항만의 사회 네트워크가 물동량에 미치는 영향에 대한 연구€¦ · 항만의...

항만의 사회 네트워크가 물동량에 미치는 영향에 대한 연구 : 항만간 협력지수를 중심으로6)

임 병 학*7)Byung Hak Leem ․ 전 희 주**8)Hee Ju Chun 초 록

본 연구는 항만 네트워크에 사회 네트워크 분석 방법을 적용하여 항만의 물동량에 대한 네트워크

변수의 영향을 분석한 연구이다. 항만들간 협력에 대한 측정은 항만과 항만의 협력에 의해 어느

정도 알 수 있다. 이 협력 정도를 알 수 있는 지표를 기반으로 한 네트워크 분석은 상품의 흐름뿐만

아니라 항만들의 역할을 분석할 수 있다. 따라서 본 연구는 사회 네트워크 분석 측면에서 협력을

기반으로 사회 네트워크를 구성하여, 각 항만들의 상대적 역할을 규명하고, 항만의 물동량에 대한

네트워크 변수들의 영향을 분석하는데 목적을 두고 있다. 본 연구의 분석 결과 물동량과 항만

네트워크의 연결정도 중심성과 근접 중심성의 상관관계가 높은 관계로 나타났다. 그리고 항만 네

트워크의 7 개의 변수 가운데 외향 근접 중심성(out-closeness)이 항만 물동량에 가장 높은 영향

을 미치는 것임을 알 수 있었다. 즉 항만간 협력지수 기반 네트워크 분석 관점에서 항만 물동량을

향상시키기 위해서는 외부 항만과의 협력 강도를 높여야 함을 알 수 있다.

키워드 : 항만 네트워크, 사회 네트워크 분석, 협력지수, 물동량

A Study on the Impact of Social Network at Ports on Throughput with a focus on Port Cooperation Index

ABSTRACT

This study is a research that analyzes impact of ports network variables on throughput

of ports. Measurement of cooperation between ports is possible by the degree to

cooperate between ports. This degree to cooperate can be estimated by cooperation

indices between ports. So, therefore, the study aims to analyze the impact of ports

network variables on throughput of ports. This network is built using cooperation

indices between ports, and network variables are composed of measures by social

network analysis. In this study, we find that throughput and degree/closeness

centrality are highly correleated, and most importantly, out-closeness centrality of 7

network varibles impacts most on throughput. This means that the higher cooperative

strength is, the more throughput is. That is to say, throughput can be enhanced by

strengthening the cooperation between ports in the perspective of network analysis

based on cooperative index between ports.

Keywords : Port Network, Social Network Analysis, Cooperation Index, Throughput

*6)부산외국어대학교 경영학부 부교수([email protected]), 주저자 **7)부산외국어대학교 데이타경영학과 조교수([email protected]), 교신저자

논문 투고일 : 2011.8.18 수정 완료일 : 2011.11.24 게재 확정일 : 2011.12.1

290 POSRI경영경제연구 제11권 제3호 2011

Ⅰ. 서 론

항만의 물동량은 소재 국가 및 지역의 경제성장률, 수출입 교역량, 항만 서비스 품질, 항만 비용 그리고 지정학적 위치 등의 다양한 요인들에 의해 영향을 받는다. 최근에 주요 항만을 중심으로 항만의 협력을 기반으로 하는 네트워크의 특성이 항만의 물동량에 어떻게 영향을 미치고 있는지에 대해 연구되고 있다. 이런 연구는 항만을 노드로 하고, 연결을 항만간 물동량의 교류나 항만 간 항로 수 등에 의해 항만 네트워크를 구축하여 네트워크 특성을 측정하고, 그 특성이 물동량에 미치는 영향을 분석하고 있다. 한진물류연구원(2005)은 선형 별, 지역 별, 선사 국적 별, 선사 얼라이언스 별 항로 네트워크를 항만 간 선복량 기준에 의해 동북아의 주요 운항 항로의 구조 분석을 통해 피더(Feeder) 네트워크 강화 방안을 제시하고 있다. 이 연구는 전반적인 항만 네트워크 구조를 시각적으로 볼 수 있게 하였지만 각 항만의 역할내지 영향력을 측정하지는 못하였다. Low 등(2009)은 네트워크 관점에서 아시아 항만들 간 협력과 연결을 기반으로 한 네트워크 기반 거점(Hub) 항만 평가 모형을 제시하여, 연결과 협력지수에 영향을 미치는 요인들을 밝히고, 경쟁력이 있고 지속 가능한 항만으로 발전하기 위한 방안을 제시하였다. 이들의 연구는 연결지수와 협력지수에 의한 매트릭스로부터 글로벌 거점과 지역 거점 항만 역할을 제시하는데 공헌하고 있지만 영향력이나 매개성과 같은 항만 네트워크 속성들의 측정으로 거점과 지점(Spoke)으로 이루어진 네트워크 구조 분석에는 못 미치고 있다.

Ducruet 등(2010)은 1996년부터 2006년까지 선박 항로 데이터베이스를 기반으로 항만간 교통 흐름에 의해 동북 아시아 항로 네트워크를 구축하고 사회 네트워크 분석 기법을 이용하여 네트워크를 분석 하였다. 이 연구는 주요 허브 항만의 네트워크 속성인 중심성(Centrality), 연결성(Connectivity), 취약성(Vulnerability)의 변화를 분석하는데 공헌하였지만, 이러한 네트워크 특성들과 항만의 물동량이나 성과와의 관계는 제시하지 못하고 있다.

