Ⅰ. 서 론

원유는 우리나라 산업 활동의 기초 투입재이자 가장 큰 단일 수입 품목 중 하나이다. 한국석유공사(2025)의 ｢2024년 국내 석유수급통계｣에 따르면, 2024년 우리나라의 원유 수입량은 전년 대비 2.3% 증가한 10억 3,000만 배럴이며, 원유 및 석유제품 수입액은 1,131억 달러로 국가 총수입액의 약 17.9%를 차지한다. 에너지경제연구원(2025)의 ｢에너지통계월보｣에 따르면 우리나라의 에너지 수입의존도는 2024년 기준 93.7%로 나타나, 국제 유가 변동이 기업의 비용 구조와 수익성에 직접 전이될 수 있는 구조적 취약성이 존재한다. 더욱이 한국석유공사(2025)에 따르면 중동산 원유 비중이 71.5%에 달해 특정 지역의 지정학적 충격이 유가를 통해 기업 성과로 파급될 여지가 크다. 2020년 코로나19 확산기와 2022년 러시아-우크라이나 전쟁기를 거치며 유가가 양 방향으로 크게 변동한 점은, 유가 충격의 기업 수익성 전이를 실증적으로 규명할 필요성을 높인다.

유가 충격의 경제적 영향에 관한 연구는 오랜 축적을 이루었으나, 그 초점은 주로 거시경제 총량이나 주식시장 수익률에 맞추어져 왔다. 동일한 유가 충격이 개별 기업의 매출과 비용에 어떻게 다르게 작용하여 수익성으로 전이되는지에 대한 미시적 근거는 상대적으로 부족하다. 특히 비용 구조가 유가 충격의 기업 수익성 전이에 어떻게 작용하는지를 직접 분석한 실증 연구는 제한적이다.

본 연구는 우리나라 상장기업의 분기별 재무 패널 자료를 구축하여 유가 충격이 기업 영업이익률에 미치는 영향과 그 전이 구조를 분석한다. 본 연구의 차별성은 세 가지이다. 첫째, 기존 국내 연구가 주로 산업별 주가 반응이나 업종별 시장수익률을 중심으로 유가 충격의 비대칭성과 이질성을 분석한 것과 달리, 본 연구는 영업이익률을 종속변수로 하여 유가 충격이 기업의 본업 수익성에 전이되는 과정을 직접 분석한다. 둘째, 분석 기간 이전의 평균 원가율을 시간불변 비용노출도 지표로 구성하여 비용 구조와 수익성 간 회계적 연동 문제를 완화한다. 셋째, 산업별 이질성을 개별 산업의 분리 추정이 아니라 단일 통합 모형에서 동시에 검정하여, 다중 비교에 따른 우연한 유의성 문제를 회피한다. 이를 통해 본 연구는 유가 충격과 기업 영업이익률 간의 관계가 기업의 사전적 비용구조와 산업에 따라 어떻게 달라지는지를 분석한다. 다만 본 연구는 유가 충격을 공급 충격과 수요 충격으로 구조적으로 분해하지 않으므로, 비용 경로와 글로벌 수요 경로의 상대적 크기를 직접 식별하는 데에는 한계가 있다.

본 연구가 검증하는 가설은 다음 세 가지이다. 유가 상승 충격과 하락 충격이 각각 영업이익률에 유의한 영향을 미치는지, 그 영향이 기업의 비용 구조와 산업에 따라 차별적으로 나타나는지, 그리고 충격 방향에 따른 비대칭성이 분석 기간에 어떻게 나타나는지를 분석한다.

본 논문의 구성은 다음과 같다. Ⅱ장에서는 유가 충격의 측정과 비대칭성, 기업 성과에 대한 전이, 산업별 이질성과 비용 구조에 관한 이론적 배경과 선행연구를 검토하고 연구 가설을 도출한다. Ⅲ장에서는 분석 자료와 변수의 구성 방식을 설명하고, 유가 충격과 비용 구조의 관계를 식별하기 위한 전략 및 분석 모형을 제시한다. Ⅳ장에서는 자료의 특성을 파악하기 위한 기술통계와 기본 패널 회귀 결과를 제시하고, 기업의 비용 구조와 산업별 이질성이 유가 충격의 수익성 전이에 미치는 영향을 분석한 뒤, 다양한 강건성 검증을 수행한다. Ⅴ장에서는 분석 결과를 종합하고 정책적 함의와 연구의 한계를 논의한다.

Ⅱ. 이론적 배경 및 선행연구

1. 유가 충격의 측정과 비대칭성

유가 변동의 경제적 효과가 상승과 하락 사이에서 비대칭적으로 나타난다는 점은 에너지경제학의 핵심 논점 가운데 하나이다. Mork(1989)는 Hamilton(1983)의 연구를 확장하여 실질 유가 변동을 양(+)의 변화와 음(-)의 변화로 분해한 뒤 미국 실질 GNP 성장률에 대한 영향을 개별적으로 추정하였다. 유가 상승은 경제 활동에 유의한 부정적 영향을 미치는 반면 유가 하락의 효과는 상대적으로 제한적이라는 결과는, 유가 충격을 단일 변수로 처리하는 선형 모형이 놓치는 방향별 차이를 드러냈다. 이 비대칭 분해는 이후 유가 충격 연구에서 널리 활용되는 측정 방식으로 자리 잡았으며, 선형 모형에서 관찰되던 구조적 불안정성을 완화하는 데 기여하였다.

Hamilton(2003)은 유가의 비선형 변환 지표인 순유가상승지수(Net Oil Price Increase, NOPI)를 제안하였다. NOPI는 현재 유가가 직전 일정 기간의 최고치를 초과하는 경우에만 그 초과분을 양의 값으로 기록하고 그 외에는 0으로 처리하는 방식이다. 이 지표는 경제 주체가 기존 가격 범위 내 변동에는 어느 정도 적응되어 있으며, 과거 고점을 새로 돌파하는 충격에 대해서만 유의하게 반응한다는 직관을 반영한다. 다만 NOPI는 최고가 산정에 사용하는 기준 기간(윈도우)의 길이에 따라 지표값이 달라지므로, Hamilton(2003)은 원논문에서 여러 윈도우 설정을 함께 검토하며 측정의 민감성을 논의하였다.

유가 충격의 측정과 관련하여 변동성과 충격 원천을 고려하는 접근도 발전해 왔다. Lee et al.(1995)는 유가 변동의 거시경제 효과가 유가의 변동성 수준에 따라 달라진다는 점에 주목하여, 동일한 유가 변동이라도 변동성이 낮은 안정기에는 경제에 더 큰 충격으로 작용할 수 있음을 보였다. Kilian(2009)은 구조적 벡터자기회귀 모형을 활용하여 유가 변동을 원유 공급 충격, 글로벌 총수요 충격, 원유 시장 고유 수요 충격으로 분해하고, 각 충격 유형이 실질 경제와 물가에 질적으로 상이한 효과를 미친다는 점을 보였다. 모든 유가 변동을 동질적으로 처리하는 접근이 오류를 초래할 수 있음을 보여준 이 연구는 충격 원천 식별의 중요성을 확립하였다. Kilian and Vigfusson(2011)은 기존 비대칭성 연구에서 널리 활용되던 검열 회귀 방식이 유가 상승의 경기 위축 효과를 과대추정할 수 있음을 지적하면서도, 산업 및 기업 수준에서는 비대칭성이 나타날 가능성을 제시하였다. 이는 본 연구처럼 기업 수준 자료에서 충격 방향을 분리하여 분석하는 접근의 정당성을 뒷받침한다.

