[논문]연속적 이항 로지스틱 회귀모형을 이용한 R&D 투입 및 성과 관계에 대한 실증분석

박성민

doi:10.7232/jkiie.2014.40.3.342

[국내논문] 연속적 이항 로지스틱 회귀모형을 이용한 R&D 투입 및 성과 관계에 대한 실증분석
Empirical Analysis on the Relationship between R&D Inputs and Performance Using Successive Binary Logistic Regression Models 원문보기

대한산업공학회지 = Journal of the Korean Institute of Industrial Engineers, v.40 no.3, 2014년, pp.342 - 357

박성민 (백석대학교 경상학부)

Abstract ▼ AI-Helper

The present study analyzes the relationship between research and development (R&D) inputs and performance of a national technology innovation R&D program using successive binary Logistic regression models based on a typical R&D logic model. In particular, this study focuses on to answer the following three main questions; (1) "To what extent, do the R&D inputs have an effect on the performance creation?"; (2) "Is an obvious relationship verified between the immediate predecessor and its successor performance?"; and (3) "Is there a difference in the performance creation between R&D government subsidy recipient types and between R&D collaboration types?" Methodologically, binary Logistic regression models are established successively considering the "Success-Failure" binary data characteristic regarding the performance creation. An empirical analysis is presented analyzing the sample n = 2,178 R&D projects completed. This study's major findings are as follows. First, the R&D inputs have a statistically significant relationship only with the short-term, technical output, "Patent Registration." Second, strong dependencies are identified between the immediate predecessor and its successor performance. Third, the success probability of the performance creation is statistically significantly different between the R&D types aforementioned. Specifically, compared with "Large Company", "Small and Medium-Sized Enterprise (SMS)" shows a greater success probability of "Sales" and "New Employment." Meanwhile, "R&D Collaboration" achieves a larger success probability of "Patent Registration" and "Sales."

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 연구는 기술혁신 국가연구개발사업 내 정부지원 R&D 과제의 투입 대비 성과 간 관계를 일반적인 R&D 논리모형 상 순서에 기초하여 분석한다.
한편, 본 연구에서는 R&D 입력변수 간 상관분석을 매개로 로지스틱 회귀분석을 위한 완전모형을 축소 모형으로 변환시킬 필요성을 언급하고자, 이는 제 4.4절에서 자세히 논의한다.

가설 설정

• 가설 1 : 투입 대비 성과 창출의 양 (+)의 상관성을 취하는 영향력은 존재하나, 그 영향력은 기술적 산출에서 경제적 결과 등으로 진행될수록 감소할 것이다.
• 가설 2 : 직전 성과 대비 후속 성과 간 양 (+)의 상관성을 취하는 관계가 존재할 것이다.
• 가설 3 : 주관기관 및 협력 유형 간 성과 창출 여부에 유의한 차이가 존재할 것이다.
5절 축소모형에 기초한 로지스틱 회귀분석 결과에서도 동일하게 도출된다. 셋째, 가설 3은 부분적으로 채택된다. 먼저, 가설 3-1의 경우, “대기업” 대비 “중소기업”의 특허등록, 매출액 및 신규고용 성과 창출 성공 확률이 더 큰 것으로 확인된다.
결국, [Table 3]부터 [Table 5]까지의 완전모형에 기초한 로지스틱 회귀분석 결과를 제 3장에서 설정한 가설과 결부시켜 종합하면 다음과 같이 요약된다. 첫째, 가설 1은 채택된다. 구체적으로, 세 가지 R&D 입력변수 X1, X2, X3 모두가 통계적으로 유의한 양(+)의 상관성을 보인 경우는 Model (1) 즉, 특허등록 성과 창출과 관련된 경우 단 한 가지로 확인된다.

