-
1.서 론
-
1.1 연구의 배경 및 목적
-
1.2 연구의 범위 및 방법
-
2.기존 연구 고찰
-
3. 자료수집 및 분석지표 선정
-
3.1 분석 자료의 수집
-
3.2 건설경기지표의 선정
-
3.3 경영성과지표의 선정
-
4.경영안정화 전략의 도출
-
4.1 지표간의 상관분석
-
4.2 변수의 안정성 검정
-
4.3 지표간 인과관계 검정2)
-
4.4 충격반응분석
-
4.5 분산분해분석
-
4.6 경영안정화 전략수립을 위한 방향제시
-
5. 결 론
1. 서 론
1.1 연구의 배경 및 목적
건설산업은 제조업과 달리 수주산업의 특성상 정부 및 민간의 발주물량에 따라 경영여건이 좌우되는 특성을 보이고 있다. 최근 들어 장기화되고 있는 건설경기
침체로 인하여 건설업체의 경영여건의 악화가 현실화되고 있다.
특히 전문건설업체는 수주물량의 대부분을 종합건설업체의 하도급에 의존하고 있는 실정이어서, 종합건설업체의 수주물량 감소는 하도급업체인 전문건설업체의
경영악화를 유발하는 요인이 되고 있다. 이를 해결하기 위한 다양한 정부의 노력에도 불구하고 최근 건설경기의 침체로 인해 이러한 상황은 더욱 악화되고
있는 실정이다.
본 연구는 대표적인 건설경기지표인 건설수주액의 변화가 노무 서비스를 제공하는 노무중심의 전문건설업체의 경영성과에 어떠한 영향을 미치는지를 분석하고자
한다. 특히 노무중심의 전문건설업체의 건설경기지표와 경영성과지표간의 상관성과 인과관계를 중심으로 영향 정도를 분석함으로써, 경기변화에 따른 대처방안을
모색해 보고자 한다.
1.2 연구의 범위 및 방법
전문건설업체는 토목, 건축, 설비 등으로 크게 대별할 수 있지만, 노동력과 장비가 결합되는 현장 작업 형태에 따라서 단순노동력을 서비스로 제공하는
노무중심의 전문건설업체, 노동력과 건설재료 및 소형장비가 결합된 서비스를 제공하는 재공중심의 전문건설업체, 그리고 중대형 장비를 제공하는 기계중심의
전문건설업체 등으로 대별할 수 있다.
본 연구에서는 단순노동력을 서비스로 제공하는 노무중심의 전문건설업체로 분석범위를 한정하고자 한다. 여기서 단순노동력을 서비스로 제공하는 노무중심의
전문건설업체라 함은 전문건설업종 중 미장방수조적, 비계구조물해체업을 주업종으로 하는 업체라 할 수 있으며, 경영형태 측면에서 볼 때 조직적인 형태의
경영보다는 개인중심의 경영형태를 보이는 특성을 가지고 있다.
또한 본 연구에서는 건설경기에 영향을 주는 변수들에 대한 분석은 수행하지 않고 건설경기를 판단할 수 있는 지표를 기존 선행연구 등을 고려하여 선정하고자
하며, 경영성과지표와의 상관성 측면에 초점을 맞추어 진행하고자 한다. 전문건설업체의 경영성과를 파악하는 것은 객관성을 유지하기 위해 재무지표의 활용하여
분석하고자 한다. 재무지표의 신뢰성을 감안하여 전문건설업체의 자산규모 70억 이상인 기업을 분석범위로 한정하고자 한다. 70억 미만인 기업의 경우
외부회계감사 대상에서 제외되기 때문에 지표의 신뢰성을 확보할 수 없기 때문이다.
본 연구의 목적을 달성하기 위하여, 다양한 건설경기지표 중에서 기존의 선행연구, 자료수집의 용이성, 자료분석의 적합성 등을 고려하여 전문건설업체의
경영성과지표와의 상관성을 분석할 수 있는 지표를 선정한다. 또한 기업의 경영성과를 파악할 수 있는 지표 중에서 재무지표 데이터를 근거로 경영성과지표를
선정한다.