따라서 본 연구는 그래프 분석 기법에 기반을 둔 새로운 개념인 사회 네트워크 분석 기법을 기반으로 Low 등(2009)이 제시하고 있는 협력지수(Cooperation Index)를 이용하여 사회 네트워크를 구성하고, 사회 네트워크 분석의 속성에 대한 지표들을 측정한 후, 각 항만의 물동량과 이 지표들 간 상관관계 및 네트워크 지표의 영향 정도를 분석하고 향후 항만 운영 전략을 도출할 수 있는 기반을 제시하고자 한다.

항만의 사회 네트워크가 물동량에 미치는 영향에 대한 연구: 항만간 협력지수를 중심으로 291

본 연구의 구성은 다음같이 이루어져 있다. 이어지는 제Ⅱ장은 이론적 배경이 되는 사회네트워크분석 방법론과 문헌검토를 통해 본 논문의 방향과 차이점을 제시하였다. 제 Ⅲ 장은 사회 네트워크 분석 방법론을 이용하여 항만 네트워크 분석을 수행하였다. 항만 네트워크를 협력지수에 의해 구성하고 각 네트워크에 대해 속성과 지표를 측정 하여 서로 비교 검토 하였다. 제 Ⅳ 장은 물동량에 대한 항만 네트워크 지표의 영향을 분석하였다. 마지막으로 제Ⅴ장은 본 연구의 결론, 공헌, 한계점, 그리고 향후 연구방향을 제시하였다.

Ⅱ. 이론적 배경과 문헌연구

1. 사회네트워크분석

사회 네트워크는 개인이나 조직이 친구관계, 거래관계, 공동 소속관계 등과 같은 사회적 관계에 의해 형성된 사회구조이다. 이 네트워크는 행위자(Actor) 혹은 노드(Node)1)와 관계(Tie) 혹은 연결(link)에 의해 표현된다. 일반적으로 사회 네트워크 분석의 속성은 네 가지로 분류되는데, 즉 네트워크 명성, 네트워크 응집력, 네트워크 범위, 네트워크 매개로 나눌 수 있다(자세한 내용은 Wasserman, S., & Faust, K. (1994) 참조). 본 연구에서는 이 4가지 속성 중 네트워크 명성과 매개만을 다루기로 한다. 명성은 네트워크에서 누가 권력을 가지고 있는지를 혹은 누가 책임을 지고 있는지를 의미한다. 다시 말해서 명성은 조직 내의 다른 행위자들과 얼마나 광범위하게 연결되어 있는지의 정도를 말한다. 명성을 측정할 수 있는 지표는 측정 방법에 따라 연결정도 중심성과 근접 중심성이 있다. 연결정도와 근접 중심성의 경우 네트워크가 방향성이 있는 경우 각각 내 ․ 외향 연결정도(In-/Out-Degree) 중심성과 내 ․ 외향 근접(In-/Out-Closeness) 중심성으로 분리하여 측정할 수 있다. 내향이란 의미는 노드안으로 향하고 있는 연결(링크)를, 외향이란 다른 노드로 향하고 있는 링크를 의미한다.

네트워크 매개는 다른 네트워크와 연결해 주는 것(Burt, 1992a; Nohria, 1992)으로 매개 중심성, 구조적 공백, 위세 중심성에 의해 측정한다. 매개 중심성(Betweenness)은 네트워크 내에서 한 행위자가 담당하는 매개자 혹은 중재자 역할의 정도로 측정하고, 1) 노드(Node)란 용어는 네트워크의 마디, 결점 등으로 번역될 수 있으나, 본 논문에서는 노드로 표기함.


중심성 지표 정 의 의 미

연결정도중심성

1( )

nw

D ijj

C i A=

=å여기서 노드 i 와 노드 j 간 링크의 가중치가 있을 경우 ( )ij ijA w i j= ¹ 이고, 그렇지 않은 경우는 0ijA = 이고, ijw 를 노드 i 와 노드 j 간 링크의 가중치이다.

한 노드가 다른 노드들과 얼마만큼 관계를 맺고 있는가를 계량화한 것으로, 한 노드에 직접적으로 연결되어 있는 노드들의 합

근접 중심성

,

1( )j

Cijv V i j

nC id

Î ¹

-=å

여기서 n 은 네트워크 노드의 수, ijd 는 노드 i 에서 j 까지의 거리를 말한다

네트워크 내 직/간접적으로 연결된 모든 행위자 간의 거리를 계산한 것으로 두 노드를 잇는 가장 짧은 경로거리를 모두 더한 것에 역수를 취한 값

매개 중심성

( )( ) kj

Bk i j N kj

iC i

ss¹ ¹ Î

= å여기서 kjs 가 노드 kv 와 jv 간의 가장 짧은 모든 경로의 합이고, ( )kj is 는 노드 kv 를 지나는 가장 짧은 경로의 수

네트워크 내에서 한 노드가 담당하는 매개자 혹은 중재자 역할 정도

아이겐벡터 중심성

( ) 1

1 1 N

i j ij jj M i j

x x a xl lÎ =

= =å å여기서 ix 은 노드 i 의 점수, ( )M i 은 노드 i 와 연결된 모든 노드들의 집합, l 를 상수, N 은 모든 노드들의 집합을 가리킨다.

중심성은 높은 점수를 갖는 노드에 대한 연결이 낮은 점수를갖는 노드에 대한 연결보다 노드의 점수에 더 많은 공헌을 한다는 원칙을 기반으로 네트워크의 모든 노드들에 상대적 점수를 부여하는 방법

<표 1> 네트워크 중심성 지표 요약

위세 중심성은 Bonacich의 아이겐벡터 중심성(Eigenvector Centrality)이 가장 유명하다(Bonacich, 1987, 1972). 아이겐벡터 중심성으로 네트워크 내에서 가장 영향력이 있는 중심 노드를 찾을 때 유용한 측정 지표이다. 마지막으로 구조적 공백(Structural Hole)은 정보 매개(Brokerage) 기회 함수로 정의된다. 그룹 간 약한 연


결은 시장의 사회적 구조에서 공백이 있을 수 있어, 이 공백들과 연결을 가지고 있는 개인은 경쟁 우위를 창출할 수 있다.