제안 방법

그러므로, Model (1)은 세 가지 R&D 투입 항목들과 함께 주관기관 및 협력 유형 등에 따라 특허등록 성과 창출 여부 관련 성공-실패 확률이 얼마나 민감하게 반응하는지를 분석한다.
마지막으로, R&D 입력변수와 성과변수 간 외부 영향요인변수는 T1(Company Type, 정부지원금액 수혜기관 유형 또는 주관기관 유형), T2(R&D Collaboration Type, 협력 유형) 두 가지로 본 연구모형에서는 한정하고자 한다.
일반적인 회귀모형 분석 결과에서는 분산확대인자(Variance Inflation Factor, VIF) 등으로 예측변수 간 다중공선성이 쉽게 확인된다. 본 실증분석에서는 분석 샘플의 비모수적 특성을 고려하여 [Table 6]과 같이 X1, X2, X3 간 모수적, 비모수적 상관분석을 실시한다. 모수적 상관계수 Pearson’s r 및 비모수적 상관계수 Kendall’s τ_B, Spearman’s ρ_s, 총 세 가지 값이 정리된다.
본 연구에서 검토하고자 하는 각 관측 개체 (즉, R&D 과제)의 자료 특성을 나타내는 변수들은, [Figure 1]에 점선 사각형으로 표시된 총 8가지 R&D 투입, 성과 및 외부 영향요인 각 항목에 대응된다.
연구방법론으로서, 분석 샘플을 구성하는 각 관측 개체(즉, 정부지원 종료 R&D 과제)의 자료 특성 중 특히, 성과 창출 여부 관련 성공-실패 이진 자료 특성을 고려한 연속적 이항 로지스틱 (Logistic) 회귀모형을 기반으로 실증분석을 실시한다.

대상 데이터

.” 분석 자료는, 지식경제기술혁신사업 내 “종료년도” 기준 2007년부터 2011년까지, 총 5년 간 대기업 주관 311개 및 중소기업 주관 1,867개, 총 2,178개 정부지원 종료 R&D 과제를 분석 샘플 n = 2,178개로 선정하여 실증분석을 실시한다.
본 실증분석은 지식경제기술혁신사업 “종료년도” 기준 2007년부터 2011년까지 5년 간 총 3,033개 R&D 과제 중, 대기업이 주관한 358개 및 중소기업이 주관한 1,899개, 총 2,257개 R&D 과제를 초기 분석 대상 샘플로 선정한다.
본 연구는 대한민국 정부의 대표적인 기술혁신 국가연구개발사업 중 한 가지인 지식경제기술혁신사업을 대상으로 2007년부터 2011년까지 5년 간 대기업 및 중소기업이 주관한 정부지원 종료 R&D 과제로 구성된 분석 샘플 n = 2,178개를 분석하였다.
00이며, 각 변수의 단위는 [Table 1]에 제시되어 있다. 이와 같은 경계 값을 적용하여 총 79개 관측 개체를 이상점으로 판정하여 제거한 후, 최종적으로 정리된 본 실증분석 대상 샘플 크기는 n = 2,178이다. 한편, X1의 경우 분석 샘플 정비를 위해 적용된 환율은 1,000원/US$ 1이다.

