I. 서론

농공단지는 산업화 이후 경제적으로 소외되었던 농어촌 지역발전을 위해 조성된 산업집적지이다. 1960~70년대 발전 잠재력이 높은 도시를 중심으로 대단위 산업단지가 개발되면서 농어촌 지역은 산업지역으로 인구유출을 경험하며 지역불균형 현상이 초래되었다. 이후 정부는 1980년대 지역발전 정책 기조를 경제성장의 공간적 불균형 해소에 두고, 낙후된 농어촌 지역의 소득 증대를 위해 농공단지 개발을 추진하게 된다. 1983년 「농어촌소득원개발촉진법」이 제정되고 농공단지는 정부 및 지자체의 재원 지원을 받으며 전국적으로 확산되었다(이동필, 2009; 이인희･김걸, 2022). 특히 농공단지는 1990년대 초반까지 집중적으로 빠르게 확산되었고, 2022년 4분기 현재 전국 476개 단지가 입지하고 있다.

농공단지는 여타 산업단지들과 달리 낙후된 농어촌 지역의 경제기반을 마련하여 지역균형발전을 실현하고자 한다는 점에서 의미가 있다. 일반적으로 산업단지는 국가적 차원의 산업발전과 경제성장의 효율성을 목적으로 두는 반면, 농공단지는 산업 공간의 형평성을 위해 산업입지를 분산시키고 농어촌 경제의 균형 있는 발전을 도모한다는 점에서 차이를 보인다. 지난 40여 년 동안 농공단지는 농어촌 지역의 중요한 비농업 경제 중심으로 기능하며 일자리 창출과 농외소득 증대, 농촌 산업화를 통한 지역경제 활성화에 기여했다는 점에서 긍정적인 평가를 받아왔다(이철우, 2008; 이지원 등, 2020; 조성규, 2023).

하지만 농공단지는 산업 입지적 여건이 불리한 농어촌 지역에 위치한다는 점에서 여러 가지 문제에 직면해 있기도 하다. 근본적으로 농공단지는 농어촌 지역 경제 활성화를 위해 산업 입지론적 관점이 아닌 ‘공급은 그 자체로 수요를 창출한다’는 전통적인 경제학 관점에서 조성되었다(이지원 등, 2020). 따라서 교통 여건이 불리한 농어촌의 지리적 위치로 인해 대도시 및 타 산업단지와의 연계가 어렵고, 물류비용에 대한 부담이 높다(김선배･홍진기, 2010). 뿐만 아니라 악화되는 농어촌 과소화 상황은 입주기업의 인력수급을 어렵게 하고, 결국 경쟁력 있는 기업을 떠나게 하는 요인으로 작용한다. 여기에 남아있는 업체들마저 규모의 영세성과 노후화로 인해 산업공간으로서 농공단지의 경쟁력은 한계점을 지닌다(양원탁･정미선, 2021).

이러한 상황에서 농공단지가 농어촌 지역 발전이라는 본질적인 목적을 지속해가기 위해서는 무엇보다 농공단지의 효율성 제고가 필요해 보인다. 대개 투입에 대한 산출의 비율을 의미하는 효율성의 차이는 생산성의 차이를 가져오기 때문에 단지 내 개별업체들의 존폐여부에 영향을 미치는 중요한 요인이 된다. 따라서 높은 효율성을 지닌 농공단지는 해당 농어촌 지역에 긍정적인 경제성과를 가져올 수 있고, 지역의 발전 가능성을 가늠하는 척도가 될 수 있다. 나아가 농공단지 효율성의 지역적 성과를 시군별로 비교･분석함으로써 지역 간 격차를 좁히고 균형발전을 위한 척도로 활용할 수도 있다(김명준･강상목, 2023).

이러한 맥락에서 본 연구의 목적은 다음과 같다. 먼저 한국 농공단지 생산의 상대적 효율성을 측정하여 생산조직으로서 농공단지들의 경제적 성과 수준을 진단하고자 한다. 나아가 지역 단위에서 농공단지 효율성을 분석하여 효율성의 지역 격차를 파악하고, 생산효율성이 낮은 지역에 대해서는 효율성 개선을 위한 분석 정보를 제공하고자 한다. 효율성 분석을 위해서는 비모수적(non-parametric) 접근법인 DEA(Data Envelopment Analysis)를 활용하며, 110개 시군지역의 378개 농공단지를 대상으로 한다.

구체적인 연구내용으로 첫째, 농공단지 및 DEA 관련 선행연구를 고찰하고, 둘째, DEA 방법론 개관과 분석변수 및 분석절차를 설계하며, 셋째, 농공단지 생산효율성과 지역적 특성을 DEA를 적용한 기술 효율성(TE), 순수기술 효율성(PTE), 규모 효율성(SE), 규모의 경제(Returns To Scale, RTS), 벤치마킹(benchmarking) 등을 중심으로 탐색한다.

II. 선행연구 고찰

농공단지는 농어촌 지역의 소득원 창출과 균형발전에 중요한 역할을 할 수 있음에도 불구하고, 상대적으로 국내 연구의 큰 관심을 받지 못하였다. 더군다나 산업집적지로서 농공단지가 지닌 태생적 한계점들로 인해 최근 연구들은 농공단지 순기능에 대한 조명보다는 제도와 정책이 지닌 한계점과 농공단지 활성화 방안을 모색하는데 중점을 두고 있다(이지원 등, 2020; 양원탁･정미선, 2021; 조성규, 2023). 이들 연구는 농공단지 위기의 원인으로 사회적 제도화 부족과 법제화의 문제를 지적하고(조성규, 2023), 산업입지적 관점이 결여된 공급 중심의 정책이 입주업체의 경쟁력을 저하시키고(이지원 등, 2020), 농공단지 정책의 주체인 지역 단위의 실태 파악이 부재하였음을(양원탁･정미선, 2021) 짚으면서 농공단지 활성화 방안을 모색하였다.

