고령화가 지역 경제 요인에 미치는 영향 비교

Ⅰ. 서 론

Ⅱ. 고령화와 지역경제 상관관계에 대한 선행연구 고찰

1. 기존 고령화 영향에 대한 논의

인구 고령화가 지역경제에 미치는 경로에 대한 연구는 비관론·낙관론·중립론이 공존한다(Bloom et al., 2001). 이러한 견해 차이는 고령화의 영향을 시간적 변화에 따라 <그림 1>과 같이 세 가지 경로별 7개의 시나리오로 구분할 수 있다.

Figure 1.

Scenario of production change over time

먼저, 비관론 관련 연구들은 고령화는 노동 공급 감소, 저축률 하락에 따른 자본결합 위축, 그리고 노동생산성 저하라는 세 가지 경로를 통해 경제에 부정적인 영향을 미친다고 보았다(김재영·이근희, 2023; 조하현 외, 2019; Martins et al., 2005; 김기호·유경원, 2008; 신관호·황윤재, 2005). 특히 이 중 노동생산성 저하는 국내외 여러 연구에서 실증적으로 확인된 핵심 경로다(Gómez and Hernández de Cos, 2008; 안선영·김동현, 2014; Park et al., 2021). 또한 자본결합의 위축 경로와 관련해서는, 고령화가 산업구조의 변화를 유발하여 설비투자를 저해하고 자본결합도를 낮출 수 있다는 점을 지적했다(강종구, 2024).

Lee and Shin(2019)은 142개국 데이터를 통해 노령인구비율이 높아질수록(10%→15%→20%) 5년 경제성장률 감소폭이 (-1.6%→-2.5%→-3.5%) 더 커짐을 보였는데, 이는 고령화의 부정적 영향이 누적되어 시간이 지날수록 가속화됨(경로 ①)을 시사한다.

한편, 고령화의 부정적 영향이 일정한 속도로 꾸준히 지속된다는 경로 ② 역시 Lindh and Malmberg(1999)의 연구 결과로 뒷받침될 수 있다. 그들은 OECD 국가에서 65세 이상 인구 비중이 1인당 GDP 성장에 일정하게 부정적인 영향을 미치는 것을 확인했다. Maestas et al.(2023)은 미국 인구 고령화로 인한 연간 GDP 성장률 둔화 폭이 2010-2020년(1.2%)보다 2020-2030년(0.6%)에 더 작을 것으로 예측했는데, 이는 경제 주체들이 고령화에 점차 적응하면서 부정적 충격이 완화되는 경로 ③의 형태에 해당한다.

반대로 고령화의 긍정적인 면을 바라보는 연구도 존재한다. 고령화로 인한 노동력 부족은 구조조정, 생산시설 현대화, 자동화 등을 통해 노동생산성 향상을 유도한다(Elgin and Tumen, 2012; Shen et al., 2023). 특히 로봇,AI 등 ICT 기술은 노동을 대체(Acemoglu and Restrepo, 2017)하거나 노령 근로자와 보완 관계를 형성(Lee et al., 2020)할 수 있다. 한편, 고령화가 야기하는 금리 하방 압력은 기업의 자금조달 비용을 감소시켜 노동을 자본으로 대체하려는 유인을 강화하고, 이는 1인당 자본결합도를 상승시켜 생산성을 높일 수 있다는 연구도 존재한다(Aksoy et al., 2019; Arslanalp et al., 2019).

이러한 긍정적 효과 역시 시간에 따라 다른 경로를 그릴 수 있다. Acemoglu and Restrepo(2017)의 주장처럼 자동화 기술이 산업 전반으로 확산되면서 생산성 향상 효과가 커지게 된다(경로 ④). 노동력 감소에 대응하여 자본이 노동을 대체하는 자본 심화가 꾸준한 속도로 이루어지며 1인당 생산성을 지속적으로 높이는 경우(경로 ⑤)도 있다(Prettner, 2013). 반면, 새로운 기술 도입에 따른 생산성 향상 효과가 일정 수준에 도달한 후 한계효용 체감으로 인해 점차 둔화되는 경우(경로 ⑥)도 발생한다(Acemoglu and Restrepo, 2019).

고령화가 노동 공급 감소라는 부정적 측면과 자본 심화 및 기술 도입 촉진이라는 긍정적 측면을 동시에 가지므로, 두 효과가 비슷한 크기로 맞물리는 경우 총 효과는 미미할 수 있다(경로 ⑦)(Guest, 2013).

다만, 이러한 긍정론과 중립론에 대한 실증 연구는 비관론적 시나리오에 비해 아직 부족하다.

2. 생산요소와 생산성

고령화가 경제구조에 미치는 영향을 규명하려면 노동, 자본, 총요소생산성 중 고령화가 어느 측면에 더 크게 작용하는지 볼 필요가 있다. 생산요소 중심은 수확체감의 법칙에 따라 한계에 직면할 수 있기에(Krugman, 1994; Young, 1995), 인구 감소 시대에는 생산성 향상이 더 중요해지기 때문이다(김재영·이근희, 2023).

<표 1>은 <그림 1>에서 제시한 경로를 생산요소와 생산성의 변화 조합에 따라 정리한 것이다. 경로는 두 요인의 변화 방향과 기여도에 따라 구분된다. 이는 동일한 성장률이라도 그 내부의 동력 구조에 따라 경제적 의미가 달라질 수 있으며 실증연구 또한 이를 뒷받침한다. Maestas et al.(2023)은 고령화에 따른 GDP 성장 둔화의 3분의 2가 생산요소인 노동력 감소에 기인한다고 밝혔으며, 강종구(2017, 2024)는 제조업 분석을 통해 고령화가 노동공급뿐 아니라 총요소생산성에도 부정적 영향을 미친다는 것을 확인하였다. 또한 김재영·이근희(2023)는 1인당 GDP 증가율 분석을 통해 노동생산성이 생산요소 부진을 보완하는 핵심 요인임을 제시하였다. 다만 이들 연구는 모두 자본 축적 변화를 직접적으로 분석하지는 않았다.