이를 통해 선정된 건설경기지표와 경영성과지표간의 상관분석을 실시한다. 이는 인과관계 검정과 함께 분석함으로써 지표들 사이에서 유의미한 값을 갖지 않는
변수를 제외함으로써 더욱 신뢰성 높은 벡터자기회귀모형을 구축하기 위함이다. 이를 통해 도출된 지표들간의 Granger 인과관계 검정을 실시하여 지표간
인과관계를 파악한다. 또한 건설경기지표와 경영성과지표간의 벡터자기회귀(Vector Autoregression: VAR)모형을 구축하여 충격반응분석(Impulse
Response Analysis) 및 분산분해분석(Variance Decomposition Test) 등 계량경제 실증분석을 실시한다. 충격반응분석과
분산분해분석을 실시하는 이유는 지표간의 시계열적인 경향과 영향정도를 파악할 수 있기 때문이다. 분석된 결과 즉, Granger 인과관계 검정과 실증분석
결과에 근거하여 노무중심의 전문건설업체의 경기변화에 따른 대처방안을 제시하고자 한다.
2. 기존 연구 고찰
건설경기지표와 관련된 연구로는 건설경기지표의 개발, 경기변동과 지표간의 관계성, 거시경제지표와의 상관성을 분석한 연구로 대별할 수 있다.
Kim (2006) and Moon (2007)은 의사결정에 기여할 수 있는 지표의 개발 필요성을 역설하였다. 특히 Kim (2006)은 경제적 중요성,
통계적 적합성, 경기속보성, 경기대응성 관점에서 지표평가의 필요성을 주장하였으며, Moon (2007)은 건설경기종합지수의 개발 필요성의 측면에서
건축허가, 건설수주, 시멘트소비량 등의 3가지 지표를 도출하였다.
Choi (2014)는 경기변동에 따른 건설업체의 목표유동성 조정형태에 대한 실증을 통해 기존 이론과의 차이점을 설명하였다. 나아가 경기변동에 따른
목표유동성 결정요인을 검증하고자 하였다. 이를 통해 총자산수익률, 현금흐름비율, 순운전자본비율이 유의함을 확인하였다.
경영성과지표와 관련된 연구로는 경영성과지표의 개발, 경제적 지표와 기업의 경영성과와의 연관성에 초점을 맞추어 진행되고 있는 실정이다.
Kwon (2013)은 거시경제와 건설업체의 부실화의 연관성을 도출하고 규모별 업체의 대응방안을 제시하고자 하였다. 분석 결과 대규모 건설업체의 경우
경기에 민감한 반면 재무적으로 안정적이지만, 중소규모 건설업체의 경우 재무적으로 열악한 측면이 있어 재무구조의 개선이 필요할 뿐만 아니라 경쟁력 확보를
위한 기술력 제고가 필요함을 확인하였다.
Lee (2007)는 통계기법(로지스틱회귀모형, 판별모형, 생존모형)을 통해 전문건설업체의 부도예측모형을 개발하였다. 업종별로 전문건설업체의 부도에
영향을 미치는 변수로서 부채비율, 고정비율, 직원이직율을 도출하고 부도예측율을 추정하였다.
건설업체의 건설경기와 경영성과와 관련된 연구는 매우 다양한 분야에서 연구가 이루어져 왔으나, 대부분 지표의 개발과 지표간의 관계성에 초점을 맞추고
있다. 본 연구에서는 그러한 기존의 연구를 특정집단에 초점을 맞추어 진행하고자 한다. 즉, 본 연구에서는 노무 서비스를 제공하는 전문건설업체 다시
말해서 노무 서비스에 의존하는 경향이 큰 노무중심의 전문건설업체에 대해서 건설경기지표와 경영성과지표의 상관성을 분석해 보고자 한다.
3. 자료수집 및 분석지표 선정
3.1 분석 자료의 수집
노무중심 전문건설업체의 건설경기지표와 경영성과지표의 상관성을 분석하기 위하여 우선 전문건설업체 중에서 재무지표자료의 수집이 가능한 1,555개의 업체에
대한 1997년부터 2010년까지의 자료를 수집하였다. 이 중에서 재무지표 자료가 신뢰성을 갖는(폐업 또는 자료누락 업체 제외) 352개 업체의 자료를
정리하였다.
352개 업체를 대상으로 건설경기지표로 선정된 건설수주액 자료와 경영성과지표로 선정된 7개 자료(자기자본비율, 부채비율, 유동비율, 총자산영업이익률,
매출액영업이익률, 총자본회전율, 유동자산회전율)를 수집하였다. 352개 업체에는 건축 225개, 토목 125개, 설비 2개가 포함되어 있다.
