2. 5. 1.추정관련 이슈
본 연구는 앞서 제시된 가설검증을 위한 선형식 식 (2.6)～(2.8)에 전장에서 설명한 변수들을 대입하여 추정하고자 하였다.이때 한 가지 고려해야 할 사 항이 있는데,앞서 제시된 선형식들의 오차항은 시간(),공간()그리고 산업 ()으로 이루진 다차원적인 오차항이라는 점이다.이 경우 각 차원 내에서 해당 속성(가령 시간적으로 동일하다든지 공간적으로 동일하다든지 등)을 공 유하는 관측치 간에는 비록 관찰되지는 않았지만 공유된 특성이 내재되어 있을 수 있게 된다.이러한 점을 반영하기 위해 먼저 각의 오차항에 대해 다 음과 같은 가정을 하였다.
(단, )
여기서 은 각각 관측 불가한 시간,산업,공간적 요인이라면,
은 이 같은 요인들로도 설명되지 않는 요소(가령 측정오차 등)으로 일반적으로 백색잡음(whitenoise)로 취급되는 부분이라 할 수 있다.그리고 이중에서 가 장 논란이 될 수 있는 부분은 공간적(또는 지역적)관측 불가능한 요인을 나타 내는 의 처리라 할 수 있다.47)전통적인 집적경제를 검증하는 기존의 연구들 에서 적어도 계량경제학적 측면에서 공간적(또는 지역적)관측 불가능한 요인 을 나타내는 의 존재는 매우 불편한 것이었는데,이로 인해 내생성 문제가 유발될 수 있었기 때문이다.기본적으로 집적경제 효과를 검증하기 위해서는 본 연구와 같이 집적변수를 활용해야 하는데,이 집적변수들과 사이에 상관 관계(특히 양의 상관관계)를 가질 가능성 높기 때문에,이로 말미암아 추정된
47)사실 본 연구에서 기본 단위가 시군구로서 모두 228개에 달한다. 이로 이해 이들을 모두 더 미변수로 처리할 경우에는 추정에 부담이 될 수밖에 없다.
집적경제 효과계수가 일치성을 잃고 편의를 갖게 될 수 있기 때문이었다.이러 한 양의 상관관계를 갖게 되는 이면에는 기업이나 고용 노동자들이 가령 기후 나 지정학적 위치 등 정량화하기 어려운 요인으로 인해 생산성이 원래 높았던 지역으로 이전 또는 이동하여,해당지역의 경제규모나 밀도를 증가시킬 수 있 다는 논리가 깔려있다(Meloetal.,2009).물론 이러한 내생성 문제를 해결하 기 위한 노력들도 있어 왔으며,주로 고정효과 모형이나 도구변수를 활용한 방 법들이 주류를 이루어 왔다.48)결국 이러한 점을 고려하여 본 연구는 로 인 한 내생성 문제를 처리하기 위해 지역 특정적 고정효과(fixedeffect)모형49)을 고려하였다.이와 함께 에 대한 시간 및 부문더미를 포함하여 추정한 선형식 식(2.6)～(2,7)의 결과는 <표 2.2>을 통해 제시하였다.한편 무역자유화 효과는 각각 <표 2.3>와 <표 2.4>으로 제시하였다.
2. 5. 2.추정결과 및 분석
우선 <표 2.2>～<표 2.4>까지 추정된 결과들에 대해,모형의 정합성을 평 가하는 F-검정결과,추정된 모든 모형들은 큰 문제가 없는 것으로 나타났다.
48)가장 공통적으로 활용되고 있는 전략은 오랜 시차를 가진 인구나 인구밀도를 현재 집적변수의 직 접적인 도수변수로 활용하거나(Ciccone and Hall, 1996; Mion and Naticchioni, 2005; Rice et al., 2006; Combes et al., 2008a; Combes et al., 2008b), 토질 등 지질학적(geologic) 변수들을 간접적인 도구변수로 활용하는 방법들이라 수 있다(Ciccone, 2002; Rosenthal and Strange, 2008;
Combes et al., 2008b). 이와 같은 도구변수를 선택하는 동기는 우선 먼 과거의 도시크기나 외생적 인 지질학적 변수들(수변구역의 면적, 지진위험(seismic hazard) 등)이 현재의 도시크기 등과 상관 관계를 가지고 있지만, 현재의 생산성 수준과는 상관관계가 없기 때문이라 할 수 있다
49)사실 지역적 특성들 중 특히 시장으로의 접근성이나 지구지정 여부 등 중요한 함의를 가진 변수들 가운데는 시간에 불변적인 경우가 많은데, 을 고정효과로 처리할 경우 이에 대한 분 석자체가 불가능해진다. 한편 도구변수의 경우에는 구하는 것 자체가 쉽지 않으며, 또한 약한 도구효과(weak instrument)문제가 있을 수 있음도 고려될 필요가 있다.
