search
Contact Us
HOME

  • Crossref logo
Journal Search Engine

to

Search Advanced Search Adode Reader(link)
Download PDF Export Citaion korean bibliography PMC previewer
ISSN : 1225-1011(Print)
ISSN : 2288-1727(Online)
The Journal of Fisheries Business Administration Vol.57 No.2 pp.17-32
DOI : https://doi.org/10.12939/FBA.2026.57.2.017

Dynamic Impacts of Fisheries Condition Changes on Offshore Angling Fishery Enterprises

Yong-Han Jeon1, Ju-Hyeoun Kim*
1Senior Researcher, Fisheries Policy Research Department, Korea Maritime Institute, Busan, 49111, Rep. of Korea
*Associate Research Fellow, Marine Policy Research Department, Korea Maritime Institute, Busan, 49111, Rep. of Korea
Corresponding author: *https://orcid.org/0000-0001-7326-2982, +82-51-797-4636, jhkim@kmi.re.kr
15 April 2026 ; 22 May 2026 ; 22 May 2026

Abstract


Amid increasing economic damages from climate change and geopolitical risks, this study examines the dynamic relationships between changes in fisheries conditions and offshore angling fishery enterprises employing an autoregressive distributed lag model with time-series data from 1989 to 2024. The empirical results indicate that increases in sea surface temperature, vessel horsepower, and crude oil prices are negatively associated with catch in the long run, while temporary positive associations with catch are observed in the short run. In addition, dynamic simulations assuming positive shocks to sea surface temperature and crude oil prices suggest a long-run decline in catch following each shock. Based on these findings, this study proposes several policy implications. First, to ensure the sustainability of fishery enterprises, stock assessment methods should be enhanced to account for potential declines in fishery resources due to climate change. Second, a vessel modernization fund involving private financial institutions is needed to promote the replacement of vessels with improved energy efficiency. Third, revising the tax-free petroleum scheme is required to allow unused fuel allocated to each vessel to be accumulated as reserves. Finally, discussions on setting an upper limit on vessel horsepower are warranted, given its significant influence on fishing intensity.


Offshore Angling Fishery Enterprises , Autoregressive Distributed Lag Model , Dynamic Simulation , Climate Change , Geopolitical Risk

어업여건 변화가 근해채낚기 어업경영체에 미치는 동태적 영향 분석

전용한1, 김주현*
1한국해양수산개발원 수산연구본부 전문연구원
*한국해양수산개발원 해양연구본부 부연구위원

초록

    Ⅰ. 서론

    수산업을 둘러싼 대ㆍ내외적인 어업여건 변화가 수산업의 지속가능성을 약화시키고 있다. 기후변화로 인한 수산업의 피해는 점차 심화되고 있으며, 2011년부터 2024년까지 수산업의 누적 피해액은 4,763억 원에 달하는 것으로 집계되었다(국립수산과학원, 2025). 연근해어업의 구체적인 피해액은 집계되고 있지 않으나 변화된 서식 및 생태환경에 따라 어장 및 어획량 변동과 어종의 분포 변화 등이 보고되고 있다(국립수산과학원, 2024). 더불어 러시아-우크라이나 전쟁과 최근 발생한 중동 전쟁 등의 지정학적 리스크로 인해 국제유가가 급등하면서 유류비의 비중이 어업비용의 22.0%에 달하는 근해어업도 경영상 어려움에 직면해 있다(KOSIS, 2026).

    이에 따라 정부는 2025년 ‘수산부문 기후변화 종합대책’을 수립하여 수산부문의 기후변화 영향을 최소화하기 위해 다양한 정책수단을 동원하고 있다. 그러한 수단 중 하나로 총허용어획량 중심의 어업체계 개편 및 불합리한 어업규제 완화와 탄력적이고 기술집약적인 양식업 체계 구축을 통해 생산단계에서 기후변화에 대한 적응력을 높이는 전략을 수립하였다(해양수산부, 2024). 아울러 지정학적 리스크로 인해 국제유가가 급등하면서 해양수산부는 유가연동 보조금을 한시적으로 지원하고, 지자체별로 어업용 면세유 인상분의 일부를 지원하는 사업을 시행하여 어업인의 유류비 부담을 완화하는 대책을 마련하였다(해양수산부, 2026;전라남도, 2023;인천광역시, 2026).

    학계에서도 어업여건 변화에 대한 심각성을 인식하고, 수산업의 기후변화 취약성 평가나 기후변화로 인한 수산업의 피해규모 예측에 관한 연구가 주로 수행되었다(이버들 외, 2011;김봉태 외, 2016;김봉태 외, 2018;Kim et al., 2019;Kim et al., 2022;김봉태, 2023;윤유진ㆍ김봉태, 2023;Kim et al., 2023;정필규ㆍ김봉태, 2025). 이와 같이 기후변화가 수산업에 미치는 영향을 분석한 연구는 비교적 활발하게 시행되었으나 국제유가가 수산업에 미치는 영향을 분석한 연구는 국제유가와 원양선망어업의 가다랑어 가격 간 인과성 분석을 실시한 연구(조헌주 외, 2019)를 제외하면 상대적으로 제한적인 편이다.

    최근에는 수산업 부문에서 기후변화의 장ㆍ단기 영향을 분석한 연구들이 시도되어 왔는데, Cho et al.(2025a)은 ARDL(autoregressive distributed lag) 모형을 활용하여 표층 수온과 강수량, 국내 온실가스 배출량이 장기적으로는 어획량에 부(-)의 영향을 미치고 있음을 발표하였다. 정필규 외(2025)도 ARDL 모형을 이용하여 표층 수온 및 염분이 장기적으로는 어획량에 부(-)의 영향을 미치고 있음을 발견하였다. 백진화ㆍ홍재범(2024)은 VAR(vector autoregressive) 모형에 기반한 충격반응분석을 활용하여 연안어업 어획량에 대한 기온과 강수량의 영향은 시간이 경과할수록 완화 또는 소멸됨을 보였다. 국외에서는 Begum et al.(2022)이 ARDL 모형을 이용하여 평균 기온이 방글라데시의 수산업 생산량에 장기적으로 부(-)의 영향을 미치는 반면, 표층 수온과 강수량, 일조량은 정(+)의 영향을 미치는 것으로 보고하였다.

    어업여건 변화가 수산업에 미치는 영향을 분석한 선행연구들을 종합하면, 주로 수산업 전체 또는 개별 업종 단위에서 기후변화나 국제유가의 영향을 분절적으로 분석하는데 그치고 있기 때문에 어업경영체 수준에서 어업여건 변화의 영향을 살펴보는 데에는 한계가 있다. 특히, 어업여건 변화에 대응하는 정부 및 지자체의 정책은 개별 업종을 대상으로 수립할 수 있으나 정책의 실질적 효과는 개별 어업경영체에 의해 좌우될 수 있으므로 어업경영체 단위에서 어업여건 변화의 영향을 정량적으로 분석해 보는 접근도 필요한 것으로 판단된다. 따라서 본 연구는 기후변화로 인해 어획량이 급감하고, 원거리 조업과 집어등 사용 등으로 인해 어업비용에서 유류비 비중(28.4%)이 근해어업 평균(22.0%)보다 높은 근해채낚기 어업경영체를 분석대상으로 선정하였다(KOSIS, 2026).

