1. 서 론

1.1 연구의 배경 및 목적

우리나라 수산업 협동조합은 1962년 4월 결성된 이후 회원들을 위하여 교육/지원을 위주로 하는 지도사업, 경제사업, 신용사업, 공제사업을 수행하고 있다. 그 중 신용사업 영역에 속하는 수협 상호금융은 어업인․수산업․ 서민층을 주 고객으로 지역사회에 특화된 소매금융이다. 최근 소매금융은 외국계 은행들이 경쟁에 참여하여 은행 중심으로 1금융권에서 경쟁이 치열해지고 있으며 은행은 경쟁을 피해 점차 대도시 지역에서 농어촌지역을 영업권을 확대하면서 수협의 상호금융 사업과 경쟁이 가시화되고 있다. 특히 최근 우리나라는 삼화저축은행을 시작으로 부산저축은행, 보해저축은행, 도민저축은행 등의 부실로 인한 영업정지로 이들 저축은행에 대한 신뢰도가 크게 저하되어 금융 산업 전반의 구조조정이 불가피한 상황에 이르렀다. 또한 급속히 변화하는 환경 속에서 서민금융기관은 대규모 은행과 대등한 경쟁을 하면서 살아남기 어렵다. 그러나 수협에 있어서 신용사업은 더욱 더 그 사업의 중요도가 커지고 있다. 이는 협동조합 사업의 특성상 지도사업은 수익을 낼 수 없는 구조이며, 경제사업도 1차 산업의 규모 축소 및 침체에 따라 수익 창출이 점점 어려워지는 상황이기 때문이다. 

본 연구는 2011년의 수도권 (서울, 경기, 인천)의 영업점 97개 수협 영업점의 신용사업 효율성 분석을 위해 DEA의 3가지 모형을 동시에 적용하였다. DEA모형은 비모수적 효율성 분석방법으로 다양한 분야에 널리 이용되고 있다(적용사례는 [4], [7]을 참고). 그러나 단순히 특정 의사결정단위의 효율성만을 파악하는 도구로 이용되는 경향이 있어 비효율성을 개선시키는 구체적인 정책과는 연결되지 못하는 경우가 많았다. 본 연구는 기존의 효율성을 몇 가지 요인으로 분해하여, 비효율성의 원인을 보다 명확히 하여 구체적인 정책과 연결시키고자 하였다. 

<Figure 1> SBM and BCC Model Efficiency and Slack Variables.

1.2 선행 연구

수산업협동조합에 대한 DEA모형에 의한 연구를 살펴보면 다음과 같다. Choi et al.[3]는 2001년 수협중앙회의 신용사업부문 50개 영업점을 대상으로 하여 투입변수는 직원 수, 사업관리비 및 고정자산, 산출변수로는 신규예금건수, 신규대출건수, 예수금총액, 대출금총액 및 영업이익으로 영업점의 효율성을 분석하였다. 분석결과, 2001년 영업점의 평균 기술효율성은 82.35%이며, 이중 17개 영업점이 순기술효율성과 규모의 효율성 모두 1의값으로 측정되어 능률적인 업무와 최적의 규모 하에서 총 효율성을 달성하고 있다고 하였다. Lee[9]는 2007년 말 전국 수협중앙회 회원조합인 지역수협 중에서 부산지역에 위치한 40개 영업점을 표본으로 하고 투입요소는 인원과 전용면적, 산출요소는 예탁금 및 대출금, 손익으로 설정하여, 경영효율성을 평가하였다. 효율성 분석결과, 40개 영업점 중 2007년과 2008년에는 각각 7개의 영업점만이 상대적으로 효율적인 영업점으로 평가되었다. Lee와 Hong[8]은 분석대상을 2010년 전국 수협 상호금융 영업점 410개로 하였다. 투입변수 및 산출변수는 Lee와 동일하게 하여, 상호금융 영업점의 효율성 분석은 DEA를 적용하여 기술효율성 및 순 기술효율성, 규모효율성을 분석하였다. 분석결과, 기술효율성은 서울이 가장 높고 전남이 가장 낮다. 순기술효율성은 강원도가 가장 높고 전남이 가장 낮다. 규모효율성은 서울이 가장 높고 전남이 가장 낮게 나왔다. 이들 연구들은 Lee [9] 연구를 제외하고는 모두 Charnes, Cooper, Rhodes[2]의 연구에 기반한 DEA 모형(이하 CCR 모형) 및 Banker, Charnes, Cooper[1]에 기반한 모델(이하 BCC 모형)을 사용하였으며, Lee[9]의 연구도 초여유분기준 모형으로 우수한 효율성을 지난 영업점을 추출하였을 뿐, 효율성의 원인 분석을 통한 정책적 함의 도출에는 미흡한 측면이 있다. 

