Journal Archive

우리나라는 세계에서도 유례를 찾아보기 어려울 정도로 빠른 경제성장을 이루었으나 수도권과 비수도권 간 발전 격차가 심화되면서 국토의 균형발전이 중요한 이슈로 등장하였다. 이에 2003년 국가균형발전법을 제정하면서 다양한 정책들이 본격적으로 추진되기 시작하였다.

그중 규모가 크고 기대가 많았던 정책 중 하나는 전국 10개 도시에 건설한 혁신도시일 것이다. 혁신도시는 2003년 공공기관 지방이전 및 혁신도시 건설을 논의하기 시작하고, 2005년 ‘공공기관 지방이전계획’을 수립하면서 본격적으로 추진되었다. 이후 2005년 혁신도시 입지 선정 및 부지조성 공사가 이루어졌으며, 2012년 수도권 공공기관이 혁신도시로 이전하면서 빠르게 추진되었다.

이후 시간이 흐르면서 혁신도시에 대한 평가도 이루어졌는데 대개 당해 지역의 인구와 산업부문에 대한 변화를 분석한 경우가 많으며, 인구 및 기업 성장, 수도권 인구 분산 효과가 부분적으로 있었다는 긍정적인 평가가 있다(김태환 외, 2020). 그러나 지역의 산업 및 경제와 관련하여 산학연 클러스터 형성이 미흡하고, 정주인구 목표치를 달성하지 못했으며, 도시 활력이 기대만큼 활성화되지 않고 있다는 한계점도 지적되었다(정유선, 2019).

또한 혁신도시의 정주환경 및 업무환경도 꾸준히 정비해야 할 과제로 제기되고 있다. 그동안 혁신도시의 정주환경을 개선하기 위한 적지 않은 노력이 있었으나 수도권에 거주하던 이전 공공기관 직원들의 수준이나 수요에 미치지 못해 가족 동반 이주율이 저조한 실정이다.

업무환경 면에서도 직원들의 출장 횟수 및 출장비가 크게 증가하여 비효율적이라는 지적도 있다. 국회예산정책처(2016)에 따르면 출장 횟수가 2013년 65만 6,306회에서 2015년 84만 1,997회로 28.3% 증가하였으며, 출장비는 2013년 526억 4,100만 원에서 2015년 716억 9,200만 원으로 36.2% 증가하였다고 한다. 잦은 장거리 출장은 직원들의 업무효율을 저하시킬 뿐 아니라 유발교통량 및 탄소배출 증가 등 도시환경에도 악영향을 미친다. 아울러 부족한 정주 및 업무환경은 이전 공공기관 직원의 혁신도시 정착을 방해하는 요소가 되고, 결국 혁신도시 조성의 목적인 국가균형발전도 달성하기 쉽지 않게 될 것으로 우려된다.

이처럼 적지 않은 과제를 않고 있는 혁신도시는 과연 그 정책적 효과가 있는지, 있다면 어느 정도인지를 구체적으로 분석해 보고, 정책 목적을 달성할 수 있도록 꾸준히 개선책을 마련하여 실천할 필요가 있다. 하지만 혁신도시에 관한 정성적인 분석과 개선방안에 대한 연구는 다수 있으나 정량적이며 분야별로 구체적인 접근을 시도한 연구는 그다지 많지 않은 실정이다.

혁신도시 정책의 평가로서 김태환 외(2020)는 국가균형발전, 혁신성장, 정주환경, 상생발전이라는 네 가지 측면에서 성과를 가늠할 수 있다고 하였다. 하지만 이외에도 혁신도시 정책의 평가는 목적에 따라 다양한 지표와 시각에서 시도할 수 있을 것이다. 예를 들면 인구, 산업, 경제, 재정 등 인문사회 또는 경제적 관점에서 평가할 수 있을 것이다.

그러나 본 연구에서는 도시의 가장 기본인 인구와 산업분야에 한하여 혁신도시가 지역에 미친 파급효과를 정량적이며 세부 분야별로 측정해보고, 향후 혁신도시 활성화와 정책 방향에 대한 함의를 제시해 보고자 한다. 공간적으로는 우선 경남혁신도시를 대상으로 하여 혁신도시가 건설된 진주시에 미친 영향을 분석해 보기로 하였다.