본 연구 또한 선행연구에서 지적된 농공단지의 문제점과 한계를 인식하면서 경제적 생산조직이라는 농공단지의 본래 기능을 회복하기 위해서는 무엇보다 생산효율성이 중요하다고 보고, 농공단지 효율성 분석에 초점을 두고 있다. 생산조직의 효율성 분석에 DEA를 적용한 연구는 국가 및 일반산업단지 또는 제조업이나 서비스산업 등의 산업분야를 대상으로 비교적 활발히 진행되었고, 이에 반해 농공단지 연구는 상당히 제한적이었다(김용렬, 2013; 김주훈, 2022).

김용렬(2013)은 국내 연구에서 처음으로 농공단지 효율성 분석에 DEA를 적용하였다. 그는 농공단지 규모가 다양하다는 특성 때문에 규모에 따라 효율성 분석을 시행하였고 연구결과, 규모가 작은 단지들의 효율성이 비교적 높았다. 특히 15만~20만㎡ 미만의 규모가 가장 효율적인 것으로 나타나 정책적으로 효율적인 농공단지 규모 설정이 필요함을 제시했다. 농공단지의 적정 규모를 설정하면 같은 규모에서 벤치마킹할 수 있는 효율적인 단지를 참조함으로써 다른 농공단지의 효율성 증대에 도움을 줄 수 있다. 한편 김주훈(2022)의 연구는 노후 농공단지의 특성에 따른 정책적 지원방안에 중점을 두고, DEA를 적용한 효율성 분석과 함께 도심으로부터 거리를 분석하였다. 분석결과, 효율성은 떨어지지만 도심과 가까운 단지는 기반시설 재정비와 더불어 복합용도 개발 가능성을 시사하였고, 효율성도 낮고 도심과 거리가 먼 단지는 자금력이 부족하기 때문에 기금의 신설과 판로개척 지원, 기술개발 등의 사업이 필요함을 제시하였다. 이에 반해 효율성 값이 1인 농공단지들은 도심과의 거리와 무관하게 현재 효율성을 극대화하기 위한 기반시설 재정비가 필요하다고 보았다.

이상의 농공단지 효율성 분석에 관한 연구는 절대적으로 부족한 실정이지만, 다른 산업단지나 산업부문을 대상으로 한 기존 연구를 검토함으로써 향후 농공단지 효율성 연구주제를 확장해갈 수 있다. 먼저 DEA 모형에 기초한 DEA-window 또는 맘퀴스트 생산성지수(Malmquist Productivity Index, MPI) 방법을 이용해 시계열적 효율성 변화 추이 분석이 가능하다(박창수, 2006; 이윤･안영효, 2011; 유종훈 등, 2013; 안유정･이만형, 2015; 안은주 등, 2020; Zhao et al., 2022). 비모수적 방법론인 DEA를 보완하기 위해 모수적 방법론인 확률변경분석(Stochastic Frontier Analysis, SFA)을 함께 채택할 수도 있다(김명준･강상목, 2023; Wang and Miao, 2019). 더 나아가 비효율성의 원인을 파악하고, 효율성에 영향을 미치는 결정요인들을 탐색하기 위해 DEA 효율성 결과치를 종속변수로 두고 토빗 회귀(tobit regression) 또는 로지스틱 회귀(logistic regression)를 진행한 연구도 있다(배세영, 2021; 김명준･강상목, 2023; Loikkanen and Susiluoto, 2002).

DEA 방법론은 대개 생산조직(DMU)들의 효율성 분석에 초점을 두고 있지만, 지역 수준에서 효율성을 평가하는데도 적용될 수 있다. 주로 생산액, 수출액, 부가가치, 임금 등이 산출변수로 선정되는데 여기서 산출된 효율성 값은 곧 생산조직의 경제적 성과를 의미한다. 따라서 DMU를 지역이라는 공간적 단위로 설정하거나, 또는 생산조직들의 효율성 결과를 지역별로 고찰하면 지역의 경제적 성과(regional performance)를 평가할 수 있다. 지역의 범주는 국가 단위에서부터(Freiria et al., 2022) 주(provinces, states) 단위(Masternak-janus, 2022; Nitkiewicz et al., 2014), 주 하위지역(Loikkanen and Susiluoto, 2002; Wang and Miao, 2019; Zhao et al., 2022) 등 다양하게 적용되었으며, 이들 연구는 DEA를 지역연구에 적용함으로써 지역 내적으로 경제성과를 진단하고 지역 외적으로는 지역 간 격차를 비교･분석하였다. 여기에 분석의 시간적 범주를 장기간 확장하면 지역 경제의 상승과 침체의 변화과정을 파악할 수도 있다(Domazlicky and Weber, 1997; Weber and Domazlicky, 1999; Loikkanen and Susiluoto, 2002).