Table 1.

Scenario of productivity and production factors

자본투입과 총요소생산성을 고려한 연구에서는 고령화가 자본결합과 총요소생산성의 기여도를 모두 약화한다고 보았다(김주영 외 2019). 반면 Aksoy et al.(2019)은 앞서 긍정론적 시각에서 고령화가 장기적으로 금리 하방 압력을 높여 자금조달 비용을 줄여 자본심화를 유도할 수 있다고 보았다. 이영성(2008a)은 1인당 자본결합도는 상승하지만, 노동생산성은 하락하는 생산성 요인들 간의 상반된 결과를 제시하였다.

이처럼 선행연구들은 경제구조의 요인, 평균 추정에 머무르고 있다. 그러나 시대적 변화를 고려할 때 고령화와 경제 구성요소 간의 관계가 고정불변이라고 단정하기는 어렵다.

따라서 본 연구는 시간적 변화에 주목한다. 성장요소를 분해하여 시기별 비교·분석을 통해 고령화와 성장 요소 간의 관계가 어떻게 변화해 왔는지를 실증적으로 분석함으로써 기존 연구와 차별화를 둔다.

Ⅲ. 고령화에 따른 자본결합도 분석

1. 분석방법

본 연구의 목표는 인구 고령화가 자본결합과 생산성 향상에 미치는 영향 경로를 규명하는 데 있다. 따라서 인구 고령화가 자본결합과 생산성에 미치는 경로를 ‘1인당’ 지표를 기준으로 분석한다. 1인당 지표는 인구 총량 효과를 넘어 노동의 질과 자본 활용 효율성에 초점을 맞추므로(Mankiw, 2021), 현재 인구구조에서 생산성을 분석하려는 본 연구 목적에 더 부합한다.

한편, 두 경로(자본결합, 생산성)를 명확히 규명하기 위해서는 요인들을 분리하여 측정할 수 있는 분석 틀이 필요하다. 그러나 기존 단순 회귀분석은 두 경로의 효과를 구분하지 못한다(O’Mahony and Timmer, 2009). 반면 이영성(2008a)의 구조방정식 모형은 고령화가 자본결합도에 미치는 직접적 영향(자본투입 경로)과 자본결합도가 1인당 생산량에 미치는 간접적 영향(생산성 경로)을 동시에 추정할 수 있어 두 경로의 상대적 중요성을 식별할 수 있다. 또한 자본스톡 추정 시 공공자본을 포함하여 사회간접자본(SOC)의 간접 효과까지 포착할 수 있다는 점에서도 분석의 정밀도를 높일 수 있다(Aschauer, 1989).

연구의 절차는 <그림 2>의 흐름도에 제시하였다. 1단계에서는 고령화가 노동을 자본으로 대체하는지를 확인하기 위해, 고령화가 1인당 자본결합도(CKL)에 미치는 영향과 추정된 자본결합도가 노동자 1인당 생산량에 기여하는 효과를 분석한다. 2단계에서는 1인당 생산량 방정식을 추정하고 노동생산성의 결정요인을 분석한다. 3단계에서는 두 결과를 종합해 고령화의 1인당 생산량에 대한 총효과를 파악하고, 4단계에서는 이를 바탕으로 미래 시나리오를 구성·검토한다.

Figure 2.

Research process

분석은 2007년부터 2020년까지 16개 광역시도(분석 일관성을 위해 세종시 제외) 패널데이터를 구축하여 수행하였다. GRDP, 지역별 총종사자 수, 65세 이상 고령인구수, 총인구 데이터는 통계청 자료를, 자본스톡은 건설업조사 및 광업·제조업조사를 바탕으로 이영성(2008b)의 방법론에 따라 민간과 공공 부문을 합산해 추계하였다. 기간은 전체(2007~2020)를 대상으로 하되, 제조업의 구조적 전환을 고려하여 전반기(2007~2014)와 후반기(2015~2020)로 나누었다. 특히 2015년은 정부의 ‘제조업 혁신 3.0’ 추진과 스마트 공장 확산, 조선업 구조조정 등으로 산업의 기술, 경제 패러다임이 전환된 시점이다(산업통상자원부, 2015; 구양미·김성훈, 2024; 이희선 외, 2020).

모형은 콥-더글러스(Cobb-Douglas) 생산 함수를 기본으로 한다. t시점의 총산출량(Q_t)은 총요소생산성(A_t), 자본투입량(K_t), 노동투입량(L_t)으로 식 (1)과 같이 나타낼 수 있다. 노동자 1인당 산출량으로 나타내기 위해 양변을 노동투입량(L_t)로 나누면 노동자 1인당을 뜻하는 식 (2)를 산출할 수 있는데, (Q/L)_t은 1인당 산출량(또는 생산량)을, (K/L)_t는 노동자 1인당 자본결합도, A_t(L)는 t기 전체 노동생산성을 뜻한다.