이상의 연구들은 유가 충격을 어떻게 측정하느냐가 분석 결과를 좌우한다는 점을 공통적으로 보여준다. 단순 변화율은 상승과 하락의 상반된 효과를 상쇄하여 식별력이 낮고, Mork 분해는 충격 방향을 분리하여 이 문제를 완화하며, NOPI는 충격의 비선형성을 포착하지만 윈도우 설정에 민감하다. 본 연구는 Mork 비대칭 분해를 기준 측정 방식으로 채택하고 NOPI를 보조 지표로 활용하여, 측정 방식에 따른 결과의 안정성을 함께 검증한다. 그러나 기존 연구의 상당수는 거시경제 수준의 총량 자료를 중심으로 수행되었으며, 기업 수준에서 비용구조 차이를 반영한 분석은 상대적으로 제한적이다.

2. 유가 충격과 기업 성과

유가 충격이 개별 기업의 수익성과 비용 구조에 미치는 영향은 기업 수준 패널 자료의 활용이 확대되면서 활발히 연구되고 있다. Narayan and Sharma(2011)는 미국 상장 560개 기업의 일별 자료를 산업별로 분류하여 유가와 개별 기업 주식수익률의 관계를 분석하였다. 유가가 기업 수익률에 미치는 영향이 산업에 따라 다르며 기업 규모에 따라 그 방향이 달라진다는 결과는, 기업 수준에서 유가 충격이 균질하지 않게 작용함을 보여준다. Nandha and Faff(2008)는 글로벌 35개 산업 지수를 분석하여 광업과 석유·가스 업종을 제외한 대부분의 업종에서 유가 상승이 주식수익률에 부정적 영향을 미친다는 점을 확인하였다.

유가 충격이 기업 수익성에 전이되는 경로는 크게 두 가지로 구분된다. 하나는 비용 경로로, 원유나 원유 파생 원재료를 투입하는 기업에서 유가 상승이 매출원가를 높여 수익성을 압박하는 경로이다. Ganapati et al.(2020)는 미국 제조업 자료를 활용하여 에너지 투입비용 변동의 상당 부분이 소비자 가격으로 전가되며, 시멘트·석유정제·1차 알루미늄 등에서는 에너지 비용 비중이 매출의 10%를 초과하여 산업 간 비용 구조의 이질성이 크다는 점을 보였다. Lafrogne-Joussier et al.(2023)은 프랑스 제조기업의 미시 가격 자료를 분석하여 기업이 에너지 비용 상승은 생산자 가격에 거의 완전히 전가하는 반면 비용 하락에는 불완전하게 반응하는 비대칭적 전가 패턴을 발견하였다. 이 연구는 비용 구조가 유가 충격의 가격 전가에 비대칭적으로 작용하는 미시적 메커니즘을 직접 규명하였다는 점에서 본 연구와 관련성이 높다.

다른 하나는 수요 경로로, 유가 변동이 글로벌 경기 국면과 동반될 때 매출 환경의 변화를 통해 기업 성과에 영향을 미치는 경로이다. 유가 상승이 글로벌 수요 확대 국면에서 발생하면 매출 증가 효과가 비용 증가 효과를 상쇄하거나 압도할 수 있으며, 이 경우 유가 충격의 순효과는 비용 경로만 고려할 때와 다른 방향으로 나타날 수 있다. Vinas(2025)는 장기 기업 패널 자료를 활용하여 유가 충격이 비금융 기업의 이익률과 생산성, 신용 위험에 미치는 영향을 분석하고, 유가 충격의 효과가 상승과 하락 사이에 비대칭적이며 그 영향이 중기적으로 지속된다는 점을 보였다. 두 경로가 동시에 작동할 때 기업 수준에서 관찰되는 순효과는 산업과 비용 구조에 따라 달라지며, 이는 평균적 효과만으로는 유가 충격의 기업별 전이를 충분히 설명하기 어렵다는 점을 시사한다.

국내 연구에서도 유가 충격의 비대칭성 및 산업별 파급효과는 지속적으로 논의되어 왔다. 이민환·김영재(2008)는 업종별 유가 민감도가 산업 특성에 따라 상이하게 나타남을 보였으며, 김부권 외(2019)는 유가 변동성이 국내 산업활동과 거시경제 변수에 미치는 영향을 분석하였다. 정수관(2023)은 유가 충격의 국내 파급효과가 충격 방향과 경기 국면에 따라 달라질 수 있음을 제시하였다. 이러한 논의는 국내 경제에서도 유가 충격이 균질하게 전이되지 않으며, 산업 및 기업 특성에 따른 이질적 반응을 고려할 필요가 있음을 시사한다.

특히 이윤정·윤성민(2022)은 비모수적 분위수 인과관계 검정을 통해 국제유가 충격이 한국 18개 산업별 주가에 미치는 영향이 산업에 따라 이질적임을 보였다. 다만 이 연구는 산업 수준의 주가 반응을 대상으로 하여, 개별 기업의 매출과 비용을 분리한 수익성 전이 경로는 다루지 않았다.

Lee and Kim(2025)은 마르코프 전환 구조 벡터자기회귀 모형을 활용하여 유가 불확실성 충격이 우리나라 업종별 주식시장에 미치는 영향을 분석하였다. 공통요인을 통제하면 업종별 이질성이 뚜렷하게 관찰되고 고불확실성 국면에서 충격의 영향이 강화된다는 결과는, 우리나라 산업에서도 유가 충격이 균질하게 전이되지 않음을 보여준다. 다만 이 연구 역시 주식시장 수익률을 대상으로 하므로, 유가 충격이 개별 기업의 매출과 비용을 거쳐 영업이익률로 전이되는 재무성과 경로는 직접 다루지 않았다. 본 연구는 영업이익률을 종속변수로 하여 유가 충격이 기업의 본업 수익성에 전이되는 과정을 분석한다는 점에서 기존 국내 연구와 차별성을 갖는다.

3. 산업별 이질성과 비용구조

유가 충격이 산업에 따라 다르게 전파된다는 점은 여러 연구에서 일관되게 확인된다. Lee and Ni(2002)는 미국 산업별 구조적 벡터자기회귀 분석을 통해 원유 비용 비중이 높은 산업에서는 유가 충격이 주로 공급 충격으로 작용하는 반면, 대부분의 산업에서는 수요 감소 경로가 지배적임을 보였다. 생산에서의 에너지 투입 비중이 유가 충격의 전파 경로를 결정하는 핵심 변수라는 이 발견은 산업별 유가 민감도 연구의 토대가 되었다. Jo et al.(2019)는 이 결론을 요인부가 벡터자기회귀 모형으로 재검증하여, 대부분의 산업에서 수요 효과가 지배적이고 에너지 집약 산업에서만 공급 효과가 지배적이라는 핵심 결론이 시기와 방법론에 무관하게 유지됨을 확인하였다. Kilian and Park(2009)은 유가 충격의 원천에 따라 산업별 주식수익률 반응이 크게 달라짐을 보여, 산업 이질성이 충격의 성격과 결합하여 나타남을 시사하였다.

이러한 산업 이질성의 근저에는 산업별 비용 구조의 차이가 있다. 매출원가에서 원유 관련 투입이 차지하는 비중, 그리고 그 비용 변동을 제품 가격에 전가할 수 있는 능력은 산업마다 다르며, 이 차이가 동일한 유가 충격에 대한 수익성 반응의 이질성을 만든다. 비용 전가 능력이 큰 산업은 유가 상승 시 판매가를 함께 조정하여 마진을 방어할 수 있는 반면, 전가가 어려운 산업은 비용 압박을 그대로 흡수한다. 앞 절에서 살펴본 Ganapati et al.(2020)와 Lafrogne-Joussier et al.(2023)의 비용 전가 연구는 이러한 산업·기업별 전가 능력의 차이를 미시적으로 입증하였다.

