1. 서 론
전 세계적인 무역 활동의 증가와 세계화로 인한 전 세 계 국가들의 경제는 상호 의존적으로 발전되고 있고 경 제 또한 유기적으로 연결되고 있다. 또한 최근 COVID 19와 한중 무역전쟁과 같이 세계적으로 물동량에 영향을 미치는 다양한 요인에 유연하게 대처할 수 있는 대비책 을 수립하고 예측할 필요성이 대두되었다. 한국과 중국 간 지리적 근접성 및 최근 20년 동안 세계 무역에서 가 장 큰 변화 중 하나인 중국의 전 세계적인 경제적 부상 의 결과에 따라 한국의 대중 수출 비중 및 중국에 대한 수출 의존도가 지속적으로 증가하였다. 따라서 한국과 중국 간 항공 화물 물동량 또한 한국 및 중국 시장의 경 제지표들의 변동에 매우 의존적인 형태를 보이므로 본 연구에서는 한국과 중국의 여러 경제지표들이 항공 화물 물동량에 미치는 영향을 파악하였다.
2012년 개시된 한⋅중 FTA(Free Trade Agreement, 자 유 무역 협정) 협상 이후 총 14회의 협상을 거쳐 2015년 체결된 한⋅중 FTA 협정문은 중국이 그동안 체결한 FTA 중 가장 폭넓은 내용으로 중국이라는 거대 시장을 선점하 여 무역 증대 효과 및 경제성장률 증가를 가져왔다[8, 15]. 또한 한⋅중 FTA가 항공 운송 부문에 미치는 영향을 분석한 결과 물동량 증가 및 인적 교류가 증가하였으며, 관세 인하로 인한 대중국 수출과 수입이 증가하였으며, 특히 관세인하 혜택이 비교적 많은 품목의 항공 운송 수 출이 확대되었다. 이에 따른 대중국 수출입 항공화물 물 동량의 증가로 항공물류 수요가 증대될 것으로 기대되며 항공 물류 시장 또한 확대되었다[9, 14]. 최근 중국과 한 국의 교역에 있어서 고부가가치 품목 비율이 높아지고 제 품 수명 주기가 짧아짐에 따라 운송 시간의 지표인 신속 성을 고려한 운송 방법의 필요성이 대두되고 있으며 시장 전략과 경쟁력 증대를 위해 항공 수단을 이용한 운송이 꾸준하게 증가하는 추세이다. 이러한 배경을 바탕으로 물 동량에 대하여 경제 지표들이 미치는 영향을 분석 및 예 측할 수 있다면 여러 상황을 사전 대비하여 그에 따른 적 절한 대책을 적용할 수 있으므로, 본 연구에서는 물동량 에 대하여 다양한 경제 지표들이 미치는 영향을 분석하고 예측하였다. 본 논문의 제 2장에서는 항공수요 예측, 경제 환경 변화와 항공 여객 수요 간 관계 분석 관련 선행 연 구를 정리하였으며, 제 3장에서는 연구 방법, 분석 절차와 변수 선정, 분석 대상 도시 선정 및 특징에 관하여 조사하 였다. 제 4장에서는 본 논문에서 사용하는 변수들을 차원 축소하기 위한 요인 분석 및 다양한 변수들이 물동량에 미치는 영향 분석에 활용되는 다중회귀분석을 수행하였 으며, 제 5장에서는 본 연구의 결론을 제시하였다.
