The impact of Korea’s SPS measures on agricultural and food exports from IPEF member countries: Focused on disaggregated products

Do Yeon Park; Suk Ho Han; Seungmo Koo

doi:10.7744/kjoas.520304

Preview

Management & Economics

Korean Journal of Agricultural Science. 1 September 2025. 247-256
https://doi.org/10.7744/kjoas.520304

The impact of Korea’s SPS measures on agricultural and food exports from IPEF member countries: Focused on disaggregated products

Do Yeon Park¹

Suk Ho Han¹

Seungmo Koo¹^*

¹Department of Agricultural Economics, Chungnam National University, Daejeon 34134, Korea

^{*Corresponding Author}

License (open-access, https://creativecommons.org/licenses/by-nc/4.0/):

This is an Open Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (https://creativecommons.org/licenses/by-nc/4.0/) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.

ABSTRACT

With South Korea’s participation in the Indo-Pacific Economic Framework (IPEF), there is growing expectation for the country to relax non-tariff barriers, particularly sanitary and phytosanitary (SPS) measures. As SPS measures have historically been used to protect South Korea’s agricultural sector, this shift may have notable implications for agri-food imports. This study examines the impact of South Korea’s SPS measures on agri-food exports from IPEF member countries, using disaggregated data classified under HS codes 01-24. Products are grouped into four categories: livestock (HS01-02, 04-05), crops (HS06-14), fisheries (HS03), and processed/other products (HS15-24). Employing a gravity model with panel data, the analysis uses fixed effects model (FEM) and the Poisson pseudo-maximum-likelihood (PPML) estimator to address zero trade flow issues. The results show that South Korea’s SPS measures significantly reduce exports of livestock, crops, and processed products from IPEF countries, while fisheries exports are not significantly affected. By offering a sector-specific analysis based on HS codes, this study provides new insights into the trade effects of SPS measures. Future research is recommended to examine the impact of specific SPS measures at more disaggregated product levels.

Keywords

disaggregated products

gravity model

IPEF (Indo-Pacific Economic Framework)

PPML (Poisson pseudo-maximum-likelihood)

SPS (sanitary and phytosanitary) measures

MAIN

Introduction
Materials and Methods
분석방법
분석자료
Results and Discussion
분석결과
Conclusion

Introduction

2022년 5월 23일 미국 주도의 인도·태평양 경제 프레임워크(Indo-Pacific Economic Framework, IPEF)가 우리나라를 포함한 총 14개 국가¹⁾와 함께 공식 출범하였다. 이는 전 세계 GDP의 41%, 상품 및 서비스 교역의 28%를 차지하는 거대 경제권에 적용되는 다자 경제협력 규칙이다(Kang, 2024). 2022년 현재 우리나라는 IPEF 회원국으로부터 우리나라 전체 수입의 37.5%를 수입하고 있으며, 우리나라 전체 수출의 44.8%를 수출하는 등 IPEF 회원국과의 교역량의 비중이 큰 상황이다(Kim et al., 2023). IPEF는 공급망·청정에너지·디지털 등 새로운 통상 이슈에 대응하기 위해 필라 1 (무역), 필라 2 (공급망), 필라 3 (청정경제), 필라 4 (공정경제) 등 총 4개의 의제를 다루고 있으며, 필라 1 (무역)을 제외하고는 모두 타결된 상태이다. 필라 1 (무역)은 협상이 타결되지 않아 구체적으로 밝혀진 바는 없지만 각료선언문에 따르면 농업 분야에서는 식품과 농산품 수입을 제한하는 부당한 조치를 지양하고 규제 프로세스 및 절차의 투명성 증진, 인간 및 동식물의 생명 또는 건강을 보호하기 위한 과학적이고 위험에 기반한 의사결정 증진, 규제 및 행정 요건에 대한 절차 개선 및 협력 증진에 중점을 둘 것으로 밝혔다(Kang, 2023). 이처럼 관세 인하를 통한 시장 개방이 아닌 통관 절차의 투명성, 동식물 위생검역(sanitary and phytosanitary, SPS), 기술무역장벽(technical barriers to trade, TBT) 등 비관세장벽의 통상 규범 강화는 기존 역내포괄적경제동반자협정(Regional Comprehensive Economic Partnership, RCEP), 포괄적·점진적 환태평양경제동반자협정(Comprehensive and Progressive Agreement for Trans-Pacific Partnership, CPTPP), 미국-멕시코-캐나다 협정(United States-Mexico-Canada Agreement, USMCA)보다 높은 수준으로 추진될 가능성이 클 것으로 예상된다(Gouk et al., 2022). 현재 우리나라는 거의 모든 품목이 비관세조치의 대상이 되고 있으며, 동물, 채소류, 식품 등 농식품에 해당하는 품목은 대부분 한 품목 당 여러 건의 비관세조치에 영향을 받고 있어 우리나라의 비관세조치가 수입에 광범위하게 영향을 주고 있다(Kim et al., 2020). 또한, 우리나라가 1995년부터 2022년까지 통보한 SPS 수는 총 912건으로 전체 WTO 회원국 중 미국(4,674건), 브라질(2,923건), 캐나다(2,683건), EU (1,697건), 일본(1,491건), 중국(1,446건), 페루(1,200건) 등에 이어 10위를 차지하고 있어 우리나라의 SPS 조치 통보 수는 상대적으로 많은 것으로 나타났다(Kang, 2023). 이러한 상황에서 농식품 수입국인 우리나라의 IPEF 가입은 SPS 조치 완화에 따른 IPEF 회원국 간의 농식품 교역에 영향을 줄 것으로 예상된다.