성능/효과

특히, B1은 Model (2)에 포함된 총 6가지 예측변수 중 통계적 유의성 및 승산비 절대값이 가장 큰 예측변수임을 알 수 있다. 그러므로, 특허등록 성과 창출에 성공한 (즉, B1 = 1) 관측 개체의 매출액 성과 창출 성공 확률이 크게 제고될 수 있음이 확인된다.
넷째, X²적합도 검정 통계량을 (1) Pearson, (2) Deviance, (3) Hosmer-Lemeshow, 세 가지 방법으로 계산하여 검토하면 모두 P-value 0.05 미만이므로, Model (1)의 분석 샘플에 대한 적합도는 낮은 것으로 판단된다. [Figure 3.
넷째, 세가지 R&D 입력변수 간 강한 상관성에 확인되어 회귀모형 계수 추정 시 세심한 주의가 요구될 수 있다고 판단된다.
다섯째, Model (1) 예측 능력을 나타내는 연관성 측도(Measures of Association) 세 가지, (1) Somer’s D = 0.50, (2) Goodman-Kruskal γ = 0.50, (3) Kendall’s τA = 0.24처럼 계산되었다.
둘째, R&D 논리모형 상 직전 대비 후속 성과 창출 성공-실패 여부 사이에는 강한 의존 관계가 존재하는 것으로 분석되었다.
둘째, 직전 대비 후속 성과 창출 성공-실패 여부 사이의 강한 의존 관계에 기초할 때, R&D 논리모형 상 순차적 성과 창출을 유도함이 R&D 과제의 성과 창출 수명을 연장할 수 있다고 판단된다.
먼저, R&D 입력변수 및 성과변수 6가지(즉, X1, X2, X3, Y1, Y2, Y3)의 왜도(Skewness), 첨도(Kurtosis) 등을 보면 심한 우변사향 분포를 취함을 알 수 있다.
셋째, R&D 논리모형 상 직전 성과 창출 여부 관련 성공-실패 예측변수 B1 대비 반응변수 B2와의 관계를 살펴보면, B1은 양(+)의 추정계수 # = 0.733, P-value = 0.000**이므로, 반응변수 B2에 대해 통계적으로 유의한 예측변수로 판단된다.
셋째, R&D 논리모형 상 직전 성과 창출 여부 관련 성공-실패 예측변수 B2, B1 대비 반응변수 B3와의 관계를 살펴보면, B2는 양(+)의 추정계수 # = 3.473, P-value = 0.000***이므로, 역시 반응변수 B3에 대해 통계적으로 유의한 예측변수로 판단된다.
셋째, 주관기관 유형 영향요인변수 T1의 경우, “대기업” 대비 “중소기업” 매출액 및 신규고용 성과 창출 성공 확률이 더 큰 것으로, 협력 유형 영향요인변수 T2의 경우, “단독 R&D” 대비 “협력 R&D” 특허등록 및 매출액 성과 창출 성공 확률이 더 큰 것으로 판명되었다.
앞서 설명된 것처럼 B1 = 1 조건을 만족하는 관측 개체 수 897개 중에서 B1 = 1 & B2 = 1 조건을 만족하는 관측 개체 수는 429개로, 그 비율이 429/897× 100 = 48%인 반면, B1 = 0 조건을 만족하는 관측 개체 수 1,281개 중에서 B1 = 0 & B2 = 1 조건을 만족하는 관측 개체 수는 411개로, 그 비율이 411/1,281×100 = 32%와 같이 상대적으로 더 축소되어 결국, Y2 성과 창출 여부가 R&D 논리모형 상의 직전 단계인 Y1 성과 창출 여부에 의존될 가능성이 있음을 보여준다.
이 관측 개체의 원자료를 확인하면 X1 = 10.28, X2 = 8.83, X3 = 25.00으로 상당히 큰 R&D 입력변수 값을 취하는 반면, R&D 성과변수 Y1, Y2, Y3 모두 0 값을 갖는 것으로 확인된다.
02이므로, X3 값 1단위 증가에 따라 B2 = 1 값 즉, 성공 확률 승산비 증가는 매우 작다. 즉, X1, X2, X3 관련 (1) 추정계수가 기대부호와는 다르거나(즉, X2 경우), (2) 통계적으로 유의하지 않거나(즉, X1 경우), (3) 추정계수가 기대부호를 갖고 통계적으로는 유의하지만 그 승산비 증가는 미미한 것으로 종합된다. 그러므로, R&D 자원의 투입이 시간 적으로 인접한 단기적, 기술적 성과 Y1에는 유의한 영향을 줄 수 있지만, 이후 시간적 경과에 따라 멀어진 중기적, 경제적 성과 Y2에는 Y1만큼 유의한 영향을 발휘하기란 쉽지 않다고 해석될 수 있다.
둘째, R&D 논리모형 상 직전 대비 후속 성과 창출 성공-실패 여부 사이에는 강한 의존 관계가 존재하는 것으로 분석되었다. 즉, 매출액 성과 창출에 가장 큰 양(+)의 관계 예측변수는 B1, 신규고용 성과 창출에 가장 큰 양(+)의 관계 예측변수는 B2로 확인되었다. 셋째, 주관기관 유형 영향요인변수 T1의 경우, “대기업” 대비 “중소기업” 매출액 및 신규고용 성과 창출 성공 확률이 더 큰 것으로, 협력 유형 영향요인변수 T2의 경우, “단독 R&D” 대비 “협력 R&D” 특허등록 및 매출액 성과 창출 성공 확률이 더 큰 것으로 판명되었다.
첫째, R&D 입력변수 X1(즉, 정부지원금액)은 특허등록 성과 창출에 통계적으로 유의한 양(+)의 관계를 보였다.
첫째, X1, X2, X3 중 양(+)의 추정계수 # = 0.015, P-value = 0.018** X3만이 반응변수 B3에 통계적으로 유의한 예측변수이다.
총 1,149,057(= 897×1,281)개 (성공, 실패) 관측 개체 짝(Pair) 중 성공 관측 개체의 성공 예측 확률이 실패 관측 개체의 성공 예측 확률보다 높은 “일치짝”(Concordant Pair) 경우 858,104개(74.7%)로 그 반대인 “불일치짝”(Discordant Pair) 경우 283,361개(24.7%)와 비교할 때 상대적으로 높으므로, Model (1)의 반응변수 B1에 대한 예측 능력은 양호하다고 판단된다.
특히, R&D 역량이 작은 기업은 큰 기업에 비해 외부 R&D 활동을 높임으로써 기업혁신성을 함께 제고시킬 수 있다고 결론지었다.
특히, 이 6가지 변수의 히스토그램을 보여주는 [Figure 2]에서도 확인되는 것처럼, 세 가지 성과변수 Y1, Y2, Y3의 경우에는 0 초과의 값을 취하는 성과 창출 관측 개체 수가 기술적 성과변수 Y1(897개, 897/2,178×100 = 41%)을 시작으로, 경제적 성과변수 Y2 (840개, 39%), 사회·경제적 파급효과 성과변수 Y3(678, 31%)와 같이, [Figure 2]의 R&D 논리모형 순서 상 시작 점에서 끝 점으로 접근할수록 점점 더 감소하는 현상이 확인된다.
하지만, R&D 논리모형 상 시간적 경과에 따라 그 강도가 약화되어 매출액, 신규고용 성과 창출에는 양(+)의 관계는 보였지만 통계적 유의성은 확인되지 않았다.

