선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 첫 번째는 분산매트릭스에 대한 가정을 어떻게 하는가이다. Greene(2000, 2002)에서 상세하게 설명하는 바와 같이 분산행렬에 대한 가정에 따라 GMM 추정결과는 단순한 최소자승법이나 이단계최소자승법과 같은 결과를 초래하기도 하는데, 본고에서는, 앞에서도 언급하였듯이, 어떠한 제약도 두지 않음으로써 로버스트 추정치(robust estimates)를 구하고자 하였다. 두 번째는 도구변수를 어떻게 상정하는가이다.
- 앞에서도 언급하였듯이, 우리나라에서 기업 연구개발투자의 특성에 대한 전반적인 검토작업이 아직까지 수행되지 못하고 있는 원인은 최소한의 분석이 가능한 정도의 기간으로 구성된 기업 패널 데이터의 구성이 산업 전반을 포괄하는 정도로 이루어지지 않았기 때문이다. 먼저 기업 연구개발투자의 특성을 정리하기 전에 데이터로서 연구개발투자의 분포는 어떤 형태인지를 살펴보자. 기업의 연구개발투자 수준을 횡단면으로 보면 기업규모에 따라서 비례하면서 그 분포는 대단히 비대칭적으로 나타나는데, 시계열로 장기간에 걸쳐 관찰해 보면 변동의 폭은 크지 않게 나타난다.
- 연구개발투자의 경제적 효과에 대한 실증분석은 연구개발투자의 특성의 한 측면을 보다 심층적으로 검토하는 것이다. 본 고에서는 연구개발투자 수익률을 추정하고자 하였다. 기업이 연구개발투자를 하는 근본적인 이유는 연구개발을 하여 혁신적 성과를 만들어내고 이를 통하여 기업의 성장에 기여하도록 하는 데 있다.
- 우리나라에서는 기업 연구개발투자의 특성에 대한 전반적인 검토작업이 아직까지 수행되지 못하고 있는데, 그 원인은 최소한의 분석이 가능한 정도의 기간으로 구성된 기업 패널 데이터의 구성이 산업 전반을 포괄하는 정도로 이루어지지 않았기 때문이다. 본고에서는 기업 패널 데이터를 이용하여 먼저 우리나라 기업 연구개발투자의 특성을 검토한다. 기업 연구개발투자의 일반적 특성에 대해서는, 선행 연구결과에 기초하여, Cohen and Klepper(1996), Klette and Griliches(2000), Klette and Kortum(2004) 등의 논문이 이른바 정형화된 사실로 정리하고 있는데, 이들 정형화된 사실이 우리나라 기업의 경우에는 어떠한지를 대비시키는 방식으로 진행한다.
- 기업 연구개발투자의 일반적 특성에 대해서는, 선행 연구결과에 기초하여, Cohen and Klepper(1996), Klette and Griliches (2000), Klette and Kortum(2004) 등의 논문이 잘 정리하고 있다. 본고에서는 이들이 정리한 특성이 한국의 경우에도 적용되는지를 앞에서 설명한 우리나라 기업 패널 데이터를 가지고 검토한다. 앞에서도 언급하였듯이, 우리나라에서 기업 연구개발투자의 특성에 대한 전반적인 검토작업이 아직까지 수행되지 못하고 있는 원인은 최소한의 분석이 가능한 정도의 기간으로 구성된 기업 패널 데이터의 구성이 산업 전반을 포괄하는 정도로 이루어지지 않았기 때문이다.
- 본고의 목적은 우리나라 기업의 연구개발투자의 특성을 파악하고 연구개발투자의 경제적 효과로서 연구개발투자 수익률을 추정하는 것이다. 연구개발이 생산과정에서 또는 경제성장과정에서 어떤 역할을 하는지에 대한 실증분석작업은 다양하게 진행되어 왔으며 데이터 문제가 보다 엄밀한 연구를 가로막는 가장 큰 장애요인으로 지적되어 왔다.
