1.서 론
급속한 성장을 이루어온 항공운송산업에서 공항은 가장 기초이고 중요한 요소 중 하나로서, 지역 경제 개발에서도 핵심적인 부분을 차지한다. 이러한 공항에 대한 성과 평가는 공항을 둘러싼 이해당사자들에게 다양한 정보를 제공한다. 공항의 주요 고객 중 하나인 항공사들은 보다 효율적인 공항을 선택하여 운항하고자 할 것이고, 공항이 위치한 지역의 행정당국은 공항이 보다 효율적으로 운영되어 더 많은 비즈니스와 고객을 유치하여 지역 경제에 이바지하기를 원할 것이다(Sarkis, 2000).
공항의 성과를 평가하기 위해 그간 제안되어 왔던 다양한 방법들 중에서 자료포락분석(Data Envelopment Analysis, DEA)은 공항과 같이 동일 표준 상에서의 비교가 불가능한 다수의 투입과 산출을 가지는 의사결정단위(Decision Making Unit, DMU)들의 상대적 효율성을 단 하나의 지수로 표현할 수 있다는 장점으로 인해 많이 활용되어 왔다. DEA는 투입요소와 산출요소 간 함수적 관계를 명시적으로 가정할 필요가 없고, 실제 관찰되는 투입-산출 데이터에 기초하여 효율적 경계선(또는 베스트프랙티스 프런티어)을 실증적으로 추정한 후 이로부터의 거리를 토대로 효율성을 측정하는 비모수적 특징을 가지고 있다. 특히, 비효율적인 DMU에 대해서는 어떤 효율적인 DMU들을 참조하여, 어떤 투입-산출요소에서, 얼마만큼의 개선이 필요한지와 같은 성과 벤치마킹에 필요한 유용한 정보를 제공해 준다.
최근 들어 가장 주목받고 있는 DEA 관련 연구주제 중 하나는 네트워크 DEA 모형이다. 통상적인 DEA는 단일 단계를 가지는 DMU를 대상으로 하는 반면, 네트워크 DEA는 다단계 네트워크 구조를 가지는 DMU를 대상으로 한다. 내부적으로 네트워크 구조를 가지는 DMU일지라도 그것을 하나의 블랙박스처럼 간주하여 통상적인 DEA 모형을 적용하여 효율성 분석을 할 수도 있지만, 비효율성이 DMU 내 어느 내부 단계에서 초래되는지 세부적으로 분석하기 위해서는 네트워크 DEA 분석이 요구된다. 네트워크 DEA 모형 중에서 가장 기초적인 모형은 DMU의 내부 구조를 단순한 2단계 구조로 간주하는 2단계 네트워크 DEA 모형이다. 공항의 효율성을 DEA로 평가할 때 공항의 전체 프로세스를 하나의 블랙박스로 간주하여 통상적인 DEA 모형으로 분석할 수도 있지만, 다단계 프로세스로 간주하여 보다 세분화된 효율성 분석을 할 수 있다.
본 연구에서는 공항의 프로세스를 2단계 구조로 모형화하고 그 효율성을 분석하고자 한다. 첫 번째 단계는 시설, 인력 등 물리적 자원을 이용하여 여객 및 화물의 처리, 항공기 운항 등 물리적 산출물을 생성하는 운영 단계이고, 두 번째 단계는 첫 번째 단계에서 생성된 물리적 산출물을 재무적 수익으로 전환하는 수익 단계이다. 2014년 세계항공교통학회에서 펴낸 전 세계 공항 데이터를 이용하여 상기와 같이 모형화되는 공항의 효율성을 2단계 네트워크 DEA 모형으로 측정한다. 또한, 공항의 지역적 위치, 공항 규모, 상장 여부, 그룹화 경영 여부, 국제선 비율 등 공항의 환경변수와 효율성 간의 관계를 분석한다.
본 연구가 가지는 기존 연구와의 차별적 요소로는 데이터의 신규성이 있다는 점, 운영과 수익 단계로 세분화한 2단계의 구조로서 공항의 효율성을 분석하였다는 점, 그리고 지역적 위치, 규모 등과 같이 기존에 종종 사용되었던 환경변수 이외에 그룹화 경영 여부, 상장 여부, 국제선 비율 등 새로운 환경변수를 고려하여 효율성과의 관계를 분석하였다는 점 등이 있다.
논문의 구성은 다음과 같다. 제2절에서는 공항 효율성 분석과 관련한 기존 문헌을 소개하고, 3절에서는 본 연구에서 분석하고자 하는 연구문제를 제시한다. 4절에서는 공항 효율성 분석에 사용할 2단계 네트워크 DEA 모형을 제시하고, 5절에서는 분석 데이터에 대해 소개한다. 이어서 6절에서 실증분석 결과 및 연구문제에 대한 분석 결과를 제시 한 후, 7절에서 요약 및 결론을 제시한다.
2.문헌 연구
본 절에서는 공항의 효율성 측정 및 분석과 관련한 기존 연구 문헌을 검토하며, 이를 통해 공항 효율성 측정에 적합한 투입요소 및 산출요소를 식별하고 효율성에 영향을 미치는 주요 환경변수를 탐색하고자 한다.
Gillen and Lall (1997)은 미국의 21개 공항들을 대상으로 5년간에 걸쳐 터미널 효율성 및 에어사이드(airside) 효율성을 측정하고, 토빗 회귀분석을 통해 허브공항 여부, 소음정책, 보딩 게이트의 수, 활주로의 수 등 각종 공항 경영 변수들이 효율성에 미치는 영향을 분석하였다.