본 연구의 핵심 가정은 고령화가 1인당 자본결합도(K/L)_t에 영향을 미친다는 것이다. 이러한 내생적 관계와 시차 효과를 분석하기 위해 항등식으로 변환하여 t-1기의 변화율을 보여줄 수 있도록 식 (3)으로 수정하였다. 분석의 편의를 위해 (K/L)_t/(K/L)_t－1 를 CKL로 단순화하여 식 (4)로 표기하였다. 이후 1인당 생산량에 자연로그를 취해 선형식으로 변형하여 추정을 용이하도록 식 (5)를 도출하였다. 식 (6)은 고령화 변수(전기고령인구(O_t－1) 및 총인구(P_t－1))와 같은 인구구조 변수가 자본결합도의 변화를 설명하는지 검증한다.

$$

(1)

$$

(2)

$$

(3)

$$

(4)

$$

(5)

$$

(6)

이렇게 두 방정식을 묶어 3단계 최소자승추정법(Three Stage Least Squares Estimation; 이하 3SLS) 방법론으로 추정하고자 한다.

회귀모형은 일반적으로 최소자승추정법(OLS)으로 추정하지만, 종속변수 간 동시성이 존재할 경우 오차항과 설명변수 간 상관이 발생해 추정량 편의(biased) 및 불일치(inconsistent) 문제를 일으킬 수 있다(이종원, 2007).

본 연구모형은 1인당 자본결합도(CKL)의 동시성 문제 존재하는 연립방정식으로, 이를 해결하기 위해 도구변수를 활용하는 3단계 최소자승추정법(3SLS)을 적용하였다. 2SLS는 방정식을 개별 적으로 추정하므로 상호의존성이 큰 본 연구에는 적합하지 않다.

3SLS 적합 여부 검증을 위해 OLS로 추정한 식 (5)와 (6)의 잔차 간 상관관계 분석결과, 상관계수는 -0.379(p<0.01)로 통계적으로 유의하였다.

3SLS 추정 결과, 모형의 카이제곱 통계량은 모든 방정식에서 유의하였으며(p<0.01), R²는 자본결합도 변화율 방정식 (5)에서 0.9973, 1인당 생산량 방정식 (6)에서 0.5767로 양호한 설명력을 보였다.

2. 분석결과

<표 2>는 자본결합도 추정 결과를 보여준다. 2007~2020년 전체 기간 동안 노동자 1인당 자본결합도 변화율이 1% 증가할 때, 노동자 1인당 생산량은 0.5026% 증가하였다. 이는 이영성(2008a) 2.6875%보다 낮은 추정치로, 자본결합의 생산성 기여 효과가 과거보다 약화 되었음을 시사한다.

Table 2.

Capital–labor ratio estimation results (Dependent variable: 1n Q/L)

시기별로 보면, 2007~2014년에는 0.5576%, 2015~2020년에는 0.5078%로 감소하였다. 고령화가 심화된 상황에서도 자본투입 증가가 생산성 향상으로 이어지지 않고 오히려 둔화된 것이다. 이는 자본투입과 생산성 간 관계가 약화된 결과로, 동일한 자본투입이 과거보다 낮은 성과를 내는 국면으로 전환되었음을 의미한다(Krugman, 1994).

이러한 둔화 현상의 원인을 두고 여러 가능성을 고려할 수 있다. 첫째, 자본집약 산업의 경쟁력 약화로 자본투입이 과거와 같은 생산성 향상으로 이어지지 못하기 때문이다. 둘째, 자본의 질적 변화로 단순 설비 확충이 아니라 스마트·디지털 기술 도입 등 새로운 무형 자본과 결합이 일어나고 있을 가능성이다. 셋째, 경기 변동과 거시경제 환경 변화가 기업의 투자 효율성과 생산성 개선을 제약하고 있을 수도 있다. 결국, 자본의 양적 확대만으로는 더 이상 과거와 같은 생산성을 향상하기 어려운 구조로 변화하고 있음을 의미한다.

<표 3>은 고령인구 1% 증가할 때 1인당 자본결합도의 연간 변화율을 보여준다. 고령화 인구 계숫값이 1995-2006년 0.056% 대비 2007-2020년 0.0748%로 더 높게 나타나, 고령인구의 증가가 노동자 1인당 자본결합도를 높이는 것으로 나타났다. 다만, 시기별로 보면 2007~2014년과 비교할 때 2015~2020년에는 고령화가 자본결합도에 미치는 긍정적인 영향이 둔화되었다. 결과적으로 <표 4>에서 보듯, 고령인구가 1% 증가할 때, 1인당 자본결합도의 상승으로 나타나는 노동자 1인당 생산량 증가 효과는 시간이 지날수록 더 낮아지는 것으로 나타났다.

Table 3.

Estimation results for changes in capital-laobr ratio due to aging population increases (Dependent variable: 1n CKLt)

Table 4.

Estimated results of changes in productivity per worker due to capital–labor ratio increases

이는 경제가 고령화에 적응하며 노동생산성의 개선을 의미할 수도 있지만, 고령 노동자 수 증가로 인한 임금 하락과 생산성 저하의 결과일 가능성도 있다. 이와 더불어 직전 연도 변수들의 영향력은 과거와 정반대로 나타나며 산업의 구조적 변화가 진행 중임을 뒷받침한다.

IV. 고령화에 따른 노동생산성 분석

1. 분석방법

다음으로 고령화가 노동생산성(lnA_t(L))에 미치는 영향을 분석하였다. 노동생산성은 노동자 1인당 생산량에서 자본결합도가 기여한 부분을 제외한 나머지로 식 (7)과 같이 표현할 수 있다. 즉, 동일한 자본결합도를 가정해도 노동생산성은 달라질 수 있으며 이 차이는 생산성 격차를 의미한다(이영성, 2008a). 본 연구는 먼저 식 (5)를 활용하여 노동생산성 (lnA_t(L))을 추정한 뒤, 이를 종속변수로 설정하여 고령화의 영향을 분석하였다. 분석 모형은 다중 회귀분석을 사용하였으며, 하우스만 검정 결과 P값이 1% 수준에서 유의하여 고정효과모형을 채택하였다.

$$

(7)

$$

(8)

본 연구는 선행연구를 토대로 노동생산성 결정요인을 크게 생산요소의 질, 생산환경과 외부효과, 거시적 구조변화로 구분하고 하위 범주에 해당하는 통제 변수들을 <표 5>와 같이 설정하였다.

