Changes in Spatial Distribution of Manufacturing Startup Activities in the Capital Region, Korea: A Spatial Markov Chain Approach

수도권 제조업 창업 활동의 공간적 분포 변화 - 공간 마르코프 체인의 응용 -*

송창현**·안순범***·임업****

Changes in Spatial Distribution of Manufacturing Startup Activities in the Capital Region, Korea:

A Spatial Markov Chain Approach*

Changhyun Song* · Soonbeom Ahn** · Up Lim***

국문요약 본 연구는 2000년부터 2018년까지를 분석의 시간적 범위로 설정하여 제조업 창업 활동이 공간적으로 어떠한 변화를 보여왔는지를 탐색적으로 분석하고, 향후 창업 활동의 분포 패턴 변화를 예측하는 것을 목적으로 한 다. 분석을 위해 2000년부터 2018년까지의 「전국사업체조사」 마이크로데이터 제조업 사업체 자료를 활용하였다.

한국산업연구원의 ISTANS 분류체계에서 제시하는 40대 제조업 기준에 따라 제조업을 4개의 세부 산업군으로 구 분한 후, 수도권 행정구역 읍면동 수준에서 공간자기상관 분석 및 공간 마르코프 체인 분석을 수행하였다. 분석 결 과에 따르면, 고위기술산업군 및 중고위기술산업군의 창업 활동은 시간이 흐름에 따라 경기도 남부를 중심으로 집 중되고 있는 것으로 나타났으며, 중저위기술산업군 및 저위기술산업군 창업 활동의 집중은 수도권 외곽으로 분산 되고 있는 것으로 나타났다. 2000년부터 2018년까지의 추세를 연장하여 2036년까지의 분포 변화를 예측하였을 때, 창업 활동이 활발히 발생하는 지역 및 그와 인접하고 있는 지역의 경우 향후 분위 상승의 가능성이 높은 것으로 나타나 긍정적인 공간 효과가 존재하는 것으로 확인되었다. 본 연구는 일자리 창출의 주요 원천이 되는 제조업 창 업 활동의 분포 패턴 변화를 동태적으로 분석함으로써 창업 육성 및 일자리 창출과 관련한 지역 정책에의 시사점을 제공하고자 하였다.

주제어 제조업, 창업, 탐색적공간자료 분석, 공간마르코프 체인

Abstract: This study aims to explore how manufacturing start-up activities from 2000 to 2018 have changed spatially

and to predict changes in distribution patterns of future start-up activities. For the analysis, the Census on Establishments microdata from 2000 to 2018 were used, and the manufacturing industry was classified into four detailed industrial

* 이 논문은 2019년 대한민국 교육부와 한국연구재단의 인문사회분야 중견연구자지원사업의 지원을 받아 수행된 연구임(NRF-2019 S1A5A2A01045590). 본 연구는 2020년 한국지역학회 후기학술대회에서 우수논문상을 수상한 연구임.

** 연세대학교 대학원 도시공학과 석박사통합과정(주저자, E-mail: [email protected])

*** 연세대학교 대학원 도시공학과 석사과정(공동저자, E-mail: [email protected])

**** 연세대학교 도시공학과 교수(교신저자, E-mail: [email protected])

1. 연구의 배경 및 목적

세계화가 심화됨에 따라 지역의 경쟁력이 곧 국가의 경쟁력으로 간주되기 시작하였으며, 지역 경쟁의 심화 속에서 경쟁 우위(competitive advantage)를 극대화 하고 지역 경쟁력을 확보하는 것이 중요한 과제로 강 조되고 있다(Scott & Storper, 2003). 산업 여건의 급 격한 변화와 기술 발전의 가속화 속에서 경제 전반에 큰 파급효과를 발생시키는 혁신적인 상품 및 서비스가 창출되는 가운데, 혁신적인 창업생태계를 조성함으로 써 성장 동력을 확보하기 위해 노력하고 있다. 이러한 배경에 발맞추어 우리나라도 ‘TIPS(Tech Incubator Program for Startup)’, ‘원스톱 창업지원’, ‘혁신분야 창업패키지 사업’ 등의 프로그램을 추진하는 등 창업 활동을 유도하기 위한 정책적 노력을 경주하고 있다.

창업은 단기적으로는 지역의 고용 창출과 기존 기 업에 대한 경쟁을 유도하며, 중장기적으로는 새로운 혁신 창출을 통해 시장에 활력을 불어넣을 수 있다는 점에서 지역 경제의 고도화에 기여한다고 볼 수 있다 (Acs, 2006; Andersson et al., 2012; Haltiwanger et al., 2013). 2019년 기준 우리나라 창업 활동의 58.1%

가 수도권에서 이루어지고 있으며, 기술기반 창업 활 동의 약 65%가 수도권 내에서 이루어지고 있다(중소 벤처기업부, 2019). 이는 수도권이라는 공간 단위 내 에서 양적 측면뿐만 아니라 기술적 측면에서도 높은 수준의 창업 활동이 이루어지고 있다는 것을 의미한 다. 또한 수도권 내 창업 활동의 입지 행태가 어떠한지

에 대해 보다 세부적으로 살펴볼 필요가 있다는 점을 시사한다. 창업 활동의 공간적 분포는 지역의 세부 특 성과 보유한 입지 조건 및 제도적 맥락에 따라 다양하 게 나타날 수 있다(최중석·성상현, 2015). 지역 특성 별로 서로 다르게 나타날 수 있는 창업 입지 패턴을 살 펴보는 것은 대내외적인 변화에 빠르게 대처하는 것을 목적으로 한 정책 수립에 도움을 준다는 점에서 그 중 요성이 크다고 할 수 있다.

본 연구에서는 창업 활동 중에서 제조업 창업 활동 에 주목하고자 한다. 우리나라 제조업은 타 산업 대비 부가가치 및 고용 비중이 매우 높으며 우리나라의 경 제성장을 견인해왔다. 국가별 제조업 경쟁력을 나타 내는 CIP(Competitive Industrial Performance) 지수 를 살펴보았을 때, 우리나라는 2005년부터 2020년까 지 세계 5위 이내의 수준을 유지해오고 있다(UNIDO, 2020), 하지만 최근 주력산업의 부가가치 창출 약화와 고용 위기의 확산으로 인해 제조업의 위기가 고조되고 있고, 이에 따라 새로운 돌파구를 마련할 필요성이 강 조되고 있다. 제조업 환경을 개선하고 경쟁력 있는 창 업생태계의 구축을 위한 제조업 창업 활동의 공간적 분포와 관련한 실증적 연구는 많지 않다.

본 연구는 공간자기상관 분석과 공간 마르코프 체인 방법을 응용하여 2000년부터 2018년까지 수도권 제 조업 창업 활동의 공간적 분포의 변화 양상을 살펴보 고, 향후 분포의 변화가 어떠한 양상을 보일 것인지에 대해 예측하는 데에 목적이 있다. 보다 구체적으로, 가 용할 수 있는 가장 작은 지리적 단위인 행정구역 읍면 groups according to the 40 manufacturing standards presented by the Korea Institute for Industrial Economics and Trade’s ISTANS. According to the results, start-up activities in industries that require high technology levels are concentrated in southern Gyeonggi region, and other start-up activities are concentrated outside of the metropolitan area. When the distribution change from 2018 to 2036, extending the trend from 2000 to 2018, it was confirmed that there was a high possibility of a rise in the hierarchy in the future in regions adjacent to regions where start-up activities occur. This study aimed to provide implications for regional policies related to fostering start-ups and creating jobs by dynamically analyzing the location pattern of manufacturing start-ups, which is a major source of job creation.

Key Words: Manufacturing, Startup, Exploratory Spatial Data Analysis, Spatial Markov Chain

동 수준에서 공간자기상관 분석 및 공간 마르코프 체 인 분석을 수행함으로써, 제조업 창업 활동의 분포 패 턴의 변화를 살펴보고 향후 어떠한 변화 양상을 보일 것인지에 대해 예측하고자 한다.

2. 선행연구 검토

창업 활동은 지역의 경제성장을 견인할 수 있는 중 요한 역할을 수행하는 것으로 알려져 왔다(Acs &

Armington, 2004; Samila and Sorenson, 2017). 창 업은 기업가정신(entrepreneurship)을 바탕으로 지역 의 지식확산 촉진의 통로 역할을 수행하며, 지역에 산 재된 다양한 혁신 아이디어를 상품화한다(Audretsch, 2018). 창업으로 인해 유도되는 신시장 개척과 새로운 상품의 등장은 관련 분야의 경쟁을 심화시키고, 경쟁 력을 갖추지 못한 기존 기업을 퇴출(crowding-out) 시킴으로써 시장의 효율을 증진시킨다(Audretsch &

Keilbach, 2004). 특히 창업 활동 중에서도 제조업 부 문에서의 창업 활동은 지역경제 주체들을 위한 일자리 기회를 제공하며 실업률 완화에도 도움을 줄 수 있는 것으로 알려져 있다(Fritsch and Mueller 2004; 김원 규·김진웅, 2014).