2. 선행 연구
항공 화물 물동량의 시계열 데이터를 통해 항공 화물을 예측하려는 시도는 과거부터 지속적으로 진행되어 왔다. Jang et al.[6]은 우리나라 항공 화물 물동량 데이터와 그에 영향을 미치는 변수들을 변수소거법(Backward Elimination) 및 단계선택법(Stepwise Regression)을 통해 도출했으며, 그에 따라 GNP(Gross National Product, 국민총생산), 수출 입총액, 환율이 항공 화물 물동량에 영향을 미치는 유의한 변수임을 확인했다. Jin et al.[7]은 항공 화물에 영향을 미 치는 변수들을 이용해 회귀분석에서 발생하는 허구적 회귀 현상을 고려하기 위해 단위근 검정을 실시하여 안정성 있 는 변수를 분석하였으며, 그에 따라 항공화물에 영향을 미 치는 변수를 GDP(Gross Domestic Product, 국내총생산), 수입, 수출입총액, 환율로 도출했다. 국토해양부 및 한국 교통연구원의 항공 수요 예측 분석 연구[12]에서는 항공 수요 예측 방법으로 단기 예측에는 시계열분석 ARIMA (Autoregressive Integrated Moving Average) 모형, 중/장기 예측에는 회귀분석을 적용하는 것을 제시하였다. 또한 항 공수요에 영향을 미치는 주요 변수들을 GDP, 환율, 중국 GDP, GNI(Gross National Income, 국민총소득), 산업생산 지수, 제조업생산지수로 지정했다. Min et al.[11]은 인천 공항발 유럽 내 도착한 항공 화물의 시계열 자료를 바탕으로 SARIMA(Seasonal Autoregressive Integrated Moving Average) 모형을 활용하고 기존의 ARIMA(Autoregressive Integrated Moving Average)와 예측 정확성을 비교함으로써 SARIMA 의 정확성을 확인하였다. Kim and Shin[8]은 경제 환경 변 화와 항공 여객 수를 상관관계 분석을 통해 항공 여객와 거시경제지수의 유의미한 관계를 도출하였다. 또한 거시 경제지수와 항공 화물과의 관계의 주요한 시사점을 제시 하였다.
해외에서도 지속적으로 항공 수요를 예측하려는 연구 가 진행되어 왔다. Heng et al.[4]은 SVM(Support Vector Machine) 알고리즘을 사용하여 베이징발 상하이 물동량 을 분석하여 항공 수요를 예측하였으며, Suryani et al.[16]는 Dynamic Simulation을 활용하여 항공 화물 수요를 예측하 고 항공 터미널의 향후 용량 계획을 수립하였다. Chou et al. [2]은 유전자 알고리즘을 이용하여 장기적인 항공 수요를 예측하였으며, Chen et al.[1]은 BPN(Back-propagation Neural Network)을 이용하여 일본발 태국 항공 여객 수요와 항 공 화물 수요에 영향을 미치는 요인들을 분석함으로써 항 공 여객 수요와 항공 화물 수요에 공통으로 영향을 미치는 요인과 단독적으로 영향을 미치는 요인들을 파악했다. Pehlivanoglu and Atik[13]는 종속변수인 항공 화물 수요 의 불확실성을 연구하기 위해 퍼지 선형계획법(Fuzzy linear Regression Forecasting Model; FRFM)으로 항공 화물 수요를 예측하였다.
이상과 같은 항공 화물 물동량 예측 관련 기존 선행연 구에서는 사전 선정된 소수의 변수들을 대상으로 하는 연구가 대부분이었던 관계로 본 연구에서는 항공 화물 물동량에 영향을 미칠 것으로 예상되는 20개의 경제 지 표들을 대상으로 PCA(Principal Component Analysis) 및 요인분석을 통해 핵심적인 변수들의 선별 및 차원 축소 를 진행하였으며, 다중회귀분석을 통해 이들 선별된 변 수들이 항공 화물 물동량에 미치는 영향을 분석하였다. 20개 지표는 국토해양부 및 한국교통연구원의 항공 수요 예 측 분석 연구[12]와 최정길 등[2]의 연구(한-일 항공사업에 다우지수 변화가 영향을 미친다는 것을 확장해 중국 항 공사업에도 적용할 수 있다고 판단함)에 기반하여 선정 하였으며, 상하이지수, 코스피와 같은 주가 지수는 경기 지표의 선행지표이기 때문에 포함되었다. 중국 관련 경제 지표는 중국 국가통계국(http://www.stats.gov.cn/tjsj/)에서 제공하는 데이터를 사용하였다.