한편 중간산출물을 고려한 금융산업에 대한 네트워크 DEA 모형 분석으로 Kim[5]의 연구가 있다. 이 연구는 은행의 활동을 2단계로 나누어 생산단계와 수익단계로 구분하였다. 생산단계의 산출물인 예수금, 대출금은 2단계 수익단계의 투입물로 처리되었다. 생산단계의 투입변수로는 직원수, 점포수, 업무용 고정자산을 이용하였으며, 수익단계의 산출변수는 이자수익, 영업이익으로 하였다. 2002~2010년까지의 우리나라 13개 은행자료의 분석결과, 은행산업의 비효율성의 원인은 생산단계에서 보다는 수익단계에 크게 나타나고 있는 것으로 보았다. 

본 연구도 Kim[5]과 유사하게 2단계의 모형을 통하여 생산성과 수익성을 분리, 분석하여 수협의 정책 개발에 도움이 되도록 하였다. 또한 DEA의 여유분 기준모형(이하 SBM 모형 : Slack-based Measure)을 추가적으로 적용하여 보다 상세하게 비효율성의 원인을 분석하였다. 제 2장에서 설명되듯이 SBM은 효율성의 측정대상이 되는 요인별로 비효율성의 정도를 측정할 수 있어, 정책과 구체적으로 연결될 수 있는 이점이 있다. 본 논문은 제 2장에서 이와 같이 연구의 방법이 되는 DEA 모형을 소개하고, 제 3장에서 2단계 모형의 구성 및 사용 데이터를 서술하고 제 4장에서 모형 적용의 결과를 정리하였다. 

2. 연구의 방법

DEA 모형은 <Figure 1>과 같은 투입과 산출을 동시에 그래프로 나타내었을 때, 투입 대비 산출이 제일 좋은 즉의사결정단위의 효율성이 제일 높은 투입 및 산출점들의 집합을 생산변경으로 할 때, 특정 의사결정단위의 투입 및 산출 수준이 생산변경과 비교하여 얼마나 효율적인가를 선형계획법으로 측정한다. 

Tones[10]에 의해 처음 제기된 DEA의 SBM 모형은 다음과 같이 설명된다. 특정 의사결정단위(DMU)의 생산성이 효율적이지 못한 경우, 생산변경의 안쪽 E에 위치하여 1개의 투입요소와 산출요소를 가진 <Figure 1>의 예에서 생산변경상의 효율적인 점 C에 도달하려면 투입은 E-E2 만큼 감소하여야 하고, 산출은 E1-E 만큼 증가하여야 한다. 따라서 각 의사결정단위의 투입효율향상 비율(input efficiency improvement ratio) 및 산출효율향상 비율(output efficiency improvement ratio)은 다음 식과 같이 표시될 수 있다. 아래 식에서 은 의사결정단위 k의 m번째 투입요소양이며, 은 동 의사결정단위의 n번째 산출요소의 양이다. 또한 는 생산변경에 도달하기 위해 감소하여야 하는 해당 투입요소양이며 은 생산변경에 도달하기 위해 증가하여야 하는 해당 산출요소의 양이다.
 

