Earticle

본 연구는 코로나19 확산 초기 확진자가 가장 많이 발생한 대구·경북의 관광지역을 대상으로 관광산업의 피해 규모를 파악하고, 산업연관분 석을 통해 국내 생산 및 고용(취업자 수)의 파급효과를 분석한다. 관광산업 피해액은 신용카드 자료를 바탕으로 대구·경북 내 지정 관광지가 위 치한 시군구에서 관광객이 소비한 금액을 토대로 2020년과 2019년의 차이를 통해 집계한다. 관광산업 피해액은 644억 원이며, 피해의 대부분은 음식 및 주점업에 집중된다. 이 때 다른 관광산업과 달리 스포츠 및 오락업은 경북 남부권을 중심으로 관광매출이 증가하며, 숙박업의 피해는 동 해안권에 집중되는 등 권역에 따라 산업별 차이가 발생한다. 이에 따른 생산유발효과는 직·간접적인 관광매출 감소를 포함한 1,463억 원이 감소 하는 것으로 집계되며, 취업유발효과는 취업자 수 1,355명의 감소로 나타난다. 이러한 파급효과로 인한 간접적 피해는 대구·경북을 제외한 서울, 경기, 경남지역에 집중되며, 산업관점에서 볼 때 관광산업을 제외한 제조업과 농림어업에 집중되는 경향을 보인다. 본 연구는 신용카드 자료 및 가설을 통해 관광산업의 코로나19의 피해를 다 각도로 산정하고, 산업연관분석을 통해 대구·경북 지역의 피해에 대한 지역-산업 연관 구조를 파 악함으로써 각 특성에 맞는 정책의 수립에 기여할 수 있다는 시사점을 갖는다.

Daegu and Gyeongbuk go through the largest number of confirmed cases at the early stages of the spread of COVID-19. Therefore this study measures the damage of COVID-19 in the Daegu-Gyeongbuk tourist area and analyzes the ripple effect. Using credit card data, we calculated the decrease in tourismsales, and that was tallied at 64.4 billion. themost of the negative impact is concentrated in the food and bar sector. As a result of the input-output analysis, the decrease ripple effect in production is 146.3 billion, and the number of employe decreased by 1,355 people. The indirect negative effects is concentrated in Seoul, Gyeonggi, and Gyeongnam, excluding Daegu and Gyeongbuk, and froman industrial point of view, it tends to be concentrated inmanufacturing and agriculture, forestry and fisheries sectors, excluding tourism sectors. This study presents the point for tourismpolicies tailored to the region-industry structure through the impact of COVID-19 and ripple effect path through regions and industries.

본 연구는 한국의 對중국 직접투자가 국내 산업에 미치는 영향을 산업연관분석을 통해 종합적으로 분석하였다. 2011년부터 2023 년까지의 데이터를 활용하여 총 45개 산업을 대상으로 전방파급효과, 후방파급효과, 생산유발효과, 부가가치유발효과, 공급지장효과 및 물가파급효과를 평가하였다. 분석 결과, 對중국 해외직접투자는 수출 증가에 긍정적인 영향을 미치는 것으로 나타났다. 직접투자 가 1% 증가할 때 對중국 수출은 0.79% 증가하였으며, 수입은 0.28% 증가하였다. 그러나 자본형성 측면에서는 부정적인 효과가 관찰 되었는데, 투자 1% 증가 시 중국의 총자본형성은 0.08% 감소하였다. 산업별로는 제조업, 서비스업, 對중국 수출상위업종이 높은 전방 및 후방파급효과를 보였으며, 특히 도소매업, 운수업, 전문·과학·기술 서비스업이 경제 전반에 걸쳐 큰 영향을 미치는 것으로 확인되 었다. 다만, 생산유발계수와 부가가치유발계수가 낮은 수준으로, 對중국 해외직접투자의 경제적 파급효과가 제한적일 가능성이 제기 되었다. 공급지장효과와 물가파급효과 분석에서는 對중국 수출상위업종, 운송장비 제조업, 금속가공제품 제조업 등이 국내 산업의 생 산 과정에서 중요한 역할을 수행하는 것으로 나타났다. 이를 바탕으로 환율 변동성 대응, 중국 내수시장 진출, 대체시장 다변화, 혁신 산업 육성 등을 포함한 정책적 제언을 제시하며, 선별적이고 전략적인 투자 접근 및 기술집약적 산업에 대한 집중 지원의 중요성을 강 조했다는 점에서 차별성을 부여할 수 있다. 본 연구는 對중국 직접투자에 대한 다각적이고 체계적인 분석을 통해 향후 투자 전략 수립 및 정책 개발에 유의미한 시사점을 제공한다. 다만, 투자 유형별 특성 및 개별 기업의 전략적 접근에 대한 심층 연구는 향후 과제로 남아 있다.