그러나 DEA 모형의 지역연구에 대한 방법론적 유용성에도 불구하고, 국내 연구는 국외 연구에 비해 상대적으로 활발히 진행되지 못했다. 한정적으로 제조업 부문에서 DEA-window 및 MPI를 이용해 해당 지역들의 제조업 생산성과 효율성 특성 추이를 분석한 연구들이 있다(박창수, 2006; 김창범, 2014; 배세영, 2011). 또한 김명준･강상목(2023)의 연구는 경기도 시군의 제조업 효율성을 측정하기 위해 20년간 균형 패널 자료를 바탕으로 DEA와 SFA 분석을 사용하였다. 제조업 이외 DEA 지역연구로는 사회적 기업의 효율성 분석을 시도 단위 수준에서 분석한 김숙경 등(2017)의 연구가 있다. 이 연구는 효율성의 지역적 차이를 평가한 후, 비효율 권역을 개선할 수 있는 벤치마킹 정보를 함께 제시하였다.

한국의 농공단지 효율성을 분석하는 본 연구는 농공단지의 설립 목적이 낙후된 농촌 지역 발전에 있다는 것에 주목하고, 농공단지 효율성 분석결과를 지역적 관점에서 고찰하고자 한다. 기존 농공단지와 산업단지 효율성을 분석한 국내 연구들은 개별단지를 DMU로 설정하기 때문에 지역적 맥락을 분석결과에 담아내지 못했다. 본 연구에서도 개별 농공단지가 각각의 DMU이지만, 산출된 효율성의 지역적 분포 특성을 비교하고 지역 단위별로 농공단지 효율성 결과를 고찰하였다는 점에서 차별성을 지닌다. 그뿐만 아니라 농공단지의 지역적 성과가 저조한 지역에 대해 효율성을 개선하기 위한 벤치마킹 정보를 제시함으로써 지역 단위의 정책 수립에도 도움을 줄 수 있다. 더불어 DEA 방법론을 적용한 농공단지 연구의 범주를 확장하였다는 점에서도 의의를 지닌다고 하겠다.

III. 분석방법 및 분석틀

1. DEA-CCR, BCC

일반적으로 농공단지와 같은 생산조직에게 있어 효율성(efficiency)이란 사용하는 투입요소 양에 대한 산출물 생산량의 비율을 의미한다. 경제적인 생산조직은 한정된 자원으로부터 최대 효과를 얻고자하므로 이들에게 효율적인 생산가능영역을 추정하는 일은 매우 중요하다(이준배, 2013). 본 연구의 분석모형인 DEA(Data Envelopment Analysis)는 각 생산주체(Decision Making Unit, DMU)인 농공단지들이 경제활동 상에서 투입대비 산출 전환 역량에 따른 상대적 효율성 추정을 가능하게 하는 비모수적(non-parametric) 모형이다(Freiria et al., 2022). 절대적 효율성과 달리 평가 대상인 DMU에 가장 유리한 가중치를 부여하여 효율성을 산출한 뒤 다른 DMU와 비교하여 상대적 효율성을 평가한다(이윤･안영효, 2011). 또한 비모수적 접근방법으로서 특정한 함수형태를 가정하고 모수를 추정하는 것이 아닌 경험적인 자료를 이용해 투입-산출의 생산관계를 비모수적으로 추정한다. 따라서 자의적인 함수형태 설정의 오류를 피할 수 있다는 장점이 있다(이정동･오동현, 2012; 유종훈･변병설, 2019).

실증적으로 효율성 측정을 시도한 Farrell(1957) 연구 이후 DEA는 Charnes et al.(1978)에 의한 CCR 모형과 Banker et al.(1984)에 의한 BCC 모형으로 발전되었다.¹⁾ 규모수익 불변(Constant Returns to Scale, CRS)을 가정한 CCR 모형은 기술에 대한 효율성(Technical Efficiency, TE)을 측정하지만 규모의 효과가 결합된 상태로 나타난다는 단점이 있다. CCR 모형의 단점을 보완하기 위해 변형된 BCC 모형은 규모수익 가변(Variable Returns to Scale, VRS) 상태에서 기술 효율성과 규모 효율성을 구분할 수 있어 순수기술 효율성(Pure Technical Efficiency, PTE)을 측정할 수 있다(김동훈 등, 2022). 따라서 BCC 모형은 CRS 가정에서 비효율적으로 판단된 DMU가 순수한 기술 요인에 의해 비효율적인지 또는 규모의 요인에 의해 비효율적인지 비교 평가가 가능하다(Banker et al., 1984). 산출기준 CCR 모형과 산출기준 BCC 모형 산출식은 다음 <식1>, <식2>와 같다. 효율성 값 ϕ는 역수인 ϕ-1로 변환하여 0~1 사이 값으로 제시한다. 0에서 1에 가까울수록 더 효율적이며, 효율적인 DMU는 1의 값을 지닌다(이정동･오동현, 2012; 김용렬, 2013).

규모의 효율성(Scale Efficiency, SE)은 CCR 모형의 기술 효율성 값을 BCC 모형의 순수기술 효율성 값으로 나누면 산출할 수 있다. 달리 말하면 기술 효율성(TE)은 순수기술 효율성(PTE)과 규모의 효율성(SE)으로 분해가 가능하다(TE = PTE × SE). 규모의 효율성은 각 생산주체들의 규모가 최적화인지 여부를 나타내며, 마찬가지로 0~1 사이 값을 가진다. 규모 효율성이 1이면 규모가 최적으로 조정된 즉, 불변규모수익(CRS) 상태를 의미하며, 1에 가까울수록 최적의 규모에 가깝다. 규모 효율성 값 1 이하는 최적화되지 않은 규모로 인해 비효율성이 발생한다는 것인데 규모의 불경제(Decreasing Returns to Scale, DRS)와 규모의 경제(Increasing Returns to Scale, IRS) 상태 모두 해당된다. 규모의 경제나 규모의 불경제를 보일 때는 규모를 조정함으로써 투입대비 산출 비율의 생산효율성을 높일 수 있다. 규모의 경제는 투입물 변화 대비 산출물의 증가율이 비례 이상일 경우를, 역으로 규모의 불경제는 증가율이 비례 이하일 경우를 의미한다(이윤･안영효, 2011; 이정동･오동현, 2012; Zou et al., 2021).

