[논문]패널회귀분석을 이용한 글로벌 선사의 재무요인 특성분석에 관한 연구

오재균; 여기태

doi:10.14400/jdc.2019.17.4.065

패널회귀분석을 이용한 글로벌 선사의 재무요인 특성분석에 관한 연구
An analysis of Financial Factors' Characteristic for Global Shipping Companies using Panel Regression Analysis 원문보기

디지털융복합연구 = Journal of digital convergence, v.17 no.4, 2019년, pp.65 - 73

오재균 (인천대학교 동북아물류대학원) , 여기태 (인천대학교 동북아물류대학원)

초록
AI-Helper

연구는 부채비율을 종속변수로 하고 ROE(자기자본 이익률), 매출액, 유동비율, 자본총계, 운임지수인 SCFI(Shanghai Containerized Freight Index)를 독립변수로 하여 패널회귀분석을 실시하였다. GLS 분석결과, 유동비율의 경우 부채비율에 부(-)의 영향을 끼쳤고, 매출액의 경우 부채비율에 정(+)의 영향을 끼쳤다. 또한 자본총계는 부채비율에 부(-)의 영향을 미쳤다. 하지만 ROE의 경우 가설과는 다르게 부채비율에는 부(-)의 영향을 끼쳤고, SCFI지수는 유의미하지 않았다. 본 연구의 시사점으로 글로벌 선사의 부채비율이 높아질수록 글로벌 선사가 규모의 경제를 달성해 매출이 증가한 것을 확인했다. 하지만 타인자본 투입을 통한 규모의 경제실현은 매출액 증가에는 도움은 되지만, 당기순이익에는 영향을 미치지 못함을 확인하였다. 선사는 영업력을 확대하고 대형 컨테이너선을 확보하는 등의 화주 신뢰성을 확보하는 전략에 병행해야 한다. 향후 연구에서는 환율, 세계 경제 성장률, 제조업 생산지수 등을 고려한 분석이 필요하다.

Abstract ▼ AI-Helper

This study performed Panel Regression Analysis (PRA) with the debt ratio as a dependent variable and the ROE (return on equity), sales volume, current ratio, total capital, and Shanghai Containerized Freight Index (SCFI) as an independent variable. According to the GLS analysis, the current ratio to liabilities ratio was negative, and for sales, the ratio of liabilities was positive. Capital totals also had a negative impact on the debt ratio. However, ROE, unlike the hypothesis, had negative effects on the liability ratio, and the SCFI index was not significant. As implications of this research, the company confirmed that its sales increased as the debt ratio of global shipping companies rose, achieving economies of scale. However, it was confirmed that the actual size of the economy through the injection of other capital would help increase sales but not affect net profit. Shipping companies should expand their business power and secure large container vessels to secure credibility of shippers. In the future research, an analysis considering exchange rate, global economic growth rate, and manufacturing production index is needed.

주제어

표/그림 (9)

표 Table 1. Debt ratio for 9 years of global shipping company
표 Table 2. Sales for 9 years of global shipping company
표 Table 3. Total capital of global shipping company
표 Table 4. Definition of variables
표 Table 5. Correlation analysis
표 Table 6. VIF Analysis
표 Table 7. GLS and LR Test, Wooldridge analysis result
표 Table 8. Results of Hausman test
표 Table 9. Fixed-effects model and F-Test