비용 구조가 유가 충격의 조절 변수로 작동하는 메커니즘은 두 방향으로 정리할 수 있다. 한편으로는 비용노출도가 높은 기업일수록 유가 상승의 원가 압박을 더 크게 받아 수익성이 더 민감하게 반응할 수 있다. 다른 한편으로는 비용노출도가 낮은 기업이 상대적으로 높은 마진 여력이나 가격 조정 능력을 보유하고 있을 경우, 유가 변동과 함께 나타나는 매출 및 비용 변화에 다르게 대응할 가능성이 있다. 이처럼 비용구조를 통해 예상되는 방향이 서로 다를 수 있으므로, 비용노출도와 유가 민감도 간 관계의 방향과 형태는 이론적으로 사전에 확정하기 어렵고 실증적으로 검토할 필요가 있다. 기존 연구는 비용 구조를 산업 더미 수준에서만 통제하거나 동시기 비용 지표를 사용하여, 비용 구조가 유가 충격을 조절하는 메커니즘을 회계적 연동에서 분리하여 식별하지 못한 한계가 있다.

본 연구는 분석 기간 이전의 비용노출도를 시간불변 지표로 구성함으로써 이 한계를 보완한다. 동시기 비용 지표가 영업이익률과 정의상 연결되는 문제를 차단하고, 산업 전체를 단일 통합 모형에서 동시에 추정하여 개별 산업 회귀의 다중 비교 문제를 회피한다. 이를 통해 산업별 이질성과 비용 구조의 조절 역할을 회계적 연동과 우연한 유의성에서 분리하여 규명한다.

4. 연구가설

앞에서 검토한 이론적 논의를 바탕으로 본 연구는 세 가지 가설을 설정한다.

유가 충격은 기업 수익성에 서로 다른 방향으로 관련될 수 있다. 유가 상승은 원유 및 에너지 관련 투입비용을 증가시켜 영업이익률에 부정적으로 작용할 수 있다. 반면 유가 변동이 글로벌 경기 및 수요 여건과 함께 나타날 경우에는 매출 환경의 변화가 동시에 관찰될 수 있다. 이러한 비용 측면과 수요 측면의 관련성이 동시에 존재할 수 있으므로, 유가 상승 및 하락 충격과 영업이익률 간 관계의 부호는 이론적으로 사전에 확정하기 어렵다. 따라서 각 방향의 유가 충격이 영업이익률과 유의한 관계를 갖는지는 실증적으로 검토할 필요가 있다.

가설 1. 유가 상승 충격과 하락 충격은 각각 기업 영업이익률에 유의한 영향을 미친다.

비용 구조는 유가 충격의 수익성 전이를 조절하는 핵심 요인이다. Ganapati et al.(2020)와 Lafrogne-Joussier et al.(2023)은 산업과 기업에 따라 에너지 비용 비중과 가격 전가 능력이 크게 다르며, 이 차이가 동일 충격에 대한 수익성 반응의 이질성을 만든다는 점을 보였다. 비용노출도가 높은 기업은 유가 상승에 따른 원가 변동에 상대적으로 민감할 수 있다. 반면 비용노출도가 낮은 기업도 마진 구조, 가격 조정 능력 및 수요 여건에 따라 유가 충격에 다른 반응을 보일 수 있다. 따라서 비용노출도와 유가 민감도 간 관계의 방향과 형태는 사전에 확정하기 어려우며, 연속적 상호작용과 분위 그룹 분석을 통해 실증적으로 검토할 필요가 있다. 또한 Lee and Ni(2002)와 Jo et al.(2019)가 보인 바와 같이 유가 충격의 산업별 전파는 산업의 비용 구조와 수요 연계에 따라 이질적으로 나타난다.

가설 2. 유가 충격이 기업 영업이익률에 미치는 영향은 기업의 비용 구조와 산업에 따라 차별적으로 나타난다.

유가 충격의 비대칭성은 충격 방향과 분석 기간의 특성에 따라 달라진다. Mork(1989)는 유가 상승과 하락의 효과가 비대칭적이라는 점을 보였으나, Kilian and Vigfusson(2011)은 그 비대칭성이 분석 대상과 기간, 추정 방식에 민감하며 항상 안정적으로 관찰되는 것은 아님을 지적하였다. 선행연구는 유가 상승과 하락의 효과가 서로 다를 가능성을 제시하지만, 이러한 비대칭성은 분석 대상, 기간 및 추정 방식에 따라 달라질 수 있다. 따라서 본 연구에서는 특정 방향을 사전에 전제하지 않고 두 계수의 크기가 통계적으로 다른지를 검정한다.

가설 3. 유가 상승 충격과 하락 충격이 기업 영업이익률에 미치는 효과 크기는 서로 다르다.

세 가설은 본 연구의 분석에서 다음과 같이 검증된다. 가설 1은 Mork 비대칭 분해를 적용한 기본 패널 회귀로, 가설 2는 비용노출도 상호작용 모형과 분위 그룹 검정 및 산업 통합 모형으로, 가설 3은 유가 상승분과 하락분 계수의 동일성에 대한 Wald 검정으로 검증한다.

Ⅲ. 연구 방법

1. 데이터

본 연구는 금융감독원 전자공시시스템(DART)의 오픈API를 통해 수집한 우리나라 유가증권시장 및 코스닥시장 상장기업의 분기별 재무자료를 활용한다. 원자료는 945개 기업의 분기별 손익계산서 및 재무상태표 항목으로 구성되며, 매출액, 매출원가, 영업이익, 당기순이익, 자산총계, 부채총계, 자본총계를 포함한다. 유가 자료는 미국 세인트루이스 연방준비은행(FRED)이 제공하는 두바이유 월별 현물가격을 분기 평균으로 변환하여 사용한다. 두바이유를 기준으로 삼은 것은 우리나라의 원유 수입에서 중동산 비중이 가장 크기 때문이다. 글로벌 경기 여건과 금융시장 불확실성을 통제하기 위해 원/달러 환율과 글로벌 변동성지수(VIX)를 FRED에서 수집하여 분기 평균으로 환산한다. 원/달러 환율을 포함하는 이유는 우리나라 기업이 직면하는 실질 원유 비용이 달러 표시 유가와 환율의 곱으로 결정되어, 환율을 통제하지 않으면 유가 변수에 환율 변동 효과가 혼입될 수 있기 때문이다.

손익계산서 항목을 분기 단위 패널로 구성하는 과정에서는 자료의 보고 방식에 관한 처리가 요구된다. DART 오픈API가 제공하는 분기 손익계산서는 1분기·2분기·3분기 보고서의 경우 해당 분기의 단독 실적을 보고하지만, 사업보고서에 해당하는 4분기 자료는 연간 누적 실적만을 제공한다. 분기 단위 분석의 정합성을 확보하기 위해 4분기 단독 실적은 사업보고서의 연간 누적치에서 1분기부터 3분기까지의 합을 차감하여 산출한다. 매출액, 매출원가, 영업이익, 당기순이익이 변환 대상이며, 특정 시점의 잔액으로 보고되는 재무상태표 항목은 변환 대상에서 제외한다. 표본 정제는 다음 절차를 따른다. 매출원가 개념이 적용되지 않아 원가율 산출이 불가능한 금융업(한국표준산업분류 64·65·66)을 제외하고, 핵심 분석변수에 결측이 있는 관측치와 자본총계가 0 이하인 자본잠식 기업을 제거한다. 분기 단독 실적 변환 과정에서 1분기부터 3분기까지의 보고가 불완전하여 변환이 불가능한 관측치, 매출액 또는 매출원가가 음수로 보고된 관측치, 동일 기업·연도의 매출액이 비현실적으로 과대 보고된 관측치도 결측 처리한다. 패널 분석의 신뢰성을 위해 기업별 최소 관측치를 4개 분기 이상으로 제한한다. 이 절차를 거친 최종 분석 표본은 781개 기업, 18,687개 기업-분기 관측치로 구성되며, 분석 기간은 사전 평균 원가율 산출을 위한 기준연도(2016년)를 제외한 2017년 1분기부터 2024년 4분기까지 총 32개 분기이다. 다만 NOPI는 직전 4개 분기 최고가를 기준으로 산출되므로 2017년 관측치에서는 정의되지 않는다. 이에 본 연구의 기본 회귀분석은 유가 충격 측정 방식 간 추정 표본을 일치시키기 위해 2018년 1분기부터 2024년 4분기까지의 17,155개 관측치를 공통 표본으로 사용한다. 표본 구성의 단계별 변화는 <표 1>과 같다.