    본 연구는 ARDL 모형을 이용하여 기후변화가 근해채낚기 어업경영체에 미치는 장ㆍ단기 영향을 추정한다는 점에서 선행연구와의 일부 연속성이 존재한다. 그러나 본 연구는 국제유가를 모형에 명시적으로 포함하여 국제유가 변화에 따른 근해채낚기 어업경영체의 장ㆍ단기 영향을 정량적으로 분석하였다는 점에서 연구의 차별성이 존재한다. 이와 동시에 ARDL 모형을 활용한 선행연구에서 시도하지 못한 동태적 시뮬레이션을 통해 표층 수온과 국제유가에 충격이 발생하였을 때, 근해채낚기 어업경영체의 어획량 변화까지도 추정해 보고자 한다.

    본 연구는 다음과 같이 구성되어 있다. 먼저 제2장에서는 어업여건 변화가 근해채낚기 어업경영체에 미치는 동태적 영향 분석에 투입되는 자료와 ARDL 모형의 이론에 대해 소개한다. 다음으로 제3장에서는 ARDL 모형을 이용하여 어업여건 변화가 근해채낚기 어업경영체에 미치는 장ㆍ단기 영향과 동태적 시뮬레이션 추정 결과를 제시한다. 끝으로 제4장에서는 본 연구의 결과를 요약하고, 분석 결과를 바탕으로 정책적 시사점을 도출하는 순서로 연구를 구성하였다.

    Ⅱ. 분석 자료 및 모형

    1. 분석 자료

    근해채낚기 어업경영체의 연도별(1989~2024년) 어획량(CATCH)과 어선 마력(HP)은 국가통계포털(KOSIS)에서 제공하는 연도별 ‘어업경영조사’에서 획득하였다(KOSIS, 2026). 그리고 표층 수온(SST)은 ｢수산업법 시행령｣상 근해채낚기어업이 우리나라 근해 전역에서 조업이 가능하기 때문에 동해와 남해, 서해의 연도별(1989~2024년) 표층 수온 평균치를 분석에 활용하였고, 기상청 종합 기후변화감시정보에서 해당 자료를 획득하였다(기상청, 2026). 끝으로 국제유가(DUBAI) 자료는 세계은행(World Bank)의 Commodity Markets에서 획득하였으며(World Bank, 2026), 실질화된 두바이유 가격의 연도별(1989~2024년) 자료를 분석에 활용하였다.

    변수별 기초통계량과 연도별 변화 추이는 <표 1>과 <그림 1>에 각각 제시하였다. 근해채낚기 어업경영체의 연평균 어획량은 약 126,179kg이며, 연도별 어획량의 범위는 23,651kg에서 270,536kg까지 분포하여 연도별 편차가 큰 것으로 나타났다. 반면, 표층 수온은 평균 17.2°C로, 연도별로 16.1°C에서 18.8°C까지의 범위에서 변동하였다. 근해채낚기 어업경영체 어선의 평균 마력은 518마력이고, 최소 324마력에서 최대 673마력까지 분포하는 것으로 확인되었다. 끝으로 국제유가는 평균 50.1USD로, 연도별로 14.8USD에서 98.8USD까지 분포하여 연도별 편차가 컸다.

    2. ARDL 모형

    본 연구는 어업여건 변화가 근해채낚기 어업경영체에 미치는 장ㆍ단기 영향을 파악하기 위해 Pesaran et al.(2001)이 제안한 ARDL 모형을 분석에 활용하였다. 근해채낚기 어업경영체가 어획하는 어종은 어업여건 변화에 즉각적으로 반응하거나 일정한 시차를 두고 영향을 받을 수 있다. 이와 같은 특성을 고려할 때, 단기 변동(short-run dynamics)과 장기 균형 관계(long-run equilibrium relationship)를 함께 추정할 수 있는 ARDL 모형은 어업여건 변화가 미치는 영향을 통합적으로 분석할 수 있다(Pesaran et al., 2001). 또한 본 연구의 분석기간이 1989년부터 2024년까지의 연도별 자료임을 감안할 때, ARDL 모형은 소표본에서도 비교적 다른 공적분 회귀분석에 비해 강건하며, 신뢰성 있는 추정이 가능한 것으로 알려져 있다(Pesaran et al., 2001). 이외에도 ARDL 모형은 변수별 적분 차수가 I(0) 또는 I(1)이 혼재된 상황에서도 변수간 공적분 관계를 추정할 수 있다는 장점이 있다(Pesaran and Shin, 1998).

    어업여건 변화를 반영할 수 있는 변수를 선정하기 위해 본 연구는 수산부문의 선행연구를 폭넓게 참고하였다. 우선 기후변화 영향을 분석한 수산부문의 선행연구는 대부분 표층 수온을 독립변수로 채택하였는데(Begum et al., 2022;백진화ㆍ홍재범, 2024;Cho et al., 2025a;정필규 외, 2025), 본 연구도 이를 고려하여 표층 수온을 분석 모형에 포함하였다. 더불어 국제유가를 독립변수로 선정하여 분석에 활용한 선행연구를 확인하였고(조헌주 외, 2019), 이를 참고하여 본 연구에서는 전 세계 원유 가운데 국내에 도입되는 비중이 가장 높은 두바이유 가격을 독립변수로 채택하였다. 다음으로 어선 마력으로 집계된 어획노력량을 독립변수로 활용한 연구도 존재하였는데(정필규 외, 2025), 본 연구에서도 근해채낚기 어업경영체의 조업 범위 및 지속성에 영향을 미치는 어선 마력을 모형에 독립변수로 추가하여 어획노력량에 따른 어획량 변화를 통제하였다1). 끝으로 수산부문의 선행연구를 참고하여 어업여건 변화의 영향을 받는 종속변수로 어획량을 선정하였다(Begum et al., 2022;백진화ㆍ홍재범, 2024;Cho et al., 2025;정필규 외, 2025).

