변이할당분석을 활용한 국내 항만연관산업의 경영성과 특성 분석

An Analysis of Managerial Performance Characteristics of Korea’s Port-Related Industries Using Shift-Share Analysis

Article information

J Navig Port Res. 2025;49(3):324-334

Publication date (electronic) : 2025 June 30

doi : https://doi.org/10.5394/KINPR.2025.49.3.324

Jang-Hyup Han ^*, Chae-Bogk Kim^,^†

^*Senior Researcher, Korea Maritime Institute, Busan, Korea

^†Professor, School of Business Administration and RIEEE, Kyungpook National University, Daegu, Korea

한장협^*, 김채복^,^†

^*한국해양수산개발원 전문연구원

^†경북대학교 경영학부 교수

^†Corresponding author : 정회원, kimcb@knu.ac.kr 053)950-5444

Received 2025 April 25; Revised 2025 May 14; Accepted 2025 May 21.

Abstract

본 연구는 변이할당분석(Shift-Share Analysis, SSA)을 활용하여 국내 항만기업의 경영성과에 영향을 미치는 요인을 실증적으로 분석하였다. 매출액, 영업이익, 종사자 수를 기준으로 국가성장효과, 산업구조효과와 지역할당효과를 분석한 결과, 지역별 항만기업 간에 유의미한 차이가 나타났다. 서울특별시, 대전광역시, 충청남도 등은 산업구조와 지역할당 효과 모두 우수한 성과를 보였으나, 경기도, 부산광역시 등은 지역할당 효과가 부정적이어서 경영성과가 좋지 않았다. 이러한 결과는 항만기업의 경영성과가 국가적 성장뿐만 아니라 지역경제 및 산업구조 변화에 크게 영향을 받는다는 점을 시사한다. 본 연구는 항만기업의 경영성과 제고를 위한 지역 맞춤형 정책 수립의 기초자료를 제공하며, 향후 개별 항만기업의 경영성과 증진을 위한 정성적 요인분석과 국제 비교연구의 필요성을 제안한다.

Trans Abstract

This study empirically analyzed factors influencing managerial performance among Korean port enterprises using the Shift-Share Model. Based on measurements of sales revenue, operating profit, and the number of employees, this study found that managerial performances of regional port firms were different according to effects of national growth, industrial structure, and regional allocation. Analysis results showed that port firms in regions such as Seoul, Daejeon, and Chungcheongnam demonstrated superior managerial performance due to both favorable effects of industrial structure and regional allocation. However, port firms in regions such as Gyeonggi-do and Busan showed inferior managerial performance because of negative regional allocation effect. These findings indicate that managerial performances of port firms are affected by effects of national growth, industrial structure, and regional allocation. This study advocates the need of customized regional policies and provides basic analysis data to enhance managerial performance of Korean port firms. Moreover, it suggests that future research by performing qualitative factor analysis and an international comparative study for each port firm is needed to improve managerial performance.

Keywords: shift-share analysis; Korean port firm; managerial performance; national growth effect; industrial structure effect; regional allocation effect

Keywords: 변이할당분석; 국내 항만기업; 경영성과; 국가성장효과; 산업구조효과; 지역할당효과

1. 서 론

항만기업은 글로벌 공급망에서 핵심적인 역할을 수행하며, 해운·물류산업의 중추적 요소로서 국가 경제 및 지역 경제 발전에 중대한 영향을 미친다. 특히, 국제 교역의 확대, 물류 네트워크의 복잡화, 자동화 및 디지털 전환 등의 환경 변화 속에서 항만기업의 경영성과를 분석하는 것은 학문적·실무적 관점에서 중요한 연구 과제이다(Stopford, 2009). 최근 해운 및 항만산업의 패러다임 변화는 항만기업의 경쟁력을 결정짓는 주요 요인을 변화시키고 있으며, 이에 따라 기업 성과의 결정 요인을 보다 정교하게 분석할 필요성이 대두되고 있다.

기존 연구에서는 항만기업의 경영성과를 평가하기 위해 재무적 성과지표(예: 매출액, 순이익, 자산수익률)와 운영적 성과지표(예: 물동량 처리 실적, 생산성 지수) 등을 활용하여 기업의 효율성과 경쟁력을 분석하였다(Cullinane et al., 2006; Talley, 2009). 그러나 이러한 분석은 개별 기업의 내부적 역량과 경영 전략을 중심으로 이루어진 경우가 많으며, 기업 성과가 거시적인 지역 및 산업 구조 변화에 의해 어떻게 영향을 받는지에 대한 분석은 상대적으로 부족한 실정이다. 항만기업의 경영성과는 단순히 개별 기업의 전략적 선택뿐만 아니라, 기업이 위치한 지역의 경제적 특성과 산업 구조의 변화에 의해 크게 좌우될 수 있다. 이에 따라, 기업 경영성과의 변화 요인을 보다 거시적인 측면에서 분석하기 위한 방법론적 접근의 필요성이 요구된다.

본 연구는 변이할당분석(Shift-Share Analysis, SSA)을 활용하여 국내 항만기업의 경영성과 변동 요인을 분석하는 것을 목적으로 한다. 변이할당분석은 경제학 및 지역경제 분석에서 사용되는 방법론으로, 특정 산업 내 개별 기업 또는 지역의 성과 변화를 산업 전반의 성장 요인, 구조적 요인, 경쟁적 요인으로 분해하여 분석할 수 있다는 장점을 가진다(Dunn, 1960). 기존의 성과 분석 방법이 개별 기업의 내부적 요인에 집중하는 반면, 변이할당분석은 지역 경제 및 산업 환경의 영향을 정량적으로 측정할 수 있어 항만기업의 경영성과 변동 요인을 보다 체계적으로 규명하는 데 유용하다. 본 연구는 이러한 분석을 통해 국내 항만기업의 성과 변동을 체계적으로 설명하고, 항만산업 내 기업 경쟁력을 강화하기 위한 정책적·실무적 시사점을 도출하고자 한다.

연구는 총 5개의 장으로 구성된다. 제2장에서는 변이할당분석의 개념과 기존 연구를 검토하고, 항만기업의 경영성과 결정요인에 관한 선행연구를 정리한다. 제3장에서는 연구모형과 데이터 수집 방법, 분석 방법론을 구체적으로 제시한다. 제4장에서는 실증 분석을 수행하여 국내 항만기업의 경영성과 변동 요인을 도출하고, 연구 결과를 바탕으로 정책적 및 실무적 시사점을 논의한다. 마지막으로, 제5장에서는 연구 결과를 요약하고, 본 연구의 한계 및 향후 연구 방향을 제시한다.

2. 이론적 배경 및 선행연구 검토

2.1 항만기업의 경영성과 관련 연구

항만기업의 경영성과는 기업의 운영 효율성, 시장 경쟁력, 정책적 지원, 디지털화 수준 등 다양한 요인에 의해 결정된다(Wang and Cullinane, 2006). 항만산업은 해운 및 물류산업과 밀접하게 연계되어 있으며, 글로벌 공급망 내에서 중요한 역할을 수행하는 만큼, 개별 항만기업의 성과는 산업적·지역적 환경 변화에 영향을 받을 수밖에 없다. 이에 따라 항만기업의 성과를 분석하는 연구는 기존의 단순한 재무적 성과 평가를 넘어, 운영 효율성, 서비스 품질, 지속가능성, 기술 혁신 등의 다양한 측면을 포함하는 방향으로 발전해왔다(Pallis et al., 2011).

