J Navig Port Res > Volume 49(3); 2025 > Article
ECA도입이 국내무역항만의 효율성에 미치는 영향

요 약

본 연구는 2020년부터 국내 주요 항만에 적용된 배출규제해역(ECA, Emission Control Area) 도입이 무역항만의 운영 효율성에 미친 영향을 실증적으로 분석하는 것을 목적으로 한다. ECA는 국제해사기구(IMO)의 환경 규제 조치로, 선박의 연료유 전환과 운항 방식의 변화가 항만 운영에 다양한 영향을 초래할 수 있다. 본 연구는 SBM(Slack-Based Measure) 기반의 DEA(Data Envelopment Analysis) 모형을 활용하여, ECA 도입 전후 국내 주요 무역항의 효율성을 측정하였다. 또한 이원분산분석을 통해 항만 간 효율성 변화의 차이가 통계적으로 유의미한지를 검증하였다. 분석 결과, 전체적으로 ECA 도입 이후 일부 항만에서 효율성 개선이 나타났으며, 특히 평택·당진항과 광양항은 유의미한 효율성 향상이 있었다. 반면 울산항은 효율성이 저하되는 경향을 보였고, 부산항과 인천항은 큰 변화 없이 유지되었다. 이와 같은 결과는 환경 규제가 항만 운영에 미치는 영향이 항만별로 상이하게 나타날 수 있음을 시사하며, 항만별 제도 대응 능력과 인프라 수준이 효율성 변화에 중요한 요인으로 작용했음을 보여준다. 본 연구는 해운·항만 분야의 친환경 정책 효과를 이해하는 데 기초 자료로 활용될 수 있으며, 향후 정책 설계 시 항만별 차별적 접근의 필요성을 강조한다.

ABSTRACT

This study aimed to empirically analyze the impact of implementation of the Emission Control Area (ECA) on operational efficiency of major trade ports in Korea since its enforcement in 2020. The ECA introduced by the International Maritime Organization (IMO) requires ships to switch to low-sulfur fuels or adopt exhaust gas cleaning systems, potentially affecting various aspects of port operations. Using a Slack-Based Measure (SBM) model of Data Envelopment Analysis (DEA), this study measured changes in port efficiency before and after ECA enforcement. Furthermore, a two-way analysis of variance was conducted to examine whether the variation in efficiency differed significantly across ports. Empirical results indicated that, overall, the efficiency of some ports improved following implementation of the ECA. In particular, Pyeongtaek-Dangjin and Gwangyang ports exhibited statistically significant improvements in efficiency, while Ulsan showed a decline. Busan and Incheon experienced relatively stable performances. These findings suggest that the impact of environmental regulations on port efficiency varies depending on each port’s capacity to respond, including its infrastructure and operational strategies. This study provides foundational insights into the effectiveness of eco-friendly policies in maritime and port sectors, emphasizing the need for differentiated policy support tailored to each port’s characteristics.

1. 서 론

최근 기후변화 대응과 해양환경 보호의 필요성이 강조되면서, 선박 배출가스에 대한 국제적인 규제가 강화되고 있다. 국제해사기구(IMO, International Maritime Organization)는 선박에서 배출되는 대기오염 물질의 해양 및 연안 환경에 대한 영향을 줄이기 위해 다양한 환경 규제를 도입해왔다(Van et al., 2019). 이 중 대표적인 조치로는 황산화물(SOx) 배출을 제한하는 배출규제해역(ECA, Emission Control Area)의 지정이 있다. ECA는 선박 연료의 황 함유량을 낮추거나, 배출가스 정화장치의 설치 등 특정 기술적 요건을 요구함으로써, 항만 및 배후 지역의 대기질 개선을 목표로 한다. 이러한 규제는 선박의 운항 방식뿐만 아니라, 정박 시간, 운항 효율성, 항만 운영 전반에도 영향을 미칠 수 있다(Kim, 2018; Jung et al., 2018). 우리나라도 이러한 국제 동향에 발맞추어 2020년부터 주요 무역항을 중심으로 ECA를 지정하고 선박연료유 전환을 의무화하였다(「항만지역 등의 대기질 개선에 관한 특별법」, 2020). 이는 해양 환경 개선 측면에서는 긍정적인 성과를 기대할 수 있으나, 항만 운영 효율성과 선박 운항 비용 측면에서는 다양한 영향이 존재할 수 있다(Chang et al., 2018; Shi and Li, 2020; Tan et al., 2021; Kanrak et al., 2022). 특히 무역항만은 국가 물류의 핵심 거점으로, ECA 지정이 항만의 운영 효율성에 어떤 변화를 가져왔는지에 대한 분석은 정책적, 산업적 측면에서 매우 중요하다.
그러나 국내에서 ECA 도입이 실제로 항만의 효율성에 어떤 영향을 미쳤는지를 실증적으로 분석한 연구는 아직 제한적이다. 대부분의 선행 연구는 ECA의 환경적 효과나 선사 및 선박의 대응 전략에 초점을 맞추고 있으며(Lee and Shin, 2017; Kim, 2024), 항만 차원에서의 운영 성과나 효율성 변화에 대한 정량적 분석은 상대적으로 부족한 실정이다. 특히, ECA가 도입된 이후 국내 주요 무역항 간의 효율성 변화가 일관되게 나타났는지, 또는 항만별로 상이한 반응을 보였는지에 대한 분석은 거의 이루어지지 않아 본 연구는 SBM 기반의 DEA 분석을 통해 ECA 도입 전후 국내 주요 무역항의 운영 효율성 변화를 측정하고, 이원분산분석을 통해 항만 간 효율성 변화의 차이가 통계적으로 유의한지를 분석하였다.
한편, 본 연구는 연구 초기 단계에서 연료유 전환, 배출저감설비 도입 등 규제 이행에 따른 추가 비용 증가, 정박 시간 지연, 운영 부담의 증가 등을 고려할 때, ECA 지정이 항만 운영 효율성에 부정적인 영향을 미칠 가능성이 클 것으로 예측하였다. 그러나 이러한 예측은 항만별 제도 대응력과 기술 수용성에 따라 다르게 나타날 수 있다는 점에서 실증적 검토가 필요하다. 특히 동일한 환경 규제가 적용되었음에도 항만별로 상이한 효율성 변화가 나타날 수 있다는 점에 주목하여, 이를 오염 피난처 가설(PHH, Pollution Haven Hypothesis)과 포터 가설(PH, Porter Hypothesis)의 관점에서 해석하고자 한다. 전자는 조직이 환경 규제를 회피하거나 소극적으로 대응함으로써 지역 간 성과 차이가 발생할 수 있음을 설명(Copeland and Taylor, 2017)하고, 후자는 규제가 오히려 기술 혁신과 효율성 향상을 유도할 수 있다는 가능성을 제시(Portet and Linde, 1995)한다. 본 연구는 이러한 이론적 틀을 바탕으로, 환경 규제가 국내 항만의 운영 효율성에 미친 실질적 영향을 실증적으로 검토하고, 항만정책 수립에 실질적인 시사점을 제공하고자 한다.
본 논문의 구성은 다음과 같다. 2장에서는 이론적 배경 및 선행연구를 고찰하고, 3장에서는 연구 설계와 분석 방법을 소개한다. 4장에서는 DEA 분석 결과 및 분산분석 결과를 제시하며, 마지막 5장에서는 결론과 정책적 시사점을 도출한다.