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 연구는 부채비율 상승이 글로벌 선사에 어떤 영향을 미치는지 분석하기 위해 패널데이터 분석을 실시하였다. 본 연구의 학문적 시사점으로는 국내 국적선사뿐만 아니라 규모가 20위 안에 드는 해외 글로벌 선사를 대상으로 ROE, 매출액, 유동비율, 자본총계와 같은 기업 경영활동에 도움을 주는 경영지표와 운임지수인 SCFI를 활용하여 변수들이 부채비율에 미치는 영향을 실증 분석하였다.
본 연구에서는 현대상선을 포함한 해외 글로벌 선사의 독립변수가 부채비율에 미치는 영향에 대한 분석을 실시하였다. 하지만 세계 경제 성장률, 제조업 생산지수, 환율 등을 고려하지 않고 단순히 부채비율에 어떤 영향을 끼치는지에 대해 분석이 이루어져 흑자경영을 위한 방안에 대해서는 도출하지 못하였다.
본 연구의 목적은 글로벌 선사들의 ROE(Return On Equity, 자기자본 이익률), 매출액, 유동비율, 자본총계와 운임지수인 SCFI(Shanghai Containerized Freight Index)지수 등이 부채비율에 어떤 영향을 미치는지에 대해 추정하고 현대상선과 같이 글로벌 선사를 지향하는 해운기업의 경쟁력 강화를 위한 방안을 제시하는 것을 목적으로 하며, 연구방법론은 패널회귀분석을 사용한다.

가설 설정

VIF값이 10이 넘지 않을 경우 다중공선성이 없다고 가정을 한다[27]. VIF 분석결과 값이 10이 넘지 않아 다중공선성은 없다고 가정할 수 있다.
가설 3은 매출액이 선사 부채비율에 정(+)의 영향을 끼치는 것으로 가정한 것이다. 실제 분석결과 매출액이 1 늘어날 경우 부채비율이 2.
가설 4는 SCFI지수가 증가할 경우 부채비율에 정(+)의 영향을 끼친다는 가정으로 운임지수의 상승은 기업이 신규 컨테이너선박을 건조하거나 용선계약을 통해 선복량을 늘리기 위해 기업이 타인자본을 투입시켜 부채비율이 증가할 것으로 예측했다. 하지만 분석결과 SCFI변수에 대한 P>z값이 0.
가설 5는 자본총계가 부채비율에 부(-)의 영향을 끼친다고 가정을 하였다. 분석결과 자본총계가 1 증가할수록 부채비율이 2.
가설1 : ROE는 부채비율에 정(+)의 영향을 끼칠 것이다.
가설2 : 유동비율은 부채비율에 부(-)의 영향을 끼칠 것이다.
가설3 : 매출액은 선사의 부채비율에 정(+)의 영향을 미칠 것이다.
가설4 : SCFI지수는 부채비율에 정(+)의 영향을 미칠 것이다.
가설5 : 자본총계는 부채비율에 부(-)의 영향을 미칠 것이다.
ROE, 유동비율, 매출액, SCFI, 자본총계는 부채비율과 부(-)의 상관관계를 가졌다. 가설에서는 ROE와 매출액, SCFI가 부채비율에 정(+)의 영향을 미칠 것으로 예상했다. 하지만 모든 변수들이 부(-)의 상관을 보였다.

