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
- 본 연구의 또 하나의 목적 중의 하나는 중개연구 프로그램의 포트폴리오 매트릭스에 의한 4개 집단 유형간의 효율성에 차이가 있는지를 통계적으로 검증해 보는 것이다. [Table 11]은 비교대상 집단간의 효율성 평균에 통계적으로 유의한 차이가 있는지를 분석한 결과이다.
- 이 연구는 DEA 방법론을 이용하여 보건의료기술 R&D 사업의 효율성을 분석하고자 한다.
- 이 연구의 목적은 중개연구 프로그램에 대한 효율성 분석을 통해 효율적인 집단과 비효율적인 집단을 분류하고 효율성에 미치는 원인을 파악하여 투자 전략과 성과 제고를 위한 정책적 시사점을 제공하는데 있다. 이를 위해, 본 연구에서는 다수의 투입과 산출을 고려하여 유사한 의사결정단위(decision making unit : DMU)의 상대적 효율성을 측정하는데 유용한 자료포락 분석(data envelopment analysis : DEA)을 적용하고자 한다.
- 이 연구의 목적은 중개연구 프로그램에 대한 효율성 분석을 통해 효율적인 집단과 비효율적인 집단을 분류하고 효율성에 미치는 원인을 파악하여 투자 전략과 성과 제고를 위한 정책적 시사점을 제공하는데 있다. 이를 위해, 본 연구에서는 다수의 투입과 산출을 고려하여 유사한 의사결정단위(decision making unit : DMU)의 상대적 효율성을 측정하는데 유용한 자료포락 분석(data envelopment analysis : DEA)을 적용하고자 한다. DEA는 다수재 상황을 쉽게 묘사할 수 있고, 함수형태에 대해서도 사전적인 가정을 할 필요가 없다는 장점들로 인해 1970년대 후반 등장하여 그동안 다양한 분야에서 경영분석, 경제분석의 주요 방법론으로 널리 활용되고 있다(Lee and Oh, 2012; Sim and Kim, 2009; Choi et al.
가설 설정
- (1978)이 소개한 CCR 모형은 규모에 대한 수익불변(constant return to scale : CRS)을 가정한 모형이고, Banker et al.(1984)이 소개한 BCC 모형은 규모에 대한 수익가변(variable return to scale : VRS)을 가정한 모형이다. 각각의 모형은 투입을 최소화 하는지, 산출을 최대화 하는지에 따라 투입기준(input-based) 모형, 산출기준(output-based) 모형으로 세분화된다.
제안 방법
- 의미있는 DEA 분석을 위해서는 대상 사업의 특성을 최대한 반영하고, 현실적으로 확보가 가능한 변수를 선정하는 것이 중요하다. 먼저 DEA 모형의 투입변수로 연구비, 연구인력, 그리고 연구기간을 선정하였다. 일반적으로 인력과 예산은 투입지표로 가장 많이 사용되고 있고 성과를 창출하는데 주된 역할을 담당하는 중요한 요소이다.
- 본 연구에서는 DEA 기법을 활용하여 중개연구 프로그램 중심으로 보건의료기술 R&D 사업의 효율성을 분석하고, 더 나아가 13개 타깃질환을 효율성 평균 값을 기준으로 고효율질환과 저효율질환 집단으로 각각 분류하여 연구유형과의 조합을 통해 투자전략 수립과 성과 제고를 위한 전략적 포트폴리오 모형을 제시하였다.
- 연구인력은 각자 역량과 기여도가 다르기 때문에 Kim and Park(2004)의 연구를 참조하여 단순히 양적인 측면뿐만 아니라 질적 측면을 함께 고려하였다. 산출변수로는 중개연구를 통한 최종적인 양적 질적 성과인 SCI(E) 논문, 특허출원등록, 그리고 피인용지수(impact factor)를 선정하였다. 논문은 연구의 주요 성과이고 연구자의 성과를 평가하는데 널리 사용된다(OECD, 2001).
- 우선, 1단계에서 DEA를 이용하여 기술효율성(TE), 순수기술효율성(PTE), 규모효율성(TE/PTE)을 측정하여 연구유형별, 타깃질환별로 비교 분석하고자 한다. 이어 2단계에서는 1단계에서 도출한 효율성 값을 가지고 타깃질환을 고효율질환과 저효율질환 집단(group)으로 분류하고 연구유형과의 조합을 통해 중개연구 프로그램에 대한 전략적 포트폴리오 모형을 구축한다.