DEA 모형을 이용하면 비효율적인 농공단지(DMU)들이 효율성을 개선할 수 있는 벤치마킹 정보를 제공한다는 점에서 장점이 있다. 비효율적인 농공단지들은 각각 벤치마킹할 효율적인 준거집단을 가지며, 구체적인 투입 또는 산출변화량 정보를 함께 제공해준다는 점에서 효율성을 개선할 수 있는 전략 및 정책 개발에 도움을 줄 수 있다(이윤･안영효, 2011).

2. 분석의 틀

본 연구의 대상이자 효율성 분석을 위한 DMU는 전국 378개 농공단지이다. 2022년 4분기 현재 481개 농공단지가 위치해있지만, 본 연구는 낙후된 농어촌 지역 발전이라는 농공단지 조성 목적에 부합하는 단지를 대상으로 하기 위해 도시적 성격이 짙은 광역시와 세종시, 일반구(區)로만 이루어진 시(市), 그리고 경기도 시군(市郡)에 위치한 농공단지는 제외한다.²⁾ 또 조성 중인 단지와 업체정보보호를 받는 가동업체 수 2개 이하인 단지도 제외한다. 개별 농공단지명은 입지한 지역을 파악하기 쉽도록 <부록>과 같이 지역명과 단지의 순서를 결합해 통일된 형태로 표기한다. 농공단지가 분포한 전국 시군은 110개이며, 이들 지역 단위도 분석대상이 된다.

DEA 분석을 위한 변수는 기본적으로 토지, 자본, 노동의 3가지 요소를 투입해 생산물을 산출하는 경제활동 과정을 고려하면서(김용렬, 2013; 안유정･이만형, 2015; 김주훈･변병설, 2018; 김동훈 등, 2022; 김주훈, 2022) 동시에 전체 단지에 대한 자료 구득가능성에 의해 선정한다. 이에 투입변수는 산업시설용지, 가동업체 수, 고용인원이, 산출변수는 생산액이 사용된다. 산업시설용지는 농공단지 내 생산 활동을 위한 구역으로 토지의 대리변수가 되며, 가동업체 수와 고용인원은 노동에 대한 대리변수가 된다. 연구자에 따라 가동업체가 산출변수로 선정되기도 하는데(김용렬, 2013; 안유정･이만형, 2015), 가동업체가 직접적인 생산 활동에 참여하는 노동자를 고용한다는 측면에서 고용인원(투입변수)에 대한 산출변수로 적용하는 데는 무리가 있다. 입주업체 수 대비 가동업체 비율, 즉 가동률로 적용할 수도 있는데 이 경우 대부분의 농공단지 가동률이 높아 사전분석에서 농공단지 전반의 효율성을 크게 높이는 문제점을 보였다. 한편 자본에 대해 가용한 대리변수로 농공단지 사업비가 있지만, 농공단지별로 조성시기 차이가 크기 때문에 고정된 사업비는 투입변수에서 제외한다. 생산액은 투입에 대한 생산성을 반영하는 대표적인 지표로 산출변수로 적용한다(유상민･변병설, 2011). 농공단지 수출액 또한 산출변수로 적용될 수 있지만 수출액이 없는 단지의 수가 많아 생산액만을 산출변수로 선정한다. 투입변수와 산출변수의 관찰 값은 ‘0’이 될 수 없다(최명섭 등, 2018).

분석에 사용된 자료는 한국산업단지공단에서 제공하는 「전국산업단지현황통계(2022년 4분기)」 농공단지 부문이다. <표 1>은 투입 및 산출변수의 기초통계량을 보여주며, 농공단지 간 격차가 상당히 크다. 산업시설용지, 가동업체 수, 고용인원, 생산액에서 최소값을 보인 농공단지는 순서대로 영양1, 영양1, 의령4, 순창1이며, 최대값을 보인 농공단지는 서산3, 춘천4, 서산3, 서산3이다. 표준편차를 평균으로 나눈 변동계수로 분산의 정도를 파악할 수 있는데, 산업시설용지의 분산 정도가 상대적으로 낮은 반면, 생산액은 농공단지 간 분산도가 훨씬 크다.

DEA를 이용한 농공단지 효율성 측정은 통계프로그램 R에서 제공하는 Benchmarking 패키지를 활용한다. 분석모형은 생산과정에서 정해진 투입요소를 활용해야 하는 농공단지 특성을 고려해 산출지향 모형을 채택한다. DEA 모형은 투입물과 산출물 중 어느 것에 기준을 두는지에 따라 투입지향(input-oriented) 모형과 산출지향(output-oriented) 모형으로 나누어지는데, 산출지향은 주어진 투입물로 산출물 생산을 극대화하고자 하는 데 반해, 투입지향은 일정한 산출물을 생산하기 위해 투입물을 최소화하고자 한다(Zou et al., 2021).