제안 방법

HA외 1인은 한국 컨테이너 선사와 주요 글로벌 컨테이너 선사를 비교하여 컨테이너 운송경쟁력 차이를 분석하였다. 매출액과 매출액 비율, 컨테이너 운임지수, 연료 가격, 선박 수, 평균선박 사이즈를 변수로 사용하여 분석했다[7].
Notteboom, T.E. 외 1인은 벙커유 가격이 유럽-극동간 운행 중인 정기선사에 미치는 영향을 분석하였다[9]. 이태휘 외 1인은 해운기업의 경영 안정성과 충격반응을 확인하고자 BDI지수, CCFI, HRCI 3개 지수를 통해 영업 이익에 어떻게 영향을 끼치는지에 대해 분석했다.
황경연 외 1인은 선복량 상위 20대 선사 기업 중 11개 컨테이너 선사와 상위 100대 선사 기업에 포함된 국내 7개 컨테이너 선사를 대상으로 효율성을 분석하였다. 또한 기간별 효율성 변화를 분석하였다[8].
HA외 1인은 한국 컨테이너 선사와 주요 글로벌 컨테이너 선사를 비교하여 컨테이너 운송경쟁력 차이를 분석하였다. 매출액과 매출액 비율, 컨테이너 운임지수, 연료 가격, 선박 수, 평균선박 사이즈를 변수로 사용하여 분석했다[7].
배후석은 해운산업의 적정 부채비율 산정을 위해 우리나라 해운운송업의 12년 자료를 기초로 매출영업 이익률, 총자산 회전율, 금융비율, 부채비율, 자기자본 이익률을 사용하여 회귀분석을 하였다. 저자는 분석을 통해 최적 부채비율은 약 400%라고 제언했다[4].
본 연구에서 선행연구를 통하여 Table 4와 같이 종속변수로 부채비율을 설정하였고, ROE, 유동비율, 매출액, 자본총계, SCFI를 독립변수로 선정하였다. 연구에 사용한 가설은 다음과 같다.
본 연구는 부채비율 상승이 글로벌 선사에 어떤 영향을 미치는지 분석하기 위해 패널데이터 분석을 실시하였다. 본 연구의 학문적 시사점으로는 국내 국적선사뿐만 아니라 규모가 20위 안에 드는 해외 글로벌 선사를 대상으로 ROE, 매출액, 유동비율, 자본총계와 같은 기업 경영활동에 도움을 주는 경영지표와 운임지수인 SCFI를 활용하여 변수들이 부채비율에 미치는 영향을 실증 분석하였다. 이를 통하여 글로벌 선사의 부채비율이 높아질수록 글로벌 선사가 규모의 경제를 달성해 매출이 증가한 것을 확인했다.
부채관리에 대한 배후석의 연구는 적정 부채비율 산정을 위해 우리나라 해상운송 회사를 대상으로 분석하였고, 국내 적정 부채비율인 200%가 아닌 약 400%정도일 때, 해운산업 전체 이익률을 향상시키는 것으로 분석하였다[4]. 하지만 해운업의 특성상 국제성이 강함에도 불구하고, 국내 기업만을 연구의 대상으로 진행해서 글로벌 선사의 부채비율이 기업의 경쟁력 강화에 어떤 영향을 주는지에 대한 연구는 부족했다.
신용재는 중소기업을 대상으로 기업의 특성이 자본구조에 미치는 영향을 분석했다. 분석결과 총부채비율은 기업규모 및 유형자산에 정의 영향을 끼쳤으나, 수익성과 유동성에는 음의 영향을 끼쳤다[20].
뿐만 아니라 부채비율과 ROE의 관계, 자본총계와 매출액의 관계의 경우 상관이 높게 나타났다. 이에 VIF분석을 시행했다. 시행결과는 Table 6과 같다.
외 1인은 벙커유 가격이 유럽-극동간 운행 중인 정기선사에 미치는 영향을 분석하였다[9]. 이태휘 외 1인은 해운기업의 경영 안정성과 충격반응을 확인하고자 BDI지수, CCFI, HRCI 3개 지수를 통해 영업 이익에 어떻게 영향을 끼치는지에 대해 분석했다. 분석결과 BDI지수와 HRCI지수에 비해 CCFI지수가 선사에 미치는 영향력이 높았다[10].
Muratsirin은 터키 전력회사의 민영화에 따른 개혁과정에서 규제기관과 당국 모두 높은 손실률을 기록했다고 분석했다. 재무 건전성, 서비스 품질 문제와 같은 주요 문제들을 해결하고자 고객 수, 설비 투자 등과 같은 독립변수가 비용에 어떤 영향을 미치는지에 대하여 패널데이터 분석을 실시하였다[25].
권수영 외 1인은 자기자본 이익률과 기업수명주기가 어떻게 변화하는지에 대해 연구했다[15]. 저자는 분석을 위해 매출액 이익률과 총자산 회전율, 재무 레버리지에 대해 자연대수를 취해 도출한 선형관계식을 기초로 기업수명주기를 더미로 추가하여 미래수익성에 대한 회귀분석을 하였다.