Table 5.

Variables overview

고령화는 본 연구의 핵심 독립변수로, 인구구조 변화가 생산성에 미치는 직접적 영향을 분석하였다. UN(2023)의 정의에 따라 총인구 대비 65세 이상 인구 비율을 사용하였다. 일반적으로 고령화는 노동 공급 감소와 숙련도 약화를 통해 생산성에 부정적 영향을 미치는 요인으로 알려져 있다(Maestas et al., 2023; Lee and Shin, 2019).

집적경제 효과는 도시화 경제와 지역화 경제로 구분하였다. 도시화 경제는 인구 규모와 밀도에서 발생하는 외부효과를 반영하기 위해 총인구수를 사용하였으며, 이는 지식 교류 및 시장 접근성 확대를 통해 생산성에 긍정적 영향을 미친다(Henderson et al., 2001; Puga, 2010). 반면, 지역화 경제는 산업별 특화도를 나타내는 입지계수(Location Quotient, LQ)로 측정하였으며, 산업의 상대적 특화도가 높을수록 노동생산성이 향상될 가능성이 높다(김경환 외, 2005; Henderson et al., 2001).

규모의 경제는 생산 단위의 확대로 인한 비용 절감 및 효율성 제고 효과를 고려하여 총종사자 수와 사업체 수로 측정하였다(Krugman, 1991; 이영성, 2008a). 시장구조는 경쟁 정도를 반영하기 위해 1,000명 이상 대규모 사업체 종사자 비율을 사용하였다, Porter(1990)는 과도한 시장집중이 혁신 유인을 약화시켜 생산성에 부정적 영향을 미칠 수 있다 보았다.

노동시장 요인은 고용 안정성을 나타내는 임시직 종사자 비율로 측정하였다. 임시직 비중이 높을수록 전문성 축적이 제한되어 생산성에 부정적 영향을 준다(OECD, 2004). 인적자본은 총인구 대비 대졸자 비율로 측정하였으며, 교육 수준이 높을수록 생산성 향상 효과가 크다(Lucas, 1988; 이영성, 2008a). 단, 교육 연한 자료는 5년 단위 제공이므로 연평균 성장률로 보정하였다.

공공 및 산업구조 요인도 포함하였다. 정부의 투자지출은 지방 정부 총지출 대비 투자적 경비 지출 비율로 산정하였으며, 공공 자본 축적이 민간 생산성을 지원하는 긍정적 간접효과를 고려하였다(Aschauer, 1989; Gramlich, 1994). 산업구조는 총종사자 중 사업서비스 및 금융업 종사자 비율로 측정하였으며, 생산자 서비스업 비중이 높을수록 다른 산업의 생산성을 촉진하는 긍정적 효과가 기대된다(Oulton, 1999; 허재준 외, 2007). 마지막으로 재해 및 사고 요인으로 교통사고 사상자 수를 포함하였으며, 이는 경제활동 중단과 사회적 비용 증가를 통해 생산성에 부정적 영향을 미친다(방예원 외, 2011). <표 6>은 변수들의 기술통계 결과이다.

Table 6.

Descriptive statistics

2. 분석결과

노동생산성에 가장 큰 영향을 미치는 변수를 확인한 결과, <표 7>과 같이 기간에 따라 변수별 상관관계가 다르게 나타났다. 가장 주목할 만한 결과는 고령화가 노동생산성에 미치는 영향이 2015년을 기점으로 부정적(-)에서 긍정적(+)으로 구조적으로 전환이 이루어졌다는 점이다.

Table 7.

Estimation results for the determinants of labor productivity (Dependent variable: ln_At(L))

전반기(2007-2014)에는 고령인구가 1% 증가할 때 각각 -0.139%, -0.373%로 음(-)의 값을 보였다. 이는 고령화가 노동력의 숙련도 저하 등으로 인해 생산성을 저해한다는 기존 연구와 일치하는 결과이다. 하지만 후반기(2015-2020)에는 0.3117%로 양(+)의 값으로 반전되었다. 이는 기술 투자가 고령 노동자의 경험 및 숙련도와 결합하며 고령화의 부정적 효과를 상쇄하고 나아가 생산성을 향상시키는 새로운 국면에 들어섰음을 보여준다.

이러한 구조적 전환은 다른 통제 변수에서도 나타났다. 특히 집적경제와 관련하여, 전반기에는 인구 규모에 기반한 ‘도시화 경제’의 효과가 유의했으나 후반기에는 오히려 음(-)으로 전환되었다. 반면 지역화 경제, 즉 산업 특화 수준은 후반기에 양(+)의 값으로 나타나, 산업집적을 통한 지식과 기술의 전파가 중요한 동력으로 부상했음을 보여준다(Puga, 2010; Henderson et al., 2001). 이 외에도, 생산자 서비스업(사업 서비스업, 금융업 종사자 비율)은 전반기에 생산성을 유의하게 높이는 것으로 나타나 산업구조 고도화가 중요함을 보여주었다. 반면, 인구 규모나 종사자 수와 같은 변수의 효과는 시기와 산업구조 변화에 따라 크기와 방향이 달라질 수 있어 계숫값이 불안정하게 추정되는 경향을 보였다.