Sarkis (2000)는 미국 44개의 주요 공항들을 대상으로 운영효율성을 측정하면서 공항의 운영효율성에 영항을 미치는 요소들을 연구하였는데, 주요 항공사의 허브 공항일수록, 복수공항시스템의 일원일수록, 호설지역(snow belt)에 위치하지 않은 공항일수록 효율성이 더 높다는 것을 보였다. Martı́ n and Roman (2001)은 민영화 이전의 스페인 공항들을 대상으로 효율성을 측정하면서 공항 소유권이 운영효율성에 미치는 영향을 연구한 바 있다.
Bazargan and Vasigh (2003)는 미국의 45개의 상업 공항을 미국 연방항공청의 분류기준에 의해 대형/중형/소형 공항으로 분류하고 각 집단별로 효율성을 측정하여 소형공항이 대형/중형공항보다 효율성이 더 높다는 것을 밝혔다. Oum, Yu and Fu (2003)는 아시아, 북미, 유럽 지역에 위치해 있는 50개의 공항을 대상으로 총요소생산성(Total Factor Productivity: TFP)분석법을 사용하여 효율성을 측정하고, 영향변수들을 탐색하였다. 그 결과 공항의 규모가 클수록 규모의 경제 효과로 인해 TFP가 높고, 국제 운송 비율이 높은 공항일수록 TFP가 낮다는 것을 보였다. 반면, 공항의 소유 구조가 공항의 생산성에 미치는 영향은 통계적으로 유의하지 않았다. 또한, 공항 내 매점 등 여러 상업적 서비스와 같은 비항공분야의 활동으로 다각화하고 확대하는 공항일수록 더 높은 TFP를 달성하는 경향이 있고, 처리능력 제약을 가진 공항일수록 항공기 및 고객 지연현상을 초래함에도 불구하고 더 높은 TFP를 보였다.
Pels, Nijkamp and Rietveld (2003)는 확률적 프론티어 분석(stochastic frontier analysis)과 DEA를 이용하여 유럽 공항의 효율성을 측정하였는데, 유럽의 공항들은 평균적으로 비효율적으로 운영되고 있다는 점을 밝혔다. 또한, 항공사의 낮은 좌석이용률로 인한 비효율성이 항공여객수송량 측면에서의 공항 비효율성을 유발하는 주된 요인인 점을 보였고, 유럽의 평균적인 공항은 항공수송 측면과 항공여객수송 측면에서 각각 규모수익 불변과 체증의 특징을 가짐을 보였다.
Yoshida (2004)는 기존의 효율성 분석 모형인 TFP 및 DEA의 단점을 보완한 내생적 가중치 TFP 모형을 개발하여 일본의 67개 공항을 대상으로 효율성을 분석하였다. 분석 결과 일본 국내 장거리 간선 수송 공항들이 지역 공항들보다 더 효율적이라는 것을 보였고, 일본 공항들이 규모수익 체증 특성을 보이므로 최적의 공항 서비스의 제공을 위해서는 정부의 개입이 필요함을 주장하였다.
Lin and Hong (2006)은 세계 20개의 공항을 허브공항과 비허브 공항으로 분류하여 운영성과를 측정하였는데, 공항의 규모와 소유구조는 공항의 효율성과 큰 관계가 없는 반면 허브공항 여부, 공항의 지리적 위치, 그리고 공항이 위치한 국가의 경제성장률은 공항의 운영성과와 강력한 관계가 있다는 것을 제시한 바 있다. Barros and Dieke (2007)는 2001년부터 2003년까지 3년간의 패널 데이터를 이용하여 31개 이탈리아 공항의 효율성을 측정하면서, 공항의 규모, 경영 형태, 단위처리량 등이 효율성에 어떤 영향을 미치는지 분석하였다. 그 결과, 공항의 규모가 클수록, 민간 경영 형태일수록, 단위처리량이 많을수록 효율성이 상대적으로 높다는 것을 보였다.
Lam, Low and Tang (2009)은 2001년부터 2005년까지 5년간에 걸쳐 아시아 태평양지역의 11개 주요 공항을 대상으로 DEA를 이용하여 효율성을 측정하였는데, 기존 연구들과는 달리 효율성을 기술적 효율성, 규모 효율성, 혼합 효율성, 비용 효율성, 배분 효율성 등으로 세분화하여 측정하였다. 그 결과 대부분의 공항들이 기술적 효율성, 규모 효율성, 혼합 효율성이 전반적으로 높았던 반면, 비용 효율성은 지역적 편차가 컸다. Assaf (2009)는 영국의 27개 공항의 효율성을 분석하기 위해 메타프론티어(metafrontier) 모형을 사용하였는데, 이 모형은 공항간 기술적 이질성을 고려하여 효율성을 측정할 수 있다는 장점이 있다. 효율성 측정 결과, 대형 공항이 소형 공항에 비해 일반적으로 더 효율적이라는 점을 보였다.
Fung, Chow, Van Hui and Law (2008a)는 DEA와 내생적 가중치 TFP 모형을 사용하여 중국 공항들의 운영 효율성을 분석하였는데, 실증 분석 결과 중국 공항들 간에는 통계적으로 유의한 효율성 차이가 존재하고 강한 규모수익 체증의 특징이 나타나고 있음을 보였다.
Chi-Lok and Zhang (2009)은 DEA를 이용하여 1995년부터 2006까지 12년간에 걸쳐 25개 중국 공항의 효율성을 측정하면서, 경쟁의 강도와 공항 지역화 및 주식시장 상장 등 정부의 항공 개혁 정책이 공항의 효율성에 미치는 영향을 분석하였다. 분석 결과, 상장된 공항, 경쟁이 치열한 상황에 있는 공항의 효율성이 더 높았고, 공항의 효율성 및 기술적 진보는 정부의 공항 지역화 정책과 양의 상관관계를 나타내었다. 반면, 항공 자유화 협정과 항공사 합병이 공항 효율성에 미치는 영향은 유의하지 않았다.
