2010. Econometrics: Theory and Practice Onnuri. p. 247–280.

[11]. Kang K. H., Lee S., Choi K., Lee K.. 2011;Geographical diversification, risk, and firm performance of US casinos. Tourism Geographies 14(1):117–146.

[12]. Kim B. G.. 2004;Analysis of the relationship between business diversification and corporate value using the fixed effects model. Journal of Financial Engineering 3(2):111–133.

[13]. Kim B. G., Park S. H.. 2001;The effect of the relationship between corporate diversification and capital structure on corporate value. Journal of Management Studies 30(4):1365–1387.

[14]. Kim D. I.. 2011. Econometric Analysis Using EViews Philosophy & Art. p. 150–222.

[15]. Kim S. S.. 2022;The impact of geographic diversification on corporate performance: Focusing on Korean multinational corporations under the global financial crisis. Management Consulting Research 22(3):141–152.

[16]. Kim Y. S., Mathur I.. 2008;The impact of geographic diversification on firm performance. International Review of Financial Analysis 17(4):747–766.

[17]. Kwon T. H., Bae S. C., Park S. H.. 2018;Sales growth and the effect of geographical diversification. Journal of the Korean Securities Association 47(1):97–129.

[18]. Lee G. B., Ryu Y. R., Ji S. H.. 2012;A study on the relationship between key financial indicators of companies and investment activities. Journal of the Korean Management Association 25(1):323–343.

[19]. Lee J. H., Yoon W. Y., Park J. D.. 2020;Analysis of the impact of macroeconomic indicators on the financial performance of terminal operators: Focusing on global terminal operators. Journal of the Korean Port Economics Association 36(1):129–140.

[20]. Lee S. C., Kim Y. J.. 2022;A study on the impact of servitization of manufacturing companies on corporate financial performance: Focusing on the moderating effect of manufacturing-service convergence level and the time difference effect of servitization. Journal of Management Education Research 37(3):1–28.

[21]. Nachum L.. 2004;Geographic and industrial diversification of developing country firms. Journal of Management Studies 41(2):273–294.

[22]. Notteboom T., Rodrigue J. P.. 2012;The corporate geography of global container terminal operators. Maritime Policy & Management 39(3):249–279.

[23]. Notteboom T., Rodrigue J. P.. 2023;Maritime container terminal infrastructure, network corporatization, and global terminal operators: Implications for international business policy. Journal of International Business Policy 6(1):67–83.

[24]. Peters H. J.. 2001;Developments in global seatrade and container shipping markets: their effects on the port industry and private sector involvement. International Journal of Maritime Economics 3(1):3–26.

[25]. Qian G., Khoury T. A., Peng M. W., Qian Z.. 2010;The performance implications of intra- and inter-regional geographic diversification. Strategic Management Journal 31(9):1018–1030.

[26]. Qian G., Li L., Li J., Qian Z.. 2008;Regional diversification and firm performance. Journal of International Business Studies 39(2):197–214.

[27]. Solano L. V. L., Brümmer B., Engler A., Otter V.. 2019;Effects of intra- and inter-regional geographic diversification and product diversification on export performance: Evidence from the Chilean fresh fruit export sector. Food Policy 86:101730.

[28]. Wiersema M. F., Bowen H. P.. 2011;The relationship between international diversification and firm performance: Why it remains a puzzle. Global Strategy Journal 1(1-2):152–170.

[29]. Yoo J., Seo S. G., Kim T. J.. 2023;The impact of geographical and product diversification of Chinese manufacturing companies on corporate value: Focusing on the moderating effect of derivatives use. Journal of Management and Economics 45(1):59–85.

Article information Continued

This is an Open Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (http://creativecommons.org/licenses/by-nc/3.0/) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.