위에서 기술한 사회 네트워크 분석 지표에 대한 측정 방법과 의미를 <표 1>에서 요약 정리하여 보여주고 있다.

2. 문헌연구

국가 간 대규모의 화물은 해양 선박에 의해 운송되고 있어, 이 해양 운송은 세계 무역과 경제 발달에 중요한 역할을 해왔다. 오늘날 대부분의 해운 선사들은 복잡한 컨테이너 운송 네트워크 시스템을 형성하고 있는 거점과 지점(Hub-And-Spoke) 운영 구조를 채택하고 있어, 항만간 네트워크와 밀접한 관계를 가지고 있다. Cisic 등(2007)은 지중해 지역의 항만을 노드로 선사의 서비스를 연결로 하는 항만 네트워크를 구축하고 사회네트워크분석 방법을 활용하여 네트워크 수준과 노드 수준에서 분석을 제시하였다. 그들의 분석에 따르면 항만 네트워크는 멱함수 분포를 따르고 있음을 보였고, 네트워크 분석 지표를 통해 항만의 명성, 중요도, 영향력이 있는 항만을 제시하였다. 항만 네트워크의 위상학적 분석에 치중한 나머지 항만 성과와의 관련성은 간과하고 있다.

Hu와 Zhu(2009)는 해운 선사들의 항로를 기반으로 항만간 해운 운송 네트워크를 구축하여, 이 네트워크가 멱함수 법칙(Power Law)를 따르는 좁은 세상 네트워크(Small-World Network)임을 찾아냈다. 또한 중심성 지표들-연결정도, 근접, 매개 중심성 간 강한 상관관계가 있음을 밝혔고, 항만 네트워크는 다른 운송 네트워크와 같이 계층형 구조와 부익부 빈익빈(부의 불평등 현상) 현상이 있음을 제시하고 있다. 이 연구는 물리학적인 관점에서 항만 네트워크를 분석하고 항만 네트워크의 특성들을 찾아내는데 공헌하였지만 이런 네트워크 속성들이 선사들이나 항만들의 성과에 어떻게 영향을 미치고 있는 지까지는 확장시키지 못하고 있다.

Ducruet, C. 등(2010)은 항만 간 선사 이동 자료를 기반으로 항만 네트워크를 구축하고 사회 네트워크 분석관점에서 네트워크 지표를 분석하여 항만의 위치를 제시하였다. 항만 네트워크의 위치를 알려주는 연결정도 및 중심성 지표와 항만 물동량(Throughput)간 상관관계를 비교하였지만 이러한 지표들과 항만의 성과와의 관계를 통계적으로 입증하지는 못하였다.


Ducruet과 Notteboom(2010)은 직접 기항에 의한 선박 운항을 기반으로 항만을 노드(node)로 하고, 선박 이동 경로를 연결(Edge)로 하는 글로벌 항만 네트워크를 구축하였다. 이 연구는 중심성 지표 분석을 통해 글로벌 항만 네트워크에서 항만의 견고성(Robustness) 수준을 나타내는 상대적 위치를 분석하였다. 또한 대륙간 항만 네트워크 분석을 통해 항만 네트워크는 항공 네트워크와는 달리 대륙간 강한 연결의 현격한 결여가 있음을 발견하였다.

지금까지 항만 네트워크의 구성은 대부분 선박 이동 경로에 의한 해운 선사 운송 네트워크 구성 및 분석에 치중하여, 항만 간 제휴나 협력을 기반으로 하는 항만 간 네트워크의 구성은 간과하고 있다. 항만들 간 협력에 대한 측정은 항만과 항만의 협력에 의해 어느 정도 알 수 있다. 이 협력 정도를 알 수 있는 지표를 기반으로 한 네트워크 분석은 상품의 흐름뿐만 아니라 항만들의 역할을 분석할 수 있다. 따라서 본 연구는 사회 네트워크 분석 측면에서 협력을 기반으로 사회 네트워크를 구성하여 각 항만들의 상대적 역할을 규명하고 항만의 물동량에 대한 네트워크 변수들의 영향력을 통계적으로 분석하는 데 목적을 두고 있다.

Ⅲ. 협력 네트워크 구축 및 분석

1. 분석 방법 및 데이터 개요

본 연구는 Low 등(2009)이 제시한 아시아의 11개 주요 항만들-Singapore (SGP), Hong Kong(HKG), Kaohsiung(KSG), Shanghai(SHI), Pusan (PSN), Port Klang(PKG), Yokohama(YKH), Tokyo(TKO), Tanjung Priok (TPK), Laem Chabang(LCM), Jawaharlal Nehru(JHN)-을 대상으로 하였다. 이 11개 항만 별 컨테이너 물동량 처리 실적 현황을 다음 <표 2>에서 보여주고 있다.