3. 연구 방법
본 연구 모델에서는 한국 중국 간 항공 화물 물동량에 영향을 미치는 다양한 경제 지표들을 예측하고 분석하기 위해 20개의 경제 지표를 이용한다. 연구 모델은 두 가 지 과정을 거친다, 첫째, 20개의 시계열 변수를 이용한 다중회귀분석 결과는 변수들 간의 상관정도가 높게 분석 되어 데이터분석시 부정적인 영향을 미칠 것으로 예상되 었다. 다중회귀분석의 전제 조건인 변수들 간 독립성 검 증을 위해 PCA 및 요인분석을 적용하였으며, 두 분석 방법 중 PCA는 변수들 간 중요성이 있는 반면 요인분석 은 변수들 간 대등한 관계를 갖기 때문에 요인분석을 통 해 차원 축소 후 다중회귀분석의 독립변수로 사용하였 다. 둘째, 축소된 요인들을 이용하여 다중회귀분석을 통 해 각 요인들이 도시별 항공화물물동량에 미치는 영향의 유의성을 예측하는 모델을 설계하였다.
3.1 경제 지표 선정
본 연구는 인천공항과 중국 주요 도시 별 항공 화물 물동량에 영향을 주는 요인을 파악하기 위해 항공 통계 포털(Airportal)에서 제공한 월별 화물 물동량 시계열 데 이터 자료를 이용하였다. 이러한 시계열 자료는 2009년 1월부터 2019년 12월까지 약 11년간 인천공항과 중국 주 요 도시 간 항공 화물 물동량의 수를 모두 합한 데이터 자료이다. 또한 중국 데이터 포탈 및 e-나라지표에서 제 공한 2009년 1월부터 2019년 12월까지 약 11년간의 연 도별, 분기별, 월별 경제지표를 추출하였다. 상기 데이터 들을 다중회귀 분석을 이용하여 화물 물동량의 영향 요 인을 예측하는 데 활용하였다.
활용한 경제 지표로는 명목 국내 총생산(Korean GDP), 한국 경제성장률(Korean Rate of Economic Growth), 명목 국민총소득(Korean GNI), 한국경상수지(Korean Current Account Balance), 한국 무역수지(Korean Trade Balance), 코스피지수(KOSPI), 다우존스지수(DOW), 나스닥지수(NASDAQ), 상하이지수(Shangai Index), 한국 소비자물가지수 (Korean CPI), 제조업경기실사지수(Korean BSI), 한국 생산 자물가지수(Korean PPI), 환율(Exchange Rate), 국제 유가 (Oil Price), 중국 생산자 물가지수(Chinese PPI), 중국 소 비자물가지수(Chinese CPI), 중국 제조업지수(Chinese Manufacturer PMI(Purchasing Management Index)), 중국 서비스 지수(Chinese Service PMI), 중국 GDP(Chinese GDP), 중 국 경제성장률(Chinese Rate of Economic Growth)로 총 20개이다.
3.2 중국 주요 도시 선정 및 특징
항공 통계 포털(airportal)에서 제공하는 인천공항 국제 노선 별 화물 실적 순위표에서 확인한 인천공항-전 세계 도시 별 물동량 순위 중 1~4위 도시인 상하이, 광저우, 톈진, 베이징(위치는 <Figure 1> 참조)을 선정하였으며 도시 별 특징은 다음과 같다.
상하이는 연안 저지대의 지형적 입지 조건과 탄탄한 공업 기반 및 중국 정부의 대외 개방 정책으로 연간 화 물 처리량이 세계 3위에 위치한다. 인천 공항 물동량 실 적 처리 순위에서 19,572톤으로 인천공항 노선 중 2위에 위치하고 있어 중국의 경제 중심지 역할을 하는 주요 도 시이다. 또한 푸동 공항은 동북아시아의 최대의 허브 공 항이므로 한국이 해외로 화물을 수출하거나 수입할 때 푸동 공항을 거칠 확률이 높다.