    본 연구에서는 어업여건 변화가 근해채낚기 어업경영체에 미치는 동태적 영향을 살펴보기에 앞서 식(1)과 같이 분석 모형을 구성하였다. 식(1)의 변수 가운데 SST는 연도별로 변화폭이 크지 않기 때문에 로그 변환에 따른 분산의 안정화 효과도 제한적이고, 해당 변수의 물리적 특성 및 생태학적 해석의 편의성을 고려하여 원자료 형태 그대로 분석에 활용하였다(정필규 외, 2025). 이 외에 식(1)의 LCATCH와 LHP, LDUBAI는 어획량과 어선 마력, 국제유가를 각각 로그 변환한 변수이며, 이 변수들은 SST에 비해 연도별 변화폭이 크므로 로그 변환을 적용하여 분산 안정화와 함께 탄력성으로 해석할 수 있도록 하였다.

    LCATCH t = β 0 + β 1 SST t + β 2 LHP t + β 3 LDUBAI t + ε t
    (1)

    위의 식(1)은 종속 및 독립변수 사이의 수준 관계(level relationship)를 나타내며, ARDL 공적분 검정인 한계(bound) 검정의 기반이 된다(Pesaran et al., 2001). 만약 변수 간 공적분 관계가 통계적으로 확인된다면 식(1)은 장기 균형 방정식(long-run equilibrium equation)으로 해석이 가능하고 방정식의 계수 추정치는 장기 효과로 해석이 가능하다(Pesaran et al., 2001;Kripfganz and Schneider, 2023). 아울러 변수 간 공적분 관계가 존재하는 경우, ARDL 모형은 오차수정모형(ECM, error correction model) 형태인 ARDL-ECM으로 확장할 수 있으며(Pesaran et al., 2001), 아래의 식(2)와 같이 표현할 수 있다.

    Δ LCATCH t = β 0 + ∑ i = 1 p β 1 i Δ SST t − i + ∑ i = 1 q β 2 i Δ LHP t − i + ∑ i = 1 k β 3 i Δ LDUBAI t − i + β 4 ECM t − 1 + ε t
    (2)

    여기서, 식(2)의 차분된 독립변수의 계수 추정치는 단기 효과를 의미하며, 장기 균형에서 이탈하였을 경우, 조정 속도는 오차수정항(ECMt−1)의 계수(β4)를 통해 파악할 수 있다(Kripfganz and Schneider, 2023). 만약 ECMt−1의 β4가 통계적으로 유의하고, -1에 근접한 경우에는 장기 균형으로 조정되는 속도가 빠른 것으로 해석이 가능하다(Cho et al., 2025a). 반면, β4가 통계적으로 유의하며, 0에 가까울수록 장기 균형에 점진적으로 수렴하는 것으로 판단한다(Cho et al., 2025a).

    더불어 식(2)의 ECM은 다음의 식(3)과 같은 형태로 표현할 수 있다. 식(3)의 ECMt−1은 장기 균형 관계에서 도출된 잔차로 구성되어 있으며, 이를 기반으로 ARDL 모형의 장기 탄력성(long-run elasticity) 추정이 가능하다(정필규 외, 2025).

    ECM t − 1 = LCATCH t − 1 − ( β 0 + ∑ i = 1 p β 1 i Δ SST t − i + ∑ i = 1 q β 2 i Δ LHP t − i + ∑ i = 1 k β 3 i Δ LDUBAI t − i )
    (3)

    Ⅲ. 분석 결과

    1. ARDL 모형 추정 결과

    ARDL 모형 추정의 전제조건으로 분석에 이용하는 모든 변수는 I(0) 또는 I(1)의 적분 차수를 가져야 한다(Pesaran et al., 2001). 만약 하나의 변수라도 I(2) 이상으로 적분되어 있을 경우, ARDL 한계(bounds) 검정을 위해 계산되는 F-통계량의 임계값은 통계적으로 유효하지 않다(Ang, 2007). 이에 본 연구에서는 ARDL 모형을 추정하기에 앞서 분석에 활용된 변수들에 대해 단위근 검정을 실시하여 각 변수의 적분 차수를 확인하였다. 분석에 이용되는 네 변수의 적분 차수 검토에는 Augmented Dickey–Fuller(ADF) 및 Phillips–Perron(PP) 단위근 검정을 활용되었다. ADF 검정은 시차 차분항을 포함하여 자기상관 문제를 완화할 수 있는 장점이 있으며(Dickey and Fuller, 1979), PP 검정은 비모수적 방법을 사용하여 오차항의 자기상관과 이분산성을 보정함으로써 강건한 추론이 가능하다(Phillips and Perron, 1988). 동 검정은 ‘시계열이 단위근을 포함하여 비정상적(non-stationary)이다’라는 귀무가설을 기반으로 한다.

    ADF 및 PP 검정 결과, 네 변수 가운데 SST만이 0.1% 아래의 유의수준에서 귀무가설을 기각하여 적분 차수가 I(0)인 것으로 확인되었다. 이어서 1차 차분값 기준으로는 모든 변수가 0.1% 이하의 유의수준에서 귀무가설을 기각하여 적분 차수가 I(1)인 것으로 분석되었다. 상기 결과를 종합하면, ARDL 모형 추정에 활용되는 모든 변수가 I(0) 또는 I(1)의 적분 차수를 보이고 있으므로 ARDL 모형 추정에 요구되는 전제조건을 충족하는 것으로 판단하였다.

    ARDL 모형을 분석에 활용하기 위해서는 적정 시차를 우선 결정해야 한다. 본 연구에서는 적정 시차를 선택하기 위해 무제약 VAR(vector autoregressive) 모형을 활용하였다(Begum et al., 2022). 적정 시차는 AIC(Akaike information criterion)와 HQIC(Hannan–Quinn information criterion), SBIC(Schwarz Bayesian information criterion) 등 세 가지 정보기준에 따라 결정할 수 있으며, 적정 시차 선정 결과는 <표 3>에 제시되어 있다. 우선 AIC에서는 시차가 4인 모형이 정보 기준을 최소화하는 것으로 나타났으며, HQIC와 SBIC에서는 각각 시차가 1인 모형이 각각의 정보 기준을 최소화하는 것으로 나타났다.

    Pesaran and Shin(1998)은 AIC와 SBIC에서 선정된 적정 시차 차수를 기반으로 한 ARDL 추정량을 비교한 결과, 두 정보요인 모두 소표본에서 유사한 결과가 도출된다는 것을 제시하였다. 그러나 ARDL 모형에서는 보다 유연한 시차 구조를 허용할 수 있다는 점에서 SBIC에 비해 AIC가 선호되는 경우가 많은데, 이를 통해 추정 모형의 적합도를 개선하고 잔차의 자기상관 문제를 완화할 수 있다(Kripfganz and Schneider, 2023). 따라서 본 연구에서도 무제약 VAR 모형의 AIC를 최소화하는 시차 4를 ARDL 모형의 최대 시차로 설정하여 분석을 실시하였으며, 최종적으로는 AIC를 최소화하는 ARDL(1, 4, 3, 4)를 분석모형으로 활용하였다2).