3.2 건설경기지표의 선정
국내의 경제상황 변화를 측정할 수 있는 지표는 다양한 기관에서 다양한 형태로 제공되고 있으며, 건설경기를 파악할 수 있는 지표도 다수 포함되어 발표되고
있다. 본 연구에서는 다양한 형태의 건설경기지표 중에서 선행연구, 자료수집 용이성, 자료분석의 적합성 등을 고려하여 분석에 적합한 지표를 선정하고자
한다.
Table 1. Calculation Method of Business Performance Indicators
|
Division
|
Variable
(Symbol)
|
Analysis index (%)
|
Calculation Method
|
Stability
|
SO
|
Equity capital ratio
|
Equity capital / Total capital
|
SD
|
Debt ratio
|
Total debt / Equity capital
|
Liquidity
|
SC
|
Current ratio
|
Current assets / Current liability
|
Activity
|
AC
|
Turnover ratio of total liabilities and net worth
|
Sales / Total capital
|
AT
|
Current assets turnover rate
|
Sales / Current assets
|
Profitability
|
PB
|
Operating income to total assets
|
Operating income / Total assets
|
PS
|
Ratio of operating profit to net sales
|
Operating income / Sales
|
건설경기지표를 선정함에 있어, 기존문헌의 기준과 본 연구의 기준에 모두 부합됨과 동시에 빈도가 높게 나타난 것은 건설투자와 건설기성(6회), 그리고
건설수주(4회)인 것으로 나타났다. 그러나 건설투자는 댐, 도로, 주택 등의 건설에 투자하는 것을 의미하는 것으로서 경영성과와의 관계성이 다소 떨어지는
것으로 판단되며, 건설기성액은 경영성과의 변화를 사전에 파악하기 위한 지표로 활용하는데 한계가 있다. 건설기성액은 건설경기를 파악하는 대표적인 지표로
활용되고 있으나, 경기동행지표로서 의미가 강하다. 즉, 본 연구에서 제시하고자 하는 경기변화에 따른 전문건설업체의 대응방안은 기업의 경영성과와 동행적인
지표가 아닌 선행적인 지표를 근거로 제시하는 것이 더욱 합리적일 것으로 판단된다. 따라서 본 연구에서는 최종적으로 경영성과에 미치는 영향을 파악하기
위한 건설경기지표로 건설수주액을 선정하였다(Kim et al., 2014).
3.3 경영성과지표의 선정
기업의 경영성과를 파악할 수 있는 지표 역시, 다양한 정성적/정량적 지표가 다양한 형태로 제공되고 있다. 이러한 모든 변수와 전문건설업체의 경영성과의
관계성을 분석하는 것은 무리가 있다. 즉 많은 변수를 고려하여 분석하는 것은 분석의 정확성 측면에서는 장점이 될 수 있으나 당시 기업의 상황을 설명하는
한계점과 계량화의 복잡성, 신뢰도, 객관성 등 단점도 존재하고 있는 실정이다.
본 연구에서는 자료수집의 가능성을 고려하여 기존연구에서 사용한 안정적인 분석지표로써, 안정성, 유동성, 수익성, 활동성 영역에서 재무비율 7개를 선정하였다.1) 안전성 지표에서는 자기자본비율, 부채비율 2개, 유동성 지표는 유동비율 1개, 수익성 지표에서는 총자산영업이익률, 매출액영업이익률 2개, 활동성
지표에서는 총자본회전율, 유동자산회전율 등 2개이다(Kim et al., 2014).
4. 경영안정화 전략의 도출
4.1 지표간의 상관분석
노무중심의 전문건설업체에 대한 건설수주액과 경영성과지표간의 인과관계 분석을 위하여 우선적으로 상관관계를 파악하였다. 이를 통해 변수들 사이의 유의미한
변수에 대한 벡터자기회귀모형을 구축하고자 하였다.
노무중심의 전문건설업체는 건설수주액(CO)과 자기자본비율(SO), 부채비율(SD), 유동비율(SC), 총자산영업이익률(PB), 매출액영업이익률(PS)과
상관성이 존재하며, 특히, 부채비율(SD)은 총자본회전비율(AC)을 제외한 모든 변수와 상관성이 있는 것으로 분석되었다(Table 2).