2. 선행연구 검토

2.1 ECA(배출규제해역) 제도의 개념과 주요 규제 방식

ECA(Emission Control Area, 배출규제해역)는 국제해사기구(IMO)가 지정한 특정 해역에서, 선박이 배출하는 대기오염물질의 허용 한도를 강화하여 규제하는 제도이다. IMO는 1997년 「해양오염방지를 위한 국제협약(MARPOL)」 부속서 VI를 통해 선박에서 배출되는 질소산화물(NOx), 황산화물(SOx), 입자상물질(PM) 등의 배출 기준을 규정하였고, 이후 이를 보완하여 일부 해역을 ECA로 지정하고 더 강화된 기준을 적용해왔다.
대표적인 ECA 지정 해역으로는 북미 동·서해안, 발트해, 북해, 카리브해의 미국령 해역 등이 있으며, 이 지역을 통과하거나 기항하는 선박은 저유황 연료유 사용, 배기가스 정화장치(Scrubber) 장착, LNG 등 대체연료 사용 등의 조치를 통해 기준을 충족해야 한다. 예를 들어 황산화물의 경우, 일반 해역에서는 0.5% 이하의 유황 함유율이 요구되지만, ECA 내에서는 0.1% 이하의 초저유황 연료 사용이 필수이다(2020년 기준). 이는 대기오염 개선과 항만도시 주민의 건강보호를 목적으로 한다.
ECA의 이행은 기국(flag state) 또는 항만국(port state)에 의해 감시되며, 주요 감시 방식으로는 서류 점검, 연료 샘플링, 배출 기록 확인 등이 포함된다. 최근 IMO는 아시아 해역에도 배출규제해역 도입을 권고하고 있으며, 중국은 이미 일부 연안에 자체적 ECA를 운영 중이다. 우리나라도 2020년부터 부산, 울산, 광양, 인천, 평택·당진 등 주요 항만에 배출규제 제도를 도입하였다..
이처럼 ECA 제도는 선박의 연료 사용 방식, 항만 인프라, 선사 운영 전략 등에 다양한 영향을 미치고 있으며, 관련 정책과 규제 방식은 선박운영과 항만 효율성 분석에 중요한 변수로 작용하고 있다.

2.2 항만의 효율성 측정 관련 연구

항만은 해상물류체계의 중심축으로서, 국가 간 교역과 지역 경제 활성화에 중요한 역할을 담당한다. 항만 운영의 효율성은 단순한 물동량 처리 능력을 넘어, 투입 자원의 활용도, 서비스의 신속성, 물류비용 절감 등 다양한 요소에 의해 평가된다(Ko, 2000; Song and Shin, 2005; Lee and Kim, 2022; Shim et al., 2024). 이러한 효율성 측정을 위해 대표적으로 활용되는 기법이 DEA(Data Envelopment Analysis)이다(Song and Shin, 2005; Park, 2006). DEA는 비모수적 방법으로 다수의 투입과 산출을 동시에 고려할 수 있어, 항만과 같은 복잡한 운영 시스템의 효율성을 비교하는 데 유리하다. 특히 Slack-Based Measure(SBM)은 기존 CCR, BCC 모델과 달리 잉여(slack)를 명시적으로 반영함으로써 더 정밀한 효율성 분석을 가능하게 한다(Tone, 2001).
항만의 운영 효율성에 관한 연구는 국내외에서 활발히 이루어져 왔다. Tongzon(2001)은 아시아 항만의 효율성을 DEA로 분석하였고, Cullinane et al.(2006)은 세계 주요 항만을 대상으로 DEA와 SFA(Stochastic Frontier Analysis)를 병행 적용하였다. 국내 연구로는 Mo and Lee(2010)가 부산항과 광양항의 컨테이너 터미널 효율성을 비교하였으며, Yeo et al.(2009)는 아시아 주요 항만의 효율성을 측정하고, 상대적 효율성을 비교하였다.
이들 연구는 항만 간 비교를 통해 비효율 요인을 도출하고 개선 방향을 제시하는 데 기여하였다. 그러나 대부분의 연구는 환경 요인을 외생 변수로 두거나, 단일 시점 분석에 집중하여 정책 변화 전후의 효율성 변화를 포착하는 데는 한계가 있다.