Fung, Wan, Van Hui and Law (2008b)는 중국의 25개 지역 공항들을 대상으로 1995년부터 2004년에 걸친 생산성 변화를 측정하였는데, 매년 3% 이상 생산성이 향상되었음을 보였다. 또한 맘퀴스트 생산성 지수를 분석한 결과, 이러한 생산성 향상의 원인은 효율성 향상 보다는 기술적 진보에 있음을 밝혔다.상기와 같이 살펴본 공항 효율성 관련 선행연구들에서 선정한 투입 및 산출요소를 정리하면 <Table 1>과 같다.
Table 1.
Inputs and outputs in existing literature on airport efficiency (Meng, 2016)
| Literature | Airports | Inputs | Outputs |
|---|---|---|---|
| Gillen and Lall (1997) | 21 US airports | Number of runways, number of gates, terminal area, number of employees, number of baggage collection belts, number of public parking spots, airport area, runways area | Passenger throughput, cargo throughput, aircraft movements |
| Sarkis (2000) | 44 US airports | Number of runways, number of gates, number of employees, operating costs | Operating revenue, aircraft movements, general aviation movements, passenger throughput, cargo throughput |
| Martín and Roman (2001) | 37 Spanish airports | Labor, capital, and materials costs | Passenger throughput, cargo throughput, aircraft movements |
| Bazargan and Vasigh (2003) | 45 US commercial airports | Operating expenses, non-operating expenses, number of runways, number of gates | Number of air carrier operations, number of other operations, passenger throughput, aeronautical revenue, non-aeronautical revenue, percentage of on time operations |
| Oum et al. (2003) | 50 airports in Asia, North America, and Europe | Number of employees, number of runways, terminal area, number of gates, soft cost | Aircraft movements, passenger throughput, cargo throughput, Non-aviational revenue |
| Pels et al. (2003) | 17 European airports | Airport surface area, number of aircraft parking positions, number of remote aircraft parking positions, number of check-in desks, number of baggage claim units | Passenger throughput, aircraft movements |
| Yoshida (2004) | 67 Japanese airports | Length of runways, terminal area | Passenger throughput, cargo throughput, aircraft movements |
| Lin and Hong (2006) | 20 airports worldwide | Number of employees, number of check-in couters, number of runways, number of parking spaces, number of baggage collection belts, number of boarding gates, terminal area | Passenger throughput, cargo throughput |
| Barros and Dieke (2007) | 31 Italian airports | Labor costs, capital invested, operating costs | Passenger throughput, cargo throughput, aircraft movements, aviational revenue, non-aviational revenue |
| Lam et al. (2009) | 11 Asia-Pacific airports | Number of employees, capital invested, other expenses, trade | Passenger throughput, cargo throughput, aircraft movements |
| Assaf (2009) | 27 UK airports | Number of employees, fixed assets, operating costs, other costs | Operating income |
| Fung et al. (2008a) | 46 Chinese airports | Length of runways, terminal area, parking space, cargo facility space | Passenger throughput, cargo throughput, aircraft movements |
| Chi-Lok and Zhang (2009) | 25 Chinese airports | Length of runways, terminal area | Passenger throughput, cargo throughput, aircraft movements |
| Fung et al. (2008b) | 25 Chinese airports | Length of runways, terminal area | Passenger throughput, cargo throughput, aircraft movements |
3.연구 문제
본 연구에서는 세계 주요 공항들을 대상으로 운영 효율성을 측정하고, 그 효율성에 영향을 미치는 공항 내외부 변수들을 식별하고자 한다. 분석하고자 하는 5가지 연구문제는 다음과 같다.
연구문제 1. 공항의 지리적 위치가 효율성에 미치는 영향
공항이 위치한 지역별, 국가별 경영환경, 수요환경, 법제도적 환경 등은 공항의 효율성에 일정 부분 영향을 미치게 된다. 제2절에서 살펴본 많은 선행연구들에서는 공항이 위치한 지리적 위치 또는 소속 국가에 따라 효율성의 차이를 살펴보고 있다. 본 연구에서도 이와 유사한 연구문제를 상정하는데, 기존 연구와는 달리 아시아, 유럽, 북미 등 보다 광범위한 지역적 구분을 토대로 효율성의 차이를 살펴보고자 한다.
연구문제 2. 공항규모가 효율성에 미치는 영향
규모의 경제성이 발현되면 조직의 비용구조에 큰 영향을 미치고 이에 따라 동일한 투입량에 비해 더 많은 산출량을 가능케 한다. 따라서 공항의 규모가 공항의 효율성에 어떠한 영향을 미치는지 분석하는 것은 의미가 있고, 공항의 확장, 축소 등 투자 의사결정에 중요한 정보를 제공할 수 있다. Martı́ n-Cejas (2002)는 다음의 수식으로 계산되는 교통운송단위(Units of Traffic transported, UT)로서 공항의 규모를 측정하는 방법을 제안한 바 있다.
Lin and Hong (2006)은 위 수식을 이용해서 큰 공항과 작은 공항을 구분하는 기준을 제시하였는데, UT ≥ 4×107이면 큰 공항이고 UT 4×107 작은 공항으로 구분한다. 본 연구에서 이 기준을 이용해서 공항을 대형 및 소형 두 집단으로 구분하고 효율성의 차이가 있는지 분석한다.
