Earticle

본 연구는 금융위기 전・후로 시점을 구분하고, 수도권 및 비수도권 산업의 차별성을 반 영하여 산업별 산출량 변화 요인을 IO-SDA 모형으로 구조분해하였다. 특히, 산업을 12개로 구분하고, 최종수요를 세분화함으로써 산업 전체에 대한 효과 외에 개별 산업에 대한 산업 별 산출량 기여정도 및 최종수요 변화를 도출하였다. 또한, 인구변화에 따른 산업별 산출량 분해요인의 변화를 산업별 산출량, 고용, 인구, 최종수요, 정부지출, 민간지출 상호관계를 고 려한 패널연립방정식으로 실증분석하였다. 인구변화에 의한 산업별 산출량의 구조요인을 IO-SDA로 분해한 결과, 인구감소는 인구 효과 및 최종수요 변화로 산업별 산출량이 감소하였지만, 고용효과 및 기술변화효과로 인한 대체효과로 산출량 감소가 상쇄되었다. 특히, 수도권은 인구효과로 산업별 산출이 유발되며, 비수도권은 인구효과 감소에 비해 고용효과 및 기술변화효과로 산업별 산출이 유지되었다. 수도권 인구집중은 인구효과를 증대시켜 산출이 증가한 반면, 비수도권은 상반된 결과가 나 타났다. 따라서, 저출산・고령화 및 수도권 인구유입으로 비수도권은 인구감소에 의해 산출 량이 감소하는 실증적인 영향이 파악되었다.

This study decompose factors of output by industry in the metropolitan area (SMA) and non-metropolitan area (Non-SMA) at 2005～2010 and 2010～2015 using the IO-SDA model. In particular, by dividing the industry into 12 and subdividing the final demand, the contribution of each industry to the change of output and changes in final demand were derived in addition to the effect on the entire industry. Also, this study empirically analyzed changes of decomposition factors in output by industry due to population changes by constructing a panel simultaneous equations by considering the relationship among industry-specific output, employment, population, final demand, government expenditure, and private expenditure. As a result of decomposing the structural factors of output by industry due to population change, which results in a decrease in output by industry due to population effect. However, decrease in output is offset by employment and technological change effects. In particular, although output by industry was induced due to the population effect in SMA, it was maintained due to the employment and technological change effect compared to Non-SMA. The concentration of population in the SMA increased the population effect and output in the SMA, while it was opposite in Non-SMA. Therefore, the low total fertility rate (TFR), aging, and population inflow to the SMA simultaneously, Non-SMA were experienced to decline in output change.

본 연구의 목적은 통근‧통학과 전출‧전입 데이터를 활용하여 수도권 지역의 경제생활권 역을 식별하고 각 생활권역의 도시 특성과 성장 모습을 분석하는 것이다. 생활권역과 중심 도시 식별에는 네트워크 도시이론에 따라 측정된 상호의존 흐름과 의존성‧중심성 지수를 이용하였다. 활용한 통근‧통학 데이터는 2020년 자료이고, 전출‧전입 데이터는 2019년부터 2021년까지의 3년간 자료이다. 주요 연구 내용을 요약하면 다음과 같다. 첫째, 수도권 지역에서 6개의 경제생활권역이 식별되었다. 한강 이북 지역에서 서부 생활권역과 동부 생활권역이 각각 식별되었고, 한강 이남 지역에서는 인천을 포함하는 서부 생활권역과 신 핵심 도심인 서울 강남을 포함하는 동부 생활권역, 수원, 성남, 용인을 포함하는 남부 생활권역, 그리고 안양군포 생활권역이 식별되었다. 둘째, 각 생활권역은 보험금융업, 사업서비스업, 광공업 등 주력 산업의 경제활 동이 활발해지면서 상주인구가 늘어나거나 주간인구가 늘어나 도시가 성장하고 있는 것으 로 확인되었다. 수도권 전체의 인구는 늘어나더라도 일부 생활권역에서는 인구가 감소하고 있다. 따라서 지속가능한 도시 성장과 경쟁력 유지를 위해 도시 간 행정 협력과 정책 협력 요구가 강해질 것으로 예상된다. 그리고 인구 오너스 시대를 맞이하여 경제생활권역의 특성에 적합한 도시 발전 전략이 필요해 보인다.

The aim of this study is to detect an economy and life area in Korea Capital City Region, and to analyze it’s characteristics and growth trend. The flow of a mutual dependency and the dependency-centrality index among urban cities were estimated in the context to the network urban theory, and were used for the identification of an economy and life area. The data on commuting population was available in 2020, and the data on the household-moving population was pooled for 3 years from 2019 to 2021. The major results of this study can be summarized as follows. First, six economy and life areas were identified in Korea Capital City Region. Two areas were identified as West area and East area in the north region from Han river. And four areas were identified as West area with Inchon, East area with Seoul Kang-nam, South area including Suwon-Seongnam-Yongin, and Anayan-Kunpo area in the south region from Han river. Second, each economy ad life area was confirmed that its growth was accelerated by strong activities in Finance & Insurance, Business Service, and Manufacturing Industries. The total population of the Capital City Region will be increased for the time being, but residents of some areas will be decreased. Therefore, it is expected that the active cooperation for administration and policy could be asked between adjacent urban cities for their sustainable growth and competitiveness. And the combined development strategy of urban cities, which is suitable for characteristics of each economy and life area, is needed for the coming era of demographic Onus.