본 연구의 목적인 비관세조치가 무역에 미치는 영향을 분석한 선행연구는 다수 존재하는데 Mo (2022)는 중력모형을 이용하여 수입국의 SPS 통보 횟수가 중국의 차(tea) 무역에 부정적 영향을 미친다는 것을 밝힌 반면, Ven (2017)은 중력모형을 이용하여 비관세조치를 동식물 위생검역(SPS)과 기술무역장벽(TBT)으로 구분하여 SPS와 TBT가 캄보디아 농업 수출에 아무런 영향을 미치지 않는다는 것을 밝혔다. Jang과 Lee (2017)는 중력모형을 사용하여 인도의 TBT 조치는 전반적으로 교역상대국의 인도 수출에 긍정적 영향을 주는 반면, SPS 조치는 별다른 영향을 주지 않는 것으로 분석하였다. 그러나 전체 산업을 세부 산업별로 나누어 분석할 시 이러한 결과는 달라지는 것으로 나타났다. Li와 Kim (2019)은 우리나라의 SPS 조치가 중국 농산물의 대한민국 수출에 단기에는 부정적인 영향을 미치나 SPS 히스테리시스(hysteresis) 변수를 추가하여 점차 시간이 지남에 따라 긍정적인 영향을 미친다는 것을 밝혔다. Cho 등(2019)은 중력모형을 이용하여 SPS와 TBT 조치가 우리나라 농식품 수출에 미치는 영향을 세분화하여 분석하기 위해 품목군별, 수입국 그룹별로 구분하였으며, SPS 조치는 신선농산물 수출에 부정적인 영향을 미치는 것으로 나타났으나 가공식품 수출에는 별다른 영향을 주지 않는 것으로 분석되었다. Jang과 Hyun (2022) 또한, 중력모형을 이용하여 수입국의 TBT 조치가 우리나라의 수출에 부정적인 영향을 미치지만 수입국의 소득수준이 낮을 경우 긍정적인 효과가 나타난다는 결과를 제시하였다.

이처럼 중력모형을 이용하여 비관세조치가 무역에 미치는 영향을 분석한 선행연구는 다수 존재하나 최근 우리나라의 IPEF 가입과 같은 국제 통상 환경 변화를 반영한 연구는 미미한 실정이다. 또한, 대부분 우리나라의 수출을 중심으로 연구를 수행하기 때문에 통상 변화가 우리나라 수입에 미치는 영향을 파악하기 어려운 상황이다. 농식품의 경우 축산물, 농산물, 수산물 등과 같이 품목군별로 특성과 무역 구조가 달라 이를 구분하여 분석할 필요성이 존재하는데 세분화된 품목을 대상으로 SPS 조치의 영향을 분석한 연구 또한 미미한 상황이다. 이에 본 연구는 현재 우리나라의 SPS 조치가 IPEF 회원국에 미치는 영향을 분석하고자 한다. 전체 농식품(HS01-24)을 축산물(HS01-02, 04-05), 농산물(HS06-14), 수산물(HS03), 가공 및 기타(HS15-24)로 구분하였으며, 전 국가 대상이 아닌 IPEF 회원국을 대상으로 분석하여 우리나라의 SPS 조치가 IPEF 회원국에 미치고 있는 직접적인 영향을 확인하고자 한다. 이를 위해 국제 무역 흐름을 설명하는데 적합한 중력모형을 이용하였다.

Materials and Methods

분석방법

Tinbergen (1962)과 Pöyhönen (1963)에 의해 처음 제시된 중력모형은 국제무역의 패턴을 설명하는데 자주 사용되는 모형으로 뉴턴의 물리학 이론에서 비롯되어 두 국가 사이의 교역량은 두 국가의 경제규모에 비례하고, 거리에 반비례한다는 것을 기본 전제로 한다. 시장이 큰 국가 간에는 교역이 활발한 반면 거리가 먼 국가는 무역 비용이 상승하여 교역 유인이 작아진다는 가정이다. 즉, 양국 간 무역규모가 경제규모 및 거리, 인구 등의 지리적 요인을 바탕으로 결정됨을 보여주는 모형으로 초반에는 양국간 경제규모와 물리적 거리만을 고려하다가 이후 인구 및 국토면적, 무역협정, 공통 언어 사용, 식민지 경험 등과 같은 다양한 통제 변수들이 포함되었다. 중력모형은 식(1)과 같이 양국 간 교역량( $T_{i j}$ )은 i국(수입국)의 GDP ( $Y_{i}$ )와 j국(수출국)의 GDP ( $Y_{j}$ ), 양국 간 거리( $D_{i j}$ )에 영향을 받도록 표현할 수 있으며, 해당 식에 자연로그를 취하여 실증 분석에 사용하는 식은 식(2)와 같다.