업종 분류는 한국표준산업분류 중분류 기준을 적용하며, 기업 수가 10개 미만인 소규모 업종은 추정의 안정성을 위해 기타 업종으로 통합한다. 영업이익률, 사전 평균 원가율, 부채비율은 극단값의 영향을 완화하기 위해 상·하위 1% 수준에서 윈저화(Winsorization)하였다.

본 연구의 핵심 식별 전략은 비용구조 노출도를 분석 기간 이전의 정보로 측정하는 데 있다. 영업이익률은 회계적으로 매출액 대비 매출원가 및 판매관리비 비중과 연결되어 있으므로, 동시기 원가율을 동일 시점 영업이익률의 설명변수로 사용할 경우 회계 항등식에 따른 식별 문제가 발생할 수 있다. 이 경우 추정된 관계는 경제적 관계와 회계적 연동을 구분하기 어렵다는 문제가 존재한다.

이러한 문제를 방지하기 위해 본 연구는 기준연도인 2016년 1분기부터 4분기까지의 기업별 평균 원가율을 활용하여 기업별 구조적 비용노출도 지표를 구성한다. 해당 지표는 분석 기간 동안 변하지 않는 시간불변 변수로, 기업의 구조적 비용 부담 수준을 나타내며 동시기 영업이익률과의 기계적 연동으로부터 자유롭다. 비용노출도 지표는 4개 분기 모두에서 유효한 원가율이 관측되는 405개 기업을 대상으로 산출하였으며, 이 가운데 분석 기간의 표본 조건을 충족하는 368개 기업이 비용구조 조절효과 분석에 활용된다.

또한 비용노출도 지표는 시간에 따라 변하지 않으므로 그 수준효과는 기업 고정효과에 흡수되며, 조절효과는 유가 충격과의 상호작용항을 통해 식별된다. 이를 통해 비용구조가 유가 충격의 수익성 전이에 미치는 영향을 회계 항등식 문제와 분리하여 식별할 수 있다.

2. 변수 정의

종속변수는 영업이익률이며 영업이익을 매출액으로 나눈 값이다. 영업이익률은 기업이 본업에서 창출하는 수익성을 나타내는 핵심 지표로, 유가 충격이 매출과 비용 양쪽 경로를 통해 기업 성과에 전이되는 과정을 포괄적으로 반영한다. 핵심 설명변수인 유가 충격은 두 가지 방식으로 측정한다. 본 분석의 기준이 되는 측정 방식은 Mork(1989)의 비대칭 분해이다. 두바이유의 분기 로그 변동률을 산출한 뒤, 양(+)의 값만 취하고 음(-)의 구간은 0으로 처리한 유가 상승분(oil_up)과, 음(-)의 값의 절댓값만 취하고 양(+)의 구간은 0으로 처리한 유가 하락분(oil_down)으로 분리한다. 이 방식은 유가 상승과 하락이 기업 성과에 대칭적으로 작용한다는 가정을 완화하여, 충격 방향에 따른 차별적 반응을 포착한다. 두 변수가 각각 절반가량의 분기에서 0의 값을 갖는 것은 분해의 정의상 자연스러운 결과이다. 보조 측정 방식으로 Hamilton(2003)의 순유가상승지수(NOPI)를 활용한다. NOPI는 현재 유가가 직전 일정 기간의 최고가를 초과하는 경우 그 초과분을 로그 차이로 측정하고, 그렇지 않으면 0으로 처리한 지표이다. 이는 기업이 기존 가격 범위 내 변동에는 어느 정도 적응되어 있으며, 과거 고점을 새로 돌파하는 충격에 대해서만 강하게 반응한다는 비선형적 직관을 반영한다. 본 연구에서는 4개 분기 윈도우를 기본으로 하되, 윈도우 길이에 따른 민감도를 확인하기 위해 8개 분기와 12개 분기 윈도우를 강건성 검증에서 함께 검토한다. 조절변수는 기준연도인 2016년에 산출한 기업별 사전 평균 원가율이다. 이는 분석 기간 동안 변하지 않는 시간불변 비용구조 지표로, 기업의 구조적 비용노출도를 나타낸다. 통제변수는 다음과 같이 구성한다. 기업규모는 자산총계의 자연로그로 측정한다. 부채비율은 부채총계를 자본총계로 나눈 값으로 기업의 재무 위험을 통제한다. 원/달러 환율은 분기 평균 환율로, 우리나라 기업이 직면하는 실질 원유 비용이 달러 표시 유가와 환율의 곱으로 결정된다는 점을 반영하여 유가 변수와 분리해 통제한다. VIX는 분기 평균 변동성지수의 자연로그로, 글로벌 금융시장의 위험 회피 수준이 기업 성과에 미치는 공통 영향을 통제한다. 코로나19 확산기와 러시아-우크라이나 전쟁기의 구조적 단절 효과는 기본 모형에 포함하지 않고, 강건성 검증에서 별도 더미로 통제한다. 구체적으로 <표 7> Panel D에서는 코로나19 확산기(2020Q1~2021Q2)와 러시아-우크라이나 전쟁기(2022Q1~2022Q4)를 각각 구조적 단절 더미로 추가하여 본 모형의 추정 결과가 대규모 외생 충격에 의해 좌우되는지를 확인한다. 한편 기업연령은 시간불변 변수로서 기업 고정효과에 흡수되어 식별이 불가능하므로 통제변수에서 제외한다. 주요 변수의 정의는 <표 2>와 같다.

3. 분석 모형

기본 추정 모형은 기업 고정효과(fixed effects) 패널 회귀모형이다. 기업 고정효과는 관찰되지 않는 기업 고유의 불변 특성을 통제하며, 연도 더미는 거시경제적 공통 충격을 흡수한다. Mork(1989)의 비대칭 분해 방식을 적용한 기본 모형은 다음과 같다.

여기서 OPMit는 기업 i의 t분기 영업이익률이며, OilUpt와 OilDownt는 각각 Mork 분해에 의해 구성된 유가 상승 충격과 유가 하락 충격이다. Xit는 기업규모, 부채비율, 환율, VIX로 구성된 통제변수 벡터이며, δt는 연도 더미, αi는 기업 고정효과, εit는 오차항이다. 또한 유가 상승 충격과 하락 충격의 계수가 통계적으로 다른지를 Wald 검정을 통해 확인함으로써 충격 방향에 따른 비대칭성을 검정한다.

비용구조의 조절효과는 유가 충격과 사전 평균 원가율의 상호작용항을 포함하여 추정한다.

여기서 CRipre는 기업 i의 시간불변 사전 평균 원가율이다. 해당 변수의 수준효과는 기업 고정효과에 흡수되므로, 상호작용항 계수 β2를 통해 비용구조의 조절효과를 식별한다. 또한 상호작용항 추정 시 다중공선성을 완화하고 주효과 해석의 직관성을 높이기 위해 관련 변수들을 평균중심화(mean-centering)하였다. 이에 따라 유가 충격의 주효과는 평균적 비용노출도를 가진 기업에서의 한계효과로 해석된다.

추가적으로 사전 평균 원가율을 저비용·중간·고비용의 3분위 그룹으로 구분하고, 각 그룹과 유가 충격의 상호작용항을 포함하여 비용노출도 그룹별 반응 차이를 탐색한다. 이 분석은 분위별 차이를 확인하기 위한 것이며, 그 결과만으로 연속적인 비선형 관계를 확정하지 않는다.

표준오차는 두 가지 방식으로 추정한다. 기본 추정에서는 기업 단위 클러스터 표준오차(clustered standard errors)를 사용하여 기업 내부 오차항의 자기상관을 보정한다. 그러나 유가 충격은 동일 시점에 모든 기업에 공통적으로 작용하므로 횡단면 의존성(cross-sectional dependence)이 존재할 가능성이 있다. 이를 고려하기 위해 Driscoll and Kraay(1998)의 표준오차를 추가적으로 보고한다. 시간불변 비용노출도를 활용한 식별 전략과 복수의 표준오차 추정을 병행함으로써 결과의 강건성을 점검한다.