This study comprehensively analyzed the impact of Korea's foreign direct investment (FDI) in China on domestic industries through input-output analysis. Utilizing data from 2011 to 2023, the research examined 45 industrial sectors, investigating forward and backward linkage effects, production inducement effects, value-added effects, supply disruption effects, and price transmission effects. The analysis revealed positive export-related outcomes of Korean FDI in China. A 1% increase in direct investment corresponded to a 0.79% increase in exports to China and a 0.28% increase in imports. However, a negative impact was observed in capital formation, with a 1% investment increase resulting in a 0.08% decrease in China's total capital formation. Industrial spillover effect analysis demonstrated high forward and backward linkage effects in manufacturing, service, and top export sectors. Particularly, wholesale trade, transportation, and professional scientific and technical service industries showed significant economic impact. Notably, most production and value-added coefficients were extremely low, suggesting limited economic spillover effects of foreign direct investment. Supply disruption and price transmission effect analyses confirmed that top export sectors, transportation equipment manufacturing, and metal processing industries play essential roles in other industries' production processes. Based on the research findings, policy recommendations were proposed, including exchange rate volatility response strategies, market penetration in China, market diversification, and innovative industry development. The study emphasized the importance of selective and strategic investment approaches, concentrated support for technology-intensive industries, and investment strategies considering inter-industry connectivity. This research provides a multidimensional and comprehensive analysis of Korea's FDI in China, offering critical insights for future investment strategies. However, in-depth analysis of investment types' specific characteristics and individual corporate investment strategies remain subjects for subsequent research. Keywords: Foreign Direct Investment, Input-Output Analysis, Investment in China, Industrial Spillover Effects, Production Inducement Effect, Value-Added Inducement Effect.

본 연구는 농림수산업이 직면한 사회경제적 문제를 해결하고 새로운 산업 분야로 성장하는 데 기여하기 위해 스마트팜의 취업·고용유발효 과를 분석하였다. 이를 위해 2015년과 2020년 산업연관표를 이용하여 스마트팜의 구성 부문인 농림수산업과 스마트 농기계 분야를 각각 구분 하여 취업·고용 유발효과를 분석하고 스마트팜의 취업·고용유발효과와 비교하였다. 또한 스마트팜이 농림수산업의 취업·고용 문제를 제대로 해결하기 위해 이 부문에 대한 취업·고용 현황을 선행적으로 파악하고 스마트팜의 결과와 비교하였다. 분석결과 농림수산업의 취업자 수 중 고용 비중은 7.8%로 한국경제 전체 고용율 74.4%와 비교했을 때 현저히 낮은 수치를 나타내고 있다. 2020년 고용유발효과를 중심으로 살펴보면, 농림수산업의 고용 간접 유발효과는 3.37명, 스마트 농기계는 2.585명으로 약 0.7명의 차이를 보 였다. 부문 자체 고용 직접효과는 농림수산업 1.618명, 스마트 농기계는 2.067명으로 스마트 농기계가 더 높게 나타났다. 두 부문 간 상호 취업· 고용유발효과를 비교하면, 농림축산업의 경우 2020년 스마트 농기계에 미치는 취업유발효과는 0.142명으로 9번째로 높은 순위를 나타냈고 고 용유발효과는 0.132명으로 10번째로 높게 나타났다. 반면, 스마트 농기계가 농림수산업에 미치는 취업유발효과는 2020년 기준 0.142명으로 9 번째로 높게 나타났지만 고용 유발효과는 0.008명으로 낮게 나타났다. 마지막으로 스마트팜의 취업유발효과는 2020년 기준 취업유발 간접효 과는 3.422명이었고 직접효과는 3.820명 그리고 고용유발 간접효과는 2.631명, 직접효과는 2.029명으로 2015년에 비해 전반적으로 하락한 수치였다.