4.2 변수의 안정성 검정
일반적으로 시계열에는 단위근이 존재하는데, 단위근(unit root)이란 불안정 시계열을 자기회귀모형으로 표현했을 때, 그 특성근이 1, 즉 단위근을
갖는다는 사실에 근거한 것이다. 단위근이 존재한다는 것은 시계열이 아직 불안정하다는 것을 의미하게 된다. 따라서 시계열자료를 분석에 활용할 시 시계열의
안정성을 검증하여야 하며, 이는 결국 단위근 존재유무에 의해 결정된다(Ahn et al., 2006). 이러한 단위근이 존재하게 되면 시장에 무작위적
충격이 올 경우 그 충격이 미래치에 연속적으로 영향을 미치게 되고 시계열이 안정적인 추세궤도에서 벗어나게 되어 가성회귀(spurious regression)의
문제가 생기게 되고 이는 추정에 있어서 신뢰성을 떨어뜨리게 된다(Woo, 2005). 시계열이 단위근을 갖는지를 판단하는 방법으로는 DF (Dickey-Fuller)검정법,
ADF (Augmented Dickey-Fuller)검정법, PP (Phillips-Perron Test)이 있으며, 주로 ADF 검정법이 주로 사용되고
있다(Cho, 2007; Jang, 2011).
Table 2. Variables' Correlation Coefficient of Specialty Contractors Providing Labors
|
Division
|
CO
|
SO
|
SD
|
SC
|
AC
|
AT
|
PB
|
PS
|
CO
|
Pearson's correlation coefficient
|
1
|
.806**
|
-.667**
|
.670**
|
-.111
|
-.423
|
.689*
|
.666*
|
Significance probability (both sides)
|
|
.000
|
.009
|
.009
|
.706
|
.132
|
.028
|
.035
|
SO
|
Pearson's correlation coefficient
|
.806**
|
1
|
-.955**
|
.849**
|
.043
|
-.413
|
.700*
|
.784**
|
Significance probability (both sides)
|
.000
|
|
.000
|
.000
|
.883
|
.143
|
.024
|
.007
|
SD
|
Pearson's correlation coefficient
|
-.667**
|
-.955**
|
1
|
-.792**
|
-.189
|
.539*
|
-.703*
|
-.757*
|
Significance probability (both sides)
|
.009
|
.000
|
|
.001
|
.517
|
.047
|
.023
|
.011
|
SC
|
Pearson's correlation coefficient
|
.670**
|
.849**
|
-.792**
|
1
|
.209
|
-.378
|
.410
|
.151
|
Significance probability (both sides)
|
.009
|
.000
|
.001
|
|
.474
|
.183
|
.239
|
.676
|
AC
|
Pearson's correlation coefficient
|
-.111
|
.043
|
-.189
|
.209
|
1
|
-.280
|
-.123
|
-.804**
|
Significance probability (both sides)
|
.706
|
.883
|
.517
|
.474
|
|
.332
|
.735
|
.005
|
AT
|
Pearson's correlation coefficient
|
-.423
|
-.413
|
.539*
|
-.378
|
-.280
|
1
|
.186
|
-.508
|
Significance probability (both sides)
|
.132
|
.143
|
.047
|
.183
|
.332
|
|
.607
|
.134
|
PB
|
Pearson's correlation coefficient
|
.689*
|
.700*
|
-.703*
|
.410
|
-.123
|
.186
|
1
|
.644*
|
Significance probability (both sides)
|
.028
|
.024
|
.023
|
.239
|
.735
|
.607
|
|
.044
|
PS
|
Pearson's correlation coefficient
|
.666*
|
.784**
|
-.757*
|
.151
|
-.804**
|
-.508
|
.644*
|
1
|
Significance probability (both sides)
|
.035
|
.007
|
.011
|
.676
|
.005
|
.134
|
.044
|
|
Note) CO : Value of construction orders received, SO : Equity capital ratio, SD :
Debt ratio, SC : Current ratio, AC : Turnover ratio of total liabilities and net worth,
AT : Current assets turnover rate, PB : Operating income to total assets, PS : Ratio
of operating profit to net sales
* : 0.05(both sides), ** : 0.01(both sides)
|
(1)
Table 3. ADF Test's Result of Specialty Contractors Providing Labors
|
Variables
|
Level variable
|
First differential variable
|
Second differential variable
|
SO
|
-6.5926***
|
-1.3231
|
-4.9527***
|
SC
|
-5.2326***
|
-4.4759***
|
-7.4628***
|
SD
|
-1.9281
|
-4.2532***
|
-5.7328***
|
AC
|
-1.7253
|
-2.4039
|
-4.2381**
|
AT
|
-3.6254**
|
-10.4546***
|
-22.5103***
|
PB
|
-1.4941
|
-2.0446
|
-2.7228
|
PS
|
-0.7774
|
-3.9912**
|
-3.1196*
|
Note) Significance level : *** =1%, ** =5%, * =10%
|
여기서 는 시차변수에 대한 몇 개의 시차차분변수이다. ADF 검정을 통해 DF-t 통계값을 이용하여 ‘단위근이 존재한다’는 귀무가설()을 검정한다.