    이어서 ARDL 한계 검정을 시행하여 종속 및 독립변수 간의 공적분 관계가 존재하는지 확인하였다. 동 검정을 통해 변수 간 공적분 관계가 존재할 경우, 종속변수와 독립변수 사이에 안정적인 장기 균형 관계가 존재함을 의미한다(Pesaran and Shin, 1998;Narayan and Smyth, 2005). 앞서 분석모형으로 선정된 ARDL(1, 4, 3, 4) 모형을 기반으로 ARDL 한계 검정을 시행한 결과, F-통계량 및 -통계량의 관측값은 각각 9.697과 –5.855로 나타났으며, 1% 유의수준에서 각각 I(1)의 상한 임계값인 7.924과 –4.827을 초과하는 것으로 분석되었다. 따라서 ‘종속 및 독립변수들 간에 공적분이 존재하지 않는다’는 귀무가설은 0.1% 유의수준에서 기각되며, 1989년부터 2024년까지의 기간 동안 종속 및 독립변수 사이에는 통계적으로 유의한 장기 균형 관계가 존재함을 확인하였다.

    앞선 검정결과에 이어서 ARDL 모형 추정 결과를 살펴보면, SSTt는 근해채낚기 어업경영체의 어획량에 5% 유의수준 아래에서 장기적으로 부(-)의 영향을 미치는 것으로 분석되었다. 즉, SSTt가 1°C 증가하면, 장기적으로 근해채낚기 어업경영체의 어획량은 약 50.5% 감소하는 것으로 추정되었다3). 동ㆍ서ㆍ남해의 표층 수온은 1989년부터 2024년까지 연도별로 서서히 변화하는 것으로 관찰되

    었고, 단기간에 표층 수온 변화량이 1°C씩 증감하는 경우는 드물었다. 따라서 보다 현실적인 추정결과 해석을 위해 분석기간 동안 SSTt 평균(17.2°C)의 1% 변화(0.17°C)를 기준으로 근해채낚기 어업경영체의 어획량 변화를 추가적으로 계산하였다. SSTt가 0.17°C 증가할 경우, 근해채낚기 어업경영체의 어획량은 장기적으로 약 11.3% 감소하는 것으로 분석되었다. 그러나 단기적으로는 1년 전 표층 수온 변화(ΔSSTt−1)가 5% 유의수준 하에서 근해채낚기 어업경영체의 어획량 변화율에 정(+)의 영향을 미치는 것으로 분석되었다. ΔSSTt−1가 1°C 증가하면, 단기적으로 근해채낚기 어업경영체의 어획량 변화율은 약 37.0% 증가하는 것으로 추정되었다. 아울러 보다 현실적인 분석결과 해석을 위해 분석기간 동안 ΔSSTt−1의 평균(0.07°C)을 기준으로 근해채낚기 어업경영체의 어획량 변화율을 추가적으로 계산하였다. ΔSSTt−1가 0.07°C 증가할 경우, 근해채낚기 어업경영체의 어획량 변화율은 단기적으로 약 2.2% 증가하는 것으로 나타났다. 이와 같은 장ㆍ단기 영향의 불일치는 표층 수온 상승이 단기적으로 해양생물의 대사율 증진이나 섭식활동 활성화 등을 통해 어획량을 일시적으로 증가시키지만, 장기적으로는 산란 및 서식지 환경 악화, 개체군의 구조적인 변화로 인해 수산자원의 감소를 유발하였기 때문일 가능성도 있다(Pörtner and Peck, 2010;Cheung et al., 2013). 특히, 단기적인 표층 수온 상승은 근해채낚기어업의 주요 어획어종인 살오징어의 대사 및 섭식활동을 활성화하여 어군의 밀집 가능성을 높임으로써 어업경영체의 어획량이 일시적으로 증가할 수 있다. 그러나 표층 수온 상승이 지속될 경우에는 살오징어의 산란 및 서식지 환경 악화와 가입량 감소 등을 유발하여 장기적으로는 근해채낚기 어업경영체의 어획량 감소를 초래할 가능성이 있다.

    이어서 LHPt는 0.1% 유의수준 아래에서 장기적으로 근해채낚기 어업경영체의 어획량에 부(-)의 영향을 미쳤으나 2년 전 어선 마력 변화율(ΔLHPt−2)은 0.1% 유의수준에서 단기적으로 어획량 변화율에 정(+)의 영향을 미치는 것으로 분석되었다. 구체적으로 LHPt가 1% 증가하면 근해채낚기 어업경영체의 어획량은 장기적으로 약 3.3% 감소하는 것으로 추정되었다. 그러나 ΔLHPt−2가 1% 증가하면, 근해채낚기 어업경영체의 어획량 변화율은 단기적으로 약 1.7% 증가하는 것으로 분석되었다. 이러한 결과를 해석해 보면, 어업경영체가 어획효율을 제고하려는 목적으로 어획노력량을 증대하면 단기적으로는 어획량이 증가할 수 있다(Clark, 1990;Hilborn and Walters, 1992). 그러나 어획노력량의 지속적인 증가는 어업자원의 과도한 이용을 초래하고, 이는 결국 수산자원량 감소를 유발하여 장기적으로는 어업경영체의 어획량이 감소하였을 수 있다(Clark, 1990;Hilborn and Walters, 1992).

    다음으로 LDUBAIt는 근해채낚기 어업경영체의 어획량에 5% 유의수준 아래에서 장기적으로 부(-)의 영향을 미치는 것으로 분석되었다. 즉, LDUBAIt가 1% 증가하면, 장기적으로 근해채낚기 어업경영체의 어획량은 약 0.2% 감소하는 것으로 추정되었다. 그러나 당해 연도와 2년 전, 3년 전 국제유가 변화율(ΔLDUBAIt, ΔLDUBAIt−2, ΔLDUBAIt−3)은 0.1% 유의수준에서 단기적으로 어획량 변화율에 정(+)의 영향을 미치는 것으로 분석되었다. 구체적으로 ΔLDUBAIt와 ΔLDUBAIt−2, ΔLDUBAIt−3이 각각 1% 증가하면, 근해채낚기 어업경영체의 어획량 변화율은 약 0.5%와 0.7%, 0.5% 증가하는 것으로 추정되었다. 어로어업의 경우, 국제유가가 상승하더라도 어선과 선원을 비롯한

    생산요소의 경직적인 특성으로 인해 즉시 조업을 줄이기 쉽지 않으므로(FAO, 2005), 단기적으로는 어획량이 증가할 가능성도 있다. 그러나 장기적으로는 국제유가 상승이 유류비 부담을 증가시켜 어업비용이 증가하게 되고(Tyedmers et al., 2005), 이는 어업경영체의 수익성 악화를 유발하여 결과적으로는 어획량 감소의 요인으로 작용하였을 수 있다.