DEA 효율성 분석순서는 <그림 1>과 같다. CCR 모형으로 농공단지 기술 효율성을 추정한 후, 규모의 효과를 배제한 BCC 모형으로 순수기술 효율성과 규모 효율성을 산출한다. 세부적으로 개별 농공단지 수준에서 기술 효율성과 순수기술 효율성을 비교･고찰하고, 다음으로 순수기술 효율성과 규모 효율성을 비교해 가변규모수익(VRS) 상태에서 비효율의 원인이 무엇인지 파악하고자 한다. 이어서 CCR 모형의 ∑λ 값을 이용해 농공단지들이 규모의 경제를 보이는지 규모의 불경제를 보이는지 분석한다. 이러한 분석과정들은 지리적 분포와 지역적인 관점에서 고찰할 것이다. 마지막으로 농공단지의 효율성 결과를 지역 단위로 종합･고찰하여, 효율성의 성과가 저조한 지역을 탐색하고, 비효율을 개선할 수 있는 벤치마킹 정보를 제공한다.

그림 1.

분석의 절차

IV. 농공단지 생산효율성과 지역적 특성

1. 생산효율성과 지역적 분포

분석대상인 378개 농공단지의 생산효율성을 비교하기 위해 DEA-CCR 모형과 DEA-BCC 모형을 수행하였다. 전술한 바와 같이 DEA 모형은 DMU 간 상대적인 효율성 측정에 적합한 방법이기 때문에 효율성 점수가 절대적인 효율성을 의미하지 않음에 유의해야 한다. 효율성 값이 1인, 즉 효율적인 농공단지는 다른 농공단지의 준거집단이 되며 비효율적인 개별 단지는 투입 및 산출변수에서 유사한 구조를 지닌 준거집단과 비교하여 상대적 비효율성이 산출된다(윤의영, 2009).

분석결과, CCR 모형에 의한 기술 효율성(TE)이 1인 단지는 4개 단지(진천2, 진천3, 공주3, 서산3)이며, BCC 모형에 의한 순수기술 효율성(PTE) 값이 1인 단지는 6개 단지(김제2, 장흥2, 상주7, 영천2, 영양1, 의령4)가 추가되어 모두 10개 단지가 산출되었다(표 2). CCR 모형은 불변규모수익(CRS)을 가정하기 때문에 기술 효율성이 1인 농공단지들은 규모 효율성(SE) 점수가 1이며, 따라서 순수기술 효율성 또한 1의 값을 가진다. 농공단지의 약 80% 이상이 효율성 점수 0.2 이하에 분포하고 있어 대부분의 농공단지는 준거집단인 농공단지와 비교해 낮은 효율성을 지닌다. 기술 효율성과 순수기술 효율성 평균은 각각 0.117과 0.150으로 이것은 11.7%의 기술 효율과 15.0%의 순수기술 효율을 의미한다. 따라서 기술적으로는 88.3%, 순수기술 측면에서는 85%의 비효율성을 개선할 여지가 있다.

<그림 2>는 전체 농공단지의 기술 효율성(좌)과 순수기술 효율성(우)의 지역적 분포를 나타낸 것이다. 전반적으로 농공단지들은 기술 효율성에 비해 규모의 효과를 고려한 순수기술 효율성에서 더 높은 값을 지닌다. 기술 효율성과 순수기술 효율성 모두 1의 값을 보인 불변규모수익을 만족하는 4개의 단지는 모두 충청권에 위치하고 있으며, 기술 효율성이 0.8 이상의 상위값을 지닌 단지 또한 인근 청양과 김제에 분포해 있다. 한편 가변수익모델을 가정한 BCC 모형 적용 결과 효율성 점수가 1로 상승한 단지 중 의령4, 영양1, 장흥2 농공단지는 순서대로 기술 효율성 점수가 각각 0.028, 0.022, 0.011로 매우 낮은 수준을 보여 순수기술 효율성과 격차가 상당하다. 달리 말하면 이들 단지의 기술 효율성 값은 규모 효율성 값과 동일함을 의미하고,³⁾ 매우 비효율적인 규모 효과를 제거하면 생산과정에서 순수기술은 최적의 효율성을 지님을 의미한다.

그림 2.

농공단지 기술 효율성과 순수기술 효율성의 분포

효율성 점수가 0.4 미만의 하위값을 지닌 농공단지들은 압도적으로 높은 비중을 차지하며 전체 농촌지역에 걸쳐 산발적으로 분포해있는데, 자세히 보면 0.1 미만의 최하 효율성 값을 지닌 농공단지는 일정 지역에서 국지적인 분포 양상을 띤다. 상대적으로 접근성이 불리한 강원과 경북 북부, 소백산맥 등지의 산악 지역 농공단지의 효율성이 저조하고, 동해안 일부, 경남 남해안 일부, 전남 남부, 충청 서해안 일부에 걸친 해안 지역 또한 낮은 효율성을 보이고 있다. 따라서 농공단지가 위치한 농촌지역의 접근성은 기술 효율성과 순수기술 효율성의 차이를 가져오는 중요한 요인이라 할 수 있다.

2. 비효율 원인과 규모의 경제

CCR 모형에 의한 기술 효율성(TE) 값이 1인 농공단지는 불변규모수익(CRS) 상태를 의미하며, 기술 효율성이 1 미만이면 정도의 차이는 있지만 비효율적인 농공단지로 판단된다. BCC 모형을 이용하면 이러한 비효율성의 원인이 순수 기술적 결함에 의해서인지, 농공단지의 적합하지 못한 규모에서 발생하는지 두 효율성 값을 비교하여 파악할 수 있다.

