[논문]기업의 개방형 혁신이 혁신 생산성에 미치는 영향: 외부 지식 탐색활동을 중심으로

이종선; 박지훈; 배종태

[국내논문] 기업의 개방형 혁신이 혁신 생산성에 미치는 영향: 외부 지식 탐색활동을 중심으로
The Effects of Open Innovation on Innovation Productivity: Focusing on External Knowledge Search 원문보기

지식경영연구 = Knowledge Management Research, v.17 no.1, 2016년, pp.49 - 72

이종선 (한국과학기술원 경영대학) , 박지훈 (한국과학기술원 경영대학) , 배종태 (한국과학기술원 경영대학)

Abstract ▼ AI-Helper

Extant research on firm innovation productivity is limited in measuring the innovation productivity, in which they measured firm innovation productivity by using either inputs or outputs of innovation. The present study complemented the extant research by employing Data Envelopment Analysis (DEA) approach to measure firm innovation productivity. Furthermore, this paper examined the effects of firms' external knowledge search, as one of open innovation practices, on firm innovation productivity, for open innovation activities are regarded as an influencing factor on firm innovation productivity in the previous literatures. Using the data of the Korean Innovation Survey (KIS) of manufacturing industries conducted in 2008, this study developed hypotheses in which we considered not only two dimensions of external knowledge search (breadth and depth) but also two subtypes of external knowledge search (market-driven and science-driven). The results found that searching deeply and market-driven search are positively related to firm innovation productivity, but science-driven search is somewhat negatively related to firm innovation productivity. Furthermore, market-driven search can mitigate the negative effect of science-driven search on innovation productivity.

주제어

AI 본문요약
AI-Helper

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

문제 정의

더불어 기존 문헌에서 기업의 혁신 생산성 향상에 영향을 미치는 중요한 선행 요인으로 ‘개방형 혁신(open innovation)’을 제시하고 있는 바 (Chesbrough, 2003), 기업의 개방형 혁신활동이 혁신 생산성에 어떠한 영향을 미치는지 살펴보고자 한다.
본 연구는 DEA를 활용하여 기업의 혁신 생산성을 보다 엄밀하게 측정함으로써 기존 연구들이 가졌던 혁신 생산성 측정의 한계를 보완하고, 혁신 생산성에 영향을 미치는 중요한 선행 요인 중 하나인 개방형 혁신―외부 지식 탐색활동―의 효과를 검증하였다는 점에서 학문적으로 기여한다. 또한 본 연구의 결과는 기업 경영자의 외부 지식 탐색활동 의사결정 및 정책입안자의 관련 지원 정책 수립에도 함의를 주므로 실무적·정책적으로도 기여한다고 사료된다.
본 연구는 DEA를 활용하여 기존 연구들이 가진 혁신 생산성 측정의 한계를 보완하고 혁신 생산성에 영향을 미치는 선행 요인인 개방형 혁신―외부 지식 탐색활동―이 혁신 생산성에 어떠한 영향을 미치는지 살펴보았다. 먼저 기업의 외부 지식 탐색활동을 그 폭과 깊이로 구분하여 각각 혁신 생산성에 어떠한 영향을 미치는지 살펴보았으며, 그 결과 외부 지식 탐색활동의 ‘깊이’가 혁신 생산성 향상에 영향을 미치는 것으로 나타났다.
본 연구는 이러한 기업의 외부 지식 탐색활동 중에서도 기업이 여러 지식을 조합하여 새로운 제품을 만들어 내는 문제 해결 활동으로서의 외부 지식 탐색활동에 집중하고자 한다 (search for new products; Katila & Ahuja, 2002).
이에 본 연구는 DEA를 활용한 혁신 생산성 측정을 통해 기존 연구들이 가진 혁신 생산성 측정의 한계를 보완하고자 한다. 더불어 기존 문헌에서 기업의 혁신 생산성 향상에 영향을 미치는 중요한 선행 요인으로 ‘개방형 혁신(open innovation)’을 제시하고 있는 바 (Chesbrough, 2003), 기업의 개방형 혁신활동이 혁신 생산성에 어떠한 영향을 미치는지 살펴보고자 한다.
혁신은 현 시대와 같이 급변하는 환경 하에서의 기업의 성장과 생존을 위해 그 중요성이 날로 강조되고 있다. 이에 본 연구는 기술혁신조사 자료를 활용하여 개별 기업의 산업 내 혁신 생산성을 측정하고 이에 영향을 줄 수 있는 선행 요인을 밝혔다는 점에서 의의를 가진다. 향후 혁신을 생산성 혹은 효율성 측면에서 접근하고 이러한 혁신 생산성을 높이기 위한 선행 요인을 밝히는 연구가 더욱 활발해 지기를 기대해 본다.
이에 본 연구는 먼저 기업의 외부 지식 탐색활동을 그 ‘폭’과 ‘깊이’를 중심으로 각각의 특성에 따라 기업의 혁신 생산성에 어떠한 다른 영향을 주는지 알아보았다.
특히, 시장 중심의 탐색은 모방에 가까운 혁신, 과학 중심적 탐색은 시장 최초 혁신에 더 큰 영향을 주는 것으로 나타났다. 이에 본 연구는 외부 지식 원천에 따른 기업의 탐색활동이 혁신 생산성에 어떻게 다른 영향을 주는지 살펴보았다. 특히 본 연구는 기존 문헌에 따라 혁신활동에 영향을 미치는 주요 지식 원천들을 크게 ‘시장 중심적 탐색 (marketdriven search)’과 ‘과학 중심적 탐색(science-driven search)’으로 분류하여 각각 혁신 생산성에 어떠한 영향을 미치는지 분석하였다.
이에 본 연구는 현재 우리나라 산업 전반에 걸친 ‘R&D 패러독스’ 상황을 고려하여 과학기술정책연구원(STEPI)의 기술혁신조사(Korean Innovation Survey) 자료를 통해 기업의 개방형 혁신의 일환인 ‘외부 지식 탐색활동(external knowledge search)’이 기업의 혁신 생산성에 어떠한 영향을 미치는지 살펴보았다.