- 1991년～2001년까지의 10년간의 시계열 자료를 이용하였고 투입변수는 R&D 스톡과 R&D 인력이고 산출변수는 SCI 논문, 미국특허출원이다. 특히 SCI 논문의 경우 피인용도를 이용하여 질적 요인을 반영하였고 투입과 산출간의 시차는 1년을 적용하였다.
- 이상의 효율성에 대한 분석 결과를 토대로 효율성에 영향을 미치는 요인을 규명하기 위해 토빗회귀 분석을 실시하였다. 효율성 영향요인 분석은 효율성 값을 종속변수로, 환경차이 등 효율성에 영향을 미칠 것으로 생각되는 인당연구비, 지역(수도권/비수도권), 박사급인력 비중 등을 독립변수로 하여 분석하였다. [Table 12]에서 전체를 대상으로 분석한 결과, CCR 모형과 BCC 모형 모두에서 인당연구비가 효율성에 통계적으로 유의한 영향(+)을 미치는 것을 확인할 수 있는데, 이는 인당연구비가 증가할수록 효율성이 높아진다는 것을 의미한다.
대상 데이터
- 1991년～2001년까지의 10년간의 시계열 자료를 이용하였고 투입변수는 R&D 스톡과 R&D 인력이고 산출변수는 SCI 논문, 미국특허출원이다.
- 본 연구의 분석 대상은 2008년에 선정되어 2010년에 종료된 과제이며, SCI(E) 논문이 적어도 1건 이상 발생한 316개 과제(project)를 대상으로 하여 분석을 수행하였다. 본 연구에서 활용된 SCI(E) 논문, 특허 성과는 과제종료 2년 후까지(2008년～2012년) 발생한 가장 최근 자료이다. 중개연구는 2년 이내에서 지원되고 개인연구자를 지원하는 단독연구(unilateral), 기초과학자와 임상의학자가 공동으로 수행하는 협동연구(bilateral)로 구분된다.
- DEA에서는 DMU(의사결정단위)간의 상대적인 비교이므로 DMU의 동질성 확보가 무엇보다 중요하다. 본 연구의 분석 대상은 2008년에 선정되어 2010년에 종료된 과제이며, SCI(E) 논문이 적어도 1건 이상 발생한 316개 과제(project)를 대상으로 하여 분석을 수행하였다. 본 연구에서 활용된 SCI(E) 논문, 특허 성과는 과제종료 2년 후까지(2008년～2012년) 발생한 가장 최근 자료이다.
- 참고로 본 연구에서 이용한 논문, 특허 성과 데이터는 국가 R&D 정보 지식 포털인 국가과학기술지식정보서비스(National Science and Technology Information Service : NTIS)와 연계하여 검증이 완료되어 객관성이 확보된 자료이다.
데이터처리
- DEA와 토빗회귀(Tobit regression) 분석은 공개된 통계 소프트웨어인 R 프로그램 Version 3.0.1을 사용하였고, 기타 통계 처리는 국내에서 개발된 통계패키지 S-Link Version 2.2를 활용하였다. 참고로 본 연구에서 이용한 논문, 특허 성과 데이터는 국가 R&D 정보 지식 포털인 국가과학기술지식정보서비스(National Science and Technology Information Service : NTIS)와 연계하여 검증이 완료되어 객관성이 확보된 자료이다.
- 또한 집단 유형간에 유의한 차이가 있는지를 비모수 검정법(non-parametric test approach)을 활용하여 검증한다. 마지막 3단계에서는 효율성에 영향을 미치는 요인을 분석하기 위해 토빗회귀(Tobit regression) 분석을 실시하고자 한다. 본 연구에서 제시한 3단계 접근법을 요약하면 [Figure 1]과 같다.
- Hsu and Hsueh(2009)는 대만의 110개 정부지원 R&D 과제를 대상으로 3단계 접근법을 이용하여 외부 환경요인의 영향을 배제하여 과제들의 상대적 효율성을 평가했다. 이 접근법은 우선 투입지향 BCC 모형으로 효율성을 평가하고, 다음으로 외부변수의 통제를 위해 토빗회귀 분석을 하였고, 마지막으로 외부변수들을 통제한 후 결과를 비교 평가하였다. 대만의 경우 기업규모, 산업, 정부보조금 비율이 효율성에 중대한 영향을 미치는 것으로 나타났고, 해당 외부변수들을 통제한 후, 대부분의 과제들에서 규모의 경제성이 나타났다.