Category	Variable	Researcher
Geographic Diversification	Herfindahl Index	Kim and Mathur (2008), Kang et al (2011)
	Entropy Index	Benito-Osorio et al (2020)
	Number of Countries in Overseas Expansion	Kim (2022)
	Regional Revenue Data	Kwon et al (2018)
Corporate Performance	Tobin’s Q	Kim and Mathur (2008), Kang et al (2011), Kwon et al (2018)
	ROS	Kim (2022)
	ROA	Benito-Osorio et al (2020)
	Corporate Excess Value	Kim and Mathur (2008), Kwon et al (2018)

No.	Global Terminal Operator	Type	Corporate	Financial report	Drewry report	Year
1	Cosco Shipping Ports	Hybrids	Public	○	○	2015-2022
2	PSA International	Stevedores	Private	○	○	2015-2022
3	Hutchison Ports	Stevedores	Public	○	○	2015-2022
4	DP World	Stevedores	Private	○	○	2015-2022
5	China Merchants Ports	Stevedores	Public	○	○	2015-2022
6	ICTSI	Stevedores	Public	○	○	2015-2022
7	Evergreen	Hybrids	Public	○	○	2015-2022
8	HMM	Hybrids	Public	○	○	2015-2022
9	MOL	Hybrids	Public	○	○	2015-2022
10	NYK	Hybrids	Public	○	○	2015-2022
11	Yang Ming	Hybrids	Public	○	○	2015-2022

Variable	GD inter	GD nation	AD economy	DE economy	ROE	ROS
ADF Statistics	45.07 (0.002)	61.91 (0.000)	21.34 (0.093)	29.01 (0.023)	19.42 (0.619)	14.84 (0.869)
Panel Unit Root	X	X	O	X	O	O
Variable	ROA	LEV	GROW	SIZE	Throughput	Capacity
ADF Statistics	26.22 (0.242)	37.07 (0.023)	37.07 (0.011)	9.23 (0.992)	36.50 (0.026)	36.50 (0.026)
Panel Unit Root	O	X	X	O	X	X

Category		Model 1	Model 2	Model 3
Category		β (t-statistics)	β (t-statistics)	β (t-statistics)
ROE (OLS)	GD_inter	0.034 (0.437)	-1.732 (-4.151)***	-1.593 (-1.124)
	GD_inter2	-	1.052 (4.295)***	0.877 (0.509)
	GD_inter3	-	-	0.068 (0.102)
	ROA	1.750 (7.478)***	1.795 (8.573)***	1.794 (8.497)***
	LEV	0.094 (12.810)***	0.104 (14.964)***	0.104 (14.815)***
	GROW	0.108 (1.277)	0.134 (1.756)*	0.133 (1.718)*
	SIZE	-0.281 (-1.906)*	-0.296 (-2.252)**	-0.295 (-2.217)**
	Throughput	-0.001 (-0.125)	-0.002 (-0.659)	-0.002 (-0.647)
	Capacity	0.002 (0.589)	0.004 (1.374)	0.004 (1.354)
	F-statistic/R²	42.347***/0.811	48.731***/0.851	42.687***/0.851
ROS (OLS)	GD_inter	-0.008 (-0.150)	-0.261 (-0.792)	-1.169 (-1.049)
	GD_inter2	-	0.151 (0.778)	1.295 (0.955)
	GD_inter3	-	-	-0.445 (-0.853)
	ROA	1.782 (10.811)***	1.788 (10.806)***	1.795 (10.812)***
	LEV	-0.002 (-0.500)	-0.001 (-0.233)	-0.001 (-0.175)
	GROW	0.089 (1.497)	0.093 (1.548)	0.100 (1.637)
	SIZE	-0.087 (-0.845)	-0.089 (-0.864)	-0.098 (-0.937)
	Throughput	-0.003 (-1.173)	-0.003 (-1.255)	-0.004 (-1.299)
	Capacity	0.002 (1.011)	0.002 (1.124)	0.003 (1.179)
	F-statistic/R²	28.713***/0.744	25.056***/0.746	22.264***/0.749