본 연구의 기본적인 접근 개념은 다음과 같다. 즉 “경남혁신도시가 조성된 진주시와 유사한 성격을 가진 도시들을 선정한 다음, 이 도시들은 혁신도시가 조성되지 않은 것으로 하고, 이들 도시들의 통계자료와 혁신도시가 건설된 진주시의 통계자료를 시계열로 비교해 본다면 그 효과를 연도별로 쉽게 파악할 수 있을 것이다”라는 것이다. 이러한 개념으로 정책의 효과를 분석하는 방법이 Abadie et al.(2015)가 개발한 통제집단합성법(Synthetic Control Method, SCM)이며, 본 연구에서는 이를 도입하여 혁신도시 조성이 지역에 미친 영향을 분석해 보고자 한다.

연구의 내용적 범위와 관련하여 혁신도시 정책의 효과는 다양한 분야에서 측정할 수 있겠으나, 여기서는 가장 기본적인 인구 및 산업분야로 한정하고자 한다. 또한 연구의 시간적 범위는 2000년부터 2020년으로 설정하였다. 본 연구에서 활용하는 통제집단합성법은 처치시점(정책 개입 시점, 즉 혁신도시건설 시점) 이전 기간에 충분한 시계열 데이터가 필요하기 때문에 분야별 장기간 데이터를 최대한으로 확보해야 한다. 따라서 인구부문 데이터 4종(총인구, 순이동인구, 고령인구, 핵심생산가능인구)과 산업분야 데이터 6종(총사업체수, 총종사자수, 제조업 사업체수, 제조업 종사자수, 서비스업 사업체수, 서비스업 종사자수)을 공통적으로 확보할 수 있는 최대한의 기간을 시간적 범위로 설정하였다.

연구의 공간적 범위는 1차적으로는 경남혁신도시이며, 통제집단합성법 분석은 진주시를 대상으로 진행하였다. 경남혁신도시의 파급효과는 진주시에서 혁신도시가 위치한 충무공동이 가장 직접적이고 많은 영향을 받을 것이다. 하지만 본 연구에서는 혁신도시 정책으로 인해 수도권 공공기관이 지방으로 이전 및 정착하면서 지방도시 전체에 미친 영향을 살펴보고자 한다. 또한 본 연구에서 활용한 통제집단합성법의 특성상 정책개입 이전 기간의 처치집단과 비교대상집단의 데이터를 반드시 필요로 하기 때문에 공간적 범위를 시 규모로 통일시키는 것이 분석에 용이하다고 판단하여, 연구의 공간적 범위를 진주시로 설정하였다.

혁신도시 정책은 참여정부 시기 국가균형발전 정책으로 추진되었다. 정부조직인 공공기관의 기능이나 역할 또는 핵심사업 중심 군으로 혁신클러스터를 만들어 이들을 각 지역이 조성하는 혁신도시 공간으로 이전시켜 지역발전의 전략 메카니즘으로 활용하고자 하였다(이해영, 2009). 즉, 혁신도시를 중심으로 지역간 균형발전이 달성되면서 동시에 국가의 균형발전으로 승화되도록 설계된 정책이었다(국가균형발전위원회·건설교통부, 2005).

혁신도시 정책이 추진되던 시기, 혁신도시 조성이 지역에 미칠 영향에 대한 추정이 이루어졌다. 먼저, 혁신도시 정책의 가장 근본적인 목표인 균형의 측면에서 국토의 균형발전에 미치는 효과를 지니계수로 계산한 연구로, 혁신도시 건설은 미래의 국토 균형발전에 매우 미미한 영향만 줄 수 있다고 측정한 연구도 있다(권일·류상규, 2006). 국가균형발전 효과를 좀 더 구체적으로 살펴보면, 국가균형발전의 정책효과를 물리적으로 한정하기는 어렵겠으나 중심적 효과는 인구 분산과 지역경제 활성화 및 지역발전 등과 같은 발전지표로 측정할 수 있다(Glazer and Rothenberg, 2001).