This study analyzed the total workers and employment-inducing effects of smart farms to address the socioeconomic challenges facing the agriculture, forestry, and fisheries industries and support their growth as emerging industrial sectors. Using the 2015 and 2020 Input-Output tables, the total workers and employment-inducing effects of the agriculture, forestry, fisheries, and smart agricultural machinery sectors (constituent sectors of smart farms) were analyzed and compared with those of smart farms. Additionally, to ensure smart farms effectively address employment issues in these industries, the current employment status within these sectors was proactively identified and compared with the outcomes of smart farms. As a result of the analysis, the proportion of employed people in the agriculture, forestry, and fisheries industries is 7.8%, which is significantly lower than the overall employment rate of the Korean economy, which is 74.4%. As of 2020, the indirect employment-inducing effect in agriculture, forestry, and fisheries was 3.37 people, while for smart agricultural machinery it was 2.585 people, a difference of about 0.7 people. The direct effect of self-employment in the sector was 1.618 for agriculture, forestry, and fisheries, and 2.067 for smart agricultural machinery, indicating a higher direct employment effect for smart agricultural machinery. Comparing the mutual total workers and employment-inducing effects between the two sectors, in the case of agriculture, forestry, and fisheries, the total workers-inducing effect on smart agricultural machinery in 2020 ranked 9th highest with 0.142 people, and the employment-inducing effect ranked 10th with 0.132 people. On the other hand, the total workers-inducing effect of smart agricultural machinery on the agriculture, forestry, and fisheries industry was also the 9th highest at 0.142 people as of 2020, but the employment-inducing effect was low at 0.008 people. Lastly, regarding the total workers-inducing effect of smart farms, as of 2020, the indirect effect of inducing total workers was 3.422 people, the direct effect was 3.820 people, the indirect effect of inducing employment was 2.631 people, and the direct effect was 2.029 people. These figures show an overall decline compared to 2015.

본 연구는 한국의 KIBS 산업을 P-KIBS와 T-KIBS로 구분한 후 그 하위의 세부 부문의 고용창출효과를 분석하였고 이를 통해 KIBS와 하위 세부 부문이 한국 경제에서 어떠한 고용 특성을 나타내는지 파악하였다. 분석을 수행하기 위해 한국은행에서 최신 발행된 2019년 산업연관표 와 시간적 비교를 위해 2015년 산업연관표를 이용하였다. 분석 결과 한국의 KIBS 산업은 직접고용효과가 평균보다 높고 고용유발효과는 평균 보다 낮은 직접고용우위 기술로 분류되어 산업 자체의 직접고용에 우위가 있는 산업인 것으로 파악되었다. KIBS 부문별로 살펴보면, P-KIBS 는 직접고용효과와 고용유발효과가 평균보다 높은 고용창출 부문으로 분류되어 직접고용뿐만 아니라 다른 산업의 고용에도 기여하는 것으로 파악되었고, T-KIBS는 직접고용효과가 평균보다 높고 고용유발효과는 평균보다 낮게 나타나서 직접고용우위 부문으로 분류되었다. 이처럼 KIBS의 부문들은 각기 다른 고용 특성을 나타내는 것으로 확인되었다. 이러한 결과는 산업 자체의 육성과 고용 그리고 다른 산업이 KIBS을 어떻게 활용할 것인가에 대한 정책을 수립할 때 유용한 정보로 활용될 수 있다.

This study divided Korea's Knowledge-Intensive Business Services (KIBS) industry into P-KIBS and T-KIBS, analyzing the employment creation effects of these sub-sectors to identify their employment characteristics and roles in the Korean economy. To achieve this, the employment creation effect was examined using the 2015 input-output table for historical comparison with the recently published 2019 input-output table by the Bank of Korea. As a result of the analysis, Korea's KIBS industry was classified as a technology with direct employment advantages, exhibiting a higher-than-average direct employment effect and a lower-than-average employment-inducing effect. Examining each KIBS sector, P-KIBS was categorized as a job creation sector with above-average direct employment effects and employment inducement effects, contributing not only to direct employment but also to employment in other industries. Lastly, T-KIBS exhibited a higher-than-average direct employment effect and a lower-than-average employment inducement effect, classifying it as a sector with a direct employment advantage. In this way, it was confirmed that each sector of KIBS exhibits distinct employment characteristics. These findings can serve as valuable information when formulating policies for the industry's development and employment, as well as for determining how to effectively utilize KIBS in other sectors.

본 연구의 목적은 산업유형에 따른 혁신패턴의 차이가 기술혁신성과에 미치는 영향을 분석하는데 있다. 그동안 선행연구들은 산업별 차이를 단순히 산업 더미의 형태로 간략히 실증분석에 반영하여 왔다. 하지만 산업 고유의 혁신유형이 고려되지 않는다는 것은 분석 상의 한계이며, 적용가능성 높은 함의를 도출하기 어렵다고 하겠다. 이 같은 문제의식에 따라 본 논문은 우선 R&D 활동을 기술집약과 기술확산으로 구분하였다. 다음으로 ‘확장된 산업연관모형’을 바탕으로 산업간 기술적 연계구조를 바탕으로 각 산업의 혁신패턴을 분석하고, 산업을 4개의 산업유형으로 분류하였다. 그리고 각 산업유형에 대해 제품혁신 성과를 종속변수로 하여 어떤 혁신요소가 유의하게 기능하는지 분석하였다. 분석 결과, 산업유형에 따른 혁신패턴의 차이가 존재하며, 혁신활동의 성과 뿐 아니라 혁신원천이나 혁신보호방법에서도 폭넓은 차이를 확인할 수 있었다. 이 같은 결과는 기업혁신지원정책이 산업의 특징 및 혁신패턴을 고려해 설계되어야 함을 함의한다고 하겠다.