후속연구

[Table 6]은 X1, X2, X3 간 매우 강한 상관성을 보여준다. 그러므로, X2, X3가 X1에 의해 결정 가능하다는 전제 하에, X1에 대한 의존성이 높은 X2, X3 두 가지 입력변수들이 제거한 축소모형으로 재분석하여 앞서 설명된 회귀분석 결과와의 일관성을 추가적으로 확인할 필요성이 있다. 한편, 세 가지 R&D 입력 변수 X1, X2, X3와 관련하여, 만약 추정계수 부호가 양(+)의 기대부호만을 갖는 축소모형으로 제시될 경우, 이를 제공받는 실무자는 축소모형을 활용하여 특정 R&D 성과에 대해 그 R&D 성과 창출 성공 확률을 계산하고 예측하고자 하는 데에 더 큰 관심을 보일 수 있으리라 판단된다.
한편, 본 연구모형에서 검토된 8가지 변수 중, 세 가지 R&D 입력변수들을 제외한 나머지 5가지 성과 및 영향요인 관련 항목들은 모두 이진 변수들로 변환되었으므로, 이 항목들이 취하는 값을 좀 더 다양화함으로써 순서형(Ordinary) 로지스틱 회귀모형 등으로 분석을 시도할 수 있다. 더불어, 대학, 국공립 연구소 등과 같은 순수 교육․연구기관도 향후 실증분석에서는 포함시켜 본 연구의 범위를 확장시킬 수 있다. 단, 이 경우에는 논문, 기술이전 등과 같이 새로운 성과 항목들이 추가로 연구모형에 포함되어 설계되어야 할 것으로 판단된다.
또한, 최근 국가연구개발사업과 관련하여 정부지원금액 수혜기관 유형별로 추구하는 R&D 성과에 유의한 차이가 있음이 실제로 확인되고 있으므로, 이와 같은 현상을 정확히 반영할 수 있는 정부지원금액 수혜기관 유형별 맞춤형 R&D 성과평가 체계의 수립에 유용한 결과를 제공할 수 있는 이론적, 실증적 주제들도 향후 연구에서 고려될 수 있다.
셋째, 투입 대비 성과 간 관계가 R&D 논리모형 순서 상 중기적, 경제적 결과 이후 크게 감소될 수 있으므로, 투입 대비 창출된 성과의 크기를 측정하는 효율성 지수의 발굴과 활용 시 투입 영향력이 실존하는 단기적, 기술적 성과에 주로 한정하는 방안도 고려될 필요가 있다.
첫째, 주관기관 및 협력 유형별로 기술적, 경제적 성과 창출 여부에 통계적으로 유의한 차이가 존재함으로, 후속 사업 계획 수립과 전개 시 보다 세심한 R&D 과제 선별이 요구된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	대표적인 기술혁신 국가연구개발사업으로는 무엇이 있는가?	한편, 대표적인 기술혁신 국가연구개발사업으로는, 미국 ATP, 대만 경제부 산하 Industrial Technology Development Program(ITDP) 및 대한민국 지식경제부 산하 지식경제기술혁신 사업(Knowledge Economy Technology Innovation Program, KETIP) 등이 있다(Ruegg and Feller, 2003; Shipp et al., 2005; Ruegg, 2006; Hsu and Hsueh, 2009; KEIT, 2010; KEIT, 2011; KEIT, 2013).
	실증분석 결과의 주요 내용은 무엇인가?	첫째, R&D 입력변수 X1(즉, 정부지원금액)은 특허등록 성과 창출에 통계적으로 유의한 양(+)의 관계를 보였다. 하지만, R&D 논리모형 상 시간적 경과에 따라 그 강도가 약화되어 매출액, 신규고용 성과 창출에는 양(+)의 관계는 보였지만 통계적 유의성은 확인되지 않았다. 둘째, R&D 논리모형 상 직전 대비 후속 성과 창출 성공-실패 여부 사이에는 강한 의존 관계가 존재하는 것으로 분석되었다. 즉, 매출액 성과 창출에 가장 큰 양(+)의 관계 예측변수는 B1, 신규고용 성과 창출에 가장 큰 양(+)의 관계 예측변수는 B2로 확인되었다. 셋째, 주관기관 유형 영향요인변수 T1의 경우, “대기업” 대비 “중소기업” 매출액 및 신규고용 성과 창출 성공 확률이 더 큰 것으로, 협력 유형 영향요인변수 T2의 경우, “단독 R&D” 대비 “협력 R&D” 특허등록 및 매출액 성과 창출 성공 확률이 더 큰 것으로 판명되었다. 넷째, 세가지 R&D 입력변수 간 강한 상관성에 확인되어 회귀모형 계수 추정 시 세심한 주의가 요구될 수 있다고 판단된다.
	공공부문 R&D 성과평가란 무엇인가?	공공부문 R&D 성과평가는 R&D 논리모형(Logic Model) 또는 논리사슬(Logic Chain) 등으로 지칭되는 체계적 흐름도에 근거하여 R&D 자원의 투입 이후 시간적 경과에 따라 단계적으로 창출되는 성과의 효율성, 효과성, 적절성 등을 다양한 연구방법론을 활용하여 가능한 계량적으로 분석한 후, 그 분석 결과를 후속 R&D 사업 계획의 수립 및 전개 시에 활용하는 것이다(Wholey, 1983; Bickman, 1987; Wholey, 1987; McLaughlin and Jordan, 1999; Ruegg and Feller, 2003; W. K.