가령, 인구 측면에서는 지방 이전 공공기관의 임직원과 그들의 가족들의 지방 이주를 통한 수도권 인구 분산효과가 그 예시로 들 수 있다. 혁신도시 건설로 인한 인구이동 및 인구분산 효과를 추정한 연구가 있었는데, 2011년 혁신도시건설이 거의 완성될 시점에 수도권과 지방 인구비중을 59.8%, 50.2%로 추정하였다(이해영, 2009 재인용). 또한 김경아(2008)는 혁신도시 건설로 산업이 발달하고, 이는 산업인구와 고용효과를 발생시키면서 수도권으로 이동할 인구가 지방 혁신도시에 정착할 기회를 제공하게 되면서 장기적으로 인구분산 효과가 발생할 수 있다고 주장하였다.

지역경제의 파급효과 측면에서는 혁신도시로 이전하는 공공기관과 기타 관련 산업의 경제활동으로 발생되는 지역경제 활성화 및 직접적인 지방세수 확대 등으로 인한 연쇄적 유발효과 등을 예로 들 수 있다(김지희, 2022). 이와 관련하여 공공기관이 지방에 이전하면서 연간 13만 3,000개의 일자리가 창출되고, 전체적으로 지방의 연간 생산유발효과가 약 9조 3천억 원, 부가가치 유발효과는 약 4조 원, 1인당 지역 내 총생산은 1.4% 증가할 것으로 예측한 연구가 있었다(이해영, 2009 재인용).

이에 따라 혁신도시와 관련된 선행연구는 지역의 인구 분산 및 유입을 분석한 사례가 많았다. 본 연구에서는 선행연구를 혁신도시 및 그 외 도시에서 인구이동을 분석한 사례와 혁신도시 건설 및 공공기관 이전의 효과를 분석한 사례로 크게 두 가지로 나누어 살펴보았다. 특히 후자의 경우 통제집단합성법 및 그와 유사한 정량적 분석방법에 대하여 검토하였다(<표 1> 참조).

먼저 인구이동을 분석한 사례 중 혁신도시 외의 도시를 대상으로 한 연구로서 최은영·조대헌(2005)은 서울시 내부 인구이동의 지리적 특성과 지역의 경제적 특성(아파트 평당 매매가 등)이 인구이동에 미치는 영향을 분석하였다. 서울시 내부 인구이동은 근거리 이동이 대부분이며, 유사한 경제적 특성을 가진 지역 간에 인구이동이 활발히 일어나고 있는 것으로 분석하였다. 신규 도시개발의 경우는 이호준 외(2018)가 있으며, 세종시 건립이 주변지역과 수도권의 인구이동에 미친 영향을 변이할당분석으로 분석하였다. 여기서 변이할당모형과 통제집단합성법은 특정 부문의 변화를 분석하는 모형이지만 변이할당모형은 변화의 요인을 분석하는 데 활용되고, 통제집단합성법은 특정 사건의 개입으로 유의한 변화가 나타나는지를 분석하는 데 활용된다. 분석 결과 세종시 건설로 수도권에서 세종시로 인구이동이 증가하였으나, 수도권의 총인구 성장규모에 비해 매우 적은 양임을 확인하였다.

혁신도시의 인구이동을 분석한 사례는 대개 기초통계와 시각화 방법을 활용하고 있다. 박정일·김지혜(2018)는 대구혁신도시 건설 후 대구시 및 주변 시·군의 인구변화를 분석하였다. 그 결과, 대구혁신도시가 위치한 동구의 인구는 증가하였으나, 대부분 대구 내부로부터의 유입이어서 대구혁신도시가 도시의 외연적 확산을 심화시키고 있다고 주장하였다. 홍길종·배선학(2021)은 강원혁신도시와 원주기업도시의 인구특성을 분석하였다. 그 결과, 원주시 내부 이동을 제외하면 수도권에서 이주한 인구가 절반 이상이며, 전입 사유는 주택, 직업, 가족 순인 것으로 분석하였다. 서민철(2021)은 충북혁신도시가 위치한 진천군을 대상으로 인구 증가가 뚜렷하지만 수도권보다는 주변지역에서의 이동이 더 많은 한계가 있음을 밝혔다. 김혜림 외(2022)는 경남혁신도시의 유동인구 데이터를 활용하여 통행패턴 및 도시의 자족성을 분석하였다. 그 결과, 경남혁신도시가 위치한 진주시를 제외하면 수도권, 동남권 순으로 유입인구가 많으며, 도시의 자족성도 높은 편인 것으로 분석하였다.