V. 고령화에 따른 노동생산량 분석

3장의 식 (5)의 추정식을 활용해 노동자 1인당 생산량의 변화분을 추정하였다. 이때 전년도 노동자 1인당 자본결합도의 변화분이 포함되므로, 전년도 노동자 1인당 자본결합도 변화분은 0 값이다.

그 결과, <표 8>에서 보듯 기간별 추정 결과는 뚜렷한 차이를 보였다. 전반기(2007-2014년)에는 고령인구가 1% 증가가 노동자 1인당 생산량을 0.3297% 감소시키는 것으로 나타났으나, 후반기(2015-2020년)에는 0.3117% 증가 효과로 전환되며 고령화가 생산성 향상에 기여하는 방향으로 구조적 변화를 보였다. 전체 기간(2007-2020년)에서는 고령인구 1% 증가는 노동자 1인당 생산량을 0.1014% 감소시키는 것으로 나타났지만, 이는 2006년 이전의 -0.7195%와 비교할 때 노동생산성이 크게 개선된 결과로 해석할 수 있다. 종합하면 우리나라의 노동생산성은 고령화 심화 속에서도 점진적으로 개선되고 있으며, 이는 앞선 <그림 1> 시나리오 ④, <표 1> iv 유형에 해당하며, 우리 경제가 고령화라는 구조적 변화에 성공적으로 적응하고 있음을 보여준다(그림 3).

Table 8.

Estimated results of changes in productivity per worker

Figure 3.

Production changes per worker in 1995-2020

VI. 결 론

고령화는 한국 경제에 피할 수 없는 구조적 변화를 요구하고 있다. 본 연구는 고령화가 지역경제의 쇠퇴를 의미하는지, 아니면 새로운 성장 기회가 될 수 있는지 진단하기 위해 2007년부터 2020년까지의 지역 패널데이터를 활용해 고령화의 영향을 자본 심화 경로와 노동생산성 경로로 분해하고 동태적 전환이 있었는지를 실증적으로 분석하였다.

고령화는 노동을 자본으로 대체하여 노동자 1인당 자본결합도를 높이는 것으로 나타났다. 한편, 큰 변화는 노동생산성에서 관측되었는데 고령화가 노동생산성에 미치는 영향은 2015년 이전에는 부정적(-)이었으나, 이후 긍정적(+)으로 반전되었다. 이 두 경로를 종합한 1인당 생산량에 대한 고령화의 총효과 역시 뚜렷한 양(+)의 효과로 전환되었다. 지역경제가 급속한 고령화에 예상보다 성공적으로 적응하며, 새로운 성장 경로를 모색하고 있다는 것을 보여준다.

고령화는 모든 지역에 획일적인 쇠퇴를 가져오는 것이 아니라, 지역의 산업·기술 역량에 따라 성패가 나뉘는 ‘분기점’인 것이다. 적응에 성공한 지역은 생산성 향상 경로로 이동하는 반면, 그렇지 못한 지역은 쇠퇴 위험이 커질 수 있다. 따라서 고령화 비율이라는 단일 지표로 성장잠재력을 단정하기보다, 해당 지역이 어느 성장 경로 위에 있는지를 진단하고 그에 맞는 차별화된 정책 처방을 제시해야 한다.

이와 함께 자본결합도보다 노동생산성 향상이 성장을 견인한다는 연구 결과는 과거의 성공 방정식이었던 유형자본(물리적 자본)투입 중심의 성장이 더 이상 유효하지 않음을 보여준다. 이는 특히 비수도권에서 강조해 온 대규모 산업단지 조성이나 기반시설 확충만으로는 지속가능한 성장을 담보하기 어렵다는 사실을 드러낸다. 따라서 무형자본 축적 경로, 특히 노동생산성을 확립하는 것이 중요하며, 이를 위해서는 고령인구의 경험 자본을 생산성으로 전환하는 노력과 함께 지식 집약 산업을 확대하려는 노력이 필요하다.

물론, 유형자본 또한 여전히 제조업을 비롯한 지역 산업의 핵심 기반으로 기능한다. 다만 저성장 시대에 과거와 같은 양적 확대는 기업과 정부에 부담으로 작용할 수 있다. 동일한 생산성을 더 적은 자본으로 달성할 수 있도록 효율성을 높이는 방향으로의 전환이 요구된다.

이러한 맥락에서 두 축은 상호 대체적인 관계가 아니라 보완적인 성격을 가진다. 무형자본 투자가 노동생산성 향상을 통해 새로운 성장 동력을 제공한다면, 유형자본 효율화는 기존 산업 기반을 안정적으로 유지하게 한다. 결국 무형자산 축적과 유형자본 효율화가 과거의 단순 자본 확장 모델을 대체하는 새로운 지역의 성장 전략으로 자리매김할 수 있다.

본 연구는 생산성 증가를 확인하였으나 몇 가지 한계가 있다. 첫째, 2015년 이후 노동생산성 반전이 기술 혁신·무형자본 축적에 따른 질적 개선인지, 저임금 고령 노동자 비중 확대에 따른 구조적 요인인지를 구분하지 못했다. 따라서 생산성 증대가 반드시 질적 개선을 의미한다고 단정할 수 없으며, 이에 대한 추가 연구가 필요하다. 둘째, 자본결합도의 둔화가 단순한 수익 체감 때문인지, 혹은 유형자본에서 무형자본으로의 전환에 기인한 것인지는 규명하지 못했다. 셋째, 확인된 <그림 3>의 경로가 한국 특유의 현상인지 여부를 판단하기 위해 일본·미국·중국 등과의 국제 비교연구가 요구된다.

