제조업과 서비스업간 융합이 제조업 생산에 미치는 영향 분석 *
이동희**, 고대영***, 양나경****
초록
본 연구는 생산기술구조의 융합 관점에서 제조업과 서비스업간 연계수준을 정량적으로 측정하여 네트워크로 시각화하고, 관련된 융합도가 제조업 생산에 미치는 영향을 분석하였 다. 주요한 분석결과로 첫째, 제조업과 지식집약사업서비스(KIBS) 간의 강한 연계는 전반적 으로 제조업의 생산에 긍정적인 영향을 미친다. 둘째, 연계 및 융합의 대상이 되는 KIBS 세 부분야는 제조업의 기술수준에 따라 달라진다. 중고위기술 제조업의 생산에는 과학기술전문 서비스, 사업전문서비스, 연구개발과의 융합이 긍정적인 영향을 끼치지만, 중저위․저위기술 제조업의 경우 연구개발 및 정보통신서비스와의 융합은 부정적인 것으로 분석됐다. 셋째, 제 조업과 KIBS간 연계·융합은 지역별로 이질적인 영향을 미친다. 이는 지역마다 산업구조 및 주력제조업이 이질적이기 때문에 발생한 결과로 해석된다. 따라서 제조업에 대한 서비스 중 간투입 확대정책을 수립함에 있어 제조업의 기술수준을 고려하여 적합한 KIBS와의 융합을 촉진할 필요가 있다.
JEL분류번호: L6, L8, O4
핵심주제어: 제조업 생산, 지식집약사업서비스, 산업융합, 연계성, 네트워크
Ⅰ. 서 론
최근 글로벌 경쟁 심화와 기술격차 감소로 위기를 맞고 있는 우리 제조업의 재도약을 위 해 서비스업의 역할이 강조되고 있다. 이는 지식경제시대에 들어 관심이 고조되고 있는 ‘제 조업의 서비스화’ 현상과 관련되어 있다. 제조업의 서비스화란 제조업의 가치사슬(value chain)에서 서비스의 역할이 확대되거나 혹은 제조업이 서비스분야로 사업 영역을 확대하는 두 가지 현상을 말한다(김휘석 외, 2008). 전자는 지식경제시대에 제조업의 부가가치 원천이 제조생산 기능에서 벗어나 연구개발(R&D), 디자인 등 제조 이전의 서비스 기능과 마케팅, 유통 등 제조 이후의 서비스 기능으로 이전되는 경향을 의미한다. 후자는 최근의 선도적인 제조기업들이 제품의 생산, 판매뿐만 아니라 초기 구매부터 제품 폐기까지 고객의 궁극적인 니즈를 충족시키는데 필요한 서비스 부문으로 사업영역을 확대하는 추세를 말한다. 예컨대, 글로벌 자동차 기업인 GM은 할부금융서비스뿐만 아니라 GPS와 스마트폰의 결합을 통해 도로안내, 긴급구조, 도난차량 추적 등 다양한 부가서비스를 제공하여 서비스 부문에서 제품 가격의 세 배에 달하는 수익을 얻고 있다.1) 결국 제조업의 서비스화는 제조기업이 제품생산 전후의 서비스 기능 강화를 통해 부가가치를 높이고 경쟁우위를 확보하려는 전략적 행위의 확산 현상으로 해석할 수 있다(이동희 외, 2014).
이에 따라 최근 글로벌 경쟁 심화와 기술격차 감소로 위기를 맞고 있는 우리 제조업 또 한 서비스 투입 확대를 통한 제품 차별화로 지속적인 경쟁우위를 창출해야 한다는 목소리가 높아지고 있다. 특히, 연구개발, 컴퓨터관련 서비스, 컨설팅, 엔지니어링 등 최종소비보다 중 간소비 비중이 현저히 높고 지식전파의 외부효과를 일으키는 지식집약사업서비스 (Knowledge Intensive Business Service: KIBS)는 제조업의 서비스화 및 생산성 개선에 가 장 핵심적인 역할을 하는 서비스 부문이다.2) 그러나 한국 제조업의 생산과정의 서비스화 정 도는 OECD 주요 선진국과 비교할 때 크게 낮은 것으로 보고되고 있다(이건우·하봉찬, 2013). 이 때문에 이들 서비스업의 중간투입 확대 및 연계성 강화가 제조업의 고부가가치화 를 위한 중요 과제로 지적되고 있다(윤갑식, 2015; 황윤진, 2016). 이는 비단 국가경제 차원 에서뿐만 아니라 지역경제 성장 차원에서도 매우 중요한 과제이다. 그럼에도 불구하고 제조 업과 서비스업의 연계가 업종별, 지역별로 어느 정도 진행되고 있는지, 이와 같은 연계의 활 성화가 제조업의 생산에 실제로 긍정적인 영향을 미치고 있는지에 관한 실증적 연구는 매우 부족한 형편이다.
이종 간 연계(linkage)를 통해 새로운 가치가 창출되는 경우를 융합(convergence)이라 정 의한다면, 산업간 연계는 산업융합을 위한 필요조건이라 볼 수 있다.3) 이에 본 연구에서는 생산기술구조의 유사성 관점에서 산업융합의 정도를 정량화하고, 이를 제조업과 서비스업 간 연계 수준을 진단하는 대리지표로 사용한다. 또한 산업융합이라는 추상적 현상을 네트워 크로 모델링하여 제조업과 서비스업간 연계 상태를 시각화하여 분석에 활용한다. 최종적으
1) 이영수, “시론: 일자리, 제조업의 서비스화에 있다”, 「한국경제」. 2013.12.30.
2) 김현정(2006)은 국가산업패널자료(OECD 11개국, 10개 산업, 1991-2005년)에 대한 분석을 통해 지 식집약사업서비스(KIBS)가 지식전파를 통해 여타 산업의 총요소생산성 증가율에 매우 크고 유의한 정(+)의 효과를 미치고 있음을 밝혔다.
로는 제조업-서비스업간 산업융합 지표가 실제 제조업의 생산에 미치는 영향을 실증 분석 을 통해 규명한다. 이로부터 도출된 결과는 제조업과 서비스업 간 연계 활성화 및 균형성장 을 위한 국가 및 지역의 산업정책 수립에 의미 있는 참고자료가 될 수 있다.
본 연구의 구성은 다음과 같다. 제Ⅱ장에서는 생산기술구조의 유사성 관점에서 투입산출 표를 이용해 산업융합도를 측정하는 새로운 방법을 소개하고, 제조업과 서비스업간 융합 상 태를 지역별, 세부업종별로 구분하여 비교분석한다. 또한 산업간 융합 관계를 네트워크로 모 델링하여 분석하고, 전체 연관구조를 시각화하여 살펴본다. 이어 제Ⅲ장에서 다양한 계량분 석 모형을 통해 서비스업과의 융합이 제조업의 부가가치 창출 및 생산성에 미치는 영향을 실증 분석한다. 마지막 제Ⅳ장에서는 분석결과를 토대로 제조업과 서비스업의 융합을 위한 정책적 시사점을 제시한다.
Ⅱ. 산업간 융합도 측정과 네트워크 구조
1. 산업간 융합도 측정
(1) 산업융합의 개념과 측정
일반적으로 융합은 과거에는 명확히 구분 가능했던 서로 다른 이종의 영역이 서로 연계 되어 경계가 모호해지고, 그러한 연계 속에서 새로운 가치가 창출되는 현상을 말한다. 이는 새로운 가치창출의 여부보다는 서로 다른 이종 간 기술이나 제품 간 조합 그 자체에 보다 초점을 둔 결합과는 구별되는 용어이다. 산업적 차원에서 융합은 과학(지식)융합, 기술융합, 시장융합 등의 제반 단계들을 거쳐 최종적으로 나타나는 결과물에 가깝다. 대표적으로 Hacklin(2008)은 산업융합(industry convergence)을 기술과 비즈니스모델의 상호작용에 의해 나타나는 지식/기술 연관성(knowledge/technology relatedness)의 결과물로 정의하고 있다.