혁신도시 및 공공기관 이전 효과에 대한 기존 연구는 대개 해당 지역의 인구변화 중심으로 분석하고 있지만, 국외의 경우 산업 및 고용 분야의 변화를 분석하는 사례도 있다. 방법론적으로는 통제집단합성법이나 이중차분법(Difference In Differences, DID) 등을 활용한 사례가 다수이다.

먼저 통제집단합성법을 도입한 국내 연구로서 전미숙·김정숙(2021)이 있으며, 강원, 전남, 경북, 경남 지역을 대상으로 혁신도시가 지역에 미친 영향을 인구, 경제, 공간, 재정 관련 데이터를 활용하여 분석하였다. 그 결과, 혁신도시로 인해 지역 인구가 증가하고 있으며, 특히, 나주혁신도시는 정주여건 향상에 적극적으로 대처한 결과 인구도 뚜렷하게 증가한 것으로 분석하였다. 임태경(2021)은 충북혁신도시를 대상으로 청년인구 유입에 미친 영향을 조사하였다. 인구, 산업, 공간, 재정 관련 데이터를 이중차분법으로 분석하여 수도권에서 순유입된 청년인구가 유의하게 증가했다고 하였다. 장인수·박승규(2021)는 경북혁신도시를 대상으로 지역의 인구 변화 효과를 분석하였다. 인구 및 재정 데이터를 활용하여, 통제집단합성법으로 인구 및 이동자 수가 증가하였다가 지속적으로 감소하고 있는 흐름을 밝혀내었다. 김우영·김만규(2021)는 경남혁신도시를 대상으로 인구 및 고용데이터를 활용하여, 통제집단합성법으로 분석하였다. 그 결과, 경남혁신도시의 인구가 증가하였으나, 생산인구 유입 및 지역 일자리 창출은 미흡한 것으로 나타났다.

그러나 인구와는 달리 고용 및 산업분야에 미친 영향을 분석한 연구는 그다지 많지 않고 국외사례가 몇 가지 조사되었다. 먼저 Faggio and Overman(2014)은 영국에서 공공부문 고용이 민간부문 고용에 미치는 영향을 변이할당분석 기법을 활용하여 알아보았다. 그들은 공공부문 고용이 지역의 서비스업을 증가시키는 반면 제조업은 감소시켰다고 하였다. Becker et al.(2018)은 연방정부가 이전된 독일의 본을 대상으로 공공고용이 민간고용에 미치는 효과를 통제집단합성법을 활용하여 분석하였다. 그 결과, 총고용 및 인구는 상당 수준 증가하였지만, 민간부문 고용에 미치는 영향이 서비스업에 집중되어 있음을 확인하였다. Jofre-Monseny et al.(2018)은 스페인 도시의 공공 일자리 확장이 고용 및 인구에 미치는 효과를 공간평형모델(spatial equilibrium model) 및 회귀분석을 활용하여 분석하였다. 그 결과, 공공부문 일자리는 제조업에 거의 영향을 미치지 않으며, 서비스업 고용만을 증가시켰다고 하였다. Faggio(2019)는 영국 공공기관 재배치가 제조업 및 서비스업 고용에 미치는 효과를 이중차분법 및 회귀분석을 활용하여 분석하였다. 여기서도 공공기관 재배치가 서비스업 고용은 증가시키나, 제조업 고용에는 영향을 미치지 않는다고 주장하였다.

이처럼 혁신도시나 공공기관 이전을 대상으로 분석한 국내외 연구를 종합하면, 혁신도시가 입지한 지역을 대상으로 혁신도시 조성 전과 혁신도시 조성 이후 최근까지 변화를 추적하고 있다. 평가분야는 대부분 인구의 변화가 중심이 되고 있으며, 총인구, 인구이동, 순유입, 청년인구 등을 활용하고 있다. 통제집단합성법을 활용하는 경우는 대조군 합성을 위해 산업, 경제, 고용, 재정분야까지 확대하여 분석하는 경우가 소수 있는 것으로 조사되었다.

이상과 같은 선행연구의 결과를 반영하여 본 연구에서는 경남혁신도시를 대상으로 혁신도시 정책효과를 크게 인구와 산업부문으로 나누어 분석하고자 한다. 인구부문은 정적 특성을 나타내는 총인구, 동적 특성을 나타내는 순이동 인구, 인구구조를 나타내는 연령대별 인구를 대상으로 하고, 산업부문은 전산업 및 산업별 사업체수 및 종사자수 등으로 세분화하여 정책효과를 구체적으로 살펴봄으로써 연구의 차별화를 도모하였다.