창업이 지역경제에서 수행하는 역할의 중요성에 주 목하여 창업 활동의 입지 특성을 파악하고자 하는 연 구들이 활발히 수행되어 왔다. 제조업을 비롯한 창업 의 입지 결정은 초기 산업화 시기부터 지식기반 경제 로 넘어오기까지 꾸준히 변화해왔다. 관련 논의의 초 기 흐름은 전통적으로 기업 입지 결정에 영향을 주는 요인들을 중심으로 창업 활동 발생의 최적 입지를 탐 색한다(Audretsch and Fritsch 1994; Reynolds et al. 1995). Armington and Acs(2002), Gabe(2003), Stam(2007) 등의 연구 흐름은 지대, 운송비, 교통 접근 성, 인구 성장률, 소득 수준, 지역경제 규모, 경제적 성 과, 실업률 등 지역 수준 요인들이 새로운 창업 발생에 영향을 미친다고 주장한다. 즉, 지역 시장의 크기 및 새로운 혁신 상품에 대한 수요와 공급의 측면에 집중 하고 있는 것이다(Kolympiris, et al., 2015). 한편, 이

러한 전통적 요인 이외에도 최근에는 지역의 지식수 준, 인적자본, 연구개발활동 등의 요인들이 새로이 강 조되고 있다(조혜영 외, 2013).

집적경제 요소 또한 창업 발생에 있어 중요하게 고려될 수 있다(Lee et al., 2004). 특히 국지화 경제 (localization economies)나 도시화 경제(urbaniza- tion economies)의 긍정적 외부효과는 제조 창업의 업종 및 기술 수준에 따라 차별적인 영향을 미친다. 예 를 들어, 국지화 경제로 인한 유사 산업 간의 높은 네 트워크 집약도(network intensity)는 고차 기술을 활 용하는 제조 업종의 혁신 창출 정도에 큰 영향을 미친 다(Love and Roper, 1999). 고차 기술을 주로 활용하 는 업종의 기업은 외부 접촉 및 상호작용을 통해 코드 화되기 힘든 고급 지식에 대한 학습 및 모방의 기회를 얻기 때문이다(Chesbrough et al., 2006). 따라서 넓은 부지를 필요로 하면서 관련 업종들과의 전후방 네트워 크 연계를 중요시하는 업종들은 주로 상대적으로 저 렴한 지대를 보유하면서 사회간접자본이 잘 갖추어진 도시 외곽의 산업 집적지를 중심으로 창업 활동을 수 행하게 된다. 한편, 도시화 경제 속에서 다양한 소비자 풀(pool)과의 접촉 기회를 중시하는 제조 창업 활동은 도시권의 외연적 확산으로 인한 공간 분화의 영향을 크게 받지 않는 것으로 알려져 있다. 이러한 업종의 대 표적인 예시로는 의복, 인쇄, 출판 등이 있다(김재철, 1999).

마지막으로 조세, 지방 재정 지출, 보조금 정책, 규 범 및 문화적 측면을 포괄하는 지역의 제도적 요인 또한 창업 입지를 결정하는 중요한 요인으로 논의된 다(Verheul et al., 2005; Van Oort & Stem, 2005, Eberhart et al., 2017). 지역의 고유 특성에 따른 제도 적 요인들은 지역 내 창업 장벽을 완화하거나 기업가 정신의 고취에 큰 영향을 미친다(Meek et al., 2010.

Armanios et al., 2017). 특히 정책 지원 요인의 경우 시장에 진입한 사업체의 시장 생존 및 성장과 직결되 는 중요한 요인으로 강조되는데, 창업가들은 지역 수 준에서 제공되는 각종 제도적 지원을 이용해 창업 초 기 단계부터 제품 양산화 단계에 이르기까지 발생할 수 있는 불확실성과 위험을 최소화하고자 하기 때문이

다(Hiatt et al., 2009).

기존 논의들이 개별 창업 활동의 입지 결정 요인에 대해 탐구하고자 하였다면, 최근의 연구 흐름은 창업 생태계(entrepreneur ecosystem) 속에서 관련 주체 들 간 네트워크를 통한 상호작용을 강조한다(Autio et al., 2017). 이는 기술 발달 및 제도적 변화가 급속해짐 에 따라 창업 입지의 선택 요소가 개별 기업의 특성 수 준에서 국한되지 않고 지역의 생태계 환경에 강하게 의존하게 되기 때문이다(Reynold & Uygen, 2018).

창업생태계란 기업의 시장 진입과 확장, 성숙 단계까 지의 혁신활동을 둘러싼 제도적 환경을 뜻하며, 생태 계에 배태된(embedded) 창업 주체들은 지식과 자원 을 능동적으로 흡수할 뿐만 아니라 제한된 공간에 분 포해 있는 아이디어를 상품화하는 혁신 주체로서 기능 한다(Cohen et al., 2016). 창업생태계는 각종 금융기 관, 대학, 연구소, 공공기관, 창업 인큐베이터 등 창업 성장을 지원할 수 있는 다양한 요소들로 구성되어 있 으며, 이들은 서로 유기적인 네트워크를 형성하여 강 력한 긍정적 외부효과(positive externalities)를 발생 시킨다(Boschma et al., 2008). 이와 유사한 맥락에서, Reynolds et al.(2018)은 하나의 생태계로서의 창업환 경은 인적자본, 지식, 자원의 선순환을 유도하고 지속 적인 시너지를 발생시키며 예상치 못한 변화에 신속하 게 대응할 수 있다는 장점을 가지고 있다고 말한다. 최 근 부상하고 있는 창업생태계 관련 논의는 아직까지 이론적 논의의 단계에 머물러 있다고 할 수 있지만, 창 업생태계의 조성이 지역 경쟁력 확보와 직결될 수 있 다는 인식이 확대됨에 따라 창업생태계의 중요성을 강 조하는 연구들이 계속해서 등장하고 있다.

창업을 다루고 있는 국내 연구로는 창업의 입지 특 성을 탐색한 연구(박종화, 2013; 김정홍 외, 2015), 창 업 기업의 생존요인에 관한 연구(강미·이재우, 2009;

송치승·노용환, 2011), 창업 활동의 경제적 파급효과 를 분석한 연구(김원규·김진웅, 2014) 등이 있다. 국 내에서도 창업을 대상으로 다수의 연구가 수행되어 왔 지만 보다 직접적으로 창업 입지에 대한 공간적 맥락 을 반영한 연구는 드물다. 먼저 김대영(2009)은 인천 시를 대상으로 생산자서비스업의 분포 변화가 어떠한

양상을 보여 왔는지에 대해 살펴보았으며, 기업의 집 중 입지 여부가 생산자서비스업의 입지에 중요한 요인 이 된다는 점을 밝혔다. 이금숙·박소현(2019)은 전국 을 대상으로 생활밀접서비스 업종의 창업 입지에 대한 공간 분석을 수행하였으며 대도시 권역을 중심으로 활 발한 창업이 발생하고 있다는 것을 확인하였다. 하지 만 이들의 연구는 창업 활동의 분포가 공간적 의존성 을 나타내고 있는지 그리고 클러스터를 형성하고 있는 지 등에 대해서는 논의하고 있지 않다는 한계가 있다.

배은진·윤갑식(2020)의 연구는 부산광역시를 대상 으로 지식서비스업종 창업에 대한 공간자기상관 분석 을 통해 지식서비스업 창업의 입지 요인이 시간이 지 남에 따라 그리고 업종 부문의 세부 종류에 따라 다양 한 변화를 보이고 있다는 것을 밝혔다. 이들 연구는 창 업 활동 입지의 동태적 변화를 설명하고자 하였다는 점에 의의가 있지만, 창업 활동의 분포가 향후 어떠한 방향으로 진행될 것인지에 대한 예측의 단계까지는 나 아가지 못하고 있다. 본 연구는 기존의 논의를 보완하 는 한편, 공간 마르코프 체인 방법을 이용하여 예측을 수행하고자 한다.

3. 연구 방법

1) 분석 자료

본 연구는 제조업 창업 활동의 공간적 분포를 동태 적으로 탐색하기 위해 「전국사업체조사」 원시자료를 활용하였다. 「전국사업체조사」는 전국의 모든 사업체 를 대상으로 매년 시행되는 조사이다. 현재 통계청에 서는 「전국사업체조사」 원시 자료를 1994년부터 횡단 면 자료의 형태로 제공하고 있다. 해당 자료는 행정구 역 읍면동을 기준으로 하여 한국표준산업분류 소분류 (3-digit)까지의 정보를 제공하고 있으며, 부가적으로 사업체의 창업년도, 종사자 수 등의 정보를 개별 사업 체 단위에서 제공하고 있다는 장점을 가지기에 창업을 주제로 다룬 기존 국내 연구에서 활용된 바 있다(박재 성·권선윤, 2013; 문미성·박소영, 2016; 박정일·서

연미, 2016). 지역별로 집계된 창업 관련 통계 자료로 는 중소벤처기업부에서 제공하는 「창업기업동향」 자 료가 있으나, 해당 자료는 행정구역 시도 수준에서 제 공되기 때문에 본 연구의 분석에는 적절하지 않다고 볼 수 있다. 따라서 본 연구에서는 「전국사업체조사」

원시자료를 활용하였다. 추출된 개별 사업체 단위 자 료는 행정구역 읍면동 단위의 사업체 수 및 종사자 수 로 집계되어 분석에 활용되었다.