좀 더 체계화된 관점에서 Curran and Leker(2011)는 <그림 1>과 같이 혁신의 실행단계에 따라 융합이 대체로 3 ~ 4단계의 구분된 과정을 거치는 것으로 파악하였다. 여기서 그들은 산업융합을 기술융합과 시장융합이 결합된 최종 단계로 산업구조와 기업생태계에 근본적인 변화를 가져올 수 있는 동인 역할을 한다고 보았다. 같은 맥락에서 국내 『산업융합 촉진
종 참여 자료(sector participation data) 등을 이용하는 방법들도 제시되고 있지만, 이러한 접근은 미시적 자료에 대한 접근이 쉽지 않다는 한계점이 있다(고대영 외, 2014).
<그림 1> 단계별 융합의 구분 및 영향
자료 : Curran and Leker(2011), 최재영 외(2013)에서 재인용
최근 Xing et al.(2011)은 투입산출표(Input-Output Table)에서 각 산업의 생산기술구조 또는 수요구조를 파악하고, 그 유사성을 정량화하여 융합도를 측정하는 새로운 방법을 제시 하였다. IO표는 한 상품부문(sector)에서 다른 상품부문 또는 최종수요자로 재화가 이동하는 흐름을 산업간 거래로 나타낸 표이다. IO표에서 각 부문에 포괄되는 품목들은 동질성이 있 으며, 동일한 투입구조, 제조공정, 산출물 분배를 갖는다고 가정된다. 이러한 가정은 부문간 경계를 명확히 정해주기 때문에 결과적으로 산업융합의 정량적 측정을 가능하게 한다. IO표 를 활용한 접근은 이론적 근거가 명확하고 자료 획득이 용이할 뿐만 아니라 거시적인 산업 간 융합정도를 직관적이고 동태적으로 측정할 수 있다는 점에서 유용성이 크다. 또한 IO표 의 중간투입액이나 투입계수의 비교를 통해 산업간 연계 활성화 정도를 파악하던 기존의 접 근과도 차별화된다고 볼 수 있다.
(2) 측정방법과 자료
본 연구에서는 앞서 언급한 Xing et al.(2011)의 방법을 바탕으로 산업간 연계 수준을 생 산기술구조의 유사성 관점에서 정량화하고, 이를 제조업과 서비스업 간 융합을 진단하는 새 로운 지표로 사용하여 분석한다. 이를 위해 먼저 IO표를 활용한 Xing et al.의 측정방법을 간략히 소개한다.
<그림 2>는 통상적으로 사용하는 IO표를 나타낸다. 여기서
를
부문의 생산에 필요 한
부문의 중간투입액,
를
부문의 총투입액(=총산출액)이라 하면, 투입계수는 식 (1)과 같이 정의된다.
(1)터 구입한 원재료 및 원료 등의 중간투입액을 총투입액으로 나눈 값이다. 기술계수 (technical coefficients)라고도 불리는 투입계수는 산업간의 직접적인 연관관계 또는 상호의 존관계를 나타내기 때문에 해당 산업의 생산기술구조, 즉 투입과 산출의 생산함수를 의미한 다(한국은행, 2014).
<그림 2> 투입산출표의 기본 구조
주 : 는 중간투입액, 는 총산출액 벡터, 는 최종수요 벡터, 은 수입액 벡터, 는 부가가치 벡터
Xing et al.(2011)은 다음의 식 (2)와 같이
및
각 산업부문의 투입계수벡터
⋯
,
⋯
의 상관계수
를 공급측 산업융합도로 정의하였다.
(2)
대영 외, 2014). 그러나 Xing의 산업융합도는 두 산업부문 간의 선형적 상관관계의 정도를 알려주지만, 이러한 관계들의 집합으로서 전체 산업의 거시적 연관구조를 파악하는 데에는 한계가 있다.
이에 본고에서는 Xing의 공급측 산업융합도를 유클리드 거리(Euclidean distance)로 변 환하고, 이를 통해 측정되는 산업간 인접거리(adjacent distance)를 융합도의 새로운 지표로 서 사용한다. 그 이유는 상관계수를 거리 척도로 변환할 경우 산업간 생산기술구조의 유사 성 관계를 네트워크의 위상구조(topology)4) 차원에서 분석할 수 있는 추가적인 기회가 생기 기 때문이다. 즉, 두 산업 간의 유사성 관계들이 종합되어 전체적으로 어떤 연관구조를 형성 하고 있는지를 시각적으로 일목요연하게 확인할 수 있고, 그러한 위상구조가 어떤 특징을 가지고 있으며 성과에 어떤 영향을 미치는 지를 살펴볼 수 있다. 사실 이러한 접근방법은 2000년 즈음부터 경제물리학 분야에서 활발하게 진행돼 왔다. 대표적으로 Mantegna(1999) 는 미국 금융시장을 대상으로 주식종목들 간 주가변화의 상관계수를 거리 척도로 변환하고, 이를 토대로 주식시장 네트워크의 위상구조적 특징을 분석하였다. 국내에서는 고일용·이승 국(2007), 정준호(2014), 이강용 외(2015) 등이 Mantegna(1999)의 방법을 토대로 국내 금융 시장과 주택시장의 자산 네트워크 구조를 분석하였다.
이를 위한 준비과정으로 IO표의 투입계수벡터
와
의 원소들을 각각 평균은 0, 표준 편차는 1이 되도록 값을 표준화하고 이를 다시
으로 나누어 주면, 식 (2)에 따라 새로운 투입계수벡터
와
의 상관계수는 다음과 같이 축약된다.
, (3)여기서
및
는 각각
,
부문에 대한
부문의 표준화된 투입계수이다.한편, 유클리드 거리는 다차원 공간에서 두 점 간의 거리를 구할 때 흔히 쓰는 방식으로 투입계수벡터
와
간 유클리드 거리는 식 (4)와 같이 정의된다.
(4)이 때 투입계수벡터의 원소 값이 표준화되었다면, 식 (4)의 유클리드 거리는 식 (3)의 상 관계수와 다음과 같은 관계를 가진다.5)
4) 위상구조란 연속적인 변환으로 형태가 왜곡되거나 변형될 때에도 변하지 않고 남아있는 공간 관계 의 기하학적 특성을 말한다.
5) 상관계수에 기반을 유클리드 거리는 거리 척도를 규정하는 세 가지 공리, 즉 ① ⇔ , ②
≡
(5)여기서 산업인접거리 계수의 값은 비선형이고, 0과 2 사이의 값을 가진다. 두 산업의 생산기 술구조가 유사할수록 산업인접거리는 짧아지고, 이는 두 산업간 공급측 융합도가 높은 관계 임을 나타낸다. 최솟값 0은 두 산업의 생산기술구조가 동일하여 완전히 융합된 관계임을 의 미한다. 반대로 두 산업의 생산기술구조가 서로 완벽히 상반된다면, 최댓값 2를 나타낼 것이 다.
산업인접거리의 측정을 위해 본 연구에서 사용한 기초자료는 현재 작성·공표된 2005년, 2010년, 2013년 지역산업연관표이다. 산업구분은 시점에 따른 비교를 위해 <표 1>과 같이 2010 기준년 산업연관표 중분류 품목(82개)과 2005 기준년 소분류 품목(168개)을 연계하여 24개 제조업, 18개 서비스업 등 총 48개 부문으로 재분류하였다. 이 가운데 제조업과의 연계 활성화가 강조되고 있는 지식집약사업서비스(KIBS)는 정보통신(ICT)서비스, 연구개발 (R&D), 사업전문서비스, 과학기술전문서비스 부문이다.
따라서 산업인접거리는 전체적으로 총 48개 산업부문에 대하여 3개년도별, 16개 광역시 도별로 구분하여 측정하였다. 단, <표 2>와 같이 시점별로 총산출액이 없는 지역 산업부문 은 측정에서 제외하였다. 한편, IO표의 모든 구성항목은 GDP 디플레이터를 이용하여 2010 년 기준으로 환산하였다.