(1)

T_{i j} = A (\frac{Y_{i} Y_{j}}{D_{i j}})

(2)

\ln (T_{i j}) = β_{0} + β_{1} \ln (Y_{i}) + β_{2} \ln (Y_{j}) + β_{3} \ln (D_{i j}) + ϵ_{i j}

그러나 중력모형에서 종속변수인 교역량( $T_{i j}$ )에 로그를 취하면 교역량이 0인 경우 관측치에서 제거되는 zero-trade flow 문제가 발생한다(Roh and Roh, 2021). 특정 산업에서 교역량이 0이라는 것은 관련 국가 또는 산업이 대외적으로 경제거래가 곤란한 상황이거나 무역장벽(무역비용)이 너무 높아 무역이 발생하지 않았을 가능성이 존재한다(Park, 2021). 따라서 많은 연구에서 zero-trade flow 문제를 해결하기 위해 교역량에 1을 더해 $\ln (1 + T_{i j})$ 로 분석하지만 이러한 방법은 이분산성(heteroskedasticity)을 더욱 확대시켜 불편추정량(unbiased estimator)을 확보할 수 없다(Lee, 2018). 이에 Silva와 Tenreyro (2006)는 몬테카를로 시뮬레이션을 통해 이분산성이 있는 경우, zero-trade flow 문제를 해결을 위해 로그-선형 회귀분석(log-linear ordinary least squares)으로 중력방정식을 추정할 시, 추정 계수에 심각한 편향을 초래하여 추정량은 일치성(consistency)을 만족하지 못하는 것으로 분석하였다. 반면, 포아송 최우추정법(Poisson pseudo-maximum-likelihood, PPML)이 견고(robust)하기 때문에 로그-선형 회귀분석의 대안으로 PPML을 제안하였다. 또한, PPML은 종속변수에 로그를 취하지 않고 원래의 데이터를 이용하기 때문에 교역량이 0인 경우 관측치가 삭제되는 zero-trade flow 문제를 해결할 수 있다. 이에 본 연구는 중력모형을 이용한 패널 회귀분석과 PPML방법을 이용하여 우리나라의 SPS 조치가 IPEF 회원국의 한국 농식품 수출에 미치는 영향을 분석하고자 한다.

(3)

\ln (X_{i k c t}) = β_{0} + β_{1} \ln (D I S T_{i k}) + β_{2} \ln (G D P_{i t}) + β_{3} \ln (G D P_{k t}) + β_{4} \ln (S P S_{k c t}) + β_{5} F T A_{i t} + β_{6} W T O_{i t} + β_{7} ({Tari f f}_{k c t}) + a + ϵ_{i k c t}

분석에 사용된 중력모형의 방정식은 식(3)과 같으며 아래 첨자인 i와 k, t는 각각 IPEF 회원국(수출국), 한국(수입국), 시간(연도)을 의미하며, c는 농식품(HS01-24)을 HS code 2단위로 세분화한 축산물(HS01-02, 04-05), 농산물(HS06-14), 수산물(HS03), 가공 및 기타(HS15-24)를 의미한다. 종속변수인 $X_{i k c t}$ 는 IPEF 회원국이 우리나라로 수출하는 농식품 수출액을 나타내며, $D I S T_{i k}$ 는 IPEF 회원국과 우리나라 간의 지리적 거리를 나타낸다. $G D P_{i t}$ 과 $G D P_{k t}$ 는 교역국의 경제규모를 나타내는 변수로 각각 수출국인 IPEF 회원국의 GDP와 수입국인 우리나라의 GDP이다. $S P S_{k c t}$ 는 수입국인 우리나라가 수출국인 IPEF 회원국을 대상으로 통보한 SPS 조치수로 시간을 나타내는 t연도 IPEF 회원국별 농식품 수출 품목으로 구분하였다. 두 국가간 FTA 체결여부에 따라 발효일을 기준으로 이전 연도는 0, 이후는 1을 부여한 $F T A_{i t}$ 더미변수(dummy variable)와 수출국(IPEF 회원국)의 WTO 가입 여부에 따라 WTO 가입 이전 연도는 0, 이후는 1을 부여한 $W T O_{i t}$ 변수를 추가하였다. 이는 $S P S_{k c t}$ 로 인한 IPEF 회원국의 농식품 수출액 변화에서 두 국가간 FTA체결과 WTO가입 효과를 통제하기 위함이다. $T a r i f f_{k c t}$ 는 우리나라의 농식품에 대한 평균 관세율로 t년도 우리나라의 품목별 평균 관세율을 나타낸다. $a$ 는 패널데이터에서 나타나는 미관측 이질성이며, $ϵ_{i k c t}$ 는 오차항이다. 따라서, 중력모형이론에 따라 국가간 거리( $D I S T_{i k}$ )의 계수인 $β_{1}$ 은 음(−)의 값을 가지고, 경제규모를 나타내는 GDP 계수 $β_{2}$ 과 $β_{3}$ 는 양(+)의 값을 가질 것으로 가정한다. 수입국의 SPS 통보는 수출국의 순응비용(compliance cost) 상승시켜 무역제한효과(trade restriction effect)를 발생시킬 수 있지만, 진출 기업의 시장 정보탐색비용(search cost)을 감소시켜 무역촉진효과(trade promotion effect)를 유발할 가능성도 존재한다(Lee et al., 2016). 따라서 $β_{4}$ 의 계수 값은 무역제한효과와 무역촉진효과 중 어느 쪽이 더 우세한지에 따라 달라질 수 있다. 본 연구에서는 SPS 조치의 영향은 품목별로 차이가 있으나, 계수 값은 모두 음(−)의 값을 가질 것이라 예상한다. FTA는 관세 철폐를 통한 무역량 증가, WTO는 무역 자유화를 통한 경제성장이 목적이므로 $β_{5}$ 와 $β_{6}$ 는 양(+)의 값을 가질 것으로 예상된다. 분석에서는 더미변수를 제외한 모든 변수에 자연로그 값을 취하였으며 PPML에서는 $X_{i k c t}$ 를 수준변수(level)로 두고 수준-로그(level-log)형태로 분석하였다.