    끝으로 오차수정항인 ECTt−1는 0.1% 유의수준 아래에서 통계적으로 유의하였고, 계수 추정치는 -0.642로 도출되었다. ECTt−1의 추정치 절댓값은 조정 속도를 나타내는데, 본 연구의 분석 결과에서는 근해채낚기 어업경영체의 어획량이 장기 균형에서 이탈하였을 경우, 다음 연도에 약 64.2%의 불균형이 조정되어 장기 균형에 수렴하는 것으로 분석되었다. 이러한 추정 결과는 근해채낚기 어업경영체의 어획량이 단기적 충격에 의해 일시적으로 변동하지만 조정과정을 거치면서 어획량이 장기적인 추세로 복귀하려는 경향이 있음을 시사한다. 그럼에도 불구하고 근해채낚기 어업경영체의 어획량 추이는 전반적으로 감소하는 형태를 보이고 있으므로 이러한 조정과정은 하향 이동된 새로운 균형으로의 수렴일 수 있다(정필규 외, 2025).

    2. ARDL 모형 안정성 및 강건성 검정 결과

    어업여건 변화가 근해채낚기 어업경영체에 미치는 장ㆍ단기 영향을 추정한 이후, 본 연구는 추가적인 검정을 실시하여 ARDL(1, 4, 3, 4) 모형의 신뢰성 및 타당성을 평가하였다. 구체적으로, Pesaran et al.(2001)에 따라 모형의 잔차를 기반으로 Breusch–Godfrey LM(Lagrange multiplier) 자기상관 검정과 White 이분산 검정, Jarque–Bera 정규성 검정을 실시하였다. 또한 추정 모형의 함수형태에 오류가 존재할 가능성을 확인하기 위해 Ramsey(1969)의 RESET(regression equation specification error test) 검정을 추가로 수행하였다.

    <표 6>의 검정 결과를 살펴보면, Breusch–Godfrey LM 검정에서 ‘자기상관이 존재하지 않는다’는 귀무가설이 5% 유의수준에서 채택되었으며, 이는 모형의 오차항에 자기상관이 존재하지 않는 것으로 해석할 수 있다. 이어서 White 이분산 검정에서도 ‘오차항이 등분산이다’는 귀무가설이 5% 유의수준에서 채택되어 모형의 오차항에 이분산성이 존재하지 않는 것으로 나타났다. 더불어 Jarque–Bera 정규성 검정 결과, ‘오차항이 정규분포 한다’는 귀무가설이 5% 유의수준에서 채택되었으며, 오차항이 정규분포를 따르는 것으로 확인되었다. 마지막으로 Ramsey RESET 검정에서도 ‘모형에 누락변수가 존재하지 않는다’는 귀무가설이 5% 유의수준에서 채택되어 모형의 함수형태가 오류 없이 적절하게 설정된 것으로 판단할 수 있다.

    상기 검정 외에 본 연구는 ARDL(1, 4, 3, 4) 모형의 구조적 안정성을 확인하기 위해 재귀 잔차(recursive residuals)를 기반으로 CUSUM(cumulative sum) 및 CUSUM2(cumulative sum of squares) 검정을 실시하였다(Brown et al., 1975). <그림 2>의 좌측에 제시된 바와 같이 CUSUM 검정의 통계량은 모두 95% 신뢰구간 내에 위치하는 것으로 나타났다. 이는 회귀 계수가 분석기간 동안 안정적으로 유지되고 있음을 의미하며, ‘회귀 계수가 일정하다’는 귀무가설을 채택하였다. 아울러 <그림 2>의 우측에 제시된 CUSUM2 검정의 통계량도 모두 95% 신뢰구간 내에 위치하고 있어 ‘오차항의 분산이 일정하며, 모형에 구조적 변화(structural breaks)가 없다’라는 귀무가설을 채택하였다. 두 검정의 결과를 종합하면, ARDL(1, 4, 3, 4) 모형은 분석기간 동안 안정적인 것으로 판단되며, 구조적 변화의 영향을 받지 않는 모형으로 확인되었다.

    이어서 본 연구는 세 가지 공적분 회귀모형을 활용하여 ARDL(1, 4, 3, 4) 모형에서 추정된 장기효과의 강건성을 확인하였다. 우선 FMOLS(fully modified ordinary least squares) 모형은 추정식에 반모수적(semi-parametric) 보정을 적용하여 잔차의 자기상관과 이분산성 문제를 해결하는데, 이를 통해 추정량의 일치성과 점근적 정규성을 보장한다(Phillips and Hansen, 1990). 이어서 DOLS(dynamic ordinary least squares) 모형은 추정식의 독립변수 1차 차분값에 대한 선행항(leads)과 후행항(lags)을 포함함으로써 내생성과 자기상관 문제를 보정하여 OLS를 이용한 단순하고 직관적인 추정을 가능하게 한다(Stock and Watson, 1993). 상기 두 모형은 소표본 편의(small-sample bias)를 완화하여 연도별 자료로 변수 간 장기 관계를 추정하는 데 적합하다(Montalvo, 1995;Liu et al., 2022). 또한, 변수에 선형 변환을 적용하여 내생성 문제를 해결하고, OLS를 이용하여 효율적인 추정이 가능한 CCR(canonical cointegrating regression) 모형도 활용하였다(Park, 1992).

    공적분 회귀모형 추정 결과에 따르면, FMOLS와 DOLS, CCR 모형에서 모든 변수는 5% 이하의 유의수준에서 통계적으로 유의하였다. 이러한 결과를 ARDL(1, 4, 3, 4) 모형의 장기 효과 추정 결과와 비교해 보면, 변수별 추정계수의 통계적 유의성은 모형별로 차이가 있었으며, 세 모형의 변수별 추정치 크기에서도 일부 차이가 관찰되었다. 그러나 이러한 차이는 추정 절차에서의 방법론적 차이에 기인한 것으로 판단되며(Cho et al., 2025a), 추정치 부호의 방향도 ARDL(1, 4, 3, 4) 모형의 추정 결과와 세 모형 모두 일치하였다. 따라서 이와 같은 강건성 검정 결과는 다양한 계량경제학적 접근법을 적용하더라도 ARDL(1, 4, 3, 4) 모형에서 도출된 장기 관계가 구조적으로 안정적임을 시사한다.

    3. ARDL 모형에 기반한 동태적 시뮬레이션 결과

    ARDL 모형은 시차가 단순한 경우, 단기 및 장기 효과를 해석하는 것이 비교적 용이하나 모형의 시차가 증가할수록 장ㆍ단기 결과를 직관적으로 이해하는데 어려움이 따른다(Jordan and Philips, 2018). 이에 본 연구에서는 ARDL(1, 4, 3, 4) 모형의 분석 결과를 보다 명확하게 해석하기 위해서 상기 모형을 기반으로 동태적 시뮬레이션을 실시하였다. 이 방법론은 다른 조건이 일정하게 유지된 것으로 가정하고, 미래의 특정 시점에서 하나의 독립변수에 가상의 변화(counterfactual change)가 발생하면 그 효과를 확률적 불확실성까지 고려한 시뮬레이션으로 추정한다(Jordan and Philips, 2018).