분석을 위해 산업연구원의 산업통계분석시스템 (ISTANS) 40대 제조업 기준에 따라 제조업을 분류하 였다. ISTANS는 기술투자 집약도 및 기술 유사성 등 의 지표를 바탕으로 제조업을 고위기술산업군, 중고위 기술산업군, 중저위기술산업군, 저위기술 산업군으로 구분하고 있다. ISTANS의 4개 세부 산업군을 한국표 준산업분류(KSIC-9)와 연계하여 분석을 수행하였다.

ISTANS 40대 제조업 분류의 개요는 <표 1>과 같다.

2) 분석 방법

(1) 공간자기상관 분석

공간자기상관(spatial autocorrelation) 분석은 공간 자료를 시각화(visualization)하여 자료의 공간 의존성 (spatial dependence)을 파악하는 데에 활용된다. 공 간자기상관 분석은 자료의 공간적 군집을 전체 공간 전반에 대한 지수값으로 요약하여 살펴보는 전역적 (global) 접근 방식과 개별 공간 단위에서의 공간 군집 패턴을 살펴보는 국지적(local) 접근으로 구분된다.

먼저 전역적 공간자기상관 분석은 지역의 특정한 값 의 분포가 우연한 것인지 아니면 유사한 값이 공간적 으로 군집 경향을 나타내고 있는지에 대해 탐색하기

위한 방법이다(Anselin, 1988). 본 연구에서는 Moran’

s I 통계량을 활용하여 분석하였으며, 연구 대상지의 전체 군집 경향을 파악하기 위한 전역적 Moran’s I 통 계량은 식 (1)과 같다.

I

=⎛⎜

⎝

⎛ ⎜

⎝ N

w

^ij

∑n i=1

∑n j=1

w

ij(Xi-X-)(X j-X-)

∑n i=1

∑n j=1

(Xi-X-)²

∑n i=1

(1)

식(1)에서의

N은 분석 대상의 수, X

-는 지역의 평균 속성값을 나타내며,

X

i 및

X

j는 각각

i지역과 j지역의

속성값을 나타낸다. 전역적 Moran’s

I 통계량을 의미

하는

I의 값은 -1부터 1까지의 값을 가지게 되며, 1의

값을 가지는 경우 지역이 완전한 양의 공간자기상관을 가지고 있다는 것을 뜻한다. 반대로 -1의 경우 완전 한 음의 공간자기상관을 보인다는 것을 의미한다. 다 시 말해, 특정 부문의 신성장산업의 창업 활동이 인접 한 지역들에서 서로 군집하여 발생하는 경향이 강할수 록 전역적 Moran’s

I 통계량은 1에 가까운 값을 가지

게 된다는 것이다.

전역적 Moran’s

I 통계량은 지역 전체의 공간자기

상관성을 보여주는 통계량으로 국지적(local) 수준에 서의 군집 경향은 살펴볼 수 없다는 한계가 있다(An- selin, 1988; Fotheringham et al., 2000). 따라서 공간 자기상관 분석에서는 국지적 공간자기상관 분석이 보 완적으로 함께 수행된다. 국지적 공간자기상관 분석은 특정 지역 및 인접 지역의 속성값을 토대로 산출되는 국지적 Moran’s

I

ⁱ 통계량을 바탕으로 수행된다. 국지 적 Moran’s Ii 통계량은 식 (2)와 같이 표현된다.

I

i=(

x

i/

m

0)∑

j

w

ij

x

j (2)

<표 1> 산업통계분석시스템 40대 제조업

제조업 분류 세부업종

고위기술산업군 의약, 반도체, 디스플레이, 컴퓨터, 통신기기, 가전, 정밀기기, 전지, 항공

중고위기술산업군 화학, 기타 전자부품, 전기기기, 일반목적기계, 특수목적기계, 자동차, 철도, 기타 수송장비 중저위기술산업군 석유정제, 고무, 플라스틱, 유리, 세라믹, 시멘트

저위기술산업군 음식료, 담배, 섬유, 의류, 가죽, 신발, 목재, 제지, 인쇄, 가구, 기타 제조업

출처: 산업통계분석시스템(https://www.istans.or.kr)

식 (2)의 xi와 xj는 식(1)에서와 마찬가지로 각각 i 및

j지역의 속성값을 나타내며, w

ij는 공간가중치행렬을 나타낸다. 본 연구에서는 국지적 Moran’s

I

i 통계량을 이용한 LISA 군집지도(LISA cluster map)을 활용하 여 국지적 수준에서의 공간적 자기상관 정도를 파악한 다. LISA 군집지도는 평균보다 높은 값을 가진 지역의 이웃들 또한 평균보다 높은 값을 가지는 HH(High- High) 군집, 평균보다 낮은 값을 가진 지역의 이웃들 또한 평균보다 낮은 값을 가지는 LL(Low-Low) 군집, 평균보다 높은 값을 가지는 지역의 이웃들이 평균보다 낮은 값을 가지는 HL(High-Low) 군집, 평균보다 낮 은 값을 가지는 지역의 이웃들이 평균보다 높은 값을 가지는 LH(Low-High) 군집 등 총 네 가지 유형의 군 집으로 구성된다.

(2) 공간 마르코프 체인 분석

마르코프 체인(Markov chain)은 특정 사건이나 현 상을 대상으로 과거 상태가 현재 상태에 어떠한 영향 을 미치는지에 대한 확률과정을 의미한다. 마르코프 체인은 특정 시점에서의 상태가 이전 시점들의 상태 변화에만 의존한다는 가정에서 출발하며, 이미 관측 된 변화 패턴으로부터 포착된 의존 추세를 연장하여 미래의 변동 가능성을 예측한다. 마르코프 체인은 상 태확률을 포함한 상태행렬(state matrix)과 특정 현상 의 변화 확률로 구성된 전이행렬(transition matrix) 로 구성된다. 전이행렬을 구성하고 있는 확률은 특정 기간 사건의 분포 변화를 표현한 확률이라 할 수 있다 (Markov, 1906).

상태확률 행렬을

X, 전이확률 행렬을 P라고 하였

을 때, 전이가 이루어진 상태

i와 현재 상태 j에 대한

전이확률 pij을 식(3)과 같이 나타낼 수 있다(Ching &

Michael, 2006). 그리고 식(4)와 같이, 특정 시점

t로

부터 전이가

n번 이루어진 P

t+n의 전이행렬을 바탕으 로 상태확률

X

t+n을 예측할 수 있다. 예컨대, 10년 동 안의 전이를 갖는 행렬을

P

¹⁰라고 가정하였을 때, 추가 적으로 10년의 전이행태를 가졌을 경우의 전이행렬은

P

20=P10×P10이 되는 것이다. 도출된

P

20을 상태확률

X

0에 곱하여 20년 후의 상태확률을 예측할 수 있다.

p

ij =

p(X

ⁿ⁺¹=

i|X

ⁿ=

j, X

^n-1=

i

n-1 …,

X

⁰=

i

n) (3)

⎧ ⎪ ⎨ ⎪ ⎩ p

ⁿ=P×P×…×P

n번 (4)

<표 2>는 고전적 마르코프 체인의 구조를 예시적으 로 보여준다.

t

0부터

t

1까지의 분석 기간 동안, 분석 대 상을 하위, 중위, 상위 3개 집단으로 구분하였으며 전

이행렬

P는 각각의 전이확률들로 구성되어 있다. 만일

t

⁰시점에서 분석 대상이 하위 집단에 속할 경우, 시간 의 흐름에 따라(

t

⁰→

t

¹) 여전히 하위 집단에 속할 확률 은 PLL, 중위 집단으로 전이할 확률은 PLM, 상위 집단 으로 전이할 확률은 PLH가 된다. 여기서 전이행렬 P를 구성하는 각 행의 합은 1이 된다.

고전적 마르코프 체인의 핵심 가정인 체인 의존성 은 시간 의존성만을 모형에 반영하고 있기 때문에, 지 리적 단위에서 발생하는 공간 의존성을 고려하지 못 한다는 한계가 있다. 따라서 공간경제 현상에 대한 예측에 응용할 경우 예측오차가 발생할 가능성이 있 다(Fingleton, 1999). 이와 같은 한계를 극복하기 위 해 Rey(2001)는 고전적 마르코프 체인에 공간래그 (spatial lag) 벡터를 포함한 공간 마르코프 체인(spatial

<표 2> 고전적 마르코프 체인의 구조 예시

수준

t0

하위 집단 중위 집단 상위 집단 행의 합

하위 집단

PLL PLM PLH

1

중위 집단

PML PMM PMH

1

상위 집단

PHL PHM PHLJ

1

주: Rey(2001)을 참고

Markov chain) 방법을 제시하였다. 공간 마르코프 체 인 방법을 통해 시간 의존성과 공간 의존성을 포함한 전이행렬을 이용하여 국지적인 공간적 동태를 포착할 수 있게 된다.