항만기업의 경영성과는 일반적으로 재무적 성과(Financial Performance)와 비재무적 성과(Non-financial Performance)로 구분된다(Heaver, 2006). 재무적 성과는 매출액, 영업이익, 투자수익률(ROI), 자기자본이익률(ROE) 등의 지표를 활용하여 측정되며, 기업의 수익성과 성장성을 평가하는 데 중요한 역할을 한다. 반면, 비재무적 성과는 고객 만족도, 서비스 품질, 운영 안정성, 친환경 운영 등의 지표로 평가되며, 최근에는 항만기업의 지속가능성과 디지털 전환 수준이 주요한 성과 지표로 주목받고 있다(Seo, 2023; Shin et al., 2022). 특히, 글로벌 환경규제 강화와 4차 산업혁명 기술의 발전에 따라, 스마트 항만(Smart Port) 개념이 확산되면서 항만기업의 지속가능한 경영전략과 디지털 전환이 경영성과에 미치는 영향을 분석하는 연구가 증가하고 있다(Lee and Chang, 2022).

기존 연구에서는 항만기업의 경영성과에 영향을 미치는 주요 요인으로 운영 효율성, 물류 네트워크 연결성, 정책 지원, 기술 혁신 등을 제시하고 있다(Sanchez et al., 2003). 운영 효율성은 하역 처리 능력, 터미널 활용률, 항만 자동화 수준 등에 의해 결정되며, 기업의 경영성과와 높은 상관관계를 가진다고 보고되고 있다(Jung et al., 2024). 특히, 항만 자동화 기술의 도입은 장기적으로 운영 비용 절감과 생산성 향상에 기여하여 기업의 경영성과를 개선하는 것으로 나타났다(Ryu and Nam, 2024). 또한, 항만기업의 글로벌 경쟁력은 국제 해운 네트워크와의 연결성이 중요한 요인으로 작용한다. Pallis et al.(2011)의 연구에서는 항만기업의 경영성과가 항만 경쟁력과 밀접하게 연관되어 있으며, 지역 간 물류 네트워크의 효율성이 항만기업의 장기적인 성장에 중요한 영향을 미친다고 분석하였다.

한편, 정부의 항만 개발 및 물류 정책이 항만기업의 경영성과에 미치는 영향도 중요한 연구 주제로 다루어지고 있다. 항만 인프라 구축, 세제 지원, 연구개발(R&D) 투자 등의 정책적 지원이 기업의 성장 가능성을 높이는 핵심 요인으로 작용하며, 특히 중소형 항만기업의 경우 정책적 지원 여부가 경영성과 변동에 중요한 영향을 미친다는 연구 결과가 보고되고 있다(Seo, 2023). 최근에는 스마트 항만 개념을 중심으로 디지털 기술의 도입이 항만기업의 경영성과에 미치는 영향을 실증적으로 분석하는 연구가 증가하고 있다(Lee and Chang, 2022; Ryu and Nam,, 2024). 빅데이터, 사물인터넷(IoT), 인공지능(AI) 기반의 운영 최적화 기술이 기업의 수익성과 생산성을 향상시키는 데 중요한 역할을 한다는 점이 밝혀졌다(Deloitte Port Service, 2017).

기존 연구들은 항만기업의 경영성과를 주로 개별 기업의 재무적·비재무적 요소를 중심으로 분석해 왔으나, 기업 성과는 기업 내부 요인뿐만 아니라 지역 경제 및 산업 구조 변화에 의해 영향을 받을 가능성이 크다. 이에 따라 본 연구에서는 변이할당분석(Shift-Share Analysis, SSA)을 활용하여 국내 항만기업의 경영성과가 국가성장요인, 산업구조요인 및 지엳할당요인 중 어느 요인에 의해 영향을 받는지 분석하고자 한다. 이를 통해 국내 항만기업이 지속가능한 성장과 경쟁력 강화를 위해 고려해야 할 전략적 요인을 제시하는 데 연구의 의의를 둔다.

2.2 선행연구 검토 및 연구의 차별성

항만기업의 경영성과를 분석하는 연구는 주로 효율성 평가, 경쟁력 분석, 스마트 항만 도입 효과 등의 측면에서 이루어져 왔다. 기존 연구들은 다양한 방법론을 활용하여 항만기업의 성과 결정요인을 실증적으로 분석하였으며, 특히 데이터포락분석(DEA, Data Envelopment Analysis)과 확률프론티어분석(SFA, Stochastic Frontier Analysis)이 항만 효율성을 평가하는 주요 기법으로 활용되었다(Park, 2008; Park et al., 2017).

항만기업의 효율성 분석 연구는 주로 기업의 생산성 및 자원 활용도를 평가하는 데 초점을 맞추었다. Park(2010)의 연구에서는 한국 주요 항만의 운영 효율성을 DEA 모형을 이용하여 측정하였으며, 항만 규모와 운영 방식이 효율성에 미치는 영향을 분석하였다. 또한, Im et al.(2011)의 연구에서는 항만기업의 운영 효율성과 항만 서비스 품질 간의 관계를 실증적으로 검토하며, 운영 최적화가 기업 성과에 미치는 영향을 분석하였다.

항만기업의 경쟁력 분석 연구는 글로벌 해운 시장에서 가지는 상대적 경쟁력을 평가하는 데 초점을 맞추고 있다. Lee et al.(2010)의 연구에서는 한국 항만기업의 글로벌 경쟁력을 분석하고, 주요 항만과의 비교를 통해 차별적 경쟁 요소를 도출하였다. Shin(2007)의 연구에서는 항만기업의 서비스 수준과 글로벌 해운 네트워크 연결성이 기업 성과에 미치는 영향을 분석하며, 항만 경쟁력 강화를 위한 전략적 방향을 제시하였다.

최근에는 4차 산업혁명 기술 발전과 더불어 스마트 항만(Smart Port) 도입이 항만기업의 경영성과에 미치는 영향을 분석하는 연구가 증가하고 있다. Choe(2020)의 연구에서는 국내 항만기업의 디지털 전환 수준과 경영성과 간의 관계를 실증적으로 분석하며, 스마트 항만 기술 도입이 기업의 운영 효율성과 수익성 향상에 기여함을 보였다. Lee and Chang(2022)의 연구에서는 IoT, AI, 빅데이터 등 첨단 기술이 적용된 항만 운영이 기업의 비용 절감과 서비스 품질 개선에 미치는 영향을 분석하였다.

기존 연구들은 항만기업의 경영성과를 분석하는 데 있어 다양한 방법론을 활용하였으나, 기업의 성과 변동이 산업 전반의 성장 효과에 기인하는지, 혹은 개별 기업의 경쟁력 차이에 의해 발생하는지를 명확히 구분하는 연구는 상대적으로 부족하였다. 본 연구는 변이할당분석(Shift-Share Analysis, SSA) 을 활용하여 항만기업의 경영성과가 산업적 성장 효과에 의한 것인지, 아니면 개별 기업의 경쟁력 차이에 의해 발생하는 것인지를 분석하는 데 초점을 맞추었다. 이는 기존 연구에서 충분히 다루지 못한 부분으로, 본 연구의 차별성을 구성하는 핵심 요소이다.