마지막으로 산업별 이질성은 개별 산업별 분리 추정 대신, 산업 더미와 유가 충격의 상호작용항을 단일 통합모형에 포함하여 검정한다. 이를 통해 다중 비교(multiple comparisons)에 따른 우연한 유의성 문제를 완화하고, 산업 간 차이를 일관된 모형 내에서 비교할 수 있도록 한다.

Ⅳ. 분석 결과

1. 기술통계

분석에 사용된 주요 변수의 기술통계는 <표 3>과 같다. 종속변수인 영업이익률은 평균 0.012, 중앙값 0.033으로 평균이 중앙값보다 낮아 하방 극단값에 의해 좌편향된 분포를 보인다. 이는 영업손실 규모가 큰 일부 기업, 특히 매출 대비 영업비용 부담이 큰 연구개발 중심 기업과 코로나19 충격을 직접 받은 업종이 분포의 왼쪽 꼬리를 형성하기 때문이다. 사전 평균 원가율은 평균 0.809, 표준편차 0.141로, 표본 기업들이 전반적으로 높은 매출원가 부담을 안고 있으며 기업 간 비용 구조의 편차가 상당함을 보여준다. 사전 평균 원가율의 최솟값 0.204와 최댓값 1.234는 고마진 서비스·지주 형태 기업부터 매출원가가 매출액을 초과하는 영업손실 기업까지 표본에 폭넓게 포함되어 있음을 의미한다. 유가 충격 변수를 살펴보면, 유가 상승분(oil_up)의 평균은 0.063, 유가 하락분(oil_down)의 평균은 0.053으로 분석 기간 동안 상승과 하락 충격이 비교적 균형 있게 발생하였다. 두 변수의 중앙값 부근에서 0의 값이 상당 비중을 차지하는 것은 Mork 분해의 정의상 상승 분기에는 하락분이 0, 하락 분기에는 상승분이 0이 되기 때문이며, 이는 비대칭 분해의 자연스러운 특성이다. NOPI는 평균 0.038로, 분석 기간 중 과거 4개 분기 최고가를 새로 돌파한 분기에만 양의 값을 갖는 지표의 특성을 반영한다. 통제변수 가운데 부채비율은 평균에 비해 표준편차가 크게 나타나 기업 간 재무 구조의 이질성이 크며, 이를 완화하기 위해 상·하위 1% 윈저화를 적용하였다.

2. 기본 패널 회귀 결과

영업이익률을 종속변수로 한 기업 고정효과 패널 회귀 결과는 <표 4>와 같다. 모형 1은 단순 유가 변화율, 모형 2는 Mork 비대칭 분해, 모형 3은 Hamilton의 NOPI를 핵심 설명변수로 사용한다. 각 모형에 대해 기업 단위 클러스터 표준오차와 Driscoll-Kraay 표준오차를 함께 보고하였다.

모형 1에서 단순 유가 변화율의 계수는 0.0022로 통계적으로 유의하지 않다. 단순 유가 변화율의 계수가 통계적으로 유의하지 않다는 결과는, 분석 기간의 표본에서 방향을 구분하지 않은 유가 변화율과 영업이익률 간의 평균적 관계가 명확하게 식별되지 않았음을 의미한다. 다만 이 결과만으로 상승과 하락 효과가 서로 상쇄되었다고 단정할 수는 없다. 이에 따라 다음 모형에서는 유가 상승분과 하락분을 구분하여 각각의 관계를 검토한다.

모형 2에서 유가 상승분의 계수는 0.0755, 유가 하락분의 계수는 0.0959로 나타났으며, 두 계수 모두 기업 클러스터 표준오차와 Driscoll-Kraay 표준오차 기준 1% 수준에서 유의하였다. 이는 분석 기간의 우리나라 상장기업 표본에서 유가 상승분과 하락분이 모두 영업이익률과 양(+)의 관계를 보였음을 의미한다. 특히 유가 상승분에서 음(-)의 계수가 확인되지 않았다는 점은 유가 상승의 비용 부담이 표본 기업의 영업이익률 하락으로 일률적으로 나타나지는 않았음을 보여준다.

다만 본 모형은 유가 변동의 공급 및 수요 원천이나 글로벌 총수요를 직접 분해하지 않는다. 따라서 양(+)의 계수를 글로벌 수요 확대 또는 경기 신호 경로의 결과로 해석하는 것은 본 분석이 직접 식별한 결론이 아니라 가능한 설명 가운데 하나에 해당한다. 구체적인 전이 경로는 후속 연구에서 별도로 검증할 필요가 있다.

유가 상승분과 하락분 계수의 동일성에 대한 Wald 검정 결과, 두 계수의 차이는 통계적으로 유의하지 않았다(p=0.203). 따라서 분석 기간에는 충격 방향에 따른 효과 크기의 차이가 뚜렷하게 확인되지 않았다. 코로나19 확산기와 러시아-우크라이나 전쟁기가 포함된 표본 기간의 특성이 이 결과와 관련되었을 가능성이 있으나, 본 검정만으로 그 원인을 확정할 수는 없다.

모형 3의 NOPI 계수는 0.0991로 기업 클러스터 표준오차 기준 1% 수준에서 유의하다. 그러나 Driscoll-Kraay 표준오차를 적용하면 유의성이 사라진다(p=0.123). NOPI는 모든 기업에 동일하게 적용되는 시계열 지표로서, 분석 기간 중 과거 최고가를 새로 돌파한 일부 분기에만 양의 값을 갖는다. 따라서 그 식별이 소수 분기에 집중되어, 시점 간 횡단 의존성을 통제하면 유의성이 약화된다. 이 결과는 NOPI 효과가 표준오차 처리에 민감함을 보여주며, 본 연구가 Mork 비대칭 분해를 기준 모형으로 채택하는 근거가 된다. NOPI에 관한 추가 검토는 강건성 검증에서 다룬다.

통제변수 가운데 원/달러 환율의 계수는 모형 1과 모형 2에서 음(-)의 부호로 1% 수준에서 유의하다. 원화가 약세일수록 영업이익률이 하락한다는 결과로, 우리나라 기업이 직면하는 달러 표시 수입 비용 증가 효과를 정확히 포착한다. 환율을 통제하지 않으면 이 효과가 유가 변수에 혼입되어 유가 충격의 식별을 왜곡할 수 있으므로, 환율 통제는 본 분석에서 본질적이다. VIX의 자연로그 계수는 모형 2와 모형 3에서 음(-)의 부호로 유의하여, 글로벌 금융시장의 위험 회피가 강화되는 국면에 영업이익률이 하락하는 일반적 패턴을 보인다.

기본 패널 회귀 결과는 두 가지를 보여준다. 유가 충격은 단순 변화율로는 식별되지 않으나 방향을 분리한 Mork 분해에서는 상승과 하락 모두 영업이익률에 유의한 양(+)의 효과를 미치며, 이 효과는 시점 간 횡단 의존성을 통제해도 강건하게 유지된다. 다만 상승분과 하락분의 계수 차이는 통계적으로 유의하지 않았다. 따라서 분석 기간의 결과만으로 특정 방향의 충격이 상대적으로 더 큰 관계를 갖는다고 판단하기는 어렵다.

3. 비용 구조 조절 효과

비용구조가 유가 충격의 수익성 전이에 미치는 조절 역할을 검증한 결과는 <표 5>와 같다. 모형 4는 NOPI와 사전 평균 원가율의 상호작용, 모형 5는 Mork 분해(유가 상승분·하락분)와 사전 평균 원가율의 상호작용을 추가한다. 모형 6은 사전 평균 원가율을 저비용·중간·고비용의 3분위로 구분한 뒤, 각 그룹과 NOPI의 상호작용을 통해 분위별 반응 차이를 탐색한다. 사전 평균 원가율은 시간불변 변수이므로 그 주효과는 기업 고정효과에 흡수되며, 상호작용항을 통해서만 조절효과가 식별된다. 분석 표본은 사전 평균 원가율 산출이 가능한 368개 기업, 9,555개 관측치이다.