고전적 마르코프 체인의 (

k×k) 행렬구조를 표현한

<표 2>와는 달리, (

k×k×k) 행렬구조를 갖는 공간 마르

코프 체인은 <표 3>과 같은 구조로 표현된다.

P

^LL|L은 이웃 지역이 하위 집단에 속할 상태에서 전이 후에도 여전히 하위 집단에 속할 확률을 의미하며,

P

LM|L은 중 위 집단으로 전이할 확률을 의미한다. 만약

P

LM|L값이

P

LM|H보다 낮다는 것은, 상위 집단에 이웃 지역들이 속 해 있는 하위 집단 내의 어떤 지역이 하위 집단에 이웃 지역들이 속해 있는 하위 집단 내의 지역보다 중간 집 단으로의 전이확률이 높다는 것을 의미한다. 이러한 접근 방식은 이웃 지역의 위계 수준에 따라 전이확률 이 상이할 수 있다는 점을 상정하고 있기에 지역의 조 건에 따른 공간적 맥락을 반영할 수 있다는 장점이 있 다(Rey, 2001).

이와 같은 장점을 바탕으로 마르코프 체인 방법론 을 응용하여 다양한 사회경제적 현상을 분석 및 예 측하려는 시도가 국내외에서 활발히 수행되어 왔다.

이와 관련한 대표적인 연구로는 지역 간 소득 격차 의 수렴 여부에 관한 연구(Rey, 2001; Hammond, 2004), 지역 인구 분포의 변화에 관한 연구(Constant

& Zimmerman, 2003; 안종욱, 2006) 등이 있다. 특

히 최근에는 인근 지역으로부터 발생하는 공간 의존성 (spatial dependency)을 반영한 공간 마르코프 체인 을 활용해 산업, 일자리 등과 같은 경제 현상의 변화를 예측하고자 하는 시도가 다수 수행되고 있다(김의준·

신혜원, 2014; 이소현 외, 2018; Flores-Segovia &

Castellanos-Sosa, 2021). 이러한 논의의 연장선에서 본 연구는 인근 지역의 창업 활동 수준에 따른 해당 지 역의 창업 활동 변화에 대한 예측을 시도함으로써 창 업 활동과 관련한 논의의 확장 및 경험적 결과 축적에 기여하고자 한다.

4. 분석 결과

1) 기초 분석 결과

2000년부터 2018년까지 수도권 지역별·기술 수준 별 창업 사업체 수 및 창업 종사자 수의 변화를 살펴 본 기초 분석 결과는 <그림 1>, <그림 2>와 같다. 먼저

<그림 1>을 통해 지역별 창업 사업체 및 창업 종사자 수의 증감을 살펴보았을 때, 2000년부터 2018년까지 의 수도권 제조업 부문의 창업에 따른 사업체 수 및 종 사자 수는 서울, 경기, 인천 지역 모두 증가와 감소를 반복해온 것으로 나타났다. 시간의 흐름에 따른 변화 의 경우, 2000년부터 2009년까지 창업 사업체 및 창업

<표 3> 공간 마르코프 체인의 구조 예시

이웃 지역 수준

t0

t1

하위 집단 중위 집단 상위 집단

하위 집단

하위 집단

PLL|L PLM|L PLH|L

중위 집단

PML|L PMM|L PMH|L

상위 집단

PHL|L PHM|L PHH|L

중위 집단

하위 집단

PLL|M PLM|M PLH|M

중위 집단

PML|M PMM|M PMH|M

상위 집단

PHL|M PHM|M PHH|M

상위 집단

하위 집단

PLL|H PLM|H PLH|H

중위 집단

PML|H PMM|H PMH|H

상위 집단

PHL|H PHM|H PHH|H

주: Rey(2001)을 참고

종사자 수가 수도권 전체 지역에서 감소한 것을 확인 할 수 있다.

2009년 이후에는 경기도의 경우 이전과 같은 높은 수준으로 회복한 것을 확인할 수 있으며, 서울과 인천 의 경우 정체 수준이 유지되고 있는 것으로 나타났다.

특히 경기도와 서울 및 인천 간의 격차는 확대되고 있 는 것으로 나타났다.

<그림 2>에서 기술 수준에 따른 창업 사업체 수 및 창업 종사자 수의 변화를 살펴보면, 창업으로 인한 사 업체 수 및 종사자 수의 증가는 저위기술산업군, 중고 위기술산업군, 고위기술산업군, 저위기술산업군의 순 서로 높게 나타났다. 지역별 분석 결과와 비슷하게, 2000년부터 2009년까지의 창업 사업체 수 및 창업 종 사자 수는 정체 또는 감소하는 경향을 보이고 있지만,

창업 사업체 수 창업 종사자 수

<그림 1> 2000-2018년 지역별 창업 사업체 수 및 종사자 수 변화

창업 사업체 수 창업 종사자 수

<그림 2> 2000-2018년 기술 수준별 창업 사업체 수 및 종사자 수 변화

<표 4> 전역적 공간자기상관성 분석 결과 사업체 수 기준

제조업 분류 2000년 2009년 2018년

고위기술산업군 0.139 *** 0.142 *** 0.227 ***

중고위기술산업군 0.134 *** 0.232 *** 0.363 ***

중저위기술산업군 0.449 *** 0.230 *** 0.386 ***

저위기술산업군 0.257 *** 0.208 *** 0.377 ***

창업 종사자 수 기준

제조업 분류 2000년 2009년 2018년

고위기술산업군 0.107 ** 0.177 *** 0.175 ***

중고위기술산업군 0.103 *** 0.103 *** 0.219 ***

중저위기술산업군 0.328 *** 0.219 *** 0.266 ***

저위기술산업군 0.102 ** 0.188 *** 0.213 ***

주: * p<0.10, ** p<0.05, *** p<0.01.

고위기술산업군

2000년 2018년

중고위기술산업군

2000년 2018년

중저위기술산업군

2000년 2018년

저위기술산업군

2000년 2018년

High-High Low-Low High-Low and Low-High

<그림 3> 제조업 산업군별 창업 사업체 수 LISA 군집지도 분석 결과

고위기술산업군

2000년 2018년

중고위기술산업군

2000년 2018년

중저위기술산업군

2000년 2018년

저위기술산업군

2000년 2018년

High-High Low-Low High-Low and Low-High

<그림 4> 제조업 산업군별 창업 종사자 수 LISA 군집지도 분석 결과

고위기술산업군

창업 사업체 수 변화 창업 종사자 수 변화

중고위기술산업군

창업 사업체 수 변화 창업 종사자 수 변화

중저위기술산업군

창업 사업체 수 변화 창업 종사자 수 변화

저위기술산업군

창업 사업체 수 변화 창업 종사자 수 변화

High-High Low-Low High-Low and Low-High

<그림 5> 2000~2018년 제조업 산업군별 창업 사업체 수 및 창업 종사자 수 변화 분석 결과

이후 상승 추세로 전환되고 있는 것을 확인할 수 있다.

특기할 사항으로는 창업 종사자 수를 기준으로 저위기 술산업군의 경우 2000년부터 2009년까지의 감소 폭 이 다른 집단에 비해 매우 크다는 것을 확인할 수 있 으며, 고위기술산업군의 경우 다른 산업군과는 달리 2018년도의 창업 사업체 수 및 종사자 수 수치가 2000 년 대비 증가한 것으로 나타났다.

2) 공간자기상관 분석 결과

수도권 제조업 창업 활동의 공간자기상관 패턴을 파 악하기 위해 전역적 공간자기상관 분석을 수행한 결 과는 <표 4>와 같다. 기술 수준에 따라 제조업 업종을 고위기술산업군, 중고위기술산업군, 중저위기술산업 군, 저위기술산업군 총 4개의 산업군으로 분류하여 전 역적 Moran’s I 통계량을 살펴본 결과, Moran’s I 통계 량이 모든 산업군에 걸쳐 양의 값을 보이며 통계적으 로 유의한 것으로 나타났다. 이는 수도권 내 제조업의 창업 활동이 공간적으로 자기상관을 보이며 군집을 형 성하고 있다는 것을 의미한다. 제조업 기술 수준에 따 른 전역적 Moran’s I 통계량을 살펴보면, 2018년 중저 위기술산업군의 전역적 Moran’s I 통계량은 2000년 에 비해 다소 감소한 것으로 나타났으며, 나머지 산업 군에서는 창업 활동으로 인한 사업체 수 및 종사자 수 의 경우 시간의 흐름에 따라 공간자기상관이 강화되고 있는 것으로 나타났다. 전역적 Moran’s

I 통계량은 산

업군의 분류에 따라 차별적으로 나타나는 것을 확인할 수 있는데, 이는 제조업 창업 활동의 산업군별 특성에 따라 전반적인 군집 정도가 다를 수 있으며, 따라서 국 지적 수준에서의 추가적인 분석이 수행될 필요가 있다 는 점을 시사한다.