마지막으로, 분석 단위가 16개 광역시·도에 한정되어 지역 특성이 과도하게 반영될 수 있으며, 해석과 일반화에 주의가 필요하다. 이를 보완하기 위해 지역·연도 고정 효과를 적용하고 COVID-19 충격이 반영된 2020년을 제외한 강건성 검증을 실시했고 핵심 결론의 방향성은 일관되게 유지되는 것을 확인했다.¹⁾ 그럼에도 분석 단위가 광역시·도 수준에 머물러 있어, 지역 내 산업구조와 인구 특성을 충분히 반영하지 못했을 가능성은 남아있다. 향후 연구에서는 시·군·구 단위와 산업별 세부 통계를 활용한 추가 분석이 필요하다.

References

• 강종구, 2017. “인구고령화에 따른 우리나라 산업구조 변화”, 「BOK 경제연구」, 2017(28): 1-63.
  Kang, J.K., 2017. “Changes in the Korean Industry Structure Due to Its Population Aging”, BOK Working Paper, 2017(28): 1-63. [https://doi.org/10.2139/ssrn.3055583]
• 강종구, 2024. “인구 고령화가 산업별 노동생산성에 미치는 영향-비선형적 영향을 감안한 분석-”, 「노동경제논집」, 47(1): 25-50.
  Kang, J.K., 2024. “The Effects of Population Aging on Labor Productivity by Industry”, Korean Journal of Labour Economics, 47(1): 25-50.
• 교육부, 2022. 「2021년 국가평생교육통계조사」, 세종: 교육부.
  Ministry of Education, 2022. 2021 National Lifelong Education Statistics Survey, Sejong: Ministry of Education.
• 구양미·김성훈, 2024. “한국 제조업 입지 변화와 산업도시 쇠퇴”, 「한국경제지리학회지」, 27(2): 75-94.
  Koo, Y. and Kim, S., 2024. “Changes in Manufacturing Location and the Decline of Industrial Cities in Korea”, Journal of the Economic Geographical Society of Korea, 27(2): 75-94.
• 김경환·이창무·김경아·조응래, 2005. 「수도권 집중의 사회적 비용·편익 추정의 검증」, 경기연구원.
  Kim, K.H., Lee, C.M., Kim, K.A., and Cho, Y.R., 2005. Social Costs and Benefits Associated with the Concentration of Population in the Capital Region, Gyeonggi Research Institute.
• 김기호·유경원, 2008. “인구고령화가 인적자본 투자 및 금융시장에 미치는 영향”, 「보험금융연구」, 19(3): 165-207.
  Kim, K.H. and Yoo, K.W., 2008. “The Effects of Population Aging on Human Capital Investment and Financial Markets in Korea”, Journal of Insurance and Finance, 19(3): 165-207.
• 김재영·이근희, 2023. “인구감소가 경제성장 및 노동생산성에 미친 영향”, 「경제논집」, 62(2): 93-138.
  Kim, J. and Rhee, K., 2023. “The Effect of Population Decline on Economic Growth and Labor Productivity”, Seoul Journal of Economics, 62(2): 93–138.
• 김주영·김원규·김인철·임소영·조재한·길은선·송단비· 송영진·임은정·정선인·김한흰·이영환, 2019. 「인구구조 변화에 따른 산업구조와 노동시장 변화 분석 및 정책과제」, 산업연구원.
  Kim, J., Kim, W., Kim, I., Im, S., Cho,J., Gil, E., Song, D., Song, Y., Im, E., Jeong, S., Kim, H., and Lee, Y., 2019. The Impact of Demographic Change on the Industrial Structure and Labor Market in Korea, Korea Institute for Industrial Economics & Trade.
• 방예원·임형준·권영준·조성식·이태경·윤인기·주영수, 2011. “시계열 자료를 이용한 산업재해와 관련된 사회·경제적 요인 분석”, 「대한직업환경의학회지」, 23(4): 397-406.
  Bang, Y.W., Im, H.J., Kwon, Y.J., Cho, S.S., Lee, T.K., Yoon, I.K., and Ju, Y.S., 2011. “The Effect of Socio-Economic Factors on Occupational Injuries in Korea: A Time Series Analysis”, Annals of Occupational and Environmental Medicine, 23(4): 397-406. [https://doi.org/10.35371/kjoem.2011.23.4.397]
• 산업통상자원부, 2015. “제조업 혁신 3.0 전략”, 세종.
  Ministry of Trade, Industry and Energy, 2015. “Manufacturing Innovation 3.0 Strategy”, Sejong.
• 신관호·황윤재, 2005. “인구구조 변화가 총노동생산성에 미치는 영향”, 「경제분석」, 11(2): 1-35.
  Shin, K. and Whang, Y., 2005. “Aging and Aggregate Labor Productivity”, Economic Analysis, 11(2): 1-35.
• 안선영·김동헌, 2014. “노동력의 고령화는 노동생산성을 저하시키는가?: 한국 사례에 대한 실증분석”, 「한국경제연구」, 32(4): 157-181.
  An, S. and Kim, D.H., 2014. “Does the Aging Labor Force Reduce Labor Productivity?: An Empirical Analysis of Korea Case”, Journal of Korean Economy Studies, 32(4): 157-181.
• 이영성, 2008a. “고령화가 지역경제에 미치는 영향”, 「국토계획」, 43(7): 7-16.
  Lee, Y.S., 2008a. “The Effect of Population Aging on Regional Economy”, Journal of Korea Planning Association, 43(7): 7-16.
• 이영성, 2008b. “우리나라 광역시·도의 총요소생산성과 결정요인”, 「국토연구」, 58: 39-53.
  Lee, Y.S., 2008b. “Metro Cities’ and Provinces’ Total Factor Productivity and its Determinants in Korea”, The Korea Spatial Planning Review, 58: 39-53. [https://doi.org/10.15793/kspr.2008.58..003]
• 이종원, 2007. 「계량경제학」, 서울: 박영사.
  Lee, J.W., 2007. Econometrics, Seoul: Pakyoungsa.
• 이희선·강동우·최충, 2020. “조선업 위기가 지역상권 고용에 미친 영향: 거제시와 통영시 사례를 중심으로”, 「경제학연구」, 68(2): 119-154.
  Lee, H., Kang, D., and Choi, C., 2020. “Impacts of the Shipping Industry Crisis on Local Employment: Evidence from Geoje-si and Tongyeong-si”, Korean Journal of Economic Studies, 68(2): 119-154.