ID 산업부문명 2010년 중분류 상품명(분류코드) 2005년 소분류코드 1 농림수산품 작물(01), 축산물(02), 임산물(03), 수산물(04), 농림어업서비스(05) 001-011
2 광산품 석탄, 원유 및 천연가스(06), 금속 및 비금속광물(07) 012-018
3 음식료품 식료품(08), 음료품(09), 담배(10) 019-034
4 섬유가죽제품 섬유 및 의복(11), 가죽제품(12) 035-045
5 목재종이제품 목재 및 목제품(13), 펄프 및 종이제품(14) 046-050
6 인쇄복제 인쇄 및 복제(15) 051
7 석탄석유제품 석탄 및 석유제품(16) 052-055
8 기초화학제품 기초화학물질(17), 합성수지 및 합성고무(18), 화학섬유(19) 056-061
9 의약품 의약품(20) 063
10 기타화학제품 비료 및 농약(21), 기타 화학제품(22) 062, 604-066
11 플라스틱고무제품 플라스틱제품(23), 고무제품(24) 067-069
12 비금속광물제품 유리 및 유리제품(25), 기타 비금속광물제품(26) 070-075
13 1차금속제품 철강1차제품(27), 철강가공제품(28), 비철금속괴 및 1차제품(29), 금
속 주물(30) 076-083
14 금속제품 금속제품(31) 084-087
15 기계장비 일반목적용기계(32), 특수목적용기계(33) 088-095, 104
16 전기장비 전기장비(34) 096-097
17 반도체 반도체(35) 099
18 전자표시장치 전자표시장치(36) 098
19 기타 전자부품 기타 전자부품(37) 100
20 정보통신미디어제품 컴퓨터 및 주변기기(38), 통신, 방송 및 영상, 음향기기(39) 101-103
21 가정용 전기기기 가정용 전기기기(40) 105
22 정밀기기 정밀기기(41) 106-108
23 자동차 자동차(42) 109-111
24 선박 선박(43) 112
25 기타운송장비 기타 운송장비(44) 113-115
26 기타제조품 기타 제조업 제품 및 임가공(45) 116-118
27 에너지 전력 및 신재생에너지(46) 119
28 가스수도 가스, 증기 및 온수(47), 수도(48) 120-122
29 폐수폐기물 폐수처리(49), 폐기물 및 자원재활용서비스(50) 159
30 건설 건물건설 및 건축보수(51), 토목건설(52) 123-128
31 도소매 도소매서비스(53) 129
32 운송 육상운송서비스(54), 수상운송서비스(55), 항공운송서비스(56), 창고
및 운송보조서비스(57) 132-140
33 음식숙박 음식점 및 숙박서비스(58) 130-131
34 정보통신서비스 통신서비스(59), 정보서비스(61), 소프트웨어 개발 및 컴퓨터관리서비
스(62) 141-142, 153
35 방송출판 방송서비스(60), 출판서비스(63) 143, 160
36 금융보험 금융서비스(65), 보험서비스(66), 금융 및 보험 보조서비스(67) 144-146
37 부동산 주거서비스(68), 부동산서비스(69) 147
38 연구개발 연구개발(71) 148-149
39 사업전문서비스 사업관련 전문서비스(72) 150-151
40 과학기술전문서비스 과학기술관련 전문서비스(73) 152
41 사업지원서비스 기계장비 및 용품임대(70), 사업지원 서비스(74) 154
42 공공행정및국방 공공행정 및 국방(75) 155
43 교육 교육서비스(76) 156
44 보건의료 의료 및 보건(77) 157
45 사회복지 사회복지서비스(78) 158
46 문화오락 영상, 오디오물 제작 및 배급(64), 문화서비스(79), 스포츠 및 오락
서비스(80) 161-162
47 사회단체 사회단체(81) 163
48 수리 및 개인서비스 수리 및 개인 서비스(82) 164-165
<표 1> 산업부문 재분류: 2005/2010 기준년 IO 부문분류표 연계
지역 2005년 2010년 2013년
서울 선박(24)
광주 기타운송장비(25) 전자표시장치(18)
전남 정보통신미디어제품(20)
울산 기타운송장비(25)
강원 전자표시장치(18) 전자표시장치(18)
제주
의약품(9), 전자표시장치(18), 기타 전자제품(19), 정보통신미디어제품(20), 가정용
전기기기(21), 자동차(23), 기타운송장비(25)
의약품(9), 1차금속제품(13), 전자표시장치(18), 기타전자부품(19), 정보통신미디어제품(20), 자동차(23), 기타운송장비(25)
의약품(9), 1차금속제품(13), 전자표시장치(18), 기타전자부품(19), 정보통신미디어제품(20), 자동차(23), 기타운송장비(25)
<표 2> 시점별 총산출이 없는 지역 산업부문
(2) 산업인접거리 측정결과
<표 3>은 2013년 기준 지역별로 제조업과 서비스업 간의 융합 정도를 나타내는 인접거 리(
)를 측정한 결과이다. 전체 서비스업과의 평균인접거리는 제주(1.402)가 가장 짧고, 경 북(1.431)이 가장 먼 것으로 나타나 경북지역의 제조업-서비스업 융합 정도가 가장 낮음을 시사하고 있다. 제조업-KIBS 간 인접거리는 연구개발(R&D)이 1.368로 가장 짧은 반면에 사업전문서비스가 1.460으로 가장 길어 제조업과의 융합 정도가 낮은 것으로 나타났다. 아울 러 정보통신서비스(ICT)는 다른 KIBS 분야에 비교해 표준편차가 가장 크게 나타나 제조업 에 대한 중간투입 활용에 있어 상대적으로 큰 지역 간 차이가 있음을 말해준다.<표 4>는 전국의 제조업 부문별로 서비스업과의 인접거리를 측정한 결과로 업종에 따라 서비스업과의 융합 정도가 차이를 보인다. 인쇄복제, 석탄석유제품, 의약품 등이 전체 서비 스업과의 평균인접거리가 가장 짧은 반면에 ICT 관련 제조부분(전자표시장치, 반도체, 기타 전자부품, 정보통신미디어제품)은 가장 길게 나타나 서비스업과의 융합 정도가 낮은 것으로 측정되었다. KIBS로 한정하여 살펴보면, <그림 3>에서 볼 수 있듯이 정밀기기와의 인접거 리가 가장 짧고, 뒤를 이어 인쇄복제, 의약품 등의 순서로 나타났다. 그러나 KIBS 세부적으 로 보면, ICT서비스는 정보통신미디어제품과 정밀기기와의 인접거리가 상대적으로 짧고, R&D는 기계장비 및 기타화학제품, 사업전문서비스는 인쇄복제, 석탄석유제품, 과학기술전문 서비스는 정밀기기와 융합의 정도가 높은 것으로 나타났다(<그림 4> 참고).