본 연구에서는 건설수주액과 노무중심의 전문건설업체의 경영성과지표에 대해 단위근 검정을 실시하였으며, 그 결과, 수준변수는 대부분 단위근이 존재하는
것으로 나타났다. 이에 따라, 모든 변수를 1차 차분 및 2차 차분하여 단위근 검정을 재수행하였으며, 그 결과 노무중심의 업종에 총자산영업이익률 변수를
제외한 모든 변수가 ‘단위근이 존재한다’라는 귀무가설이 기각되고 단위근이 존재하지 않는다는 가설이 유의한 것으로 나타났다. 따라서 노무중심 전문건설업체의
경영성과지표 중, 총자산영업이익률 지표를 제외한 모든 지표를 대상으로 단위근을 제거한 변수를 이용해 Granger 인과관계 검정을 실시하고자 한다(Table
3).
4.3 지표간 인과관계 검정2)
X가 Y를 야기하는가라는 질문에 대한 Granger의 접근방법은 현재의 Y값이 과거 Y값에 의해 얼마나 충실히 설명되고 있으며, 과연 X와 시차변수를
포함시켰을 때 그 설명력이 보다 커지는가를 살펴보는데 있다. X가 Y를 예측하는데 도움을 주고 X의 시차변수들의 계수가 통계적으로 유의할 때 X가
Y를 야기한다고 말할 수 있다. 보통 쌍방향적 관계가 많이 나타나면 X Granger cause Y라는 의미가 반드시 Y가 X의 결론 내지는 그것의
영향이라고 말할 수 없다. Granger의 인과관계모형은 변수의 선·후행 관계 내지는 정보효과를 강조하고 있다고 할 수 있고 이러한 관점에서 인과관계가
적절한 표현이 되지 않을 수 있다. 따라서 인과관계 검증은 각각의 변수를 예측하는데 관련된 정보들이 각각 변수들의 시계열 자료 안에 들어있다는 가정
하에 분석하게 된다.
Granger 인과관계는 벡터자기회귀모형을 구성하기에 앞서 변수의 순서를 결정하는데 중요한 정보를 제공함으로써 벡터자기회귀모형에 투입되는 변수들 사이에
원인과 결과의 관계를 살펴보는 것이다. 본 연구에서는 단위근 검정을 통해 안정성이 검증된 차분 변수를 활용하여 인과관계를 검정하였으며, 시차는 1에서
2까지로 하였다(Kim et al., 2014).3)
Table 4. Granger Causality Test's Results of Specialty Contractors Providing Labors
|
Null hypothesis
|
lags=1
|
lags=2
|
F-statistic
|
Probability
|
F-statistic
|
Probability
|
SO → CO
|
0.9915
|
0.3651
|
0.2122
|
0.8249
|
CO → SO
|
0.0373
|
0.8545
|
0.4954
|
0.6687
|
SC → CO
|
0.3389
|
0.5787
|
0.0378
|
0.9632
|
CO → SC
|
0.1964
|
0.6710
|
0.1374
|
0.8756
|
SD → CO
|
0.9408
|
0.3695
|
2.6794
|
0.2150
|
CO → SD
|
1.2871
|
0.2999
|
0.7154
|
0.5571
|
AC → CO
|
0.0333
|
0.8613
|
0.5550
|
0.6236
|
CO → AC
|
0.5604
|
0.4824
|
0.1180
|
0.8927
|
AT → CO
|
0.5890
|
0.4679
|
0.5777
|
0.6020
|
CO → AT
|
4.0386*
|
0.0844
|
1.0555
|
0.4284