정책 시행의 영향력을 계량적으로 분석하는 데 주로 활용되는 방법으로 통제집단합성법과 이중차분법이 있다. 이들의 목적은 처치집단(treatment group, 여기서는 혁신도시가 건설된 도시(들))의 처치시점 이후 반사실적 상황(counterfactual situation, 여기서는 혁신도시가 건설되지 않았다고 가정했을 때)을 추정하는 것으로 유사하다고 할 것이다. 하지만 이중차분모형은 평행추세가정(parallel trends assumption)을 통해서 대조군(control group, 여기서는 혁신도시가 건설된 도시와 유사한 성격을 가진 혁신도시가 없는 비교 대상 도시군)의 평균으로 처치집단의 반사실적 상황을 추정한다. 그러나 처치집단과 대조군의 추세가 평행하지 않을 경우, 이중차분법의 추정치는 신뢰하기 어려워진다. 즉 이중차분법의 문제점 중 하나는 대조군으로 사용하는 도시들이 자의적으로 선정될 수 있다는 것이다(김우영·김만규, 2021).

이러한 문제점을 해결하기 위해 통제집단합성법이 활용되고 있다. 통제집단합성법은 이중차분법과 유사하나 대조군 선정 시 가능한 모든 대상을 사용하면서 각 지역에 가중치를 부여하고, 이를 조합하여 대조군을 합성하여 구축하는 방법이다(김우영·김만규, 2021). 즉, 이중차분법과 달리 평행추세 가정을 만족하지 않아도, 대조군의 조합을 통해 처치집단을 모방하여 처치집단의 반사실적 상황을 추정할 수 있다. 다시 말해 대조군이 되는 도시들은 혁신도시가 건설된 도시와 반드시 성격이 일치하지 않기 때문에 유사한 성격을 가지도록 대조군에 속한 도시들마다 일정한 가중치를 부여하여 최대한 유사한 조건이 되도록 합성하여 혁신도시 건설된 도시와 대조해 보는 방식이다.

통제집단합성법은 Abadie et al.(2015)와 Abadie and Gardeazabal(2003)에 의하여 비교적 최근에 개발되어 국내외 활용 빈도가 점차 늘어나고 있다. 이 방법은 지난 15년 동안 정책 평가 연구에서 가장 중요한 혁신이라 언급된 바가 있을 정도로 주목을 받고 있다(Athey and Imbens, 2017). 기존에 개발된 모형은 비교대상집단(donor pool)이 적을 경우가 분석에 유리하다던가 가중치는 음의 값이 될 수 없으며, 가중치의 총합이 1이어야 한다 등 제약사항이 있었다. 하지만 세계적으로 관련 연구가 늘어나면서 이러한 한계점들을 극복하고 있으며, 계속 진화하고 있다.

통제집단합성법 적용을 단계별로 살펴보면 다음과 같다. 첫째, 처치집단(여기서는 혁신도시가 건설된 도시)과 유사한 개체를 대상으로 잠재적 비교대상 집단을 구성한다. 둘째, 예측변수(predictor variable)를 설정한다. 예측변수는 회귀분석에서의 통제변수(control variable)와 유사하게 결과변수에 영향을 미치는 독립변수(정책개입) 이외의 요인들을 의미한다(이정기·문정빈, 2020). 셋째, 최적의 가중치를 계산하여 합성집단(synthetic group, 가중치가 부여된 비교대상 도시군)을 도출하고, 처치집단과 비교한다. 가중치를 구하는 과정이 이 모형의 핵심이라고 할 수 있는데, 최적화 알고리즘(Iterative optimization algorithms)을 활용한다. 가중치는 크게 control unit weights과 variable weights가 있다. 이 단계는 처지받기 이전 기간의 결과변수(outcome)와 예측변수에 대해 처치집단과 통제집단의 차이가 최소화되도록, 즉 통제집단의 조합 중 처치집단에 가장 가까워질 수 있는 가중치를 찾도록 알고리즘이 설계되어 있다.