가설 설정

이에 다음과 같은 가설을 도출하였다. 가설 1: 기업의 외부 지식에 대한 탐색의 폭은 혁신 생산성에 긍정적인 영향을 미칠 것이다. 다음으로 ‘탐색의 깊이’란 ‘기업이 서로 다른 외부 지식원으로부터 지식을 얼마나 심도 있게 탐색하는지’를 의미하며 (Laursen and Salter, 2006: 134), 탐색의 폭과 마찬가지로 기업의 보다 심도 있는 탐색활동도 기업의 혁신 생산성에 긍정적인 영향을 줄 것으로 예상된다.
이에 다음과 같은 가설을 도출하였다. 가설 2: 외부 지식에 대한 탐색의 깊이는 혁신 생산성에 긍정적인 영향을 미칠 것이다.
가설 3: 시장 중심적 탐색은 혁신 생산성에 긍정적인 영향을 미칠 것이다.
가설 4: 과학 중심적 탐색은 혁신 생산성에 부정적인 영향을 미칠 것이다.
가설 5: 시장 중심적 탐색은 과학 중심적 탐색이 혁신 생산성에 미치는 부정적인 영향을 완화시킬 것이다.
<표 4>의 모델 2에서 4는 탐색의 폭(search breadth)과 탐색의 깊이(search depth)를 포함한 분석 결과이다. 모델 4에서 확인할 수 있듯이 탐색의 폭은 혁신 생산성에 유의미한 영향을 주지 않은 바 탐색의 폭이 혁신 생산성에 긍정적인 영향을 줄 것이라는 가설 1은 지지되지 않았다. 반면 탐색의 깊이는 혁신 생산성에 통계적으로 유의미하게 긍정적인 영향을 주는 것을 확인할 수 있다 (p < 0.

제안 방법

본 연구는 앞서 설명한 바와 같이 개방형 혁신활동의 일환인 ‘외부 지식 탐색활동’을 독립변수로 하며, 이는 기업이 당면한 문제를 해결하기 위하여 외부 지식을 탐색하는 활동으로 정의된다 (Huber, 1991). 가설에서 제시한 바와 같이 본 연구는 기업의 외부 지식에 대한 탐색활동을 폭(breadth)/깊이(depth), 시장 중심 적(market-driven)/과학 중심적(science-driven) 탐색으로 구분하고 이를 독립변수로 사용하였다. 기술혁신조사는 혁신에 사용된 외부 지식의 원천에 대하여 (1) 공급업체, (2) 수요기업, (3) 경쟁기업, (4) 협회, (5) 민간서비스업체, (6) 대학, (7) 연구소, (8) 컨퍼런스, (9) 전문저널 등의 경로를 포함하고 있다.
^, 2012). 따라서 시장 중심적 탐색은 기업의 혁신에 있어 수요기업 및 경쟁기업으로부터 창출된 지식의 중요도의 평균값으로 측정하였으며, 과학 중심적 탐색은 대학 및 연구소로부터 창출된 지식의 중요도의 평균값으로 측정하였다.
또한 외부 지식 원천을 기준으로 기업의 외부 지식 탐색활동을 ‘시장 중심적 탐색’과 ‘과학 중심적 탐색’으로 구분하고 각 탐색활동이 혁신 생산성에 미치는 영향을 분석하였다.
기업의 협력 활동에 대하여 기술혁신조사는 계열사, 공급업체, 수요기업, 경쟁기업, 대학, 연구소, 등의 파트너에 대한 정보를 포함하고 있으며, 각각의 파트너와 협력한 경우를 1, 아닌 경우를 0으로 표기한 후 이를 합산하여 기업의 협력(collaboration) 활동으로 측정하였다 (Laursen and Salter, 2006). 마지막으로 국내 및 해외계열사 여부(affiliated), IPO 여부(IPO), 표준산업분류 2자리 산업코드(KSIC 2-digit industry)를 더미변수로 포함하였다. <표 1>은 분석에 포함된 각 변수의 측정 방법을 표로 정리한 것이다.
기업의 외부 지식 탐색활동이 혁신 생산성에 미치는 영향을 분석하기 위하여 본 연구에 포함된 통제변수는 다음과 같다. 먼저 기업 크기(firm size)에 의한 영향을 통제하기 위하여 이를 종업원 수의 로그값을 취하여 측정하였다. R&D 집중도(R&D intensity)는 매출액 대비 R&D 투자액으로 측정하였으며, 수출 집중도(export intensity)는 매출액 대비 수출액으로 측정하여 포함하였다.
먼저 혁신활동의 투입요소는 R&D 지출액(R&D expenditure)과 R&D 인력(R&D staff)을 고려하였으며, 각각 3년 평균값을 구하여 사용하였다.
보다 세부적으로 ‘산출 지향(out-oriented)’, ‘variable returns to scale(VRS)’, ‘슬랙(slack)에 대한 2 단계(two-stage)’ 모형을 기반으로 하여, 표준산업분류 2자리 산업 내에서 상대적인 혁신 생산성을 측정하였다.
본 연구는 상기 제시한 가설들을 검증하기 위하여 2008년도 기술혁신조사를 토대로 국내 제조업 기업 들을 연구대상으로 하여 실증 분석을 실행하였다. 앞서 기술한 조작적 정의에 의거하여 각 변수들을 측정하였으며 fractional logit 및 Tobit 모델을 통하여 분석하였으며 하기와 같은 결과를 도출하였다.
이에 대응하여 본 연구는 DEA를 통해 혁신활동의 투입요소로 R&D 지출과 R&D 인력, 산출요소로는 특허와 혁신성과를 고려하여 기업의 산업 내 상대적인 혁신 생산성을 측정하였다.
, 2012; Katila and Ahuja, 2002; Nelson and Winter^{, 1982)}. 이에본 연구는 개방형 혁신의 일환인 기업의 외부 지식 탐색활동을 구조적으로 탐색의 폭 및 깊이, 지식의 원천에 따라 시장 중심적 및 과학 중심적 탐색활동으로 구분하고 각각 혁신 생산성에 주는 영향 및 상호작용 효과를 실증적으로 분석하였다. 따라서 본 연구는 개방형 혁신 및 혁신 생산성에 관한 기존 연구에 이론적으로 기여한다고 사료된다.
먼저 본 연구는 Laursen and Salter (2006)에 기반하여 외부 지식 탐색활동의 폭과 넓이를 측정하였다. 탐색의 폭(search breadth)은 기업이 혁신에 활용한 각 외부 지식의 원천을 사용한 경우에 1, 사용 하지 않은 경우에 0으로 표기하고 이를 합산하여 측정하였다. 따라서 탐색의 폭은 혁신에 활용한 외부 지식의 원천의 개수에 따라서 0에서 9의 값을 가지며, 이 값이 높을수록 더 넓게 탐색활동을 한 것으로 정의된다.
특히 본 연구는 기존 문헌에 따라 혁신활동에 영향을 미치는 주요 지식 원천들을 크게 ‘시장 중심적 탐색 (marketdriven search)’과 ‘과학 중심적 탐색(science-driven search)’으로 분류하여 각각 혁신 생산성에 어떠한 영향을 미치는지 분석하였다.
먼저 혁신활동의 투입요소는 R&D 지출액(R&D expenditure)과 R&D 인력(R&D staff)을 고려하였으며, 각각 3년 평균값을 구하여 사용하였다. 혁신활동의 산출요소는 기업이 출원한 특허 수(patent)와 혁신성과(innovative performance)를 포함하였으며, 혁신성과는 제품혁신으로부터 창출된 매출액의 비율로 측정하였다 (Leiponen and Helfat, 2010; Love et al., 2014; West and Bogers, 2014). 보다 세부적으로 ‘산출 지향(out-oriented)’, ‘variable returns to scale(VRS)’, ‘슬랙(slack)에 대한 2 단계(two-stage)’ 모형을 기반으로 하여, 표준산업분류 2자리 산업 내에서 상대적인 혁신 생산성을 측정하였다.

