[국내논문]정부연구개발사업의 성과창출요인에 관한 연구: IT와 CT산업을 중심으로 A Study on the Factors Influencing Project Performance of Government R&D Program: Focusing on IT and CT Industry원문보기
막대한 예산이 투입된 정부연구개발사업에 대한 성과창출과 관리 등에 대해서 근래에 관심이 집중되고 있다. 이 연구에서는 정부연구개발사업의 혁신 및 사업화 성과 창출 경로를 추정할 수 있는 연립방정식 모형을 설계하여 산업에 따른 성과창출의 특성을 분석하였다. 이를 위해서 KEIT 산업기술혁신사업의 성과활용현황조사 데이터를 활용하였으며, 정보통신(IT) 산업과 화학(CT) 산업을 대상으로 하였다. 이 연구의 결과는 다음과 같다. 모든 기업들은 정부지원금을 통해 개발된 기술을 특허를 통해 보호하고 혁신을 파급시키는 역할을 하고 있었으나, 특허를 사업화하는 것은 IT 산업에서는 중소기업, CT 산업에서는 대기업으로 나타났다. 복합산업 성격인 IT 산업의 중소기업은 기업의 자체적인 혁신노력이 추가적으로 필요한 반면에 CT 산업의 중소기업은 기술개발과 사업화 성과 향상에 있어서 협력연구 등의 지원이 효과적이었다. 이러한 결과는 정부연구 개발사업으로 창출된 성과를 향상시키기 위해서 정부 정책 및 과제 기획 시 산업별 기업별 특성에 따라 주안점을 달리 해야 한다는 것을 시사한다.
막대한 예산이 투입된 정부연구개발사업에 대한 성과창출과 관리 등에 대해서 근래에 관심이 집중되고 있다. 이 연구에서는 정부연구개발사업의 혁신 및 사업화 성과 창출 경로를 추정할 수 있는 연립방정식 모형을 설계하여 산업에 따른 성과창출의 특성을 분석하였다. 이를 위해서 KEIT 산업기술혁신사업의 성과활용현황조사 데이터를 활용하였으며, 정보통신(IT) 산업과 화학(CT) 산업을 대상으로 하였다. 이 연구의 결과는 다음과 같다. 모든 기업들은 정부지원금을 통해 개발된 기술을 특허를 통해 보호하고 혁신을 파급시키는 역할을 하고 있었으나, 특허를 사업화하는 것은 IT 산업에서는 중소기업, CT 산업에서는 대기업으로 나타났다. 복합산업 성격인 IT 산업의 중소기업은 기업의 자체적인 혁신노력이 추가적으로 필요한 반면에 CT 산업의 중소기업은 기술개발과 사업화 성과 향상에 있어서 협력연구 등의 지원이 효과적이었다. 이러한 결과는 정부연구 개발사업으로 창출된 성과를 향상시키기 위해서 정부 정책 및 과제 기획 시 산업별 기업별 특성에 따라 주안점을 달리 해야 한다는 것을 시사한다.
Recently, project performance and management of government R&D program investing huge amount of budget is being focused. In this study, I built a model for estimating the performance creating paths of the government R&D program, then I analyzed the attributes of performances created by industries. I...
Recently, project performance and management of government R&D program investing huge amount of budget is being focused. In this study, I built a model for estimating the performance creating paths of the government R&D program, then I analyzed the attributes of performances created by industries. I used simultaneous equations with FIML and examined the IT industry and CT industry of industrial technology innovation program using survey on R&D performance conducted by KEIT. On the analysis result, all the companies create the innovation performance through the government grants. However, the one who commercialize patents is SMEs in IT industry, and conglomerates in CT industry. SMEs in IT industry, which has characteristic of complex product, need extra self innovation activities even the government supports them. For improving the commercialization performance and technology development of SMEs in CT industry, it is effective when conducting cooperative research. These findings give us the implication that it is needed to consider different factors by industrial and enterprise characteristic when planning the public policy and government tasks.