연구문제 3. 공항 상장여부가 효율성에 미치는 영향
기업이 상장을 한다는 것은 증권거래소에서 해당 기업의 주식을 매매할 수 있도록 하는 것을 의미하는데, 기업은 주식시장에서 주식 매매를 통해서 자금을 유입할 수 있으며 보다 원활한 현금 유동성을 확보할 수 있다. 또한 이자부담이 줄어들어 더 많은 자금을 연구개발 등 기업의 경쟁력을 향상시킬 수 있는 곳에 투자할 수 있게 된다. 기업이 공개가 되는 만큼 신용도가 높아지고 기업의 브랜드 가치가 올라가는 효과도 부수적으로 발생한다. 이러한 상장의 효과가 공항의 효율성에 어떠한 영향을 미치는지 알아보는 것은 공항 경영에서 재무적 의사결정을 내리는 과정에서 중요한 정보를 제공할 수 있다. 본 연구에서는 분석 대상 공항을 상장공항과 비상장공항으로 구분하고 그들 간에 효율성 차이가 실제로 발생하는지 실증 분석한다.
연구문제 4. 그룹화 경영(Grouping Management) 여부가 공항 효율성에 미치는 영향
그룹화 경영이란 소유권 관계를 매개로 합자, 합력, 자본투자 등의 방법을 통해 3개 또는 그 이상의 독립기업 법인을 연결시키는 것을 의미한다. 그룹 내 소속 기업들은 연구개발, 제조, 판매, 관리 등의 부문에서 긴밀하게 연결되어 협력적으로 운영되고, 이를 통해 소속 기업들은 자원을 공유할 수 있으며 비용을 줄일 수 있다. 본 연구에서는 공항의 그룹화 경영 여부가 공항의 효율성에 실제로 어떠한 영향을 미치는지 실증적으로 분석하여 공항의 경영관리적 의사결정에 중요한 정보를 제공하고자 한다.
연구문제 5. 국제선 비율이 공항 효율성에 미치는 영향
국제선은 국내선보다 더 많은 시설과 서비스를 제공할 필요가 있는 반면 국내선보다 더 많은 수익을 창출할 수 있다. 따라서 공항의 국제선 비율이 공항 효율성, 특히 수익 효율성에 어느 정도 영향을 미칠 수 있다. 이에 본 연구에서는 공항의 국제선 비율이 높아짐에 따라 공항 효율성에 어떠한 변화가 나타나는지 분석한다.
4.모형 및 방법론
4.1 2단계 네트워크 DEA 모형
자료포락분석(DEA)은 다수의 성과척도를 가지는 다수의 의사결정단위(DMU)들 간의 상대적 효율성 또는 복합 벤치마킹 지표를 계산하는 방법론이다. 최근 들어서는 내부 구조를 가지는 DMU를 대상으로 한 네트워크 DEA에 관한 연구가 상당히 많이 진행되어 왔는데, 이 분야에 대한 종합적 고찰 논문으로는 Cook et al. (2010), Castelli et al. (2010), Kao (2014) 등이 있다. 다양한 내부 구조의 형태들 중에서 가장 기본적이고 널리 사용되는 것 중 하나는 2단계 네트워크 프로세스이며 첫 번째 단계로부터의 산출요소(중간요소라고 칭함)가 두 번째 단계의 투입요소가 되는 구조를 가진다.
2단계 네트워크 프로세스의 효율성을 측정하기 위한 여러 가지 접근법들이 문헌에 제시되어 왔는데, 그 중 가장 단순한 방법으로는 표준 DEA 접근법이라 칭하는 것으로서 두 개의 개별 단계들을 독립적인 DMU로 간주하여 그들의 효율성을 별개로 측정하는 방법이다. 예를 들어, Seiford and Zhu (1999)는 미국의 상위 55개 상업은행들의 성과를 평가하면서 독립적 2단계 프로세스 구조를 사용하였는데, ‘수익성’으로 부르는 첫 번째 단계에서는 종업원, 자산, 자본을 투입요소로 사용하여 수익과 이익을 발생시키고, 그 이후 ‘시장성’이라고 칭하는 두 번째 단계에서는 수익과 이익이라는 투입요소를 시장가치, 투자수익, 주당순이익 등의 산출요소로 변환한다. Sexton and Lewis (2003)는 2개의 메이저리그에 속한 30개 야구단의 성과를 평가하였는데, 야구단의 운영을 프런트와 필드 운영의 2단계 프로세스로 간주하였다. Chilingerian and Sherman (2004)은 진료기관을 2단계 프로세스로 간주하여 그 성과를 평가하였는데, 첫 번째 단계는 관리자 통제 프로세스로서 병원 관리자가 병원의 자산을 관리하는 단계를 의미하고, 두 번째 단계는 의료진 통제 프로세스로서 환자들에게 의료 서비스를 제공하기 위해 병원의 자산을 어떻게 언제 활용할지를 결정하는 단계를 뜻한다. 상기의 연구들에서는 CCR(Charnes et al., 1978) 또는 BCC (Banker et al., 1984) 모형과 같은 표준적인 DEA 모형을 이용하여 전체 시스템 효율성을 비롯하여 개별 단계별 효율성을 분리하여 독립적으로 측정하였다.