대상 데이터

또한, 주요 변수에 대한 결측치가 있는 기업과 R&D 집중도 및 수출 집중도가 1을 초과하는 기업을 제외하였으며, 그 결과 최종 표본은 901개 기업으로 구성되었다.
본 연구는 가설을 검증하기 위하여 다음과 같은 기준으로 표본을 구성하였다. 먼저 본 연구는 제품혁신 성과를 변수로 사용하기 때문에 지난 3년간 제품혁신을 한 경험이 있는 기업들을 대상으로 하였다. 또한, 주요 변수에 대한 결측치가 있는 기업과 R&D 집중도 및 수출 집중도가 1을 초과하는 기업을 제외하였으며, 그 결과 최종 표본은 901개 기업으로 구성되었다.
본 연구는 상기 제시한 가설들을 검증하기 위하여 2008년도 기술혁신조사를 토대로 국내 제조업 기업 들을 연구대상으로 하여 실증 분석을 실행하였다. 앞서 기술한 조작적 정의에 의거하여 각 변수들을 측정하였으며 fractional logit 및 Tobit 모델을 통하여 분석하였으며 하기와 같은 결과를 도출하였다.

데이터처리

Fractional logit 모델은 종속변수를 0과 1의 범위 안에서 추정하기 때문에 일반적인 OLS 모델에 비해 더 엄밀한 추정을 가능하게 한다. 또한 분석 결과의 엄밀성을 위해서 Tobit 모델을 통한 분석도 실시하여 비교하였다.
<표 2>은 본 연구에 사용된 종속변수, 독립변수, 통제변수들의 기술통계량을 나타낸다. 사용된 변수 간에 다중공선성(mulicollinearity) 문제가 있는지 확인하기 위하여 VIF(variance inflation factor) 검증을 실시하였으며, VIF 최대값은 4.17로(평균 VIF = 1.98) 10을 넘지 않아 다중공선성 문제가 심각하지 않은 것으로 확인되었다 (Kennedy, 2003).

이론/모형

따라서 기존 문헌에 따라 혁신 생산성(innovation productivity)은 기업이 일정한 양의 자원을 투입하여 최대한의 혁신성과를 창출하는 역량으로 정의되며 (Cruz-Cázares et al., 2013), 본 연구는 기업의 생산성 분석에 널리 쓰이는 효율성 추정 방법인 Data Envelopment Analysis(DEA)를 활용하여 혁신 생산성을 측정하였다.
먼저 본 연구는 Laursen and Salter (2006)에 기반하여 외부 지식 탐색활동의 폭과 넓이를 측정하였다. 탐색의 폭(search breadth)은 기업이 혁신에 활용한 각 외부 지식의 원천을 사용한 경우에 1, 사용 하지 않은 경우에 0으로 표기하고 이를 합산하여 측정하였다.
본 연구는 과학기술정책연구원(STEPI)에서 수행한 2008년도 기술혁신조사(Korean Innovation Survey)를 활용하였다. 기술혁신조사는 통계청 승인조사로 OECD Oslo manual에 기초하여 설계되 었으며 국내 제조업 기업들의 혁신활동에 대한 정보를 포함하고 있다.
본 연구는 기존 연구에 기반하여 혁신 생산성을 측정하기 위한 DEA 모형의 투입요소와 산출요소를 선정하였다 (Cruz-Cázares et al., 2013; Fu, 2012).
본 연구는 종속변수인 혁신 생산성이 0에서 1 사이의 분포를 갖기 때문에 fractional logit 모델을 활용하여 가설을 검증하였다 (Papke and Wooldridge, 1996). Fractional logit 모델은 종속변수를 0과 1의 범위 안에서 추정하기 때문에 일반적인 OLS 모델에 비해 더 엄밀한 추정을 가능하게 한다.
이에 본 연구는 현재 우리나라 산업 전반에 걸친 ‘R&D 패러독스’ 상황을 고려하여 과학기술정책연구원(STEPI)의 기술혁신조사(Korean Innovation Survey) 자료를 통해 기업의 개방형 혁신의 일환인 ‘외부 지식 탐색활동(external knowledge search)’이 기업의 혁신 생산성에 어떠한 영향을 미치는지 살펴보았다. 특히 본 연구는 기존 연구들이 주로 혁신의 투입요소(input) 혹은 산출요소(output)만을 통해 혁신 생산성을 측정하였던 한계를 보완하기 위해 (Fu, 2012), 기업의 생산성 분석에 널리 쓰이는 효율성 추정 방법인 Data Envelopment Analysis(DEA)를 활용하여 혁신 생산성을 측정하고 실증분석에 활용하였다.

