Correcting Growth-Based Benchmarking Bias: Time-Comparable Efficiency Levels and Context-Sensitive Pathways to High Performance

기술 요약: 공공 체육 서비스의 성장 기반 벤치마킹 편향 교정

문제 제점
공공 부문의 성과 관리는 자원 배분과 정책 학습을 유도하기 위해 벤치마킹에 점점 더 의존하고 있다. 그러나 종단적 벤치마킹에는 중대한 취약점이 존재한다: 바로 성과 '수준(levels)'과 성과 '성장률(growth rates)'의 혼동이다. 기존의 효율성 측정은 서로 다른 연도의 데이터 포락 분석(DEA) 점수를 직접 비교 가능한 것으로 취급하거나, 말퀴스트 지수(Malmquist index, 생산성 변화를 측정함)를 성과 상태의 대리 지표로 활용한다. 이는 "시간적 성장 환상(temporal growth illusion)"을 만들어내는데, 즉 초기 기준치가 낮아 급격한 추격(catch-up)을 경험하는 지역은 고성과자로 오인되는 반면, 미미한 성장률을 보이는 안정적이고 성숙한 고성과자들은 간과되는 현상을 초래한다. 이러한 오분류는 정책 학습을 오염시키고 자원 배분을 최적화하지 못하게 만든다. 나아가, 기존 연구들은 종종 효율성 측정과 구성적 귀속(configurational attribution)을 정렬하지 못하여, 집합론적 분석에서 "빠른 개선"을 "높은 성과"와 동일시함으로써 구성 개념의 불일치(construct misalignment)를 야기한다.

연구 방법론
본 연구는 중국 31개 성의 공공 체육 서비스(PFS)에 관한 패널 데이터(2016–2022)를 사용하여 2단계 분석 프레임워크를 적용한다:

1. 시간 비교 가능 효율성 측정 (Windows-DEA):

   • 기존의 정적 DEA 점수가 갖는 비비교 가능성(연도별 프런티어의 변화)과 말퀴스트 지수의 한계(변화량은 포착하나 상태는 포착하지 못함)를 해결하기 위해, 저자들은 3년 이동 창(moving window)을 사용하는 Windows-DEA 방식을 활용한다.
   • 이 방법은 창(window) 내의 서로 다른 시점의 관측치를 하나의 통합된 참조 집합으로 취급하여, 통일된 측정 공간에 매핑된 효율성 점수를 생성한다. 이를 통해 도출된 윈도우 기반 기술적 효율성(W-TE) 점수는 변화율이 아닌 절대적 효율성 수준을 나타내며, 시간적·공간적으로 비교 가능하다.

2. 구성적 귀속 (패널 데이터 퍼지 집합 질적 비교 분석, PD-fsQCA):

   • 본 연구는 지속적인 고효율을 정치, 경제, 사회, 문화, 생태의 다섯 가지 차원의 맥락적 조건과 연결하기 위해 **패널 데이터 퍼지 집합 질적 비교 분석(PD-fsQ社)**을 적용한다.
   • 횡단적 QCA와 달리, PD-fsQCA는 일관성을 '단위 간(between-unit, 공간적)' 차원과 '단위 내(within-unit, 시간적)' 차원으로 분해한다.
   • 강건성(robustness)은 **일관성 조정 거리(Consistency Adjustment Distance, CAD)**를 사용하여 설정(configuration)이 시간과 공간에 걸쳐 안정적인지 평가한다. 결합된 일관성이 0.9를 초과하고 두 차원의 CAD 값이 모두 0.2 미만일 때 해당 설정은 강건한 것으로 간-주된다.

주요 결과

• "성장 환상"과 유형 분류:

  • 본 연구는 높은 말퀴스트 성장률이 절대적 고성과가 아니라 낮은 기준치로부터의 추격을 반영하는 경우가 많음을 실증적으로 입증한다.
  • 효율성 궤적의 유형을 다음과 같이 분류하였다:
    • 유형 A (성장 환상): 낮은 초기 기준치로 인해 발생하는 높은 성장률과 낮은 절대적 효율성 (예: 티베트).
    • 유형 B (성숙/도약형): 높은 절대적 효율성과 가변적인 성장률 (예: 장쑤성, 저장성). 이들은 프런티어에 근접해 있어 한계 성장이 제한적이다.
    • 유형 C (안정 성장형): 중간 수준의 효율성과 안정적인 성장 (예: 구이저우성, 산둥성).
  • 성장 지표에만 의존하면 유형 A 지역을 벤치마크로 오분류할 수 있으나, W-TE는 유형 B를 안정적인 고성과자로 정확히 식별한다.