참고문헌 (30)

Belderbos, R., Carree, M., and Lokshin, B. (2004), Cooperative R&D and Firm Performance, Research Policy, 33(10), 1477-1492.

상세보기
Berchicci, L. (2013), Towards an Open R&D System : Internal R&D Investment, External Knowledge Acquisition and Innovative Performance, Research Policy, 42(1), 117-127.

상세보기
Bickman, L. (1987), The Functions of Program Theory, Special Issue : Using Program Theory in Evaluation, New Directions for Program Evaluation, 1987(33), 5-18.
Chen, X., Wang, X., and Wu, D. D. (2011), Analysing Firm Performance in Chinese IT Industry : DEA Malmquist Productivity Measure, International Journal of Information Technology and Management, 10(1), 3-23.

상세보기
Fritsch, M. and Lukas, R. (2001), Who Cooperates on R&D?, Research Policy, 30(2), 297-312.

상세보기
Guan, J. and Chen, K. (2010), Modeling Macro-R&D Production Frontier Performance : An Application to Chinese Province-level R&D, Scientometrics, 82(1), 165-173.

상세보기
Hosmer, D. W. and Lemeshow, S. G. (2000), Applied Logistic Regression, 2nd ed., New York NY : John Wiley and Sons.
Hsu, F. M. and Hsueh, C. C. (2009), Measuring Relative Efficiency of Government-Sponsored R&D Projects : A Three-Stage Approach, Evaluation and Program Planning, 32(2), 178-186.