분석자료

본 연구에서는 1996년부터 2021년까지 연도별 데이터를 사용하여 IPEF 회원국이 우리나라로 수출하는 품목별 농식품(HS01-24) 수출액과 국가간 거리, 국가별 GDP, 우리나라의 SPS 조치 통보 횟수, 국가간 FTA 체결 여부, 수출국의 WTO 가입여부, 우리나라의 품목별 농식품 평균 관세율로 패널 데이터를 구축하였다. 또한, PPML에 고차원 고정효과(high-dimensional fixed effects)를 추가하여 시불변효과(time-invariant effects)를 통제함에 따라 시불변 변수인 거리는 분석결과에 제외되어 나타난다. 분석에 사용한 자료는 Table 1과 같다. IPEF 회원국의 우리나라로 수출한 품목별 농식품 수출액은 UN Comtrade 자료를 사용하였으며, HS01부터 24까지의 HS code 2단위 기준 수출액을 수집한 뒤 축산물(HS01-02, 04-05), 농산물(HS06-14), 수산물(HS03), 가공 및 기타(HS15-24)에 따라 분류하였다. IPEF 회원국과 우리나라 간의 지리적 거리는 CEPII의 자료를 사용하였으며, GDP는 World Bank의 WDI (World Development Indicators) 데이터베이스를 이용하였다. 우리나라의 SPS 조치 통보 횟수는 E-ping, SPS&TBT platform에서 추출하였으며 t 년도에 우리나라가 통보한 대세계 조치 건수와 각 IPEF 회원국 대상의 농식품에 한정하여 통보한 SPS 조치 횟수를 합산하여 사용하였다. SPS 조치 통보 횟수 또한 수출액과 마찬가지로 품목별로 구분하였다. IPEF 회원국과 우리나라 간의 FTA 체결 여부는 관세청 자료를 사용하였으며, IPEF 회원국의 WTO 가입 여부는 WTO 자료를 사용하였다. 우리나라의 품목별 평균 관세율은 WTO tariff data base를 활용하였으며, 각 변수의 기초통계량은 Table 2와 같다.

Table 1.

Data description and sources.

Variable	Description	Predicted sign	Data source
$X_{i k c t}$	Disaggregated export values of agricultural and food products from IPEF member countries to South Korea	-	UN Comtrade
$D I S T_{i k}$	The geographical distance between IPEF member countries and South Korea	(−)	CEPII
$G D P_{i t}$	The GDP of IPEF member countries	(+)	The World Bank
$G D P_{k t}$	The GDP of South Korea	(+)	The World Bank
$S P S_{k c t}$	The number of SPS notifications issued by South Korea for disaggregated agricultural and food products from IPEF member countries	(−)	E-ping, SPS&TBT platform
$F T A_{i t}$	FTA status between IPEF member countries and South Korea	(+)	Korea Customs Service
$W T O_{i t}$	WTO membership status of IPEF member countries	(+)	WTO
$T a r i f f_{k c t}$	The average tariff rates on disaggregated agricultural and food products in South Korea	(−)	WTO tariff data base

IPEF, Indo-Pacific Economic Framework; CEPII, Centre d'Études Prospectives et d'Informations Internationales; SPS, sanitary and phytosanitary; TBT, technical barriers to trade.

Table 2.

Descriptive statistical analysis of each variable.

Variable	Unit	Mean	SD	Max	Min
$X_{i k c t}$	US$	678,549,875	1,372,211,410	9,412,511,215	0
$L I V E_{i k t}$	US$	164,532,125	449,301,077	3,378,640,260	0
$A G R_{i k t}$	US$	223,068,997	607,930,462	3,545,849,764	0
$A Q U_{i k t}$	US$	74,215,380	128,859,646	655,174,035	0
$P R O C_{i k t}$	US$	216,733,373	327,846,084	2,476,512,389	0
$D I S T_{i k}$	km	5,479	2,942	11,066	1,157
$G D P_{i t}$	US$	1,849,606,134,785	4,163,989,714,849	23,594,031,000,000	1,652,462,023
$G D P_{k t}$	US$	1,093,008,385,848	433,268,110,595	1,818,432,106,880	383,331,833,682
$S P S_{k c t}$	Notification	13.86	6.59	29	2
$L I V E_S P S_{k t}$	Notification	5.51	3.89	16	0
$A G R_S P_{k t}$	Notification	4.99	2.96	15	0
$A Q U_S P S_{k t}$	Notification	1.70	1.80	8	0
$P R O C_S P S_{k t}$	Notification	1.72	1.35	5	0
$T a r i f f_{k c t}$	%	43.94	3.12	48.78	40.68
$L I V E_T a r_{k t}$	%	25.97	1.58	29.51	24.62
$A G R_T a r_{k t}$	%	82.91	7.53	94.51	74.77
$A Q U_T a r_{k t}$	%	16.09	0.27	16.45	15.61
$P R O C_T a r_{k t}$	%	18.85	1.14	20.68	16.26

The total number of observations is 1,690 (13 × 26 × 5).