2.3 항만의 환경규제 관련 연구

IMO의 환경 규제 강화 이후, ECA에 대한 관심이 높아지면서 환경정책이 항만 운영에 미치는 영향에 관한 연구도 점차 증가하고 있다. Lam & Notteboom (2014)은 아시아 및 유럽의 주요 항만에서 사용되는 환경정책 도구를 비교하며, 선박 교통 분야가 가장 활발하게 규제되고 있으며, 특히 유럽 항만은 자율성과 정책 실행력에서 우위에 있다고 분석하였다.
Tovar & Tichavska (2019)은 AIS 기반 하에서 다양한 규제환경(EU, SECA, 비-SECA)에 있는 항만들의 선박 배출가스로부터 유발되는 외부비용과 환경효율성을 정량화하고 비교하였다. 특히 Las Palmas, St. Petersburg, Hong Kong 항만의 사례를 통해 여객과 화물 운송 부문의 환경적 영향 차이를 분석하고, 친환경 항만정책 설계를 위한 기초 자료를 제시하였다.
Woo et al.(2018)은 시스템 다이내믹스 기반 시뮬레이션을 통해 부산항에서의 환경정책(EPs)과 정책옵션(POs)이 항만의 비용-편익 구조에 미치는 영향을 분석하였다. 연구 결과, 단기적으로는 비용이 편익보다 크지만, 중장기적으로는 항만 클러스터 활성화에 따른 부가가치 상승과 환경개선 효과로 인해 편익이 비용을 초과함을 보여주었다.
국내에서는 Lee et al.(2023)가 ECA 지정 이후 인천항의 대기질의 개선 효과를 분석한 바 있으며, 환경성과와 항만 운영지표 간의 상관관계를 일부 탐색하였다. 그러나 여전히 ECA 도입 전후의 항만 ‘효율성 변화’를 DEA로 직접 분석한 연구는 매우 제한적이며, 특히 다년간의 자료를 활용해 항만별 차이를 계량적으로 비교한 사례는 드물다.

3. 연구방법

본 연구는 배출규제해역(ECA) 도입이 국내 주요 무역항만의 운영 효율성에 미친 영향을 실증적으로 분석하기 위해, SBM(Slack-Based Measure) 모형의 자료포락분석(DEA)을 활용하였다. 분석 대상은 부산, 인천, 울산, 광양, 평택·당진 등 국내 주요 무역항이며, 1999년부터 2024년까지의 시계열 데이터를 기반으로 한다. 효율성 측정을 위한 DEA 분석은 R 통계 프로그램을 사용하였으며, 항만 간 효율성 변화의 차이를 검정하기 위한 이원분산분석(two-way ANOVA)은 SPSS를 통해 수행하였다.
DEA는 각 항만을 독립적인 의사결정단위(DMU)로 간주하고, 이들이 동일한 환경하에서 자원을 얼마나 효율적으로 활용하고 있는지를 평가하는 비모수적 방법이다(Kim, 2005). 특히 본 연구에서는 슬랙 변수(slack variable)를 명시적으로 고려할 수 있는 SBM 모형을 적용함으로써, 기존 CCR이나 BCC 모형보다 더 정교한 비효율성 측정이 가능하도록 하였다(Tone, 2001).
투입 변수로는 선석 길이(berth length), 야드 면적(CY area), 컨테이너 크레인 수(number of container cranes)를 사용하였고, 산출 변수로는 연간 컨테이너 처리 실적(total TEU)을 설정하였다. 선석 길이는 항만이 동시에 수용할 수 있는 선박 수용능력을 의미하며, 이는 항만의 처리 용량과 직결된다(Song and Shin, 2005). 야드 면적은 컨테이너의 적치 및 보관 공간의 크기를 나타내며, 화물의 저장 능력 및 회전율에 영향을 미치는 핵심 자원으로 간주된다(Mo and Lee, 2010). 컨테이너 크레인 수는 하역 작업의 자동화 및 속도에 영향을 주는 직접적인 장비 수를 의미하며, 항만의 생산성과 하역 효율성을 반영하는 대표 지표이다(Lee and Kim, 2022). 연간 컨테이너 처리 실적은 항만이 일정 기간 동안 실제로 처리한 물동량을 나타내며, 항만의 운영 성과를 정량적으로 측정하는 데 가장 보편적으로 사용되는 산출 지표이다(Tongzon, 2001; Cullinane et al., 2006). 이러한 변수 구성은 선행연구에서 제시된 항만 효율성 분석의 기준을 반영한 것으로, 항만의 자원 투입 대비 산출 성과를 균형 있게 측정하기 위한 조작적 정의에 기반하고 있다. 이 외 환경 요인으로는 ECA 단계별 도입 여부(ECA_1, ECA_2) 및 코로나19의 영향을 반영한 변수(COVID)를 더미 변수 형태로 통제하였다.
DEA를 통해 산출된 연도별 효율성 점수를 바탕으로, 각 항만의 효율성 변화가 ECA 도입 시점 전후로 통계적으로 유의미한 차이를 보이는지를 확인하고자 이원분산분석을 실시하였다. 이를 통해 시기(도입 전/후)와 항만 간 효율성의 상호작용 효과를 분석하였으며, 규제에 대한 항만별 대응 차이를 규명하고자 하였다. 본 연구는 정책 도입 전후의 비교 분석뿐 아니라, 정책 효과가 항만별로 상이하게 나타나는지를 검증하는 데 중점을 두고 설계되었다.

3.1 SBM DEA 모형

DEA는 투입과 산출 변수 간의 관계를 통해 상대적 효율성을 측정하는 비모수적(non-parametric) 기법으로, 본 연구에서는 SBM 모형을 적용하였다. SBM 모형은 투입·산출의 잉여(slack)를 고려함으로써 기존의 CCR 또는 BCC 모형보다 정밀한 효율성 평가가 가능하다는 장점이 있다. 각 항만별 효율성 점수는 연도별로 산출되었다.

3.2 이원분산분석

DEA 분석을 통해 도출된 효율성 점수를 종속변수로 설정하고, 독립변수로는 ECA 도입 여부(시점)와 항만 간 구분을 사용하였다. 이를 통해 각 항만이 ECA 정책 도입에 따라 효율성에 어떠한 변화를 나타냈는지 통계적으로 검증하였다. 이원분산분석은 SPSS 28.0을 사용하여 수행되었다.