• 조하현·임성원·임현진, 2019. “인구구조변화가 경제성장에 미치는 효과: VARX 모형을 이용한 한국 (1987–2017) 사례분석”, 「한국경제연구」, 37(4): 113-142.
  Jo, H., Lim, S., and Lim, H., 2019. “The Influence of Demographic Changes on Economic Growth: A VARX Approach in Korea (1987–2017)”, Journal of Korean Economy Studies, 37(4): 113-142. [https://doi.org/10.46665/jkes.2019.12.37.4.113]
• 허재준·서환준·이영수, 2007. 「한국경제의 구조변화와 서비스업 고용」, 한국노동연구원.
  Huh, J., Seo, H., and Lee, Y., 2007. Structural Change of the Korean Economy and Employment in the Service Sector, Korea Labor Institute.
• Acemoglu, D. and Restrepo, P., 2017. “Secular Stagnation? The Effect of Economic Growth in the Age of Automation”, American Economic Review, 107(5): 174-179. [https://doi.org/10.1257/aer.p20171101]
• Acemoglu, D. and Restrepo, P., 2019. “Automation and New Tasks: How Technology Displaces and Reinstates Labor”, Journal of Economic Perspectives, 33(2): 3-30. [https://doi.org/10.1257/jep.33.2.3]
• Aksoy, Y., Basso, H.S., Smith, R.P., and Grasl, T., 2019. “Demographic Structure and Macroeconomic Trends”, American Economic Journal: Macroeconomics, 11(1): 193-222. [https://doi.org/10.1257/mac.20170114]
• Arslanalp, S., Lee, J., and Rawat, U., 2019. “Demographic and Interest Rates in Asia”, Japan and the World Economy, 50: 14-24. [https://doi.org/10.1016/j.japwor.2019.03.001]
• Aschauer, D.A., 1989. “Is Public Expenditure Productive?”, Journal of Monetary Economics, 23(2): 177-200. [https://doi.org/10.1016/0304-3932(89)90047-0]
• Bloom, D.E., Canning, D., and Sevilla, J., 2001. Economic Growth and the Demographic Transition, NBER Working Paper Series, Working Paper 8685, Cambridge, MA: NBER. [https://doi.org/10.3386/w8685]
• Bodnár, K. and Nerlich, C., 2022. The Macroeconomic and Fiscal Impact of Population Ageing, European Central Bank (ECB) Occasional Paper Series No. 296, Frankfurt am Main: European Central Bank.
• Elgin, C. and Tumen, S., 2012. “Can Sustained Economic Growth and Declining Population Coexist?”, Economic Modelling, 29(5): 1899-1908. [https://doi.org/10.1016/j.econmod.2012.06.004]
• Gómez, R. and Hernández de Cos, P., 2008. “Does Population Ageing Promote Faster Economic Growth?”, Review of Income and Wealth, 54(3): 350-372. [https://doi.org/10.1111/j.1475-4991.2008.00279.x]
• Gramlich, E.M., 1994. “Infrastructure Investment: A Review Essay”, Journal of Economic Literature, 32(3): 1176-1196.
• Guest, R., 2013. Population Ageing and Productivity: Implications and Policy Options for New Zealand, New Zealand Treasury Working Paper 13/21, Wellington: The Treasury, New Zealand Government.
• Henderson, J.V., Kuncoro, A., and Turner, M., 2001. “Scale Externalities in Korea”, Journal of Urban Economics, 49(3): 479-504. [https://doi.org/10.1006/juec.2000.2202]
• Krugman, P., 1991. “Increasing Returns and Economic Geography”, Journal of Political Economy, 99(3): 483-499. [https://doi.org/10.1086/261763]
• Krugman, P., 1994. “The Myth of Asia’s Miracle”, Foreign Affairs, 73(6): 62-78. [https://doi.org/10.2307/20046929]
• Lee, H.H. and Shin, K.H., 2019. “Nonlinear Effects of Population Aging on Economic Growth”, Japan and the World Economy, 51: 100963. [https://doi.org/10.1016/j.japwor.2019.100963]
• Lee, J.W., Song, E., and Kwak, D.W., 2020. “Aging Labor, ICT Capital, and Productivity in Japan and Korea”, Journal of the Japanese and International Economies, 58: 101099. [https://doi.org/10.1016/j.jjie.2020.101095]
• Lindh, T. and Malmberg, B., 1999. “Age Structure Effects and Growth in the OECD, 1950-1990”, Journal of Population Economics, 12(3), 431-449. [https://doi.org/10.1007/s001480050107]
• Lucas Jr., R.E., 1988. “On the Mechanics of Economic Development”, Journal of Monetary Economics, 22(1): 3-42. [https://doi.org/10.1016/0304-3932(88)90168-7]
• Maestas, N., Mullen, K.J., and Powell, D., 2023. “The Effect of Population Aging on Economic Growth, the Labor Supply, and Productivity”, American Economic Journal: Macroeconomics, 15(2): 306-332. [https://doi.org/10.1257/mac.20190196]