지역 전체 서비스
지식집약 사업서비스
(KIBS)
정보통신 서비스
연구개발 (R&D)
사업 전문서비스
과학기술 전문서비스
서울 1.423 1.420 1.428 1.370 1.454 1.427
인천 1.422 1.413 1.382 1.374 1.462 1.433
경기 1.420 1.416 1.407 1.363 1.461 1.433
대전 1.420 1.416 1.401 1.372 1.460 1.431
충북 1.422 1.406 1.367 1.360 1.462 1.432
충남 1.424 1.412 1.371 1.370 1.465 1.442
광주 1.423 1.410 1.383 1.367 1.460 1.430
전북 1.419 1.404 1.367 1.365 1.459 1.425
전남 1.420 1.413 1.373 1.375 1.463 1.442
대구 1.422 1.410 1.385 1.366 1.458 1.431
경북 1.431 1.417 1.387 1.373 1.467 1.442
부산 1.420 1.411 1.379 1.377 1.458 1.430
울산 1.426 1.415 1.383 1.374 1.466 1.438
경남 1.419 1.406 1.372 1.362 1.461 1.427
강원 1.415 1.404 1.368 1.366 1.457 1.427
제주 1.402 1.395 1.382 1.363 1.443 1.394
전국평균 1.420 1.410 1.383 1.368 1.460 1.430
표준편차 0.006 0.006 0.016 0.005 0.005 0.011
<표 3> 지역별 전체 제조업과 서비스업 간 평균인접거리(2013년)
산업부문명 전체
서비스
지식집약 사업서비스
(KIBS)
정보통신 서비스
연구개발 (R&D)
사업 전문서비스
과학기술 전문서비스
음식료품 1.376 1.421 1.363 1.436 1.443 1.441
섬유가죽제품 1.405 1.431 1.405 1.415 1.452 1.454
목재종이제품 1.389 1.401 1.386 1.414 1.431 1.373
인쇄복제 1.366 1.365 1.349 1.379 1.406 1.327
석탄석유제품 1.369 1.381 1.391 1.395 1.417 1.323
기초화학제품 1.394 1.388 1.411 1.310 1.428 1.403
의약품 1.370 1.376 1.285 1.358 1.430 1.431
기타화학제품 1.400 1.377 1.368 1.283 1.446 1.412
플라스틱고무제품 1.434 1.418 1.416 1.331 1.466 1.460
비금속광물제품 1.394 1.398 1.394 1.416 1.420 1.363
1차금속제품 1.443 1.430 1.441 1.368 1.455 1.458
금속제품 1.434 1.419 1.407 1.355 1.461 1.452
기계장비 1.427 1.394 1.390 1.279 1.470 1.438
전기장비 1.444 1.414 1.357 1.364 1.475 1.459
반도체 1.473 1.455 1.450 1.387 1.486 1.495
전자표시장치 1.487 1.472 1.443 1.470 1.494 1.483
기타전자부품 1.474 1.448 1.399 1.398 1.500 1.496
정보통신미디어제품 1.463 1.417 1.310 1.384 1.486 1.489
가전기기 1.430 1.411 1.348 1.388 1.455 1.452
정밀기기 1.427 1.351 1.328 1.288 1.485 1.302
자동차 1.412 1.438 1.420 1.402 1.464 1.466
선박 1.461 1.445 1.438 1.364 1.490 1.486
기타운송장비 1.454 1.453 1.425 1.409 1.493 1.485
기타제조품 1.384 1.395 1.345 1.381 1.450 1.402
전체 제조업 평균 1.421 1.412 1.386 1.374 1.458 1.431
표준편차 0.036 0.030 0.043 0.047 0.027 0.056
<표 4> 제조업종별 서비스업과의 평균인접거리(2013년)
<그림 3> 제조업종별 KIBS와의 평균인접거리(2013년)
<그림 4> 제조업종별 세부 KIBS 업종과의 평균인접거리(2013년)
2. 산업융합 네트워크 구조
(1) 분석방법
본 절에서는 투입계수의 상관관계를 거리 척도로 변환하여 산출한 산업인접거리 행렬을 이용해 16개 시도별 산업간 융합네트워크를 3개 시점별로 구축하여 위상구조를 분석하고 시 각화한다. 특히, 제조업과 서비스업의 연계성에 주목하여 지식집약사업서비스업(KIBS)의 세 부업종을 중심으로 위상구조적 위치의 영향력을 진단한다.
산업간 융합네트워크를 구성하는 노드(node, 결점)는 각 산업부문이며, 링크(link, 연결 선)는 인접거리를 가중치로 갖는 산업간 생산기술의 유사성 관계이다. 산업인접거리 행렬
는 N×N으로 구성되는 대칭행렬이므로 이를 통해 구축한 융합 네트워크는 기본적으로 방 향성이 없는 가중 네트워크(undirected weighted network)이다. 그런데
의 비대각행렬에속하는 N(N-1)/2 개의 원소와 동일한 수의 연결선으로 이루어진 융합 네트워크는 연결선 밀도가 매우 높고 복잡하기 때문에 유의미한 연결을 선별하지 않고서는 적절한 정보를 얻을 수 없다.
따라서 산업융합 네트워크의 핵심구조를 파악하기 위해 최소신장트리(Minimal Spanning Tree, MST) 패스파인더(Pathfinder) 알고리즘(Quirin et al., 2008)을 통해 네트워크의 백본 (backbone)을 추출하였다. MST는 닫힌 사이클(cycle, 순환고리) 없이 최단거리(또는 최소비 용)으로 전체 네트워크의 모든 결점을 연결한 부분 네트워크이다. MST 패스파인더 알고리 즘은 주어진 네트워크에서 추출 가능한 모든 MST를 찾아 결합하는 방식을 말한다. 구체적 인 MST 생성 알고리즘은 산업간 인접거리
가 가장 짧은 (
,
) 쌍의 산업을 찾아 연결 하고, 다음으로 짧은
(또는
)를 가진
산업을 찾아 연결하는 식으로 이루어진다. 이러 한 순차적 작업을 네트워크의 모든 산업들이 연결될 때까지 진행하면, 최단거리로 이루어진 결합관계, 즉 MST가 생성된다. 그리고 이를 시각화함으로써 해당 지역에서 제조업과 서비 스업의 연계 상태를 전체적으로 살펴볼 수 있다.다음으로 산업융합 네트워크의 MST에서 각 노드(산업)가 점유하고 있는 위치의 상대적 중요성(영향력)을 인접중앙성(closeness centrality)을 통해 측정하였다. 인접중앙성은 한 노
합이 가장 작은 결점일수록 상대적으로 큰 값을 가진다. 산업인접거리가 두 산업 간 생산기 술구조의 직접적인 유사성을 거리로 나타낸 척도라면, 인접중앙성은 직접적인 유사성뿐만 아니라 다른 산업을 매개로 한 간접적인 유사성까지 고려하여 해당산업과 다른 모든 산업과 의 평균적 거리를 상대적으로 나타낸 지표라고 말할 수 있다. 따라서 지역별 융합 네트워크 의 MST에서 인접중앙성이 큰 서비스업(특히 KIBS 부문)일수록 제조업을 비롯한 다른 산 업들과 상대적으로 가까운 거리에 있는 놓일 수 있는 네트워크의 중심부에 위치하려 할 것 이다. 이런 측면에서 서비스업의 인접중앙성 크기는 제조업과의 전반적인 연계 가능성을 말 해준다고 볼 수 있으며, 본고에서는 이를 지역별로 비교하여 분석한다.
(2) 분석결과
<표 5>는 2013년 기준 각 지역별 산업융합 네트워크의 백본(MST)에서 KIBS를 비롯한 서비스업의 인접중앙성(
)을 도출한 결과이다. KIBS 전체적으로는 충남 지역에서 인접중 앙성의 평균값이 크게 나타난 반면에 경북의 경우는 가장 낮은 수준이다(<그림 5> 참고).한편, 세부 KIBS 업종별로는 정보통신서비스는 대구, 연구개발은 광주, 사업전문서비스는 인천, 과학기술서비스는 충남 지역에서 인접중앙성이 높게 나타났다(<그림 6> 참고).