또한, 기존 연구들은 항만기업의 특정 성과지표(예: 효율성, 하역 처리 능력)만을 분석 대상으로 하는 경향이 있었다. 이에 반해 본 연구는 매출액과 영업이익을 주요 성과 지표로 설정하여 보다 포괄적인 성과 분석을 수행한다. 이러한 접근 방식은 항만기업의 경제적 성과를 직접적으로 반영하는 재무적 성과를 중심으로 분석을 진행한다는 점에서 기존 연구와 차별화된다.

본 연구는 변이할당분석을 통해 개별 항만기업의 경영성과 차이를 국가성장효과, 산업구조효과 및 지역할당효과로 구분하여 분석함으로써, 국내 항만기업의 경영성과를 보다 체계적으로 설명하는 데 기여할 것으로 기대된다. 이를 통해 한국 항만기업이 지속 가능한 성장과 경쟁력 강화를 위해 필요한 경영성과 개선을 위해 고려해야 할 실질적인 전략적 시사점을 도출하고자 한다.

3. 연구방법

3.1 분석 대상 및 데이터 수집

해양수산업 특수분류체계^¹⁾에서 항만업은 Table 1과 같이 단일 중분류로 구분되어 있다. 하나의 중분류에 항만 운송지원서비스업과 기타 항만업으로 2개의 소분류가 있으며 8개의 세분류로 세분화되어 있다. 8개의 세분류는 22개의 한국표준산업분류(KSIC; Korean Standard Industrial Classification)의 세세분류와 연계된다. 해양수산 항만업의 세분류에 대응하는 KSIC 세세분류는 대부분의 항목이 적절하게 연계되었다.

Table 1

Special classification of port industry - KSIC linkage

본 연구에서는 해양수산 특수분류체계 중 항만업과 연계되는 KSIC 10차 코드(22개)에 해당하는 기업을 대상으로 분석을 진행하였다. 즉, 해양수산부의 ‘해양수산업 특수분류체계’에서 항만과 기능적으로 연계된 산업으로 분류된 기업들을 포함한다. 여기에는 항만하역업, 항만물류 및 창고업, 해상운송업, 선박지원서비스업 등이 포함되며, 실제 항만지역 외에도 항만 연계 물류거점이 위치한 서울특별시, 내륙 광역시도에 소재한 기업도 표본에 포함된다. 이러한 포괄적 접근은 항만산업 생태계 전반의 구조적 특성을 분석하기 위한 것이다. 연구에 활용된 데이터는 NICE평가정보에서 운영하는 VALUE Search를 통해 수집하였으며, 2025년 1월 8일 기준 최근 4년간(2020년～2023년) 국내 항만업을 영위하는 기업 12,151개의 기업 정보를 확보하였다. 이 중 지역구분이 누락된 45개 기업을 제외한 12,106개 기업 정보를 실증분석에 활용하였다.(Table 2)

Table 2

Status of port-related enterprises by region in 2023

3.2 변이할당분석(Shift-Share Analysis)

Creamer(1943)가 제안한 변이할당분석은 산업구조를 평가하는 데 활용되는 분석 기법이다. 이 방법은 정책적 의미를 쉽게 해석할 수 있으며, 지역 성장의 종적 및 횡적 차원을 동시에 분석할 수 있다는 점에서 유용하게 활용되고 있다(KRIHS, 2004). 또한, 특정 산업의 경쟁력과 성장 요인을 효과적으로 나타낼 수 있다는 장점을 지니고 있다(Lee et al., 2014).

변이할당분석은 특정 시점(기준년도)과 비교 시점(비교년도) 사이에서 지역의 성장이 지역의 산업구조와 밀접한 관계를 가진다고 가정하고, 이를 바탕으로 성장 요인을 분석하는 지역경제 분석 모형이다. 이 모형은 지역의 성장 요인을 산업구조 중심으로 파악하며, 이를 국가성장효과(National Growth Effect), 지역 산업구조효과(Industrial Mix Effect), 지역산업 할당효과(Regional Competitive Effect)의 세 가지 요소로 구분할 수 있다(Sirakaya et al., 1995; Wadley and Smith, 2003; Chilian, 2012).

국가성장효과는 일정 기간 동안 국가 전체 산업의 성장률이 동일한 비율로 지역에도 영향을 미친다고 가정하며, 지역에서 발생한 고용 성장 효과를 통해 해당 지역이 국가적 성장의 영향을 얼마나 받았는지를 평가하는 개념이다(Park et al., 2020). 국가성장효과는 다음 수식 (1)과 같이 표현된다.

(1) NGEij=Eijt×r

Eijt: 기준년도(t)에서 i지역의 j산업 매출액, 영업이익, 종사자

r: 기준기간 동안의 국가 전체 산업의 평균 성장률

산업구조효과는 특정 지역이 전국적으로 빠르게 성장하는 산업의 비중이 높은 경우, 해당 산업의 비중이 낮은 지역보다 더 높은 성장률을 보일 가능성이 크다는 것을 의미한다. 이는 곧 해당 지역이 비교적 유리한 산업구조를 갖추고 있다고 해석할 수 있다(Hwang and Kang, 2016). 산업구조효과는 아래의 수식 (2)와 같이 표현된다.

(2) IMEij=Eijt×(rj-r)

Eijt: 기준년도(t)에서 i지역의 j산업 매출액, 영업이익, 종사자

r_j: j산업의 전국 평균 성장률

r: 국가 전체 산업의 평균 성장률

지역할당효과는 특정 지역이 전국의 다른 지역과 비교하여 산업적 위치에서 어떠한 경쟁력을 보유하고 있는지를 평가하는 지표로, 지역의 상대적 경쟁적 위치를 파악하는 데 활용될 수 있다(Byun et al., 2005).

(3) RSEij=Eijt×(rij-rj)

Eijt: 기준년도(t)에서 i지역의 j산업 매출액, 영업이익, 종사자

r_ij: i지역 j산업의 실제 성장률

r_j: j산업의 전국 평균 성장률

산업구조효과와 지역할당효과의 값이 양(+)의 값을 나타내는 경우, 해당 지역의 산업이 국가 전체 평균 성장률을 초과하는 성장세를 보이고 있음을 의미한다. 반면, 음(-)의 값을 가지면 해당 산업의 성장이 국가 전체 평균 성장률보다 낮은 수준임을 시사한다(Park et al., 2020). 이러한 요소들을 종합하여 분석기간 동안 특정 지역(i)과 특정 산업(j)의 성장 여부를 평가할 수 있으며, 이를 통해 총변화효과(total change effect)를 도출할 수 있다(Kim, 1999).

(4) TCEij=NGEij+IMEij+RSEij

순상대변화효과는 산업구조효과와 지역할당효과를 합한 값으로, 이는 국가성장효과를 제외한 지역 고유의 성장 영향을 나타낸다. 즉, 해당 지역의 산업구조와 경쟁적 위치가 지역 성장에 미치는 순수한 효과를 평가하는 지표이다.

(5) NRCEij=IMEij+RSEij

변이할당분석 결과는 양(+)의 요인과 음(-)의 요인으로 구분되며, Table 3에 제시된 네 가지 척도를 기준으로 유형화할 수 있다. 이에 따라 분석을 통해 도출된 각 시도의 결과를 평가 기준에 맞추어 정리하고자 한다.