• Mankiw, N.G., 2021. Macroeconomics (11th ed.), New York: Worth Publishers.
• Martins, J.O., Gonand, F., Antolin, P., de la Maisonneuve, C., and Yoo, K.Y., 2005. The Impact of Aging on Demand, Factor Markets and Growth, OECD Economics Working Papers No. 420, OECD.
• OECD, 2004. OECD Employment Outlook 2004, Paris: OECD Publishing.
• OECD, 2019. OECD Regional Outlook 2019: Leveraging Megatrends for Cities and Rural Areas, Paris: OECD Publishing.
• O’Mahony, M. and Timmer, M.P., 2009. “Output, Input and Productivity Measures at the Industry Level: The EU KLEMS Database”, The Economic Journal, 119(538): F374-F403. [https://doi.org/10.1111/j.1468-0297.2009.02280.x]
• Oulton, N., 1999. Must the Growth Rate Decline? Baumol’s Unbalanced Growth Revisited, Bank of England Working Paper No. 107, Bank of England. [https://doi.org/10.2139/ssrn.228963]
• Park, S.Y., Shin, K.H., and Kikkawa, A., 2021. “Aging, Automation, and Productivity in Korea”, Journal of the Japanese and International Economies, 59: 101109. [https://doi.org/10.1016/j.jjie.2020.101109]
• Porter, M.E., 1990. The Competitive Advantage of Nations, New York: Free Press. [https://doi.org/10.1007/978-1-349-11336-1]
• Prettner, K., 2013. “Prettner, K., 2013. “Population Aging and Endogenous Economic Growth”, Journal of Population Economics, 26: 811-834. [https://doi.org/10.1007/s00148-012-0441-9]
• Puga, D., 2010. “The Magnitude and Causes of Agglomeration Economies”, Journal of Regional Science, 50(1): 203-219. [https://doi.org/10.1111/j.1467-9787.2009.00657.x]
• Shen, D., Liang, H., and Shi, W., 2023. “Rural Population Aging, Capital Deepening, and Agricultural Labor Productivity”, Sustainability, 15(10): 8331. [https://doi.org/10.3390/su15108331]
• UN, 2023. World Social Report 2023: Leaving No One Behind in an Ageing World, New York: United Nations.
• Young, A., 1995. “The Tyranny of Numbers: Confronting the Statistical Realities of the East Asian Growth Experience”, The Quarterly Journal of Economics, 110(3): 641-680. [https://doi.org/10.2307/2946695]
• 국가데이터처, “도로교통사고사망률”, 2024.10.03. 읽음. 지표누리, https://www.index.go.kr/unify/idx-info.do?idxCd=4261
  Ministry of Data and Statistics, “Road Traffic Accident Fatality Rate”, Accessed October 3, 2024. 지표누리, https://www.index.go.kr/unify/idx-info.do?idxCd=4261
• 국가데이터처, “전국사업체조사”, 2024.10.03. 읽음. KOSIS, https://kosis.kr/statHtml/statHtml.do?sso=ok&returnurl=https%3A%2F%2Fkosis.kr%3A443%2FstatHtml%2FstatHtml.do%3Flist_id%3DJ2_17_001_001%26obj_var_id%3D%26seqNo%3D%26tblId%3DDT_1K52D01%26vw_cd%3DMT_ZTITLE%26orgId%3D101%26path%3D%252FstatisticsList%252FstatisticsListIndex.do%26conn_path%3DMT_ZTITLE%26itm_id%3D%26lang_mode%3Dko%26scrId%3D%26
  Ministry of Data and Statistics, “National Business Survey”, Accessed October 3, 2024. KOSIS, https://kosis.kr/statHtml/statHtml.do?sso=ok&returnurl=https%3A%2F%2Fkosis.kr%3A443%2FstatHtml%2FstatHtml.do%3Flist_id%3DJ2_17_001_001%26obj_var_id%3D%26seqNo%3D%26tblId%3DDT_1K52D01%26vw_cd%3DMT_ZTITLE%26orgId%3D101%26path%3D%252FstatisticsList%252FstatisticsListIndex.do%26conn_path%3DMT_ZTITLE%26itm_id%3D%26lang_mode%3Dko%26scrId%3D%26
• 행정안전부, “주민등록인구현황”, 2024.10.03. 읽음. KOSIS, https://kosis.kr/statHtml/statHtml.do?sso=ok&returnurl=https%3A%2F%2Fkosis.kr%3A443%2FstatHtml%2FstatHtml.do%3FtblId%3DDT_1B040A3%26orgId%3D101%26
  Ministry of the Interior and Safety, “Resident Registration Population Status”, Accessed October 3, 2024. KOSIS, https://kosis.kr/statHtml/statHtml.do?sso=ok&returnurl=https%3A%2F%2Fkosis.kr%3A443%2FstatHtml%2FstatHtml.do%3FtblId%3DDT_1B040A3%26orgId%3D101%26
• 행정안전부, “지방재정연감”, 2024.10.03. 읽음. 지방재정365, https://www.lofin365.go.kr/portal/LF4100001.do
  Ministry of the Interior and Safety, “Local Fiscal Yearbook”, Accessed October 3, 2024. Local Finance Integrated Open System, https://www.lofin365.go.kr/portal/LF4100001.do