It is widely known that there is difference in technological innovation pattern by industries. Several researches on technological innovation have reflected the difference by industries as a simple industrial classification or dummy to empirical model. If the sectoral differences and uniqueness in innovation are not considered, it will be difficult to deduce implication applicable to the industries. In consideration of this issue, this paper distinguished innovation pattern of four categoreis on the basis of technological linkages among industries according to technological intensity and diffusion based on ‘R&D extended Input-output Model’ where R&D activities are explicitly reflected. Taking the product innovation as a dependent variable, different roles of innovation activities and characteristics were analyzed for each sectoral categories. As a result, we found a difference in the innovation pattern by the categories. Furthermore, the difference was widely found for the innovation source or protective strategies as well as innovation activity.

본 연구는 2000년 일본 후쿠이지역 산업연관표를 이용하여 분석목적에 따라 안경산업을 별도의 부문으로 구분하여 후쿠이지역 산업연관표를 새로 작성하고, 이로부터 안경산업의 산업연관구조를 분석하였다. 이러한 분석결과를 대구지역 안경산업의 연관구조와 비교분석하여 시사점을 제시하였다.후쿠이 지역의 안경산업은 일본 안경산업이 가장 집중된 집산지이지만, 후쿠이현 전체 산업에서 차지하는 산출액 비중은 1.9%, 취업자 수 비중은 1.7% 정도였다. 후쿠이지역 안경산업의 중간투입률은 48.8%이고, 중간수요율은 4.6%에 불과하다. 반면에 대구지역 안경산업의 중간투입률은 67.0%, 중간수요율은 56.1%이다. 후쿠이현 안경산업의 중간수요율이 크게 낮은 것은 중간수요 제품을 주로 중국 등 수입에 의해서 조달하기 때문이다. 안경산업의 최종수요별 수입유발계수가 평균 0.00555로 상대적으로 높아 이를 대변하고 있다. 후쿠이지역 안경산업의 연관구조를 분석해 본 결과, 소득유발계수는 0.5955로 약간 높지만, 전후방 연관효과(각각 0.5228, 0.9657)나 각종 승수의 값(산출승수 1.9299, 고용승수 1.9222, 부가가치승수 1.9565)이 중간이하 수준이라 성장 유망산업으로 보기가 어려웠다. 반면에 대구시 안경산업은 후방연관효과가 높고, 입지계수가 높으며 부가가치승수와 산출승수는 전체산업 중 중상정도로 상대적으로 높은 수치를 보여 지역의 대표적인 특화산업이었다.안경산업 부문을 외생부문으로 처리하여 안경산업이 여타 산업에 미치는 생산 및 부가가치 유발효과를 계산하면, 후쿠이 지역은 대 사업소 서비스업(생산유발효과 0.1208, 부가가치유발효과 0.0875)에 가장 높은 영향을 미쳤고, 그 다음 요업 및 토석제품(0.0854, 0.0282), 기타 제조업 제품, 교육연구업, 금속제품 등에 큰 영향을 미쳤다. 대구지역도 산업분류상 약간 차이를 보였지만 비슷한 양상을 보였다. 대구지역 안경산업의 육성을 위해서는 일본 후쿠이지역의 사례를 참고하여 안경산업 브랜드를 육성시키고, 단순 집적지를 혁신클러스터로 육성시켜야 할 것이다.

본 연구는 우주산업의 범위를 가치사슬 관점에서 업스트림과 다운스트림으로 식별한 뒤, 한국표준산업분류 기준 15개 산업을 산업연관표체계로 연결하여 ‘우주산업’ 단일 부문을 구성하고, 우주산업 최종수요 변화가 국민경제에 미치는 생산·부가가치·취업 파급효과를 산업연관분석으로 추정하였다. 2023년 산업연관표를 기준으로 2026~2030년 연장 투입산출표를 양비례 조정법(RAS)으로 구축하고, 우주산업을 외생부문으로 설정해 자기효과를 통제한 상태에서 비(⾮)우주산업에 대한 순수 파급효과를 산출하였다. 2030년 기준 전체 유발계수는 생산 1.7109, 부가가치 0.9301, 취업 7.0174명/10억 원이며, 타산업 유발계수는 생산 0.7109, 부가가치 0.4320, 취업 3.1907로 나타났다. 2030년 정부 우주개발 투자액 2조 1,000억 원을 적용하면 총 유발효과는 생산 3조 5,928.9억 원, 부가가치 1조 9,532.1억 원, 취업14,736.5명으로 추정되며, 타산업 비중은 각 41.55%, 46.45%, 45.47%로 40% 이상을 차지한다. 타산업 유발효과는 금융·보험, 정보통신·방송, 도소매, 전문·과학·기술 서비스, 사업지원 등 서비스업에 상대적으로 높은 비중으로 귀속되며, 2030년 상위 10개 산업의 누적 비중은 생산 75.84%, 부가가치 78.19%, 취업 84.74%로 높게 나타났다. 또한 2026~2030년 동안 생산·부가가치 유발계수는 소폭 상승한 반면 취업유발계수는 하락하는 추세가 관찰되었고, 상위 산업 구성은 대체로 안정적으로 유지되었다.