3.3 자료 구성

연구에 사용된 자료는 해양수산부의 해운항만물류정보시스템(Port-mis), 부산항만공사, 인천항만공사, 울산항만공사, 여수광양항만공사, 경기평택항만공사에서 수집되었으며, 연도는 1999년부터 2024년까지, 대상 항만은 총 5개로 구성되었다. 투입 및 산출 변수는 기존 연구들을 참고하여 구성하였으며, 본 연구에서는 항만 운영지표 대신 DEA에 적합한 효율성 수치 기반의 데이터셋을 활용하였다.

4. 연구결과

아래의 Table 2는 본 연구에서 측정된 국내 5대 항만의 효율성 분석 결과를 요약한 것이다. 각 항만의 평균 효율성과 표준편차를 제시하였으며, 구체적인 분석 결과는 Table 3에 제시하였다.
부산항은 평균 효율성이 0.830으로 가장 높았으며, 평택·당진항은 0.175로 가장 낮았다. 인천항은 평균 효율성은 중간 수준이나, 연도 간 편차가 가장 커(표준편차 0.221) 상대적으로 효율성 변동성이 큰 항만으로 나타났다. 부산항은 분석 기간 동안 가장 높은 평균 효율성을 기록하였으며, 다수의 연도에서 1.000의 완전 효율을 달성하였다.
반면 평택·당진항은 전체적으로 낮은 효율성을 유지하면서도 변동 폭은 가장 작아, 개선 여지가 적은 구조적 비효율성을 내포하고 있을 가능성을 시사한다. 인천항은 일부 연도에서 높은 효율성을 보였으나, 연도별 차이가 커 정책적 또는 운영상 불안정성이 존재할 수 있다.
Table 4는 각 항만에 대해 ECA_1, ECA_2 및 COVID 조건별 효율성의 평균과 표준편차, 관측치 수를 제시하였다. 이를 통해 환경 규제 및 감염병 변수 도입 전후의 항만 효율성 변동 경향을 기초적으로 파악할 수 있다. ECA 지정 여부에 따른 각 항만의 효율성 평균을 비교한 결과는 다음과 같다. 먼저, 전체 항만을 기준으로 보았을 때 ECA 미지정군(평균=0.429, 표준편차=0.289)이 ECA 지정군(평균=0.427, 표준편차=0.300)에 비해 상대적으로 높은 효율성을 나타냈다.
개별 항만별로 살펴보면, 부산항은 ECA 지정군(0.961)이 미지정군(0.799)보다 평균 효율성이 높게 나타났으며, 광양항 또한 지정군(0.288)이 미지정군(0.251)보다 높게 나타났다. 인천항의 경우 미지정군(0.625)이 지정군(0.508)보다 효율성이 다소 높았으나 그 차이는 크지 않았다. 반면, 평택·당진항은 지정군(0.223)이 미지정군(0.159)보다 현저히 높은 효율성을 보였으며, 울산항은 ECA 지정군(0.154)이 미지정군(0.232)보다 낮았다.
이러한 결과는 항만별로 ECA 지정 여부에 따른 효율성 변화가 일정하지 않음을 시사한다. 다만, 전체적으로는 ECA 지정군이 미지정군에 비해 효율성이 더 높은 경향을 보이며, 이는 향후 ECA 정책의 효과에 대한 보다 정교한 통계적 검증이 필요함을 보여준다.
분산분석에 앞서 등분산성 가정을 점검한 결과, 항만 요인에 대해서는 Levene 검정 결과 유의한 차이가 나타났으며(F=17.064, p<.001), 그 외 ECA 관련 변수는 집단 간 표본 수의 불균형으로 검정이 제한되었다. 이에 따라 해석 시 주의가 요구되며, 분석 결과는 분산 이질성의 가능성을 감안하여 해석하였다.
각 항만별로 ECA 지정 여부가 효율성에 미친 영향의 유의성을 검증하기 위해 이원분산분석(ANOVA)을 실시하였다.
항만별, 그리고 ECA 지정 여부에 따른 효율성의 차이에 대해 통계적 유의성을 검토한 결과, 일부 항만에서는 ECA 도입 전후의 효율성 변화가 뚜렷하였으며, 특히 평택·당진항의 경우 변화 폭이 매우 컸다. 다만 일부 항만에서는 큰 차이를 보이지 않거나 오히려 효율성이 낮아지는 경향도 있어, ECA 도입의 효과가 항만별로 상이하게 나타남을 알 수 있다.
이러한 결과는 환경 규제가 항만 운영 효율성에 미치는 영향이 단일 방향으로 작용하지 않으며, 각 항만의 물류 구조, 배후단지, 연료 전환 대응 수준 등에 따라 차별화된 결과가 나타날 수 있음을 의미한다.
이원분산분석 결과, ECA 1차 도입에 대한 모형은 통계적으로 유의미한 것으로 나타났으며(F=54.488, p<.001), 항만(port)에 따른 효율성의 차이가 유의하게 나타났다(F=83.972, p<.001). 그러나 ECA_1 변수 단독의 효과는 통계적으로 유의하지 않았으며(F=0.217, p=.642), 항만과 ECA_1 간의 상호작용 효과는 유의하게 나타났다(F=2.968, p=.023). 전체 설명력은 R² = .811로, 모형이 항만 효율성의 약 81.1%를 설명하는 것으로 분석되었다(수정된 R² = .796).
ECA 2차 도입에 대한 모형도 통계적으로 유의미한 것으로 나타났으며(F=51.172, p<.001), 항만(port)에 따른 효율성의 차이가 유의하게 나타났다(F=53.570, p<.001). ECA_2 변수 단독의 효과는 통계적으로 유의하지 않았으며(F=0.012, p=.913), 항만과 ECA_2 간의 상호작용 효과는 유의하지 않았다(F=1.458, p=.220). 전체 설명력은 R² = .802로, 모형이 항만 효율성의 약 80.2%를 설명하는 것으로 분석되었다(수정된 R² = .786).
COVID에 대한 모형도 통계적으로 유의미한 것으로 나타났으며(F=52.578, p<.001), 항만(port)에 따른 효율성의 차이가 유의하게 나타났다(F=68.101, p<.001). COVID 변수 단독의 효과는 통계적으로 유의하지 않았으며(F=0.068, p=.795), 항만과 COVID 간의 상호작용 효과는 10% 유의수준에서 유의한 것으로 나타났다(F=2.106, p=.085). 전체 설명력은 R² = .806으로, 모형이 항만 효율성의 약 80.6%를 설명하는 것으로 분석되었다(수정된 R² = .791).
Scheffé 사후검정 결과, 부산항은 광양항, 인천항, 평택·당진항, 울산항과의 모든 쌍 비교에서 통계적으로 유의한 평균 차이를 보였다(p<.001). 인천항 또한 광양항, 평택·당진항, 울산항과 유의한 차이를 나타냈으며, 반면 광양항과 평택·당진항, 울산항과 평택·당진항 간의 비교에서는 유의한 차이가 나타나지 않았다(p>.05). 이는 ECA_1 조건하에서 항만별 효율성이 상이하게 나타났으며, 특히 부산항의 상대적 효율성이 두드러졌음을 시사한다.