상세보기
IBM SPSS (2009), PASW Statistics Release 18, Armonk NY: IBM Corp.
Korea Evaluation Institute of Industrial Technology(KEIT) (2010), 2010 Performance Investigation and Analysis of Knowledge Economy Technology Innovation Program, Korea : KEIT.
Korea Evaluation Institute of Industrial Technology(KEIT) (2011), 2011 Performance Investigation and Analysis of Knowledge Economy Technology Innovation Program, Korea : KEIT.
Korea Evaluation Institute of Industrial Technology(KEIT) (2013), 2012 Performance Investigation and Analysis of Knowledge Economy Technology Innovation Program, Korea : KEIT.
Korea Institute of Science and Technology Information(KISTI) (2008), Law-Enforcement Ordinance-Enforcement Regulations, Available Online at : http://www.ntis.go.kr/ThMain.do (Accessed 1 August 2013).
Laursen, K. and Salter, A. (2006), Open for Innovation : The Role of Openness in Explaining Innovation Performance among U.K. Manufacturing Firms, Strategic Management Journal, 27(2), 131-150.

상세보기
McLaughlin, J. A. and Jordan, G. B. (1999), Logic Models : A Tool for Telling Your Program's Performance Story, Evaluation and Program Planning, 22(1), 65-72.

상세보기
Ministry of Knowledge Economy(MKE) (2008), 2007 Electric Power Industry R&D Programs, Korea : MKE.
Ministry of Knowledge Economy and Korea Institute for Advancement of Technology(KIAT)(MKE.KIAT) (2012), 2012 Guideline of Knowledge Economy R&D Performance Index Design, Korea : MKE.KIAT.
Ministry of Science and Technology and Office of Science and Technology Innovation(MST.OSTI) (2008), 2008 Internal Evaluation Manual of National R&D Programs, Korea : MST.OSTI.
$Minitab^R$ (2005), $Minitab^R$ Release 14.20 StatGuide, State College PA : Minitab Inc.
Montgomery, D. C., Peck, E. A., and Vining, G. G. (2001), Introduction to Linear Regression Analysis, 3rd ed., New York NY : John Wiley and Sons.
Office of Management and Budget(OMB) and Office of Science and Technology Policy(OSTP) (2012), Memorandum for the Heads of Executive Departments and Agencies, Subject : Science and Technology Priorities for the FY 2014 Budget, Available Online at: http://www.whitehouse.gov/omb/, (Accessed 1 August 2013).
Office of Science and Technology Policy(OSTP) (2012), Innovation for America's Economy, America's Energy, and American Skills : Science, Technology, Innovation, and STEM Education in the 2013 Budget, Available Online at : http://www.ostp.gov/, (Accessed 1 August 2013).
Robin, S. and Schubert, T. (2013), Cooperation with Public Research Institutions and Success in Innovation : Evidence from France and Germany, Research Policy, 42(1), 149-166.

상세보기
Ruegg, R. (2006), Bridging from Project Case Study to Portfolio Analysis in a Public R&D Program : A Framework for Evaluation and Introduction to a Composite Performance Rating System, Economic Assessment Office, Advanced Technology Program, National Institute of Standards and Technology(NIST), U.S. Department of Commerce, Gaithersburg, MD.
Ruegg, R. and Feller, I. (2003), A Toolkit for Evaluating Public R&D Investment : Models, Methods and Findings from ATP's First Decade, Economic Assessment Office, Advanced Technology Program, National Institute of Standards and Technology(NIST), U.S. Department of Commerce, Gaithersburg, MD.
Shipp, S., Chang, C., and Wisniewski, L. (2005), Evaluation Best Practices and Results : The Advanced Technology Program, Economic Assessment Office, Advanced Technology Program, National Institute of Standards and Technology(NIST), U.S. Department of Commerce, Gaithersburg, MD.
W. K. Kellogg Foundation(WKKF) (2004), W. K. Kellogg Foundation Logic Development Guide, Battle Creek MI.
Wholey, J. S. (1983), Evaluation and Effective Public Management, Boston MA : Little Brown.
Wholey, J. S. (1987), Evaluability Assessment : Developing Program Theory, Special Issue : Using Program Theory in Evaluation, New Directions for Program Evaluation, 1987(33), 77-92.
Wu, W., Tsai, H., Cheng, K. and Lai, M. (2006), Assessment of Intellectual Capital Management in Taiwanese IC Design Companies : Using DEA and the Malmquist Productivity Index, R&D Management, 36(5), 531-545.

상세보기

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