대상 데이터

Table 1은 현대상선(HMM)을 포함한 10개 글로벌 선사의 2009년부터 2017년까지 부채율 현황자료이다. 모든 글로벌 선사들이 2009년에 비해 부채비율이 증가하고 있다.
즉 국내 해운회사만을 대상으로 한 연구결과는 제한적인 해석밖에는 할 수 없다. 이에 본 연구에서는 현대상선을 포함한 글로벌 상위 선사 20개 회사 중에서 MSC 등 재무제표를 공시하지 않거나 자료가 불충분한 기업들을 제외한 Maersk, COSCO, Hapag-Lloyd, K-Line, MOL, NYK, Evergreen Line, Yang Ming, Wan Hai Lines 등 총 10개 회사를 대상으로 부채비율에 관한 분석을 수행한다.
황경연 외 1인은 선복량 상위 20대 선사 기업 중 11개 컨테이너 선사와 상위 100대 선사 기업에 포함된 국내 7개 컨테이너 선사를 대상으로 효율성을 분석하였다. 또한 기간별 효율성 변화를 분석하였다[8].

이론/모형

고정효과모형 또는 확률효과모형 중 어느 모형을 선택할지에 대해서는 Hausman 검정을 통해 선택한다.
셋째 순수 횡단면이나 시계열 데이터에서 보기 힘든 데이터를 도출할 수 있다[26]. 본 연구에서는 패널 회귀분석의 방법 중에서 이분산성 가정 분석(GLS, Generalized least squares), 고정효과모형(Fixed effect model)을 사용했다.