Recently, project performance and management of government R&D program investing huge amount of budget is being focused. In this study, I built a model for estimating the performance creating paths of the government R&D program, then I analyzed the attributes of performances created by industries. I used simultaneous equations with FIML and examined the IT industry and CT industry of industrial technology innovation program using survey on R&D performance conducted by KEIT. On the analysis result, all the companies create the innovation performance through the government grants. However, the one who commercialize patents is SMEs in IT industry, and conglomerates in CT industry. SMEs in IT industry, which has characteristic of complex product, need extra self innovation activities even the government supports them. For improving the commercialization performance and technology development of SMEs in CT industry, it is effective when conducting cooperative research. These findings give us the implication that it is needed to consider different factors by industrial and enterprise characteristic when planning the public policy and government tasks.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
다중회귀분석으로 추정을 할 경우 편의성과 비일관성 문제가 야기되고, 2 SLS와 같은 단일방정식 추정법은 특성상 모형 내의 각 방정식을 독립적으로 추정함으로써 교란항 간의 연관성 등을 고려하지 못한다는 단점이 있다. 따라서 본 연구에서는 연립방정식 모형 추정 시 오차가 결합정규분포를 가지고 있다는 가정 하에 우도함수를 추정하는 전체방정식 추정방법의 하나인 FIML을 이용하여 이런 문제점들을 해결하기 위해 노력하였다(Rex, 2010).
기존 정부연구개발사업 성과분석들은 다중회귀분석을 이용하여 혁신성과 또는 사업화 성과창출 등의 단일 성과지표에 대한 투입요인 분석이 주를 이루어 이들 지표들이 가지는 인과관계를 동시에 분석하지 못하는 한계가 있었다. 따라서 본 연구에서는 연립방정식을 이용한 모형을 설계하여 투입요인과 연구개발성과들이 가지는 복합적인 인과관계를 분석하고자 한다. 투입요인 측면에서는 정부측면과 기업측면의 요인을 모두 고려하고, 성과는 1차적 성과(혁신 성과)와 2차적 성과(사업화 성과)를 대상으로 하였다.
본 연구에서는 산업 특성의 차이가 정부연구개발사업의 성과에도 영향을 미칠 것이라고 가정하여 이를 대표하는 산업으로 정보통신 산업과 화학산업을 선정하였다. 또한 정부연구개발투자가 성과(혁신성과 및 사업화 성과)를 창출하는 경로가 과제특성과 기업 특성에 따라 어떻게 달라지는지를 분석하였으며 동시에 성과창출과정에서 내생성이 존재하는지 살펴보았다. 이를 통해 다음과 같은 정책적 시사점을 얻을 수 있었다.
또한 방법론적으로 이러한 연구들은 회귀분석법을 이용하여 다수의 독립변수와 하나의 종속변수와의 관계만 분석이 가능하며 독립변수로서 혁신성과(특허)가 종속변수인 사업화성과에 미치는 영향에 대해 중점이 맞추어져 있다(Choi, 2012; 이기환, 2006; 서유화, 2007; 김윤선, 2009; 이철주, 2012). 본 연구에서는 이러한 점을 보완하여 연립방정식을 활용함으로써 투입요소인 과제특성 및 기업특성이 혁신성과 또는 사업화 성과에 미치는 영향과 혁신성과가 사업화 성과에 내생변수로의 작용하며 미치는 영향을 한 번에 추정하는 방법을 이용함으로서 투입과 다수의 성과항목들 간의 보다 종합적인 관계를 고려할 수 있도록 노력하였다.
정부연구개발사업의 성과에 미치는 영향요인 분석을 위해 사용된 표본들에 대한 기본적인 통계를 살펴보고자 한다.
가설 설정
본 연구에서는 산업 특성의 차이가 정부연구개발사업 성과에도 영향을 미칠 것이라고 가정하며, 이를 대표하는 산업으로 정보통신(IT) 산업과 화학(CT) 산업을 선정하였다. 정보통신산업은 산업의 역동성이 크고 변화가 빠른 산업의 대표성을 가지며, 화학산업은 역동성이 낮고 자본이 중요한 산업의 대표성을 가지는 것으로 볼 수 있다.
본 연구에서는 산업 특성의 차이가 정부연구개발사업의 성과에도 영향을 미칠 것이라고 가정하여 이를 대표하는 산업으로 정보통신 산업과 화학산업을 선정하였다. 또한 정부연구개발투자가 성과(혁신성과 및 사업화 성과)를 창출하는 경로가 과제특성과 기업 특성에 따라 어떻게 달라지는지를 분석하였으며 동시에 성과창출과정에서 내생성이 존재하는지 살펴보았다.