통제집단합성법의 구체적인 계산 절차는 다음과 같다. 먼저, 기본 설정으로 J+1개의 개체(unit)에 대한 데이터를 가지고 있다고 보고, 그중 첫 번째 개체(j=1)가 정책의 개입을 받은 처치집단으로 할 때, 나머지 개체(j=2, …, J+1)는 비교대상집단(donor pool), 정책의 개입을 받지 않은 집단으로 볼 수 있다. 또한 시간과 관련하여, 전체 기간을 T, 그중 처음 정책의 개입을 받은 시점을 T₀로 가정할 수 있다. 이때, 개체 j의 t시간 결과변수를 Y_jt라고 하면, 개체별(j=1, …, J+1) 예측변수(predictor) 값을 X₁, …, X_J+1로 나타낼 수 있다. 그중 X₂, …, X_J+1는 J개의 정책의 개입을 받지 않은 집단의 예측변수 값이다. 이를 반영해, 처치받지 않은 집단의 결과변수를 Y1tN로 나타낼 수 있다. 또한 처치받은 집단(j=1)의 정책개입 이후 시점(t >T₀)의 결과변수를 Y1tI로 나타낼 수 있다. 이때, 처치집단의 t시점(t >T₀) 정책개입 효과를 식 (1)과 같이 나타낼 수 있다.

(1)

여기서 Y1tI는 실제로 관찰되는 값이지만, Y1tN는 추정해내어야 하는 값이다. t >T₀일 때의, 즉, 처치집단의 정책개입 부재 시 결과변수 값으로, 이를 반사실적 상황(counterfactual outcome)이라고 한다.

처치집단의 반사실적 상황을 추정하는 것이 통제집단합성법의 핵심이 된다. 통제집단합성법과 같은 정량적 분석방법이 등장하기 전 유사 비교연구에서도 Y1tN를 생성하는 것에 초점을 맞추었는데, 이때는 대개 정책개입 시점에 처치집단과 유사한 특성을 가지는 하나의 개체 또는 적은 수의 집단을 사용하였다. 하지만 통제집단합성법은 하나의 개체 또는 적은 수의 집단 결과변수 값을 그대로 활용하는 것보다 비교대상집단의 조합을 통해 처치집단의 특성에 더욱 근접한 결과변수값을 만들어낼 수 있다는 개념이다. 이러한 개념 아래 합성통제집단은 비교대상집단의 가중평균으로 정의된다. 비교대상집단의 가중치를 W=(w₂,…w_J+1)로 나타낼 수 있으며, 주어진 가중치 아래 처치집단의 반사실적 상황과 정책개입효과를 계산할 수 있다(식 (2), 식 (3) 참조). 이하 자세한 이론적 내용은 Abadie et al.(2015)의 연구를 참고하기 바란다.

(2)

(3)

넷째, 플라시보 검정(Placebo test)을 통해 처치 효과를 확인한다. 이 단계에서는 대조군 개체 각각에 처치가 이루어졌다면 효과가 어떻게 나타났을지를 시뮬레이션하고, 대조군 내 다른 개체에 비해 처치집단의 처치효과가 뚜렷하게 나타나는지 살펴본다. 이를 통해 처치집단의 결과변수 변화가 우연한 결과가 아닌 처치로 인한 효과인지 여부를 확인한다.

처치지역인 진주시와 합성대조군의 총인구, 순이동인구, 고령인구, 핵심생산가능인구 추세를 비교하였다. 분석결과는 진주시와 합성대조군의 수치(표 6)와 그래프(그림 5)로 정리하였다. 각 변수별로 진주시와 합성대조군의 추세(A), 차이(B), 플라시보 검정 결과(C) 세 가지 그래프를 나타내었다. A 그래프에서 검은 실선은 처치지역의 결과변수, 붉은 점선은 합성대조군의 결과변수, 검은 점선 세로선은 정책개입 시점을 의미한다. B 그래프에서는 붉은 실선은 처치지역과 합성대조군의 결과변수 차이, 검은 실선 세로선은 정책개입 시점을 의미한다. C 그래프는 플라시보 검정 결과로, 처치효과를 나타낸다. 여기서 처치효과는 처치집단의 실측값과 합성대조군의 예측값의 차이를 처치시점 전후로 비교하여 그 차이가 커지면 처치효과가 있었다고 본다. 회색 실선은 비교대상집단의 모든 개체별로 처치가 이루어졌다고 가정한 경우 처치효과, 붉은 실선은 실제 처치집단의 처치효과를 나타낸다.