성능/효과

Hausman 검정 결과는 Table 8과 같다. Hausman 검정결과 p값이 1% 유의수준 내에서 귀무가설을 기각한 것으로 나타나 고정효과모형과 랜덤효과모형 중 고정효과모형을 선택하는 것이 적절하다는 결과가 나왔다.
ROE, 유동비율, 매출액, SCFI, 자본총계는 부채비율과 부(-)의 상관관계를 가졌다. 가설에서는 ROE와 매출액, SCFI가 부채비율에 정(+)의 영향을 미칠 것으로 예상했다.
ROE는 자본대비 당기순이익을 나타낸 비율로 적정 부채비율에 달하면 ROE가 극대화될 것이라고 예상했지만, ROE가 1 증가할수록 부채비율은 –0.019감소한 것으로 확인이 되었다.
김형호 외 3인은 해운지수가 국내 해운선사 주가에 어떤 영향을 미치는지 분석하고자 BDI, CCFI, HRCI 지수를 사용하여 분석하였다[14]. VAR 모형 분석결과 CCFI와 HRCI지수는 부(-)의 영향을, VECM 모형 분석결과 BDI지수는 주가지수에 부(-)의 영향을 끼쳤다.
분석결과 SCFI를 제외한 변수들이 유의하다는 결과가 도출됐다. 가설 1 분석결과 ROE가 부채비율에 영향을 끼치지 않은 것으로 나타났다. ROE는 자본대비 당기순이익을 나타낸 비율로 적정 부채비율에 달하면 ROE가 극대화될 것이라고 예상했지만, ROE가 1 증가할수록 부채비율은 –0.
가설 2, 가설 3, 가설 4는 모두 가설설정이 타당한 것으로 확인되었다. 하지만 ROE의 경우 P값이 0.
가설 2는 유동비율이 부채비율에 부(-)의 영향을 끼칠 것으로 가정했고 실제 분석결과 유동비율이 1이 증가할수록 부채비율은 –1.140이 감소된 것을 확인했다.
정재진 외 1인은 지방 공기업의 부채감축 노력이 경영성과에 미치는 영향에 대해 분석했다[19].부채비율과 수익성 지표를 직접적으로 분석한 결과 지방공기업의 부채 비율이 높을수록 수익성이 하락되어 과도한 부채가 있을 경우 통제가 필요한 것으로 나타났다.
이태휘 외 1인은 해운기업의 경영 안정성과 충격반응을 확인하고자 BDI지수, CCFI, HRCI 3개 지수를 통해 영업 이익에 어떻게 영향을 끼치는지에 대해 분석했다. 분석결과 BDI지수와 HRCI지수에 비해 CCFI지수가 선사에 미치는 영향력이 높았다[10].
Heikal 외 2인은 인도네시아 거래소에 상장된 자동차 회사의 성장률을 분석하기 위해 성장률을 종속변수로 ROA, ROE, 순이익률, 부채비율, 자본비율, 유동비율을 독립변수를 설정하여 분석했다[21]. 분석결과 ROA, ROE, 순이익률이 정(+)의 영향을, 자본비율과 유동자본이 수익률에 부(-)의 영향을 끼쳤다.
분석결과 SCFI를 제외한 변수들이 유의하다는 결과가 도출됐다. 가설 1 분석결과 ROE가 부채비율에 영향을 끼치지 않은 것으로 나타났다.
양영수 외 1인은 패널데이터 분석을 활용하여 해외 경험의 깊이와 폭이 한국물류기업의 재무적 성과에 미치는 영향을 파악하였다. 분석결과 물류기업이 보유한 해외 경험의 깊이와 폭 모두 기업의 재무성과에 정(+)의 영향을 미치는 것으로 나타났다[24].
분석결과 유동비율과 매출액, 자본총계는 GLS분석 결과와 마찬가지로 유의한 결과가 확인되었다.
가설 5는 자본총계가 부채비율에 부(-)의 영향을 끼친다고 가정을 하였다. 분석결과 자본총계가 1 증가할수록 부채비율이 2.782만큼 감소한 것으로 나타났다. 이는 글로벌 선사는 기업의 재무조달을 위해 부채를 발행을 하여 조달하게 되는데, 글로벌 선사가 조달을 위해 부채가 아닌 유상증자 등과 같은 방법으로 할 경우 부채비율이 그만큼 감소되므로 자본총계가 증가할수록 부채비율이 부(-)의 영향을 끼칠 것이라는 가설이 증명되었다.
신용재는 중소기업을 대상으로 기업의 특성이 자본구조에 미치는 영향을 분석했다. 분석결과 총부채비율은 기업규모 및 유형자산에 정의 영향을 끼쳤으나, 수익성과 유동성에는 음의 영향을 끼쳤다[20].
하지만 모든 변수들이 부(-)의 상관을 보였다. 뿐만 아니라 부채비율과 ROE의 관계, 자본총계와 매출액의 관계의 경우 상관이 높게 나타났다. 이에 VIF분석을 시행했다.
본 연구의 학문적 시사점으로는 국내 국적선사뿐만 아니라 규모가 20위 안에 드는 해외 글로벌 선사를 대상으로 ROE, 매출액, 유동비율, 자본총계와 같은 기업 경영활동에 도움을 주는 경영지표와 운임지수인 SCFI를 활용하여 변수들이 부채비율에 미치는 영향을 실증 분석하였다. 이를 통하여 글로벌 선사의 부채비율이 높아질수록 글로벌 선사가 규모의 경제를 달성해 매출이 증가한 것을 확인했다. 국내 국적선사들의 경우 IMF 이후 부채비율을 줄이기 위한 구조조정 과정에서 자가 선박을 대거 매각 후 용선을 한 것이 오히려 국적선사들의 위기로 다가왔다.
패널데이터 분석의 장점은 다음과 같다. 첫째 개별적 특이성(Individual heterogeneity)을 통제할 수 있다는 장점이 있는데 개별적 특이성을 통제하지 못했을 때, 시계열과 횡단면분석의 결과가 왜곡될 가능성이 발생한다. 패널데이터 분석은 시간특성효과(Time effect)과 개별특성효과 모두를 통제할 수 있다.