네트워크 분석을 위한 데이터는 Low 등(2009)이 사례연구를 위해 수집한 2008년도 Alpha 선사들의 항만 협력 지수(cooperation index)를 이용하였다. 그 데이터는 다음 <표 3>과 같다. Low 등(2009)은 항만은 해운 선사 네트워크의 노드가 되고, 선사들의 서비스는 항만간 관계를 맺어주는 연결이 되는 항만 네트워크를 기반으로 항만 협력 지수를 측정하였다. 이들은 협력 지수를 항만 i 와 항만 j 가 공동으로 서비


항만명 약자 국가 2004 2005 2006 2007 2008Singapore SGP 싱가포르 21329 23192 24792 27936 29918Shanghai SHI 중국 14557 18084 21710 26150 27980

Hong Kong HKG 중국(홍콩) 21984 22602 23539 23998 24494Pusan PSN 한국 11492 11843 12039 13261 13453

Kaohsiung KSG 대만 9714 9471 9775 10257 9677Port Klang PKG 말레이시아 5244 5716 6326 7119 7974

Laem Chabang LCM 태국 3529 3766 4123 4642 5134Tokyo TKO 일본 3358 3819 3969 4124 4156

Tanjung Priok TPK 인도네시아 3248 3278 3420 3690 3984Jawaharlal Nehru JHN 인도 2371 2667 3298 4060 3953

Yokohama YKH 일본 2718 2873 3200 3428 3481

<표 2> 항만 별 물동량 추이(단위 : 1000 TEU)

자료 : Containerization International Yearbook, 2008.

스하는 O(origin)-D(destination) 쌍의 수와 전체 네트워크 상에서 O-D 쌍의 총 수간 비율로 정의하고 있다. 항만 네트워크에서 ijn 는 항만 i 혹은 항만 j 에서 도달할 수 있는 공동 항만(노드)의 수라고 하고, in 와 jn 는 항만 i 와 항만 j 에 의해서만 도달할 수 있는 서로 배타적인 항만들의 수라고 할 때, 항만 i 와 항만 j 간의 협력 지수는 ( ) ( )( )i j i ij j ijn n n n n n´ + + 에 의해 계산할 수 있다. 협력지수가 1이면 두 항만간 완전 협력 관계라고 할 수 있고, 0이면 두 항만간 완전 경쟁관계라고 볼 수 있다(Low 등, 2009). <표 3>에 의하면 Singapore (SGP)항만은 Jawaharlal Nehru(JHN), Kaohsiung(KSG), Hong Kong(HKG)과 높은 협력관계를, 부산항(PSN)은 Jawaharlal Nehru(JHN)와 Tokyo(TKO) 항만과의 높은 협력관계를 보이고 있다.

협력지수에 의한 항만 네트워크의 맥락에서, 네트워크의 영향력이 물동량에 어느 정도 영향을 미치고 있는가 또는 네트워크의 구조적 특성이 물동량에 어느 정도 영향을 미치고 있는가를 분석하기 위해서는 다음과 같이 세 단계의 분석 접근법이 필요하다.


약자 SGP HKG SHI PSN KSG LCM TPK TKO YKH JHN PKGSGPHKG 0.632SHI 0.494 0.3PSN 0.519 0.286 0.286KSG 0.889 0 0.4 0.417LCM 0.232 0.429 0.429 0.333 0.188TPK 0.469 0.4 0.714 0.417 0.5 0.375TKO 0.469 0.4 0.714 0.75 0.5 0.667 0.25YKH 0.588 0 0.429 0.476 0.4 0.571 0.222 0.222JHN 0.941 0.429 0.833 0.857 0.667 0.8 0 0 0PKG 0.438 0 0.556 0.6 0.333 0.5 0.188 0.188 0.3 0.188

<표 3> 항만의 협력지수

자료 : Low, Lam, and Tang(2009)

첫째 단계는 항만 네트워크를 구축하는 것이다. 본 네트워크를 구축하기 위해서 항만과 항만 간 협력지수를 기반으로 1-모드 행렬 데이터(11 11´ 행렬)를 Netminer 4.0의 입력자료로 하여 네트워크를 구축한다. 이 네트워크는 가중치를 갖는 쌍방향 네트워크이다.

둘째 단계는 사회 네트워크 분석 지표에 의한 항만 네트워크 속성 분석이다. 네트워크 명성과 매개 분석을 수행한다.

셋째 단계는 네트워크의 영향력이 항만의 물동량에 영향을 미치고 있는 지를 통계적 유의성을 검정하는 것이다. 이를 위하여 우선 물동량과 네트워크 지표 간 상관관계 분석과 회귀분석을 수행한다..

2. 항만 네트워크의 생성

협력지수에 의한 항만 네트워크는 항만이 노드가 되고, 협력정도가 연결이 되고, 협력지수 값은 그 연결의 가중치가 되는 네트워크이다. 즉 양방향의 가중치가 있는 네트워크이다. 항만의 협력지수를 나타내는 <표 3>의 매트릭스 데이타를 사회 네트워크


분석 전문 소프트웨인 Netminer 4.0에 입력하여 <그림 1>와 같은 항만 네트워크를 생성하였다. 노드의 크기는 각 항만의 협력 정도의 크기를 의미한다.