<그림 3>은 불변규모수익을 보이는 4개의 농공단지를 제외한 나머지 374개 농공단지의 순수기술 효율성과 규모 효율성의 분포를 나타낸 것이다. 순수기술 효율성 보다 규모 효율성이 큰 농공단지는 A와 B 유형으로 약 97%의 농공단지가 해당된다. 따라서 농공단지에서 발생하는 비효율의 대부분은 규모적인 비효율 보다 순수 기술적인 비효율에 의해 더 많은 영향을 받고 있다. 특히 A 유형은 높은 규모 효율성(0.8 이상)을 지님에도 불구하고 매우 낮은 수준의 순수기술 효율성(0.2 미만)으로 인해 그 격차가 0.8 이상을 보이는 농공단지이다. 따라서 A 유형에 속한 183개(49%) 단지들은 순수 기술적인 결함에 따른 생산과정 상의 문제점을 개선해 전역적인 기술 효율성을 제고할 필요가 있다.

그림 3.

비효율성의 원인과 농공단지 유형

이와 대조적으로 C와 D 유형은 순수기술 효율성이 규모 효율성 보다 크기 때문에 비효율의 원인으로 규모 효율성 문제가 더 크게 작용하지만 C 유형(8개)은 대체로 순수기술 효율성과 규모 효율성의 격차가 크지 않고, 농공단지 간 효율성 값의 분산 정도도 크다. 그러나 D 유형(5개)에 속한 농공단지는 순수기술 효율성이 높음에도 불구하고 규모로 인한 효율성 손실이 매우 크다. 이중에서 장흥2, 상주7, 영양1, 의령4 농공단지는 순수기술 효율성 값이 1이므로 전역적인 기술 비효율성은 오로지 규모 비효율성으로부터 기인한다.

<그림 4>는 A~D 유형 농공단지의 지역적 분포를 나타낸 것이며, 이와 함께 규모의 경제성 정보를 함께 제공한다. 규모의 경제성은 불변규모수익을 가정한 CCR 모형에서 ∑λ 값을 통해 분석이 가능하다. ∑λ 값이 1보다 작으면 규모의 경제성(Increasing Returns to Scale, IRS)을, 1이면 불변규모수익(Constant Returns to Scale, CRS)을, 1보다 크면 규모의 불경제성(Decreasing Returns to Scale)을 의미한다. 규모의 경제를 보이는 농공단지는 투입요소 1% 증가에 대한 산출요소의 증가가 1% 이상이며, 반대로 규모의 불경제를 보이는 농공단지는 투입요소 1% 증가에 대한 산출요소의 증가가 1% 미만이다. 불변규모수익 상태는 투입요소와 산출요소의 단위 증가 비율이 동일하다.⁴⁾

그림 4.

농공단지 유형별 규모 경제성 분포

먼저 대부분의 농공단지가 포함된 A와 B 유형은 지역적인 편재를 보이기보다 대체로 전 지역에 걸쳐 분포하고 있지만, 규모의 경제성에 따른 분포는 뚜렷한 차이를 보인다. A 유형에 해당하는 즉, 비효율성이 낮은 순수기술 효율성에 기인하고 있는 단지들은 대부분 IRS 상태를 보인다. 따라서 A-IRS형 농공단지는 과소투입 상태를 개선하기 위해 내부적인 생산과정과 운영활동을 전문화하여 규모의 경제 효과를 증진하여야 하며, 동시에 순수기술적 효율성을 높여야 한다. 한편 B 유형 농공단지의 규모 수익 상태는 IRS와 DRS 비중이 비슷하며, B-IRS형에 비해 B-DRS형이 도(道) 단위에서 보다 국지적으로 분포하고 있는 것이 특징적이다. C 유형에 해당하는 8개 농공단지는 단지의 수는 적으나 지역적으로도 규모의 경제 상태로도 고루 분포하고 있다. 마지막으로 높은 순수기술 효율성 대비 규모 효율성 손실이 큰 D 유형은 모두 IRS에 해당되기 때문에 규모의 비효율성이 모두 과소투입에 의한 것임을 알 수 있다. 실제로 D 유형 농공단지는 전체 농공단지 평균과 비교해 투입과 산출규모가 매우 작은 단지이다(표 3). 따라서 한국의 농공단지는 절대적인 규모가 규모 효율성과 무관하지 않음을 알 수 있다.

3. 지역단위 평가와 비효율성 개선

앞에서 살펴본 분석결과는 개별 농공단지 차원에서 생산효율성과 지역적 분포 특성을 나타낸 것이다. 그러나 농공단지 설립의 주목적이 낙후된 농촌지역 발전에 있다는 점을 상기해 보면, 지역적 차원에서 농공단지 효율성을 평가하는 것 또한 중요하다. 시군별 효율성을 분석함으로써 지역 단위에서는 농공단지가 지역 경제에 긍정적으로 작동하고 있는지 가늠해볼 수 있고, 지역 외적으로는 효율성 결과의 지역차를 통해 생산효율성이 낙후된 지역을 진단하고 개선을 위한 기초자료로 활용할 수 있다.

<그림 5>는 개별 농공단지 효율성을 시군단위 평균으로 산출한 지역별 효율성 결과 값이다. 지역마다 분포하고 있는 농공단지 개수가 상이하기 때문에 단지의 효율성 값이 상쇄될 수 있지만 여기서는 효율성의 지역적 성과를 평가하는데 의미를 두고 평균값을 적용하였다. 또한 현실적으로 지역 농공단지가 최적의 경제규모로 생산 활동을 하는 데에는 재정상황의 제약이나 경쟁의 불완전성 등 많은 제약이 따르기 때문에 불변규모수익(CRS) 보다는 가변규모수익(VRS)을 가정한 순수기술 효율성과 규모 효율성(SE) 수준을 비교한다(최명섭 등, 2018).