창업 사업체 수 및 창업 종사자 수의 시공간분포 패 턴 변화를 살펴보기 위해 국지적 Moran’s

I

ⁱ 통계량 및 차분 국지적 Moran’s Ii 통계량(differential local Moran’s

I

i statistic)를 활용한 LISA 군집지도를 활용 하였으며, 그 결과는 <그림 3~5>와 같다. 고위기술산 업군에 대한 분석 결과에 따르면, 2000년부터 2018년 까지 창업 활동의 공간적 집중 패턴은 계속해서 변화

하고 있는 것으로 나타났다.

먼저 고위기술산업군의 경우 2000년에는 양주시, 광주시, 여주시 등 경기도 서북부 지역과 인천 서구 지 역을 중심으로 창업 사업체 수 및 종사자 수의 증가가 활발히 일어난 것으로 나타났다. 하지만 2018년에는 양주시, 광주시, 여주시에 존재하던 HH 군집은 사라 진 것으로 나타났으며, 화성시, 평택시, 안산시, 김포 시를 중심으로 새로운 군집이 나타난 것을 확인할 수 있다. 중고위기술산업군 또한 고위기술산업군과 비슷 한 결과를 나타내고 있다. 2000년의 경우 시흥시, 포천 시, 양주시, 인천시 서구 등 경기도 및 인천을 중심으 로 군집을 이루고 있는 것으로 나타났지만, 해당 군집 들은 시간이 지남에 따라 약화되는 것을 확인할 수 있 었으며 화성시, 김포시, 평택시, 안산시 등을 중심으로 강한 공간적 군집이 새롭게 나타나는 것을 확인할 수 있다.

고위기술산업군 및 중고위기술산업군의 창업 활 동 군집이 경기 남부 지역으로 이전한 점에 대해서는 2000년 이후 경기 남부 지역을 위주로 집중적으로 공 급된 대규모 제조업 용지에 대해 생각해볼 수 있다.

‘경기도 발전전략’, ‘경기도 2020 : 비전과 전략’, ‘경기 도 산업발전 비전수립 연구’ 등에서는 경기도를 우리 나라 제조 산업의 주요 거점으로의 육성을 목표로 제 시해왔으며, 실제로 이러한 목표 아래에서 2000년 이 후 경기 남부를 중심으로 대규모의 제조업 용지가 공 급되어 왔기 때문이다(김현창 외, 2017). 특히 권역별 로 산업 집적지 내의 입주 가능 업종은 큰 차이를 보인 다. 대표적으로 고덕국제화계획지구, 평택현곡산업단 지, 화성장안산업단지 등 경기 남부에 조성된 산업 집 적지들은 고도 기술 기반 첨단 제조업 업종으로 입주 대상을 한정하고 있다. 관련 기업의 집적을 바탕으로 한 공급자 네트워크 및 노동 풀 공유, 면대면 접촉을 통한 특정 지식 교환의 용이성, 대기업 본사가 다수 입 지한 강남 지역과의 접근성 등의 이점을 바탕으로 고 위 및 중고위기술산업군 창업이 활발하게 이루어지게 되었음을 생각해볼 수 있는 것이다.

중저위기술산업군의 경우 2000년에는 서울시 서초 구, 중구, 종로구, 마포구와 부천시, 안산시 등의 지역

에서 HH 군집이 나타났다. 하지만 시간이 지남에 따 라 서울시 내에 존재하던 HH 군집은 소멸된 것으로 나타났으며 김포시, 화성시, 남양주시, 광주시, 안성 시 등에서 새롭게 HH 군집이 관측되는 것을 확인할 수 있다. 마지막으로, 저위기술산업군의 경우 2000년 에는 서울시 중구, 중랑구, 성동구, 동대문구, 마포구 등 서울 북부와 인천시 남동구, 포천시 등을 중심으로 HH 군집이 형성된 것을 확인할 수 있다. 시간이 지남 에 따라 저위기술산업군의 창업 활동 집중 또한 변화 를 보였는데, 서울시의 북부 지역을 중심으로 광범위 하게 존재하던 HH 군집이 동대문구, 중랑구, 성북구 로 축소되었으며, 김포시, 광주시, 양주시 등 경기 동 북부 지역을 중심으로 HH 군집이 강화된 것으로 나타 났다.

중저위기술산업군 및 저위기술산업군의 창업 활동 이 분산화 경향을 보인 이유로는 해당 산업의 기존 집 적지가 수도권 외곽으로 이전했을 가능성에 대해 생각 해볼 수 있다. 업무 기능의 지가 상승, 물류비 증가, 중 심부 과밀화, 광역 교통망 확충 등의 복합 요인이 분산 의 원인으로 작용하여 서울 중심부에 형성되어 있던 대다수 전통 제조업의 군집이 2000년 이후 경기도 외 곽 지역에 형성되어 있던 관련 산업 집적지를 중심으

로 급격하게 이전하는 현상이 관측되고 있기 때문이 다(이상호, 2014). 고위기술산업군 및 중고위기술산업 군과는 달리 경기 북부 지역에도 HH 클러스터가 다수 관측되는 점에 대해서는 해당 산업군의 창업 입지가 인적자본, 연구개발, 지식, 협업 네트워크 등의 요인보 다 여전히 교통, 원자재, 지대 등의 전통적인 입지 결 정 요인들의 영향을 많이 받는 것으로 이해될 수 있다.

3) 고전적 마르코프 체인 분석 결과

공간 마르코프 체인의 전이행렬 구축을 위해 2000 년부터 2018년까지 1115개 읍면동 행정구역을 수도 권의 창업 활동에 대한 사업체 수 및 종사자 수를 기준 으로 하위(372개), 중위(371개), 상위(372개) 지역으로 구분하였다. 각년도의 종사자 수 및 사업체 수의 변화 를 바탕으로 도출된 고전적 마르코프 전이 행렬은 <표 5>와 같다.

먼저 창업 사업체 수를 기준으로, 4개 산업군 모두 에서 중위 지역의 전이 가능성이 하위 및 상위 지역 의 전이 가능성보다 높은 것을 확인할 수 있다. 예를 들어, 2000년의 고위기술산업군의 중위 지역이 2018 년에도 중위 지역의 위치를 그대로 유지할 확률은

<표 5> 2000~2018년 창업 사업체 수 및 종사자 수 고전적 마르코프 체인 전이 행렬 창업 사업체 수 기준

2000년 대상 지역

2018년 대상 지역

고위기술산업군 중고위기술산업군 중저위기술산업군 저위기술산업군

하위 중위 상위 하위 중위 상위 하위 중위 상위 하위 중위 상위

하위 0.759 0.170 0.071 0.729 0.180 0.091 0.610 0.347 0.043 0.725 0.229 0.046 중위 0.447 0.331 0.222 0.443 0.327 0.230 0.430 0.378 0.192 0.298 0.497 0.205 상위 0.076 0.202 0.722 0.096 0.222 0.682 0.212 0.331 0.457 0.056 0.326 0.618

창업 종사자 수 기준

2000년 대상 지역

2018년 대상 지역

고위기술산업군 중고위기술산업군 중저위기술산업군 저위기술산업군

하위 중위 상위 하위 중위 상위 하위 중위 상위 하위 중위 상위

하위 0.935 0.049 0.016 0.932 0.041 0.026 0.951 0.039 0.009 0.734 0.177 0.089

중위 0.600 0.129 0.271 0.311 0.500 0.189 0.331 0.663 0.006 0.347 0.404 0.249

상위 0.046 0.318 0.637 0.230 0.220 0.550 0.373 0.201 0.426 0.109 0.381 0.510

33.1%로 나타났으며, 이는 하위 지역(75.9%) 및 상위 지역(72.2%)과 비교했을 때 상당히 낮은 것으로 나타 났다. 또한 제조업 기술 수준에 따른 상위 지역의 변 화를 살펴보았을 때, 전체적으로 기술 수준이 높아짐 에 따라 위계를 유지할 가능성도 높아지는 경향이 있 는 것으로 나타났다. 기술 수준이 높은 제조업의 사업 체 창업이 활발한 지역의 상위 분위 유지 가능성이, 기 술 수준이 낮은 제조업의 사업체 창업이 활발한 지역 에 비해 상대적으로 높다는 것을 의미한다.

창업 종사자 수를 기준으로 도출된 고전적 마르코프 체인 전이행렬은 사업체 수 기준 전이행렬의 결과와 비슷한 패턴을 보이지만, 수치의 절대적인 크기에 있

어서는 다소 차이가 있는 것으로 나타났다. 전체적으 로 하위 지역의 분위 변동 가능성은 낮아진 것으로 나 타났으며, 중위 지역 및 상위 지역의 분위 변동 가능성 은 높아진 것으로 나타났다. 전체 산업군에서 중위 지 역이 하위 지역으로 변동할 확률이 상위 지역으로 변 동할 확률보다 상대적으로 높은 것으로 나타났으며, 제조업의 기술 수준이 높아질수록 상위 지역의 분위가 유지될 확률이 높아지는 것으로 나타났다.