• 효율성 병목 현상:

  • W-TE의 분해 결과, 비효율성은 두 가지 별개의 제약 요인에서 기인함을 밝혀냈다: 순수 기술적 효율성(PTE) (경영 능력) 및 규모 효율성(SE) (자원 배분 구조).
  • 네 가지 뚜렷한 메커니즘이 확인되었다: 이중 동력형(높은 PTE/SE), 규모 제약형(높은 PTE/낮은 SE), 경영 지체형(낮은 PTE/높은 SE), 이중 결핍형(낮은 PTE/낮은 SE). 베이징(거대 도시 혼잡 및 이벤트 투자 지연으로 인한 이중 결핍)과 티베트(지리적 제약 및 기능적 위치로 인한 이중 결핍)와 같은 구체적인 사례가 이러한 병목 현상을 보여준다.

• 고효율을 향한 구성적 경로:

  • 단일 조건이 고효율을 위해 필수적이라는 결과는 발견되지 않았으며, 이는 인과적 복잡성을 확인시켜 준다.
  • 지속적인 고효율로 이어지는 네 가지 등가적 경로(configuration)가 확인되었다:
    1. 시장-생태 주도형: 높은 경제적 역량과 공기 질이 낮은 정책 개입 및 문화적 자본을 보완함 (예: 랴오닝, 하이난).
    2. 경제-자본 주도형: 높은 가처분 소득이 약한 사회 보장 및 문화적 자본을 대체하여, 시장 기반의 체육 솔루션이 효율성을 견인함 (예: 상하이).
    3. 생태-사회 보장 보완형: 높은 공기 질과 사회 보장 범위가 낮은 경제 수준을 상쇄하여, 저개발 지역에서 '그린 피트니스' 경로를 가능케 함 (예: 운남, 구이저우).
    4. 제도-문화 시너지형: 강력한 정책적 관심과 사회 보장이 핵심을 이루며, 생태적 자산(S4a) 또는 경제적 자본(S4b)의 지원을 받음.
  • 시간적 역동성: 조건의 필요성은 시간에 따라 변화한다. 예를 들어, 사회 보장 범위(SSCR)는 비필수적 요인에서 2020년 이후(팬데믹 시대) 거의 필수적인 조건으로 전환되었으며, 정책적 관심(PDS)은 초기 개혁 단계(2017년) 동안 "맥동형(pulse-like)" 필요성을 보였다.

주요 기여

1. 방법론적 교정: 본 논문은 효율성의 '상태'와 효율성의 '변화'를 분리하는 프레임워크를 제안하고 검증한다. Windows-DEA를 사용하여 시간 비교 가능한 점수를 생성함으로써, 말퀴스트 기반 벤치마킹에 내재된 "성장 환상"을 교정하고, 진정한 정책 모범 사례를 식별하기 위한 더 신뢰할 수 있는 근거를 제공한다.
2. 측정과 귀속의 정렬: DEA 기반 효율성 측정과 QCA 기반 귀속 사이의 논리적 불일치를 해결한다. 결과 변수인 W-TE가 변화율이 아닌 안정적인 상태를 나타내도록 함으로써, 구성적 분석에서의 구성 개념 불일치를 방지한다.
3. 맥락 민감적 거버넌스: "더 많은 자원 = 더 나은 성과"라는 선형적 논리에 도전한다. 대신, 고효율은 정치, 경제, 사회, 문화, 생태적 조건의 독특한 묶음을 통해 달성 가능한 등가적(equifinal) 과정임을 입증한다.

의의 및 주장
본 연구는 다음과 같은 방식으로 대규모 공공 서비스 시스템의 성과 관리 논리를 개선한다고 주장한다:

• 개선율과 성과 수준의 구분: 정책 학습은 (성장률을 통해 식별되는) 빠른 추격 지역이 아니라 (시간 비교 가능한 상태를 통해 식별되는) 안정적인 고성과 지역에 집중해야 한다고 주장한다. 이는 추격 지역이 오해의 소지가 있는 벤치마크가 될 수 있기 때문이다.
• 맥락 민감적 자원 배분 지원: 여러 등가적 경로를 식별함으로써, 단일한 "최선의 관행(best practice)" 템플릿은 존재하지 않음을 시사한다. 대신, 각 지역은 자신의 특정 지역적 자산(예: 저소득 지역의 생태 자산 활용 또는 고소득 지역의 시장 메커니즘 활용)에 맞춰 거버넌스 전략을 정렬해야 한다.
• 책임성 강화: 벤치마크 식별을 안정화함으로써, 자원이 단순히 빠르게 개선되는 것처럼 보이는 곳이 아니라 지속적인 고성과를 유지하는 곳으로 흐르도록 하여 책임성 신호를 강화한다.

저자들은 효율성 증진은 획일적인 투입 확장이 아니라, 거버넌스 전략이 맥락적 제약 및 이점과 정밀하게 일치할 때 가장 효과적으로 일어난다고 결론짓는다.