제안 방법
또한 사업화 성과와 혁신성과간의 내생적인 관계를 살펴보는 것이 중요하다고 판단되어 “투입-혁신성과” 또는 “투입-사업화 성과” 또는 “혁신성과-사업화 성과”의 방식으로 이루어졌던 기존 성과분석 모형을 확장하여 “투입-혁신성과-사업화 성과”를 종합적으로 분석할 수 있는 연립방정식을 사용한 연구모형(그림 1)을 제시하였다.
투입요인 측면에서는 정부측면과 기업측면의 요인을 모두 고려하고, 성과는 1차적 성과(혁신 성과)와 2차적 성과(사업화 성과)를 대상으로 하였다. 또한, 산업특성에 따른 성과창출의 영향을 보기 위하여 정보통신(IT)과 화학(CT)을 대표산업으로 선정하였으며 기업특성에 따른 혁신성과의 영향을 분석하기 위해 기업군을 대기업과 중소기업으로 분류하였다. 분석자료로는 KEIT 성과활용조사 데이터를 이용하였으며, 기업의 사업화 성과를 중점적으로 살펴보기 위해 기업이 주관기관인 과제를 선별하였다.
기업규모 등으로 인해 기업의 재무데이터가 존재하지 않거나 무응답 표본이 포함된 과제는 제외하고 정리한 후 기계소재(332개), 전기전자(286개), 정보통신(300개), 화학(261개), 바이오의료(113개) 등 총 1,292개의 데이터를 확보하였으며, 이 중 정보통신분야 300개와 화학분야 261개 총 561개 데이터를 본 연구의 분석 대상으로 하였다. 또한, 특허출원 건수와 사업화매출 발생액 산출에 대한 일정한 기준을 설정하기 위해서 과제종료년도를 기준으로 전후 각 2년 씩 총 4년간 발생한 실적만을 이용하였다.
Choi(2012) 및 Achilladelis(1987)는 혁신(특허)로 인한 성과는 신제품을 통한 매출을 통해 나타난다고 보고 이를 종속변수로 설정하였다. 본 연구에서는 물가상승률에 의한 영향을 최소화하기 위하여 한국은행의 GDP deplator를 이용하여 2005년 기준으로 조정한 결과를 이용하였다.
정부지원 과제를 수행하는 주관기업의 자체 기술개발투자비용으로서, 기업 자체의 혁신노력 및 혁신활동을 나타낸다(고성진, 2009). 본 연구에서는 최근 5년간 투입된 기술개발비의 평균값을 이용하였으며, 물가상승률에 의한 영향을 최소화하기 위하여 한국은행의 GDP deplator를 이용하여 2005년 기준으로 조정한 결과를 이용하였다.
정부지원 과제수행의 기술혁신 성과물을 이용하여 기업에서 제품을 개발ㆍ생산 또는 판매하여 신규로 발생한 사업화매출액을 나타내며, 과제종료 전ㆍ후 총 4년간 발생한 사업화 매출액 금액을 합하여 산출하였다. Choi(2012) 및 Achilladelis(1987)는 혁신(특허)로 인한 성과는 신제품을 통한 매출을 통해 나타난다고 보고 이를 종속변수로 설정하였다.
대상 데이터
대상 기업의 연구개발 활동 등을 분석하기 위한 기업재무자료는 (주)기업데이터를 활용하였으며 본 자료에는 중소기업기본법에 따른 대기업과 중소기업의 분류결과가 포함되어 있다. 기업규모 등으로 인해 기업의 재무데이터가 존재하지 않거나 무응답 표본이 포함된 과제는 제외하고 정리한 후 기계소재(332개), 전기전자(286개), 정보통신(300개), 화학(261개), 바이오의료(113개) 등 총 1,292개의 데이터를 확보하였으며, 이 중 정보통신분야 300개와 화학분야 261개 총 561개 데이터를 본 연구의 분석 대상으로 하였다. 또한, 특허출원 건수와 사업화매출 발생액 산출에 대한 일정한 기준을 설정하기 위해서 과제종료년도를 기준으로 전후 각 2년 씩 총 4년간 발생한 실적만을 이용하였다.