그러면 SBM은 다음 식 (1)과 같이 표시된다. 아래에서 투입요소 개수는 M, 산출요소 개수는 N, 그리고 의사결정단위의 개수는 J이다.
 

이 모형은 특정 k 의사결정단위의 투입요소 및 산출요소가 투입효율향상비율 평균이 산출효율향상비율 평균 대비 가장 작도록, 즉 투입을 최대한 줄임과 동시에 산출을 최대한 늘리는 방향으로 생산경계에 도달할 수 있도록 λ^j의 값을 찾도록 하는 선형계획 모형이다[6]. 본 연구는 이 모형의 결과에서 각 투입, 산출 요소별 향상비율을 이용하여 각 투입, 산출 요소별 효율성에 관한 논의를 전개한다. 예컨대, 특정 투입요소가 생산경계선에 도착하기 위해 50%의 투입감소가 필요하다면 즉 투입효율향상 비율이 50%라면 10%의 투입감소가 필요한 것(투입효율 향상비율 90%)과 비교하여 효율성이 낮은 것으로 평가할 수 있다. 또한 산출효율향상비율이 150%인 것-즉 생산경계에 도달하기 위해 추가적인 산출이 50% 필요하다-은 그 비율이 120%인 것보다 효율성이 낮은 것으로 평가할 수 있다. 

이와 같이 BCC 모형이 아닌 SBM에 의한 분석을 실시하면, 효율성의 척도를 보다 정확히 하고 비효율성의 원인을 정량적으로 측정할 수 있다. 기존의 BCC 모형은 효율성의 척도가 효율성 척도 및 여유분의 두 가지 형태로 나타나 과다투입과 과소산출을 의미하는 여유분의 숫자가 큰 의미가 없게 된다[6]. 예컨대, <Figure 1>에서 투입기준 BCC 모형인 경우 즉 산출을 일정하게 O2E의 점선 수준으로 놓은 경우에 투입을 최소로 줄여 생산변경의 C점에 도달하기 위해서는, 투입을 E3E/O1E 수준(효율성척도)으로 줄여야 할 뿐 아니라 추가적으로 산출과 투입(여유분)을 조정하여야 한다. 그러나 SBM은 효율성 척도가 단일한 형태로 투입요소별, 산출요소별로 각각의 여유분의 비율로 나타나 효율성을 각 투입요소와 산출요소별로 따로 떼어 생각할 수 있는 이점이 있다. 이 특성을 이용하여 본 연구는 2단계의 모형 모두에 SBM을 적용하여 이들 투입향상비율 및 산출향상비율을 계산하여, 각 영업점에 대한 정책 적용시 활용될 수 있도록 시도하였다. 

3. 분석모형 및 투입, 산출요소

본 연구는 수도권 수협영업점의 효율성을 2단계로 나누어 분석한다. 우선 1단계 모델은 투입요소로서 인건비, 경비, 전용면적을 고려하였다. 이는 영업활동에 들어가는 가변 비용을 인건비(payroll cost), 기타 경비(other expenses)로 구분하고, 고정비용을 사용하는 건물의 전용면적(space)으로 가늠한 결과이다. 이들 영업활동의 결과로 대출금 평균잔액(average loan) 및 예수금평균잔액(average deposit)이 산출요소로서 1단계 모델에서 고려된다. 이 점에서 산출물에 영업이익이 추가되어 있는 기존의 수협에 대한 DEA 적용 연구의 접근과 본 연구의 접근은 구별된다. 수협의 신용사업은 다른 은행의 일반적인 금융산업과는 다르게 회원들의 편익도 도모하는 측면을 가지고 있기에 영업이익 위주의 다른 금융산업에 대한 DEA분석과는 다르게 그 중간산출물 즉 대출잔고, 예금잔고에 대한 의의를 제고할 필요가 있다(이하에서 생산성 모델로 칭함). 