<그림 1> 항만 간 협력 지수에 의한 항만 네트워크

3. 항만 네트워크 분석

(1) 네트워크 명성 분석항만 네트워크의 명성 분석은 어느 항만이 중심적 역할을 하는지 또는 어느 항만이

책임 있는 영향력이 있는지를 측정한다. 명성분석은 연결정도 중심성과 근접 중심성에 의해 측정한다. 항만 네트워크에서 가장 높은 연결정도 중심성(내향과 외향 연결정도의 합)을 갖는 항은 Singapore(SGP)이고, 다음으로 Shanghai(SHI), Pusan (PSN), Jawaharlal Nehru(JHN) 항 순이다(<표 4> 참조). 명성분석의 두 번째 측정 지표는 근접 중심성이다. 근접 중심성은 동일 네트워크 내에서 한 노드와 모든 다른 노드 간의 가장 짧은 거리의 합의 역에 의해 계산된다. 다시 말해서, 한 노드가 다른


연결정도중심성 근접중심성 매개중심성

아이겐벡터

구조적 공백내향 외향 내향 외향 네트워크

효율성네트워크제약성

SGP 0.5671 0.0000 1.0000 0.0000 0.0000 0.3798 0.5506 0.3524JHN 0.0188 0.4527 0.1000 0.6000 0.0019 0.3499 0.5487 0.3525SHI 0.4361 0.0794 0.8000 0.2000 0.0096 0.3479 0.5467 0.3596PSN 0.3850 0.1091 0.7000 0.3000 0.0096 0.3369 0.5419 0.3558KSG 0.2588 0.1706 0.6000 0.3200 0.0000 0.3106 0.5343 0.3612LCM 0.2913 0.1611 0.5000 0.5000 0.0041 0.3036 0.5123 0.3561TKO 0.0410 0.3750 0.2000 0.7000 0.0041 0.2946 0.5015 0.3651TPK 0.0660 0.2875 0.3000 0.6000 0.0041 0.2509 0.4877 0.3833PKG 0.0000 0.3291 0.0000 0.9091 0.0000 0.2423 0.4866 0.3743YKH 0.0300 0.2908 0.1000 0.7111 0.0000 0.2351 0.4861 0.3927HKG 0.2244 0.0632 0.6750 0.1000 0.0000 0.2154 0.4617 0.3928

노드에 얼마만큼 가깝게 위치해 있는가를 의미한다. 가장 짧은 모든 거리의 합을 가진 노드가 중심 역할을 하는 노드이다. 이 근접 중심성은 한 노드가 전체 네트워크의 다른 노드와 연결된 거리를 모두 고려할 수 있게 되어 다른 요인들과 잘 연계되는 요인을 찾을 수 있게 해 준다. 항만 네트워크에서 가장 높은 근접 중심성((내향과 외향 근접 중심성의 합)을 갖는 항은 Singapore(SGP), Shanghai(SHI), Pusan(PSN), Laem Chabang (LCM) 항 순이다(<표 4> 참조).

<표 4> 항만 네트워크 중심성 측정 요약

(2) 네트워크 매개 분석매개는 다른 네트워크와 가교적인 연결이라 할 수 있다. 이런 매개 노드는 정보 연락

책임자, 대변인, 모니터 역할, 혹은 조정자 역할로 활동할 수 있다 (Haythornthwaite, 1996). 가장 일반적인 매개에 대한 측정은 매개 중심성, 위세 중심성과 구조적 공백이다. 매개 중심성은 한 노드가 다른 두 노드간에 위치해 있는 정도를 말한다. 노드 X의 매개 중심성은 노드 X를 통과하는 모든 최단 경로 비율의 합에 의해 측정된다.


정규화된 매개 중심성은 매개 중심성 값을 비율로 표현된 최대 값을 가지는 매개 중심성 값으로 나누어 계산한다. 네트워크의 매개 중심성은 <표 4>에서 보는바와 같이 Shanghai(SHI)와 Pusan(PSN) 항에서 높음을 알 수 있다. 이런 항만들은 지역에서 거점 항만이나 환적 항만으로서 적합하다고 할 수 있다.

위세 중심성은 개별 행위자의 중심성과 해당 행위자와 연결된 다른 행위자의 중심성 지표를 함께 고려한 것으로, 한 노드의 영향력 또는 중요도를 평가하는데 사용하는 개념이다. 행위자 자신의 중심성이 높다는 것으로 해당 행위자가 네트워크 내에서 강한 영향력을 가진다고 단정할 수 없으며, 행위자 자신과 관계하는 다른 행위자들의 중심성이 높으면 해당 행위자의 영향력은 더욱 커진다는 의미이다. 위세 중심성은 Bonacich의 아이겐벡터 중심성(Eigenvector Centrality)이 가장 유명하다(Bonacich, 1987, 1972). 아이겐벡터 중심성으로 네트워크 내에서 가장 영향력이 있는 중심노드를 찾을 수 있다. 즉, 네트워크에서 한 노드가 다른 노드에 영향력을 미치고, 그 노드 또한 다른 많은 노드들에 영향을 미치고, 그 노드들은 또 다시 다른 노드들에게 계속해서 영향을 미치게 될 경우, 이러한 노드 체인에서 첫 번째 노드는 영향력이 높다고 말할 수 있는 것이 아이겐벡터 중심성이다. 네트워크의 위세 중심성이 높은 항은 Singapore(SGP), Jawaharlal Nehru(JHN), Shanghai(SHI) 항만 순이다(<표 4> 참조).

매개를 측정하는 또 다른 방법은 구조적 공백이다. Burt(1992a, b)는 이 구조적 공백을 네트워크 내에서의 효율성과 강한 중재자의 위치로 정의하고 있다. 이 구조적 공백은 두 연결 간 중복성이 없는 관계에 의해 측정된다. 항만 네트워크의 구조적 공백의 측정지표로 네트워크 효율성(Efficiency), 네트워크의 효과적 크기(Effective Size), 네트워크 제약성(Constraint), 네트워크 계층성(Hierarchy)에 대한 측정값을 <표 5>에 정리하였다. 우선 효과적 크기는 한 행위자의 네트워크에서 해당 행위자가 가지고 있는 노드 수에서 상대방 노드가 가지고 있는 연결 정도의 평균값을 제외한 값으로 측정된다. 효율성은 효과크기를 노드 수로 나눈 값으로 측정된다. 따라서 효율성이 높은 노드는 해당 노드가 연결하고 있는 각 노드들에 대한 투자에 비해 산출되는 효과가 높다는 의미를 나타낸다. 네트워크 제약은 노드가 가지고 있는 연결의 중복 정도에 의해 측정하기 때문에, 네트워크 크기, 밀도, 계층에 따라 다르다. 소규모 네트워크(크기), 강한 연결 네트워크(밀도), 중앙 집중의 계층형 네트워크 일수록 네트워크 제약은 높다. 높은 네트워크 제약은 높은 네트워크 결집을 가지고 구조적 공백은 적다. 다음 식은