    표층 수온과 국제유가가 변화하였을 경우, 근해채낚기 어업경영체의 어획량에 미치는 영향을 동태적으로 시뮬레이션한 결과는 <그림 3>에 제시하였다. 우선 SST에 표준편차 1단위에 해당하는 양(+)의 충격이 발생하였을 때, 2025년부터 2030년까지 추정된 LCATCH는 매년 감소하였으며, 연도가 경과함에 따라 감소폭도 증가하였다. 특히, 2031년 이후부터는 추정된 LCATCH의 감소분이 -0.35에 수렴하는 것으로 나타나 표층 수온이 0.51°C 증가하면 근해채낚기 어업경영체의 어획량은 2031년부터 장기적으로 29.5% 감소하는 것으로 추정되었다. 다음으로 LDUBAI에 표준편차 1단위에 해당하는 양(+)의 충격이 발생하면 2030년부터 2032년까지 추정된 LCATCH의 감소폭은 매년 증가하는 것으로 나타났으며, 2033년 이후부터는 추정된 LCATCH의 감소분이 -0.13에 수렴하는 것으로 분석되었다. 다시 말해, 국제유가가 84.0% 증가하면 근해채낚기 어업경영체의 어획량은 2033년부터 장기적으로 12.2% 감소하는 것으로 추정되었다.

    Ⅳ. 결론

    수산업 전반에서 어업여건 변화로 인한 피해가 심화되고 있음에도 불구하고, 연근해 어업경영체를 대상으로 어업여건 변화의 동태적 영향을 실증적으로 분석한 연구는 제한적인 실정이었다. 이에 본 연구는 소표본에서도 비교적 강건한 추정결과를 제시하는 ARDL 모형을 활용하여 표층 수온 및 국제유가 변화가 근해채낚기 어업경영체에 미치는 장ㆍ단기 영향을 정량적으로 분석하고, 이들 변수에 충격이 발생하였을 경우를 가정한 동태적 시뮬레이션을 실시하여 근해채낚기 어업경영체의 어획량 변화를 살펴보았다.

    본 연구의 분석 결과를 요약하면 다음과 같다. 첫째, 표층 수온이 약 0.17°C 증가할 경우, 근해채낚기 어업경영체의 어획량은 장기적으로 약 11.3% 감소하는 것으로 분석되었다. 그러나 단기적으로는 1년 전 표층 수온이 변화량이 약 0.07°C 증가할 경우, 근해채낚기 어업경영체의 어획량 변화율은 약 2.2% 증가하는 것으로 나타났다. 둘째, 근해채낚기 어업경영체의 어선 마력이 1% 증가하면 어획량은 장기적으로 약 3.3% 감소하는 것으로 추정되었다. 반면, 2년 전 근해채낚기 어업경영체의 어선 마력 변화율이 1% 증가하면, 어획량 변화율은 단기적으로 약 1.7% 증가하는 것으로 분석되었다. 셋째, 국제유가가 1% 증가하면, 장기적으로 근해채낚기 어업경영체의 어획량은 약 0.2% 감소하는 것으로 추정되었다. 그러나 당해 연도와 2년 전, 3년 전 국제유가 변화율이 각각 1% 증가하면 근해채낚기 어업경영체의 어획량 변화율은 약 0.5%와 0.7%, 0.5% 증가하는 것으로 추정되었다. 넷째, 표층 수온이 약 0.51°C 증가한 경우를 가정하여 동태적 시뮬레이션을 실시한 결과, 근해채낚기 어업경영체의 어획량은 2031년부터 장기적으로 약 29.5% 감소하는 것으로 추정되었다. 다섯째, 국제유가가 약 84.0% 증가하였을 경우를 가정하여 동태적 시뮬레이션을 시행하였을 때, 통계적 유의성은 다소 부족하였으나 근해채낚기 어업경영체의 어획량은 2033년부터 장기적으로 약 12.2% 감소하는 것으로 분석되었다.

    본 연구의 분석 결과를 기반으로 도출한 정책적 시사점은 다음과 같다. 첫째, 장기적으로 표층 수온 상승이 근해채낚기 어업경영체의 어획량 감소와 관련성이 있는 것으로 확인된 만큼, 어업경영체의 지속가능성 유지를 위해 자원관리 정책의 개선이 필요하다. 특히, 총허용어획량 제도의 모니터링을 강화하고, 표층 수온 변화에 따른 수산자원 감소 가능성까지 고려하여 수산자원 조사ㆍ평가 방법을 고도화해야 한다. 둘째, 국제유가 상승은 장기적으로 어업비용 증가와 어업경영체의 수익성 악화를 야기하여 근해채낚기 어업경영체의 어획량 감소로 연결될 가능성이 있으므로 에너지 효율이 개선된 어선으로 교체를 유도하는 정책 수립이 필요해 보인다. 이미 노후화된 어선을 신규 어선으로 교체할 때 이자의 일부를 지원하는 이차보전 사업이 시행 중이지만 사업의 예산과 지원범위가 제한되어 있다. 따라서 원양어업이나 연안해운 부문의 사례를 검토하여 민간금융기관이 참여할 수 있는 어선 현대화 펀드를 마련하는 방안도 고려해 봄직하다. 아울러 국제유가 급등 시 조업차질을 최소화하기 위해 어선별로 배정된 어업용 면세유 한도량을 소진하지 못한 경우, 잔여 면세유는 비축물량으로 적립할 수 있도록 ｢유류공급사업요령｣ 개정을 검토할 필요도 있다. 셋째, 어선 마력 증가가 장기적으로는 근해채낚기 어업경영체의 어획량 감소를 야기할 수 있다는 점을 고려하여 어획노력량 관리 정책도 병행해야 한다. 2025년 해양수산부는 근해채낚기 어선의 선복량 규제 완화를 발표한 바 있다. 그러나 어획강도에 실질적으로 영향을 미칠 수 있는 어선 마력은 여전히 상한선 설정이 되어 있지 않고 있으므로 이에 관한 논의도 필요해 보인다.

    본 연구는 기존의 선행연구와 달리 어업여건 변화가 근해채낚기 어업경영체에 미치는 영향을 장ㆍ단기로 구분하여 분석하고, 동태적 시뮬레이션을 통해 표층 수온과 국제유가가 상승하였을 때 근해채낚기 어업경영체의 어획량에 미치는 영향을 예측해 보았다는데 의의가 있다. 또한 기후변화가 근해채낚기 어업경영체에 미치는 영향을 정량적으로 분석함으로써 관련 정책 수립의 근거 중 하나로 활용할 수 있는 기초자료를 제시한 점도 연구의 의의라 할 수 있다. 아울러 본 연구의 분석결과에 기초하여 정책적 시사점과 대응방안을 다양하게 제시한 점도 정부의 정책 수립에 어느 정도 도움이 될 것으로 기대된다.