This study estimates the production, value-added, and employment ripple effects of changes in final demand for the space industry in Korea using input-output analysis. From a value chain perspective, the scope of the space industry is identified across upstream activities and downstream activities. Based on the Korean Standard Industrial Classification, 15 space-related industries are linked to the input-output system to construct a single “space industry” sector. Using the Bank of Korea 2023 input-output table as the benchmark, extended input-output tables for 2026-2030 are constructed with the bi-proportional adjustment method (RAS). To derive net spillovers to the rest of the economy, the space industry is treated as an exogenous sector. By controlling for own-industry effects, the study estimates the induced impacts on the non-space sectors. For 2030, the total inducement coefficients of the space industry are estimated as 1.7109 for output, 0.9301 for value added, and 7.0174 jobs per one billion won. The inducement coefficients for other industries are 0.7109 for output, 0.4320 for value added, and 3.1907 jobs per one billion won. When government space development investment in 2030 is set at 2.1 trillion won, the total induced impacts are estimated at 3.59289 trillion won in output, 1.95321 trillion won in value added, and 14,736.5 jobs. The shares attributable to other industries account for 41.55% of output, 46.45% of value added, and 45.47% of employment, indicating that more than 40% of the total impacts diffuse beyond the space industry itself. Spillovers to other industries are attributed relatively more to service sectors, including financial and insurance services, information, communication and broadcasting services, wholesale and retail trade, professional, scientific, and technical services, and business support services. Concentration is also high: in 2030, the top ten recipient industries account for 75.84% of induced output, 78.19% of induced value added, and 84.74% of induced employment. In addition, over 2026–2030, the output and value-added inducement coefficients show a slight increase, while the employment inducement coefficient declines, and the composition of the top recipient industries remains broadly stable.

The object of this study is to analyze the national economic impacts of horse industry, a new emerging tourism content, which includes production, ownership, racing and business related to training, breeding, distribution and consumption of the horse. To achieve the goal, we carry out a survey targeting employees in horse farm, horse-riding and racing facilities, horse owners association and horse related business. Also we analyze output value and added value using input structure, input coefficient and indirect induction effect of each part of horse industry. The result shows that national economic impact of horse industry. We found whole calculation scale of horse industry was approximately 3.1 trillion (KRW) and gross value added of horse industry was roughly 2.4 trillion (KRW).

현대 유통물류 산업은 단순히 상품을 전달하는 것을 넘어서 포괄적인 공급망 구축의 한 축을 담당하며 전 산업을 지원 하는 역할을 한다. 특히 라스트마일(last-mile) 유통물류 구간은 21세기 이후 중국경제 전체에 크게 기여했으며, 디지털 혁신의 영향을 가장 많이 받고 주도했던 부문임에도 불구하고 이에 대한 체계적인 분석은 드물었다. 본 연구는 2000년 이후 20여 년간 중국의 라스트마일을 중심으로 한 유통물류 부문의 발전과 타 산업에 미친 영향을 투입산출분석(Input-Output Analysis, IOA) 을 적용하여 실증적으로 분석한다. 특히 중국경제를 선도하는 양쯔강 유역의 주요 지역(저장성, 장쑤성, 상하이시)을 중심으로, 지난 20년 동안 라스트마일의 역할을 분석함으로써 향후 해당 지역뿐만 아니라 중국경제 전체의 발전에 시사점을 얻는다. 라스 트마일 유통물류에 집중하기 위해 투입산출 데이터를 재구성하여 IOA를 적용하였다. 그 결과 라스트마일이 퍼스트마일을 비롯 한 기타 유통물류 부문에 비해 부가가치 창출 등을 통해 지역에 기여하는 바가 훨씬 크다는 것을 확인하였다. 또한, 후방향보다 는 전방향 연쇄효과를 통해 타 산업의 발전을 체계적으로 지원하는 역할을 한다는 점을 확인하였다. 지역별로 20여 년간 전후방 연쇄효과의 변화 추이를 분석함으로써 지역별 산업 지원 구조의 특성과 변화를 이해하는 데 중요한 시사점을 발견하였다.