표준 DEA 접근법은 간단하고 사용하기에 용이하지만, 중간요소로 인해 두 단계 간의 상충 현상을 초래할 수도 있다. 예를 들어, 두 번째 단계의 효율성을 높이기 위해서는 두 번째 단계의 투입요소(즉, 중간요소)의 양을 줄여야 하는데, 이는 첫 번째 단계의 산출요소 양을 줄이는 것을 의미하고 이에 따라 첫 번째 단계의 효율성이 낮아지는 현상이 초래된다(Cook et al., 2010). 이러한 상충 문제를 해결하기 위해 Kao and Hwang (2008)의 2단계 네트워크 DEA 모형을 비롯해 다양한 DEA 모형들이 개발되었다. Kao and Hwang (2008) 모형의 중요한 특징은 각 DMU의 전체 효율성이 두 단계의 효율성의 곱으로 표현되고 중간요소에 부여되는 가중치는 그것이 (두 번째 단계의) 투입요소로 간주되든 (첫 번째 단계의) 산출요소로 간주되든 동일하게 설정된다는 점이다. 이로써 표준 DEA 접근법이 가지는 문제를 해결할 수 있고, 표준 DEA 접근법에 비해 2단계 프로세스의 효율성을 좀 더 타당하게 측정할 수 있으며 비효율성의 원인을 좀 더 정확하게 식별해 낼 수 있게 된다.
2단계 네트워크 DEA 모형에서는 각각의 DMU가 <Figure 1>과 같은 구조를 가진다고 가정한다.
각각의 DMU j (j =1,2,…,n)는 m개의 투입요소 xij (i =1,2,…,m)가 첫 번째 단계(Stage 1)에 투입되고 이 단계로부터 D개의 산출요소 zdj (d=1,2,…D)가 산출된다. 이 산출요소를 중간요소로 칭하며 두 번째 단계(Stage 2)의 투입요소가 된다. 두 번째 단계로부터의 산출요소는 yrj (r=1,2,…,s)로 표시한다.
Kao and Hwang (2008)이 제시한 불변 규모수익 투입지향 2단계 네트워크 DEA 모형에서 DMU 0의 효율성 점수는 다음의 선형계획 모형을 풀어 산출한다.
여기서 X = ( X i j ) ∊ R m × n , Z = ( z d j ) ∊ R D × n , Y = ( y r j ) ∊ R s × n
4.2 공항 효율성 평가를 위한 2단계 네트워크 DEA 모형
본 연구에서는 공항의 프로세스를 여객 및 화물의 운송과 관련한 물리적 운영 단계와 이를 통해 수익이 창출되는 단계로 구성되는 2단계 프로세스로 간주하고, 앞서 살펴본 Kao and Hwang (2008)의 2단계 네트워크 DEA모형을 사용하여 전 세계 공항의 효율성을 분석한다. 1단계인 운영 단계는 투입 자원을 이용하여 여객 및 화물 처리 등의 물리적인 산출물을 생성하는 단계이고, 2단계인 수익 단계는 1단계로부터 생성된 물리적 산출물을 금전적인 수익으로 전환하는 단계이다. 일반적인 기업 운영의 관점에서 보았을 때, 1단계는 생산 단계이고, 2단계는 영업 단계라고 볼 수도 있다.
일반적으로 DEA를 통한 효율성 분석에서는 투입요소 및 산출요소의 선정이 아주 중요한데, 각 요소들을 어떻게 선정하느냐에 따라 효율성 측정결과가 크게 달라질 수 있기 때문이다. 본 연구에서는 운영 단계와 수익 단계로 구성되는 2단계 공항 프로세스에서의 투입요소, 중간요소, 산출요소를 선정하면서 공항 운영에 직접적으로 관여된다고 일반적으로 간주되는 요소들, <Table 1>에서 정리된 기존연구들에서 채택된 요소들, 그리고 데이터의 가용성 등을 고려하여 선정하였다.
먼저, 공항의 운영 효율성이 측정되는 운영 단계에서의 투입요소로는 운영비용, 활주로 수, 터미널 면적, 종업원 수를 채택하였고, 운영 단계의 산출요소이면서 이어지는 수익 단계에서 투입요소가 되는 중간요소로는 여객처리량, 화물처리량, 운항회수를 선정하였다. 다음으로 공항의 수익 효율성이 측정되는 수익 단계에서는 앞서 운영 단계의 산출요소인 중간요소를 투입요소로 하고, 산출요소로는 공항의 수익을 선택하였다.
Table 2.
Definition of input, output, and intermediate factors
한편, 제3절에서 제시한 연구문제를 해결하기 위해서는 상기와 같은 모형으로 측정된 공항의 효율성 점수와 각 연구문제와 관련한 환경변수와의 관계를 통계적으로 분석할 필요가 있다. 이러한 유형의 연구를 통상적으로 2단계 DEA 분석이라고 칭하는데, 여기서의 ‘2단계 분석’이란 DEA로 효율성 점수를 측정하는 것을 1단계 분석 과정으로 하고 그 후속으로 효율성 점수와 여타 환경변수와의 통계적 관계를 분석하는 것을 2단계 분석 과정으로 한다는 의미를 가진다. 즉, <Figure 1>과 같은 2단계 프로세스에 대한 DEA 모형을 부르는 명칭인 ‘2단계 네트워크 DEA’와는 다른 의미를 가진다.