네트워크 효율성 네트워크 크기 네트워크 제약성 네트워크 계층성SGP 0.5506 5.5061 0.3524 0.0346JHN 0.5487 3.8412 0.3525 0.0603LCM 0.5467 5.4674 0.3596 0.0261SHI 0.5419 5.4194 0.3558 0.0252PSN 0.5343 5.3434 0.3612 0.0332TKO 0.5123 4.6104 0.3561 0.0529TPK 0.5015 4.5134 0.3651 0.0501KSG 0.4877 4.3893 0.3833 0.0570YKH 0.4866 3.8926 0.3743 0.0301HKG 0.4861 3.4027 0.3927 0.0236PKG 0.4617 4.1553 0.3928 0.0367

네트워크 크기, 밀도, 그리고 네트워크 계층에 의한 네트워크 제약을 계산하는 방법을 보여주고 있다. 노드 i 의 네트워크 제약을 iC , 노드 j 에 노드 i 의 종속성을 ijC 라할 때 네트워크 노드 i 제약성은 다음과 같이 측정한다. 여기서 ijp 는 노드 i 와 j 간 연결 강도와 노드 i 의 총 연결 관계와의 비율을 의미한다. 두번째 식에서 첫번째 항은 네트워크 크기를, 두번째 항은 네트워크 밀도를, 마지막 세번째 항은 네트워크 계층성을 의미한다.

2

2 2

j

( ) ,

= ( ) 2 ( ) ( )

i ij ij iq qjj j q

ij ij iq qj iq qjj q j q

C C P P P i q j

P P P P P P

= = + ¹ ¹

+ +

å å å

å å å å å

싱가포르 항만(SGP)과 인도 항만(JHN)은 네트워크 효율성과 네트워크의 효과적 크기가 높고 총 네트워크 제약성과 계층성이 낮아 항만들 간 매개 역할에 가장 적합한 항만이다(<표 5> 참조).

<표 5> 항만 네트워크의 구조적 공백


(1) (2) (3) (4) (5) (6) (7) (8)물동량(1) 1

내향 연결정도중심성(2) 0.803** 1 -

외향 연결정도중심성(3) -0.832** 0.903** 1내향 근접 중심성(4) 0.840** 0.963** -0.934** 1외향 근접 중심성(5) -0.852** -0.873** 0.874** -0.956** 1

매개 중심성(6) 0.140 0.350 -0.189 0.295 -0.161 1아이겐벡터중심성(7) 0.350 0.636* -0.249 0.514 -0.448 0.397 1네트워크 효율성(8) 0.279 0.577 -0.198 0.449 -0.389 0.403 0.970** 1

Ⅳ. 물동량에 대한 네트워크의 영향분석

협력지수에 의한 항만 네트워크의 구조적인 특성이 물동량에 미친 영향을 살펴보기 위해 <표 6>와 같이 물동량과 네트워크 지표간 상관관계를 분석하였다. 물동량은 2008년도 Containerisation International Yearbook을 참조로 했으며, 네트워크 분석 지표는 연결정도, 근접, 매개 중심성, 아이겐벡터 중심성, 구조적 공백으로 했다. 분석 대상의 표본수가 11개로 적기 때문에 정규성 가정을 충족할 수 없어 Spearman 계수(ρ)를 사용하였다.

<표 6> 물동량과 네트워크 지표와의 상관관계

주 : ** p<0.001에서 유의함, * p<0.05에서 유의함.

먼저 사회적 네트워크변수들이 물동량에 영향을 주는 지를 알아보기 위해 다음과 같은 가설을 설정하였다.


[가설 1] 내향 또는 외향 연결정도 중심성은 항만 물동량에 영향을 줄 것이다.

[가설 2] 내향 또는 외향 근접 중심성은 항만 물동량에 영향을 줄 것이다.

[가설 3] 매개 중심성은 항만 물동량에 영향을 줄 것이다.

[가설 4] 아이겐 벡터 중심성은 항만 물동량에 영향을 줄 것이다.

[가설 5] 네트워크 효율성(Efficiency)은 항만 물동량에 영향을 줄 것이다.

우선 항만 물동량과 네트워크 특성들 간의 관계와 네트워크 특성들 상호 간의 관계를 보기 위해 상관분석을 하였다. <표 6>를 살펴보면, 내향 연결정도 중심성과 외향 연결정도 중심성 모두 물동량과의 상관계수 값이 각각 0.803, -0.832로 매우 높게 나타나고, 이 상관계수 값들이 통계적 유의수준 0.01에서 모두 유의하게 나타나, 내향 연결정도 중심성과 외향 연결정도 중심성은 항만 물동량과 높은 상관관계를 보이고 있음을 알 수 있다. 즉 [가설 1]은 성립하게 된다. 연결정도 중심성은 앞서 살펴본 바와 같이 다른 항만들과의 직접적인 연결 관계가 우수하여 네트워크 내에서 상대적으로 높은 지위를 차지하는 지표이다. 따라서 네트워크 내에서 우수한 위치는 항만의 물동량을 높일 수 있음을 알 수 있다.