The modern distribution and logistics industry goes beyond simply delivering products; it supports almost all industries and builds an extensive supply chain. In particular, the last-mile distribution and logistics section has contributed significantly to the entire Chinese economy since the 21st century. It is also one of the sectors most affected by and leading digital innovation. This study empirically analyzes the distribution and logistics sector development centered on China’s last-mile over the 20 years since 2000 and its impact on other industries by applying Input-Output Analysis (IOA). In particular, by analyzing the role of the last-mile over the past 20 years, focusing on the three major regions (Zhejiang, Jiangsu, and Shanghai) in the Yangtze River basin, we will find some implications for the future development of not only the region but also the entire Chinese economy. To focus on the last-mile section, we reconstructed and reconfigured the input-output data, with which IOA was applied. As a result, it was confirmed that the last-mile section has contributed to the regions by creating more value-added compared to other distribution and logistics sectors, including the first-mile section. In addition, we also found that the last-mile section has systematically supported other industries through the forward linkage effect rather than the backward effect. By tracking and analyzing the changes in the forward and backward linkage effects over 20 years by region, we also found essential implications for profoundly understanding the regional characteristics and industrial policy directions.

본 연구의 연구결과를 살펴보면 다음과 같다. 중국 금융산업의 영향력 계수를 살펴보면, 2007년은 물 생산 및 공급제조업이 1.170069, 전력생산 및 공급제조업이 1.115053, 통신설비⋅컴퓨터 및 기타 전자설비제조업이 1.080031로 1.080031-1.170069에 분포되어 있었고, 이에 반해 2012년은 전문설비제조업이 3.780887, 물 생산 및 공급업이 2.623895, 계량/계측기 제조업이 1.340107을 알 수 있었다. 종합적으로 2007년에 비해 전반적으로 감응도계수 역시 변화 폭이 증가되었음을 알 수 있었다. 중국 금융산업의 감응도 계수를 살펴보면, 2007년은 금융업이 1.957427, 임대서비스업이 1.359269, 제지인쇄 및 문방용품 제조업이 1.261815로, 1.261815-1.957427에 분포되어 있었고, 이에 반해 2012년은 화학공업이 3.451570, 금속제련 및 압연가공업이 2.891365, 전력/난방생산 및 공급이 1.932049을 알 수 있었다. 결론적으로 2007년에 비해 전반적으로 감응도계수 역시 변화 폭이 증가되었음을 알 수있었다.

This study looking at the results are as follows. First, Looking at the Impact Factor of China’s financial industry, 2007 was a water production and supply manufacturing is 1.170069, electricity production and supply manufacturing is 1.115053, communications equipment, computers and other electronic equipment manufacturing industry is 1.080031, that distributed from 1.080031 to 1.170069. A general increase in the change in the width of the impact factor compared to 2007. Second Looking at the sensitive Factor of China’s financial industry, 2007 was the financial industry is 1.957427, rental service industry is 1.359269, paper and printing supplies manufacturers munbang is 1.261815, that distributed from 1.261815 to 1.957427. Whereas in 2012, it can be seen that the overall sensitivity factor also increases the width change compared to 2007.

The objective of this study is to explore the direct and indirect impact of manufacturing activities in Gyeonggi province on the generation of green house gases(GHG), which has become a subject of increasing attention due to the climate change issue, by using a regional input-output model in 2000. The study focuses on carbon dioxide, which accounts for 95% of GHG. The results reveal that although Gyeonggi's total output accounted for 20.9% of Korea's total output, Gyeonggi's industry consumed relatively less energy, accounting for only 8.3% of total industry energy consumption. Furthermore, carbon dioxide emission factors and carbon dioxide inducement coefficients in Gyeonggi's major manufacturing activities such as semiconductor and computers, electronic and other electric equipment, motor vehicle, and construction were moderately low due to low energy intensities and industrial mix effect. From these results, we conclude that policy makers should consider to implement industrial policies for GHG reduction in regional level.