SD, standard deviation; $L I V E_{i k t}$ , livestock products; $A G R_{i k t}$ , agricultural products; $A Q U_{i k t}$ , fishery products; $P R O C_{i k t}$ , processed other products.

Results and Discussion

분석결과

패널데이터분석 시 비관측 요소( $a$ )를 추정해야 할 파라미터(parameter)로 인지 할 것인지, 확률변수(random variable)로 인지해야 할 것인지를 판단하여 모형을 선택해야 한다. 관측요소를 추정해야 할 파라미터로 인지하면 고정효과모델(fixed effects model)을 사용하고, 확률변수로 인지하면 확률효과모델(random effects model)을 사용하는 것이 적절하다. 모형 선택은 하우스만 테스트(Hausman test)를 통해 검정할 수 있으며 검정결과 모든 모형에서 1% 유의수준에서 확률효과가 더 적절하다는 귀무가설을 기각하므로, 본 연구에서는 고정효과모델을 사용하였으며 PPML은 국가별 시불변효과(time-invariant effects)를 반영하였다.

우리나라의 SPS 조치가 IPEF 회원국의 한국 전체 농식품(HS01-24) 수출에 미치는 영향을 분석한 결과는 Table 3과 같다. (1)열과 (2)열은 각각 고정효과 및 PPML이다. 우선 IPEF 회원국의 경제규모를 나타내는 GDP ( $G D P_{i t}$ )는 모든 분석에서 1% 유의수준에서 통계적으로 유의한 양(+)의 값을 갖는 것으로 분석되어 수출국인 IPEF 회원국의 경제규모는 IPEF 회원국이 우리나라로 농식품을 수출할 때 긍정적인 영향을 미친다는 것을 의미한다. PPML에서는 우리나라의 GDP ( $G D P_{k t}$ )도 1% 유의수준에서 통계적으로 유의한 양(+)의 값을 갖는 것으로 분석되어 농식품 수출 시 수출국의 경제규모뿐만 아니라 수입국의 경제규모도 수출에 긍정적인 영향을 줄 수 있음을 보여준다. 우리나라가 IPEF 회원국을 대상으로 농식품에 대해 통보하는 SPS 조치 횟수( $S P S_{k c t}$ )는 고정효과모델에서는 유의하지 않았지만 PPML에서는 10% 유의수준에서 통계적으로 유의한 음(−)의 값을 가지는 것으로 나타나, 우리나라의 SPS 조치는 수출국인 IPEF 회원국의 농식품 수출에 부정적인 영향을 미치고 있음을 보여준다.

Table 3.

Results of the gravity model (agricultural and food products).

Variable	(1)	(2)
	$\ln (X_{i k t})$	$X_{i k c t}$
	Fixed effect	PPML
$\ln (G D P_{i t})$	0.859*** (2.80)	0.631*** (10.25)
$\ln (G D P_{k t})$	-0.239 (-0.61)	0.639*** (6.83)
$\ln (S P S_{k c t})$	-0.013 (-0.12)	-0.068* (-1.73)
$\ln (T a r i f f_{k c t})$	-2.139 (-0.63)	-0.066 (-0.22)
$F T A_{i t}$	-0.142 (-0.65)	0.076 (1.08)
$W T O_{i t}$	0.157 (0.27)	0.114 (1.21)
R-squared Pseudo R-squared	0.106	0.981

The values in parentheses represent t or z statistics.

PPML, Poisson pseudo-maximum-likelihood.

*** p < 0.01, ** p < 0.05, * p < 0.1.

이후 분석에서는 분석대상 품목을 4개 분류로 세분화 하였다. 우리나라의 SPS 조치가 IPEF 회원국의 한국 축산물(HS01-02, 04-05)과 농산물(HS06-14) 수출에 미치는 영향을 분석한 결과는 Table 4와 같다. 축산물의 경우 수출국인 IPEF 회원국의 GDP ( $G D P_{i t}$ )는 모든 분석에서 유의하지 않았지만, 우리나라 GDP ( $G D P_{k t}$ )의 경우 PPML에서는 10% 유의수준에서 통계적으로 유의한 양(+)의 값을 가지는 것으로 분석되었다. 우리나라가 IPEF 회원국을 대상으로 축산물에 대해 통보하는 SPS 조치 횟수( $S P S_{k c t}$ )의 경우 고정효과모델에서는 유의하지 않지만, PPML에서는 10% 유의수준에서 통계적으로 유의한 음(−)의 값을 가져 우리나라의 SPS 조치는 수출국인 IPEF 회원국의 축산물 수출에 부정적인 영향을 미치고 있음을 보여준다.