이후 본 연구의 목적에 적합하도록 주관기관이 기업인 과제 2,621개를 추출하였다. 대상 기업의 연구개발 활동 등을 분석하기 위한 기업재무자료는 (주)기업데이터를 활용하였으며 본 자료에는 중소기업기본법에 따른 대기업과 중소기업의 분류결과가 포함되어 있다. 기업규모 등으로 인해 기업의 재무데이터가 존재하지 않거나 무응답 표본이 포함된 과제는 제외하고 정리한 후 기계소재(332개), 전기전자(286개), 정보통신(300개), 화학(261개), 바이오의료(113개) 등 총 1,292개의 데이터를 확보하였으며, 이 중 정보통신분야 300개와 화학분야 261개 총 561개 데이터를 본 연구의 분석 대상으로 하였다.
이 연구에서 활용된 데이터는 2010~2012년(3년) 동안 조사된 성과활용현황조사 DB이며 과제종료년도 기준으로는 2006~2010년이다. 대상 사업은 산업원천기술개발사업, 부품소재기술개발사업, 글로벌기술개발사업이다. 최종평가결과 성공으로 평가되어 성과 활용현황 보고서가 제출된 2010년 2,937개, 2011년 3,033개, 2012년 2,869개의 과제에 대해 중복과제를 제외하고 통합한 총 4,069개 과제를 대상으로 하였다.
본 연구의 분석대상은 산업통산자원부에서 지원하고 한국산업기술평가관리원(KEIT) 에서 관리하는 산업기술혁신사업으로 지원된 과제 중 성과활용현황조사 대상인 과제들이다. 성과활용현황조사(KEIT, 2012)는 과제들의 기술적 및 사업화 성과의 활용실태를 파악하여 효과적인 R&D 성과관리를 추진하기 위해 기술개발 완료과제를 대상으로 매년 실시되고 있으며, 본 조사를 통하여 조사된 성과정보는 기술개발 착수 시점부터 종료 후 최장 5년 이내에 발생되는 성과를 포함하고 있어 과제 수행 기관에서 발생되는 직접 적인 성과의 정량적 파악이 가능하다.
또한, 산업특성에 따른 성과창출의 영향을 보기 위하여 정보통신(IT)과 화학(CT)을 대표산업으로 선정하였으며 기업특성에 따른 혁신성과의 영향을 분석하기 위해 기업군을 대기업과 중소기업으로 분류하였다. 분석자료로는 KEIT 성과활용조사 데이터를 이용하였으며, 기업의 사업화 성과를 중점적으로 살펴보기 위해 기업이 주관기관인 과제를 선별하였다.
이 연구에서 활용된 데이터는 2010~2012년(3년) 동안 조사된 성과활용현황조사 DB이며 과제종료년도 기준으로는 2006~2010년이다. 대상 사업은 산업원천기술개발사업, 부품소재기술개발사업, 글로벌기술개발사업이다.
최종평가결과 성공으로 평가되어 성과 활용현황 보고서가 제출된 2010년 2,937개, 2011년 3,033개, 2012년 2,869개의 과제에 대해 중복과제를 제외하고 통합한 총 4,069개 과제를 대상으로 하였다. 이후 본 연구의 목적에 적합하도록 주관기관이 기업인 과제 2,621개를 추출하였다. 대상 기업의 연구개발 활동 등을 분석하기 위한 기업재무자료는 (주)기업데이터를 활용하였으며 본 자료에는 중소기업기본법에 따른 대기업과 중소기업의 분류결과가 포함되어 있다.
대상 사업은 산업원천기술개발사업, 부품소재기술개발사업, 글로벌기술개발사업이다. 최종평가결과 성공으로 평가되어 성과 활용현황 보고서가 제출된 2010년 2,937개, 2011년 3,033개, 2012년 2,869개의 과제에 대해 중복과제를 제외하고 통합한 총 4,069개 과제를 대상으로 하였다. 이후 본 연구의 목적에 적합하도록 주관기관이 기업인 과제 2,621개를 추출하였다.
따라서 본 연구에서는 연립방정식을 이용한 모형을 설계하여 투입요인과 연구개발성과들이 가지는 복합적인 인과관계를 분석하고자 한다. 투입요인 측면에서는 정부측면과 기업측면의 요인을 모두 고려하고, 성과는 1차적 성과(혁신 성과)와 2차적 성과(사업화 성과)를 대상으로 하였다. 또한, 산업특성에 따른 성과창출의 영향을 보기 위하여 정보통신(IT)과 화학(CT)을 대표산업으로 선정하였으며 기업특성에 따른 혁신성과의 영향을 분석하기 위해 기업군을 대기업과 중소기업으로 분류하였다.