Table 3

Evaluation criteria

4. 분석결과

4.1 변이할당분석 분석 결과

본 연구에서는 국내 시도별 항만기업의 매출액, 영업이익, 종사자 수 데이터를 활용하여 변이할당분석(SSA)을 수행하였으며, 그 결과는 Table 4, 5, 6에 제시하였다. 변이할당분석을 통해 국가성장효과, 산업구조효과, 지역할당효과를 각각 도출하고 이를 종합하여 지역총성장을 분석하였다.

Table 4

Shift-share analysis results based on sales revenue by region

Table 5

Shift-share analysis results based on operating profit

Table 6

Shift-share analysis results based on number of employees

4.1.1 매출액 분석 결과

서울특별시는 국가성장효과(11,974,298천원), 산업구조효과(7,951,871천원), 지역할당효과(8,848,358천원) 모두에서 가장 높은 값을 기록하며, 지역총성장(28,774,527천원) 규모가 압도적으로 크게 나타났다. 이는 서울특별시가 국가적 성장과 산업구조 변화의 영향을 긍정적으로 받아들였을 뿐만 아니라, 지역적 요인 또한 기업 성장에 기여했음을 의미한다.

반면, 경기도의 경우 국가성장효과(7,421,044천원)와 산업구조효과(4,928,154천원)에서 상당한 기여를 보였으나, 지역할당효과(-7,315,546천원)가 크게 감소하여 최종 지역총성장(5,033,652천원)이 제한적인 수준으로 나타났다. 이는 경기도 내 항만기업이 전체적인 성장 추세에는 편승하고 있으나, 지역적인 요인에서 불리한 영향을 받고 있음을 시사한다.

부산광역시는 국가성장효과(2,033,554천원)와 산업구조효과(1,350,439천원)에서 일정 수준의 성장 기여를 보였으나, 지역할당효과(-486,136천원)가 음(-)의 값을 기록하며 지역총성장(2,897,858천원)이 다소 제한적인 것으로 분석되었다. 이는 부산이 대표적인 항만도시임에도 불구하고 지역 내 항만기업이 타 지역 대비 경쟁우위를 확보하지 못했음을 보여준다.

인천광역시는 국가성장효과(781,579천원), 산업구조효과(519,029천원), 지역할당효과(6,479천원)로 지역총성장(1,307,087천원)이 나타났다. 인천은 지역할당효과가 미미한 수준이었으며, 이는 지역적 요인이 기업 성장에 거의 영향을 미치지 않았음을 시사한다.

대전광역시는 국가성장효과(421,702천원), 산업구조효과(280,043천원), 지역할당효과(123,903천원) 모두 양(+)의 값을 기록하며 지역총성장(825,648천원)이 비교적 높은 수준을 보였다. 이는 대전 지역의 항만 관련 기업들이 국가 및 산업 구조 변화의 수혜를 받았을 뿐만 아니라, 지역적 요인 또한 긍정적인 영향을 미쳤음을 나타낸다.

그러나 광주광역시(-134,414천원), 울산광역시(-94,806천원), 세종특별자치시(-58,173천원), 강원특별자치도(-36,880천원), 충청북도(-305,077천원), 전라남도(-204,208천원), 경상북도(-203,387천원), 경상남도(-230,946천원) 등은 지역할당효과가 음(-)의 값을 기록하며 지역적 성장 기여도가 부정적인 것으로 나타났다. 특히 충청북도의 경우, 국가성장효과(609,025천원)와 산업구조효과(404,440천원)에서 긍정적인 값을 기록하였음에도 불구하고 지역할당효과(-305,077천원)가 크게 감소하며 지역총성장(708,388천원)이 상대적으로 저조한 것으로 나타났다. 이는 충청북도 내 항만기업이 국가 및 산업 성장 요인의 영향을 일부 받았으나, 지역적 요인으로 인해 성장에 어려움을 겪고 있음을 의미한다.

반면, 충청남도(154,375천원), 전북특별자치도(39,176천원), 제주특별자치도(24,257천원) 등은 지역할당효과가 양(+)의 값을 보이며 지역적 성장 기여도가 긍정적인 것으로 나타났다. 특히 충청남도의 경우, 국가성장효과(324,440천원) 및 산업구조효과(215,454천원)와 더불어 지역할당효과(154,375천원)까지 높게 나타나, 지역총성장(694,268천원)이 비교적 양호한 수준을 기록하였다.

이러한 분석 결과는 항만기업의 성장에 있어 지역적 요인이 중요한 역할을 하고 있음을 시사한다. 서울특별시와 같이 국가적 성장과 산업구조 변화의 혜택을 받은 동시에 지역적 요인도 긍정적으로 작용한 지역에서는 높은 성장세를 보였다. 반면, 경기도 및 일부 광역시·도의 경우 국가 및 산업 성장 요인의 영향을 받았음에도 불구하고 지역적 요인이 부정적인 영향을 미쳐 성장률이 제한적인 것으로 나타났다. 특히 경기도와 같이 절대적인 성장 규모가 큰 지역에서도 지역할당효과가 음(-)으로 나타난 것은 지역 내 항만기업의 경쟁력 강화를 위한 정책적 지원이 필요함을 의미한다.

4.1.2 영업이익 분석 결과

서울특별시는 국가성장효과(-101,626천원)에서 다소 부정적인 영향을 받았으나, 산업구조효과(858,052천원)와 지역할당효과(304,642천원)가 높은 수준을 기록하면서 지역총성장(1,061,068천원)이 가장 크게 나타났다. 이는 서울특별시의 항만기업들이 국가적 성장 둔화의 영향을 받았음에도 불구하고, 산업구조의 변화와 지역적 요인의 지원을 바탕으로 상대적으로 높은 영업이익 성장을 기록하였음을 시사한다.

반면, 부산광역시는 국가성장효과(-39,448천원)와 지역할당효과(-96,663천원)에서 부정적인 값을 기록하며 지역총성장(196,960천원)이 다소 제한적인 수준으로 나타났다. 이는 부산 지역의 항만기업들이 국가적 경기 둔화의 영향을 받았을 뿐만 아니라, 지역적 요인 또한 기업 성장에 부정적인 영향을 미쳤음을 의미한다. 인천광역시 역시 국가성장효과(-11,701천원)와 지역할당효과(-57,421천원)에서 음(-)의 값을 보이며, 최종 지역총성장(29,675천원)이 미미한 수준에 머물렀다.

대전광역시는 국가성장효과(-1,543천원)에서 소폭 감소하였으나, 산업구조효과(13,026천원)와 지역할당효과(7,694천원)에서 긍정적인 영향을 받으며 지역총성장(19,177천원)이 비교적 양호한 수준으로 나타났다. 이는 대전 지역의 항만기업들이 국가적 경기 둔화 속에서도 산업 구조 변화의 혜택을 보았으며, 지역적 요인이 추가적으로 긍정적인 영향을 미쳤음을 의미한다.

반면, 경기도는 국가성장효과(-54,371천원)에서 다소 부정적인 영향을 받았으나, 산업구조효과(459,071천원)와 지역할당효과(23,664천원)가 양(+)의 값을 기록하면서 지역총성장(428,364천원)이 서울특별시에 이어 두 번째로 높은 수준을 기록하였다. 이는 경기도가 항만기업 영업이익 성장 측면에서 유리한 산업구조를 가지고 있으며, 지역적 요인 또한 일부 긍정적으로 작용하였음을 의미한다.