근접 중심성의 경우도 내향 근접 중심성과 외향 근접 중심성의 항만 물동량과의 상관계수가 각각 0.840, -0.852로 통계적 유의수준 0.01에서 매우 유의하게 나타나는 바, 근접 중심성의 연결 강도는 물동량에 높은 영향을 주고 있음을 의미한다고 할 수 있을 것이다. 즉 [가설 2]는 성립하게 된다. 그러나 중심성 중에서는 매개 및 아이겐 벡터 중심성은 물동량과의 상관계수 값이 각각 0.140, 0.350으로 본 연구에서 사용된 11개의 데이터로는 통계적 유의수준 0.05하에서 유의한 영향을 보이지 않고 있다. 네트워크 내에서 브로커 혹은 브릿지 역할을 의미하는 네트워크 효율성은 물동량과의 상관계수가 0.279로 통계적 유의수준 0.05하에서 유의한 영향을 미치지 않고 있다. [가설 3], [가설 4]과 [가설 5]는 본 연구에서 사용된 데이터로는 성립되지 않게 된다.

또한 <표 6>를 통해 네트워크 지표들 간 서로의 상관성을 조사해 볼 수 있다. 내향 연결정도 중심성과 외향 연결정도 중심성의 상관계수는 -0.903(p-값<0.01)로 매우


변수 회귀계수 표준오차 Type II SS F 값 Pr > F절편 26,035 3,311.531 2,004,559,399 61.81 0.0001

외향 근접 중심성 -30,805 6,304.922 774,164,010 23.87 0.0009

높은 음의 상관관계, 내향 근접 중심성과는 0.963(p-값<0.01)로 매우 높은 양의 상관관계, 외향 근접 중심성과는 -0.873(p-값<0.01)로 매우 높은 음의 상관관계를 가지고 있다. 이러한 상관계수들을 고려할 때, 연결정도 중심성과 근접 중심성은 매우 높은 서로간 상관관계를 나타내고 있음을 보여준다. 따라서 내향 연결정도 중심성과 내향 근접 중심성이 높을수록 즉 항만 간 연결이 많을수록 항만 간 연결강도가 높아지고 이는 물동량의 증가로 이어지고 있는 것으로 해석할 수 있다. 네트워크 영향력의 위세 중심성을 나타내는 아이겐 벡터와 구조적 공백인 네트워크 효율성과의 상관관계가 0.97로 매우 높게 나타나, 네트워크 효율성이 높은 항만일수록 위세 중심성의 영향력이 높은 항만으로 볼 수 있을 것이다. 그러나 본 자료를 통해서는 이러한 네트워크 영향력과 효율성은 항만의 수가 작아 유의수준 0.05에서는 항만의 물동량에는 영향을 주지 못하는 것으로 나타났다.

어떠한 네트워크 변수들이 항만의 물동량에 영향을 미치는 요소인지를 자세히 알아보기 위해 물동량을 종속변수로 하고, 각 네트워크 변수들을 독립변수로 하는 단계적변수 선택을 활용한 다중회귀분석을 통계 패키지인 SAS 9.2를 가지고 수행하였다.

<표 6>에 제시된 네트워크 변수들을 사용하여 회귀분석을 한 결과, 외향 근접 중심성 변수만이 선택되었다(<표 7> 참조>). 이는 외향 근접 중심성 변수는 내향 근접 중심성 변수, 내향 연결정도 중심성과 외향 연결정도 중심성 변수와 상관관계가 매우 높아 다중공선성(Multicollinearity)이 발생해 결국 항만의 물동량에는 외향 근접 중심성 변수만이 선택되어진 것으로 볼 수 있다. 외향 근접 중심성이 항만의 물동량을 설명하는 정도인 R-Square 값은 72.62%로 높게 나왔다.

<표 7> 회귀계수 추정값

외향 근접 중심성이 항만의 물동량을 설명하는 회귀모형의 계수는 <표 7>에 보여주고 있으며, 외향 근접 중심성의 값이 높아질수록 항만 간 협력강도가 높을수록 종속변수인 물동량에는 음(-)의 영향을 미치고 있음을 확인할 수 있었다. 이는 <표 6>의


상관분석과 일치된 결과를 보여주고 있다. 마찬가지로 내향 근접 중심성, 내향 연결정도 중심성은 물동량에는 정(+)의 영향을 미치고, 같은 의미로 외향 연결정도 중심성이 높을수록 종속변수인 물동량에는 음(-)의 영향을 준다고 해석할 수 있다.

Ⅴ. 요약 및 결 론

본 연구는 항만 네트워크에 사회적 네트워크 분석 방법을 적용하여 항만의 물동량에 대한 네트워크 변수의 영향력을 분석한 연구이다. 먼저 항만 네트워크에서 항만의 영향력 및 역할을 분석하기 위하여 사회 네트워크 분석의 4가지 속성들 중 명성 분석과 매개 분석을 하였다. 명성 분석은 항만의 중심적 역할과 책임 있는 영향력을 분석하는 방법이다. 이 분석의 측정 지표는 연결정도 중심성과 근접 중심성으로 하였다. 주요 아시아 항만들 중에는 Singapore(SGP)가 연결 중심성과 근접 중심성이 가장 높다. 명성분석에는 Singapore(SGP)가 전반적으로 높은 수치를 보이고 있어 아시아 항만들 중에서 가장 중심적이고 영향력이 높다고 할 수 있다.