4) 공간 마르코프 체인 분석 결과

<표 6>는 이웃 지역의 분위를 고려한 공간 마르코

<표 6> 2000~2018년 창업 사업체 수 및 종사자 수 공간 마르코프 체인 전이 행렬 창업 사업체 수 기준

2000년 이웃지역

2000년 대상지역

2018년 대상 지역

고위기술산업군 중고위기술산업군 중저위기술산업군 저위기술산업군

하위 중위 상위 하위 중위 상위 하위 중위 상위 하위 중위 상위

하위

하위 0.809 0.058 0.133 0.810 0.100 0.090 0.857 0.013 0.130 0.725 0.231 0.043 중위 0.470 0.294 0.236 0.556 0.245 0.199 0.549 0.142 0.310 0.271 0.522 0.206 상위 0.382 0.081 0.536 0.330 0.127 0.543 0.520 0.023 0.457 0.076 0.290 0.634

중위

하위 0.738 0.108 0.154 0.757 0.126 0.117 0.781 0.032 0.188 0.670 0.278 0.055 중위 0.468 0.294 0.238 0.490 0.240 0.271 0.475 0.158 0.366 0.285 0.502 0.213 상위 0.270 0.104 0.626 0.223 0.121 0.656 0.325 0.041 0.634 0.057 0.267 0.676

상위

하위 0.709 0.078 0.212 0.718 0.115 0.167 0.763 0.034 0.203 0.633 0.283 0.084 중위 0.419 0.311 0.269 0.400 0.274 0.326 0.504 0.120 0.376 0.222 0.523 0.255 상위 0.233 0.061 0.706 0.137 0.086 0.777 0.247 0.046 0.707 0.034 0.188 0.778

창업 종사자 수 기준

2000년 이웃지역

2000년 대상지역

2018년 대상 지역

고위기술산업군 중고위기술산업군 중저위기술산업군 저위기술산업군

하위 중위 상위 하위 중위 상위 하위 중위 상위 하위 중위 상위

하위

하위 0.953 0.013 0.034 0.956 0.033 0.012 0.969 0.013 0.018 0.730 0.178 0.091 중위 0.650 0.111 0.239 0.600 0.254 0.146 0.655 0.155 0.190 0.345 0.395 0.260 상위 0.432 0.048 0.520 0.259 0.158 0.583 0.377 0.097 0.526 0.110 0.175 0.715

중위

하위 0.889 0.029 0.082 0.872 0.080 0.049 0.875 0.046 0.080 0.774 0.148 0.078 중위 0.579 0.079 0.342 0.479 0.312 0.209 0.566 0.189 0.245 0.390 0.395 0.215 상위 0.284 0.080 0.636 0.139 0.169 0.692 0.290 0.077 0.633 0.197 0.227 0.575

상위

하위 0.865 0.032 0.103 0.869 0.084 0.047 0.885 0.049 0.066 0.669 0.210 0.121

중위 0.606 0.152 0.242 0.385 0.376 0.239 0.497 0.240 0.263 0.305 0.397 0.298

상위 0.283 0.062 0.654 0.137 0.145 0.718 0.195 0.081 0.724 0.072 0.127 0.801

프 전이확률 행렬을 나타내며, <표 7>은 2000년부터 2018년까지의 변화가 2018년부터 2036년까지 지속된 다고 가정하였을 때의 분위 예측 결과를 나타낸다. 분 석 결과에 따르면, 특정 대상 지역의 분위 변동 가능성 은 이웃 지역의 분위에 따라 달라질 수 있다는 점을 보 여주고 있다.

먼저, 하위 집단의 경우 저위기술산업군의 창업 종 사자 수를 제외한 나머지 7개의 경우에서 이웃 지역의 분위가 높아질수록 해당 지역이 하위 집단을 벗어날 확률이 높아지는 것을 확인할 수 있다. 예를 들어, 고 위기술산업군 사업체 수를 기준으로 특정 대상 지역의 분위가 하위 집단에 속하면서 이웃 지역의 분위 또한

하위 집단일 경우 2018년에 하위 분위를 탈출할 확률 은 19.1%이지만, 이웃 지역이 상위 집단일 경우 2018 년에 하위 분위를 유지할 확률은 29.1%로 약 1.5배 높 은 수치를 보였다. 2036년 예측 결과 또한 유사한 경 향을 보인다. 고위기술산업군 사업체 수를 기준으로 2036년의 하위 지역과 인접한 하위 지역의 분위 상승 확률은 26.7%로, 상위 지역과 인접한 하위 지역의 경 우의 분위 유지 확률인 41.5%보다 약 1.3배 높은 것을 확인할 수 있다.

상위 집단의 경우 이웃 지역의 분위가 높아질수록 이후에도 상위 분위를 유지할 확률이 상승하는 것으로 나타났다. 창업 종사자 수 기준 고위기술 산업군 상위

<표 7> 2036년 창업 사업체 수 및 종사자 수 2036년 예측 결과 창업 사업체 수 기준

2000년 이웃지역

2000년 대상지역

2036년 대상 지역

고위기술산업군 중고위기술산업군 중저위기술산업군 저위기술산업군

하위 중위 상위 하위 중위 상위 하위 중위 상위 하위 중위 상위

하위

하위 0.733 0.075 0.193 0.741 0.117 0.142 0.809 0.016 0.175 0.591 0.301 0.106 중위 0.609 0.133 0.258 0.652 0.141 0.207 0.710 0.034 0.257 0.354 0.395 0.250 상위 0.552 0.089 0.357 0.517 0.133 0.350 0.696 0.021 0.284 0.182 0.353 0.465

중위

하위 0.637 0.127 0.236 0.661 0.140 0.199 0.686 0.038 0.278 0.531 0.341 0.133 중위 0.547 0.162 0.291 0.549 0.152 0.300 0.565 0.055 0.379 0.346 0.388 0.267 상위 0.417 0.125 0.458 0.374 0.137 0.489 0.479 0.043 0.478 0.153 0.330 0.517

상위

하위 0.585 0.092 0.321 0.584 0.128 0.287 0.649 0.039 0.311 0.466 0.343 0.191 중위 0.490 0.146 0.362 0.441 0.149 0.409 0.538 0.049 0.413 0.265 0.384 0.350 상위 0.355 0.080 0.564 0.239 0.106 0.655 0.386 0.046 0.567 0.090 0.254 0.656

창업 종사자 수 기준

2000년 이웃지역

2000년 대상지역

2036년 대상 지역

고위기술산업군 중고위기술산업군 중저위기술산업군 저위기술산업군

하위 중위 상위 하위 중위 상위 하위 중위 상위 하위 중위 상위

하위

하위 0.931 0.015 0.053 0.741 0.117 0.142 0.954 0.016 0.029 0.604 0.216 0.178 중위 0.795 0.032 0.173 0.652 0.141 0.207 0.808 0.051 0.141 0.417 0.263 0.320 상위 0.668 0.036 0.297 0.517 0.133 0.350 0.627 0.071 0.302 0.219 0.214 0.567

중위

하위 0.830 0.035 0.135 0.661 0.140 0.199 0.815 0.055 0.132 0.672 0.191 0.137 중위 0.658 0.050 0.292 0.549 0.152 0.300 0.673 0.081 0.247 0.498 0.263 0.239 상위 0.479 0.065 0.455 0.374 0.137 0.489 0.481 0.077 0.443 0.354 0.249 0.395

상위

하위 0.797 0.039 0.164 0.584 0.128 0.287 0.820 0.060 0.119 0.520 0.239 0.240

중위 0.685 0.058 0.257 0.441 0.149 0.409 0.610 0.103 0.286 0.347 0.260 0.394

상위 0.467 0.059 0.472 0.239 0.106 0.655 0.354 0.088 0.558 0.145 0.167 0.688

지역의 이웃 지역 분위가 상위 지역일 경우, 해당 지역 의 분위 하락 가능성은 24.6%로 나타났으며, 이는 이 웃 지역이 하위 분위인 상위 지역이 이후에도 상위 분 위를 유지할 확률은 48.0%로 나타나 분위 하락의 가 능성이 약 2.0배 높아지는 것을 확인할 수 있다. 2036 년 예측 결과 또한 유사한 경향을 보이는 것으로 나타 났는데, 전체적으로 창업 종사자 수를 기준으로 상위 이웃 지역과 인접한 상위 지역의 분위 유지 확률은 하 위 이웃 지역과 인접한 상위 지역대비 21.3~ 87.1%p 상승하는 것으로 나타났다.

마지막으로, 이웃 지역의 분위와 관계없이 중위 지 역의 분위 변화 확률은 상위 및 하위 지역의 분위 변화 확률에 비해 상대적으로 높은 것으로 나타났다. 구체 적으로, 2036년 창업 사업체 수 예측 결과를 살펴보았 을 때, 기술 수준 및 이웃 지역 분위와 관계없이 중위 지역의 분위 유지 확률은 3.4~39.5%로, 이는 하위 지 역의 분위 유지 확률(46.6~80.9%) 및 상위 지역의 분 위 유지 확률(19.9~65.6%)에 비해 낮은 수치를 보였 다. 변화의 방향을 살펴보았을 때 분위 상승의 가능성 보다는 분위 하락의 가능성이 전반적으로 큰 것으로 나타났다.