Mean Median 1QRP 2QRP 3QRP 4QRP RP (25-40%)
RP (40-50%)
0.003128 0.007542 -0.014807 0.072355 -0.004433 -0.030401 -0.001162 0.042004 (1.99) (2.54) (-4.18) (31.56) (-1.38) (-9.02) (-0.49) (43.30)
0.004073 0.006764 0.004921 -0.010692 -0.000054 -0.006188 0.000840 -0.001772
(1.68) (2.97) (1.79) (-6.09) (-0.02) (-2.34) (0.46) (-2.38)
-0.002861 -0.007054 -0.002460 0.021885 -0.004025 0.004454 -0.003906 0.005145 (-1.06) (-2.77) (-0.78) (11.14) (-1.40) (1.49) (-1.79) (6.19)
0.010428 0.007370 -0.011010 0.011798 -0.001637 -0.011060 0.009618 0.005542
(1.63) (1.23) (-1.67) (2.55) (-0.26) (-1.64) (2.05) (2.83)
^2 -0.001313 -0.001250 0.000347 -0.001485 0.000181 0.001130 -0.000665 -0.000627 (-2.39) (-2.42) (0.58) (-3.72) (0.33) (1.95) (-1.69) (-3.72) ln× -0.001407 -0.001436 0.000081 0.000120 -0.000103 0.000060 0.000012 0.000072
(서울: 교역비용) (-7.18) (-7.81) (1.78) (0.85) (-0.54) (1.29) (0.09) (1.20)
상수 1.063370 1.112715 0.445400 -0.525457 -0.433816 0.413256 -0.353259 -0.856938 (5.95) (6.64) (2.32) (-4.06) (-2.53) (2.23) (-2.86) (-15.65)
시간더미 Yes Yes Yes Yes Yes Yes Yes Yes
부문더미 Yes Yes Yes Yes Yes Yes Yes Yes
지역 고정효과 Yes Yes Yes Yes Yes Yes Yes Yes
관측치 수 15,844 15,844 14,261 15,844 13,903 14,486 12,043 15,844
log likelihood 4,544.54 5,549.79 3,670.89 9,650.86 5,276.47 4,126.67 9,272.31 23,275.19
F-통계량 397.20 453.68 5.66 278.87 3.98 19.35 2.20 384.40
F-통계량* 8.02 7.68 2.35 18.28 1.37 2.16 1.34 26.51
<표 2.2>집적경제 원천 검증식 추정결과
* H0: all 에 대한 F 통계량
Mean Median 1QRP 2QRP 3QRP 4QRP RP (25-40%)
RP (40-50%)
0.002890 0.007309 -0.014841 0.072373 -0.004470 -0.030424 -0.001166 0.042005 (1.92) (2.47) (-4.19) (31.57) (-1.40) (-9.03) (-0.49) (43.29)
0.004022 0.006714 0.004909 -0.010688 -0.000074 -0.006204 0.000832 -0.001772
(1.66) (2.96) (1.79) (-6.09) (-0.03) (-2.34) (0.46) (-2.38)
-0.002730 -0.006926 -0.002434 0.021875 -0.003990 0.004478 -0.003897 0.005144 (-1.01) (-2.73) (-0.77) (11.14) (-1.39) (1.50) (-1.79) (6.19)
0.009957 0.006909 -0.011055 0.011834 -0.001729 -0.011123 0.009589 0.005543
(1.56) (1.15) (-1.67) (2.56) (-0.27) (-1.65) (2.05) (2.83)
^2 -0.001283 -0.001221 0.000349 -0.001487 0.000186 0.001133 -0.000663 -0.000627 (-2.34) (-2.37) (0.58) (-3.73) (0.34) (1.96) (-1.68) (-3.72) ln× -0.001364 -0.001394 0.000085 0.000117 -0.000097 0.000065 0.000013 0.000072
(서울: 교역비용) (-6.97) (-7.59) (1.69) (0.82) (-0.51) (1.32) (0.09) (1.20)
ln 0.029149 0.028542 0.002983 -0.002210 0.004015 0.002655 0.000766 -0.000095
(8.01) (8.36) (0.75) (-0.84) (1.12) (0.69) (0.29) (-0.08)