|
PB → CO
|
0.9531
|
0.3842
|
0.1190
|
0.8987
|
CO → PB
|
0.0000
|
0.9954
|
20.7810
|
0.1533
|
PS → CO
|
1.0652
|
0.3779
|
|
|
CO → PS
|
1.1657
|
0.3593
|
|
|
SC → SO
|
0.6312
|
0.4630
|
0.2372
|
0.8083
|
SO → SC
|
2.4823
|
0.1760
|
0.1121
|
0.8992
|
SD → SO
|
0.1937
|
0.6782
|
0.0353
|
0.9659
|
SO → SD
|
3.9608
|
0.1032
|
2.8997
|
0.2564
|
AC → SO
|
1.1756
|
0.3277
|
0.0907
|
0.9169
|
SO → AC
|
0.7825
|
0.4169
|
0.0830
|
0.9233
|
AT → SO
|
0.2684
|
0.6265
|
0.2718
|
0.7863
|
SO → AT
|
0.1055
|
0.7585
|
0.3547
|
0.7382
|
PB → SO
|
0.1673
|
0.7035
|
2.4715
|
0.4102
|
SO → PB
|
0.0529
|
0.8295
|
0.8838
|
0.6011
|
PS → SO
|
0.0289
|
0.8759
|
|
|
SO → PS
|
0.8468
|
0.4253
|
|
|
SD → SC
|
2.9276
|
0.1379
|
0.7060
|
0.5607
|
SC → SD
|
0.1486
|
0.7131
|
0.0668
|
0.9367
|
AC → SC
|
0.6099
|
0.4645
|
6.1371*
|
0.0870
|
SC → AC
|
0.0612
|
0.8129
|
0.2356
|
0.8034
|
AT → SC
|
2.7168
|
0.1433
|
0.4351
|
0.6745
|
SC → AT
|
1.1470
|
0.3197
|
0.6426
|
0.5728
|
PB → SC
|
0.1040
|
0.7632
|
0.3267
|
0.7777
|
SC → PB
|
0.1122
|
0.7545
|
0.4649
|
0.7198
|
PS → SC
|
1.9338
|
0.2585
|
|
|
SC → PS
|
2.4898
|
0.2127
|
|
|
AC → SD
|
0.1500
|
0.7119
|
0.8701
|
0.5035
|
SD → AC
|
0.1821
|
0.6844
|
19.4107**
|
0.0192
|
AT → SD
|
1.9156
|
0.2156
|
1.1112
|
0.4354
|
SD → AT
|
0.3152
|
0.5948
|
5.3162
|
0.1032
|
PB → SD
|
1.2317
|
0.3293
|
0.4182
|
0.7379
|
Table 4는 노무중심 전문건설업체의 변수들간의 인과관계 검정 결과를 나타낸 것이다.
노무중심 전문건설업체는 1시차에서 건설수주액(CO)이 유동자산회전율(AT)에 영향을 주는 것으로 나타났으며, 시차 2에서 부채비율(SD)이 총자본회전율(AC)에,
또한, 총자본회전율(AC)이 유동비율(SC)에 영향을 주는 것으로 나타났다. 부채비율(SD)은 시차 1에 매출액영업이익률(PS)에 영향을 주며, 매출액영업이익률(PS)은
총자본회전율(AC)에 영향을 주는 것으로 분석되었다(Table 5).