성능/효과

또한 특허 자산이 많을수록 혁신 생산성은 높아졌는데, 이는 특허로 대변되는 기업의 지식 자산이 많을수록 기업의 혁신 생산성이 높아짐을 의미한다. 기업 유형별로 살펴보면 독립기업에 비하여 해외그룹계열사는 혁신 생산성에 있어 유의미한 차이가 없었으나, 국내그룹계열사는 혁신 생산성이 유의미하게 낮은 것으로 나타났다.
더불어 외부 지식 탐색활동을 지식 원천에 따라 ‘시장 중심적 탐색활동’과 ‘과학 중심적 탐색활동’으로 구분하여 혁신 생산성에 미치는 영향을 분석하였으며, 그 결과 ‘시장 중심적 탐색활동’은 혁신 생산성에 긍정적인 영향을 미치나 ‘과학 중심적 탐색활동’은 혁신 생산성에 다소 부정적인 영향을 미치는 것으로 나타났다.
첫째, DEA는 특정한 생산함수나 가정을 필요로 하지 않으므로 여러 맥락에 대하여 유연하게 적용할 수 있다. 둘째, DEA는 여러 개의 투입요소와 산출요소를 동시에 고려할 수 있다는 점에서 강점을 지닌다. 혁신 활동은 다양한 요소를 투입하여 여러 형태의 혁신성과를 창출하는 과정이므로 단순히 투입 대비 산출 등의 비율로 계산하는 방법보다 정교한 측정방법이라고 사료된다.
이는 기업의 혁신활동을 단순하게 투자 혹은 결과의 측면에서 보는 것이 아닌 기업이 일정한 자원을 투입하여 성과로 변환하는 상대적인 역량의 개념으로 측정했다는 점에서 의의를 가진다. 둘째, 본 연구는 이러한 혁신 생산성을 높이기 위한 선행요인으로 개방형 혁신을 고려하여 기업의 외부 지식 탐색활동이 혁신 생산성에 영향을 줄 수 있음을 확인하였다. 기존 연구에 따르면 기업이 변화화는 환경에 적절히 적응하기 위해 탐색(search) 활동이 중요하며, 다양한 형태의 외부 지식 탐색활동이 혁신에 서로 다른 영향을 줄 수 있음을 제시하고 있다 (Köhler et al.
또한 다양한 외부 주체에 대한 탐색활동은 그 주체에 따라 서로 다른 규범, 규칙, 기술 등을 필요로 하며 이는 지식 전달의 효율성을 저해하는 요인으로 작용할 수 있다 (Scott and Brown, 1999). 따라서 기업의 보다 폭 넓은 외부 지식 탐색활동은 혁신 생산성 향상에 부분적으로 긍정적인 영향을 미칠 것으로 보이나, 혁신활동 전반에 걸친 효율성 개선이라는 측면에서는 그 효과가 미미하여 첫 번째 가설의 효과가 나타나지 않은 것으로 판단된다.
따라서 시장 중심적 탐색이 혁신 생산성에 긍정적인 영향을 줄 것이라는 가설 3 역시 지지되었다. 또한 과학 중심적 탐색은 혁신 생산성에 부정적인 영향을 미치며 10% 수준에서 통계적으로 유의미한 것으로 나타나, 과학 중심적 탐색이 혁신 생산성에 부정적인 영향을 줄 것이라는 가설 4는 부분적으로 지지되었다.
먼저 기업의 외부 지식 탐색활동을 그 폭과 깊이로 구분하여 각각 혁신 생산성에 어떠한 영향을 미치는지 살펴보았으며, 그 결과 외부 지식 탐색활동의 ‘깊이’가 혁신 생산성 향상에 영향을 미치는 것으로 나타났다.
모델 8에서 확인할 수 있듯이 시장 중심적 탐색과 과학 중심적 탐색활동의 상호작용 효과는 혁신 생산성에 긍정적인 영향을 미치는 것을 확인할 수 있다 (p < 0.05).
분석 결과 ‘시장 중심적 탐색활동’은 혁신 생산성에 긍정적인 영향을 미치나 ‘과학 중심적 탐색활동’은 다소 부정적인 영향을 미치는 것으로 나타났으며, 이러한 두 가지 외부 지식 원천에 대한 탐색활동의 상호작용 효과는 혁신 생산성에 긍정적인 영향을 주었다.
우선 본 연구는 기업의 외부 지식 탐색활동을 ‘폭 (breath)’과 ‘깊이(depth)’의 측면으로 구분하여 각각 혁신 생산성에 어떠한 영향을 미치는지 살펴보았으며, 그 결과 기업의 보다 심도 있는 외부 지식 탐색활동은 혁신 생산성을 향상시키는 것으로 나타났다.
즉, 대학 및 연구소로부터 획득한 지식은 새로운 기술을 개발하고 향후 가치 있는 사업기회를 발굴하는데 도움을 줄 수 있지만, 이를 적절히 내재화하여 활용하기 위해서는 추가적인 자원의 투자와 흡수역량이 필요하다고 여겨진다. 이를 종합하면 대학 및 연구소를 통한 과학 중심적 탐색활동은 기업 입장에서 더욱 실험적이고 불확실성이 높은 편에 속하므로, 단기적인 관점에서 혁신활동에 투입되는 비용 및 인력을 증가시켜 혁신 생산성에 부정적인 영향을 미칠 것으로 예상된다. 이에 다음과 같은 가설을 도출하였다.
이를 종합하여 보면 현재 우리나라는 산업 전반에 걸쳐 R&D 투자규모는 크나 그에 상응하는 성과는 거두지 못하는 이른바 ‘R&D 패러독스’에 빠져 있다고 판단된다.
(2012) 의 연구는 기업이 탐색하는 다양한 외부 지식의 원천에 따라서 혁신이 시장 최초 혹은 모방의 성격을 띨 수 있음을 보였다. 특히, 시장 중심의 탐색은 모방에 가까운 혁신, 과학 중심적 탐색은 시장 최초 혁신에 더 큰 영향을 주는 것으로 나타났다. 이에 본 연구는 외부 지식 원천에 따른 기업의 탐색활동이 혁신 생산성에 어떻게 다른 영향을 주는지 살펴보았다.
하지만 ‘과학 중심적 탐색활동’이 혁신 생산성에 미치는 부정적인 효과는 ‘시장 중심적 탐색활동’이 병행될 때 완화되는 것으로 나타났다.
<표 3>는 제조업의 각 산업 별로 측정된 혁신 생산성의 평균값 및 허핀달-허쉬만 지수(HerfindahlHirschman index)를 나타낸다. 혁신 생산성의 평균값이 가장 높은 산업은 기타 운송장비(KSIC 35)였으며, 목재 및 나무 제품(KSIC 20), 봉제의복 및 모피제품(KSIC 18) 순으로 나타났다. 혁신 생산성의 평균값이 가장 낮은 산업은 화합물 및 화학제품(KSIC 24)으로 나타났다.