지역
전체 서비스 (평균)
지식집약 사업서비스 (KIBS) 평균
정보통신 서비스
연구개발 (R&D)
사업전문 서비스
과학기술 전문서비스
서울 0.153 0.139 0.139 0.131 0.127 0.160
인천 0.171 0.173 0.175 0.157 0.186 0.175
경기 0.161 0.172 0.179 0.155 0.176 0.179
대전 0.153 0.152 0.139 0.132 0.175 0.160
충북 0.149 0.148 0.161 0.147 0.142 0.142
충남 0.167 0.173 0.173 0.158 0.175 0.188
광주 0.167 0.168 0.171 0.175 0.156 0.171
전북 0.144 0.142 0.147 0.120 0.154 0.147
전남 0.126 0.128 0.132 0.102 0.141 0.137
대구 0.173 0.169 0.182 0.170 0.140 0.182
경북 0.123 0.115 0.114 0.128 0.105 0.114
부산 0.155 0.158 0.152 0.142 0.172 0.164
울산 0.145 0.139 0.132 0.136 0.136 0.150
경남 0.129 0.130 0.132 0.113 0.141 0.132
강원 0.127 0.131 0.134 0.108 0.141 0.142
제주 0.137 0.154 0.137 0.146 0.155 0.177
전국평균 0.149 0.149 0.150 0.139 0.151 0.158
<표 5> 2013년 지역별 서비스부문의 인접중앙성
<그림 5> 2013년 지역별 KIBS의 인접중앙성
<그림 6> 2013년 지역별 세부 KIBS 업종의 인접중앙성
<그림 7> 2013년 충남지역 산업융합 네트워크의 백본(MST)
주 : ◇, ○, □, △는 각각 제조업, 지식집약사업서비스업(KIBS), KIBS 이외 서비스업, 기타 산업을 나타냄.
<그림 8> 2013년 경북지역 산업융합 네트워크의 백본(MST)
Ⅲ 제조업-서비스업 융합의 생산 증대 효과 분석
1. 선행연구와의 차별점
제조업의 부가가치 및 생산성 개선을 위해 서비스의 활용이 강조되고 있으나, 그 경제적 효과에 대한 실증분석은 대체로 IT서비스 부문으로 한정돼 온 경향이 있다.7) 최근 좀 더 폭 넓은 관점에서 제조업과 서비스의 연계에 초점을 맞추고 있는 연구들이 등장하고 있으나, 연계 강화나 융합 현상이 제조업의 생산에 어떠한 영향을 미치는 지를 실증적으로 분석한 경우는 좀처럼 찾아보기 힘들다. 예들 들면, 이건우·하봉찬(2013), 윤갑식(2015), 황윤진 (2016) 등이 최근 제조업과 서비스업의 연관관계를 국제비교 관점에서 분석하였으나, 두 산 업부문 간의 연관구조가 생산에 미치는 효과를 분석하는 데까지는 이르지 못하고 있다. 김 예지·이영성(2010)은 제조업과 서비스업의 노동생산성이 서로의 노동생산성에 미치는 상호 작용 효과를 분석하였으나, 두 부문 간의 연계성에 직접 초점을 두고 있지는 않다.
선행연구와 비교해 본 연구는 ICT서비스, R&D, 과학기술, 사업전문서비스 등 서비스 부 문의 연계 활용이 미치는 제조업 생산에 미치는 영향을 산업융합의 관점에서 접근한다는 점 에서 차별화된다. 특히, IO표를 이용해 네트워크상의 거리로 제조업과 지식집약사업서비스 (KIBS) 간의 연계 수준을 정량화하여 제조업 생산에 미치는 영향을 실증적으로 분석한다는 점에 가장 큰 특징이 있다.
본 연구의 실증분석은 ⅰ) 전체 제조업-KIBS 융합, ⅱ) 기술수준별 제조업-KIBS 융합,
ⅲ) 지역별 제조업-KIBS 융합으로 나누어 제조업-KIBS 간 융합이 제조업의 부가가치 생산 에 미치는 영향을 분석한다.
2. 생산함수 모형 및 분석방법
(1) 생산함수 모형
본 연구는 콥-더글러스(Cobb-Douglas) 생산함수를 토대로 제조업과 KIBS의 융합 정도 가 제조업 생산에 미치는 영향을 분석한다. 먼저 투입산출표의 각 지역별 제조업 업종들의 생산이 콥-더글러스 생산함수에 의해 결정된다고 가정하면, 시점
에서 지역
의 제조업
의 생산함수는 식 (7)과 같다.
(7)7) 관련된 연구들은 주로 IO표를 활용하여 IT서비스의 중간투입(김원규, 2014), 전문인력(이강배, 2011), 아웃소싱(한건수·이강배, 2010) 등이 총산출이나 부가가치, 노동생산성 등에 어떠한 영향을 끼쳤는지를 분석하였다. 해외의 경우, Borersma & Ark (2007)는 IO표를 활용한 생산함수 분석을
여기서
,
,
는 각각
시점에
지역
제조업의 부가가치 생산, 자본투입량, 노동투 입량을 의미한다.
는 기술변동요인(technology shifter), 기술진보(technology progress), 기술적 매개변수 등 다양한 이름으로 불리며, 투입요소들의 기여도에 따른 생산성 도출방식 (multi-factor productivity)을 반영한다(이강배, 2011; 한건수·이강배, 2010).식 (7)의 양변에 로그를 취해 대수변환하면,
,
는 노동투입, 자본투입의 1% 변화에 대 한 생산의 % 변화, 즉 탄력성(elasticity)을 의미한다.ln
ln
ln
ln
(8)이때
시점에서
지역
제조업의 기술변동요인
는 KIBS와의 인접거리(
) 및KIBS의 인접중앙성(
)에 의해 영향을 받는다고 가정하면 식 (9)와 같이 정리할 수 있다.ln
ln
ln
ln
ln
(9)여기서
는 상수항을 의미하며,
는 교란항(disturbance term)이다.
는 시점
에
지역
제조업과 KIBS 간의 인접거리, 즉 융합의 정도가 시점
에
지역
제조업의 생산에 미치 는 영향으로 탄력성을 의미한다. KIBS와의 인접거리가 가까울수록 융합의 정도가 높은 것 이므로, 만약 KIBS와의 융합이 생산에 유의하며 긍정적인 영향을 끼친다면
는 0보다 작은 값을, 생산에 유의한 영향을 끼치지 못한다면
는 0의 값을, 생산에 유의하며 부정적인 영 향을 끼친다면
는 0보다 큰 값을 가진다. 마찬가지로,
는 시점
에서
지역 KIBS의 인접 중앙성이
지역의 모든 제조업 생산에 미치는 영향을 반영하는 탄력성이다. 만약 KIBS의 인접중앙성이 제조업 생산에 유의하며 긍정적인 영향을 끼친다면
는 0보다 큰 값을, 유의 한 영향을 끼치지 못한다면 0의 값을, 유의하며 부정적인 영향을 끼친다면 0보다 작은 값을 가진다.(2) 변수 및 분석방법
기술수준 해당 제조부문(재분류 산업코드) 고위기술
(High-technology)
의약품(9), 반도체(17), 전자표시장치(18), 기타전자부품(19), 정보통신미디어제 품(20), 가전기기(21), 정밀기기(22)
중고위기술
(Medium-high-tech) 기초화학제품(8), 기타화학제품(10), 기계장비(15), 전기장비(16), 자동차(23)
중저위기술 (Medium-low-tech)
석탄석유제품(7), 플라스틱고무제품(11), 비금속광물제품(12), 1차금속제품(13), 금속제품(14), 선박(24), 기타운송장비(25), 기타제조품(26)
저위기술
(Low-technology) 음식료품(3), 섬유가죽제품(4), 목재종이제품(5), 인쇄복제(6) 주 : OECD(2011)을 참조하여 구분
<표 6> OECD 기술수준분류에 따른 제조부문 구분
분석에 사용한 생산, 노동투입, 자본투입 변수의 자료는 각각 지역산업연관표상의 부가가 치액, 피용자보수8), 고정자본소모를 사용하였다. 지역산업연관표의 모든 구성항목은 GDP 디 플레이터를 이용하여 2010년 기준으로 환산하였다. 본 연구의 핵심 설명변수로 사용된 제조 업과 KIBS 간의 인접거리 및 KIBS의 인접중앙성은 제Ⅱ장에서 도출한 값을 사용하였다.
분석에 사용된 관련변수들에 대한 설명과 기술통계량을 정리하면 <표 7>과 같다.