Table 4. Granger Causality Test's Results of Specialty Contractors Providing Labors
(continue)
|
SD → PB
|
0.0318
|
0.8670
|
0.0425
|
0.9600
|
PS → SD
|
0.1097
|
0.7622
|
|
|
SD → PS
|
14.4285**
|
0.0320
|
|
|
AT → AC
|
0.0746
|
0.7939
|
5.2209
|
0.1054
|
AC → AT
|
1.0870
|
0.3373
|
1.5184
|
0.3503
|
PB → AC
|
0.2525
|
0.6417
|
0.0847
|
0.9247
|
AC → PB
|
2.1568
|
0.2159
|
17.0589
|
0.1687
|
PS → AC
|
13.5960**
|
0.0346
|
|
|
AC → PS
|
1.3109
|
0.3353
|
|
|
PB → AT
|
0.0010
|
0.9766
|
0.3166
|
0.7825
|
AT → PB
|
3.6609
|
0.1282
|
9.4587
|
0.2241
|
PS → AT
|
5.3400
|
0.1040
|
|
|
AT → PS
|
1.4366
|
0.3167
|
|
|
PS → PB
|
1.1226
|
0.3671
|
|
|
PB → PS
|
0.0024
|
0.9644
|
|
|
Note) Significance level : *** =1%, ** =5%, * =10%
|
|
Table 5. Causality' Results of Specialty Contractors Providing Labors
|
Division
|
Lag
|
X
|
Y
|
Lag=1
|
Lag=2
|
CO
|
AT
|
→
|
×
|
SC
|
AC
|
×
|
←
|
SD
|
AC
|
×
|
→
|
PS
|
→
|
×
|
AC
|
PS
|
←
|
×
|
Note) → : in the case that X influences Y
← : in the case that Y influences X
↔ : in the case that X and Y interact with each other
× : in the case that no one influences between X and Y
|
4.4 충격반응분석
노무중심 전문건설업체는 건설수주액(CO)이 유동자산회전율(AC)에만 영향을 주는 것으로 나타나 이에 대한 충격반응분석을 실시하였다. 노무중심 전문건설업체에
대한 충격반응분석 결과, 건설수주액(CO)의 충격에 대해 유동자산회전율(AT)은 시차 2까지는 강한 양(+)의 반응을 보이다가 꾸준히 양(+)의 반응이
지속되는 것으로 나타났다. 이는 건설수주액(CO)의 충격으로 인해 유동자산 대비 매출액이 꾸준히 증가하기 때문인 것으로 판단된다(Fig. 1).
|
(a) Response of CO to CO
|
|
(b) Response of CO to AT
|
Fig. 1. Impulse Response of CO to AT
|
|
Table 6. Variance Decomposition Test's Result of CO to AT
|
Period
|
Std Error
|
CO
|
AT
|
1
|
16741811.0269
|
100.0000
|
0.0000
|
2
|
18345262.4962
|
86.3501
|
13.6499
|
3
|
18596509.2869
|
85.8871
|
14.1129
|
4
|
18927188.6710
|
85.4063
|
14.5937
|
5
|
19056812.7274
|
84.4376
|
15.5624
|
6
|
19142057.9921
|
84.1355
|
15.8645
|
7
|
19203320.9728
|
83.9036
|
16.0964
|
8
|
19239256.4219
|
83.7270
|
16.2730
|
9
|
19263320.5085
|
83.6293
|
16.3707
|
10
|
19279202.6943
|
83.5627
|
16.4373
|
4.5 분산분해분석
노무중심 전문건설업체는 건설수주액(CO)이 유동자산회전율(AT)과 인과관계가 있는 것으로 나타났으며, 유동자산회전율(AT)의 변화에 대해 건설수주액(CO)은
2시차부터 설명력이 증가하여 10시차에는 16%의 설명력을 보이는 것으로 분석되었다(Table 6).
4.6 경영안정화 전략수립을 위한 방향제시
노무중심의 전문건설업체는 건설수주액(CO)이 활동성 지표인 유동자산회전율(AT)만 영향을 미치는 것으로 나타났으며, 오히려 수익성과 활동성, 그리고
유동성에 영향을 주는 것은 부채비율(SD)인 것으로 분석되었다. 이는 현재 건설산업이 겪고 있는 인력수급의 문제와 연계시킬 수 있는 것으로 판단된다.
즉, 노무중심의 전문건설업체는 특정 자재 혹은 장비에 대한 확보가 아닌 근로자의 수급에 초점을 맞추고 있어 원활한 인력수급을 위해 유동부채를 해결하기
위한 유동자산을 운용하여 매출액 증가를 도모하기 때문인 것으로 판단된다. 최근 유동비율(SC)이 기업의 중요한 지표로 평가받고 있으므로 유동자산의
운용을 통한 매출액 확보 전략보다 건설수주액(CO)의 변화에 대한 자기자본비율(SO)의 향상 혹은 부채비율(SD)을 감소시킬 수 있는 전략수립이 필요할
것으로 판단된다(Fig. 2).
따라서, 노무중심의 전문건설업체는 업체의 특성상 유동자산을 원활한 인력수급을 위해 운용함으로써 매출액의 증가를 도모하고 있지만, 유동비율(SC)의
중요성을 고려할 때 건설수주액(CO)의 변화에 따른 수익성 및 안정성 지표를 개선할 수 있는 전략수립이 요구된다.
|
Fig. 2. Variables' Impact of Specialty Contractors Providing Labors
|
5. 결 론
본 연구는 국내 건설경기변화가 전문건설업체의 경영성과에 어느 정도 영향을 미치는지 분석하고자 하였다. 특히 노무중심의 전문건설업체의 건설경기지표와
경영성과지표간의 상관성을 중심으로 분석하였다.