후속연구

향후 연구에서는 이러한 기술 체제에 따라 기업의 외부 탐색활동이 혁신 생산성에 미치는 영향이 달라질 수 있음을 검증할 수 있을 것이다. 끝으로 본 연구는 산업적 특성이 야기할 수 있는 실증 분석 상의 문제를 최소화하고자 연구 대상을 제조업에 속한 기업으로 한정하여 실증 분석을 실행했다는 점에서 한계를 가진다. 물론 표본을 제조업으로 한정한다 하더라도 제조업 내 다양한 세부 산업들이 존재하기에 가설에서 제시한 방향성이 각 산업마다 조금씩 다를 수 있다.
따라서 정책적으로 단순히 R&D 투자만을 늘리는 것이 아닌 혁신 생산성 측면에서의 접근이 요구되며, 혁신 생산성을 높일 수 있는 개방형 혁신을 장려하고 이를 위한 제도적 장치를 도입하는 노력이 필요할 것이라 생각된다. 다만 과학 중심적 탐색활동의 경우 혁신 생산성에 다소 부정적인 영향을 주는 것으로 나타났지만 시장 중심적 탐색활동이 이러한 부정적인 효과를 완화시키는 바, 각 외부 지식 원천에 대한 균형 잡힌 탐색활동이 필요할 것으로 판단된다. 특히 현재 우리나라 경제가 ‘추격에서 혁신’으로의 전환기를 맞이하고 있음을 고려하면, 불확실성이 높고 실험적인 지식을 대상으로 하는 과학 중심적 탐색활동은 이전에 없던 새로운 혁신을 가져오는 과정에 있어 필수적인 요소라 여겨진다.
또한 기업의 폭 넓은 외부지식 탐색활동은 지식 재조합을 위한 혁신활동을 증진시킴으로써 기업의 신제품 개발을 촉진시킨다 (Fleming and Sorenson, 2001; Nelson and Winter, 1982). 다시 말해 기업이 탐색활동을 보다 폭 넓게 실행할수록 기업 혁신활동의 결과물이자 목표물인 신제품을 고안하고 개발하는 과정이 촉진될 것이므로, 주어진 투입요소(예: 비용, 인력)를 활용하여 보다 효율적으로 결과물을 창출할 수 있게 한다는 점에서 혁신 생산성을 높일 것으로 판단된다. 이에 다음과 같은 가설을 도출하였다.
앞서 설명한 바와 같이 기업이 혁신활동을 통해 목표로 하는 바는 당면한 문제를 해결하고 수익을 창출할 가능성이 높은 새로운 아이디어를 발굴하는 것이다. 따라서 기업의 폭 넓은 탐색활동은 보다 다양한 종류의 기술 및 지식의 조달을 가능케하여 차별화 되고 새로운 아이디어를 보다 빠르게 발굴할 가능성을 높여줄 것으로 예상되며, 이는 혁신활동의 속도를 높이는 효과를 가져와 기업의 혁신 생산성에 긍정적인 영향을 줄 것으로 사료된다.
이에본 연구는 개방형 혁신의 일환인 기업의 외부 지식 탐색활동을 구조적으로 탐색의 폭 및 깊이, 지식의 원천에 따라 시장 중심적 및 과학 중심적 탐색활동으로 구분하고 각각 혁신 생산성에 주는 영향 및 상호작용 효과를 실증적으로 분석하였다. 따라서 본 연구는 개방형 혁신 및 혁신 생산성에 관한 기존 연구에 이론적으로 기여한다고 사료된다.
, 2014). 따라서 본 연구의 분석 결과를 통한 인과 관계 추론에는 주의를 기울일 필요가 있다. 향후 기업의 혁신 생산성과 관련하여 패널 자료를 활용한 더욱 엄밀한 분석이 필요할 것으로 판단된다.
특히 기업의 혁신활동은 외부 기술 환경에 의하여 많은 영향을 받는 것으로 알려져 있다 (Schilling and Steensma, 2002). 따라서 향후 연구에서는 기업의 탐색활동과 혁신 생산성과의 관계를 조절할 수 있는 변수들을 포함하여 연구를 확장할 수 있을 것으로 사료된다. 예를 들어 기술 체제(technological regime)는 기업의 혁신활동과 성과에 많은 영향을 주는 기업의 외부 환경을 반영한다고 할 수 있다 (Malerba and Orsenigo, 1993).
또한 본 연구의 결과는 기업 경영자의 외부 지식 탐색활동 의사결정 및 정책입안자의 관련 지원 정책 수립에도 함의를 주므로 실무적·정책적으로도 기여한다고 사료된다.
하지만 이러한 세부 산업의 특성은 실증 분석 시 산업 더미 변수를 추가함으로써 그 효과를 통제하고자 노력하였으며, 본 연구의 초점은 기업의 외부 지식 탐색활동에 맞추어져 있는 바 세부 산업에 따라 달라지는 효과를 보지 못한 것은 연구의 한계점이라 사료된다. 또한 서비스업은 그 특성 상 제조업과는 다른 특성을 나타내므로 (Ettlie and Rosenthal, 2011; Sirilli and Evangelista, 1998), 향후 연구에서는 서비스업의 특성을 고려하여 기업의 개방형 혁신활동이 혁신 생산성에 미치는 영향을 검증할 수 있을 것이다.