본 연구는 한국은행에서 발표한 지역간 산업연관표를 수도권과 비수도권으로 구분하여 재분류한 후 수도권과 비수도권간의 경제적 효과를 비교분석하고, 이로부터 정책적 시사점을 도출하였다. 수도권과 비수도권의 각종 유발계수의 평균치는 거의 모든 부문에서 비수도권의 계수가 수도권에 비해 약간 더 높았다. 다만 부가가치승수만 상대적으로 약간 더 낮았다. 이는 제한된 자금을 가지고 투자할 경우 일반적으로 비수도권에 투자하는 것이 보다 더 큰 파급효과를 창출한다는 것을 나타내는 것이다. 일정한 금액을 투자할 시 수도권과 비수도권에 미치는 생산 및 부가가치 파급효과도 수도권에 비해 비수도권에 투자하는 것이 일반적으로 더 높았다. 다만 건설업에 투자할 시 고용유발효과는 수도권이 더 높았다. 다른 측면으로 해석하면 수도권의 발전이 지방경제를 발전시키는 확산효과보다는 수도권의 발전으로 지방경제가 수도권으로 흡인되는 빨대효과 내지 역류효과가 크다는 것을 나타내는 것이다. 그리고 산업부문별로 동일한 금액을 투자하더라도 수도권, 대구경북권, 기타권에 미치는 파급효과는 약간 씩 달랐다. 따라서 어떤 투자 프로젝트를 추진할 때 이러한 파급효과를 고려하여 지역적으로 투자하는 것이 보다 효과가 있을 것으로 판단된다.

This study analyzes various economic effects of Seoul Metropolitan Area(SMA) and non-Seoul Metropolitan Area(NSMA) using the interregional input-output model. The main political implications are as follows. First, the average value of various requirement coefficients of NSMA is higher than that of SMA. Only the value-added multiplier of NSMA is lower than that of SMA. This implies that investments on NSMA create bigger spread effects than investments on SMA do. Second, the analysis shows that the backwash effects of the development of SMA are greater than its spread effects: the development of SMA tends to absorb resources from regional economies rather than to boost those economies. Finally, the spread effects of investments are different depending on which region and which industry sector the investments are made into. When an investment plan is designed, therefore, various requirement effects of the projects should be considered in the decision where the investment should be made.

본 연구는 한국은행이 공표한 지역산업연관표(2015년 기준, 2022.7.)를 토대로 지역산업연관분석을 활용하여 우리나라 동남권(부산·울산·경남)의 연구개발투자가 전국 각 권역에 미치는 경제적 파급효과와 동남권의 개별 산업에 미치는 경제적 파급효과를 분석하였다. 동남권의 연구개발투자가 각 권역에 미치는 경제적 효과를 분석한 결과, 생산유발계수, 부가가치유발계수, 취업유발계수 등 모든 부문에서 자기 지역인 동남권 지역에서 효과가 가장 높았고, 이어서 수도권에 미치는 경제적 파급효과가 높은 것으로 나타났다. 아울러, 동남권의 연구개발투자가 동남권의 각 산업에 미치는 효과를 분석한 결과, 생산유발효과는 제조업 분야에 대한 파급효과가 크고, 고용 창출 효과는 서비스산업에 대한 경제적 파급효과가 크다는 것을 알 수 있었다.

Based on the regional industry association table published by the Bank of Korea (as of 2015, July 2022), this study analyzed the economic ripple effect of R&D investment in the southeastern region of Korea (Busan, Ulsan, and Gyeongnam) on each region of the country and the economic ripple effect on individual industries in the southeast region. As a result of analyzing the economic effect of R&D investment in the southeast region on each region, it was found that the effect was the highest in the southeast region, which is its own region, in all sectors such as the production inducement coefficient, the value-added inducement coefficient, and the employment inducement coefficient, followed by the high economic ripple effect on the metropolitan area. In addition, as a result of analyzing the effect of R&D investment in the southeast region on each industry in the southeast region, it was found that the production inducement effect had a large ripple effect on the manufacturing sector, and the job creation effect had a large economic ripple effect on the service industry.

본 연구는 지역 산업연관분석을 이용하여 19개 국립공원이 지역경제에 미치는 경제적 파급효과를 정량적으로 평가하여 국립공원의 기능과 역할에 대한 이해 증진과 자연 보전 정책 추진의 정당성을 제시하는데 그 목적이 있다. 2009년부터 2011년까지 19개 국립공원 총 7,600명을 대상으로 현지 설문조사 분석결과, 19개 국립공원이 지역경제에 미치는 파급효과는 생산파급 1조 6,524억원, 소득파급 2,917억원, 부가가치파급 7,965억원, 고용파급28,333명으로 나타났다.

This study aimed to estimate the economic impacts of the korea national park using a direct survey-based regional input-output (I-O) analysis and present the justification of nature conservation policy, better understanding role and function of National Park. On-site questionnaire surveys were conducted in nineteen national parks from 2009 to 2011. Total of 7,600 questionnaires were analyzed for this study. The results of this study indicate that visitors' total expenditures in national park neighborhood generated output impact of 1,652.4 billion Won, income impact of 291.7 billion Won, value-added impact of 796.5 billion Won, and employment impact of 28,333 part-time and full-time jobs.