2번째 단계 모델은 대출금평균잔액과 예수금평균잔액을 투입요소로 하고, 그 산출요소로서 영업이익(profit) 및 대손상각비(loan loss cost)를 고려하였다. 당기순이익은 대손전 당기순이익에서 대손상각비를 제한 값으로 계산되며, 대손상각비는 손실부분에 대한 충당이다. 따라서 산출요소는 해당 영업점의 영업이익 및 위험도를 반영하게 된다(이하 수익성 모델. 대손상각비는 위험도를 반영할수 있게 값이 클수록 모델에의 적용값은 작도록 조정됨). 

최종적으로 기존의 연구와 유사하게 대출금평균잔액과 예수금평균잔액, 영업이익, 대손상각비를 모두 산출요소로 놓고, 인건비, 경비, 전용면적을 투입요소로 고려하는 모형을 고려하였다(이하 전체 모델). 

본 연구는 2단계 모델에서 수도권을 서울, 인천, 경기지역으로 구분하여 각 지역별로 차이가 있는지를 추가적으로 검토하였다. 2단계 모형 모두에 BCC 모형을 적용하여 그 효율성 값(이하에서 BCC 모형의 생산성 모델에 대한 적용을 BCC1으로 칭함. 마찬가지로 수익성 모델과 전체모델에의 적용은 각각 BCC2, BCC3으로 칭함)이 각 모델에서 어떻게 차이가 나는지를 각 지역별로 검토하였다. 다음으로 SBM 모형(이하에서 SBM 모형의 생산성 모델에 대한 적용을 SBM1, 수익성 및 전체 모델에 대한 적용을 각각 SBM2, SBM3로 칭함. CCR 모형의 적용도 동일하게 칭함)을 적용하여 효율성의 각 요소가 지역별로 차이가 나는지도 검토하였다. 추가적으로 CCR 및 BCC 모형을 2단계 모델 모두에 적용하여 순기술효율성과 규모효율성을 각각 0계산하고 지역별 차이를 분석하였다. BCC 모형의 효율성 값으로 대변되는 순기술효율성은 영업점을 얼마만큼 효율적으로 관리 및 운영하는지를 수치로 대변한다. CCR 모형의 효율성 값으로 순기술효율성 값을 나눈 값으로 표현되는 규모효율성으로 영업점의 규모가 영업을 하는데 얼마나 효율적인지를 파악할 수 있다. 분석을 위한 투입요소 및 산출요소는 <Table 1>과 같다. 

<Table 1> Average Values of Input and Output Factors(unit : space in m2, others million won).

<Table 2> Regional Technical Efficiencies and Comparisons.

<Table 3> Regional Efficiency Correlation Analysis Between Productivity, Profitability and Whole Model.

4. 효율성 분석결과

4.1 기술 및 규모효율성 분석(CCR 및 BCC 모형)

<Table 2>를 통하여 기술효율성을 보면, 전체적으로 생산성 모델의 순기술효율성은 수익성 모델에 비해 현저히 떨어짐을 알 수 있다. 수익성 모델의 순기술효율성은 1에 근접하여 거의 효율적인 수준에 근접하고 있는것을 알 수 있다. 지역별로 보면, 생산성 모델에서 순기술효율성은 서울 지역이 기술효율성이 t 검정 결과 유의미한 수준으로 우월한 것을 알 수 있다. 나머지 모델 및 지역은 통계적으로 유의미한 차이를 보이고 있지 않다. 수익성 부분은 차이가 없고 더 이상 추가적으로 향상시킬 여지가 거의 없음을 보여주고 있다. 이는 결국 수산업 협동조합의 수도권 영업점의 효율성은 대출, 예수금을 늘리는 생산단계의 기술효율성에 의해 결정되는 부분이 크며, 서울지역이 다른 지역보다 이 능력이 우월함을 보여주고 있다고 할 것이다. 생산성 모델과 수익성 모델을 합친 전체 모델과 수익성 모델과 생산성모델의 효율성의 상관관계를 지역별로 검토한 결과, <Table 3>에서 보이는 바와 같이 생산성모델 만이 전체모델과 통계적으로 유의미한 수준으로(p 값이 0에 근접) 상관관계가 있음을 보여주어, 인천지역의 수익성 모델을 예외로하면 생산성모델의 효율성이 전체효율성에 결정적인 영향을 미치는 것을 다시 확인할 수 있다. 