- 이상의 효율성에 대한 분석 결과를 토대로 효율성에 영향을 미치는 요인을 규명하기 위해 토빗회귀 분석을 실시하였다. 효율성 영향요인 분석은 효율성 값을 종속변수로, 환경차이 등 효율성에 영향을 미칠 것으로 생각되는 인당연구비, 지역(수도권/비수도권), 박사급인력 비중 등을 독립변수로 하여 분석하였다.
이론/모형
- DEA를 통해 나온 효율성 값은 특정한 통계적 분포로부터 추출된 값이 아니라 단순히 자료로부터 계산된 값이기 때문에 표준적인 검정법들은 표본 집단간의 효율성 척도를 비교하는데 사용할 수 없다. 그렇기 때문에 집단간의 효율성 비교에는 비모수적(non-parametric) 방법이 사용되고, 그 중에서 독립된 두 개의 표본집단 비교에는 윌콕슨-만-위트니 검정법(Wilcoxon-Mann-Whitney test)이 사용된다. 이 검정법은 일종의 순위합검정으로, 모든 자료들을 한데 모아 크기 순으로 정렬한 다음 가장 작은 값부터 순위를 부여하여 집단별로 순위합을 구하여 집단간 유의한 차이가 있는지를 검정하는 방법이다.
- 이어 2단계에서는 1단계에서 도출한 효율성 값을 가지고 타깃질환을 고효율질환과 저효율질환 집단(group)으로 분류하고 연구유형과의 조합을 통해 중개연구 프로그램에 대한 전략적 포트폴리오 모형을 구축한다. 또한 집단 유형간에 유의한 차이가 있는지를 비모수 검정법(non-parametric test approach)을 활용하여 검증한다. 마지막 3단계에서는 효율성에 영향을 미치는 요인을 분석하기 위해 토빗회귀(Tobit regression) 분석을 실시하고자 한다.
- 현실적으로 정부 R&D 사업의 경우 연구비, 연구기간 등 투입물은 사업수행 주체가 통제하기 어려운 요소이고, 정책 결정자들에게는 주어진 투입물로 산출물을 극대화하는 것이 중요하므로 산출지향(output-based) 모형을 적용하였다(Byun and Han, 2009).
성능/효과
- 집단간 투입량에는 차이가 없어 보이나 고효율질환 집단이 상대적으로 많은 성과를 내고 있으며, 협동연구의 경우에는 고효율질환 집단이 저효율질환 집단에 비해 연구인력을 많이 투입하면서 많은 성과를 내고 있는 것이 특징적이다. 4개 집단의 효율성 평균은 CCR 모형의 경우 협동연구-고효율질환(0.5514), 단독연구-고효율질환(0.4004), 협동연구-저효율질환(0.3087), 단독연구-저효율질환(0.2917) 집단 순으로 나타났고, BCC 모형의 경우 협동연구-고효율질환(0.5932), 단독연구-고효율질환(0.4766), 단독연구-저효율질환(0.3842), 협동연구-저효율질환(0.3553) 집단 순으로 나타났다. 고효율질환의 경우에도 협동연구가 단독연구보다 0.
- CCR 모형에 의한 기술효율성(TE)은 평균 0.3526(35.26%), BCC 모형에 의한 순수기술효율성(PTE)은 평균 0.4411(44.11%), 규모효율성은 평균 0.8102(81.02%)으로 나타났다. 여기서 규모효율성은 높은 반면 순수기술효율성은 낮게 나타났는데, 이는 비효율성의 주된 원인이 규모의 효과보다는 순수한 기술적 요인에 있음을 의미한다.
- 효율성 영향요인 분석은 효율성 값을 종속변수로, 환경차이 등 효율성에 영향을 미칠 것으로 생각되는 인당연구비, 지역(수도권/비수도권), 박사급인력 비중 등을 독립변수로 하여 분석하였다. [Table 12]에서 전체를 대상으로 분석한 결과, CCR 모형과 BCC 모형 모두에서 인당연구비가 효율성에 통계적으로 유의한 영향(+)을 미치는 것을 확인할 수 있는데, 이는 인당연구비가 증가할수록 효율성이 높아진다는 것을 의미한다. 단독연구의 경우에도 전체를 대상으로 분석한 결과와 같이 인당연구비가 효율성에 통계적으로 유의한 영향(+)을 미치는 것으로 나타났다.