5. 결 론

본 연구는 국내 주요 무역항을 대상으로 배출규제해역(ECA) 지정이 항만 운영 효율성에 미친 영향을 실증적으로 분석하였다. SBM 모형의 자료포락분석(DEA)과 이원분산분석을 활용하여 ECA 도입 전후의 효율성 변화를 정량적으로 측정하고, 항만 간의 차이를 통계적으로 검토하였다.
분석 결과, ECA 지정 이후 전반적으로 효율성 개선 경향이 나타났으나, 항만별로 상이한 반응이 관찰되었다. 평택·당진항과 광양항은 유의미한 효율성 향상이 있었던 반면, 부산항과 울산항은 상대적으로 변화가 제한적이거나 오히려 효율성이 저하되었다. 이는 ECA 정책이 일률적인 효과를 나타내기보다는 각 항만의 제도 대응 역량, 인프라 수준, 운영 전략 등에 따라 상이하게 작용함을 시사한다. 특히 평택·당진항의 경우, 상대적으로 최근에 개발된 항만으로 신기술 도입이 용이하고, 대중국 무역 확장이 항만 활용도를 높였다는 점에서 효율성 향상에 유리한 조건을 갖추고 있었다(Lee, 2005; Cho et al., 2018; Jeong, 2022). 아울러 지방정부와 항만공사의 제도 대응력도 상대적으로 높아, ECA 이행에 적극적으로 대응한 점이 긍정적인 영향을 미쳤을 가능성이 있다(Cho et al., 2019).
본 연구는 환경 규제가 반드시 운영 효율성 저하로 귀결되지 않으며, 기술적·제도적 대응에 따라 오히려 긍정적 효과를 유도할 수 있다는 가능성을 실증적으로 확인하였다. 또한 ECA 정책이 항만 운영의 구조적 변화와 기술 혁신을 촉진할 수 있음을 보여주며, 향후 친환경 항만정책의 설계에 유의미한 시사점을 제공한다.
연구 초반에는 연료유 전환 및 관련 규제 이행에 따른 비용 증가, 정박시간 지연, 운영 부담 등을 고려할 때, ECA 지정이 항만 운영 효율성에 부정적인 영향을 미칠 것으로 예측되었다. 그러나 분석 결과, ECA 지정 이후 일부 항만에서는 오히려 효율성이 향상되는 경향이 관찰되었다. 이러한 결과는 다음과 같은 가능성에 기반하여 해석될 수 있다.
첫째, 항만 및 선사들이 환경 규제에 대응하기 위해 시행한 운영 시스템 개선이 효율성 향상에 기여했을 가능성이 있다. ECA 지정 이후 선박 연료유 전환, 입출항 절차 개선, 친환경 설비 도입 등 다양한 대응 노력이 이루어졌으며, 이러한 조치들이 항만 운영의 전반적인 최적화로 이어졌을 수 있다. 둘째, 정부 및 항만공사의 제도적 지원이 정책 이행 부담을 상쇄했을 가능성이 있다. ECA 도입은 단순한 규제 조치가 아니라, 친환경 항만 인프라 구축, 연료유 전환 비용 보조, 친환경 선박 유인 정책 등 다양한 지원 수단과 병행되었기 때문에, 전체적으로는 항만의 경쟁력 향상을 도모할 수 있었던 것으로 보인다. 셋째, 분석 대상인 ECA 지정 항만 대부분은 국내 대형 항만으로, 이미 비교적 높은 효율성을 갖춘 인프라와 관리 체계를 갖추고 있었던 점도 영향을 미쳤을 수 있다. 이들 항만은 정책 변화에 보다 유연하고 효과적으로 대응할 수 있는 역량을 갖추고 있었고, 이에 따라 효율성 향상이 가능했을 것으로 판단된다. 넷째, DEA 분석의 상대적 효율성 평가 특성상, 비ECA 항만의 효율성 저하 또는 정책 미적용 항만의 구조적 한계가 결과적으로 ECA 항만의 상대 효율성을 높게 나타나게 했을 가능성도 존재한다. 이러한 측면은 향후 분석에서 추가적인 정량적 보완이 필요한 지점이다.
이상의 결과는 환경 규제가 반드시 항만 운영의 비효율로 이어지지 않으며, 오히려 정책적 대응과 기술적 전환을 통해 효율성 향상이라는 긍정적 효과를 낳을 수 있음을 시사한다. 이는 친환경 항만 정책이 환경보호와 운영 효율이라는 두 가지 목표를 동시에 달성할 수 있다는 가능성을 보여주는 실증적 사례로 볼 수 있다.
정책적 함의로는, 환경 규제의 도입에 따라 항만 간 상이한 반응이 발생할 수 있으므로, 정책 집행 시 항만별 특성을 고려한 차별적 지원과 성과 기반의 평가체계가 병행되어야 한다는 점을 들 수 있다. 이러한 결과는 환경 규제의 효과가 단일하게 작용하지 않고, 항만별 제도 대응력이나 운영 구조, 기술 수용성 등에 따라 상이하게 나타날 수 있음을 보여준다. 이는 오염 피난처 가설(PHH)이 설명하는 바와 같이 일부 항만에서는 규제 회피적 반응이나 소극적 대응으로 인해 효율성 저하가 발생할 수 있으며, 반대로 포터 가설(PH)의 관점에서는 규제가 오히려 기술 혁신과 운영 개선을 유도하여 효율성 향상을 가져오는 사례도 존재함을 시사한다. 따라서 환경 규제의 성패는 단지 규제의 강도에 있는 것이 아니라, 각 항만의 대응 역량과 전략에 좌우될 수 있다는 점에서, 향후 정책 설계 시 항만별 이질성을 반영한 맞춤형 접근이 필요하다. 아울러, 효율성 제고가 상대적 지표에 기반한 것임을 감안할 때, 분석 결과의 해석에 있어 환경요인과 외생변수에 대한 통제가 필수적이다.
본 연구의 한계로는 효율성 측정에 있어 DEA의 상대평가 특성이 포함되어 있어, 절대적 기준보다는 비교 기준에 따라 효율성이 변동될 수 있다는 점을 들 수 있다. 향후 연구에서는 구조방정식 모형이나 통제변수 확대 등을 통해 분석의 정밀도를 높일 필요가 있다.