이론/모형
본 연구에서는 AMOS(analysis of moment structures, IBM) student version을 활용하여 모형에서 제시된 연립방정식(simultaneous equation model)을 추정하였다. 다중회귀분석에서는 독립변수들과 연관된 종속변수가 하나로 설정되어야 하지만 연립방정식을 이용하면 다수의 독립변수와 다수의 종속변수간의 인과관계 추정이 가능하다(Wright, 1934; Rex, 2010).
정부로부터 지원받은 과제의 기술혁신 성과물(output)로서 기업이 정부과제를 통해 생성한 특허출원건수를 나타낸다. 본 연구에서는 Malerba(1996)와 이기환(2006)의 연구에서와 같이 특허출원건수를 혁신성과지표로 설정하였으며, 모든 과제들에 대해 동일한 조건인 과제종료 전ㆍ후 총 4년간 발생한 특허출원건수의 합을 이용하였다.
본 연구에서는 이런 문제를 방지하기 위해 전체 방정식을 동시에 고려하여 모수 추정치를 한 번에 계산하는 전체방정식 추정법(system method of estimation)인 완전정보 최우추정법(FIML; full-information ML)을 이용하였다. 반면에 한 번에 하나의 내생변수에 대해서만 방정식을 분석하는 단일방정식 추정방법을 부분 정보법이라고 하며 2단계 최소제곱법(2 SLS)이 여기에 해당한다.
본 연구에서는 정부연구개발사업의 혁신성과를 측정하는 지표로 특허를 사용하였다. 특허는 국제, 국가, 산업, 기업 수준의 혁신활동을 보여주며 매우 구체적인 데이터를 제공한다는 장점이 있어서 혁신성과에 대한 대표적인 지표로 활용되고 있다(Scherer, 1965; Pavaitt, 1984; Malerba, 1996).
사용된 추정법은 최대우도 추정법(MLE; maximum likelihood estimation)이다. MLE는 표본의 측정된 공분산이 얻어질 확률이 가장 높은 모집단을 구한 후 모수를 추정하는 방법으로 실제로 관찰된 표본에 대한 우도 함수를 최대화하는 추정법이다.
산업별로 나타나는 고유한 경쟁환경에서 혁신활동에 미치는 영향을 보기위한 기업의 규모는 장금영(2010)의 연구에서와 같이 대기업과 중소기업으로 분류하였으며 (주)기업 데이터에서 제공된 기업재무자료의 분류기준을 사용하였다.
정부지원금 투입에 따른 성과에는 Brown & Svenson 모형 또는 논리모형(Logic model)이 이용된다 ((Brown & Svenson, 1998; Bickman, 1987; McLaugnlin, 2004).
성능/효과
먼저 대기업은 출원된 특허가 사업화 매출액과 1 % 유의 수준에서 양(+)의 관계를 보였으나, 중소기업은 출원된 특허가 사업화 매출액과 유의하지 않았다. 기술개발비용은 중소기업이 5 % 유의수준에서 직접적인 사업화 성과와 양 (+)의 관계를 보였다. 중소기업은 과제의 참여기관수가 특허출원과 사업화성과에 각각 5%와 1 % 유의수준에서 양(+)의 관계를 나타내었다.
먼저 대기업은 출원된 특허가 사업화매출액과 1% 유의수준에서 음(-)의 관계를 보였고, 중소기업은 출원된 특허가 사업화매출액과 양(+)의 관계를 보여 정부지원금 변수가 특허를 매개로하여 사업화 성과를 창출하는 매개효과가 있었다. 기업자체적인 기술개발비용과 특허출원과의 관계 또한 기업 규모에 따라 다르게 나타났는데 대기업은 10% 유의수준에서 음(-)의 관계를 보였고, 중소기업은 사업화 매출액에 1% 유의수준에서 양(+)의 관계를 보였다. 대기업의 개발기간과 사업화 매출과는 1% 유의수준에서 음(-)의 관계를 나타내었다.
넷째, 산업특성 및 기업규모와 관계없이 모든 기업들은 정부지원금을 통해 개발된 기술을 특허로써 보호하고 전유성을 확보하는 한편 동시에 특허를 통해 혁신을 사회적으로 확산시키는 역할을 담당하고 있었다.
기업자체적인 기술개발비용과 특허출원과의 관계 또한 기업 규모에 따라 다르게 나타났는데 대기업은 10% 유의수준에서 음(-)의 관계를 보였고, 중소기업은 사업화 매출액에 1% 유의수준에서 양(+)의 관계를 보였다. 대기업의 개발기간과 사업화 매출과는 1% 유의수준에서 음(-)의 관계를 나타내었다.