공간 마르코프 분석 결과를 종합한 결과는 다음과 같다. 첫째, 기존 제조업 창업 활동이 활발한 지역은 이후에도 꾸준히 창업 활동의 발생을 기대할 수 있다.

공간자기상관 분석결과와 연계하였을 때, 활발한 제조 업 창업의 발생을 위해서는 일정 수준의 기존 산업 여 건을 갖출 필요가 있다고 해석해볼 수 있다. 둘째, 높 은 수준의 창업 활동은 인근 지역에도 긍정적인 공간 효과를 미친다. 이에 관한 원인으로는 수도권 제조업 의 개별입지가 기존 대규모 제조업 집적지를 중심으로 결정된다는 점과 연계하여 생각해볼 수 있다(황선근 외, 2018). 셋째, 일정 수준의 창업 활동을 보이는 지역 이라도 향후 해당 창업 활동 발생의 정도는 감소할 수 있다. 특히 업종과 관계없이 중위 지역의 분위 유지 확 률은 다른 분위의 지역에 비해 매우 낮은 값을 보였으 며, 분위 하락 확률이 분위 상승 확률보다 높은 것으로 나타났다. 이는 대다수의 창업 활동의 입지가 기업 생 존에 유리한 체계적인 지원 체계 및 관련 지원기관이

다수 존재하는 창업생태계를 중심으로 언제든지 이동 할 수 있기 때문으로 생각된다.

5. 결론

본 연구는 수도권 행정구역 읍면동을 분석 대상으로 설정하여 제조업 창업 활동의 업종별 공간적 군집의 시공간 분포 변화를 탐색적으로 분석하였다. 산업연구 원 ISTANS의 기술 수준 구분에 따라 전체 제조업을 고 위기술산업군, 중고위기술산업군, 중저위기술산업군, 저위기술산업군으로 분류하여 공간자기상관 분석을 통해 수도권 제조업 창업 활동의 공간적 분포의 변화 를 분석하였으며, 공간 마르코프 체인 분석을 통해 향 후 분포의 변화를 예측하였다. 기존의 창업 입지를 탐 색하고자 한 연구들과는 달리, 본 연구는 인접 지역의 공간효과를 반영하여 향후 제조업 창업 활동의 공간적 분포의 변화를 예측하였다.

공간자기상관 분석 결과, 수도권 제조업의 창업 활 동은 양(+)의 공간자기상관을 갖는 것으로 나타났으 며, 기술 수준에 따라 입지 패턴은 차별적인 분포 패턴 을 보이는 것으로 나타났다. 구체적으로, 고위기술산 업군과 중고위기술 산업군의 경우 수도권 전역에 산 재해 있던 HH 군집들이 시간이 지남에 따라 화성시, 김포시, 광주시 등으로 이전한 것으로 나타났다. 이는 2000년대 이후로 진행된 서울의 지가 상승과 도심 중 심부의 탈제조업화 및 경제의 서비스화로 인한 제조업 생태계의 교외 이전 현상이 반영되었기 때문으로 볼 수 있다. 공간 마르코프 체인 분석 결과에 따르면, 제 조업의 창업 활동의 하위 분위에 속하는 지역은 이웃 지역의 분위가 높아질수록 해당 분위를 벗어날 확률이 높은 것으로 나타났으며, 반대로 상위 분위에 속하는 지역의 경우 이웃 지역의 분위가 낮아질수록 분위 변 동 가능성이 커지는 것으로 나타났다. 이는 인접 지역 이 상위 분위에 속하는 지역일 경우에 발생하는 긍정 적 외부효과가 지역의 창업 활동 발생에 있어 중요한 영향을 미칠 수 있다는 점을 시사한다.

본 연구의 시사점은 다음과 같이 요약된다. 첫째, 제

조업 창업생태계 신규 조성을 위해서는 해당 지역 및 이웃 지역의 산업 구조를 고려한 장소기반적(place- based) 접근을 취할 필요가 있다. 분석 결과에 따르면, 고위기술산업군 및 중고위기술산업군의 제조 창업 군 집은 화성시, 김포시, 안산시, 평택시 등 관련 산업 간 의 네트워크 및 지원 제도가 잘 갖추어진 지역을 중심 으로, 노동집약적 특성을 가진 중저위기술산업군 및 저위기술산업군의 군집은 기존 산업의 집적지를 중 심으로 관측되었다. 이와 같은 제조 창업 입지의 차별 적 공간 군집 양상은 향후 창업 촉진을 위한 정책에 있 어 업종 특성 및 장소 맥락을 반영할 필요가 있다는 함 의를 제공한다. 예를 들어, 특정 고차 기술을 활용하는 제조업의 신규 창업 활성화를 목적으로 한 정책의 타 겟 지역 선정을 위해서는 특정 지역 및 인접 지역이 어 느 정도의 산업 기반 및 역량을 갖추었는지에 대한 부 분이 고려될 필요가 있을 것이다.

둘째, 이미 형성된 제조업 창업 활동 군집의 유지를 위한 지속적인 정책적 관심이 필요할 것이다. 공간 마 르코프 체인 분석 결과에 따르면, 창업 활동이 이미 활 발히 일어나는 지역이 이후에도 계속해서 상위 분위 유지할 확률은 52.0~80.1%로, 이는 현재에 비록 활발 할 창업 활동이 발생하고 있다고 하더라도 이후 해당 지역의 분위가 하락할 가능성이 충분하다는 점을 시사 한다. 따라서 높은 수준의 창업 활동이 발생하고 있는 지역에 대해서는 새로이 진입하는 창업 기업의 자생을 위해 다양한 지원시설의 유치, 젊은 인력 유인, 산업 구조 고도화 등의 정책 방안을 수립할 필요가 있다.

마지막으로, 수도권 지역 내 공간 격차에 대해 정책 적인 관심을 가질 필요가 있다. 2018년을 기준으로, 평 택시, 화성시, 안산시 등의 경기 남부 주요 지역에서는 기술 수준과 무관하게 다양한 제조업 업종의 창업이 활발히 이루어지고 있었다. 하지만 경기 동북부 지역 의 경우 창업 활동의 집중이 거의 나타나지 않았으며, 일부 지역에서 중저위기술산업군 및 저위기술산업군 의 집중이 나타났을 뿐이다. 창업 활동의 공간적 격차 가 지역의 경제적 성과의 격차로 이어질 수 있다는 점 을 고려해볼 때(Audretsch & Fritsch, 1994), 공간적 불평등 및 격차는 향후에도 유지 또는 심화될 가능성

이 있다. 따라서 경기도 남부 지역과 경기도 동북부 지 역 간의 격차 완화를 위한 정책적 노력이 요구된다.

지난 10년 동안 창출된 고용 증가의 대부분이 창업 활동으로부터 비롯된 것으로 알려져 있다(조성철 외, 2018). 제조업의 창업을 촉진하고 창업 기업의 경쟁력 강화를 도모하고자 하는 정책 대안의 마련은 최근 급 부상하고 있는 일자리 창출 정책과도 직접적으로 연결 된다. 따라서 각 지자체는 고용 창출을 위해 창업 아이 디어의 사업화를 지원할 수 있는 정책을 수립하고 창 업 관련 주체 간의 호혜적 네트워크를 효율적으로 구 축하기 위한 정책 대안을 마련해야 할 것이다. 또한 지 원 정책의 홍보에도 관심을 기울일 필요가 있는데, 다 수의 창업 지원 정책이 존재함에도 불구하고 창업자는 지원 정책 존재의 유무를 모르는 경우가 대다수이기 때문이다(중소벤처기업부, 2019). 창업 활동에 대한 지역적 및 공간적 논의가 풍부히 진행되지 않는다는 점을 감안할 때, 본 연구의 결과는 일자리 창출을 모색 하는 지자체의 정책지원 시스템 구축에 중요한 시사점 을 제공할 수 있다.

참고문헌

강미·이재우. 2009. “Cox의 비례위험모형을 이용한 중소건 설기업의 생존요인분석”, 「부동산학연구」 15(2): 41- 57.

경기도. 1997. 「경기 2020: 비전과 전략」.

경기도. 2003. 「경기도 산업발전 비전수립 연구」.

국가균형발전위원회. 2005. 「경기도 발전전략」.

김대영. 2009. “인천시 생산자서비스업의 분포패턴 변화: 창 업시기를 중심으로”「국토지리학회지」 43(3): 387- 398.

김원규·김진웅. 2014. “창업이 고용창출 및 성장에 미치는 영향”. 「사회과학연구」 21(2): 211-227.

김의준·신혜원. 2014. “공간마코브체인을 이용한 서울시 창조산업의 집적변화 분석”. 「서울도시연구」 15(3):

147-164.

김정홍·정윤선·안준기. 2015. “기술창업기업의 특성 및 일 자리 창출 실증분석” 「응용경제」 17(2): 167-193.