모형 4에서 평균중심화된 NOPI 주효과는 0.0744로 기업 클러스터 표준오차 기준 5% 수준에서 유의하다. 평균중심화 후의 주효과는 평균적 비용노출도를 가진 기업에서의 NOPI 한계효과로 해석되므로, 평균 수준의 비용구조를 가진 기업에서 유가 충격이 영업이익률을 높이는 방향으로 작용함을 의미한다. 그러나 NOPI와 사전 평균 원가율의 상호작용항은 -0.0929로 통계적으로 유의하지 않다. 비용노출도 수준에 따라 NOPI 효과가 연속적으로 달라진다는 가설은 연속 상호작용 형태로는 식별되지 않는다.

모형 5의 Mork 분해에서도 유가 상승분과 하락분의 주효과는 각각 0.0691, 0.0860으로 1% 수준에서 유의하며 Driscoll-Kraay 표준오차에서도 유지된다. 반면 두 변수와 사전 평균 원가율의 상호작용항은 클러스터 표준오차 기준 유의하지 않다. 다만 유가 하락분과 사전 평균 원가율의 상호작용항은 Driscoll-Kraay 표준오차 기준 10% 수준에서 유의한 음(-)의 부호를 보인다. 이는 비용노출도가 높은 기업일수록 유가 하락 충격에 따른 영업이익률 반응이 약화될 가능성을 시사하나, 그 통계적 강도는 제한적이다.

연속 상호작용 모형에서는 비용노출도에 따른 조절효과가 통계적으로 뚜렷하게 확인되지 않았다. 이에 모형 6에서는 사전 평균 원가율을 저비용·중간·고비용의 3분위로 구분하고 NOPI와의 상호작용을 검토하였다. 기준 집단인 중간 그룹과 비교할 때, NOPI와 저비용 더미의 상호작용항은 0.0743으로 Driscoll-Kraay 표준오차 기준 1% 수준에서 유의하였다. 반면 NOPI와 고비용 더미의 상호작용항은 통계적으로 유의하지 않았다.

분위별 NOPI 한계효과의 점추정값은 저비용 그룹 0.116, 중간 그룹 0.042, 고비용 그룹 0.064로 나타났다. 그러나 Driscoll-Kraay 표준오차 기준으로 영(0)과 통계적으로 구분되는 것은 저비용 그룹의 한계효과이며, 중간 및 고비용 그룹의 한계효과는 영(0)과 명확하게 구분되지 않았다. 또한 저비용 그룹과 고비용 그룹의 직접적인 효과 차이도 통계적으로 유의하지 않았다(p=0.283).

따라서 본 결과는 저비용 그룹에서 양(+)의 반응이 비교적 명확하게 확인되었다는 범위로 해석해야 한다. 세 그룹의 점추정값만을 근거로 비용노출도에 따른 단조적 증가·감소 또는 뚜렷한 비선형 관계가 존재한다고 판단하기는 어렵다. 마진 여력, 가격 전가 능력 또는 수요 여건이 이러한 결과와 관련되었을 가능성은 있으나, 본 연구에서는 해당 메커니즘을 직접 측정하지 않았으므로 구체적인 작동 경로는 후속 연구에서 검증할 필요가 있다.

이러한 조절 패턴을 시각적으로 확인한 결과는 [그림 1]과 같다. 왼쪽은 기업 클러스터 표준오차 기준의 비용노출도 분위별 NOPI 한계효과를 제시한다. 오른쪽은 중간 그룹 대비 저비용 및 고비용 그룹의 상호작용 계수를 기업 클러스터 표준오차와 Driscoll-Kraay 표준오차 기준 신뢰구간으로 각각 비교한다. 저비용 그룹의 NOPI 한계효과와 중간 그룹 대비 저비용 그룹의 상호작용항은 Driscoll-Kraay 표준오차 기준으로 통계적으로 유의하게 나타났다. 반면 중간 및 고비용 그룹의 한계효과와 저비용·고비용 그룹 간 직접 차이는 통계적으로 명확하게 확인되지 않았다. 따라서 그림은 저비용 그룹의 반응이 상대적으로 뚜렷하다는 점을 보여주지만, 비용노출도에 따른 전체적인 단조성이나 비선형성을 확정하는 근거로 해석하기는 어렵다.

[그림 1]

비용노출도 분위 그룹별 NOPI 효과 검증

비용구조 분석 결과, 연속형 비용노출도와 유가 충격의 상호작용은 전반적으로 통계적으로 뚜렷하지 않았다. 분위 그룹 분석에서는 저비용 그룹의 NOPI 반응이 Driscoll-Kraay 표준오차 기준으로 유의하였으나, 중간 및 고비용 그룹의 한계효과와 저비용·고비용 그룹 간 직접 차이는 유의하지 않았다. 따라서 비용구조에 따른 반응 차이의 가능성은 확인되었지만, 비용노출도와 유가 민감도 간 단조적 또는 비선형적 관계를 확정하기에는 근거가 제한적이다.

4. 산업별 이질성

유가 충격의 영업이익률 효과가 산업에 따라 어떻게 다른지를 검토한다. 개별 산업을 각각 분리하여 회귀하면 다중 비교에 따라 일부 산업에서 우연한 유의성이 나타날 위험이 있다. 이를 회피하기 위해 22개 산업 전체를 하나의 통합 모형에 포함하고, 산업 더미와 유가 상승분·하락분의 상호작용항을 동시에 추정한다. 산업별 효과는 기준 산업의 효과에 해당 산업의 상호작용 계수를 더한 값으로 산출하며, 산업 간 효과 차이가 통계적으로 유의한지는 상호작용항의 공동 유의성 검정으로 확인한다. 추정 결과는 <표 6>과 같다.

산업 상호작용항의 공동 유의성 검정 결과 유가 상승분과 하락분 모두 F 통계량이 각각 89.37과 95.70으로 1% 수준에서 유의하다. 이 결과는 유가 상승분과 하락분의 추정계수가 22개 산업에서 모두 동일하다는 귀무가설이 기각되었음을 의미한다. 다만 이 검정은 특정 산업이 어느 방향으로 얼마나 다른지를 개별적으로 검정한 것은 아니다. 따라서 이하에서 제시하는 개별 산업 계수의 해석은 공동검정과 동일한 수준의 통계적 뒷받침을 갖는 결론이 아니라, 추정된 계수에서 사후적으로 관찰되는 기술적 패턴으로 받아들이는 것이 적절하다.

개별 산업의 점추정값을 살펴보면, 전기장비, 정보서비스, 화학물질제품, 펄프종이, 자동차·트레일러 및 전자·반도체 등에서 상대적으로 큰 양(+)의 계수가 관찰되었다. 특히 전기장비의 유가 상승분 계수는 0.5810으로 가장 크게 추정되었으며, 화학물질제품에서는 상승분과 하락분의 계수가 모두 통계적으로 유의하였다. 또한 의약품, 종합건설, 도매·상품중개 및 식료품에서는 유가 하락분과 관련된 계수가 상대적으로 크게 나타났다.

다만 이러한 개별 산업 계수는 산업 간 차이에 대한 공동검정과 동일한 수준의 통계적 결론으로 해석할 수 없다. 본 연구는 산업별 수출 비중, 에너지 투입 비중, 가격 전가율 또는 글로벌 수요 노출도를 직접 측정하지 않았다. 따라서 특정 산업의 계수 패턴을 글로벌 경기 연계성, 가격 전가 능력 또는 원자재 가격 동조성의 결과로 확정하기보다는, 추정 결과에서 사후적으로 관찰된 기술적 패턴으로 한정하여 해석하는 것이 적절하다.