광저우는 화남 지방 최대의 무역도시이며 광둥성의 행 정, 경제, 문화의 중심지이다. 중국 제1의 사업 도시로서 인구가 가장 많고, 지역내총생산(Gross Regional Domestic Product; GRDP), 소비재 판매액 규모가 가장 크다. 중국 내 수출입 규모가 3위이고, 외국인직접투자(Foreign Direct Investment; FDI) 규모는 2위이다. 아시아 금융 허브이자 자유무역항인 홍콩과도 가깝게 위치하고 있기 때문에 대 외무역의 유리한 위치한 하남 지방의 최대의 무역도시이 다. 광저우가 속한 광둥성의 경제 규모는 전국 1위이고, 중국 전체의 70%의 국제 전자 상거래가 이루어지는 도시 이다. 또한 제조업이 특화된 광저우는 자동차, 석화, IT산 업이 발달한 도시이다. 다른 도시에 비해 교육, 문화, 여가 활동에 대한 지출 비중이 높고 도매 시장이 발달한 상업 도시이다. 이와 더불어 세계를 비롯한 국내의 기업(LG 디 스플레이, 포스코 등)이 진출한 지역인 광저우는 IT산업의 발 빠른 시장 대응이 날로 늘어나면서 현지 소비에 대응하 기 위한 항공 운송의 수요가 증가하고 있다. 다른 지역에 비해 소비 시장이 안정적으로 성장하고 있고, 소비성향이 매우 높다. 리우화, 잔시루 등 전문 도매 시장들이 많은 대표적 상업도시이기 때문에 광둥성 내에서도 가장 물가 에 예민하다.
톈진은 북방 환발해 지역의 전통적인 경제, 금융의 중 심인 상공업 도시로 공업 생산액이 중국 내 최상위권이 며 전자, 금속 공업, 자동차, 방직 등의 경중공업이 발달 하여 항공 화물 물동량 연간 총액이 40조원에 달하는 전 통적인 경제 금융의 중심의 상공업 도시이다. 또한 광저 우와 경제규모가 비슷한 도시로 또한 전자, 금속 공업, 석유 화학 공업, 자동차, 방직 등 경/중공업이 발달한 도 시이다. 도시 내에 위치한 다수의 공장들을 가동하기 위 한 석유 수요가 크고 유가 변동에 따라 공장 운영 또한 변동된다. 또한 특수한 경제 정책을 가진 톈진은 대기업 으로부터의 많은 투자를 유치한 지역이다.
베이징은 탄탄한 배후 경제권과 해외 연계망을 가지고 있어 중국 전체 면적의 약 50%의 배후 경제권 역할을 한 다. 전국적인 물류 유통의 허브를 이루며 베이징을 중심 으로 방사선으로 중국에 걸쳐 도로-철도망이 구축되며 우 수 유통 회사와 베이징 공동 물류 센터가 위치하여 전국 적인 물류 유통 허브의 역할을 하는 주요 도시이다. 베이 징은 중국의 수도로 전국적인 물류 유통의 허브를 이루어 소비의 중심지 역할을 한다. 또한 베이징은 3차 산업의 비중이 가장 높은 지역으로, 서비스업 주도형 경제 구조 가 뚜렷하게 형성된 도시이며, 서비스업의 대외 개방 확 대, 생활 밀착형 소비자 서비스업의 질적 고도화를 추진 하는 도시이다. 베이징시는 본래 톈진시와 함께 전통적인 경공업을 대표하는 도시였지만 자동차, IT, 전자, 의약 등 첨단기술 제조업과 서비스업 중심의 산업 구조로 재편되 고 있다. 따라서 공장 운영 또한 제조업에서 서비스업으 로 변하고 있다. 또한 한-중 FTA와 베이징 공동 물류 센 터는 한국 기업의 중국 내 진출을 용이케 하고 2011년 이 후 한국의 베이징시 직접 투자의 비중을 확대시켜 왔다.
3.3 연구 방법
본 연구에 사용한 항공 통계는 항공법 및 통계법에 근 거하여 국토교통부, 인천국제공항공사, 한국공항공사, 한 국항공진흥협회 등 항공 관련 기관에서 작성한 데이터이 며, 이러한 데이터는 항공기 운항 스케줄(정부 인가, 허가 서 등), 항공 교통 관제 자료(비행계획자료, 출 도착 시간 등), 운항 실적 자료(입출항신고서), 항공기 비정상 운항 정보(결항, 지연 등), 항공기 등록 정보, 사고, 준사고 및 항공기 보장 보고서 등의 기초 자료를 통해 생산되었다. 항공 통계 데이터는 서울지방항공청이 항공사로부터 G/D (General Declaration, 입출항보고) 자료를 전송받아 FOIS (Flight Operation and Information System, 운항 및 비행정 보 시스템)에 수록하고, 관련 자료를 인천국제공항공사 및 한국공항공사에 제공한다. 양 공항공사는 지방항공청 의 FOIS를 통해 G/D를 실시간 인수한 후 검증 및 수정작 업을 거쳐 항공 통계를 생산한다. 인천국제공항공사는 생 산된 국내선 및 국제선 항공 통계를 근무일 기준 5일까지 한국공항공사에 제공하고, 양 공항공사는 국내선에 한하 여 월 단위로 최종 검증을 수행한다. 국제선은 양 공항공 사가 각각 점검하고, 인천국제공항공사가 생산한 자료를 한국공항공사가 취합한다. 양 공항공사는 검증 및 취합이 완료된 자료를 통해 매달 항공 통계를 생산하고, 한국항 공진흥협회 등 항공 관련 기관에 자료를 제공한다[4].