본 연구에서는 효율성 점수와 연구문제와 관련한 환경변수들 간의 통계적 관계를 분석하기 위해, 이산 환경변수에 대해서는 비모수 통계 검정법인 Kruskal-Wallis 검정법과 Wilcoxon rank-sum 검정법을 적용하고, 연속 환경변수에 대해서는 회귀분석을 적용한다. DEA 모형의 특성상 효율성 점수가 0과 1 사이의 값으로 출력되고 경계값(0 또는 1)에 가까운 값들이 많을 수 있는데, 이 경우 효율성 점수를 종속변수로 하는 통상적인 최소자승 기반의 회귀분석을 적용할 경우 추정계수가 편의성을 가질 수 있다는 우려가 있다. 따라서 이 경우에는 효율성 점수 데이터를 중도절단자료(censored data)로 간주하여 토빗(Tobit) 회귀분석을 적용하는 것이 적절하다는 견해가 있다. 반면, 효율성 점수 데이터는 경계 범위 밖에 값들을 고의적으로 버리는 중도절단자료에 해당하지 않고 DEA 모형 자체의 특성에 따라 자연스럽게 산출된 값이므로 통상적인 회귀분석을 적용하는데 큰 문제가 없다는 견해도 있다. 이에 본 연구에서는 분석의 편의상 통상적인 회귀분석을 선택하였고, 실제 데이터를 대상으로 산출된 효율성 점수를 살펴보더라도 경계값에 근접하는 경우가 드물게 나타난다는 점에 근거하여 통상적인 회귀분석을 사용하여도 큰 문제가 없다고 판단하였다. 한편, 2단계 네트워크 DEA 모형의 계산은 마이크로소프트 엑셀 상에 데이터 입력과 모형 구성을 한 후 해 찾기 도구를 사용하여 수행하였고, 비모수 통계 검정법 및 회귀분석은 R version 3.2.2를 사용하여 수행하였다.
5.분석 데이터
세계항공교통학회(Air Transport Research Society, ATRS)에서는 항공교통과 관련한 각종 정책 이슈를 연구하는 단체로서, 세계 공항과 관련한 데이터를 수집, 편집, 발간하고 있다. 본 연구에서는 ATRS에서 2014년에 발간한 Airport Benchmarking Report에서 필요한 데이터를 확보하였는데, 보고서에 포함된 200개의 공항들 중에서 연구모형에서 요구되는 데이터에 대한 가용성과 지역적 안배를 고려하여 아시아 지역 20개, 유럽 지역 20개, 북미 지역 19개, 총 59개의 공항을 선별하였다.
분석 대상인 59개 공항의 이름을 비롯해, 공항별 지리적 위치, 규모, 상장 여부, 그룹화 경영 여부, 국제선 비율 등의 환경변수의 값은 <Table 3>과 같다. 수집된 데이터를 토대로 <Table 2>에 제시된 투입요소, 중간요소, 산출요소의 기술통계량을 산출하면 <Table 4>와 같다.
Table 3.
Sample airports and their characteristics
Table 4.
Descriptive statistics for input, output, and intermediate factors
6.실증분석 결과
6.1 효율성 점수 분포
2단계 네트워크 DEA 모형을 통해 분석 대상 59개 공항의 전체 효율성(overall efficiency), 운영 효율성(operations efficiency), 수익 효율성(profitability efficiency)을 측정한 결과는 <Table 5>와 같고, 효율성 분포 및 평균은 <Figure 3, 4, 5> 및 <Table 6>과 같다.
Table 5.
Overall, operations, and profitability efficiency scores of airports
Table 6.
Efficiency score averages
| Overall efficiency | Operations efficiency | Profitability efficiency |
|---|---|---|
| 0.1777 | 0.6181 | 0.2896 |
전체 효율성은 전반적으로 매우 낮은 편이고 평균은 0.1777에 불과하였으며 효율적이라고 판별된 공항은 존재하지 않았다. 운영 효율성의 평균이 0.6181인 반면 수익 효율성의 평균은 0.2896에 불과하였고, 운영 단계에서 효율적이라고 판별된 공항은 10개(SAN, CLT, ATL, HKG, LGW, CGK, ANC, SZX, PEK, TPA)인 반면 수익 단계에서 효율적인 공항은 1개(KIX)로 나타났다.
이러한 결과로 볼 때, 세계 공항의 전체 효율성이 낮은 이유가 운영 측면보다는 수익 측면에서 발생하는 비효율성에 기인한다는 것을 알 수 있다.
6.2 연구문제 1: 지리적 위치의 영향
공항이 위치한 지역을 아시아, 유럽, 그리고 북미로 나누고 이에 따른 효율성 분포를 살펴보면 <Figure 6, 7, 8>과 같고, 지역별 효율성 평균은 <Table 7>과 같다.
Table 7.
Efficiency score averages by region
| Region | Overall efficiency | Operations efficiency | Profitability efficiency |
|---|---|---|---|
| Asia | 0.2677 | 0.7580 | 0.3485 |
| Europe | 0.1806 | 0.5114 | 0.3647 |
| North America | 0.0798 | 0.5833 | 0.1487 |
전체 효율성을 비롯해 운영 효율성 측면에서는 아시아 지역에 위치한 공항들의 평균 효율성이 다른 지역에 비해 상대적으로 높았고, 수익 효율성의 경우는 유럽 지역 공항들의 평균 효율성이 아시아 지역에 비해 약간 높은 편이었다. 북미 지역의 경우 전체 효율성과 수익 효율성의 평균이 타 지역에 비해 크게 낮은 반면, 운영 효율성은 아시아 지역에 비해서는 낮았지만 유럽 지역보다는 높은 편이었다.
지역별 효율성 차이를 통계적으로 검정하기 위해 우선 Kruskal-Wallis 검정법을 적용하여 지역 간 공항 효율성에 차이가 없다는 귀무가설(H0)을 검정하였는데, 그 결과는 <Table 8>과 같다.
Table 8.