이는 정부지원금 투입으로 창출된 특허를 통한 사업화성과 경로가 유의하지 않기 때문에 개발한 기술을 사업화하는데 자체 R&D 역량 투입이 중요한 역할을 하는 것으로 해석이 가능하다. 더불어 CT 산업 중소기업은 여러 기관들과 협력을 통해 특허성과와 사업화성과 창출이 가능하여 중소기업의 낮은 기업 역량을 보완하기 위해 정책적으로 다양한 협력연구 지원이 도움이 되는 것을 보였다. 오랫동안 중소기업들의 시장이었던 정밀화학 분야에도 대기업이 진출함에 따라 중소기업들은 매우 고도화된 정밀화학 분야와 고객-사용자 공동연구에 집중하게 되어(Dodgson, 1994) 타 기관들과의 협력이 어떤 산업에서보다 중요하게 작용할 수 있을 것으로 생각된다.
둘째, 정부의 지원이 있다하더라도 기업의 자체적인 혁신노력이 필요하며 이를 통한 기술개발역량은 사업화에 대한 보완성을 가지고 있었다. 이런 특성은 IT 산업과 CT 산업의 중소기업에 공통적으로 해당하였으며, 기업의 내부적인 혁신역량 강화를 위한 정부의 제도적인 인센티브 지원이 도움이 될 것으로 판단된다.
앞에서 언급한 바와 같이 IT 산업과 CT 산업 모두 정부지원금과 특허출원과 양의 유의한 관계가 있어 정부지원금이 혁신성과를 높이는 역할을 하는 것을 보였다. 또한 CT 산업의 중소기업에서 협력연구를 통해 개발된 기술도 특허를 통해 보호하는 것을 보였다.
또한 중소기업에서 기술개발비가 특허출원과 사업화 매출액에 모두 양의 유의한 결과를 보인다는 것은 정부 R&D 자금을 통해서뿐만 아니라 내부 R&D를 통해서도 특허출원과 사업화를 보완할 인센티브가 존재하는 것으로 볼 수 있었다.
투입된 정부지원금과 특허성과는 양(+)의 관계를 보였으나 특허의 사업화성과는 기업 규모에 따라 다르게 나타났다. 먼저 대기업은 출원된 특허가 사업화 매출액과 1 % 유의 수준에서 양(+)의 관계를 보였으나, 중소기업은 출원된 특허가 사업화 매출액과 유의하지 않았다. 기술개발비용은 중소기업이 5 % 유의수준에서 직접적인 사업화 성과와 양 (+)의 관계를 보였다.
투입된 정부지원금과 특허성과는 1% 유의수준에서 양(+)의 관계를 보였으나 특허의 사업화성과는 기업규모에 따라 다르게 나타났다. 먼저 대기업은 출원된 특허가 사업화매출액과 1% 유의수준에서 음(-)의 관계를 보였고, 중소기업은 출원된 특허가 사업화매출액과 양(+)의 관계를 보여 정부지원금 변수가 특허를 매개로하여 사업화 성과를 창출하는 매개효과가 있었다. 기업자체적인 기술개발비용과 특허출원과의 관계 또한 기업 규모에 따라 다르게 나타났는데 대기업은 10% 유의수준에서 음(-)의 관계를 보였고, 중소기업은 사업화 매출액에 1% 유의수준에서 양(+)의 관계를 보였다.
본 연구를 통해 정부 연구개발사업으로 창출된 성과를 향상시키기 위해서 어떠한 특성에 중점을 두어야 하는지를 알 수 있었으며, 더 나아가 정부 정책 및 과제 기획 시 고려해야 하는 주안점이 산업별로 다르다는 것을 보여주었다.
셋째, 수명주기 측면에서 볼 때 성숙기 산업에 해당하여 산업의 역동성이 낮은 CT 산업에서는 중소기업이 사업화에 어려움을 겪었다. 그러나 협력연구를 통해서는 기술개발과 사업화가 가능함을 보였다.