경상남도는 국가성장효과(-5,145천원)에서 다소 부정적인 영향을 받았으나, 산업구조효과(43,438천원)와 지역할당효과(44,161천원)가 모두 양(+)의 값을 기록하면서 최종 지역총성장(82,455천원)이 비교적 높은 수준을 기록하였다. 이는 경상남도 내 항만기업들이 국가적 성장 둔화의 영향을 최소화하면서 지역적 경쟁력을 확보하였음을 시사한다.

그러나 강원특별자치도(-4,227천원), 충청북도(-17,394천원), 전라남도(2,278천원), 경상북도(5,891천원), 제주특별자치도(2,213천원) 등 일부 지역은 국가성장효과와 지역할당효과에서 음(-)의 값을 보이며 상대적으로 낮은 지역총성장을 기록하였다. 특히, 충청북도는 국가성장효과(-7,064천원)와 산업구조효과(59,646천원)에서 일부 긍정적인 영향을 받았으나, 지역할당효과(-69,975천원)가 크게 감소하며 최종 지역총성장(-17,394천원)으로 부정적인 성과를 나타냈다. 이는 충청북도 내 항만기업들이 국가적 성장 및 산업구조 변화의 일부 혜택을 보았음에도 불구하고, 지역적 요인이 기업 성장에 부정적인 영향을 미쳤음을 의미한다.

한편, 세종특별자치시는 국가성장효과(-192천원)에서 미미한 감소를 기록하였으나, 산업구조효과(1,619천원)와 지역할당효과(1,065천원)에서 긍정적인 값을 기록하며 지역총성장(2,493천원)이 소폭 증가하였다. 이는 세종시 내 항만기업들이 국가적 경기 둔화의 영향을 거의 받지 않으며, 산업구조 및 지역적 요인이 기업 성장에 긍정적으로 작용했음을 나타낸다.

이와 같은 분석 결과는 국내 항만기업들의 영업이익 성장에 있어 지역적 요인이 중요한 역할을 한다는 점을 시사한다. 국가적 성장 둔화에도 불구하고 산업구조 변화와 지역적 경쟁력이 뒷받침된 지역에서는 영업이익 증가가 나타났으며, 반면 국가 및 산업구조 변화의 영향을 받았음에도 지역적 요인이 부정적인 영향을 미친 지역에서는 영업이익 성장이 제한적인 것으로 분석되었다. 특히, 서울특별시와 경기도는 산업구조 및 지역적 요인이 긍정적으로 작용하여 상대적으로 높은 영업이익 성장을 기록한 반면, 부산광역시와 충청북도는 지역할당효과에서 음(-)의 값을 보이며 부정적인 영향을 받았다. 따라서, 국내 항만기업의 영업이익 성장을 위해서는 국가적 성장과 산업구조 변화뿐만 아니라, 지역적 환경과 정책적 지원이 중요한 요소임을 알 수 있다.

4.1.3 종사자 수 분석 결과

서울특별시는 국가성장효과(3,648명), 산업구조효과(2,629명), 지역할당효과(512명) 모두에서 긍정적인 값을 기록하며, 지역총성장(6,788명)이 가장 높은 것으로 나타났다. 이는 서울특별시 내 항만기업의 종사자 수 증가가 국가적 성장 요인과 산업구조 변화의 영향을 받을 뿐만 아니라, 지역적 요인 또한 긍정적으로 작용했음을 의미한다.

반면, 부산광역시는 국가성장효과(783명)와 산업구조효과(564명)에서 비교적 양호한 값을 기록하였으나, 지역할당효과(-319명)에서 음(-)의 값을 보이며 지역총성장(1,028명)이 제한적인 수준을 나타냈다. 이는 부산 지역의 항만기업이 산업구조 변화에 따라 일정 부분 고용 증가를 보였지만, 지역적 요인이 부정적으로 작용하여 종사자 수 증가에 제약이 있었음을 시사한다.

대구광역시는 국가성장효과(174명)와 산업구조효과(125명)에서 상대적으로 낮은 증가율을 기록하였으나, 지역할당효과(324명)가 높은 수준을 보이며 최종 지역총성장(623명)이 부산광역시보다 높은 것으로 나타났다. 이는 대구 지역의 항만기업이 국가 및 산업구조 변화의 혜택보다는 지역적 요인에 의해 종사자 수가 증가했음을 의미한다.

반면, 인천광역시는 국가성장효과(496명)와 산업구조효과(357명)에서 일정 수준의 증가를 기록하였으나, 지역할당효과(-448명)가 크게 감소하면서 최종 지역총성장(405명)이 다소 낮은 수준을 나타냈다. 이는 인천 지역 항만기업들이 국가 및 산업구조 성장의 영향을 받았음에도 불구하고, 지역적 요인이 종사자 증가에 부정적인 영향을 미쳤음을 보여준다.

충청남도(825명), 경상북도(1,127명), 제주특별자치도(154명) 등은 지역할당효과가 상당히 높은 값을 기록하며 지역총성장이 상대적으로 높게 나타난 지역들이다. 특히 경상북도는 국가성장효과(92명) 및 산업구조효과(66명)가 크지 않았음에도 불구하고, 지역할당효과(970명)가 압도적으로 높게 나타나 지역총성장(1,127명)이 부산광역시보다도 높은 수준을 기록하였다. 이는 경상북도 지역의 항만기업이 국가적 성장이나 산업구조 변화와 관계없이 지역적 요인의 긍정적 영향을 받아 종사자 수 증가를 견인했음을 의미한다.

한편, 광주광역시(-168명), 울산광역시(-53명), 세종특별자치시(-3명), 전라남도(-229명) 등의 지역에서는 지역할당효과가 음(-)의 값을 기록하며 지역적 성장 기여도가 부정적인 것으로 나타났다. 특히 전라남도의 경우, 국가성장효과(221명)와 산업구조효과(159명)에서 일정 수준의 증가를 보였으나, 지역할당효과(-229명)가 크게 감소하며 최종 지역총성장(151명)이 매우 낮은 수준에 머물렀다. 이는 전라남도 내 항만기업이 국가 및 산업구조 성장의 영향을 받았음에도 불구하고, 지역적 요인으로 인해 종사자 증가가 억제되었음을 시사한다.

경기도는 국가성장효과(2,356명)와 산업구조효과(1,698명)에서 높은 성장 기여를 보였으나, 지역할당효과(-1,520명)에서 상당한 감소를 보이며 최종 지역총성장(2,534명)이 서울특별시에 비해 낮은 수준을 나타냈다. 이는 경기도 내 항만기업이 국가적 성장과 산업구조 변화에 따라 일정 부분 종사자 증가를 기록하였으나, 지역적 요인으로 인해 추가적인 성장이 제한되었음을 시사한다.