김재철. 1999. “우리 나라 산업입지 변화요인 분석: 구조적 접근”. 「한국경제지리학회지」 1(2): 27-45.

김현창·강지민·김수진·김현명. 2017. 「경기도 산업단지를 재조명하다: 경기도 산업단지 현황 및 고도화 방안」.

경기도경제과학진흥원.

문미성·박소영. 2016. “경기북부 창업생태계 조성방안”. 「정 책연구」 1-110.

박재성·권선윤. 2013. “최근 창업과 폐업, 고용의 특징적 경 향과 정책 시사점”. 「KOSBI 중소기업 포커스」 45:

1-11.

박정일·서연미. 2016. “패널자료 구축을 통한 대도시권 지식 기반산업의 창업·폐업 및 이전 특성 분석”. 「국토계 획」 51(1): 93-112.

박종화. 2013. “벤처기업의 입지특성”. 「도시행정학보」

26(2): 43-71.

배은진·윤갑식. 2020. “지식서비스업 창업의 공간적 분포 특성분석: 부산광역시를 대상으로. 「지방정부연구」

23(4): 247-263.

송치승·노용환. 2011. “우리나라 벤처기업의 미시적 특성 과 생존요인 분석”. 「기업가정신과 벤처연구」 14(3):

1-24.

안종욱. 2006. “Markov Chain 모형을 이용한 수도권 인구분 포예측에 관한 연구”. 「수도권연구」 3: 1-18.

이금숙·박소현. 2019. “업종별 창업 및 폐업의 지리적 특성 분석”. 「한국경제지리학회지」 22(2): 178-195.

이상호. 2014. 「산업집적 구조변화와 지역노동시장 성과」.

한국노동연구원.

이소현·송창현·임업. 2018. “수도권 지역 직종 숙련의 시공 간 분포 변화: 공간 마르코프 체인 모형을 이용하여”.

「국토연구」 99: 131-150.

조성철·남기찬·장철순. 2018. 「창업·혁신생태계 구축을 위 한 산업입지 전략 연구」. 세종: 국토연구원.

중소기업벤처부. 2019. 「2018년 창업기업 실태조사」.

중소기업벤처부. 2019. 「창업기업 동향」.

최중석·성상현. 2013. “예비 창업자의 인구학적 특성과 창업 성향 발달도 및 창업업종 선정에 관한 연구”. 「벤처창 업연구」 10(5): 35-62.

황선근·이수기·박정일. 2018. “수도권 개별입지 공장의 시 공간적 입지특성 분석”. 「지역연구」 34(2): 21-34.

Acs, Z., & Armington, C. 2004. “Employment growth and entrepreneurial activities in cities”. Regional

Studies, 38(9): 911-927. Innovatinons: Technology, Governance, Globalization, 1(1): 97-107.

Acs, Z. 2006. “How is entrepreneurship good for

economic growth?”.

Anselin, L. 1988. Spatial Econometrics: Methods and

Models. Dordrecht: Kluwer Academic Publishers.

Armanios, D. E., Eesley, C. E., Li, J., & Eisenhardt K. M., 2017. “How entrepreneurs leverage institutional intermediaries in emerging economies to acquire public resources”. Strategic Management

Journal, 38: 1373-1390.

Armington, C., & Acs, Z. 2002. “The determinants of regional variation in new firm variation”. Regional

Studies, 36(1): 33-45.

Audretsch, D. B. 2018. “Entrepreneurship, economic growth, and geography”. Oxford Review of

Economic Policy, 34(4): 637-651.

Audretsch, D. B.. & Fritsch, M. 1994. “The geography of firm birth in Germany”. Regional Studies, 28(4):

359-365.

Audretsch, D. B., & Keilbach, M. 2004.

“Entrepreneurship capital and its impact on knowledge diffusion and economic performance”,

Journal of Business Venturing, 11(1): 3-22.

Autio, E., Nambisan, S., Thomas, L. D. W., & Wright, M. 2017. “Digital affordances, spatial affordances, and the genesis of entrepreneurial ecosystems’,

Strategic Entrepreneurship Journal.

Boschma, N., van Stel, A., & Suddle, K. 2007. “The geography of new firm formation: Evidence from independent start-ups and new subsidiaries in the Netherlands”. International Entrepreneurship and

Management Journal, 4: 129-146.

Chesbrough, H., Vanhaverbeke, W., & West, J. 2006.

Open Innovation: Researching a New Paradigm.

Oxford, UK: Oxford University Press.

Ching, W. K., & Michael, K. NG. 2006. Markov Chains.

NY: Springer Publishing.

Cohen, B., Almirall, E., & Chesbrough, H. 2016.

“The city as a lab: Open innovation meets the collaborative economy”. California Management

Review, 59(1): 5-13.

Eberhart, R. N., Eesley, C. E., & Eisenhardt, K. M.

2017. “Failure is an option: Instituional change, entrepreneurial risk, and new firm growth”.

Organization Science, 28(1): 93-112.

Fingleton, B. 1999. “Spurious spatial regression: Some Monte Carlo results with a spatial unit Root and Spatial Cointegration,” Journal of Regional Science, 39: 1-19.

Flores-Segovia, M. A., & Castellanos-Sosa, F. A. 2021.

“Proximitiy effects and labour specialization transitions in Mexico: a spatial Markov chain analysis”. Regional Studies, 55(4): 575-589.

Fritsch, M., & Mueller, P. 2004. “Effects of new business formation on regional development over time”,

Regional Studies, 38(3): 961-975.

Fotheringham, A. S., Brunsdon, C., & Charlton, M.

2000. Quantitative geography: Perspectives on spatial

data analysis. London: Sage Publications.

Gabe, T., 2003. “Local industry agglomeration and new business activity”. Growth and Change, 34(1): 17- 39.

Haltiwanger, J., Jarmin, R., & Miranda, J. 2013. “Who create jobs? Small versus large versus young”. The

Review of Economics and Statistics. 95(2): 347-361.

Hammond, G. W. 2004. “Metropolitan/non-

metropolitan divergence: A spatial Markov chains approach.” Regional Science, 83(3): 543-563.

Hiatt, S. R., Sine, W. D., & Tolbert P. S. 2009. “From Pabst to Pepsi: The deinstitutionalization of soocial practices and the creatioon of entrepreneurial opportunities”. Administrator Science Quartely, 54(4): 635-667.

Kolympiris, C., Kalaitzandonakes, N., & Miller, D.

2015. “Location choice of academic entrepreneurs:

Evidence from the US biotechnology industry”.

Journal of Business Venturing, 30(2): 227-254.

Lee, S. Y., Florida, R., & Acs, Z. 2004. “Creativity and

entrepreneurship: A regional analysis of new firm formation”. Regional Studies, 38(8): 879-891.

Love, J., & Roper, S. 1999. “The Determinants of Innovation: R&D Technology Transfer and Networking Effects”. Review of Industrial Organization, 15: 43-64.

Markov. A. 1906. Extension of the Law of Large Numbers

to Dependent Duantities. Izv. Fiz-Matem. Obsch.

Kazan University, 15: 135-156.

Meek, W. P., Pacheco, D., & York, J. 2010. “The impact of social norms on entrepreneurial action: Evidence from the environomental entrepreneurship context”. Journal of Business Venturing, 25(5): 493- 509.

Rey, S. 2001. “Spatial empirics for economic growth and convergence” Geographical Analysis, 33(3): 195-214.

Reynolds, P. D., Miller, B., & Maki, W. R. 1995.

“Explaining regional variation in business births and deaths: U.S. 1976-88”. Small Business

Economics, 7: 389-407.

Reynolds, E. B., & Y. Uygen. 2018. “Strengthening advanced manufacturing innovation ecosystems:

The case of Massachusetts”. Technological

Forecasting & Social Change, 136: 178-191.

Samila, S., & Sorenson, O. 2017. “Community and capital in entrepreneurship and economic growth”.

American Sociological Review, 82(4): 770-795.

Scott, A., & Storper, M. 2003. “Regions, globalization, development”. Regional Studies, 37(6&7): 579-593.

Schettini, D., Azzoni, C., & Paez, A. 2011.

“Neighborhood and efficiency in manufacturing in Brazilian regions: A spatial Markov chain analysis.”

International Regional Science Review, 34(4): 397-

418.

Stam, E. 2007. “Why butterflies don’t leave; Locational behaviour of entrepreneurial firms”. Economic

Geography, 83(1): 27-50.

UNIDO. 2020. Industrial Development Report, Vienna,

Austria: United Nations Industrial Development Organization.

Van Oort, F. G., & Stam, E. 2005. “Agglomeration economies and entrepreneurship: Testing for spatial externalities in the Dutch ICT industry”. Paper on

Entrepreneurship, Growth and Public Policy, MPI

Jena.

Verheul, I. 2005. “Is there a (fe)male approach?

Understanding gender differences in

entrepreneurship”. ERIM Ph. D. Series Research in

Management, Erasmum University Rotterdam, The

Netherlands.

게재신청 2021.02.15.

심사일자 2021.03.23.

게재확정 2021.05.21.

주저자: 송창현, 교신저자: 임업