Category		Model 1	Model 2	Model 3
Category		β (t-statistics)	β (t-statistics)	β (t-statistics)
ROE (OLS)	GD_nation	0.059 (1.326)	0.256 (1.121)	-0.978 (-0.629)
	GD_nation2	-	-0.057 (-0.877)	0.756 (0.744)
	GD_nation3	-	-	-0.163 (-0.802)
	ROA	1.753 (7.574)***	1.737 (7.470)***	1.706 (7.218)***
	LEV	0.096 (12.960)***	0.097 (12.932)***	0.098 (12.686)***
	GROW	0.111 (1.315)	0.106 (1.267)	0.091 (1.056)
	SIZE	-0.277 (-1.910)*	-0.273 (-1.870)*	-0.243 (-1.614)
	Throughput	0.002 (0.399)	0.002 (0.509)	0.004 (0.856)
	Capacity	-0.000 (-0.033)	-0.000 (-0.130)	-0.002 (-0.516)
	F-statistic/R²	43.529***/0.815	38.056***/0.817	33.721***/0.819
ROS (OLS)	GD_nation	-0.005 (-0.154)	-0.115 (-0.707)	0.362 (0.326)
	GD_nation2	-	0.032 (0.691)	-0.282 (-0.389)
	GD_nation3	-	-	0.063 (0.434)
	ROA	1.782 (10.814)***	1.791 (10.794)***	1.803 (10.656)***
	LEV	-0.002 (-0.515)	-0.003 (-0.606)	-0.003 (-0.692)
	GROW	0.089 (1.496)	0.091 (1.523)	0.097 (1.573)
	SIZE	-0.088 (-0.854)	-0.091 (-0.877)	-0.102 (-0.951)
	Throughput	-0.003 (-1.110)	-0.003 (-1.186)	-0.004 (-1.230)
	Capacity	0.002 (0.949)	0.002 (1.016)	0.003 (1.091)
	F-statistic/R²	28.714***/0.744	24.994***/0.746	21.972***/0.746

Variable	N	Mean	Min.	Max.	S.D.
ROE	88	0.025	-2.976	0.736	0.446
ROS	88	0.229	-0.901	1.038	0.299
GD_inter	88	0.805	0.241	1.413	0.270
GD_nation	88	1.657	0.743	2.632	0.549
AD_economy	88	10.375	1.000	26.000	6.446
DE_economy	88	15.852	0.000	38.000	13.865
ROA	88	0.052	-0.388	0.449	0.133
LEV	88	1.706	0.000	24.991	2.965
GROW	88	0.095	-0.368	1.363	0.269
SIZE	88	22.362	16.824	24.030	1.809
Throughput	88	39.531	3.900	118.825	36.998
Capacity	88	50.931	6.400	141.600	45.661

Model Fit Test		Lagrange Multiplier Test
Independent Variable	Model	ROE	ROS
GD_inter	Model 1	Accepted	Accepted
	Model 2	Accepted	Accepted
	Model 3	Accepted	Accepted
GD_nation	Model 1	Accepted	Accepted
	Model 2	Accepted	Accepted
	Model 3	Accepted	Accepted
AD_economy	Model 1	Rejected(FEM)	Accepted
DE_economy	Model 1	Accepted	Accepted

Hypothesis		Statement	Result
1		The intercontinental diversification of GTOs will influence corporate performance	-
	1-1	The intercontinental diversification of GTOs will have a non-linear relationship with ROE	Accepted
	1-2	The intercontinental diversification of GTOs will have a non-linear relationship with ROS	Rejected
2		The international diversification of GTOs will influence corporate performance	-
	2-1	The international diversification of GTOs will have a non-linear relationship with ROE	Rejected
	2-2	The international diversification of GTOs will have a non-linear relationship with ROS	Rejected
3		The expansion of GTOs into multiple developed countries will influence corporate performance	-
	3-1	The expansion of GTOs into multiple developed countries will influence ROE	Rejected
	3-2	The expansion of GTOs into multiple developed countries will influence ROS	Rejected
4		The expansion of GTOs into multiple developing countries will influence corporate performance	-
	4-1	The expansion of GTOs into multiple developing countries will influence ROE	Accepted
	4-2	The expansion of GTOs into multiple developing countries will influence ROS	Rejected