이와 같은 분석 결과는 국내 항만기업의 종사자 증가에 있어 지역적 요인이 중요한 영향을 미친다는 점을 시사한다. 서울특별시와 같이 국가적 성장과 산업구조 변화의 혜택을 받은 동시에 지역적 요인도 긍정적으로 작용한 지역에서는 높은 종사자 증가율을 보였다. 반면, 경기도 및 일부 광역시·도에서는 국가 및 산업 성장 요인의 영향을 받았음에도 불구하고 지역적 요인이 부정적인 영향을 미쳐 종사자 증가가 제한적인 것으로 나타났다. 특히, 경상북도 및 충청남도와 같이 지역할당효과가 긍정적으로 작용한 지역에서는 종사자 증가율이 상대적으로 높게 나타났으며, 인천광역시와 전라남도 등은 국가 및 산업 구조 변화의 영향을 받았음에도 불구하고 지역적 요인이 부정적으로 작용하여 종사자 증가가 둔화된 것으로 분석되었다.

4.2 산업 유형화 분석 결과

국내 항만기업의 매출액, 영업이익, 종사자 수 데이터를 활용하여 변이할당분석(Shift-Share Analysis, SSA)을 수행한 후, 산업구조효과와 지역할당효과를 평가 기준(Table 7, 8, 9)에 적용하여 유형화하였다. 이를 바탕으로 각 항목별 분석 결과를 도출하였다.

Table 7

Industry classification analysis based on sales revenue

Table 8

Industry classification analysis based on operating profit

Table 9

Industry classification analysis based on number of employees

4.2.1 매출액 기준 산업 유형화 분석

매출액 기준으로 볼 때, 서울특별시, 인천광역시, 대전광역시, 충청남도, 전북특별자치도, 제주특별자치도가 산업구조와 입지 조건 모두에서 긍정적인 영향을 받아 ◎(매우 적합)으로 분류되었다. 반면, 부산광역시, 대구광역시, 광주광역시, 울산광역시, 경기도 등은 산업구조가 유리하나 지역적 요인이 부정적으로 작용하여 △(보통)으로 나타났다.

4.2.2 영업이익 기준 산업 유형화 분석

영업이익 기준으로 볼 때, 서울특별시, 대전광역시, 세종특별자치시, 경기도, 전북특별자치도, 경상북도, 경상남도는 산업구조와 입지 조건 모두에서 긍정적인 영향을 받아 ◎(매우 적합)으로 분류되었다. 반면, 부산광역시, 인천광역시, 광주광역시 등은 산업구조가 유리하나 지역적 요인이 부정적으로 작용하여 △(보통)으로 나타났다.

4.2.3 종사자 수 기준 산업 유형화 분석

종사자 수 기준으로 서울특별시, 대구광역시, 충청남도, 경상북도는 산업구조와 입지 조건이 모두 긍정적으로 작용하여 ◎(매우 적합)으로 나타났다. 반면, 부산광역시, 인천광역시, 광주광역시 등은 △(보통)으로 분류되었으며, 입지 요인이 취약한 것으로 분석되었다.

5. 결 론

본 연구는 변이할당분석(Shift-Share Analysis, SSA)을 활용하여 국내 항만기업의 경영성과를 국가성장효과, 산업구조효과, 지역할당효과를 기준으로 실증적으로 분석하였다. 연구 결과 매출액, 영업이익, 종사자 수의 변동이 산업구조효과와 지역할당효과에 따라 상이한 패턴을 보이는 것으로 나타났다.

매출액 기준 분석에서는 서울특별시, 대전광역시, 충청남도, 전북특별자치도, 제주특별자치도 등이 산업구조와 지역적 요인이 모두 긍정적으로 작용하여 높은 성장을 기록하였다. 반면, 경기도, 부산광역시, 인천광역시 등은 산업구조가 강한 반면 지역적 요인이 부정적으로 작용하여 상대적으로 낮은 성장률을 보였다. 영업이익 기준 분석에서는 서울특별시, 경기도, 경상남도 등이 산업구조와 지역적 경쟁력이 조화를 이루면서 높은 성과를 나타냈으나, 부산광역시, 인천광역시, 충청북도 등은 지역적 요인의 부정적 영향을 받아 성장이 제한적인 것으로 나타났다. 종사자 수 기준 분석에서는 서울특별시, 대구광역시, 충청남도, 경상북도 등이 산업구조와 지역적 요인이 모두 긍정적으로 작용하여 높은 고용 창출을 기록한 반면, 부산광역시, 인천광역시, 전라남도 등은 지역적 요인이 부정적으로 작용하여 종사자 증가가 제한되는 결과를 보였다. 이러한 결과는 항만기업의 성장이 국가적 성장 요인뿐만 아니라, 지역적 환경 및 산업구조 변화에 의해 크게 영향을 받는다는 점을 시사한다. 특히, 지역할당효과가 부정적으로 나타난 지역에서는 항만산업의 입지 경쟁력 강화를 위한 정책적 지원이 필요함을 확인할 수 있었다.

본 연구 결과는 항만기업의 경영성과가 지역별 산업구조와 입지 조건에 따라 뚜렷한 차이를 보인다는 점을 실증적으로 보여준다. 이에 따라 다음과 같은 정책적 시사점을 제시할 수 있다.

첫째, 산업구조와 입지 조건이 모두 우수한 지역은 첨단화된 항만산업으로의 이행을 위해 스마트 항만 인프라 투자와 글로벌 물류 네트워크 연계 강화를 추진할 필요가 있다. 둘째, 산업구조는 상대적으로 우수하나 지역의 입지 여건이 부족한 지역은 항만 접근성과 연계성 향상을 위한 물리적·제도적 기반 강화가 시급하다. 이를 위해서는 내륙 물류거점과 항만 간 간선 교통망(도로·철도)의 연계 인프라 확충, ICT 기반 실시간 연계 물류정보 시스템 구축, 배후단지 내 맞춤형 산업 유치(예: 스마트 물류창고, 저온물류센터 등)가 필요하다. 또한, 민간 물류기업의 입주 유인을 높이기 위해 입지 지원금, 임대료 감면, 통관·세제 간소화 등의 인센티브 제공, 지자체-항만공사 간 투자 협력 플랫폼 마련 등의 행정적 조치도 병행되어야 한다. 셋째, 반대로 입지 조건은 양호하나 산업구조가 취약한 지역은 항만기능을 고부가가치 산업 중심으로 전환하고, 전략 산업의 유치 및 관련 기업의 클러스터화를 통해 산업기반을 재편해야 한다. 넷째, 산업구조와 입지 조건 모두 열악한 지역의 경우에는 항만 기능의 구조조정과 함께 중장기적인 육성 계획 수립이 요구된다. 마지막으로 항만 연관 산업 전반의 디지털 전환과 친환경 기술 도입, 자동화 시스템 확산 등은 물류 효율성과 기업 성과 개선에 기여할 수 있다. 특히, 항만하역업, 물류창고업, 해상운송업 등 항만과 밀접하게 연계된 산업 전반의 스마트화 전략이 필요하다.

한편, 본 연구는 거시적 수준에서 항만기업의 성과 변동을 분석하였으나, 개별 기업의 경영 전략, 운영 방식, 혁신 활동 등이 성과에 미치는 영향을 보다 구체적으로 분석할 필요가 있다. 또한, 변이할당분석은 정량적 분석 기법이므로, 항만기업의 정책 환경, 물류 네트워크, 디지털 전환 수준 등의 정성적 요인을 함께 고려하는 후속 연구가 필요하다. 나아가, 국내 항만기업의 경영성과를 국제적으로 비교하여 한국 항만산업의 글로벌 경쟁력을 평가하고, 해외 항만산업의 성장 전략과 비교 분석하는 연구도 필요할 것으로 보인다.