- 여기서 규모효율성은 높은 반면 순수기술효율성은 낮게 나타났는데, 이는 비효율성의 주된 원인이 규모의 효과보다는 순수한 기술적 요인에 있음을 의미한다. 개별 과제들의 효율성 관점에서 보면 소수의 과제들이 효율적으로 나타났고, 다수의 과제가 상대적으로 비효율적 분포를 보였다. 즉 효율성 지수가 1을 보인 과제는 CCR에서 9개 과제(2.
- 25%)로 높게 나타났다. 규모효율성 지수가 1인 과제는 76개 과제(24.05%)로 규모에 의한 효율성은 상대적으로 높게 나타났다([Table 7]). 이 분석결과는 비교 대상 DMU의 수가 많고 DMU간에 투입, 산출 값의 편차가 심하여 나타나는 현상으로 판단된다.
- 단독연구는 CCR 모형에 의한 기술효율성(TE) 기준으로 4개 타깃질환(②, ⑥, ⑧, ⑬), BCC 모형에 의한 순수기술효율성(PTE) 기준으로 5개 타깃질환(②, ⑥, ⑧, ⑩, ⑬)에서 전체 평균값보다 높게 나타난 반면, 협동연구는 2～3개 타깃질환(⑧, ⑪, ⑫)을 제외하고 대부분의 질환이 평균값 이상으로 나타났다. 규모효율성은 단독연구와 협동연구의 질환에서 모두 최소 70% 이상으로 비교적 높게 나타났다.
- Park, Kim and Jeong(2011)은 정부 R&D사업 중 2004년～2006년 121개 순수 R&D 사업 대상으로 효율성을 분석한 후, 효율성 상위 20개 그룹과 하위 20개 사업 그룹을 대상으로 Wilcoxon- Mann-Whitney 검정을 이용하여 그룹간 차이에 영향을 미치는 투자배분 특성을 분석하였다. 그 결과 기초연구비중, 도입기연구비 비중, 대학연구수행 비중이 높을수록 효율성이 높아지는 결과를 도출하였다. 그러나 연구인력 데이터의 한계로 투입변수는 연구비만 포함하였다.
- Byun and Han(2009)는 신성장동력핵심기술개발사업으로 지원한 195개 과제에 대해 산출지향 DEA 모형으로 분석 결과를 도출하고, BCC 모형 결과에 대하여 집단간(사업유형별, 소속기관별) 효율성 비교를 위해 Wilcoxon-Mann-Whitney 검정과 Kruskal-Wallis 검정을 수행하였다. 그 결과 집단간 효율성에 유의한 차이는 없는 것으로 나타났다. Baek and Lee(2010)는 (구)정보통신부 선도기술개발사업으로 지원된 48개 과제에 대해 피인용지수(IF) 등 질적성과를 고려하여 RAM 모형을 통해 측정한 효율성을 산출지향 CCR, BCC 모형의 효율성과 비교하였다.
- 연구유형과 타깃질환별로 세분화한 효율성 평균은 [Table 9]와 같다. 기술효율성(TE), 순수기술효율성(PTE), 규모효율성(SE) 모두 단독연구보다는 협동연구의 평균 효율성이 높게 나타났다. 단독연구는 CCR 모형에 의한 기술효율성(TE) 기준으로 4개 타깃질환(②, ⑥, ⑧, ⑬), BCC 모형에 의한 순수기술효율성(PTE) 기준으로 5개 타깃질환(②, ⑥, ⑧, ⑩, ⑬)에서 전체 평균값보다 높게 나타난 반면, 협동연구는 2～3개 타깃질환(⑧, ⑪, ⑫)을 제외하고 대부분의 질환이 평균값 이상으로 나타났다.
- [Table 11]은 비교대상 집단간의 효율성 평균에 통계적으로 유의한 차이가 있는지를 분석한 결과이다. 단독연구와 협동연구 내에서 고효율질환 집단과 저효율질환 집단은 유의수준 1%에서 통계적으로 유의한 차이가 존재하는 것으로 나타났고, 단독연구-고효율질환 집단과 협동연구-고효율질환 집단 간에도 유의수준 1%에서 유의한 차이가 나타났다. 이는 효율성 평균값이 낮은 집단이 그렇지 않는 집단에 비해 효율적이지 않다는 것을 의미한다.