다음 규모효율성을 보면 <Table 4>에서 보이는 바와 같이, 생산성 모델은 규모효율성이 비교적 좋은 편이나 수익성 모델은 규모효율성이 모든 지역을 통틀어 현저히 낮은 것을 알 수 있다. 또한 생산성 모델의 규모의 경제수준을 나타내는 를 보면 그 값이 1보다 작아서 수익체증으로 규모의 경제를 나타내고, 수익성 모델의 경우 생산규모가 반대로 규모의 불경제효과 수준에 있는 것을 알 수 있다. 이는 일단 생산성 모델에서 보듯이 규모를 키워서 대출 및 예수금 규모를 보다 효과적으로 증가시킬 수 있으나, 수익성 모델에서는 추가적으로 대출 및 예수금 규모를 늘리는 것이 수익을 향상시키고 위험을 낮추는 데 도움이 되지 않는 것을 보여주고 있다. 앞의 효율성 분석과 합쳐서 결론을 내리면, 수익성 모델은 기술적으로 이미 효율적 수준이며, 규모의 불경제수준으로 규모확장으로도 추가적인 수익증대가 어렵다는 것을 보여주고 있다. 

<Table 4> Regional Scale Efficiencies and Ratios For Economy of Scale.

<Table 5> Regional Input/Output Efficiency Improvement Ratios (IEIR/OEIR) and Efficiencies for SBM (K : Kyunggi, S : Seoul, I : Incheon, W : Whole Region).

4.2 비효율성의 원인 분석(SBM 모델)

SBM 모형을 적용한 결과 중 먼저 지역별 평균값들을 보면 <Table 5>와 같다. 이 표에 의하면, 생산성을 체크하는 SBM1에서 경기지역의 경비 및 전용면적이 투입효율 측면에서 다른 지역에 못 미친다. SBM1의 산출효율 측면에서 인천 및 경기지역에서는 예수금 및 대출금을 추가적으로 증가시킬 여지가 크다. 인건비의 투입효율성은 모든 지역에서 거의 효율적인 수준에 도달하고 있어 추가적인 개선이 어려움을 보여주고 있다. 

수익성을 체크하는 SBM2 모형에서는 경기지역에서 추가적으로 당기순이익의 산출효율성을 약 21% 향상시킬 여지가 있음을 보여주고 있다. 이는 주목할 만한 결과로 BCC 분석 결과에서는 모든 지역이 효율적인 수준으로 추가적인 효율성 향상이 어려운 것으로 판명된 반면 SBM 모형에서는 경기지역에서 추가적인 효율성 상승의 가능성이 있는 것으로 나타났기 때문이다. 대손상각비의 효율성 산출효율성도 경기지역에서 약 6%의 추가상승 여지가 있는 것으로 나타났다. 다른 지역에서는 모두 효율적인 수준인 것으로 판명되어 추가적인 효율성의 상승 여지가 없다. 