- Klette(1996) 및 Klette and Johansen(1998)은 현실에 보다 부합하면서 지식스톡이 아닌 연구개발투자를 바로 이용할 수 있는 모델을 제시하고 있다. 본절에서는 이 모형이 앞에서 제기한 문제를 어떻게 해결하고 있는지를 설명하면서 추정식을 보여주고자 한다. 지식스톡의 축적과정을 다음과 같이 가정한다.
- 수익률을 추정의 주된 대상으로 한 것은 연구개발투 자의 특성을 가장 단적으로 나타내 줄 수 있는 지표이기 때문이다. 연구개발투자의 궁극적인 목표는 이를 통하여 혁신적 성과를 생산하고 나아가 기업이 지속적으로 성장하는 데 기여하는 것이다. 이런 관점에서 연구개발투자 수익률이 어느 정도인가, 특히 자본의 기회비용을 의미하는 시장이자율을 상회하는지의 여부가 주된 관심의 하나이다.
- 0pt">･임금과의 중복계산문제를 데이터 구축과정에서 해소하였다. 이렇게 구축한 패널 데이터를 이용하여 먼저 기업 연구개발투자의 특성을 파악하고자 하였다. 우리나라에서는 기업 연구개발투자의 특성에 대한 전반적인 검토작업이 아직까지 수행되지 못하고 있는데, 그 원인은 최소한의 분석이 가능한 정도의 기간으로 구성된 기업 패널 데이터의 구성이 산업 전반을 포괄하는 정도로 이루어지지 않았기 때문이다.
- 다만, Ⅲ장의 1절에서 논의하였듯이, 8년간 지속적으로 연구개발투자를 한 기업만을 표본으로 사용하였다는 사실은 추정결과의 해석에서 유의할 점이다. 패널 데이터를 통하여 우리나라 기업 연구개발투자의 특성을 먼저 파악하고자 하였다. 우리나라 기업의 연구개발투자 특성은 선행 연구결과에서 정립된 이른바 정형화된 사실에서 벗어나지 않음을 확인할 수 있었다.
가설 설정
- 27) 그림은 이 둘 사이의 어떤 규칙적인 관계를 보여주지 않는다. 우리나라 기업의 경우에도 연구개발집약도와 기업규모는 독립적임을 알 수 있다.
- ○ 특성 1: 기업 차원에서 생산성 수준과 연구개발투자는 정의 관계에 있지만, 생산성 증가율과 연구개발투자 사이의 상관관계는 매우 낮다.
- ○ 특성 2: 연구개발투자 자체의 생산성은 규모에 대한 수익체감이 일반적이다.
- ○ 특성 5: 기업별 연구개발집약도의 차이는 매우 오랫동안 지속된다.
- 이러한 난점을 고려하면, 보다 현실적인 가정은 수익률이 일정하다고, 즉 회귀분석 대상 표본에 대해서는 수익률이 같다고 가정하는 것인데, 이 경우에는 산출탄력성은 연구개발 집약도에 비례한다는 것을 의미한다. 수익률 방식에 있어서는 연구개발집약도가 높아지면 산출탄력성도 높아지는 것을 가정하는데, 여기에서는 양자의 관계가 어느 정도까지인가가 논점이 된다.
- 앞에서 상세하게 설명하였듯이, 본고에서 사용하는 데이터는 695개 기업에 대한 8년 기간의 모든 관측치가 존재하는 5,560개의 표본으로 구성된 패널 데이터이다. 패널 데이터의 분석에 있어서는 기본적으로 확률효과모형(random effect model)을 가정하였다. 다만, 식 (7)은 전기의 종속변수가 설명변수로 들어가 있고 잔차항 역시 자기회귀적(autoregressive)이므로 실증분석에 있어서 통상적인 최소자승법(ordinary least squares: OLS)을 그대로 적용할 수 없다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.