Figure 5. 
Trends, differences and results of placebo test in total population and net migration

먼저 총인구, 순이동인구 변화는 <그림 5>의 상단과 같다. 총인구는 정책개입 효과가 명확하게 나타나고 있다. 진주시의 총인구는 처치시점 이후, 계속 증가하는 반면, 합성대조군은 지속적으로 감소하는 것으로 나타났다. 게다가 그 차이는 점차 크게 확대되고 있다. 구체적으로 보면, 정책 개입 이후 합성대조군은 초기에는 32만 대의 인구를 유지하지만 2016년부터 23~25만 대로 대폭 감소한다. 하지만 진주시의 인구는 지속적으로 증가하여, 2015년부터 34만 대의 인구를 유지하고 있다. 즉, 연평균 약 1천 3백 명가량 인구가 증가하고 있다(<표 6> 참조). 또한 플라시보 검정으로 합성대조군에 처치가 이루어졌을 경우 처치효과를 살펴보면, 대부분의 개체가 처치시점 전후의 차이가 크지 않은 것을 확인할 수 있다. 이는 진주시의 처치 효과가 우연한 결과가 아니라는 증거이다. 따라서 진주시는 경남혁신도시 건설로 총인구가 유의하게 증가하는 효과가 있는 것으로 해석할 수 있다.

반면, 순이동인구는 정책개입 효과를 확인하기 어렵다. 진주시의 경우, 연도별 증감을 반복하고 있으나, 처치시점 이후 합성대조군과 유사한 패턴을 보인다. 구체적으로 보면, 처치시점 이후 연평균 순이동인구는 진주시는 -152.5명, 합성대조군은 -101.2명 정도이다. 플라시보 검정에서도 진주시는 처치시점 전후 그래프 폭의 차이가 크지 않고, 합성대조군과 유사한 정도인 것으로 보아 정책효과는 모호한 것으로 해석된다.

연령별 결과는 <그림 5>의 하단과 같다. 고령인구와 핵심생산가능인구 모두 정책개입 효과가 명확하게 나타나고 있다. 고령인구는 진주시와 합성대조군 모두 증가하는 추세이나 진주시의 증가 폭이 합성대조군에 비해 크다. 게다가 합성대조군과의 차이는 점차 증가하고 있다. 구체적으로 보면, 2020년 기준 합성대조군의 고령인구는 7.2만 명, 진주시는 7.7만 명으로 약 5천 명가량 차이가 있다(<표 6> 참조). 또한 플라시보 검정으로 합성대조군에 처치가 이루어졌을 경우 처치효과를 살펴보면, 대부분의 개체가 처치시점 전후 차이가 크지 않은 것을 확인할 수 있다. 이는 진주시의 처치 효과가 우연한 결과가 아니라는 증거이다. 즉, 고령화가 심했던 진주시의 기존의 지역적 특성이 혁신도시 정책 하나만으로 극복되기 어려웠던 것으로 보인다.

핵심생산가능인구는 진주시와 합성대조군 모두 지속적으로 감소하고 있으나 진주시가 처치시점 이후 합성대조군에 비해 적은 폭으로 감소하고 있다. 게다가 그 차이는 점차 확대되고 있다. 구체적으로 보면, 2020년 기준 합성대조군은 8.8만 명, 진주시는 11.8만 명으로 약 3만 명가량 차이가 있다(<표 6> 참조). 또한 플라시보 검정에서 진주시는 처치시점 전후 그래프 폭의 차이가 큰 것으로 보아, 진주시는 경남혁신도시 건설로 핵심생산가능인구의 감소 폭이 줄어드는 효과가 있는 것으로 해석된다.

진주시와 합성대조군의 총사업체수, 총종사자수, 제조업, 서비스업 사업체수, 서비스업 종사자수 추세를 비교 분석하였다. 분석결과는 총사업체수와 총종사자수, 산업별 사업체수와 종사자수로 분류하여 결과변수별 진주시와 합성대조군의 수치(표 7, 8)와 그래프(그림 6, 7, 8)로 정리하였다.