그림 5.

지역별 농공단지 순수기술 효율성과 규모 효율성

먼저 지역별 순수기술 효율성 값은 전반적으로 낮은 수준이고, 규모 효율성은 대체로 높은 수준을 보인다. 전체 지역의 약 80%가 순수기술 효율성 점수 0.2 미만에 그치고 있는 반면, 규모 효율성에서는 동일비율인 약 80% 지역이 0.8 이상의 상위 수준을 보이고 있다. 다시 말해 한국 농공단지 효율성의 지역성 성과는 순수기술 측면 보다 규모 지향적인 특성을 지닌다. 단, 목포시, 장흥군, 영양군 세 지역은 순수기술 효율성이 규모 효율성 보다 높아 다른 지역들과 차이를 보인다. 이중 장흥군과 영양군은 앞의 분석에서 순수기술 효율성 값이 1임에도 불구하고 매우 낮은 규모 효율성을 지녀 D 유형에 속했던 농공단지가 분포한 지역이다. 순수기술 효율성 최대 지역과 최하 지역은 각각 영양군(1.000)과 양양군(0.006)이며, 규모 효율성 최대 지역과 최하 지역은 강릉시(0.987)와 영양군(0.022)이다.

지역별 농공단지 효율성의 또 다른 특징은 지역 격차를 보이는 가운데 순수기술 효율성은 입지에 따른 패턴을 보인다는 것이다. 물론 효율성 점수가 낮은 수준이긴 하지만 상대적으로 수도권 및 대도시 인근 지역은 다른 지역보다 순수기술 효율성이 높은 경향을 보이고, 강원 및 내륙 산간지역, 서남해안 지역은 효율성 점수가 0.1 미만으로 매우 낮다. 달리 말하면, 접근성이 떨어지고 농촌적 성격이 강한 지역 내부에서는 기술적인 역량 한계가 농공단지 생산효율성에 불리하게 작용하고 있음을 알 수 있다. 특히 강원도는 농공단지가 분포한 17개 시군 중 12개 시군이 순수기술 효율성 점수 0.1 미만을 보여 다른 도 지역 대비 전반적인 생산효율성 수준이 가장 저조하다.

한편 각 지역의 규모 효율성 수준은 입지에 따른 특정 패턴을 보이진 않는다. 도리어 순수기술 효율성이 낮았던 강원도 시군의 규모 효율성이 상대적으로 높고, 이밖에도 충북, 충남, 전북지역의 규모 효율성이 상대적으로 높다. 규모 효율성 0.7 미만인 시군은 순서대로 상주시(0.677), 경남 고성군(0.663), 하동군(0.648), 원주시(0.580), 의령군(0.542), 목포시(0.487), 장흥군(0.467), 영양군(0.022) 등 8개 시군이며, 이 중 5개 시군이 경남과 전남 등 남단에 위치해 있다. 규모 효율성이 낮은 지역들은 농공단지의 산출수준이 생산 가능한 집합 내에서 도달할 수 있는 최적의 생산수준과 비교했을 때 상대적으로 이탈된 정도가 크다는 것을 의미한다(현만석･유왕진, 2008).

농공단지가 지역발전에 긍정적으로 기여하기 위해서는 지역적 차원에서 평가된 비효율성을 개선해야 할 필요가 있다. DEA 모형은 효율적인 준거집단, 즉 벤치마킹 대상이 되는 농공단지와 참조비중인 ‘λ’ 정보를 제공한다. 이 정보를 이용하면 비효율적인 농공단지가 효율적인 단지가 되기 위한 구체적인 목표 값을 산출할 수 있다. 벤치마킹 정보는 준거집단 외의 모든 농공단지에 대해 주어지지만, 본 분석에서는 우선적으로 효율성 개선이 시급하다고 판단되는 하위 5개 지역(고흥군, 해남군, 고성군(경남), 남해군, 하동군)을 대상으로 개선안을 산출하였다(표 4).⁵⁾

지역 내 위치한 개별 농공단지들은 각각 유사한 투입 구조를 가진 참조대상이 되는 준거집단, 즉 효율적인 농공단지를 가지고 있다. 5개 지역 12개 농공단지에 대해 준거집단이 되는 농공단지는 진천3, 공주3, 상주7, 영양1, 의령4 등 5개 농공단지이다. 현재의 투입수준에서 산출해야 할 목표 값은 각 준거집단의 산출량(생산액)에 참조비중을 곱한 후 더하면 된다. 예를 들어 고흥1 농공단지의 목표 생산액은 “공주3(600,000백만 원×0.199)＋영양1(2,320백만 원×0.659)＋의령4(5,888백만 원×0.142)＝121,937백만 원”이다. 잠재적 개선비를 보면 12개 농공단지 모두 효율적인 농공단지가 되기 위한 산출수준이 부족한 상태이며, 그 수치도 대체로 크다. 하동 3단지의 경우 현재 투입수준에서 증가시킬 수 있는 생산액이 무려 8,427%이다.

이와 같이 벤치마킹 정보를 이용하면 다른 지역에서도 농공단지의 비효율성을 개선할 수 있는 목표 값을 산출할 수 있다. 지역의 농공단지가 과소산출인지 또는 과잉산출인지 상태를 파악하고, 이를 목표 값으로 조정할 수 있는 효율적인 운영방안 정책이 수립되어야 할 것이다. 보다 현실적인 목표 값 산출을 위해서는 분석대상을 전체 농공단지가 아닌 비슷한 규모 또는 비슷한 업종의 농공단지를 대상으로 조정할 수도 있다.