NOTES

사 사

본 논문은 해양수산부 제5차 해운항만물류 전문인력양성사업의 지원을 받아 수행된 연구임.

Table 1
Overview of related literature
Researcher (Year) Research Content Methodology Key Implication
IMO (1997) Regulation of NOx, SOx, PM through MARPOL Annex VI Introduction of international agreement Provided foundation for stricter emission standards
Korean Government (2020) Introduction of domestic ECAs at five major ports including Busan and Incheon Policy implementation Intended to improve air quality in port cities
Ko(2000), Song and Shin(2005) Conceptualization of port operational efficiency Literature review Definition of efficiency concepts and establishment of evaluation criteria
Song and Shin (2005), Park (2006) Port efficiency analysis using DEA technique DEA Enables more precise analysis by accounting for slacks
Tone (2001) Slack-Based Measure 제안 SBM-DE A Precise analysis possible considering surplus value
Tongzon (2001), Cullinane et al. (2006) Comparative analysis of port efficiency in Asia and globally DEA & SFA Provided basis for global comparative analysis
Mo and Lee (2010), Yeo et al.(2009) Comparative study of Korean ports such as Busan and Gwangyang DEA Identified relative inefficiencies between domestic ports
Lam & Notteboom (2014) Comparison of environmental policy tools between Asian and European ports Comparative policy analysis Emphasized autonomy and implementation capacity of European ports
Tovar & Tichavska (2019) Analysis of external costs in SECA vs non-SECA ports Environmental efficiency quantification Basis for port-specific green policy design
Woo et al. (2018) Simulation of environmental policy effects at Busan Port System Dynamics Long-term benefits outweigh short-term costs
Lee et al.(2023) Air quality improvement analysis in Incheon Port post-ECA designation Statistical analysis Explored correlation between environmental performance and port indicators
Table 2
Results of efficiency analysis
Port Mean Standard Deviation
Busan 0.830 0.132
Incheon 0.603 0.221
Gwangyang 0.258 0.082
Ulsan 0.217 0.110
Pyeongtaek-Dangjin 0.175 0.042
Table 3
Yearly SBM-DEA efficiency scores by port
Year Port
Busan Incheon Gwang yang Pyeongtaek-Dangjin Ulsan
1999 0.525 0.297 0.057 - 0.117
2000 0.598 0.320 0.090 - 0.197
2001 0.766 0.352 0.121 - 0.236
2002 0.792 0.419 0.157 - 0.267
2003 0.875 0.450 0.173 - 0.340
2004 0.969 0.521 0.190 - 0.313
2005 1.000 0.655 0.207 0.136 0.336
2006 0.751 0.797 0.253 0.156 0.372
2007 0.847 0.975 0.248 0.193 0.447
2008 0.862 1.000 0.261 0.216 0.482
2009 0.647 0.659 0.262 0.229 0.341
2010 0.640 0.805 0.301 0.108 0.111
2011 0.748 0.848 0.300 0.131 0.107
2012 0.722 0.841 0.311 0.128 0.127
2013 0.754 0.921 0.330 0.128 0.132
2014 0.803 1.000 0.339 0.136 0.135
2015 0.841 0.504 0.337 0.141 0.132
2016 0.841 0.388 0.325 0.157 0.145
2017 0.891 0.453 0.323 0.162 0.166
2018 0.949 0.466 0.351 0.175 0.176
2019 0.965 0.460 0.346 0.185 0.188
2020 0.957 0.492 0.311 0.203 0.196
2021 1.000 0.506 0.306 0.243 0.162
2022 0.886 0.478 0.267 0.220 0.134
2023 0.962 0.525 0.267 0.211 0.140
2024 1.000 0.541 0.289 0.240 0.138
Table 4
Descriptive statistics for each model
Port ECA_1 ECA_2 COVID
value Mean S.D N value Mean S.D N value Mean S.D N
Busan 0 .799 .127 21 0 .815 .132 23 0 .808 .131 22
1 .961 .046 5 1 .950 .058 3 1 .951 .047 4
Total .830 .132 26 Total .830 .132 26 Total .830 .132 26
Gwangyang 0 .251 .090 21 0 .256 .087 23 0 .253 .088 22
1 .288 .021 5 1 .274 .013 3 1 .288 .024 4
Total .258 .082 26 Total .258 .082 26 Total .258 .082 26
Incheon 0 .625 .241 21 0 .614 .233 23 0 .621 .236 22
1 .508 .025 5 1 .515 .033 3 1 .500 .020 4
Total .602 .221 26 Total .603 .221 26 Total .603 .221 26
Pyeongtaek-Dangjin 0 .159 .035 15 0 .166 .040 17 0 .164 .039 16
1 .223 .017 5 1 .223 .015 3 1 .219 .017 4
Total .175 .0422 20 Total .175 .042 20 Total .175 .042 20
Ulsan 0 .232 .117 21 0 .227 .113 23 0 .228 .116 22
1 .154 .026 5 1 .137 .003 3 1 .158 .028 4
Total .217 .110 26 Total .217 .110 26 Total .217 .110 26
Total 0 .429 .289 99 0 .430 .290 109 0 .429 .290 104
1 .427 .300 25 1 .420 .304 15 1 .423 .297 20
Total .428 .290 124 Total .428 .290 124 Total .428 .290 124
Table 5
Test of between-subjects effects: ECA_1
Factor Type III Sum of Squares df Mean Square F p-value
Adjusted Model 8.399a 9 .933 54.488 <.001
Intercept 14.040 1 14.040 819.749 <.001
port 5.753 4 1.438 83.972 <.001
ECA_1 .004 1 .004 .217 .642
port * ECA_1 .203 4 .051 2.968 .023
Estimated Value 1.953 114 .017
Total 33.105 124
Adjusted Total 10.352 123

a R2 = .811 (Adjusted R2 = .796)