농산물의 경우, 교역국의 경제규모를 나타내는 GDP ( $G D P_{i t}$ , $G D P_{k t}$ )는 모든 분석에서 5% 유의수준에서 통계적으로 유의한 것으로 분석되었다. 이는 축산물과 비교했을 때 축산물은 IPEF 회원국이 수출 시 교역국의 경제규모에 큰 영향을 받지 않지만 농산물은 IPEF 회원국이 수출 시 교역국의 경제규모에 긍정적인 영향을 받고 있음을 보여준다. 우리나라가 IPEF 회원국을 대상으로 농산물에 대해 통보하는 SPS 조치 횟수( $S P S_{k c t}$ )는 고정효과모델과 PPML 모두 10% 유의수준에서 통계적으로 유의한 음(−)의 값을 가져 우리나라의 SPS 조치는 수출국인 IPEF 회원국의 농산물 수출에 부정적인 영향을 미치고 있음을 보여준다.

Table 4.

Results of the gravity model (livestock, agricultural products).

Variable	(1)	(2)	(3)	(4)
	$\ln (L I V E_{i k t})$	$L I V E_{i k t}$	$\ln (A G R_{i k t})$	$A G R_{i k t}$
	Fixed effect	PPML	Fixed effect	PPML
$\ln (G D P_{i t})$	0.051 (0.17)	0.372 (1.59)	0.772*** (4.30)	0.845*** (3.57)
$\ln (G D P_{k t})$	0.878 (1.61)	1.039* (1.89)	0.548** (2.51)	0.651*** (3.29)
$\ln (S P S_{k c t})$	-0.081 (-0.72)	-0.084* (-1.76)	-0.117* (-1.88)	-0.133* (-1.89)
$\ln (T a r i f f_{k c t})$	1.290 (0.38)	-0.491 (-0.18)	-0.803 (-1.43)	-0.149 (-0.19)
$F T A_{i t}$	-0.121 (-0.51)	0.182 (1.43)	-0.086 (-0.58)	-0.193 (-1.31)
$W T O_{i t}$	-0.187 (-0.36)	-0.925** (-2.10)	0.099 (0.30)	-0.026 (-0.08)
R-squared Pseudo R-squared	0.0837	0.970	0.457	0.965

The values in parentheses represent t or z statistics.

PPML, Poisson pseudo-maximum-likelihood.

*** p < 0.01, ** p < 0.05, * p < 0.1.

우리나라의 SPS 조치가 IPEF 회원국의 한국 수산물(HS03)과 가공 및 기타(HS15-24) 수출에 미치는 영향을 분석한 결과는 Table 5와 같다. 수산물의 경우, IPEF 회원국의 GDP ( $G D P_{i t}$ )는 모든 분석에서 1% 유의수준에서 통계적으로 유의한 양(+)의 값을 갖는 것으로 분석되었으나, 우리나라의 GDP ( $G D P_{k t}$ )와 우리나라가 IPEF 회원국을 대상으로 수산물에 대해 통보하는 SPS 조치 횟수( $S P S_{k c t}$ )는 두 분석 모두 통계적으로 유의하지 않았다. 이는 수산물의 경우 축산물과 농산물과는 다르게 우리나라의 SPS 조치가 수출국인 IPEF 회원국의 수산물 수출에 별다른 영향을 주지 않음을 나타낸다.

Table 5.

Results of the gravity model (fishery, processed and other products).

Variable	(1)	(2)	(3)	(4)
	$\ln (A Q U_{i k t})$	$A Q U_{i k t}$	$\ln (P R O C_{i k t})$	$P R O C_{i k t}$
	Fixed effect	PPML	Fixed effect	PPML
$\ln (G D P_{i t})$	0.859*** (2.80)	0.553*** (7.57)	1.105*** (4.22)	0.682*** (7.20)
$\ln (G D P_{k t})$	-0.239 (-0.61)	0.080 (0.66)	0.465 (1.36)	0.496*** (4.53)
$\ln (S P S_{k c t})$	-0.013 (-0.12)	-0.037 (-1.02)	0.012 (0.12)	-0.086*** (-2.95)
$\ln (T a r i f f_{k c t})$	-2.139 (-0.63)	0.173 (0.15)	-0.260 (-0.26)	-0.070 (-0.23)
$F T A_{i t}$	-0.142 (-0.65)	0.033 (0.51)	-0.328* (-1.74)	0.240*** (3.80)
$W T O_{i t}$	0.157 (0.27)	0.300*** (2.67)	0.830 (1.76)	0.750*** (3.95)
R-squared Pseudo R-squared	0.106	0.973	0.403	0.954

The values in parentheses represent t or z statistics.

PPML, Poisson pseudo-maximum-likelihood.

*** p < 0.01, ** p < 0.05, * p < 0.1.

가공 및 기타의 경우 IPEF 회원국의 GDP ( $G D P_{i t}$ )는 모든 분석에서 1% 유의수준에서 통계적으로 유의한 양(+)의 값을 가지는 것으로 분석되었으나, 우리나라의 GDP ( $G D P_{k t}$ )는 PPML에서만 통계적으로 유의한 양(+)의 값을 가지는 것으로 분석되었다. 우리나라가 IPEF 회원국을 대상으로 가공 및 기타에 대해 통보하는 SPS 조치 횟수( $S P S_{k c t}$ )는 고정효과모델에서는 유의하지 않았지만 PPML에서는 1% 유의수준에서 통계적으로 유의한 음(−)의 값을 가지는 것으로 나타났다. 이는 우리나라의 SPS 조치가 수출국인 IPEF 회원국의 가공 및 기타 수출에 부정적인 영향을 미치고 있음을 보여준다.