후속연구

즉 규모경제를 실현시키기 위해 타인자본을 투입하면 매출액 증가에는 도움이 되지만 당기순이익에는 영향을 끼치지 못 했다는 것을 의미한다. 국적선사의 당기순이익 증가를 위해서는 회사의 영업력 확대를 위해 대형 컨테이너선을 확보하여 단위당 운임을 낮출 뿐 아니라, 한진해운 파산 이후 떨어진 화주의 신뢰성 향상을 위한 노력을 기울여야할 것이다.
향후 연구방향으로 환율, 세계 경제 성장률, 제조업 생산지수, 특정 이슈 등을 고려한 분석이 필요하고, 선사 규모별 적정 부채비율을 고려한 연구가 필요하다. 또한 2018년 정부가 발표한 해운재건 5개년 계획 등 다양한 해운업 지원으로 인한 글로벌 선사에 미치는 영향에 대한 분석도 필요하다.

질의응답

핵심어	질문	논문에서 추출한 답변
	패널데이터 분석의 장점 중 시계열과 횡단면분석의 결과가 왜곡될 가능성이 발생하지 않게 하는 특징은?	패널데이터 분석의 장점은 다음과 같다. 첫째 개별적 특이성(Individual heterogeneity)을 통제할 수 있다는 장점이 있는데 개별적 특이성을 통제하지 못했을 때, 시계열과 횡단면분석의 결과가 왜곡될 가능성이 발생한다. 패널데이터 분석은 시간특성효과(Time effect)과 개별특성효과 모두를 통제할 수 있다. 둘째, 자유도(Degree of freedom)와 가변성(Variability)을 제공한다.
	시계열 자료와 횡단면 자료를 동시에 다룰 수 있는 분석모형은 무엇인가?	패널데이터 분석은 시계열 자료와 횡단면 자료를 동시에 다룰 수 있는 분석모형이다. 패널데이터 분석의 장점은 다음과 같다.
	ROE이란 무엇인가?	본 연구의 목적은 글로벌 선사들의 ROE(Return On Equity, 자기자본 이익률), 매출액, 유동비율, 자본총계와 운임지수인 SCFI(Shanghai Containerized Freight Index)지수 등이 부채비율에 어떤 영향을 미치는지에 대해 추정하고 현대상선과 같이 글로벌 선사를 지향하는 해운기업의 경쟁력 강화를 위한 방안을 제시하는 것을 목적으로 하며, 연구방법론은 패널회귀분석을 사용한다.

참고문헌 (28)

C. B. Lee & J. H. No. (2010). An Empirical Study on Improving Competitiveness of Korean Shipping Industry, Journal of Korea Port Economic Associatio, 26(3), 259-278.
KMI. (2017). KMI Weekly report Reflections of Hanjin Shipping Incident and Shipping Reconstruction Plan, 45.
Ministry of Maritime Affairs and Fisheries. (2018). Five-year plan for shipping reconstruction (2018-2022).
H. S. Bae. (2015). An Empirical Study on the Estimation of Adequate Debt ration in Korean Shipping Industry: Focused on Water Transport, Journal of Korean Navigation and Port Research, 39(1), 69-75.

원문보기 상세보기
R. B. Kim & K. M. Ahn. (2016). Effect Analysis of Foreign Exchange Gain & Loss and Counter-measures, Journal of Ocean Development, 25, 5-24.
H. K. Lee & Y. S. Ha. (2017). Comparative Analysis on factors of Competitiveness among the Container Shipping Companies in Korea, The Journal of shipping and logistics, 33(1), 143-161.
Y. S. HA & J. S. SEO. (2017). An Analysis of the Competitiveness of Major Liner Shipping Companies, The Asian Journal of Shipping and Logistics, 33(2), 53-60.

상세보기
K. Y. Hwang & J. S. Koo. (2011). An Evaluation on the International Competitiveness of Korean and Global Container Shipping Company through a Comparative Analysis on the Efficiency, International Commerce and Information Review, 13(1), 123-144.
T. E. Notteboom & B. Vernimmen. (2009). The effect of high fuel costs on liner service configuration in container shipping, Journal of Transport Geography, 17(5), 325-337.