변수
유형 변수명 변수설명 평균 표준
편차
생산 ln_v 부가가치 자연로그값 12.026 2.371
KIBS 전체
ln_d_kibs KIBS 전체평균 인접거리 자연로그값 0.344 0.030
ln_c_kibs KIBS 전체평균 인접중앙성 자연로그값 -1.906 0.111
KIBS 세부
ln_d_it 정보통신서비스 인접거리 자연로그값 0.332 0.039
ln_d_rd 연구개발 인접거리 자연로그값 0.309 0.063
ln_d_tech 사업전문서비스 인접거리 자연로그값 0.359 0.042
ln_d_biz 과학기술전문서비스 인접거리 자연로그값 0.378 0.017
ln_c_it 정보통신서비스 인접중앙성 자연로그값 -1.916 0.133
ln_c_rd 연구개발 인접중앙성 자연로그값 -1.949 0.163
ln_c_tech 사업전문서비스 인접중앙성 자연로그값 -1.869 0.133
ln_c_biz 과학기술전문서비스 인접중앙성 자연로그값 -1.911 0.148
생산 함수
ln_L 노동투입(피용자보수) 자연로그값 11.219 2.344
ln_K 자본투입(고정자본소모) 자연로그값 10.295 2.461
<표 7> 변수 설명 및 기술통계량
실증분석은 전체 제조업-KIBS 융합, 기술수준별 제조업-KIBS 융합, 지역별 제조업
-KIBS 융합으로 나누어 분석한다. 구체적인 추정방법은 첫째, 전체 지역제조업을 대상으로 업종, 지역, 기술수준, 시점 이질성을 고려하지 않은 통합횡단면(Pooled OLS: POLS) 분석과 이들의 관측되지 않은 이질성을 반영하여 더미변수들을 포함한 고정효과(fixed effect: FE) 패널모형을 통해 생산함수를 추정한다. 이때 인접거리 및 인접중앙성 변수는 KIBS 전체평 균과 KIBS 세부분야로 구분하여 각각 추정한다.
둘째, 기술수준별 생산함수는 지역 및 시점의 이질성을 반영한 고정효과(FE) 패널모형 분석을 통해 추정한다. 이때에도 마찬가지로 인접거리 및 인접중앙성 변수는 KIBS 전체평 균과 KIBS 세부분야로 구분하여 각각 추정한다.
셋째, 지역별 생산함수는 기술수준 그룹의 이질성만을 고려한 횡단면 분석을 통해 추정 한다. 그 이유는 지역별로 패널모형을 분석하기에는 관측치가 부족하고, 지역별 KIBS 인접 중앙성이 시간에 따라 변하는 변수이기 때문이다.
3. 분석결과
(1) 전체 제조업 생산에 미친 영향
<표 8>은 제조업과 KIBS 간 융합이 제조업 부가가치 생산에 미친 영향을 추정한 결과 이다. 표에서 모형 ①과 ③은 업종, 지역, 기술수준 및 시점 이질성이 통제되지 않은 통합횡 단면(POLS) 모형의 추정결과이고, 모형 ②와 ④는 업종, 지역, 기술수준 및 시점 이질성을 통제한 고정효과(FE) 모형의 추정결과이다.
먼저 KIBS 인접거리 및 인접중앙성을 변수로 추정한 경우를 보면(모형 ①, ②), KIBS 인접거리는 유의한 음의 계수를 가지는 반면, KIBS 인접중앙성은 유의하지 못한 것으로 나 타났다. 또한, 지역, 시점, 업종 이질성을 통제한 패널분석(모형 ②)에서 KIBS와의 융합을 반영하는 KIBS 인접거리 계수의 절댓값이 더 큰 것으로 나타났다. 즉, KIBS와의 인접거리 가 짧을수록 제조업의 부가가치 생산이 높다. 바꿔 말하면, 이는 제조업과 KIBS 간 연계성 이 강화될수록 혹은 생산기술구조의 유사성이 높을수록 부가가치 생산이 증가함을 의미한 다. KIBS와의 인접거리가 1% 감소 혹은 공급측 융합도가 1% 증가하면, 지역제조업의 부가 가치 생산은 0.657% ~ 1.068% 가량 증가한다. 한편, 노동투입, 자본투입은 모형 ①과 ② 모
다. 이외에 노동투입, 자본투입은 매우 유의한 계수값을 가지며 부가가치의 노동투입에 대한 탄력성이 0.64~0.65, 자본투입의 탄력성이 0.35~0.36으로 나타나 우리나라 지역제조업은 노동 투입의 부가가치 생산효과가 더 큰 것으로 나타났다.
변수명 모형 ① (POLS) 모형 ② (고정효과) 모형 ③ (POLS) 모형 ④ (고정효과)
계수값 t-값 계수값 t-값 계수값 t-값 계수값 t-값
ln_d_kibs -0.657** -2.52 -1.068*** -3.75 ln_c_kibs -0.074 -1.04 -0.047 -0.48
ln_d_it 0.027 0.12 0.126 0.48
ln_d_rd 0.195 1.39 0.170 1.11
ln_d_biz -4.191*** -6.97 -5.281*** -7.82
ln_d_tech -0.135 -0.52 0.015 0.06
ln_c_it -0.015 -0.17 -0.021 -0.17
ln_c_rd -0.064 -1.21 -0.106 -1.20
ln_c_biz -0.095 -1.33 -0.106 -0.97
ln_c_tech 0.070 0.65 0.127 0.83
ln_L 0.650*** 52.37 0.630*** 46.07 0.641*** 53.00 0.649*** 47.01 ln_K 0.348*** 29.38 0.368*** 28.31 0.356*** 30.66 0.351*** 26.69 상수항 1.239*** 7.27 1.408*** 6.32 2.524*** 10.32 2.860*** 9.78
<표 8> 전체 제조업 생산에 미친 영향
주 : ***, **, * 는 각각 1%, 5%, 10% 수준에서 통계적으로 유의함을 의미함. 모형 ② 및 ④에서 기술수준, 지역, 시점 더미변수는 생략함.
(2) 기술수준별 제조업 생산에 미친 영향
<표 9>는 기술수준별 제조업과 KIBS 간 융합이 부가가치 생산에 미친 영향을 추정한 결과이다. KIBS 인접중앙성은 모든 기술수준별 그룹에서 유의하지 않았지만, KIBS 인접거 리는 고위기술 및 중고위기술 제조업의 생산에 유의한 영향을 미친 것으로 나타났다. 또한 고위기술 제조업보다 중고위기술 제조업에서 KIBS 인접거리의 계수 절대값을 보였다. 따라 서 제품생산에 사용되는 기술수준이 높은 제조업의 경우 KIBS와의 융합이 높아질수록, 혹 은 생산과정이나 생산기술의 유사성이 높아질수록 부가가치 생산이 증가함을 의미한다. 아 울러 IT, 정밀기기, 의약품 등의 고위기술 제조업보다 자동차, 기계, 화학장비 등 중고위기 술 제조업에서 KIBS와의 융합이 생산증가에 더 큰 효과가 있음을 의미한다.
변수명 고위기술 제조업 중고위기술 제조업 중저위기술 제조업 저위기술 제조업
계수값 t-값 계수값 t-값 계수값 t-값 계수값 t-값
ln_d_kibs -1.476*** -3.96 -2.499*** -4.27 -0.761 -1.05 0.680 0.55 ln_c_kibs 0.033 0.21 0.019 0.13 -0.192 -0.92 0.084 0.37 ln_L 0.658*** 28.67 0.638*** 25.84 0.595*** 23.34 0.661*** 10.44 ln_K 0.332*** 17.20 0.343*** 13.44 0.408*** 16.09 0.324*** 5.91 상수항 1.645*** 4.52 2.116*** 6.29 1.045** 2.11 1.464** 2.53
<표 9> 기술수준별 제조업 생산에 미친 영향(KIBS 전체)
주: ***, **, * 는 각각 1%, 5%, 10% 수준에서 통계적으로 유의함을 의미하고, 지역 및 시점 더미변수는 생략함.