    그럼에도 불구하고 본 연구는 몇 가지 한계점도 존재한다. 첫째, 분석에 활용한 연도별 자료의 기간이 36년에 불과해 다양한 계량모형을 분석에 활용하지 못하였으며, 모형의 자유도 문제로 인해 어업여건 변화를 대표할 수 있는 다양한 변수를 모형에 포함할 수 없었다. 둘째, 근해채낚기 어업경영체가 주로 조업하는 해역의 표층 수온 자료를 획득하기에는 여러 제약이 많아서 동ㆍ서ㆍ남해 표층 수온의 평균치를 활용하여 분석을 시도한 점도 연구의 한계라 할 수 있다. 셋째, 연도별 변동폭이 작은 표층 수온 자료를 분석에 활용하여 표층 수온이 어획량에 미치는 비선형적 영향을 규명하지 못한 한계도 존재한다. 넷째, 국제유가에 충격이 발생하였을 경우를 가정한 동태적 시뮬레이션 결과에서 근해채낚기 어업경영체의 어획량 감소분이 95% 신뢰구간에 포함되어 통계적으로는 유의한 결과라 해석할 수 없었다.

    향후 연구에서는 어업여건 변화의 영향을 정치하게 추정할 수 있도록 근해채낚기 어업경영체의 주된 조업구역에 해당하는 해역의 환경변수들과 어업용 면세유 가격을 수집하여 추가적인 분석을 시도하고, 본 연구의 결과와 비교해 볼 필요가 있다. 더불어 Cho et al.(2025b)와 Jeong et al.(2025)의 접근법을 활용하여 표층 수온 변화에 따른 근해채낚기 어업경영체의 어획량 변화가 비선형적으로 나타나는지 분석해 본다면, 표층 수온 변화에 따른 어획량 변동을 세밀하게 파악할 수 있을 것으로 기대된다. 이외에도 패널 ARDL 모형을 적용하여 분석범위를 근해어업 전반으로 확대한다면 다양한 변수를 모형에 포함하여 어업여건 변화가 근해어업의 어업경영체에 미치는 영향을 심도 있게 분석할 수 있을 것이다.

    Figures

    FBA-57-2-17_F1.jpg
    분석 자료의 연도별 변화 추이

    주: 분석자료 해석의 명확성을 위해 연도별 변화 추이는 원자료 기준으로 제시하였다.

    FBA-57-2-17_F2.jpg
    CUSUM(좌) 및 CUSUM2(우) 검정 결과

    주: 그래프 상의 점선은 95% 신뢰구간을 의미한다.

    FBA-57-2-17_F3.jpg
    표층 수온(좌) 및 국제유가(우) 충격을 가정한 동태적 시뮬레이션 결과

    주: 그래프 상의 점선은 95% 신뢰구간을 의미한다.

    Tables

    변수별 기초통계량

    단위: kg, °C, hp, USD

    주: 분석자료 해석의 명확성을 위해 기초통계량은 원자료 기준으로 제시하였다.
    변수별 단위근 검정 결과
    주: *와 **, ***는 각각 5%와 1%, 0.1% 유의수준에서 통계적으로 유의함을 의미한다.
    적정 시차 선정 결과
    주: *는 각 정보기준에서 최소값을 의미한다.
    ARDL 한계 검정 결과
    주: *와 **, ***는 각각 5%와 1%, 0.1% 유의수준에서 통계적으로 유의함을 의미한다.
    ARDL 모형을 이용한 장ㆍ단기 영향 추정 결과
    주: *와 **, ***는 각각 5%와 1%, 0.1% 유의수준에서 통계적으로 유의함을 의미한다.
    ARDL 모형의 안정성 검정 결과
    공적분 회귀모형을 활용한 강건성 검정 결과
    주: 표 내부의 괄호는 표준오차를 의미한다. *와 **, ***는 각각 5%와 1%, 0.1% 유의수준에서 통계적으로 유의함을 의미한다.