둘째, 혁신의 주체가 정보통신산업에서는 중소기업과 대학 등에서 주로 발생하나 화학산업은 대기업의 연구소이다. 셋째, 정보통신산업은 집적산업과 장치산업에서 그렇지 않은 것까지 다양하고 주로 성장기 산업이며 일부 성숙기 산업으로 발전중인 반면에 화학산업은 대부분 고집적 산업이고 성숙기 산업으로서 위험도가 낮다는 차이점이 있다.
셋째, 효과적인 연구개발의 성과창출을 위해서는 산업별 고유한 특성을 고려하는 것이 중요하다는 이론이 정부 연구개발 사업에도 적용됨을 본 실증연구를 통해서 검증할 수 있다.
앞에서 언급한 바와 같이 IT 산업과 CT 산업 모두 정부지원금과 특허출원과 양의 유의한 관계가 있어 정부지원금이 혁신성과를 높이는 역할을 하는 것을 보였다. 또한 CT 산업의 중소기업에서 협력연구를 통해 개발된 기술도 특허를 통해 보호하는 것을 보였다.
더 나아가 신슘페터학파인 Malerba(1996)는 혁신은 기업이 현재 속해 있는 산업의 수명주기(industry life cycle)와 기술 및 기술체제(technological regime)의 특성을 모두 고려해야 한다고 주장하였다. 이러한 연구들의 결과들을 종합해 보면 혁신에 유리한 기업의 규모는 시장환경, 기술 및 산업의 특성, 산업의 수명주기 등에 따라 다르다는 것을 알 수 있다.
정보통신산업의 표본은 표 2에서와 같이 전체 300개로 대기업 19개, 중소기업 281개로 구성되며 대기업은 특허출원, 정부지원금, 참여기관수, 개발기간의 변수에서 중소기업보다 평균값이 약 2~4배 높은 경향을 보였다. 화학산업과 비교할 때 대기업의 수는 약 0.
중소기업에서 긍정적인 사업화성과가 발생하였다는 것은 결국 이런 자체적인 혁신활동이 보완효과를 가지고 있다는 것을 보여주며, 결론적으로 IT산업에서는 자체 R&D를 수행해야 혁신성과 및 사업화성과 창출이 가능하다는 것이다.
기술개발비용은 중소기업이 5 % 유의수준에서 직접적인 사업화 성과와 양 (+)의 관계를 보였다. 중소기업은 과제의 참여기관수가 특허출원과 사업화성과에 각각 5%와 1 % 유의수준에서 양(+)의 관계를 나타내었다.
이는 CT 산업에서도 같은 결과를 보였다. 즉 IT 산업과 CT 산업 모두 정부지원금을 통해 개발된 기술이 특허를 통해 파급되는 효과가 존재한다고 볼 수 있었다.
첫째, 정부지원금을 통해 모든 기업들은 혁신성과를 창출하였다. 그러나 이를 사업화하는 것은 IT 산업에서는 중소기업이었으며, CT 산업에서는 대기업이었다.
투입된 정부지원금과 특허성과는 1% 유의수준에서 양(+)의 관계를 보였으나 특허의 사업화성과는 기업규모에 따라 다르게 나타났다. 먼저 대기업은 출원된 특허가 사업화매출액과 1% 유의수준에서 음(-)의 관계를 보였고, 중소기업은 출원된 특허가 사업화매출액과 양(+)의 관계를 보여 정부지원금 변수가 특허를 매개로하여 사업화 성과를 창출하는 매개효과가 있었다.
투입된 정부지원금과 특허성과는 양(+)의 관계를 보였으나 특허의 사업화성과는 기업 규모에 따라 다르게 나타났다. 먼저 대기업은 출원된 특허가 사업화 매출액과 1 % 유의 수준에서 양(+)의 관계를 보였으나, 중소기업은 출원된 특허가 사업화 매출액과 유의하지 않았다.
혁신성과 측면에서 보면 CT 산업에서 대기업과 중소기업 모두 정부지원금 투입에 따라 특허출원에 긍정적인 영향을 미치지만 대기업은 특허를 통해 사업화성과를 발생하고 중소기업은 발생된 특허를 사업화 시키지 못하는 결과를 보였다. 이는 CT 산업에서 발생한 혁신을 사업화하는 것은 대기업이라는 것으로 즉 혁신의 사업화 성과 창출의 주체가 대기업이라는 것을 의미하였다.