Table 6
Test of between-subjects effects: ECA_2
Factor Type III Sum of Squares df Mean Square F p-value
Adjusted Model 8.298a 9 .922 51.172 <.001
Intercept 9.191 1 9.191 510.151 <.001
port 3.861 4 .965 53.570 <.001
ECA_2 .000 1 .000 .012 .913
port * ECA_2 .105 4 .026 1.458 .220
Estimated Value 2.054 114 .018
Total 33.105 124
Adjusted Total 10.352 123

a R2 = .802 (Adjusted R2 = .786)

Table 7
Test of between-subjects effects: COVID
Factor Type III Sum of Squares df Mean Square F p-value
Adjusted Model 8.342a 9 .927 52.578 <.001
Intercept 11.753 1 11.753 666.676 <.001
port 4.802 4 1.201 68.101 <.001
COVID .001 1 .001 .068 .795
port * COVID .148 4 .037 2.106 .085
Estimated Value 2.010 114 .018
Total 33.105 124
Adjusted Total 10.352 123

a R2 = .806 (Adjusted R2 = .791)

Table 8
Scheffe post-hoc test results conducted under the ECA_1 condition
(I) port (J) port Mean Difference (I - J) Standard Error p-value 95% Confidence Interval
Lower Bound Upper Bound
Busan Gwangyang 0.572* 0.036 <.001 0.458 0.686
Incheon 0.228* 0.036 <.001 0.114 0.341
Pyeongtaek-Dangjin 0.656* 0.039 <.001 0.534 0.777
Ulsan 0.613* 0.036 <.001 0.5 0.727
Gwangyang Busan −0.572* 0.036 <.001 −0.686 −0.458
Incheon −0.344* 0.036 <.001 −0.458 −0.231
Pyeongtaek-Dangjin 0.084 0.039 0.336 −0.038 0.205
Ulsan 0.041 0.036 0.86 −0.072 0.155
Incheon Busan −0.228* 0.036 <.001 −0.341 −0.114
Gwangyang 0.344* 0.036 <.001 0.231 0.458
Pyeongtaek-Dangjin 0.428* 0.039 <.001 0.306 0.55
Ulsan 0.386* 0.036 <.001 0.272 0.499
Pyeongtaek-Dangjin Busan −0.656* 0.039 <.001 −0.777 −0.534
Gwangyang −0.084 0.039 0.336 −0.205 0.038
Incheon −0.428* 0.039 <.001 −0.55 −0.306
Ulsan −0.042 0.039 0.882 −0.164 0.08
Ulsan Busan −0.613* 0.036 <.001 −0.727 −0.5
Gwangyang −0.041 0.036 0.86 −0.155 0.072
Incheon −0.386* 0.036 <.001 −0.499 −0.272
Pyeongtaek-Dangjin 0.042 0.039 0.882 −0.08 0.164