V. 요약 및 결론

인구감소와 지방소멸 이슈가 지역에서 중요한 현안이 되고 있는 현재, 농공단지는 이미 40여 년 전부터 낙후된 농어촌 지역의 균형발전을 위해 설립되었다는 점에서 기능적 재조명과 기능적 회복이 필요하다. 농공단지 활성화 방안이 다양한 채널을 통해 모색되고 있지만, 그러한 노력의 기저에는 무엇보다도 산업단지로서 지니는 농공단지 본연의 기능을 회복하려는 노력이 중요하다. 따라서 본 연구는 DEA를 활용하여 2022년 4분기 기준 378개 한국 농공단지의 생산효율성을 분석하는데 중점을 두었다. 생산과정에서 투입 대비 산출 역량을 의미하는 효율성의 차이는 곧 생산성의 차이를 가져오고, 생산성 차이에 따른 지역의 경제적 성과 차이가 지역경제 발전과 균형발전에 영향을 미친다. 연구의 결과를 요약하면 다음과 같다.

첫째, DEA-CCR 모형과 BCC 모형을 적용한 기술 효율성(TE)과 순수기술 효율성(PTE) 분석결과, 대부분의 농공단지는 효율적인 농공단지와 비교해 0.4 미만의 하위 수준을 보이고 있었다. 특히 지역적으로 접근성이 불리한 강원과 경북 북부, 내륙 산악 지역, 동서남해안 일부 지역에서 0.1 미만의 매우 낮은 효율성 수준을 보이는 농공단지들이 분포하고 있다. 따라서 농공단지가 위치한 농어촌 지역 간에도 접근성의 차이가 기술 효율성과 순수기술 효율성의 차이를 가져오는 중요한 요인으로 작용하고 있다.

둘째, BCC 모형을 이용하여 농공단지 비효율의 원인이 순수기술(PTE)에 있는지 규모(SE)에 있는지 분석한 결과, 전체 97%의 농공단지가 순수 기술적인 비효율에 의해 더 큰 영향을 받고 있었다. 특히 높은 규모 효율성 대비 매우 낮은 기술 효율성(0.2 미만)을 지닌 단지도 약 50%에 달하며, 이 단지들 대부분은 규모의 경제성(IRS)에 있기 때문에 과소투입 상태와 생산과정 상의 기술적인 결함 부문 개선이 필요하였다. 대조적으로 소수이지만(5개 단지) 높은 순수기술 효율성에도 불구하고 규모 효율성 손실이 큰 농공단지도 있었는데, 이 유형들도 모두 규모의 경제성을 보였다. 즉, 이 단지들은 규모의 비효율이 모두 과소투입에 의한 것이며, 실제 절대적인 투입과 산출규모 또한 매우 작았기 때문에 절대적인 규모가 최적의 생산 규모와 무관하지 않음을 알 수 있었다.

셋째, 시군 단위 평균으로 산출하여 본 농공단지 효율성의 지역적 성과는 전반적으로 순수기술 효율성에 비해 규모 효율성 수준이 높게 나타나 규모 지향적인 특성을 보였다. 전체 지역의 약 80%가 순수기술 효율성 0.2 미만에 그치는 가운데, 수도권 및 대도시 인근 지역의 순수기술 효율성이 상대적으로 조금 높았고, 강원 및 내륙 산간지역과 서남해안 지역은 효율성 점수가 매우 낮았다. 즉, 지역 입지에 따른 기술역량 차이가 농공단지 생산효율성의 차이를 가져오고 있었다. 한편 규모 효율성의 지역적 성과는 입지에 따른 특정 패턴을 보이진 않았지만, 경남과 전남 남단에 위치한 시군 중 규모 효율성이 낮은 지역들이 위치해 있었다. 효율성의 지역적 성과가 저조한 지역은 벤치마킹 정보를 활용하여 개선안을 산출할 수 있는데 본 분석에서는 하위 5개 지역을 대상으로 산출하였다. 분석결과, 지역 내 농공단지 목표 생산액이 무려 1,000% 이상 조정되어야 하는 곳들도 많아 상대적 효율성의 성과 차이가 매우 크다는 것을 알 수 있었다. 지역 수준에서 보다 현실적인 개선안을 마련하기 위해 규모가 비슷한 농공단지 또는 업종이 비슷한 농공단지만을 대상으로 벤치마킹 정보를 확인할 수도 있을 것이다.

본 연구는 DEA 방법론을 적용한 농공단지 연구의 범주를 확장했다는 측면에서 의미가 있으며, 나아가 농공단지 생산효율성 결과를 지역적 관점에서 고찰함으로써 DEA 방법론이 지역연구에 활용될 수 있는 가능성을 확인하였다는 측면에서도 의의가 있다. 뿐만 아니라 비효율적 농공단지에 대해 효율적인 단지로 개선할 수 있는 벤치마킹 정보의 제시는 지역 단위에서 구체적인 목표치를 수립하는데도 도움을 줄 수 있을 것이다.

그러나 업종 및 규모 측면에서 이질적인 농공단지 특징을 모두 고려하지 못했다는 점과 변수 선정에 따라 연구결과가 달라질 수 있다는 점, DEA는 준거집단을 기준으로 한 상대적 효율성 분석이라는 점에서 결과를 해석하는데 한계점을 지닌다. 이러한 점들을 보완해서 국내 농공단지 후속 연구들이 활발히 진행되길 기대해 본다.