Conclusion

우리나라가 IPEF에 가입하면서 비관세조치인 SPS에 대한 완화가 요구될 것으로 예상된다. IPEF는 전 세계 GDP의 41%, 상품 및 서비스 교역의 28%를 차지할 정도로 매우 큰 규모의 협정이며, 우리나라는 IPEF 회원국으로부터 우리나라 전체 수입의 37.5%를 수입하고 전체 수출의 44.8%를 수출하는 등 우리나라와 IPEF 회원국 간의 교역량 비중이 큰 상황이다. 그러나 우리나라는 SPS 조치를 농업을 보호하는 수단으로써 사용하여 왔기에 IPEF 가입은 우리나라 농식품 시장에 다양한 영향을 미칠 것으로 예상된다. 이에 본 연구는 현재 우리나라의 SPS 조치가 IPEF 회원국에 어떠한 영향을 미치고 있는지 분석하고자 중력모형을 이용하였다. 농식품(HS01-24)을 축산물(HS01-02, 04-05), 농산물(HS06-14), 수산물(HS03), 가공 및 기타(HS15-24)로 구분하여 품목별 SPS 영향을 분석하였으며, 전 국가 대상이 아닌 IPEF 회원국을 대상으로 분석을 진행하여 우리나라의 SPS 조치가 IPEF 회원국에 미치고 있는 직접적인 영향을 확인하였다.

분석에 앞서 고정효과와 확률효과의 적합성을 판단하기 위해 하우스만 테스트를 진행한 결과, 귀무가설을 기각하여 고정효과를 사용하였다. 그러나 고정효과의 경우 자연로그를 취하기 때문에 종속변수인 수출액이 0인 데이터를 삭제하는 zero-trade flow 문제가 발생하게 된다. 이를 해결하고자 고정효과모형뿐만 아니라 PPML모형도 함께 사용하였다. 분석 결과, 전체 농식품에 대해서는 우리나라의 SPS 조치가 IPEF 회원국의 수출에 부정적인 영향을 미치는 것으로 나타났다. 품목별로는 축산물과 농산물, 가공 및 기타에 대해서는 우리나라의 SPS 조치가 IPEF 회원국의 수출에 부정적으로 영향을 미치는 것으로 나타났으나, 수산물은 통계적으로 별다른 영향을 미치지 않는 것으로 분석되었다. 이는 수산물의 경우 다른 품목에 비해 SPS 조치 통보 횟수가 상대적으로 적고 우리나라의 수입 수산물 중 IPEF 회원국이 차지하는 비중이 낮기 때문으로 판단된다. 한국무역협회에서 제공하는 수출입무역통계에 따르면 우리나라의 수입 수산물 중 IPEF 회원국이 차지하는 비중은 2020년도 기준 21.4%로, 우리나라의 수산물 수입 상위 국가인 중국과 러시아의 비중이 각각 29.7%, 23.8%임을 감안하면 상대적으로 낮은 수치임을 알 수 있다. 그러나, 축산물의 경우, 특히 육류 및 가금류와 농산물의 과일 및 채소가 생물학적 특성상 병해충과 전염병(구제역, 조류인플루엔자 등)에 대해 취약할 뿐만 아니라 전파 위험이 높다. 이에 따라 수입국은 축산물과 농산물에 대해 엄격한 SPS 조치를 취하게 되고 이는 수출국의 순응비용을 높이는 결과를 야기하여 무역에 부정적인 영향을 미치는 것으로 판단된다. 가공 및 기타는 가공식품에 사용된 농축산물 원료뿐만 아니라 제조 과정을 포함하고 있기 때문에 SPS 조치에 부정적인 영향을 받는 것으로 판단된다. 이를 종합하면 우리나라의 SPS 조치는 IPEF 회원국의 무역촉진효과보다 무역제한효과가 더 큰 것을 의미하여, 한국으로의 농식품 수출을 저해하는 요인임을 보여준다. 이는 농업과 관련된 필라 1이 협상이 되지 않았지만, 이후 협상되어 우리나라가 농식품에 대한 SPS 조치를 완화하게 된다면 농식품의 수입 증가로 이어질 수 있음을 의미한다.

본 연구는 우리나라가 IPEF에 가입함에 따라 발생할 수 있는 이슈를 우리나라 SPS조치를 중심으로 분석하여 우리나라의 SPS 조치가 IPEF 회원국의 한국 농식품 수출에 미치는 영향을 연구하였다는 점과 농식품을 HS코드별로 세분화하여 품목별로 SPS 영향을 분석하였다는 점에서 연구의 의의가 있다. 다만, SPS 변수를 세부품목별로 구분하지 않고 농식품을 크게 4가지로 분류하여 분석함에 따라, 보다 세부적인 품목별 분석은 향후 연구 영역으로 남긴다.

Conflict of Interests

No potential conflict of interest relevant to this article was reported.