이를 위해 전문건설업체 중에서 재무지표자료의 수집이 가능한 1,555개의 업체에 대한 1997년부터 2010년까지의 자료를 수집하여 분석을 수행하였다.
분석 결과, 노무중심의 전문건설업체는 건설수주액이 유동자산회전율에 장기적으로 영향을 미치는 것으로 조사되었다. 이는 인력확보를 위해 유동자산을 운용하고
있기 때문인 것으로 판단된다. 그러나 유동부채가 일정하다는 전제하에 건설수주액의 감소가 유동자산의 감소로 이어진다면, 기업의 단기채무능력이 떨어져
도산할 위험성이 있으므로 이를 개선하기 위한 경영전략이 수립될 필요가 있다. 즉, 노무중심의 전문건설업체는 특정 자재 혹은 장비에 대한 확보가 아닌
근로자의 수급에 초점을 맞추고 있기 때문에, 원활한 인력수급을 위해 유동부채 해결을 위한 유동자산을 운영하여 매출액 증가를 도모하기 때문인 것으로
판단된다.
본 연구는 기존의 대부분의 연구가 종합건설업체에 초점을 맞추어 진행된 것과는 달리, 전문건설업체의 중요성에 인식을 두고 전문건설업체의 경영안정화 대응전략을
제시하기 위해서 수행되었다. 본 연구가 다양한 건설경기지표와 경영성과지표를 모두 고려하지 못한 점은 연구범위 설정의 한계라 할 수 있다. 그러나,
지속적인 전문건설업체에 대한 관심과 꾸준한 데이터의 수집이 이루어진다면 전문건설업체에 대한 다양한 경영안정화 대응전략이 도출될 수 있을 것으로 사료된다.
1)일반적으로 대부분의 전문건설업체가 외부감사 대상법인(자산규모가 70억원 이상인 법인)에 해당되지 않아 재무제표보고서(대차대조표, 손익계산서, 이익잉여금처분계산서,
공사원가명세서)를 공시할 의무가 없다. 다만, 전문건설업체 기성실적신고 시 대차대조표의 5개 지표(자산총계, 부채총계, 유동자산, 유동부채, 차입금)와
손익계산서의 5개 지표(매출액, 공사수입금, 영업이익, 법인세차감전순이익, 기술개발투자비), 그리고 신기술지정 건수 및 기술자 수에 관한 정보가 조사되고
있다(Lee, 2007).
2) Cho(2007)와 Jang(2011) 내용을 재인용
3)계량경제실증분석을 위해 사용되는 거시경제변수들은 월 또는 분기 단위의 통계지표를 사용하고 있다. 특히, Box and Jenkins (1976)는
시계열 자료의 분석을 위해서는 최소 50개의 관측치(50개의 시점)가 포함되어야 한다고 제안하였다. 즉, 월 단위의 자료의 경우 50개월의 통계자료,
분기 단위의 자료일 경우, 13년 이상의 통계자료가 필요한 것이다. 그러나 본 연구에서 사용하는 자료는 건설경기지표의 경우 월, 분기 단위의 통계자료가
통계청에서 제공되어 50개 이상의 관측치 수집이 가능하나, 전문건설업체의 재무제표에 대한 자료가 분기단위가 아닌 연단위로 작성되고 있어 최소한의 관측치
수집이 불가능하였다. 이에 본 연구에서는 1998년부터 2010년까지의 13개 관측치로 분석을 실시하였으며, 수익성 지표인 총자산영업이익률과 매출액영업이익률은
영업이익에 대한 작성이 2001년부터 시작되어 10개의 관측치로 분석을 실시하였다. 이로 인해, Granger 인과관계 검정 시 2시차 이상의 시차에
대한 인과관계 검정을 실시하지 못한 한계를 가지고 있다. 그러나 본 연구에서 사용하는 분석방법론은 지속적인 자료의 축적을 통해 향후 건설수주액뿐만
아니라 다양한 건설경기지표의 활용을 통해 전문건설업체의 경영성과변화를 분석하는데 있어 기초가 될 것으로 판단된다.