매개 분석은 가교역할을 하는 노드를 분석하는 역할을 한다. 일반적으로 측정 지표는 매개 중심성, 위세 중심성, 구조적 공백이 있다. 네트워크 매개 중심성은 Shanghai (SHI), Pusan(PSN)가 0.0096으로 가장 높아 가교역할을 하는 항만이라 할 수 있다. 다시 말해 환적을 위한 항만으로 적합한 항만으로 해석할 수 있다.

네트워크의 위세 중심성은 Singapore(SGP)항이 0.3798로 가장 높은 수치를 보이고 있어 항만 네트워크에서 상대적으로 가장 높은 영향력을 가지고 있다고 할 수 있다. 구조적 공백에서도 네트워크 효율성(Efficiency)으로는 Singapore(SGP)항이 가장 높고, 네트워크 제약(Aggregate Constraint)에선 Port Klang (PKG)가 가장 높은 수치를 보이고 있다. 따라서 Singapore(SGP) 항만이 네트워크와 네트워크간 가장 활발한 가교역할을 하고 있다고 볼 수 있다. Port Klang(PKG)은 네트워크간 많은 연결에 의해 제약이 많아 네트워크 효율성이 높지 못함을 알 수 있었다.

위의 측정 지표를 기반으로 물동량과 지표들간 상관관계 분석을 보면, 물동량과 항만 네트워크의 연결정도 중심성과 근접 중심성의 상관관계가 높은 관계로 나타났다. 따라서 네트워크 내에서 우수한 위치는 항만의 물동량을 높일 수 있음을 알 수 있다. 근접 중심성의 경우도 상관관계가 유의하게 나타나는 바, 협력의 강도는 물동량에


높은 영향을 주고 있음을 의미한다. 마지막으로 다중 회귀분석 결과을 보면 항만 네트워크의 7개의 변수 가운데 외향 근접 중심성(Out-Closeness)이 항만 물동량에 가장 많은 영향을 미치는 것임을 알수 있었다. 즉 외부 항만과의 협력 강도가 높으면 높을수록 물동량이 높아질 수 있다고 볼 수 있다.

본 연구는 2008년도 제한된 항만의 데이터를 사용하여 항만 네트워크를 사회 네트워크 분석 접근법에 의해 분석하였다. 하지만 사회 네트워크 분석의 계량적인 숫자들의 해석에 주관성이 많이 첨가되는 한계성을 가지고 있다. 또 Low 등(2009)이 제시한 항만간 협력지수의 한계성이다. 좀더 현실적인 분석을 위해서는 실제 선박항로를 고려한 항만간 협력지수의 계산이 필요하리라 본다. 향후에, 아시아뿐만 아니라 북미나 유럽 항만과의 네트워크를 고려한다면 좀 더 의미 있는 해석이 가능하리라 본다. 또한 항만의 물동량에 영향을 미치는 요인들을 분석하기 위해서는 항만 고유 특성 변수와 네트워크 변수를 고려해야 좀 더 정확한 분석이 될 수 있으며, 이 분석하에서 항만들의 경영적 ․ 정책적 시사점들의 제시가 가능하리라 본다.


<參考文獻>

한진물류연구원,「동북아 역내 피더 네트워크 강화 방안」, 2005.Albert, R., and Barabasi, A. L. “Diameter of the World-wide web,” Nature,

Vol.401, 1999, pp.130-131. Bonacich, P. “Factoring and Weighting Approaches to Status Scores and Clique

Identification,” Journal of Mathematical Sociology, Vol.2, 1972, pp.113-120.

Bonacich, P. “Power and Centrality: A Family of Measures,” American Journal of Sociology, Vol.92, 1987, pp.1170-1182.

Burt, R. S. Structural Holes: The Social Structure of Competition, Cambridge, MA: Harvard University Press, 1992a.

. The Social Structure of Competition, in N. Nohria & R. G. Eccles (eds.), Networks and organizations: Structure, form, and action(pp. 57-91). Boston, MA: Harvard Business School Press, 1992b.

Cisic, D., Komadina, P., Hlaca, B. “Network analysis applied to Mediterranean liner transport system,” International Association of Maritime Economists Conference, Athens, Greece, July, 2007, pp.4-6.

Ducruet, C., Lee, S. W., Ng, K. Y. A. “Centrality and vulnerability in liner shipping networks: Revisiting the Northeast Asian port hierarchy,” Maritime Policy and Management, Vol.37, No.1, 2010, pp.17-36.

Ducruet, C., Notteboom, T. E. “The worldwide maritime network of container shipping: Spatial structure and regional dynamics,” GaWC Research Bulletin 364, http://www.lboro.ac.uk/gawc/rb/rb364.html, 2010.

Haythornthwaite, C. “Social Network Analysis: An Approach and Technique for the Study of Information Exchange,” Library and Information Science Research, Vol.18, 1996, pp.323-342.

Hu, Y., Zhu, D. “Empirical analysis of the worldwide maritime transportation network,” Physica A, Vol.88, No.10, 2009, pp.2061-2071.


Low, J. M. W., Lam, S. W. and Tang, LC. “Assessment of hub status among Asian ports from a network perspective,” Transportation Research Part A: Policy and Practice, Vol.43, 2009, pp.593-606.

Nohria, N. Introduction: Is a network perspective a useful way of studying organizations? in N. Nohria & R. G. Eccles(eds.), Networks and organizations: Structure, form, and action, pp.1-22, Boston, MA: Harvard Business School Press, 1992.

Wasserman, Stanley, and Faust, K., Social Network Analysis: Methods and Applications, New York: Cambridge University Press, 1994.

Watts, D. J. Small Worlds, Princeton NJ: Princeton University Press, 1999.

항만의 사회 네트워크가 물동량에 미치는 영향에 대한 연구€¦ · 항만의...

Documents