    References

    1. 국가법령정보센터 ( 2026), ｢수산업법 시행령｣, accessed January 31, 2026 [available at https://www.law.go.kr/].
    2. 국립수산과학원 ( 2024), 2024 수산분야 기후변화 영향 및 연구 보고서.
    3. 국립수산과학원 ( 2025), 해양수산분야 기후변화 영향 브리핑 북 2025.
    4. 기상청 ( 2026), 종합 기후변화감시정보, accessed January 3, 2026 [available at https://www.climate.go.kr/home/09_monitoring/].
    5. 김봉태 ( 2023), “연안어업의 기후변화 피해비용 분석-SSP 시나리오를 적용하여”, 해양정책연구, 38(1), 131-152.
    6. 김봉태ㆍ이준수ㆍ서영상 ( 2016), “RCP 시나리오에 따른 남해안 어업 및 어종의 기후변화 노출 분석: 수온 변동을 대상으로”, 수산경영론집, 47(4), 31-44.
    7. 김봉태ㆍ이준수ㆍ서영상 ( 2018), “RCP 시나리오를 적용한 한국 연근해어업의 기후변화 취약성 평가: 남해안 지역을 대상으로”, Ocean & Polar Research, 40(1), 37-48.
    8. 백진화ㆍ홍재범 ( 2024), “기온 및 강수량 변화에 따른 우리나라 연안어업의 영향 분석”, 수산해양교육연구, 36(5), 888-900.
    9. 윤유진ㆍ김봉태 ( 2023), “김ㆍ미역 양식의 기후변화 피해비용 분석”, 수산경영론집, 54(2), 45-58.
    10. 이버들ㆍ김봉태ㆍ조용성 ( 2011), “국내 수산 부문의 지역별 기후변화 취약성 평가 연구”, 수산경영론집, 42(1), 57-70.
    11. 인천광역시 ( 2026), “인천시, 연근해어선 어업용 면세유 구입비 지원”, accessed April 3, 2026 [available at https://www.incheon.go.kr/].
    12. 전라남도 ( 2023), “전남도, 농어업인 면세유 구입 지원 전국 확산 주도”, accessed April 3, 2026 [available at https://www.jeonnam.go.kr/].
    13. 정필규ㆍ김봉태 ( 2025), “바지락 생산량에 미치는 기후변화 영향과 경제적 피해 비용 분석”, 한국기후변화학회지, 16(3-1), 377-388.
    14. 정필규ㆍ정연희ㆍ김봉태 ( 2025), “ARDL 모형을 이용한 고등어 어획량에 대한 기후변화 영향 분석: 대형선망어업을 중심으로”, 해양비즈니스, 62, 27-51.
    15. 조헌주ㆍ김도훈ㆍ김두남ㆍ이성일ㆍ이미경 ( 2019), “국제 유가 변동과 원양선망어업 가다랑어 가격 간의 인과성 분 석”, 수산해양기술연구, 55(3), 264-272.
    16. 해양수산부 ( 2024), “어업인 살리고, 수산물 공급 안정화... 기후변화 대응 종합 계획 마련”, accessed January 3, 2026 [available at https://www.mof.go.kr].
    17. 해양수산부 ( 2026), “해양수산부, 중동전쟁 위기를 극복하기 위한 추가경정예산 1,448억원 확정”, accessed April 14, 2026 [available at https://www.mof.go.kr].
    18. AngJ. B. ( 2007), “Are saving and investment cointegrated? The case of Malaysia (1965–2003)”, Applied Economics, 39(17), 2167-2174.
    19. BegumM., MasudM. M., AlamL., MokhtarM. B. and AmirA. A. ( 2022), “The impact of climate variables on marine fish production: an empirical evidence from Bangladesh based on autoregressive distributed lag (ARDL) approach”, Environmental Science and Pollution Research, 29(58), 87923-87937.
    20. BrownR. L., DurbinJ. and EvansJ. M. ( 1975), “Techniques for Testing the Constancy of Regression Relationships over Time”, Journal of the Royal Statistical Society: Series B (Methodological), 37, 149-163.
    21. CheungW. W., SarmientoJ. L., DunneJ., FrölicherT. L., LamV. W., Deng PalomaresM. L., WatsonR. and PaulyD. ( 2013), “Shrinking of fishes exacerbates impacts of global ocean changes on marine ecosystems”, Nature Climate Change, 3(3), 254-258.
    22. ChoH., JungP. and JeongM. ( 2025a), “Effects of Climate Change on Korea’s Fisheries Production: An ARDL Approach”, Fishes, 10, 186.
    23. ChoH., KimC., SimS., KimE. and JeonY. ( 2025b), “Nonlinear effects in finfish aquaculture: A panel threshold analysis of stocking density and water temperature in Korea”, Aquaculture International, 33(4), 285.
    24. ClarkC. W. ( 1990), “Mathematical Bioeconomics: The Optimal Management of Renewable Resources”. Wiley.
    25. DickeyD. A. and FullerW. A. ( 1979), “Distribution of the estimators for autoregressive time series with a unit root”, Journal of the American Statistical Association, 74(366a), 427-431.
    26. FAO(Food and Agriculture Organization of the United Nations) ( 2005), “Measuring and Appraising Capacity in Fisheries”, FAO Fisheries Technical Paper No. 433/2.
    27. HilbornR. and WaltersC. J. ( 1992), “Quantitative Fisheries Stock Assessment: Choice, Dynamics and Uncertainty”, Springer.
    28. JeongM., ChoH. and NamJ. ( 2025), “Threshold effects in Korea marine cage aquaculture: A fixed-effects panel threshold approach”, Regional Studies in Marine Science, 91, 104560.
    29. JordanS. and PhilipsA. Q. ( 2018), “Cointegration testing and dynamic simulations of autoregressive distributed lag models”, The Stata Journal, 18(4), 902-923.
    30. KimB. T., BrownC. L. and KimD. H. ( 2019), “Assessment on the vulnerability of Korean aquaculture to climate change”, Marine Policy, 99, 111-122.
    31. KimM. J., HanI. S., LeeJ. S. and KimD. H. ( 2022), “Determination of the vulnerability of Korean fish stocks using productivity and susceptibility indices”, Ocean & Coastal Management, 227, 106287.
    32. KimM. J., HongJ. B., HanI. S., LeeJ. S. and KimD. H. ( 2023), “Vulnerability assessment of Korean fisheries to climate change”, Marine Policy, 155, 105735.
    33. KOSIS ( 2026), “어업경영조사”, accessed January 3, 2026 [available at https://kosis.kr/index/index.do].
    34. KripfganzS. and SchneiderD. C. ( 2023), “ardl: Estimating autoregressive distributed lag and equilibrium correction models”, The Stata Journal, 23(4), 983-1019.
    35. LiuM., JuC. and HuangR. ( 2022), . “Assessing the Effects of Market Power on Electricity Reliability in China: Toward a Green and Reliable Market”, Front. Energy Res, 9, 811565.
    36. MontalvoJ. G. ( 1995), “Comparing cointegrating regression estimators: Some additional Monte Carlo results”, Economics letters, 48(3-4), 229-234.
    37. NarayanP. K. and SmythR. ( 2005), “The residential demand for electricity in Australia: an application of the bounds testing approach to cointegration”, Energy policy, 33(4), 467-474.
    38. ParkJ. Y. ( 1992), “Canonical cointegrating regressions”, Econometrica, 60(1), 119-143.
    39. PesaranM. H. and ShinY. ( 1998), “An Autoregressive Distributed-Lag Modelling Approach to Cointegration Analysis”, Econometrics and Economic Theory in the 20th Century: The Ragnar Frisch Centennial Symposium, 31, 371-413.
    40. PesaranM. H., ShinY. and SmithR. J. ( 2001), “Bounds Testing Approaches to the Analysis of Level Relationships”, Journal of Applied Econometrics, 16, 289-326.
    41. PhillipsP. C. and PerronP. ( 1988), “Testing for a unit root in time series regression”, Biometrika, 75(2), 335-346.
    42. PhillipsP. C. B. and HansenB. E. ( 1990), “Statistical Inference in Instrumental Variables Regression with I(1) Processes”, Review of Economic Studies, 57(1), 99-125.
    43. PörtnerH. O. and PeckM. A. ( 2010), “Climate change effects on fishes and fisheries: towards a cause‐and‐effect understanding”, Journal of Fish Biology, 77(8), 1745-1779.
    44. RamseyJ. B. ( 1969), “Tests for Specification Errors in Classical Linear Least-Squares Regression Analysis”, Journal of the Royal Statistical Society: Series B (Methodological), 31, 350-371.
    45. StockJ. H. and WatsonM. W. ( 1993), “A Simple Estimator of Cointegrating Vectors in Higher Order Integrated Systems”, Econometrica, 61(4), 783-820.
    46. TyedmersP. H., WatsonR. and PaulyD. ( 2005), “Fueling Global Fishing Fleets”, Ambio, 34(8), 635-638.
    47. World Bank ( 2026), “Commodity Markets”, accessed January 10, 2026 [available at https://worldbank.org/].
    Copyright © The Korean Society of Fisheries Business Administration. All rights reserved.
    Pukyoung Univ.,599-1, Daeyeon 3-dong, Nam-gu, Busan, Korea.