Kruskal-Wallis test results on efficiency differences by region
| H0: Asia = Europe = North America | Chi-square | Degree of freedom | p-value |
|---|---|---|---|
| Overall efficiency | 20.897 | 2 | 2.899e-05 |
| Operations efficiency | 10.798 | 2 | 0.004522 |
| Profitability efficiency | 21.647 | 2 | 1.993e-05 |
검정 결과 전체 효율성, 운영 효율성, 수익 효율성 모든 면에서 지역 간 효율성의 차이가 통계적으로 유의한 것(유의수준 5%)으로 나타났다. 지역 간 쌍별 비교를 위해 Wilcoxon rank-sum 검정법을 적용한 결과는 <Table 9>에 나와 있다. 유의수준 5% 하에서 아시아 지역과 유럽 지역 간 전체 효율성의 차이는 유의하지 않지만, 유럽과 북미 그리고 아시아와 북미 간에는 전체 효율성의 차이가 유의하였다. 운영 효율성의 경우에는 아시아와 유럽, 아시아와 북미 간에는 유의한 차이가 있었지만, 유럽과 북미 간 차이는 유의하지 않았다. 수익 효율성의 경우, 유럽과 북미, 아시아와 북미 간에는 유의한 차이가 나타난 반면, 아시아와 유럽 간에는 유의성이 확보되지 못하였다.
6.3 연구문제 2: 공항 규모의 영향
공항의 규모를 대형과 소형으로 나누고 이에 따른 효율성 분포를 살펴보면 <Figure 9, 10, 11>과 같고, 규모별 효율성 평균은 <Table 10>과 같다. 공항의 규모를 대형과 소형으로 나누는 기준은 3절에서 언급한대로 교통운송단위를 기준으로 판별하였다.
Table 10.
Efficiency score averages by size
| Airport size | Overall efficiency | Operations efficiency | Profitability efficiency |
|---|---|---|---|
| Large | 0.2427 | 0.8386 | 0.2931 |
| Small | 0.1611 | 0.5619 | 0.2887 |
전체 효율성을 비롯해 운영 및 수익 효율성 모든 측면에서 대형 공항의 평균 효율성이 소형 공항을 상회하였다. 효율성 차이를 통계적으로 살펴보기 위해 Wilcoxon rank-sum 검정법을 적용하여 규모 간 공항 효율성에 차이가 없다는 귀무가설(H0)을 검정하였는데, 그 결과는 <Table 11>과 같다.
Table 11.
Wilcoxon rank-sum results on efficiency differences by size
| H0 | p-value | ||
|---|---|---|---|
| Overall efficiency | Operations efficiency | Profitability efficiency | |
| Large = Small | 0.02305 | 0.0008631 | 0.8163 |
검정 결과, 전체 효율성과 운영 효율성에 대한 대형 공항과 소형 공항 간 차이가 통계적으로 유의하였고, 수익 효율성의 경우는 유의하지 않았다(유의수준 5%).
6.4 연구문제 3: 상장 여부의 영향
공항의 상장 여부에 따라 효율성에 어떤 차이가 발생하는지 살펴보기 위해, 분석 대상 공항들을 상장 공항과 비상장 공항으로 구분하였다. 북미 지역의 경우 모든 공항을 정부가 소유하고 상장 공항은 없으므로, 유럽 및 아시아 지역 공항만을 대상으로 분석하였다. 상장 공항과 비상장 공항의 효율성 분포를 살펴보면 <Figure 12, 13, 14>와 같고, 상장 여부별 효율성 평균은 <Table 12>와 같다.
Table 12.
Efficiency score averages by listed vs. not-listed
| Listed or not | Overall efficiency | Operations efficiency | Profitability efficiency |
|---|---|---|---|
| Listed | 0.1646 | 0.6469 | 0.2685 |
| Not listed | 0.1855 | 0.6011 | 0.3022 |
전체 효율성 및 수익 효율성의 경우 비상장 공항의 평균 효율성이 상장 공항에 비해 더 높았고, 운영 효율성의 경우는 상장 공항이 더 높았다. Wilcoxon rank-sum 검정법을 적용하여 상장 여부 간 공항 효율성에 차이가 없다는 귀무가설(H0)을 검정한 결과는 Table 13과 같다.
Table 13.
Wilcoxon rank-sum test results on efficiency differences by listed vs. not-listed
| H0 | p-value | ||
|---|---|---|---|
| Overall efficiency | Operations efficiency | Profitability efficiency | |
| Listed = Not listed | 0.08431 | 0.6768 | 0.008345 |
검정 결과, 상장 여부에 따른 전체 효율성과 운영 효율성의 차이는 유의하지 않은 반면, 수익 효율성의 차이는 유의하였다(유의수준 5%).
6.5 연구문제 4: 그룹화 경영 여부의 영향
공항의 그룹화 경영 여부가 공항의 효율성에 실제로 어떠한 영향을 미치는지 실증적으로 분석하기 위해, 분석 대상 공항들을 그룹화 경영 여부에 따라 두 집단으로 구분하였다. 북미 지역의 경우 모든 공항을 정부가 소유하고 그룹화 경영이 적용되는 공항은 없으므로, 유럽 및 아시아 지역 공항만을 대상으로 분석하였다.
Table 14.
Efficiency score averages by group vs. single
| Overall efficiency | Operations efficiency | Profitability efficiency | |
|---|---|---|---|
| Group | 0.1632 | 0.6114 | 0.2769 |
| Single | 0.1846 | 0.6213 | 0.2957 |
모든 효율성 측면에서 그룹화 경영을 하는 공항의 평균 효율성이 그렇지 않은 공항에 비해 더 낮았지만, Wilcoxon rank-sum 검정법을 적용하여 그 차이를 검정한 결과는 <Table 15>와 같이 통계적으로 유의하지는 않았다(유의수준 5%).