References

[1] Chang, Y. T., Park, H. K., Lee, S. and Kim, E.(2018), “Have emission control areas (ECAs) harmed port efficiency in Europe?” Transportation Research Part D: Transport and Environment, Vol. 58, pp. 39-53.
crossref
[2] Cho, E. R., Lee, S. H. and Park, J. S.(2018), “Pyeongtaek Port Logistics Activation Plan”, Policy Research, pp. 1-79.
[3] Cho, E. R., Park, C. H. and Park, J. S.(2019), “Pyeongtaek -Dangjin Port Development Cooperation System Establishment Plan”, Policy Research, pp. 1-63.
[4] Cullinane, K., Wang, T. F., Song, D. W. and Ji, P.(2006), “The technical efficiency of container ports: Comparing data envelopment analysis and stochastic frontier analysis”, Transportation Research Part A: Policy and Practice, Vol. 40, No. 4, pp. 354-374.
crossref
[5] Copeland, B. R. and Taylor, M. S.(2017), North-South Trade and the Environment, International Trade and the Environment. Routledge: p. 205-238.
crossref
[6] Han, S. Y., Han, C. H. and Seo, S. W.(2013), “A study on competitiveness evaluation of countries targeted for overseas port investment”, Journal of Korea Logistics Society, Vol. 23, No. 3, pp. 131-157.
[7] Jeong, T. W.(2022), “A study on improvement measures through diagnosis of problems of Pyeongtaek Port maritime special cargo”, Journal of Shipping Logistics, Vol. 116, pp. 605-623.
[8] Jung, T. H., Kang, S. G., Lee, J. G. and Ahn, J. G.(2018), “Trends of IMO’s GHG emission regulations and domestic and international response strategies”, Bulletin of the Society of Naval Architects of Korea, Vol. 55, No. 4, pp. 48-54.
[9] Kanrak, M., Lau, Y. Y., Nguyen, H. O. and Ling, X.(2022), Effect of emission control area (ECA) regulations on the cruise shipping network IFSPA 2022, pp. 105.
[10] Kim, E. J.(2018), “A study on the improvement of IMO’s GHG emission regulations in international shipping”, Regional Industry Review, Vol. 41, No. 1, pp. 237-260.
[11] Kim, S. A.(2005), “Efficiency evaluation of public libraries using DEA: Focusing on information service activities”, Journal of the Korean Society for Library and Information Science, Vol. 39, No. 1, pp. 221-239.
crossref
[12] Kim, S. Y.(2024), “Impact of shipping environmental policies on marine water quality: Empirical analysis of ECA and VSR policies”, Journal of the Korean Society for Marine Environment & Energy, Vol. 27, No. 4, pp. 205-211.
[13] Kim, T. W.(2000), “A case study on the efficiency analysis of public institutions using DEA: Focusing on local post offices”, The Korean Journal of Financial Studies, Vol. 6, No. 1, pp. 47-65.
[14] Ko, Y. G.(2000), “A study on the development and modeling of port efficiency evaluation indicators”, Journal of Trade, Vol. 25, No. 1, pp. 89-106.
[15] Lam, J. S. L. and Notteboom, T.(2014), “The greening of ports: A comparison of port management tools used by leading ports in Asia and Europe”, Transport Reviews, Vol. 34, No. 2, pp. 169-189.
crossref
[16] Lee, C. B.(2002), “Awareness and development strategy of Pyeongtaek Port among shippers”, Journal of the Korean Port Economics Association, Vol. 18, No. 1, pp. 135-157.
[17] Lee, J. H. and Shin, H. S.(2017), “Expected effects and response strategies of ports and shipping companies following the introduction of the Environmental Ship Index (ESI)”, Journal of International Commerce, Vol. 32, No. 4, pp. 121-139.
[18] Lee, M. W., Lee, H. S. and Lee, J. W.(2023), “Analysis of changes in air pollutant emissions following the introduction of the Special Act on Air Quality Improvement in Port Areas: Focusing on Incheon Port”, Journal of Korea Port Economic Association, Vol. 39, No. 3, pp. 107-122.
[19] Lee, S. H. and Kim, J. Y.(2022), “Efficiency evaluation of smart ports in the era of Industry 4.0”, Journal of Industrial Economics, Vol. 35, No. 5, pp. 1075-1096.
[20] Mo, S. W. and Lee, G. B.(2010), “Efficiency of container terminals at Busan and Gwangyang ports”, Journal of Korea Port Economic Association, Vol. 26, No. 2, pp. 139-149.
[21] Munim, Z. H. and Schramm, H. J.(2018), “The impacts of port infrastructure and logistics performance on economic growth: The mediating role of seaborne trade”, Journal of Shipping and Trade, Vol. 3, No. 1, pp. 1-19.
crossref pdf
[22] Park, N. K.(2006), “Extraction method of key input-output variables of ports using DEA and PCA”, Journal of Navigation and Port Research, Vol. 30, No. 10, pp. 793-800.
[23] Porter, M. E. and Linde, C. V. D.(1995), “Toward a new conception of the environment-competitiveness relationship”, Journal of Economic Perspectives, Vol. 9, No. 4, pp. 97-118.
crossref
[24] Shi, K., Weng, J. and Li, G.(2020), “Exploring the effectiveness of ECA policies in reducing pollutant emissions from merchant ships in Shanghai port waters”, Marine Pollution Bulletin, Vol. 155, pp. 111164.
crossref pmid
[25] Shim, M. S., Ha, D. Y. and Kim, Y. S.(2024), “Comparative analysis of efficiency and productivity of domestic port hinterland complexes”, Journal of Navigation and Port Research, Vol. 48, No. 1, pp. 17-26.
[26] Song, J. Y. and Shin, C. H.(2005), “Efficiency evaluation of major global ports using DEA”, Journal of Navigation and Port Research, Vol. 29, No. 3, pp. 195-201.
[27] Tan, Z., Liu, H., Shao, S., Liu, J. and Chen, J.(2021), “Efficiency of Chinese ECA policy on the coastal emission with evasion behavior of ships”, Ocean & Coastal Management, Vol. 208, pp. 105635.
crossref
[28] Tone, K.(2001), “A slacks-based measure of efficiency in data envelopment analysis”, European Journal of Operational Research, Vol. 130, No. 3, pp. 498-509.
crossref
[29] Tongzon, J.(2001), “Efficiency measurement of selected Australian and other international ports using data envelopment analysis”, Transportation Research Part A: Policy and Practice, Vol. 35, No. 2, pp. 107-122.
crossref
[30] Tovar, B. and Tichavska, M.(2019), “Environmental cost and eco-efficiency from vessel emissions under diverse SOx regulatory frameworks: A special focus on passenger port hubs”, Transportation Research Part D: Transport and Environment, Vol. 69, pp. 1-12.
crossref
[31] Van, T. C., Ramirez, J., Rainey, T., Ristovski, Z. and Brown, R. J.(2019), “Global impacts of recent IMO regulations on marine fuel oil refining processes and ship emissions”, Transportation Research Part D: Transport and Environment, Vol. 70, pp. 123-134.
crossref
[32] Wang, L., Zhou, Z., Yang, Y. and Wu, J.(2020), “Green efficiency evaluation and improvement of Chinese ports: A cross-efficiency model”, Transportation Research Part D: Transport and Environment, Vol. 88, pp. 102590.
crossref
[33] Woo, J. K., Moon, D. S. and Lam, J. S. L.(2018), “The impact of environmental policy on ports and the associated economic opportunities”, Transportation Research Part A: Policy and Practice, Vol. 110, pp. 234-242.
crossref
[34] Yeo, H. J., Koo, J. S. and Dong, M. S.(2009), “A study on the efficiency analysis of Asian ports: Focusing on DEA method”, Journal of Trade, Vol. 34, No. 5, pp. 75-91.
[35] Yeom, D. K. and Shin, H. D.(2013), “Evaluation of the relative efficiency of university-industry cooperation foundations using DEA”, Korean Journal of Public Administration, Vol. 51, No. 1, pp. 293-319.


ABOUT
BROWSE ARTICLES
FOR CONTRIBUTORS
Editorial Office
C1-327 Korea Maritime and Ocean University
727 Taejong-ro, Youngdo-gu, Busan 49112, Korea
Tel: +82-51-410-4127    Fax: +82-51-404-5993    E-mail: jkinpr@kmou.ac.kr                

Copyright © 2026 by Korean Institute of Navigation and Port Research.

Developed in M2PI

Close layer
prev next