향후 기업의 혁신 생산성과 관련하여 패널 자료를 활용한 더욱 엄밀한 분석이 필요할 것으로 판단된다. 또한, 본 연구는 기업의 탐색활동과 혁신 생산성과의 관계에 있어 영향을 줄 수 있는 다양한 상황변수를 고려하지못 하였다는 한계가 있다. 특히 기업의 혁신활동은 외부 기술 환경에 의하여 많은 영향을 받는 것으로 알려져 있다 (Schilling and Steensma, 2002).
본 연구는 다음과 같은 한계점들을 가진다. 먼저, 본 연구는 Community Innovation Survey를 활용한 다른 연구들과 같이 횡단면적(cross-sectional) 자료를 사용하였기에 변수들 간에 시차를 두고 검증할 수 없다는 한계를 지닌다 (예. Cassiman and Valentini, forthcoming; Laursen and Salter, 2006; Love et al., 2014). 따라서 본 연구의 분석 결과를 통한 인과 관계 추론에는 주의를 기울일 필요가 있다.
기업의 입장에서는 혁신 생산성과 관련하여 산업 내 선도기업과 비교하여 각 기업의 상대적인 현재 위치를 인지하는 것은 중요한 의미를 가진다고 사료되며, 개별 기업은 혁신 생산성을 높이기 위하여 가장 적절한 외부 지식탐색 전략을 수립하는 것이 필요하다고 판단된다. 특히 탐색의 깊이와 시장 중심적 탐색활동이 혁신 생산성에 긍정적인 영향을 주는 것으로부터 확인할 수 있듯이, 개방형 혁신에 있어 탐색의 폭을 넓히기 보다는 심도 있는 탐색에 주력하고 시장의 요구를 적절히 파악하는 탐색활동을 장려해야 할 것이다. 더불어 우리나라는 R&D 투자 규모는 매우 크지만 상업화 비율은 떨어지는 이른바 ‘R&D 패러독스’의 위험에 직면하고 있다.
물론 표본을 제조업으로 한정한다 하더라도 제조업 내 다양한 세부 산업들이 존재하기에 가설에서 제시한 방향성이 각 산업마다 조금씩 다를 수 있다. 하지만 이러한 세부 산업의 특성은 실증 분석 시 산업 더미 변수를 추가함으로써 그 효과를 통제하고자 노력하였으며, 본 연구의 초점은 기업의 외부 지식 탐색활동에 맞추어져 있는 바 세부 산업에 따라 달라지는 효과를 보지 못한 것은 연구의 한계점이라 사료된다. 또한 서비스업은 그 특성 상 제조업과는 다른 특성을 나타내므로 (Ettlie and Rosenthal, 2011; Sirilli and Evangelista, 1998), 향후 연구에서는 서비스업의 특성을 고려하여 기업의 개방형 혁신활동이 혁신 생산성에 미치는 영향을 검증할 수 있을 것이다.
따라서 본 연구의 분석 결과를 통한 인과 관계 추론에는 주의를 기울일 필요가 있다. 향후 기업의 혁신 생산성과 관련하여 패널 자료를 활용한 더욱 엄밀한 분석이 필요할 것으로 판단된다. 또한, 본 연구는 기업의 탐색활동과 혁신 생산성과의 관계에 있어 영향을 줄 수 있는 다양한 상황변수를 고려하지못 하였다는 한계가 있다.
예를 들어 기술 체제(technological regime)는 기업의 혁신활동과 성과에 많은 영향을 주는 기업의 외부 환경을 반영한다고 할 수 있다 (Malerba and Orsenigo, 1993). 향후 연구에서는 이러한 기술 체제에 따라 기업의 외부 탐색활동이 혁신 생산성에 미치는 영향이 달라질 수 있음을 검증할 수 있을 것이다. 끝으로 본 연구는 산업적 특성이 야기할 수 있는 실증 분석 상의 문제를 최소화하고자 연구 대상을 제조업에 속한 기업으로 한정하여 실증 분석을 실행했다는 점에서 한계를 가진다.
이에 본 연구는 기술혁신조사 자료를 활용하여 개별 기업의 산업 내 혁신 생산성을 측정하고 이에 영향을 줄 수 있는 선행 요인을 밝혔다는 점에서 의의를 가진다. 향후 혁신을 생산성 혹은 효율성 측면에서 접근하고 이러한 혁신 생산성을 높이기 위한 선행 요인을 밝히는 연구가 더욱 활발해 지기를 기대해 본다.