반대로 컴퓨터프로그래밍, 의복·모피, 비금속광물제품, 소매, 기타기계장비 및 기타운송장비 등에서는 점추정값이 상대적으로 작거나 음(-)의 값을 나타냈다. 다만 해당 추정계수의 대부분은 통계적으로 유의하지 않았으므로, 이를 부정적인 효과 또는 유가 충격과의 낮은 연계성을 시사하는 결과로 해석하기는 어렵다. 즉, 이들 산업에서는 분석 기간 동안 유가 충격의 효과가 통계적으로 유의하게 확인되지 않았다고 해석하는 것이 적절하다.

산업별 효과를 시각적으로 확인한 결과는 [그림 2]와 같다. 왼쪽은 유가 상승분, 오른쪽은 유가 하락분에 대한 산업별 효과를 효과 크기 순으로 배열하고, 부호와 유의성에 따라 구분하여 표시한다. 그림에서는 산업별 점추정값의 크기와 방향이 서로 다르게 나타난다. 다만 산업의 글로벌 경기 연계성이나 대외수요 노출도를 직접 측정하지 않았으므로, 특정 산업군에 큰 양(+)의 계수가 집중된 원인을 그림만으로 판단하기는 어렵다.

[그림 2]

산업별 유가 충격 효과(Mork 비대칭 분해, 통합 모형 추정)

산업별 이질성 분석 결과, 산업별 통합모형의 공동검정에서 유가 충격 계수가 산업에 따라 동일하지 않다는 점이 확인되었다. 전기장비, 정보서비스 및 화학물질제품 등 일부 산업에서 상대적으로 큰 점추정값이 관찰되었으나, 개별 산업의 계수 패턴은 사후적이고 기술적인 결과에 해당한다. 본 연구는 산업별 수출 비중, 에너지 투입 구조 및 직접적 대외 노출도를 측정하지 않았으므로, 이러한 차이를 글로벌 경기 신호 경로나 특정 산업 메커니즘의 증거로 단정할 수 없다.

5. 강건성 검증

본 모형 결과의 강건성을 네 가지 측면에서 검토한다. 첫째, NOPI의 측정 윈도우를 4분기에서 8분기, 12분기로 확장하여 윈도우 길이에 따른 민감도를 확인한다. 둘째, 두바이유 가격에 원/달러 환율을 곱한 원화 환산 유가를 사용하여 환율 효과 분리의 타당성을 검토한다. 셋째, 비용노출도 분위 그룹과 NOPI의 상호작용을 통합 모형에서 다시 검정한다. 넷째, 코로나19 확산기와 러시아-우크라이나 전쟁기의 구조 단절 더미를 추가로 포함해도 핵심 결과가 유지되는지 확인한다. 결과는 <표 7>과 같다.

Panel A의 NOPI 윈도우 강건성 결과는 NOPI 효과가 측정 윈도우에 민감함을 보여준다. 4분기 윈도우에서 0.0991로 유의하던 NOPI 계수는 8분기 윈도우에서 0.0071, 12분기 윈도우에서 0.0044로 나타나, 윈도우를 확장하면 계수 크기가 작아지고 통계적 유의성이 확인되지 않는다. 이는 4분기 윈도우의 NOPI가 단기적 가격 변동 패턴에 보다 민감할 가능성을 시사한다. 이러한 결과는 본 연구가 NOPI를 본 모형이 아니라 보조 지표로 위치시키고 Mork 비대칭 분해를 기준 모형으로 채택한 근거를 뒷받침하며, Hamilton(2003)이 다양한 윈도우 설정의 필요성을 함께 논의한 점과도 일관된다.

Panel B의 원화 환산 유가 결과는 환율 효과 분리의 타당성을 보여준다. 두바이유에 환율을 곱한 원화 환산 유가를 사용한 결과, 기업 클러스터 표준오차 기준에서는 유가 상승분과 하락분이 모두 유의한 양(+)의 계수를 보였다. 반면 Driscoll-Kraay 표준오차 기준에서는 유가 상승분만 유의하였고, 하락분의 유의성은 유지되지 않았다. 따라서 계수의 방향은 기준 모형과 일치하지만, 유가 하락분의 통계적 유의성은 표준오차 처리에 민감한 것으로 해석된다. 다만 원화 환산 유가의 계수 크기는 달러 유가에 환율을 별도로 통제한 본 모형보다 작다. 환율 효과가 유가 변수에 흡수된 결과로, 이 결과는 환율을 별도로 통제한 기준 모형의 해석을 보완하지만, 두 측정 방식 가운데 어느 하나가 더 정확하다고 단정할 근거는 제공하지 않는다. 특히 유가 하락분의 경우 원화 환산 유가에서는 Driscoll-Kraay 표준오차 기준 유의성이 사라지는데, 이는 원화 환산 유가를 사용할 경우 일부 계수의 통계적 유의성이 표준오차 추정 방식에 따라 달라질 수 있음을 보여준다. 따라서 환율을 별도의 통제변수로 포함한 기준 모형이 유가 하락분의 효과를 보다 안정적으로 식별함을 확인할 수 있다.

Panel C의 비용노출도 분위 그룹 분석은 저비용·중간·고비용 그룹 사이의 NOPI 반응 차이가 표준오차 처리 이후에도 관찰되는지를 확인하기 위한 것이다. 기준 집단인 중간 그룹 대비 저비용 더미와 NOPI의 상호작용항은 0.0743으로 Driscoll-Kraay 표준오차 기준 1% 수준에서 유의하다. 반면 고비용 더미와의 상호작용항은 유의하지 않다. 저비용 그룹의 상호작용항은 유의하였으나 고비용 그룹의 상호작용항은 유의하지 않았고, 저비용 그룹과 고비용 그룹의 직접 차이도 유의하지 않았다. 따라서 이 결과는 저비용 그룹의 반응이 비교적 명확하다는 범위로 해석해야 하며, 비용노출도에 따른 단조성이나 비선형성을 확정하기는 어렵다.

Panel D의 구조 단절 더미 포함 결과는 본 모형의 핵심 발견이 견고함을 보여준다. 본 모형은 시간 효과를 연도 더미로 통제하되, 추가 강건성 검증에서는 코로나19 확산기와 러시아-우크라이나 전쟁기의 기간 효과를 별도 더미로 포함하여 재추정하였다. 그 결과 유가 상승분의 계수는 0.0957, 유가 하락분의 계수는 0.1206으로 나타났으며, 두 변수 모두 클러스터 표준오차와 Driscoll-Kraay 표준오차 기준 1% 수준에서 유의한 양(+)의 부호를 유지하였다. 더미를 포함하지 않은 본 모형의 유가 상승분 0.0755, 하락분 0.0959와 비교해도 부호와 유의성이 유지된다. 이는 코로나19 확산기와 러시아-우크라이나 전쟁기 더미를 추가한 모형에서도 유가 상승분과 하락분의 계수 부호 및 통계적 유의성이 유지되었음을 보여준다. 따라서 기준 모형의 결과가 해당 기간 더미의 포함 여부에만 의존한다고 보기는 어렵다.

NOPI 윈도우 강건성을 시각적으로 확인한 결과는 [그림 3]과 같다. 왼쪽은 윈도우 확장에 따른 NOPI 계수 변화를 두 표준오차 신뢰구간과 함께 제시하고, 오른쪽은 NOPI 윈도우별 효과와 본 모형 Mork 분해 효과를 함께 비교한다. NOPI 계수가 윈도우 확장에 따라 0 근처로 수렴하는 반면 Mork 분해 계수는 안정적으로 유의한 수준을 유지하는 대비가 드러난다.