6.6 연구문제 5: 국제선 비율의 영향
마지막으로, 공항의 국제선 비율이 공항 효율성, 특히 수익 효율성에 어떤 영향을 미치는지 분석하기 위해 공항의 국제선 비율과 효율성 간의 회귀분석을 실시하였다. 공항의 국제선 비율과 효율성 간의 산점도(scatter plot)는 <Figure 18, 19, 20>과 같으며, 회귀분석 결과는 <Table 16, 17, 18>에 나타내었다. 분석 결과 국제선 비율이 높을수록 전체 효율성 및 수익 효율성이 선형적으로 높아지는 관계가 유의하게 나타났고, 운영 효율성의 경우는 유의성이 확보되지 못하였다.
Table 16.
Linear regression on % international passenger vs. overall efficiency
| Coefficients: | ||||
|---|---|---|---|---|
| Estimate | Std. Err. | t value | Pr(> |t|) | |
| (Intercept) | 0.09530 | 0.02682 | 3.553 | 0.000772 |
| %International | 0.19437 | 0.04724 | 4.114 | 0.000126 |
7.요약 및 결론
본 연구에서는 공항의 프로세스를 여객 및 화물의 운송과 관련한 물리적 운영 단계와 이를 통해 수익이 창출되는 단계로 구성되는 2단계 프로세스로 간주하고, 2단계 네트워크 DEA모형을 사용하여 전 세계 공항의 효율성을 분석하였다. 전 세계 59개 공항을 대상으로 효율성을 측정하였으며, 공항의 지리적 위치, 공항의 규모, 상장 여부, 그룹화 경영 여부, 그리고 국제선 비율 등과 같은 공항의 환경적 변수가 공항의 효율성에 어떤 영향을 미치는지 실증 분석하였다.
분석 결과를 요약하면 다음과 같다. 첫째, 분석 대상 공항들의 전체 효율성은 전반적으로 매우 낮은 편이었는데, 운영 효율성은 비교적 높은 반면 수익 효율성이 낮은 것이 그 원인이었다. 이는 세계 공항의 전체 효율성이 낮은 이유가 운영 측면보다는 수익 측면에서 발생하는 비효율성에 기인한다는 것을 나타내고, 전체 효율성을 제고하기 위해서는 동일한 여객, 화물 처리량 및 운항 회수를 더 높은 수익으로 전환할 수 있는 경영 개선 노력이 이루어져야 함을 시사한다.
둘째, 공항이 위치한 지역에 따른 공항 효율성 차이는 일정 부분 유의하게 나타났으며, 특히 북미의 경우는 전체 효율성과 수익 효율성이 다른 지역에 비해 크게 낮았다. 북미 지역 공항의 비효율성에 대한 원인을 찾는 것은 본 연구의 범위를 벗어나지만, 해당 지역의 공항 효율성 제고 노력이 요구되고 있다는 사실은 알 수 있다.셋째, 공항의 규모에 따른 효율성 차이는 운영 효율성에서 주로 나타나고 이것이 전체 효율성의 차이로 이어졌다. 대형 공항이 소형 공항에 비해 더 효율적이었으며 이는 물리적 자원의 대량 이용에 따른 규모의 경제 효과에 기인하는 것으로 판단된다. 반면, 수익 효율성 측면에서는 이러한 규모의 경제 효과가 유의하게 발현되지는 않는 것으로 나타났다.
넷째, 상장 여부에 따른 전체 효율성과 운영 효율성의 차이는 유의하지 않은 반면, 수익 효율성의 경우는 비상장 공항의 효율성이 상장 공항에 비해 유의하게 더 높았다. 자금 조달의 용이성, 인지도 및 신뢰도 향상 등 상장에 따른 여러 가지 경영상의 이점은 유의하게 발현되지 못한 반면, 상장 유지에 따른 추가적인 비용의 발생으로 인해 수익 효율성이 저하된 것으로 판단된다.
다섯째, 그룹화 경영에 따른 자원 공유 및 비용 절감 등의 이점은 공항의 효율성 향상으로 유의하게 이어지지 못한 것으로 나타났는데, 추후 연구에서는 공항의 그룹화 경영이 가지는 실효성을 심층적으로 분석할 필요가 있다.마지막으로, 국제선 비율이 높은 공항일수록 수익 효율성이 높아지고 이는 전체 효율성이 더 높아지는 결과로 이어졌는데, 국제선이 국내선보다 수익이 높다는 점이 원인으로 작용했다고 판단된다.
본 연구에서는 자료의 한계로 인해 오세아니아, 아프리카 등의 지역에 위치한 공항을 분석 대상에서 포함시키지 못하였고, 2014년 자료만을 이용한 단면적 분석으로 시간적 한계도 가지고 있다. 지역적 확장 분석과 더불어 시계열 적 분석을 통해 효율성의 동적인 변화를 살펴보는 것도 유망한 추후 연구주제가 될 수 있겠다. 또한, 서비스품질 또는 고객만족도 등 정성적인 비수익적 성과지표를 포함시켜 분석하는 것도 유용한 정보를 제공할 수 있겠다. 한편, 본 연구에서는 각각의 연구문제와 관련한 독립변수들을 개별적으로 다루어 종속변수와의 관계를 살펴보았는데, 통합적인 하나의 회귀분석 모형으로 함께 분석하여 독립변수 간 상대적 중요도를 분석하고 독립변수 간 다중공선성 등을 확인하는 것도 의미있는 연구 주제가 될 것으로 생각된다.
PDF Links
PubReader
ePub Link
Full text via DOI
Download Citation 
Print 