- [Table 12]에서 전체를 대상으로 분석한 결과, CCR 모형과 BCC 모형 모두에서 인당연구비가 효율성에 통계적으로 유의한 영향(+)을 미치는 것을 확인할 수 있는데, 이는 인당연구비가 증가할수록 효율성이 높아진다는 것을 의미한다. 단독연구의 경우에도 전체를 대상으로 분석한 결과와 같이 인당연구비가 효율성에 통계적으로 유의한 영향(+)을 미치는 것으로 나타났다. 반면 협동연구-고효율질환 집단의 경우 모든 독립변수들이 통계적으로 유의한 영향을 미치지 않는 것으로 나타났다.
- 이 접근법은 우선 투입지향 BCC 모형으로 효율성을 평가하고, 다음으로 외부변수의 통제를 위해 토빗회귀 분석을 하였고, 마지막으로 외부변수들을 통제한 후 결과를 비교 평가하였다. 대만의 경우 기업규모, 산업, 정부보조금 비율이 효율성에 중대한 영향을 미치는 것으로 나타났고, 해당 외부변수들을 통제한 후, 대부분의 과제들에서 규모의 경제성이 나타났다. Byun and Han(2009)는 신성장동력핵심기술개발사업으로 지원한 195개 과제에 대해 산출지향 DEA 모형으로 분석 결과를 도출하고, BCC 모형 결과에 대하여 집단간(사업유형별, 소속기관별) 효율성 비교를 위해 Wilcoxon-Mann-Whitney 검정과 Kruskal-Wallis 검정을 수행하였다.
- 본 연구는 투입변수와 산출변수 모두 양적인 측면 뿐만 아니라 질적인 측면을 고려하여 효율성을 분석하였고, 13대 질환 특성별로 효율성을 분석하여 효율성 차이에 따라 고효율 집단과 저효율 집단으로 유형화하고 비효율의 원인을 분석하는 등 한정된 R&D 자원의 효율적 활용과 성과 제고를 위한 과학적이고 체계적인 기준과 실증적 근거를 제시하였다는데 큰 의의가 있다.
- 개별 과제들의 효율성 관점에서 보면 소수의 과제들이 효율적으로 나타났고, 다수의 과제가 상대적으로 비효율적 분포를 보였다. 즉 효율성 지수가 1을 보인 과제는 CCR에서 9개 과제(2.85%), BCC 모형에서 23개 과제(7.28%)로 나타났다. 반면에 효율성 지수가 0.
- 단독연구의 경우는 저효율질환(8～9개) 비율이 고효율질환(4～5개)보다 높게 나타난 반면 협동연구의 경우는 고효율질환(9～10개)의 비율이 저효율질환(2～3개) 보다 높게 나타났다. 토빗회귀(tobit regression) 분석으로 효율성에 영향을 미치는 요인을 분석 결과, 인당연구비가 효율성 증가(+)에 영향을 미치는 것으로 나타났다.
- 본 연구에서는 DEA 기법을 활용하여 중개연구 프로그램 중심으로 보건의료기술 R&D 사업의 효율성을 분석하고, 더 나아가 13개 타깃질환을 효율성 평균 값을 기준으로 고효율질환과 저효율질환 집단으로 각각 분류하여 연구유형과의 조합을 통해 투자전략 수립과 성과 제고를 위한 전략적 포트폴리오 모형을 제시하였다. 효율성 분석 결과, 단독연구보다는 협동연구의 효율성이 전반적으로 더 높은 것으로 확인되었고, 포트폴리오 매트리스에 의한 4개 집단 유형별로는 협동연구-고효율질환, 단독연구-고효율질환, 협동연구-저효율질환 또는 단독연구-저효율질환 순으로 나타났으며, 집단 유형간 효율성에도 통계적으로 유의한 차이가 있는 것으로 확인되었다. 단독연구의 경우는 저효율질환(8～9개) 비율이 고효율질환(4～5개)보다 높게 나타난 반면 협동연구의 경우는 고효율질환(9～10개)의 비율이 저효율질환(2～3개) 보다 높게 나타났다.
후속연구
- 자원의 효율적 활용과 성과 제고를 위해서는 효율성이 높은 집단에는 현재보다 투자를 확대하고 그렇지 않는 집단은 비효율의 원인을 개선하여 효율성을 높이는 전략이 필요할 것이다. 결국 효율성을 높여 우수한 연구성과를 더 많이 창출함으로써 질병 문제를 해결하고 국민건강 증진에 기여할 수 있을 것으로 본다. 본 분석 결과는 향후 중개연구 프로그램 뿐만 아니라 R&D 사업 전반에 대해서도 적용하면 활용성이 높을 것으로 기대한다.