4. 연구 결과
4.1 요인 분석 결과
본 연구에서는 주요 도시의 항공 화물 물동량에 영향 을 미치는 요인들을 분석하여 향후 물동량 계획을 세우는 데 근거를 제시하기 위해 주 도시별 항공 화물 물동량에 영향을 미치는 요인의 다중회귀분석을 수행하였으며, 이 를 위해 2009년 1월부터 2019년 12월까지 11년간의 월별 ‘주가지수’, ‘경제 지표’, ‘수지’, ‘경기 판단 지표’ 등 총 20개의 경제 요인에 대하여 <Table 1> 및 <Table 2>와 같 이 요인분석을 실시하여 20개의 변수 간 공통성이 낮은 변수와 요인 항목 간 연관성이 있는 요인으로 <Table 3> 과 같이 그룹화하였다. 독립변수 및 통제변수들 간 단위 가 상이함에 따른 추정계수값의 차이를 보완하기 위해 표 준화하였다. 선정된 5개의 요인은 총 변수 설명력의 85% 를 설명하기 때문에 유의미한 변수라고 판단되며, 측정 문항을 절댓값 0.6 이상이면 유의한 것으로 판단하여 추 출하였다. 첫 번째 요인(RC1)인 ‘거시경제 지수’는 8개의 측정 문항으로 추출되었고, 이의 설명력은 34.0%로 나타 났다. 두 번째 요인(RC2)인 ‘중국 생산자/소비자 지수’는 5개의 측정 문항으로 추출되었고 이의 설명력은 16.0%로 나타났다. 세 번째 요인(RC3)인 ‘중국 제조/서비스 지수’는 3개의 측정 문항으로 추출되었고, 이의 설명력은 15.0% 로 나타났다. 네 번째 요인(RC4)인 ‘생산자/유가 지수’는 3개의 측정 문항으로 추출되었고, 이의 설명력은 12.0%로 나타났다. 마지막 다섯 번째 요인(RC5)인 ‘무역 경상 지수’ 는 2개의 측정 문항으로 추출되었고, 9.0%로 나타났다.
4.2 다중회귀분석 결과
4.1절에서 추출된 요인들이 인천과 중국 4대 도시(상 하이, 광저우, 텐진, 베이징) 간 항공 화물 물동량에 미치 는 영향에 대한 다중회귀분석을 수행하였으며, 후진제거 법(backward elimination)을 적용하여 유의하지 않은 요인 들을 제거하였다.
4.2.1 인천-상하이
인천-상하이 간 항공 화물 물동량에 미치는 영향에 대한 다중회귀분석 결과가 <Table 5> 및 <Table 6>과 같으며, RC1(거시경제 지수), RC3(중국 제조/서비스 지 수), RC4(생산자/유가 지수)가 화물 물동량에 미치는 효 과가 유의한 것으로 나타났으므로, 거시경제 지수, 중 국 제조/서비스 지수, 생산자/유가 지수가 상승함에 따 라 인천-상하이 간 항공 화물 물동량이 증가함을 확인 하였다. 또한 수정 결정계수(adjusted R2) 값이 51.20%로 모형의 설명력이 타 모델 데비 상대적으로 낮은 것을 확인하였다.