본 연구는 변이할당분석을 활용하여 국내 항만기업의 경영성과를 거시적으로 분석하고, 지역 및 산업 구조 변화가 기업 성과에 미치는 영향을 실증적으로 평가하였다. 연구 결과는 국내 항만산업의 경쟁력 강화 및 정책 수립에 유용한 정보를 제공하며, 향후 항만기업의 지속 가능성과 글로벌 경쟁력 강화를 위한 전략적 방향 설정에 기여할 수 있을 것으로 기대된다.

Notes

¹⁾

해양수산업 특수분류는 해양수산 분야의 국가 정책 수립 및 집행을 효과적으로 지원하기 위해, 공신력 있는 통계 시스템 구축과 정기적인 통계 제공을 목적으로 정립된 해양수산 분야의 특수 분류체계이다. 해양수산부는 2018년 3월 통계청으로부터 해양수산업 특수분류체계를 승인받았으며, 같은 해 10월에는 이를 기반으로 해양수산업 통계조사를 국가승인통계로 변경ㆍ승인하였다. 이후 해양수산업 특수분류는 해양수산 산업 전반을 포괄하는 분류기준으로 활용되어 매년 해양수산업 통계조사의 기반이 되고 있다(Statistics Korea, 2020).

References

[1]. Byun P. S., Kim K. I., Kim T. H.. 2005;Effects of the Localities’ Competitiveness Contributing to Employment Growth on Local Economic Development: Based on a Shift-Share Method. Journal of the Economic Geographical Society of Korea 8(2):267–284.

[2]. Chilian M. N.. 2012;Evolution of regional and sub-regional disparities in Romania–a sectoral shift-share analysis. Romanian Journal of Economic Forecasting 15(1):187–204.

[3]. Choe S. H.. 2020;An Empirical Study on the Difference in Perception of Introducing Smart Port between Port Operators and Users in Gwangyang Port. Journal of Korea Port Economic Association 36(3):99–114.

[4]. Creamer D.. 1943;Shifts of Manufacturing Industries. Industrial Location and National Resources :85–104.

[5]. Cullinane K., Wang T. F., Song D. W., Ji P.. 2006;The Technical Efficiency of Container Ports: Comparing Data Envelopment Analysis and Stochastic Frontier Analysis. Transportation Research Part A 40(4):354–374.

[6]. Deloitte Port Service. 2017;Smart Port Point View

[7]. Dunn E. S.. 1960;A Statistical and Analytical Technique for Regional Analysis. Papers of the Regional Science Association 6(1):97–112.

[8]. Ha D. Y., Kim C. Y., Kim Y. S.. 2024;Prioritization Analysis for Cyber Security Enhancement at Busan Port Container Terminal. Journal of Korea Port Economic Association 40(1):1–14.

[9]. Heaver T. D.. 2006;The Evolution and Challenges of Port Economics. Research in Transportation Economics 16(1):11–41.

[10]. Hwang S. Y., Kang H. C.. 2016;Shift-share Analysis of Industrial Growth in Incheon after the Subprime Crisis. Regional industry review 39(3):223–249.

[11]. Im D. S., Gang D. W., Gwak G. S., Nam G. C.. 2011. A Study on Securing the Competitiveness of the Port Logistics Industry in the Busan Region Using AHP -Focusing on Port Transportation and Related Businesses. In : Proceedings of the Korean Institute of Navigation and Port Research Conference. p. 171–172.

[12]. Jung C. M., Lee D. S., Mo S. W., Kim C. G.. 2023. A DEA Study on the operational efficiency of Port Authorities in Korea. Journal of Korea Academia-Industrial cooperation Society, 2023 Spring Conference Proceedings p. 237–240.

[13]. Kang Y. H., Kim S. G., Park S. H., Woo Y. H.. 2007;Busan Port Authority(BPA)’s Performance and Influencing Factors. The Korean Associaion for Governance 14(1):165–195.

[14]. Kim S. H.. 2014;A Comparative Study on the Local Competitiveness of Industries by Shift and Share Analysis: Chonnam and Gyeongnam Provinces. The Korean Journal of Local Government Studies 18(3):481–501.

[15]. Korea Research Institute for Human Settlements. 2004. Spatial analysis Seoul: Hanul.

[16]. Lee J. H., Chang M. H.. 2022. A Study on the Development of ESG Indicators for Sustainable Smart Ports. In : Proceedings of the Korean Institute of Navigation and Port Research Conference. p. 296–297.

[17]. Lee J. H., Jang M. H.. 2022;A Study on the Priority of Sustainability Areas and Indicators of Domestic Smart Ports. Journal of Korea Port Economic Association 38(4):65–85.

[18]. Lee M. S., Choi H. D., Lim D. S., Kwak K. S.. 2010;A study on competitiveness of small ports - Focus on the Ports of Jeollado. Journal of Korean Navigation and Port Research 34(10):817–821.

[19]. Lee S. M., Kim D. H., Kim H. J.. 2014;A Comparative Analysis of the Local Specialization of Tourism Industry and the Characteristics of Its Growth: With Focus on Metropolitan Municipalities. International Journal of Tourism and Hospitality Research 28(5):63–78.

[20]. Pallis A. A., Vitsounis T. K., De Langen P. W., Notteboom T. E.. 2011;Port economics, policy and management: content classification and survey. Transport Reviews 31(4):445–471.

[21]. Park H. J., Lim C. Y., Lee K. H.. 2020;Analysis on factors of regional industries employment growth - focus on rare metal industry in Gyeongsangnam-do and Jeollanam-do -. Journal of regional studies 28(2):19–37.

[22]. Park R. K.. 2008;An Empirical Measurement Way of Efficiency Prediction for Korean Seaports : SBM and Wilcoxson Signed-Rank Test Approach. Journal of Korea Port Economic Association 24(4):313–327.

[23]. Park R. K.. 2010;A Study on the Model Development and Empirical Application for Predicting the Efficiency and Optimum Size of Investment in Domestic Seaports. Journal of Korea Port Economic Association 26(3):18–41.

[24]. Park S. Y., Kim S. Y., Park H.. 2017;Efficiency Analysis of ASEAN Ports Using DEA & Shannon’s Entropy. Journal of Korea Port Economic Association 33(4):1–15.

[25]. Ryu W. H., Nam H. S.. 2024;A Study on Determining the Priority of Introducing Smart Ports in Korea. Journal of Korea Port Economic Association 40(1):31–59.

[26]. Sanchez R. J., Hoffmann J., Micco A., Pizzolitto G. V., Sgut M., Wilmsmeier G.. 2003;Port Efficiency and International Trade: Port Efficiency as a Determinant of Maritime Transport Costs. Maritime Economics and Logistics 5:199–218.

[27]. Seo M. S.. 2023;A Study on ESG Management Strategies of Port Enterprises for Sustainable Ports: Focusing on Port Authority. Journal of Korea Port Economic Associaion 39(4):309–324.

[28]. Shin G. S.. 2007;A Study on the Determinants Analysis of the Port Competitiveness and development Strategies of Busan New Port. Journal of Korea Port Economic Association 23(1):115–148.

[29]. Shin J. B., Yoon Y., Seon H., Kim H. D.. 2022;A Study on the ESG Management Strategy of Korean Container Terminals. The e-business studies 23(3):291–307.