상세보기
T. H. Lee & W. C. Ahn, (2016), Analysis of the Stability and Impulse-Response of Shipping Lines in Korea, The Journal of shipping and logistics, 90, 199-218.
K. Y. Jo, J. G. Oh, T. H. Nam & G. T. Yeo. (2017). A Study on the Factor and Influences of Decision Making for the Inland Trnsportation of Shippers, Journal of Digital Convergence, 15(10), 123-132.
J. H. Na, K. W. Kim & H. S. Bang. (2015). A Study of Risk Management Strategies for Korean Shipping Companies, The Journal of shipping and logistics, 31(1), 185-207.
Y. J. Shin, Y. H. Lee. (2003). A Study on Actual Condition and Promoting Competitive Power of Korean Shipping Companies on Korea-China Liner Service, KOREA INTERNATIONAL COMMERCIAL REVIEW, 18(5), 37-56.
H. H. Kim, K. D. Sung. J. W. Jeon & G. T. Yeo. (2016). Analysis of the Relationship Between Freight Index and Shipping Company's Stock Price Index, Journal of Digital Convergence, 14(6), 157-165.
S. Y. Kwon & B. Y. Moon. (2009). Decomposed Return on Equity, Future Profitability, and Value Relevance over the Firm Life Cycle, Korean management review, 38(5), 1213-1249.
D. J. Yang, D. Y. Ko & S. S. Yoon. (2009). The Effect of Leverage on the Accounting Choices for Loss-Reporting Firms, Journal of Business Research, 24(2), 81-106.
Y. H. Par, I. M. Song, S. I. Pae & S. J. Park. (2011). Problems in system of uniform 200% debt-equity ratio and suggestions for system improvement, Korean Accounting Journal, 20(4), 287-328.
C. H. Na, I. H. Kim & J. K. Ko. (2015). Earnings Management and Target Debt Ratios of Priority Debt Control Public Enterprises, Korean Accounting Journal, 24(4), 163-198.
J. J. Jeong & J. S. Jeon. (2015). Relational Context between Debt and Profitability of Local Public: 16 Local Development Corporation created by Metropolitan Local Government, Korean journal of local finance, 20(3), 121-151.
Y. J. Shin. (2015). The Effect of Firm Characteristics on Capital Structure : Evidence from Korean Unlisted Small and Medium-Sized Firms, Korea Journal of Business Administration, 28(2), 675-695.
M. Heikal, M. Khaddafi & A. Ummah. (2014). Influence Analysis of Return on Assets (ROA), Return on Equity (ROE), Net Profit Margin (NPM), Debt To Equity Ratio (DER), and current ratio (CR), Against Corporate Profit Growth In Automotive In Indonesia Stock, International Journal of Academic Research in Business and Social Sciences, 4(12), 101-114.
D. W. Kim & J. S. Yu. (2014). The Development of Housing Unsold Ratio Determinants Model and Applications, Korean Association For Housing Policy Studies, 22(1), 149-178.
I. H. Oh & Y. R. Park. (2016). Analysis on Effects of IT Utilization on Firm Performances, Industrial Innovation Research, 32(4). 1-28.
Y. S. Yang & J. E. Lee. (2014). The Effects of Depth and Breadth of International Experience on the Export Performance of SMEs: Focus on the SMEs in Gwangju and Jeonnam Provinces, South Korea, The Journal of shipping and logistics, 82, 517-538.
S. Muratsirin. (2017). A panel data analysis on the costs of Turkish electricity distribution companies, Energy Strategy Reviews, 18, 250-259.

상세보기
C. I. Choi. (2008). Panel model: Time series analysis and cross section analysis at once, Planning and policy, 2008.6(320), 120-127.
J. J. Song. (2008). SPSS/AMOS Statistic Method, Seoul: 21st Century History.
X. Lin & K. S. Kim. (2013). Empirical Analysis on the Factors Affecting the Consumption of Aquatic Products in China Using Panel Data, The Journal of Fisheries Business Administration, 44(2), 19-33.

원문보기 상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증