4.2.2 인천-광저우
인천-광저우 간 항공 화물 물동량에 미치는 영향에 대 한 다중회귀분석 결과가 <Table 7> 및 <Table 8>과 같으 며, RC1(거시경제 지수), RC2(중국 생산자/소비자 지수), RC3(중국 제조/서비스 지수), RC5(무역 경상 지수)가 항 공 화물 물동량에 미치는 영향이 유의한 것으로 나타났 다. 수정 결정계수 값이 76.67%로 모형의 설명력이 매우 우수한 편임을 알 수 있다. 이 같은 결과를 통해 거시경 제 지수, 중국 생산자/소비자 지수, 중국 제조/서비스 지 수, 무역 경상 지수가 상승함에 따라 인천-광저우 간 항 공화물 물동량이 증가함을 확인하였다.
4.2.3 인천-텐진
인천-텐진 간 항공 화물 물동량에 미치는 영향에 대한 다중회귀분석 결과가 <Table 9> 및 <Table 10>과 같으며, RC1(거시경제 지수), RC3(중국 제조/서비스 지수), RC4 (생산자/유가 지수), RC5(무역/경상 지수)가 화물 물동량 에 미치는 영향이 유의한 것으로 나타났다. 수정 결정계 수 값이 39.88%로 설명력이 타 모델 데비 상대적으로 낮 으며, 본 모델에서 반영되지 않은 외생 변수가 인천-텐진 간 항공 화물 물동량에 타 모델 대비 상대적으로 더 많은 영향을 미치고 있는 것을 확인했다. 또한 거시경제 지수, 중국 제조/서비스 지수, 생산자/유가 지수, 무역/경상 지수 가 상승함에 따라 인천-텐진 간 항공 화물 물동량이 증가 함을 확인하였다.
4.2.4 인천-베이징
인천-베이징 간 항공 화물 물동량에 미치는 영향을 추 정한 결과 RC1(거시경제 지수), RC3(중국 제조/서비스 지 수), RC4(생산자/유가 지수), RC5(무역/경상 지수)가 화물 물동량에 미치는 영향이 유의한 것으로 나타났다. 수정 결 정계수 값이 74.57%로 모형의 설명력이 매우 우수한 편임 을 알 수 있다. 따라서 거시경제 지수, 중국 제조/서비스 지수, 생산자/유가 지수, 무역/경상 지수가 상승함에 따라 인천-베이징 간 항공화물 물동량이 증가함을 확인하였다.
4.4 인천과 중국 주요 도시 간 항공 화물 물동량 차이 분석
<Table 13>은 중국 주요 도시 별 공업, 상업, 서비스 업, 운송업 지수(2009년부터 2019년)를, <Table 14>는 도 시 별 업종 비율을 나타내며, 각 도시 별 특징은 다음과 같다.
상하이는 동북아시아 허브역할을 하는 도시로, 운송업 과 상업은 수익의 각각 49% 26%를 차지하며 고르게 발 달되어 있다. 베이징은 3차 산업의 비중이 가장 높은 도 시이기 때문에 서비스업으로 인한 수익이 74%로 큰 비중 을 차지한다. 톈진은 대표적인 경, 중공업 도시로 수입의 92%가 공업에 의해 수익이 창출된다. 광저우는 서비스업, 공업, 상업이 고르게 수익의 비중을 차지하고 있다.
RC1(거시경제 지수)와 RC3(중국 제조/서비스 지수)의 경우 모든 도시가 유의한 것으로 나타났다. 상하이, 광저 우, 톈진, 베이징은 모두 중국 내 중요한 경제적 거점인 동시에 직할시이기 때문에 항공 물동량에 대해서 거시 경 제 지표들의 영향을 받을 수 밖에 없다. 또한 상하이는 중,경공업 제조가 특화되어 있고, 광저우는 자동차, IT 제 조, 톈진은 석유화학공업, 베이징은 첨단 기술 제조업이 발달되어 각 도시마다 제조/서비스가 특화된 산업을 가지 고 있기 때문에 모든 도시가 중국 제조/서비스 지수 와 유 의하게 나타났다.