[30]. Sirakaya E., Uysal M., Toepper L.. 1995;Measuring tourism performance using shift-share analysis: The case of South Carolina. Journal of Travel Research 34(2):55–61.

[31]. Statistics Korea. 2020;Statistical Information Report on the Survey of the Maritime and Fisheries Industry :1–4.

[32]. Stopford M.. 2009. Maritime Economics 3rd edth ed. Routledge.

[33]. Talley W. K.. 2009. Port Economics Routledge.

[34]. Wadley D., Smith P.. 2003;Straightening up shift-share analysis. The Annals of Regional Science 37:259–261.

[35]. Wang T. F., Cullinane K.. 2006;The efficiency of European container terminals and implications for supply chain management. Maritime Economics & Logistics 8:82–99.

[36]. Saanen Yvo. 2019;10 Pre-Requisites for Smart Terminals, Port Technology

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.

Special Classification of Port Industry		KSIC
code	Subcategory	code	Detailed Subcategory
2211	Storage and Warehousing within Ports	52101	General warehousing
		52102	Refrigerated and frozen warehousing
		52103	Farm products warehousing
		52104	Dangerous goods warehousing
		52109	Other warehousing and storage
2212	Port Cargo Handling	52942	Marine cargo handling
2213	Cargo Inspection, Appraisal, and Weighing Services	52993	Activities of cargo packing, checking and weighing services
2291	Cargo Packaging Services	52993	Activities of cargo packing, checking and weighing services
2292	Port and Other Maritime Terminal Operations	52921	Operation of harbour and marine terminal facilities
2293	Ship Supplies Specialized Distribution	46594	Wholesale of transport equipment
		46599	Wholesale of other machinery and equipment n.e.c.
		46712	Wholesale of liquid fuels and related products
		46800	Non-specialized wholesale trade
		46799	Wholesale of other specialized goods n.e.c.
		46324	Wholesale of dairy products and edible oils and fats
		46325	Wholesale of coffee and tea
		46326	Wholesale of condiments and food additive products
		46329	Wholesale of other processed food
		46622	Wholesale of hardware, metal fastener and handtools
		46452	Wholesale of stationery, artists’ goods and office supplies
2294	Port Security and Safety Services	75310	Security and guard services
2299	Other Water Transport Support Services	52929	Other service activities incidental to water transportation

Region	Number of Businesses (units)	Sales Revenue (Thousand KRW)	Capital (Thousand KRW)	Operating Profit (Thousand KRW)	Number of Employees (persons)
Total	12,106	162,804,156,251	13,628,510,539	5,481,117,770	188,440
Seoul	2,926	81,599,345,334	2,675,326,968	2,501,260,290	78,104
Busan	1,047	11,868,917,909	4,843,666,300	756,002,074	16,332
Daegu	322	2,980,109,983	115,219,251	89,262,180	4,026
Incheon	644	4,755,033,901	764,429,651	195,501,613	10,094
Gwangju	265	1,695,936,655	54,092,639	40,895,416	2,692
Daejeon	286	2,685,994,356	65,157,119	41,040,801	3,407
Ulsan	246	1,270,806,106	314,408,582	150,240,936	2,150
Sejong	45	527,613,868	13,294,550	5,210,339	306
Gyeonggi	3,919	37,771,714,610	2,603,943,797	1,198,888,947	48,599
Gangwon	180	735,920,644	112,004,223	12,015,301	1,175
Chungbuk	286	3,395,110,403	211,198,004	82,718,475	3,511
Chungnam	295	2,125,541,083	236,047,413	67,925,474	3,178
Jeonbuk	324	2,116,228,548	124,116,556	29,900,756	1,488
Jeonnam	358	2,480,930,501	317,481,097	105,420,690	4,468
Gyeongbuk	331	1,940,511,833	236,175,845	36,156,332	2,916
Gyeongnam	539	4,153,088,211	917,753,992	155,364,252	5,272
Jeju	93	701,352,306	24,194,552	13,313,894	722

Industrial Structure	Regional Allocation	Industry Type and Characteristics	Symbol
+	+	Industries with favorable industrial structure and location conditions, realizing agglomeration benefits	◎
−	+	Industries with relatively weak industrial structure but favorable location conditions, indicating growth potential	○
+	−	Industries with a strong industrial structure but weak locational competitiveness	▲
−	−	Industries with both an underdeveloped industrial structure and poor location conditions	×

Region	National Growth Effect	Industrial Structure Effect	Regional Share Effect	Total Regional Growth
Seoul	11,974,298	7,951,871	8,848,358	28,774,527
Busan	2,033,554	1,350,439	−486,136	2,897,858
Daegu	511,404	339,612	−126,975	724,041
Incheon	781,579	519,029	6,479	1,307,087
Gwangju	301,263	200,062	−134,414	366,911
Daejeon	421,702	280,043	123,903	825,648
Ulsan	224,770	149,265	−94,806	279,229
Sejong	96,416	64,028	−58,173	102,271
Gyeonggi	7,421,044	4,928,154	−7,315,546	5,033,652
Gangwon	127,198	84,469	−36,880	174,786
Chungbuk	609,025	404,440	−305,077	708,388
Chungnam	324,440	215,454	154,375	694,268
Jeonbuk	341,868	227,027	39,176	608,071
Jeonnam	441,955	293,493	−204,208	531,240
Gyeongbuk	352,871	234,334	−203,387	383,818
Gyeongnam	721,581	479,186	−230,946	969,821
Jeju	111,445	74,008	24,257	209,711

Region	National Growth Effect	Industrial Structure Effect	Regional Share Effect	Total Regional Growth
Seoul	−101,626	858,052	304,642	1,061,068
Busan	−39,448	333,072	−96,663	196,960
Daegu	−5,370	45,337	−26,800	13,167
Incheon	−11,701	98,798	−57,421	29,675
Gwangju	−2,569	21,688	−14,627	4,493
Daejeon	−1,543	13,026	7,694	19,177
Ulsan	−8,209	69,315	−27,205	33,900
Sejong	−192	1,619	1,065	2,493
Gyeonggi	−54,371	459,071	23,664	428,364
Gangwon	−1,146	9,677	−12,759	−4,227
Chungbuk	−7,064	59,646	−69,975	−17,394
Chungnam	−3,720	31,410	−12,484	15,205
Jeonbuk	−1,280	10,810	2,227	11,757
Jeonnam	−7,278	61,451	−51,895	2,278
Gyeongbuk	−2,136	18,032	−10,005	5,891
Gyeongnam	−5,145	43,438	44,161	82,455
Jeju	−783	6,614	−3,618	2,213

Region	National Growth Effect	Industrial Structure Effect	Regional Share Effect	Total Regional Growth
Seoul	3,648	2,629	512	6,788
Busan	783	564	−319	1,028
Daegu	174	125	324	623
Incheon	496	357	−448	405
Gwangju	134	97	−168	63
Daejeon	163	117	−56	224
Ulsan	104	75	−53	125
Sejong	15	10	−3	22
Gyeonggi	2,356	1,698	−1,520	2,534
Gangwon	55	40	2	97
Chungbuk	161	116	79	357
Chungnam	120	87	618	825
Jeonbuk	70	50	4	124
Jeonnam	221	159	−229	151
Gyeongbuk	92	66	970	1,127
Gyeongnam	239	172	184	596
Jeju	29	21	104	154