Acknowledgements

본 연구는 충남대학교 학술연구비에 의해 지원되었습니다.

Footnotes

[13] 한국, 미국, 일본, 싱가포르, 호주, 뉴질랜드, 태국, 베트남, 브루나이, 말레이시아, 필리핀, 인도네시아, 인도, 피지

References

Cho SJ, Oh SR, Lee SH. 2019. Impacts of SPS and TBT measures on Korean agricultural exports: An analysis by disaggregated products. Journal of International Trade and Industry Studies 24:1-19.

10.23030/KATIS.2019.24.1.001

Gouk SY, Kim JH, Seo DJ, Lee HY, Kim JI, Kim TH, Yu CH, Sim JH, Han IC, Kim SH, et al. 2022. Top 10 Agricultural Policy Issues of 2023. KREI Agri-Policy Focus No. 213. 21 pp. Korea Rural Economic Institute. [in Korean]

Jang YJ, Hyun HJ. 2022. Technical barriers to trade and export of Korea: The role of country and product characteristics. Journal of International Trade and Industry Studies 27:1-28. [in Korean]

10.23030/KATIS.2022.27.4.001

Jang YJ, Lee W. 2017. The impact of TBT and SPS on the imports of India. Journal of South Asian Studies 23:79-104. [in Korean]

10.21587/jsas.2017.23.1.004

Kang MJ. 2023. Recent Regulatory Trends in Mega FTA SPS Chapters. KIEP Research Paper No. 22-14. 217 pp. Korea Institute for International Economic Policy. [in Korean]

Kang SJ. 2024. Final Agreement on the Indo-Pacific Economic Framework (IPEF): Analysis of the Projection of the U.S.’s New Trade Paradigm and Its Implications. IFANS Analysis of Major International Issues No. 2024-16. 26 pp. Institute of Foreign Affairs and National Security. [in Korean]

Kim JD, Chung MC, Kim JH. 2020. The Status of Non-Tariff Measures in Korea: Focusing on UNCTAD Data. KIEP Basic Data No. 20-02. 17 pp. Korea Institute for International Economic Policy. [in Korean]

Kim JD, Lee CK, Yea SJ, Lee JK, Keum HY. 2023. The Conclusion of IPEF Negotiations: Key Details and Prospects. KIEP World Economy Focus No. 23-44. 11 pp. Korea Institute for International Economic Policy. [in Korean]

Lee SC. 2018. Empirical analysis on the effects of FTAs and FTA spillover on the bilateral trade using GMM, fixed and random panel model, and PPML estimation. International Area Studies Review 22:3-18. [in Korean]

10.21212/IASR.22.2.1

Lee W, Lee JM, Kim SJ, Jang YJ. 2016. India’s TBT and SPS: Institutions, Cases and Impact on Exports to India. KIEP Studies in Comprehensive Regional Strategies No. 16-03. 138 pp. Korea Institute for International Economic Policy. [in Korean]

10.2139/ssrn.2945948

Li YX, Kim HT. 2019. Analyzing the effect of the Korea-China FTA concluded by using the gravity model on the export of Chinese agricultural products to Korea and drawing out the strategic utilization plan. Journal of Distribution and Management Research 22:185-194. [in Korean]

10.17961/JDMR.22.4.201908.185

Mo J. 2022. The impacts of sanitary and phytosanitary (SPS) measures on China’s tea trade: Empirical analysis based on gravity model. Scientific Journal of Economics and Management Research 4:870-879.

Park JJ. 2021. An partial equilibrium analysis on industrial trade effects of Korea-ASEAN FTA with structural gravity model. Journal of Korea Research Association of International Commerce 21:137-168. [in Korean]

10.29331/JKRAIC.2021.12.21.6.137

Pöyhönen P. 1963. A tentative model for the volume of trade between countries. Weltwirtschaftliches Archiv 90:93-100.

Roh JW, Roh JY. 2021. A comparative study on the panel gravity model of Korea trade using machine learning. International Commerce and Information Review 23:55-77. [in Korean]

10.15798/kaici.2021.23.3.55

Silva JS, Tenreyro S. 2006. The log of gravity. The Review of Economics and Statistics 88:641-658.

10.1162/rest.88.4.641

Tinbergen J. 1962. Shaping the World Economy: Suggestions for an International Economic Policy. The Twentieth Century Fund, New York, NY.

Ven S. 2017. The effects of non-tariff measures on Cambodian agricultural exports: A gravity model. In Trade Integration within ASEAN: The Role of Non-Tariff Measures for Cambodia, the Lao People’s Democratic Republic, Myanmar and Viet Nam. pp. 211-234. UN ESCAP, Thailand.

Korean Journal of Agricultural Science ISSN:2466-2402(Print) 2466-2410(Online) 농업과학연구

Preview

The impact of Korea’s SPS measures on agricultural and food exports from IPEF member countries: Focused on disaggregated products

ABSTRACT

MAIN

(1)

(2)

(3)

Table 1.

Data description and sources.

Table 2.

Descriptive statistical analysis of each variable.

Table 3.

Results of the gravity model (agricultural and food products).

Table 4.

Results of the gravity model (livestock, agricultural products).

Table 5.

Results of the gravity model (fishery, processed and other products).

Conflict of Interests

Acknowledgements

Footnotes

References