한편, <표 10>은 기술수준별 제조업에 대한 융합의 영향을 KIBS 세부분야별로 구분해 추정한 결과이다. KIBS 세부분야의 인접중앙성은 모두 유의한 영향요인이 아니었으나, 인접 거리는 제조업의 기술수준에 따라 유의성이 다소 상이하게 나타났다. 먼저 과학기술서비스 와의 인접거리는 전체 제조업에 대한 고정효과 패널모형(모형 ④)의 결과와 달리 모든 기 술수준 제조업에 걸쳐 매우 크고 유의한 영향을 미치는 것으로 나타났다. 즉, 과학기술전문 서비스와의 인접거리가 1% 감소하면, 고위기술 제조업의 부가가치는 4.230%, 중고위 5.784%, 중저위기술 5.643%, 저위기술 6.667%씩 증가하는 효과가 있다.
둘째, 연구개발(R&D) 인접거리는 중고위기술 제조업의 생산을 증대시키는 효과가 있는 반면에 중저위기술 및 저위기술에는 오히려 생산을 저하시키는 부의(-) 효과가 나타났다.
기술수준이 높은 제조업 그룹들에서는 연구개발이 부가가치 생산제고효과가 존재했던 것을 상기하면, 기술수준이 낮은 제조업은 외부로부터의 지식 습득능력이나 자체 연구개발에 대 한 투자·능력이 높지 않으므로 생산과정에서 연구개발서비스와의 융합이 효과적으로 이루어 지지 않아 이와 같은 결과가 나타난 것으로 판단된다.
셋째, 정보통신(ICT)서비스 인접거리는 중저위기술 제조업의 생산에 부정적인 영향을 끼 친 것으로 나타났다. 정보통신서비스와의 인접거리 1% 감소 혹은 생산측면에서의 융합도 1%증가는 중저위기술 제조업의 부가가치 1.459% 감소효과가 있다. 중저위기술 제조업은 석 탄석유, 플라스틱 고무, 비금속광물, 1차금속, 금속, 선박, 기타운송장비, 기타제조품 등이 해 당되는데 주로 장치산업, 원자재가공산업, 조립산업 등이므로 전통적으로 정보통신서비스 투
중고위기술 제조업은 R&D, 과학기술, 사업전문서비스와의 연계 강화가 생산 증가에 유의한 영향을 미치는 부문으로 분석되었다.
변수명 고위기술 제조업 중고위기술 제조업 중저위기술 제조업 저위기술 제조업
계수값 t-값 계수값 t-값 계수값 t-값 계수값 t-값
ln_d_it -0.206 -0.61 -0.549 -0.93 1.459* 1.84 1.039 0.74 ln_d_rd -0.262 -1.01 -0.530** -2.24 1.989*** 4.72 3.336*** 3.58 ln_d_biz 0.032 0.08 -3.236*** -2.58 -0.108 -0.13 -0.097 -0.08 ln_d_tech -4.230*** -3.92 -5.784*** -2.76 -5.643*** -2.94 -6.667* -1.75
ln_c_it -0.161 -0.74 0.078 0.48 0.068 0.26 0.130 0.45
ln_c_rd -0.045 -0.30 -0.103 -0.92 -0.230 -1.29 0.057 0.29 ln_c_biz 0.261 0.95 0.011 0.06 0.012 0.04 -0.154 -0.45 ln_c_tech -0.080 -0.43 -0.014 -0.10 -0.195 -0.88 -0.020 -0.08 ln_L 0.664*** 27.87 0.719*** 30.15 0.664*** 25.90 0.694*** 10.95 ln_K 0.333*** 16.70 0.281*** 11.80 0.334*** 12.94 0.304*** 5.53 상수항 2.756*** 5.55 4.666*** 7.35 1.380* 1.77 2.342** 2.17 주 : ***, **, * 는 각각 1%, 5%, 10% 수준에서 통계적으로 유의함을 의미하고, 지역 및 시점 더미변수는 생략함.
<표 10> 기술수준별 제조업 생산에 미친 영향(KIBS 세부분야)
(3) 지역별 제조업 생산에 미친 영향
<표 11>은 KIBS와의 융합이 제조업 부가가치 생산에 미치는 영향을 지역별로 분석한 결과이다. 앞선 분석에서와 마찬가지로 모든 지역에서 KIBS 인접중앙성은 유의한 계수값을 가지지 못했다. 반면, KIBS 인접거리는 강원, 경기, 경남, 부산, 서울, 전북에서 제조업의 생 산에 유의한 영향을 미치는 것으로 나타났다. 즉, 이들 지역의 제조업들은 생산에 있어 KIBS와 연계가 강할수록 부가가치 생산이 증가함을 의미한다.
이외에 노동투입, 자본투입은 모든 지역에서 매우 유의한 계수값을 가진다. 부가가치에 대한 노동투입 탄력성은 0.439에서 0.742까지 지역별로 매우 다양한 값을 가지는 것으로 나 타났다. 대전이 가장 높은 탄력성을 가지는 것으로 나타났으며, 경남, 부산, 서울, 제주, 충북 이 상대적으로 높은 노동투입 탄력성을 가지는 지역으로 나타났다. 반면, 경북은 가장 낮은 탄력성을 가지는 것으로 나타났으며, 전남, 인천, 충남도 낮은 노동투입 탄력성을 가지는 지 역으로 나타났다. 자본투입 탄력성은 0.256에서 0.526까지 마찬가지로 매우 다양한 값을 가 지는 것으로 나타났다. 전남이 가장 높은 탄력성을 가지는 것으로 나타났으며, 경북, 인천, 인천이 상대적으로 높은 자본투입 탄력성을 가지는 지역으로 나타났다. 반면, 경남, 대전, 부 산은 낮은 자본투입 탄력성을 가지는 지역으로 나타났다. 대부분 지역에서 부가가치의 노동 투입에 대한 탄력성이 자본투입에 대한 탄력성보다 높으나, 경북, 전남은 자본투입에 대한 탄력성이 더 큰 것으로 나타났다. 이와 같이 지역별로 생산함수의 구조가 매우 이질적인 것
지역 항목 ln_d_kibs ln_c_kibs ln_L ln_K 상수항
강원 계수값 -1.846** -2.108 0.636*** 0.355*** -2.540
t-값 -2.03 -1.50 12.04 6.50 -0.97
경기 계수값 -2.220** -0.023 0.659*** 0.344*** 1.795***
t-값 -2.43 -0.09 18.14 10.09 2.90
경남 계수값 -2.346*** 0.046 0.708*** 0.256*** 2.268***
t-값 -3.17 0.26 16.05 5.79 4.76
경북 계수값 0.263 0.219 0.439*** 0.521*** 2.050***
t-값 0.16 0.87 7.80 10.31 2.61
광주 계수값 -1.211 -2.362 0.639*** 0.365*** -2.861
t-값 -1.00 -1.49 10.55 6.00 -0.99
대구 계수값 -1.452 -0.517 0.633*** 0.339*** 0.948
t-값 -1.49 -0.78 15.12 8.28 0.82
대전 계수값 -0.695 -0.136 0.742*** 0.260*** 1.036
t-값 -0.46 -0.43 11.15 4.47 1.18
부산 계수값 -1.326* -0.289 0.705*** 0.259*** 1.287**
t-값 -1.86 -1.02 20.89 7.85 2.01
서울 계수값 -2.127* 0.821 0.714*** 0.268*** 3.648***
t-값 -1.79 1.47 14.82 5.50 3.16
울산 계수값 -1.395 0.105 0.619*** 0.389*** 1.736
t-값 -0.91 0.09 10.17 6.59 0.69
인천 계수값 -0.308 -0.316 0.543*** 0.453*** 0.779
t-값 -0.26 -1.43 10.64 8.89 1.29
전남 계수값 -2.446 -0.442 0.485*** 0.526*** 0.970
t-값 -1.52 -0.43 5.88 7.42 0.47
전북 계수값 -2.804*** 0.379 0.688*** 0.314*** 2.736
t-값 -2.86 0.43 15.94 7.84 1.55
제주 계수값 -0.902 1.752 0.739*** 0.269*** 4.550*
t-값 -0.46 1.32 9.19 3.25 1.89
충남 계수값 0.416 -0.350 0.599*** 0.408*** 0.306
t-값 0.27 -0.66 8.68 7.25 0.27
충북 계수값 -0.556 -0.127 0.706*** 0.283*** 1.149
t-값 -0.59 -0.31 12.99 6.06 1.23
<표 11> 지역별 제조업 생산에 미친 영향
함으로써 제조업과 서비스업 간 연계 및 융합에 대한 이해를 높이고 지식을 넓히기 위한 탐 색적 시도로서 학문적, 정책적 의미를 가진다.