[그림 3]

NOPI 윈도우 강건성 검증

강건성 검증 결과, Mork 비대칭 분해에서 유가 상승분과 하락분의 양(+)의 계수는 원화 환산 유가 및 구조 단절 더미를 활용한 일부 대체 설정에서도 대체로 유지되었다. 반면 NOPI의 계수와 유의성은 윈도우 길이와 표준오차 처리에 민감하게 나타났다. 비용노출도 분석에서는 저비용 그룹의 반응이 확인되었으나, 전체 비용노출도 구간에 걸친 조절 관계는 명확하게 식별되지 않았다. 따라서 강건성 검증은 기준 모형의 일부 결과가 대체 설정에서도 유지됨을 보여주는 한편, NOPI 및 비용구조 결과의 해석에는 주의가 필요함을 함께 보여준다.

Ⅴ. 결론 및 시사점

본 연구는 2017년부터 2024년까지 우리나라 상장기업 781개의 분기별 재무 패널 자료를 활용하여 유가 충격이 기업 영업이익률에 미치는 영향과 그 전이 구조를 분석하였다. 분석 결과는 다음과 같이 요약된다.

첫째, 유가 충격은 단순 변화율로는 통계적으로 식별되지 않으나, Mork 비대칭 분해를 적용하면 유가 상승 충격과 하락 충격 모두 영업이익률에 유의한 양(+)의 영향을 미치는 것으로 나타났다. 이러한 결과는 시점 간 횡단 의존성을 통제한 이후에도 대체로 유지된다. 이 결과는 분석 기간의 우리나라 상장기업 표본에서 유가 상승의 비용 부담이 영업이익률 하락으로 일률적으로 나타나지 않았음을 보여준다. 다만 양(+)의 계수가 글로벌 경기 국면 또는 수요 신호에 의해 발생하였는지는 본 연구에서 직접 검증하지 않았다.

둘째, 유가 상승 충격과 하락 충격의 효과 크기 차이, 즉 방향에 따른 비대칭성은 분석 기간에 통계적으로 뚜렷하게 나타나지 않았다. 분석 기간에 코로나19 확산기와 러시아-우크라이나 전쟁기가 포함되어 있다는 점이 계수 차이의 불확실성과 관련되었을 가능성은 있다. 그러나 본 연구는 표본 기간의 개별 사건이 비대칭성 검정 결과에 미친 영향을 직접 분리하지 않았으므로, 이를 비대칭성이 확인되지 않은 원인으로 단정할 수는 없다.

셋째, 비용구조 분석에서는 저비용 그룹의 NOPI 한계효과가 Driscoll-Kraay 표준오차 기준으로 유의하게 나타났다. 그러나 중간 및 고비용 그룹의 한계효과는 영(0)과 명확하게 구분되지 않았으며, 저비용 그룹과 고비용 그룹의 직접 차이도 유의하지 않았다. 따라서 비용노출도에 따른 전반적인 단조적 또는 비선형적 관계를 확인하였다고 보기는 어렵다. 산업별 통합모형에서는 22개 산업의 유가 충격 계수가 모두 동일하다는 귀무가설이 기각되었다. 다만 개별 산업의 점추정값에서 관찰된 차이는 사후적이고 기술적인 패턴으로 해석할 필요가 있다.

본 연구의 이론적 함의는 다음과 같이 제한적으로 제시할 수 있다. 첫째, 분석 기간의 우리나라 상장기업 표본에서는 유가 상승분과 하락분이 모두 영업이익률과 양(+)의 관계를 보였다. 이는 기업 수준의 유가 충격과 수익성 간 관계를 비용 증가만으로 단순하게 예측하기 어렵다는 점을 보여준다. 그러나 본 연구는 유가 충격의 공급 및 수요 원천을 구조적으로 분리하지 않았으므로, 관찰된 양(+)의 계수를 글로벌 경기 신호 경로 또는 수요 경로의 작동으로 직접 해석할 수는 없다.

둘째, 비용구조와 유가 민감도 간 관계는 연속 상호작용 모형에서 뚜렷하게 확인되지 않았다. 분위 그룹 분석에서는 저비용 그룹의 반응이 유의하게 나타났지만, 중간 및 고비용 그룹의 한계효과와 저비용·고비용 그룹 간 차이는 통계적으로 명확하지 않았다. 따라서 본 연구는 저비용 그룹에서 상대적으로 뚜렷한 반응이 관찰되었다는 점을 제시하지만, 비용구조와 유가 민감도 사이의 단조적 또는 비선형적 관계를 확립하지는 못하였다.

정책적으로는 유가 변동에 대한 기업의 취약성을 단일 비용지표만으로 판단하는 데 주의할 필요가 있다. 본 연구에서 통계적으로 확인된 것은 저비용 그룹에서 양(+)의 반응이 상대적으로 명확하였다는 점이며, 고비용 기업이 유가 충격에 취약하지 않다는 점은 확인되지 않았다. 또한 산업 간 계수 차이는 공동검정을 통해 확인되었으나, 그 차이가 산업별 가격 전가 능력이나 대외수요 연계성에서 비롯되었다는 점은 직접 검증하지 않았다.

따라서 실제 지원대상을 선정할 때에는 에너지 및 원재료 비용 비중뿐 아니라 가격 전가 가능성, 수출 및 내수 의존도, 유동성 여건 등 추가적인 기업 특성을 함께 점검할 필요가 있다. 다만 이러한 정책적 적용은 본 연구의 결과만으로 확정하기보다, 기업별 직접 노출지표를 활용한 추가 분석을 바탕으로 구체화하는 것이 바람직하다.

본 연구는 몇 가지 한계를 가진다. 첫째, 비용노출도를 분석 기간 이전의 평균 원가율로 측정하여 회계 항등식 문제를 완화하였으나, 이로 인해 비용노출도와 유가 충격의 연속적 상호작용은 통계적으로 뚜렷하게 식별되지 않았다. 분위 그룹 분석에서도 저비용 그룹의 반응만 비교적 명확하게 확인되었다. 중간 및 고비용 그룹의 한계효과와 저비용·고비용 그룹 간 차이는 유의하지 않았으므로, 비용구조의 조절효과 전반이 확인되었다고 해석하기는 어렵다. 둘째, 분석 기간 이전 자료가 확보 가능한 기업으로 조절효과 분석 표본이 제한되어, 전체 표본보다 작은 규모의 자료에서 비용 구조 효과를 추정하였다. 특히 2016년 네 개 분기 모두에서 유효한 원가율이 관측되는 기업은 해당 기간에 상대적으로 안정적으로 영업을 지속하고 재무정보를 일관되게 공시한 기업일 가능성이 있다. 이에 따라 조절효과 분석 표본은 전체 781개 기업 가운데 재무정보의 가용성이 높고 상대적으로 안정적인 기업을 중심으로 선택되었을 가능성이 있으며, 이러한 표본 선택은 비용 구조 분석 결과의 외적 타당성을 제한할 수 있다. 셋째, 업종 구분이 한국표준산업분류 중분류 수준에 한정되어 동일 산업 내부에서 나타나는 기업 간 에너지 투입구조와 수요 노출의 차이를 충분히 반영하지 못하였다. 아울러 본 연구는 관측된 유가 변동을 상승분과 하락분으로 구분하였으나, 각 변동을 유발한 공급 충격과 수요 충격을 구조적으로 분리하지 못하였다는 한계가 있다.

향후 연구는 유가 충격의 원천과 기업별 노출 특성을 보다 직접적으로 식별하는 방향으로 확장될 필요가 있다. 구조적 벡터자기회귀 모형 등을 활용하여 유가 변동을 원유 공급 충격, 글로벌 총수요 충격 및 원유시장 고유 수요 충격으로 구분하고, 이를 기업 수준의 재무 패널 자료와 결합할 수 있다. 또한 기업별 에너지 투입 비중, 수출 의존도, 가격 전가율 및 원재료 조달구조와 같은 직접적인 노출 지표를 함께 활용한다면, 유가 충격이 비용 증가와 수요 변화를 거쳐 영업이익률로 전이되는 경로를 보다 정밀하게 식별할 수 있을 것이다. 이를 통해 본 연구에서 해석적 가능성으로 제시한 비용 경로와 수요 경로의 상대적 역할을 실증적으로 검증할 수 있을 것으로 기대된다.