질의응답

핵심어	질문	논문에서 추출한 답변
	R&D 패러독스란 무엇인가?	1배)에 비해 현저 하게 낮은 수준이다 (정민, 2015). 이를 종합하여 보면 현재 우리나라는 산업 전반에 걸쳐 R&D 투자규모는 크나 그에 상응하는 성과는 거두지 못하는 이른바 ‘R&D 패러독스’에 빠져 있다고 판단된다. 이러한 상황 가운데 산업 전반에 걸쳐 낮은 수준의 R&D 효율성을 개선할 해결책 중 하나로 ‘개방형 혁신(open innovation)’의 확대가 제시되고 있다 (오준범·주원, 2015).
	기업의 개방형 혁신활동이 혁신 생산성을 높이는 효과를 가져온다고 볼 수 있는 이유는 무엇인가?	Chesbrough (2003)는 이러한 기업 혁신활동의 변화를 ‘개방형 혁신 (open innovation)’이라 명명하여 제시하였으며, 이는 기업이 혁신활동을 촉진하기 위하여 외부 지식을 조달하여 활용하거나 자사의 지식을 외부 시장에 내 놓아 수익을 창출하는 방식의 혁신활동을 일컫는다. 기업은 이러한 개방형 혁신활동을 통해 혁신활동에 투입되는 비용을 절감하고 새로운 아이디어를 상업화하는데 걸리는 시간을 단축할 뿐 아니라 새로운 수익원을 창출할 수 있다. 특히 이러한 개방형 혁신활동 추세는 기업으로 하여금 다양한 기업들이 각자 보유하고 있는 자원(i.e., 기술, 지식)에의 접근을 용이하게 함으로써 보다 좋은 신제품 개발을 가능케 한다 (서리빈·윤 현덕, 2012; Chesbrough, 2003; Faems, De Visser, Andries, and Van Looy, 2010). 따라서 기업의 개방형 혁신활동은 혁신 생산성을 높이는 효과를 가져온다고 볼 수 있다.
	기업의 개방형 혁신은 어떤 영향을 주는가?	이러한 상황 가운데 산업 전반에 걸쳐 낮은 수준의 R&D 효율성을 개선할 해결책 중 하나로 ‘개방형 혁신(open innovation)’의 확대가 제시되고 있다 (오준범·주원, 2015). 기업의 개방형 혁신은 혁신활동(R&D)에 투입되는 비용을 절감하고 새로운 아이디어를 상업화하는데 걸리는 시간을 단축할 뿐 아니라 새로운 수익원을 창출하는 효과를 가져와 혁신 생산성 향상에 긍정적인 영향을 준다고 알려져 있다 (Chesbrough, 2003).

참고문헌 (53)

김영훈.김선근 (2011), 우리나라의 R&D 생산성 및 효율성 분석: OECD 국가와의 비교를 중심으로, 기술혁신연구, 제19권, 제1호, 1-27.

원문보기 상세보기
김현호 (2007), 내수기업과 수출기업의 기술혁신활동 및 생산성 비교분석, 정책연구, 과학기술정책연구원.
서리빈.윤현덕 (2012), 개방형 혁신과 조직학습 특성이 벤처기업의 기술경쟁우위에 미치는 영향, 지식경영연구, 제13권 제2호, 73-93.
양지연.노태우 (2015), 중소기업의 개방형 탐색 전략과 혁신활동, 지식경영연구, 제16권, 제4호, 1-16.
오준범.주원 (2015), Open R&D, 창조 경제를 담보한다, 현대경제연구원.
정민 (2015), 한중일 상장기업 R&D투자 효율성 비교 - 한국기업 R&D투자의 질적 향상이 시급하다, 현대경제연구원.
Banker, R. D., A. Charnes, and W. W. Cooper (1984), Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis, Management Science, 30(9), 1078- 1092.

상세보기
Beise-Zee, M. (2001), Lead Markets: Country-Specific Success Factors of the Global Diffusion of Innovations, Physica, Heidelberg.
Cassiman, B. and G. Valentini (forthcoming), Open Innovation: Are Inbound and Outbound Knowledge Flows Really Complementary?, Strategic Management Journal, doi:10.10021smj:2375.
Charnes, A., W. W. Cooper, and E. Rhodes (1978), Measuring the Efficiency of Decision Making Units, European Journal of Operational Research, 2(6), 429-444.

상세보기
Chen, C.-M., M. A . Delmas, and M. B. Lieberman (2015), Production Frontier Methodologies and Efficiency as a Performance Measure in Strategic Management Research, Strategic Management Journal, 36(1), 19-36.

상세보기
Chesbrough, H. (2003), Open Innovation: The New Imperative for Creating and Profiting from Technology, Harvard Business School Press, Boston.
Clausen, T., M. Pohjola, K. Sapprasert, and B. Verspagen (2012), Innovation Strategies as a Source of Persistent Innovation, Industrial and Corporate Change, 21(3), 553-585.

상세보기
Cohen, W. M. and D. A. Levinthal (1990), Absorptive Capacity: A New Perspective on Learning and Innovation, Administrative Science Quarterly, 35(1), 128-152.

상세보기
Cohen, W. M., R. R. Nelson, and J. P. Walsh (2002), Links and Impacts: The Influence of Public Research on Industrial R&D, Management Science, 48(1), 1-23.