RC2(중국 생산자/소비자 지수)는 광저우만 유의한 것 으로 나타났다. 광저우는 중국 전체의 대부분을 차지할 정도로 전자 상거래의 비율이 높고 다른 도시에 비해 안 정적인 소비 시장을 가지고 있다. 또한 물가에 가장 예민 한 곳이기 때문에 중국 생산자/소비자 지수와 강한 양의 상관관계를 가진다.
RC4(생산자/유가 지수)는 광저우를 제외한 세 도시의 물동량에 유의한 영향을 미치는 것으로 나타났다. 베이 징과 톈진은 전통적인 경중공업을 대표하는 도시이이며, 도시 내 위치한 다수의 공장들을 가동하기 위해 많은 석 유를 소요하기 때문에 유가변동에 따라 공장 운영도 변 동되므로 물동량에 영향을 미치는 생산율이 변동되는 것 으로 판단된다.
RC5(무역경상 지수)는 상하이를 제외한 세 도시의 물 동량에 유의한 영향을 미치는 것으로 나타났다. 인천-상 하이 항공 물동량은 광저우, 톈진, 베이징에 비해서 상대 적으로 높게 나타나고 시간에 따른 변동 폭이 적어 안정 적이므로 한국의 무역경상지수의 영향을 받지 않기 때문 인 것으로 판단된다.
5. 결 론
본 연구는 인천-중국 주요 도시 별 항공 화물 물동량 에 영향을 주는 20가지 변수를 요인 분석을 통해 새로운 5가지 차원의 독립 변수로 표현하였으며, 다중회귀분석 모델을 통해 항공 화물 물동량에 미치는 영향 및 도시 별 영향력이 큰 변수를 파악하였다.
본 연구에서 시사하는 바는 다음과 같다. 넓은 면적의 국토를 보유한 중국은 도시마다 뚜렷한 특징이 존재하고 주요 산업이 다양하므로 도시별 더 세밀한 조사가 필요 하므로 본 연구는 한중 노선을 운영하는 도시 기준의 분 석을 진행하였다. 또한 기존의 선행 연구는 항공 화물 물 동량을 예측하는 분석을 중심으로 이루어져 왔고 많은 수의 변수를 고려하지 않았다는 점에서 본 연구의 차별 성이 존재한다. 또한 본 연구는 중국과 관련된 기업, 항 공사 등 기타 이해관계자들의 의사 결정을 위한 가장 객 관적이고 현실적인 자료로 참고될 수 있다. 또한 도시 입 장에서 이러한 자료를 바탕으로 유의한 요인들에 대한 우선 순위를 높여야 하며 역으로 유의하지 않은 요인들 의 우선순위를 낮추어야 한다. 현재/향후 중국과 비즈니 스를 영위/고려중인 기업에서 중국의 화물 물동량에 영 향을 미치는 요인을 파악할 수 있다면 향후 중국 진출 계획, 생산 계획 및 재고 관리, 마케팅 전략 등의 계획을 변화에 맞춰 유연하게 대처할 수 있으므로 기업 운영 측 면에 큰 도움이 될 수 있다.
본 연구는 일부 모델의 경우 모델의 설명력이 낮은 한 계를 가지고 있으므로 추후 추가적인 연구를 통해 반응 변수에 영향을 주는 요인들을 더 찾아내거나 혹은 변동 성을 늘리는 요인들을 찾아내는 연구가 필요할 것으로 판단되며, 본 연구의 발전 방향은 다음과 같다. 첫째, 경 제지표 데이터를 취합하는 과정에서 국내 총생산(Korean GDP, Chinese GDP), 경제 성장률(Korean Rate of Economic Growth), 국민 총소득(Korean GNI), 제조업 경기 실사 지수(Korean BSI) 4개의 월별 데이터를 확보할 수 없었 던 관계로 동일 분기에 속하는 월들의 데이터는 모두 동 일하다는 가정 하에 변환하였다. 둘째, 본 논문에서는 특 수한 외부 영향 없이 보편적으로 화물 물동량에 영향을 미치는 정량적인 경제 지표만을 선정하여 분석을 진행하 였으며, 향후 연구에서는 THAAD 배치, 한중 FTA, COVID 19 등의 일회성/특수 사건들을 반영하는 경우 인천 과 중국 주요 도시 간 화물 물동량을 더 정확히 예측할 수 있을 것으로 판단된다.