상수 1.197929 1.244473 0.459263 -0.535658 -0.415064 0.424606 -0.349732 -0.857376 (6.69) (7.41) (2.38) (-4.12) (-2.41) (2.29) (-2.81) (-15.59)
시간더미 Yes Yes Yes Yes Yes Yes Yes Yes
부문더미 Yes Yes Yes Yes Yes Yes Yes Yes
지역 고정효과 Yes Yes Yes Yes Yes Yes Yes Yes
관측치 수 15,844 15,844 14,261 15,844 13,903 14,486 12,043 15,844
log likelihood 4577.13 5585.26 3671.17 9651.22 5277.11 4126.91 9272.35 23275.19
F-통계량 388.02 443.24 5.49 269.89 3.89 18.74 2.13 371.97
F-통계량* 8.04 7.70 2.35 18.28 1.37 2.16 1.34 26.51
<표 2.3>집적경제 원천 검증식 추정결과(무역자유화 효과포함)
* H0: all 에 대한 F 통계량
Mean Median 1QRP 2QRP 3QRP 4QRP RP (25-40%)
RP (40-50%)
0.002862 0.007120 -0.015067 0.072362 -0.004469 -0.030362 -0.001192 0.042016 (1.91) (2.40) (-4.25) (31.55) (-1.40) (-9.00) (-0.50) (43.28)
0.004022 0.006709 0.004883 -0.010689 -0.000074 -0.006200 0.000829 -0.001772
(1.66) (2.96) (1.78) (-6.09) (-0.03) (-2.34) (0.46) (-2.38)
-0.002719 -0.006854 -0.002310 0.021879 -0.003991 0.004451 -0.003881 0.005140 (-1.01) (-2.70) (-0.73) (11.14) (-1.39) (1.49) (-1.78) (6.18)
0.010001 0.007208 -0.010704 0.011852 -0.001729 -0.011204 0.009626 0.005527
(1.57) (1.20) (-1.62) (2.56) (-0.27) (-1.66) (2.05) (2.82)
^2 -0.001286 -0.001237 0.000327 -0.001488 0.000186 0.001138 -0.000666 -0.000626 (-2.34) (-2.40) (0.54) (-3.73) (0.34) (1.97) (-1.69) (-3.71) ln× -0.001363 -0.001391 0.000087 0.000117 -0.000097 0.000065 0.000014 0.000072
(서울: 교역비용) (-6.97) (-7.58) (1.64) (0.82) (-0.51) (1.31) (0.10) (1.19)
ln 0.028914 0.026933 0.001307 -0.002307 0.004021 0.003107 0.000565 -0.000004
(7.76) (7.70) (0.32) (-0.85) (1.09) (0.79) (0.21) (0.00)
ln × 0.000006 0.000041 0.000043 0.000002 0.000000 -0.000012 0.000005 -0.000002
(0.29) (2.11) (1.84) (0.17) (-0.01) (-0.52) (0.34) (-0.36)
상수 1.197471 1.241337 0.456880 -0.535848 -0.415056 0.425192 -0.350111 -0.857199 (6.69) (7.39) (2.37) (-4.12) (-2.41) (2.29) (-2.82) (-15.58)
시간더미 Yes Yes Yes Yes Yes Yes Yes Yes
부문더미 Yes Yes Yes Yes Yes Yes Yes Yes
지역 고정효과 Yes Yes Yes Yes Yes Yes Yes Yes
관측치 수 15,844 15,844 14,261 15,844 13,903 14,486 12,043 15,844
log likelihood 4577.17 5587.52 3672.90 9651.23 5277.11 4127.05 9272.41 23275.26
F-통계량 375.88 429.63 5.43 261.44 3.77 18.16 2.07 360.33
F-통계량* 7.94 7.58 2.36 18.25 1.37 2.16 1.34 26.49
<표 2.4>집적경제 원천 검증식 추정결과(지역별 무역자유화 효과포함)
* H0: all 에 대한 F 통계량
2.5.2.1.집적변수 및 시장접근성 효과
한편 <표 2.2>에서 우선 첫 두 열은 지역별 기업생산성 분포의 위치(즉 평균 또는 중앙값)를 종속변수로 한 모형이다.이들 종속변수에 대한 집적변수들의 계 수들을 통해 외부성의 성격을 지닌 집적경제 효과를 가늠해 볼 수 있게 된다.