정보통신산업의 표본은 표 2에서와 같이 전체 300개로 대기업 19개, 중소기업 281개로 구성되며 대기업은 특허출원, 정부지원금, 참여기관수, 개발기간의 변수에서 중소기업보다 평균값이 약 2~4배 높은 경향을 보였다. 화학산업과 비교할 때 대기업의 수는 약 0.25배, 중소기업의 수는 약 1.5배로 우리나라 정보통신산업에서는 중소기업이 활발한 경영활동을 하는 것을 보였다. 그러나 기술개발비는 중소기업 평균 4억에 비하여 대기업은 약 4,700배가 더 높고 표준오차도 커서 기업의 자체적인 기술개발비 투입에 있어 대기업 내에서도 편중이 심함을 보였다.
화학산업의 표본은 표 3에서와 같이 전체 261개로 대기업 79개, 중소기업 182개로 구성되며 대기업은 특허출원, 사업화 매출액, 정부지원금의 변수에서 중소기업보다 평균값이 약 2~3배 높은 경향을 보였다. 특히 기술개발비는 중소기업 평균 3.
후속연구
오랫동안 중소기업들의 시장이었던 정밀화학 분야에도 대기업이 진출함에 따라 중소기업들은 매우 고도화된 정밀화학 분야와 고객-사용자 공동연구에 집중하게 되어(Dodgson, 1994) 타 기관들과의 협력이 어떤 산업에서보다 중요하게 작용할 수 있을 것으로 생각된다. 또한 다양한 협력연구 지원을 위한 정책적 지원도 도움이 될 것으로 생각된다.
질의응답
핵심어
질문
논문에서 추출한 답변
정부연구개발사업의 성과는 무엇으로 구분할 수 있는가?
정부연구개발사업의 성과는 크게 1차적 성과(output, 혁신 성과)인 혁신성과와 2차적 성과(outcome, 사업화 성과)인 사업화 성과로 구분할 수 있으며, 로직모형(Logic model) 을 활용한 정부연구개발사업의 성과를 평가하기 위한 시도 등 관련 연구가 진행되고 있다(Brown & Svenson, 1998; Bickman, 1987; McLaugnlin, 2004). 기존에 수행된 연구개발에 대한 많은 분석들이 특허를 대리지표로 사용한 혁신창출에 대한 분석이나(Scherer, 1965; Pavaitt, 1984; Achilladelis, 1987, Malerba, 1996) 사업화금액을 대리지표로 사용한 연구개발투자수익률 분석 등에 그치고 있다(Arrow, 1962; Georghiou, 1998; 정도범, 2012; 이성화, 2012).
산업 특성에 따라 혁신과정이 달라지는 것을 설명하는 대표적 이론은 무엇인가?
산업 특성은 연구개발투자가 혁신성과와 사업화성과로 이어지는 경로를 결정하는 중요한 변수가 된다. 산업 특성에 따라 혁신과정이 달라지는 것을 설명한 대표적 이론으로슘페터 마크1(Schumpeter, 1934)과 마크2(Schumpeter, 1942)가 있다. 일반적으로 산업의 초기단계에서는 기술의 변화가 매우 빠르고, 불확실성이 매우 높고, 진입장벽이 낮고, 새로운 기업들이 중요한 혁신가가 된다(슘페터 마크1)(Utterback, 1975).
정보통신(IT) 산업과 화학(CT) 산업 특성의 차이는 무엇인가?
정보통신산업은 산업의 역동성이 크고 변화가 빠른 산업의 대표성을 가지며, 화학산업은 역동성이 낮고 자본이 중요한 산업의 대표성을 가지는 것으로 볼 수 있다. Rothwell(1974), Dodgson(1994), 민철구(2005) 등에 따르면 두 산업 특성의 차이는 첫째, 정보통신산업에서는 제품의 수명주기가 빠르고 소비자의 기호변화도 빠르며, 신제품의 개발기간 및 소비자 전달기간도 빠른 반면에 화학산업은 제품의 수명주기와 소비자 기호변화도 느리고, 신제품의 개발기간 및 소비자 전달기간도 상대적으로 장기이다. 둘째, 혁신의 주체가 정보통신산업에서는 중소기업과 대학 등에서 주로 발생하나 화학산업은 대기업의 연구소이다. 셋째, 정보통신산업은 집적산업과 장치산업에서 그렇지 않은 것까지 다양하고 주로 성장기 산업이며 일부 성숙기 산업으로 발전중인 반면에 화학산업은 대부분 고집적 산업이고 성숙기 산업으로서 위험도가 낮다는 차이점이 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.