Figure 6. 
Trends and results of placebo test in total number of businesses and total number of workers

Figure 7. 
Trends and results of placebo test in number of manufacturing businesses, number of manufacturing workers

Figure 8. 
Trends and results of placebo test in number of service businesses, number of service workers

먼저 전산업 분석결과를 보면 총사업체수는 정책개입 효과가 나타나고 있다. 추세 그래프(A)를 살펴보면, 진주시와 합성대조군은 값의 규모에 차이가 있으나 비교적 평행한 형태로 증가하는 추세를 보인다. 하지만 차이 그래프(B)를 살펴보면, 처치시점 이후 처치지역과 합성대조군 값의 차이가 큰 폭으로 증가한 것을 확인할 수 있다. 특히 2018년은 그 차이가 가장 크게 나타난 시기로, 진주시의 총사업체수가 합성대조군에 비해 3,192개 더 많은 것으로 나타났다(<표 7> 참조). 또한 플라시보 검정으로 합성대조군에 처치가 이루어졌을 경우 처치효과를 살펴보면, 대부분의 개체가 처치시점 전후 차이가 크지 않은 것을 확인할 수 있다. 이는 진주시의 처치 효과가 우연한 결과가 아니라는 증거이다. 따라서 진주시는 경남혁신도시 건설로 총사업체수의 증가폭이 확대되는 효과가 있는 것으로 해석된다.

총종사자수는 정책개입 효과를 명확하게 확인할 수 있다. 추세 그래프를 살펴보면 진주시와 합성대조군 모두 지속적으로 증가하는 추세이나 처치시점 이후 진주시의 종사자수 증가 폭이 합성대조군에 비해 더 큰 것으로 나타났다. 게다가 그 차이는 점차 큰 폭으로 확대되고 있다. 총사업체수와 동일하게 2018년 그 차이가 가장 크게 나타났으며, 구체적인 수치를 보면, 합성대조군은 8.5만 명, 진주시는 10.2만 명으로 약 1.7만 명가량 차이가 있다(<표 7> 참조). 또한 플라시보 검정에서도 합성대조군에 비해 진주시가 처치시점 이후 합성대조군과의 값의 차이가 크게 나타나 처치효과를 명확히 확인할 수 있다. 따라서 진주시는 경남혁신도시 건설로 총종사자수의 증가폭이 확대되는 효과가 있는 것으로 해석된다.

산업별 분석결과는 <표 8>, <그림 7, 8>과 같다. 제조업 사업체수는 정책 개입 효과가 모호하다. 진주시와 합성대조군 모두 증가하는 추세이다. 처치시점 이후 합성대조군의 증가 폭이 더 커져, 진주시의 사업체수를 추월한다. 하지만 플라시보 검정을 해보면, 진주시와 합성대조군의 처치효과가 유사한 것으로 보아 정책효과가 확실하지 않은 것으로 해석된다. 제조업 종사자수의 경우도 진주시와 합성대조군 모두 증가하는 추세로, 진주시가 합성대조군에 비해 더 적은 값을 가진다. 하지만 플라시보 검정 결과 진주시의 처치시점 전후 차이와 합성대조군에 처치가 이루어졌을 경우 처치시점 전후 차이가 유사한 것으로 보아 정책효과가 존재하는지 판단하기 어려운 실정이다.

서비스업 사업체수도 정책개입 효과 유무를 확인하기 어렵다. 추세 그래프를 살펴보면, 진주시와 합성대조군은 값의 규모에 차이가 있으나 비교적 평행한 형태로 지속적으로 증가하는 추세이다. 하지만 플라시보 검정 결과 진주시의 합성대조군의 처치시점 전후 차이가 유사해 정책효과 유무를 판단하기 곤란하다. 하지만 서비스업 종사자수는 정책개입 효과가 나타나고 있다. 진주시와 합성대조군 모두 지속적으로 증가하는 추세이나 처치시점 이후 합성대조군에 비해 진주시의 종사자수 증가 폭이 더 커지고 있다. 특히 2017년은 그 차이가 가장 크게 나타난 시기로, 진주시의 서비스업 종사자수는 7.5만명, 합성대조군은 6.4만 명으로 약 1.1만 명가량 차이가 있다. 또한 플라시보 검정에서도 대부분의 합성대조군 개체의 처치시점 전후의 차이가 크지 않아 진주시의 처치 효과가 우연한 결과가 아닌 것으로 판단할 수 있다. 따라서 진주시는 경남혁신도시 건설로 서비스업 종사자수의 증가폭의 확대되는 효과가 있는 것으로 해석된다.