디지털 전환시대에 있어 반도체 산업의 핵심기술을 둘러싸고 중국의 불공정 관행을 포함 한 전방위적인 추격이 거세지면서 미국의 대 중국 기술통제가 강화되었고 첨단기술 분야의 기술 생태계에 있어 미·중 간의 분절(decoupling)이 가시화되고, 미국이 동맹국들에게도 대 중 기술 통제를 압박하면서 GVC (Global Value Chain)에 영향을 미치는 기술 갈등 국면이 전개되고 있다. 더불어 미국은 중국의 자국 산업육성 정책에 대응하여 핵심 부품 및 자원의 공급망을 확보하기 위하여 반도체 산업 등에 대한 대규모 정부 지원이 포함된 산업정책을 추진하고, EU도 이에 가세하고 있다. 본고는 이들 주요 산업국들 간에 기술을 둘러싼 경쟁 관계라는 측면에서 첨단기술을 둘러싼 미·중 간의 갈등현상과 반도체 산업의 정책 현황 및 조사 분석을 통해 향후 우리나라의 산업정책의 방향 모색을 위한 정책적 시사점을 제시하였 다. 또한 국내 반도체 산업은 메모리 분야에서 최고 경쟁우위를 보인 반면에 시스템 반도체 분야에서는 상대적으로 매우 취약한 구조를 나타내고 있다. 최근의 제4차 산업혁명의 핵심 가치로 인공지능의 필요성이 대두되면서 AI 기반의 반도체 기술의 중요성이 대두되면서 국 내 반도체 산업구조를 탈피하기 위해서는 시스템 반도체 경쟁력 강화방안에 대한 정책적 시사점을 제시하였다

In the era of digital transformation, the U.S. strengthened its technological control over China as China is intensifying its all-round pursuit of key technologies including unfair practices. Concerning the technological ecosystem in the high-tech sector, the segmentation between the U.S. and China is visible, and the U.S. presses its allies to impose technological control over China. As a result, the aspects of technological conflict that affect the Global Value Chain (GVC) are developing. Also, in response to China’s industrial promotion policy, the U.S. is pursuing industrial policy including large-scale governmental support for semiconductor industry to secure a supply chain for key components and resources, and the EU is also joining in. In terms of the competitive relationship over technologies among these major industrial countries, this study presents political implications for finding the future direction of Korea’s industrial policy by investigating and analyzing the conflict between the U.S. and China over high-tech and the political status of semiconductor industry. Moreover, domestic semiconductor industry has the highest competitive advantage in the memory sector while the system semiconductor sector has a relatively far weaker structure. Recently, the need for artificial intelligence has emerged as the core value of the 4th industrial revolution, and the importance of AI-based semiconductor technology has emerged as well. In order to break away from the domestic structure of semiconductor industry, the competitiveness of system semiconductors must be heightened, and this study is aimed to suggest the plans for that.

본 연구는 중소기업의 제조 AI 도입에 따른 종사자 인식에 미치는 영향에 대해 알아보 고자 하였다. 이를 위해 3개의 가설을 설정하였으며, 2021년 8월 5일부터 8월 11일까지 창원시 제조 AI 프로그램 참가기업 종사자를 대상으로 설문조사를 실시하였다. 연구 절 차는 창원시 제조 AI 프로그램 참가기업의 실무자를 대상으로 설문을 받아 SPSS로 통계 분석하였다. 분석 결과 종사자의 특성별로 제조 AI 도입에 대한 기대 효과 인식에 차이 가 있는 것으로 나타났다. 전반적으로 30대 이하보다 40대 이상이, 기술직보다 행정직이, 일반직보다 관리직인 경우 제조 AI 도입에 대한 기대 효과를 더 긍정적으로 인식하고 있었다. 또한, 제조 AI 도입을 인지하고 있는 집단이 그렇지 않은 집단보다 제조 AI 도입 에 따른 기대 효과를 더 긍정적으로 인식하고, 제조 AI 도입을 지지하는 것으로 나타났 다. 생산성 향상, 마케팅 도움, 연구개발비 감소, 제조원가 감소, 매출향상, 영업이익 증가, 회사의 자랑스러움, 미래 비전, 장기근속 의지 등 기대 효과에 대한 인지가 제조 AI 도입 지지에 유의미한 영향을 미치는 것으로 나타났다.

This study attempted to investigate the effect of worker perception on the effect of SMEs' introduction of manufacturing AI on support for the introduction of manufacturing AI. To this end, three hypotheses were established based on existing research, and a survey was conducted on workers of companies participating in the manufacturing AI program in Changwon City over a week from August 5 to August 11, 2021. The research procedure was statistically analyzed in SPSS by receiving a questionnaire from practitioners of companies participating in the manufacturing AI program in Changwon City. As a result of the analysis, it was found that there was a difference in the recognition of the expected effects of the introduction of manufacturing AI by the characteristics of workers. Overall, those in their 40s or older than those in their 30s, administrative jobs were more positive than technical jobs, and management jobs were more positively aware of the expected effect of introducing manufacturing AI than general jobs. In addition, it was found that the group who is aware of the introduction of manufacturing AI perceived the expected effect of the introduction of manufacturing AI more positively than the group who did not and supported the introduction of manufacturing AI. Productivity improvement, marketing assistance, R&D cost reduction, manufacturing cost reduction, sales improvement, operating profit increase, company pride, future vision, and perception of the expected effect of long-term working will have a significant impact on supporting the introduction of manufacturing AI. The analysis results were discussed in the last chapter.