우선 지역화 경제와 관련하여서,해당지역의 공장의 밀도가 높을수록(밀도 1%
증가 시 지역평균 생산성은 약 0.003%,지역 중앙값 약 0.008% 증가),여타의 공장에 비해 상대적으로 큰 공장이 입지하고 있을수록(최대크기 공장의 상대적 크기 1% 증가 시 지역평균 0.004%,지역 중앙값 0.007% 증가),지역평균 생산성 (또는 지역 생산성 중앙값)이 높아지며 그 효과는 대체로 통계적으로도 유의미 한 것으로 나타났다.사실 공장규모가 클 경우 생산성이 높은 것은 매우 자연스 런 현상인 반면,공장규모의 효과를 제어해준 상태에서 공장밀도가 생산성에 긍 정적으로 영향을 미칠 수 있다는 것은 집적된 동종업체 간에 양의 외부성이 존 재할 가능성을 시사해주는 부분이라 할 수 있다.그러나 이와는 대조적으로 해 당지역의 전체 산업에서 특정산업의 비중이 높을수록 즉 해당산업이 특화된 지 역일수록,오히려 평균적인 생산성은 낮은 것으로 나타났다.이러한 결과는 <표 2.2>에서 지역경제 생산구조의 다각화의 영향과 함께 해석되는 것이 온당할 것 으로 보인다.다각화도의 경우,제곱항도 포함하여 함께 추정하였는데,추정결과 통계적으로 유의미하게 제곱항의 경우 음수인 반면,본 항에서는 양수 값을 얻 을 수 있었다.이는 다각화도와 평균 생산성간에 역 U자형의 관계가 있음을 나 타내주는 것으로서,상대적으로 다각화도 매우 높은 지역이나 또는 특정산업으 로 특화된 지역보다는 적절한 수준의 다각화도를 갖는 지역에서 생산성이 높을 수 있음을 시사한다.평균 생산성에 가장 긍정적인 영향을 줄 수 있는 적절한 수준의 다각화정도가 존재한다는 것은 Ellison,GlaeserandKerr(2009)가 주창한 공집적(coagglomeration)와 관련해서 시사 하는 바가 크다.Ellison,Glaeserand Kerr(2009)은 인력,지식이나 기술을 공유하거 전후방 연관관계로 얽혀있는 산 업들이 동일공간에 합께 집적하는 공집적하는 경향50)이 있으며,이렇게 공집적
된 산업의 생산성이 단일산업의 집적의 경우보다 높을 수 있음을 보인 바 있다.
이러한 Ellison,GlaeserandKerr(2009)의 연구결과에 비추어 볼 경우,추정결 과는 단일 산업으로 특화된 지역이나 연관성이 떨어지는 산업들까지 함께 집적 하여 오히려 혼잡비용이 가중되는 경우보다,적절한 연관 산업 간의 공집적(그래 서 적절한 다각화도의 유지)이 평균 생산성에 긍정적일 수 있음을 보여주는 것 이라 할 수 있다.51)이와 함께 대규모 시장으로의 접근성 측면에서 역시 가장 큰 시장으로의 접근성이 좋을수록(즉 서울과의 거리가 가까울수록)평균 생산성 이 유의미하게 높아지는 경향 역시 관측되었다.이를 통해 결국 추정모형이 상 식과 크게 벋어나지 않음을 확인할 수 있다.
한편 선별 및 정렬효과는 <표 2.2>의 3번째 이후의 열에 제시하였다.우선 집적변수인 동시에 해당지역에서의 경쟁수준의 한 척도로 제시된 공장밀도의 영향에서 1사분위수 이하의 생산성을 가진 기업들()에서 밀도가 1% 증 가 시 유의미하게 약 0.014%p정도 기업비중이 중심(중앙값)방향으로 치우치 게 됨으로서,명확한 선별효과가 존재함을 확인할 수 있었다.반면 1사분위수 와 중앙값 사이 구간에 해당하는 기업들의 경우(즉 )오히려 중심에서 하단꼬리 방향으로 기업의 비중이 증가하는 경향성이 나타났는데,이를 좀 더 자세히 확인하기 위해,해당 구간을 둘로 나누어 1사분위수(하위 25%)에서 하 위 40% 기업집단과 하위 40%이상 중위수의 기업집단으로 분리해서 추정하였 으며,그 결과는 <표 2.2>의 마지막 두 개 열에 제시하였다.추정결과 하위 25%～40% 구간이 기업들에서도 비록 정도는 작지만 그 이하의 기업들에서 확인되었던 선별효과가 존재함을 볼 수 있다.다만 하위 40%～50% 구간의 경 우에는 오히려 반대로 중앙부보다 주변부의 밀도가 상대적으로 높아지는 반대 로 말하면 중앙부가 낮아지는 경향성이 발견되었다.그러나 이는 추정에 활용 된 지표인 상대적 중앙값 양극화지수의 특성에서 기인한 것으로 보는 것이 타 당할 것으로 생각된다.사실 해당구간은 지역별 생산성 분포의 사실상의 중앙
50)Ellison, Glaeser and Kerr (2009)은 미국 및 영국사례를 통해 공집적 패턴에 가장 중용한 요인은 전후방 연관관계임을 경험적으로 보인바 있다.
51)이는 또한 국내 제조업 내에도 공집적 경향이 존재할 수 있음을 강하게 암시하는 것이라 할 수 있다. 이에 대한 경험적 확인은 후속연구의 과제로 남겨두고자 한다.
부라 할 수 있으며,만일 경쟁여파로 중앙부의 밀도가 낮아지면,상대적으로
부라 할 수 있으며,만일 경쟁여파로 중앙부의 밀도가 낮아지면,상대적으로