해조류는 바다에서 생산되는 풍부한 유기영양소를 국민에게 공급하는 중요한 역할을 담당하고 있다. 이에 본 연구에서는 해조류의 생산이 국내 전체산업에 미치는 영향을 파악하고자 산업연관분석을 이용하여 국민경제에 미치는 파급효과를 분석하였다. 분석결과 해조류산업의 1원당 생산유발계수는1.83468원으로 2006년도 생산금액을 기준으로 국민경제에 4,690억원의 생산을 유발시켰고, 부가가치유발계수는 0.795538원으로서 2,034억원의 부가가치를 창출한 것으로 나타났다. 따라서 해조류 생산이 중단될 경우 국민경제 전체적으로 2,034억원의 경제적 손실이 발생하고 해조류산업을 포함하면 손실액은 약 4,591억원으로 추정된다. 또한 해조류산업에서 10억원의 추가생산이 이루어질 경우 12.87명의 취업유발효과와 2.35명의 고용유발효과가 발생하는 것으로 분석되었다. 반면 물가파급효과 계수는 0.00035%로 해조류 가격의 상승이 물가에 미치는 영향은 매우 미미한 것으로 사료된다. 한편 전방연쇄효과는 0.55452이고 후방연쇄효과는 0.99248로 후방연쇄효과가 높아 해조류산업이 타 산업에 비해 경기변동 영향을 작게 받는 투입요소로 판단된다. 이러한 분석결과를 종합해 볼 때 정부에서는 해조류산업이 국민경제에 미치는 생산 및 부가가치 파급효과가 크다는 것을 인식하고, 해조류산업을 안정적이고 지속가능한 해양기반산업으로 육성하려는 정책적 노력이 이루어져야할 것이다.

Seaweed are taking charge of important role which supply abundant organic nutritive element produced in the sea to people. Hereupon, in this research, production of seaweed analyzed effect on national economy using Input-Output Analysis to grasp effect getting in whole industry domestic. Analysis result, seaweed sector's 1won/per production and add value inducement coefficients appeared by 1.83468 and 0.795538 won, also provoked production of 4,690 billion wons and add value of 2,034 billion won in national economy via amount of money in 2006. Therefore, if seaweed's production is discontinued, economical damage occurs 2,034 billion won and includes seaweed sector on the whole amount of loss assumed about 4,591 billion won. Also, on the assumption that addition production of one billion won in seaweed sector appeared that happen to working effects 12.87 people and employment effects of 2.35 people. The other side, the price ripple effect's inducement coefficient appeared by 0.00035, so that it is considered which rise of seaweed price influence to the price is very slight. On the other hand, input-output analysis result forward linkage effect is 0.55452 and because backward linkage effect is high backward linkage effect by 0.99248, seaweed sector estimates on input factors that business fluctuation impact as is small than other industry. Hence, government recognizes that the influence of seaweed sector's production and add value ripple effect on the national economy are great, and have need of political effort in order to foster as sea foundation industry the seaweed sector.

국가 기간산업 중 하나인 전력산업은 산출물인 전력을 각 산업부문에 중간재로 공급하고 있으므로 전력의 공급지장이 국민경제에 미치는 영향은 큰 편이다. 만약 전력 공급이 원활치 못하게 되면 직접적으로는 생산 차질, 원료 공급 불안, 각종 장비 고장 등의 생산 및 공정상의 문제를 일으키고 간접적으로는 생산 차질에 따른 전력 관련 산업의 생산 손실부터 실업 및 물가 상승 등의 문제까지 등장할 수 있다. 이에 본 논문에서는 전력산업 산출물 1원 어치의 공급지장이 타 산업에 미치는 부정적 생산차질 효과를 의미하는 공급지장효과를 분석하고자 한다. 이를 위 해 산업간 중간재의 흐름을 하나의 표로 나타낸 산업연관표를 활용한 산업연관분석을 적용하고자 한다. 보다 구체 적으로는 OECD 주요국을 대상으로 공급유도형 모형을 활용하여 공급지장 효과를 분석한다. 공급지장효과의 값은 덴마크가 1.682로 가장 크며 다음으로 한국, 일본, 호주, 영국 순으로 나타났다

As the electricity produced from the electricity industry, a national key industry in Korea, are supplied to other industries as an intermediate goods, the supply shortage of electricity industry has a large impact on the national economy. This paper attempts to analyze the supply shortage effects which are defined as the negative impact of one won of supply failure in the electricity on the production of other industries. To this end, an input-output analysis using an input-output (I-O) table describing inter-industry flow of intermediate goods is applied. More concretely, the supply-driven model is applied subject to the OECD countries. The value of the supply effects interfere with Denmark's best large 1.682 was followed by South Korea, Japan, Australia, the UK.