SBM 모형을 97개 수도권영업점에 적용하여 분석한 전체 결과는 <Table 6>과 같다. 이 표를 보면 우리는 특정 영업점의 비효율성의 원인을 구체적으로 알 수 있다. 예컨대, 경기지역의 K1 영업점은 생산성 모델(SBM1)에서, 인건비는 효율적인 수준이나, 전용면적과 경비는 77%, 50% 감소시킬 수 있으며, 대출금 및 예수금은 37%, 85% 증가시킬 수 있는 것으로 나온다. 또한 수익성 모델(SBM2)에서 당기순이익과 위험을 나타내는 대손상 각비가 모두 효율적인 수준에 도달하고 있으므로, 추가적인 순이익을 상승시킬 여지는 없으며, 위험을 감소시킬 여지도 없는 것으로 나온다. 우리는 이 분석을 전 영업점에 적용시켜 영업점별 정책에 직접적으로 활용할 수 있다. 

한편 <Table 6>에서 당기순이익과 대손상각비는 K14를 제외하고는 거의 모든 수도권 영업점이 효율적인 수준에 도달하고 있음을 알 수 있다. 이는 수익성 모델의 기술효율성이 거의 1에 근접하여 추가적인 효율성향상이 어려운 제 4.1절의 분석 결과와도 일치하고 있다. 

<Table 6> Input/Output Efficiency Improvement Ratios(IEIR/OEIR) and Efficiency Ratios(θ) for the SBM Applications

5. 결 론

우리는 수도권 수산업 협동조합의 97개 영업점의 신용사업 자료에 대하여 세 가지 DEA 분석을 모두 적용하고 비효율성의 원인을 분석하였다. 

우선 수협의 신용사업을 생산성과 수익성의 2단계로 나누어 BCC와 CCR 모형을 적용하여 기술효율성 및 규모효율성을 분석하였다. 그 결과 수도권 영업점의 경우 기술효율성은 생산성 모델이 거의 결정함을 발견하였다. 수익성을 체크하는 모델에서의 기술효율성 수익성은 거의 모두가 효율적 단계에 매우 근접해 있어 차이가 거의 없었다. 규모효율성은 생산성모델이 훨씬 효율적이었으며 수익체증으로 규모를 늘렸을 때 더욱 예수금과 대출금을 향상시킬 수 있는 것으로 판단되었다, 수익성 체크모델에서 규모효율성은 훨씬 떨어졌으며 수익체증의 단계에 있어 대출금과 예수금의 규모 증가가 당기순이익을 증가시키고 대손상각비를 감소시킬 수 없는 것으로 판단되었다. 이상의 분석결과는 생산단계의 기술향상 및 규모확장이 대출금, 예수금을 효과적으로 증가시킬 수 있지만 이것이 수익성 향상과 위험도 감소의 결과로 이어지지 않음을 보여주고 있다. 

이러한 결과는 비효율성의 원인을 분석하기 위한 SBM모형 분석 결과 다소 달라졌다. 경기, 인천 지역은 추가적으로 경비, 전용면적을 줄이고 예수금, 대출금을 증가시킬 여지가 서울지역보다 상대적으로 크다. 특별히 경기지역은 추가적으로 대출금, 예수금의 증가로 당기순이익을 증가시키고 대손상각비를 감소시킬 수 있음을 보여주고있다. 다른 지역은 추가적인 당기순이익과 대손상각비의 증가 및 감소가 어렵다는 결과를 보여주어 BCC 모델 분석결과와 일치한다. 

SBM 모형의 결과는 각 개별 영업점 별로 정책적으로 이용될 수도 있다. BCC 모형과는 다르게 효율성이 각 투입요소 및 산출요소 별로 개별적으로 비율로 나타나기에 우리는 영업점 별로 어떤 투입요소가 과다하며, 어떤 산출요소가 과소한지 평가할 수 있다. 또한 수익성을 체크하는 SBM2 모델에서 우리는 순이익을 나타내는 당기 순이익의 산출요소와 위험도를 나타내는 대손충당금의 산출요소를 보고, 위험도가 문제인지 순이익이 문제인지도 구분할 수 있다. 

Acknowledgement

The work was supported by 2012 College of Business Administration Research Fund in Pukyong National University