주요한 분석결과와 함께 정책적 시사점을 정리하면 다음과 같다. 첫째, 생산과정의 서비 스화 관점에서 제조업과 KIBS 간의 연계 수준은 전반적으로 제조업의 부가가치 생산에 긍 정적인 영향을 미치고 있음이 확인되었다. 즉, 제조업에 대한 KIBS의 투입이 활성화되어 양 자 간 생산기술구조가 유사해질수록 제조업의 생산이 증가하는 효과가 있다. 특히, 기술수준 이 상대적으로 높은 제조업에서 더욱 긍정적인 효과가 나타났다. 이러한 결과는 국내 제조 업의 경쟁력 강화와 제조업-서비스업 균형발전을 위해 제조업에 대한 KIBS의 연관적 기능 을 강화할 필요가 있다는 주장을 뒷받침하는 중요한 실증적 근거가 된다.
둘째, 연계 강화 및 융합 촉진의 대상이 되는 KIBS 세부분야는 제조업의 기술수준 유형 에 따라 달라진다. 과학기술전문서비스는 모든 기술수준 유형의 제조업 생산에 대해 효과적 인 것으로 나타났는데, 중고위기술 제조업에서는 그 외에도 사업전문서비스, 연구개발과의 연계·융합이 생산에 긍정적인 효과를 가진다. 그러나 중저위기술 및 저위기술 제조업의 경 우 연구개발과의 융합은 오히려 생산에 부정적인 영향을 끼친 것으로 분석됐다. 또한 중저 위기술 제조업에서는 정보통신서비스와의 연계 강화도 부정적으로 나타났다. 이러한 결과는 제조업에 대한 서비스 중간투입 확대 정책을 수립함에 있어 해당지역의 핵심 제조업의 기술 수준 성격을 신중히 고려하여 적합한 서비스를 선택하여 추진할 필요가 있음을 시사한다.
셋째, 제조업과 KIBS 간 연계·융합은 지역별로 이질적인 영향을 미친다. 이는 지역마다 산업구조와 주력제조업이 다른 상황에서 KIBS 투입에 따른 생산 증대 효과가 제조업 기술 수준 유형별로 동일하지 않기 때문에 나타난 결과로 볼 수 있다.
2. 한계점 및 향후 과제
분석을 통해 밝혀진 의미 있는 결과에도 불구하고 본 연구는 몇 가지 한계점을 가지고 있다. 먼저 산업인접거리 이외에 네트워크에서 차지하는 KIBS의 인접중앙성은 제조업 생산 에 영향을 미치는 유의한 설명변수가 아니었다. 두 산업 간의 직접적인 생산기술구조 유사 성을 나타내는 산업인접거리와 비교해 인접중앙성은 다른 산업을 매개로 한 간접적인 유사 성까지 고려하기 위해 사용한 지표이다. 이러한 변수의 유의성이 없는 것으로 나타난 원인 은 그것이 측정하고자 하는 개념에 부적합하기 때문일 수도 있고, 또는 원시 네트워크를 단 순화한 MST로부터 지표를 산출하여 원래 가지고 있던 정보가 지나치게 손실되어 발생했을 가능성도 존재한다. 따라서 타 산업들의 융합에 의한 간접적인 연계를 반영할 수 있는 적절 한 변수 선정 및 측정을 고민해야 한다.
또한 산업융합은 공급측의 기술융합과 함께 수요측의 시장융합 간의 상호작용의 결과물 이라는 점에서 수요측 관점을 함께 고려를 하지 못하였다는 점도 본 연구의 한계라 지적하 지 않을 수 없다. 공급과 수요의 양면을 고려하여 제조업-서비스업 융합 현상을 분석하는 것은 향후의 또 다른 과제일 것이다.
기준년간 연계 및 고용표 작성이 현실적으로 쉽지 않고 계량모형 분석에 필요한 충분한 관 측치를 확보하기 어려웠다. 이는 지역산업연관표가 가진 자료의 한계라는 점에서 전국을 대 상으로 하는 분석이 보다 적합할 수 있다. 나아가 국제비교의 관점에서 제조업-서비스업의 융합 현상을 분석하는 연구도 우리나라의 산업의 현재와 미래를 객관적으로 진단하고 보완 책을 마련하는데 큰 시사점을 제공할 수 있을 것으로 기대된다.
참고문헌
고대영·박정수·이상호, 2014, 『서비스-IT 산업 융합 활성화 전략: 서비스-IT 산업융함도 분 석을 중심으로』(ISSUE PAPER 2014-360), 산업연구원.
고일용·이승국, 2007, “포트폴리오의 편중리스크 분석을 위한 새로운 접근법에 관한 연구:
네트워크 기반 MST기법을 중심으로”, 『금융리스크리뷰』 봄호, 70-95.
김원규, 2014, “ICT산업 융합의 경제적 효과분석”, 『생산성논집』 28(1), 217-239.
김예지·이영성, 2010, “제조업과 서비스업 사이의 상호작용: 생산성에 미치는 영향을 중심으 로”, 『지역연구』 26(4), 17-32.
김휘석·이항구·김진웅, 2008, 『서비스화를 통한 국내 주력산업의 신성장전략』(연구보고서 536), 산업연구원.
김현정, 2006, 『산업간 지식전파효과 분석: 사업서비스를 중심으로』(WORKING PAPER 제396호), 한국은행 금융경제연구원.
윤갑식, 2015. “한국과 일본 서비스업의 구조와 산업연관효과 비교분석”, 『아시아연구』
18(3), 105-124.
이강배, 2011, “IT 근로자의 부가가치 창출에 대한 기여도 분석”, 『정보시스템연구』 20(3), 187-207.
이강용·이종아·정준호, 2015, “주택시장과 주식시장의 동적 네트워크 구조 비교-시가총액 상 위 자산을 중심으로”, 『부동산학보』 61, 195-207.
이건우·하봉찬, 2013, 『서비스화가 한국산업의 연관구조에 미친 영향에 관한 연구』(연구보 고서 2013-659), 산업연구원.
이동희·구진경·박지혜, 2014, 『산업생태계 경쟁력 강화를 위한 서비스 클러스터 활성화 전 략: 지식집약사업서비스를 중심으로』(연구보고서 2014-710), 산업연구원.
정준호, 2014, “주택시장의 네트워크 구조 분석: 수도권 아파트 매매시장의 사례”, 『한국경
Examples from NFF and ICT,
Technological Forecasting and Social Change
, 78(2), 256-273.Greenacre, M., and Primicerio, R., 2013,
Multivariate Analysis of Ecological Data
. Madrid: BBVA Foundation. Available online at: www.multivariatestatistics.org.Hacklin, F., 2008,
Management of convergence in innovation: strategies and capabilities for value creation beyond blurring industry boundaries: Contributions to management science
, Springer.OECD, 2011,
ISIC Rev. 3 Technology Intensity Definition: Classification of manufacturing industries into categories based on R& D intensities
, OECD Directorate for Science, Technology and Industry Economic Analysis and Statistics Division.Quirin, A., et al, 2008, A Quick MST-Based Algorithm to Obtain Pathfinder Networks (∞, n −1),
J ournal of the American Society for Information Science and Technology
, 59(12), 1912–1924.Mantegna, R. N., 1999, Hierarchical structure in financial markets,
The European Physical Journal B
, 11, 193-197.Xing, W., Ye, X., & Kui, L.(2011), Measuring convergence of China’s ICT industry: An input-output analysis,