- 향후, 더 많은 데이터를 확보하여 분석하는 것도 의미가 있을 것으로 본다. 또한, 특허, 논문 등 산출(output) 측면의 성과 외에도 결과(outcome) 측면에서 다양한 성과가 있을 수 있는데, 이러한 분석은 성과지표의 개발 노력과 함께 체계적인 자료의 축적과 관리가 선행되어야 가능할 것으로 본다. 본 연구에서는 13개 질환을 대상으로 연구유형별로 일률적인 접근을 시도하였으나, 향후 질환 특성에 따른 차별성을 분석한다면 더 의미 있는 결과를 도출할 수 있을 것이다.
- 본 분석 결과는 향후 중개연구 프로그램 뿐만 아니라 R&D 사업 전반에 대해서도 적용하면 활용성이 높을 것으로 기대한다.
- 또한, 특허, 논문 등 산출(output) 측면의 성과 외에도 결과(outcome) 측면에서 다양한 성과가 있을 수 있는데, 이러한 분석은 성과지표의 개발 노력과 함께 체계적인 자료의 축적과 관리가 선행되어야 가능할 것으로 본다. 본 연구에서는 13개 질환을 대상으로 연구유형별로 일률적인 접근을 시도하였으나, 향후 질환 특성에 따른 차별성을 분석한다면 더 의미 있는 결과를 도출할 수 있을 것이다. 또한, 그동안 지원된 중개연구 프로그램에 대한 연도별 시계열 자료를 확보하여 효율성 분석과 함께 동태적인 생산성 분석도 의미가 있을 것으로 본다.
- 본 연구의 한계로는 DMU의 동질성을 확보하기 위해 특정 시점의 중개연구 과제로 제한하다보니 그동안 지원된 중개연구 프로그램 전체의 효율성을 조망하는 데는 한계가 있었을 것으로 생각된다. 향후, 더 많은 데이터를 확보하여 분석하는 것도 의미가 있을 것으로 본다.
- 반면 협동연구-고효율질환 집단의 경우 모든 독립변수들이 통계적으로 유의한 영향을 미치지 않는 것으로 나타났다. 이상의 결과를 종합해 보면 독립변수인 지역, 박사급인력 비중은 효율성에 유의한 영향을 미치지 않는 것으로 나타나 향후 연구수행시 연구비와 연구인력을 보다 효율적으로 관리할 필요가 있다.
- 0%)로 낮은 분포를 보이고 있다. 이상의 결과를 종합해 볼 때, 자원의 효율적 활용과 성과 제고를 위해 효율성이 높은 집단에는 투자를 확대하고 효율성이 낮은 집단은 비효율의 원인을 개선하여 효율성을 높이는 전략이 필요할 것이다. 특히, 비효율의 원인이 규모 보다는 순수한 기술적 요인에 있는 것으로 나타나 생산성 향상을 위한 노력이 무엇보다 중요하다.
- 본 연구는 투입변수와 산출변수 모두 양적인 측면 뿐만 아니라 질적인 측면을 고려하여 효율성을 분석하였고, 13대 질환 특성별로 효율성을 분석하여 효율성 차이에 따라 고효율 집단과 저효율 집단으로 유형화하고 비효율의 원인을 분석하는 등 한정된 R&D 자원의 효율적 활용과 성과 제고를 위한 과학적이고 체계적인 기준과 실증적 근거를 제시하였다는데 큰 의의가 있다. 자원의 효율적 활용과 성과 제고를 위해서는 효율성이 높은 집단에는 현재보다 투자를 확대하고 그렇지 않는 집단은 비효율의 원인을 개선하여 효율성을 높이는 전략이 필요할 것이다. 결국 효율성을 높여 우수한 연구성과를 더 많이 창출함으로써 질병 문제를 해결하고 국민건강 증진에 기여할 수 있을 것으로 본다.
- 본 연구의 한계로는 DMU의 동질성을 확보하기 위해 특정 시점의 중개연구 과제로 제한하다보니 그동안 지원된 중개연구 프로그램 전체의 효율성을 조망하는 데는 한계가 있었을 것으로 생각된다. 향후, 더 많은 데이터를 확보하여 분석하는 것도 의미가 있을 것으로 본다. 또한, 특허, 논문 등 산출(output) 측면의 성과 외에도 결과(outcome) 측면에서 다양한 성과가 있을 수 있는데, 이러한 분석은 성과지표의 개발 노력과 함께 체계적인 자료의 축적과 관리가 선행되어야 가능할 것으로 본다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.