상세보기
Cruz-Cazares, C., C. Bayona-Saez, and T. Garcia-Marco (2013), You Can't Manage Right What You Can't Measure Well: Technological Innovation Efficiency, Research Policy, 42(6-7), 1239-1250.

상세보기
Dussauge, P., B. Garrette, and W. Mitchell (2000), Learning from Competing Partners: Outcomes and Durations of Scale and Link Alliances in Europe, North America and Asia, Strategic Management Journal, 21(2), 99-126.

상세보기
Eisenhardt, K. M. and B. N. Tabrizi (1995), Accelerating Adaptive Processes: Product Innovation in the Global Computer Industry, Administrative Science Quarterly, 40(1), 84-110.

상세보기
Ettlie, J. E. and S. R. Rosenthal (2011). Service versus Manufacturing Innovation, Journal of Product Innovation Management, 28(2), 285-299.

상세보기
Faems, D., B. Van Looy, and K. Debackere (2005), Interorganizational Collaboration and Innovation: Toward a Portfolio Approach, Journal of Product Innovation Management, 22(3), 238-250.

상세보기
Faems, D., M. De Visser, P. Andries, and B. Van Looy (2010), Technology Alliance Portfolios and Financial Performance: Value-Enhancing and Cost-Increasing Effects of Open Innovation, Journal of Product Innovation Management, 27(6), 785-796.

상세보기
Fleming, L. and O. Sorenson (2001), Technology as a Complex Adaptive System: Evidence from Patent Data, Research Policy, 30(7), 1019-1039.

상세보기
Frosch, R. A. (1996), The Customer for R&D Is Always Wrong!, Research Technology Management, 39(6), 22.
Fu, X. (2012), How Does Openness Affect the Importance of Incentives for Innovation?, Research Policy, 41(3), 512-523.

상세보기
George, G., S. A. Zahra, and D. R. Wood (2002), The Effects of Business-University Alliances on Innovative Output and Financial Performance: A Study of Publicly Traded Biotech nology Companies, Journal of Business Venturing, 17(6), 577-609.

상세보기
Grandstrand, O., E. Bohlin, C. Oskarsson, and N. Sjoberg (1992), External Technology Acquisition in Large Multi-Technology Corporations, R&D Management, 22(2), 111-134.

상세보기
Hashimoto, A. and S. Haneda (2008), Measuring the Change in R&D Efficiency of the Japanese Pharmaceutical Industry, Research Policy, 37(10), 1829-1836.

상세보기
Huber, G. (1991), Organizational Learning: The Contributing Processes and a Review of the Literatures, Organizational Science, 2(1), 88-115.

상세보기
Josefy, M., S. Kuban, R. D. Ireland, and M. A. Hitt (2015), All Things Great and Small: Organizational Size, Boundaries of the Firm, and a Changing Environment, Academy of Management Annals, 9(1), 715-802.

상세보기
Kohler, C., W. Sofka, and C. Grimpe (2012), Selective Search, Sectoral Patterns, and the Impact on Product Innovation Performance, Research Policy, 41(8), 1344-1356.

상세보기
Katila, R. and G. Ahuja (2002), Something Old, Something New: A Longitudinal Study of Search Behavior and New Product Introduction, Academy of Management Journal, 45(6), 1183-1194.

상세보기
Kennedy, P. (2003), A Guide to Econometrics(5th Edn), MIT Press, Cambridge, MA.
Laursen, K. and A. Salter (2006), Open for Innovation: The Role of Openness in Explaining Innovation Performance among UK Manufacturing Firms, Strategic Management Journal, 27(2), 131-150.

상세보기
Laursen, K. and A. Salter, (2014), The Paradox of Openness: Appropriability, External Search and Collaboration, Research Policy, 43(5), 867-878.

상세보기
Leiponen, A. and C. E. Helfat (2010), Innovation Objectives, Knowledge Sources, and the Benef its of Breadth, Strategic Management Journal, 31(2), 224-236.

상세보기
Levinthal, D. and J. G. March (1981), A Model of Adaptive Organizational Search, Journal of Economic Behavior & Organization, 2(4), 307-333.

상세보기
Link, A. N., D. S. Siegel, and B. Bozeman (2007), An Empirical Analysis of the Propensity of Academics to Engage in Informal University Technology Transfer, Industrial and Corporate Change, 16(4), 641-655.

상세보기
Love, J. H., S. Roper, and P. Vahter (2014), Learning from Openness: The Dynamics of Breadth in External Innovation Linkages, Strategic Management Journal, 35(11), 1703-1716.

상세보기
Lukas, B. and O. C. Ferrell (2000), The Effect of Market Orientation on Product Innovation, Journal of the Academy of Ma rket ing Science, 28(2), 239-247.

상세보기
Lundvall, B. A. (1992), National Systems of Innovation, Pinter, London.
Malerba, F. and L. Orsenigo (1993), Technological regimes and firm behavior, Industrial and corporate change, 2(1), 45-71.

상세보기
Nelson, R. R. and S. G. Winter (1982), An Evolutionary Theory of Economic Change, Harvard University Press, Cambridge, MA.
Papke, L. E. and J. M. Wooldridge (1996), Econometric Methods for Fractional Response Variables with an Application to 401(K) Plan Participation Rates, Journal of Applied Econometrics, 11(6), 619-632.

상세보기
Pavitt, K. (2001), Public Policies to Support Basic Research: What Can the Rest of the World Learn from US Theory and Practice?(and What They Should Not Learn), Industrial and Corporate Change, 10(3), 761-779.

상세보기
Porter, M. E. (1985), Competitive Advantage, Free Press, New york.
Schilling, M.A. and H. K. Steensma (2002), Disentangling the Theories of Firm Boundaries: A Path Model and Empirical Test, Organization Science, 13(4), 387-401.

상세보기
Scott, C. and J. S. Brown (1999), Bridging Epistemologies: The Generative Dance between Organizational Knowledge and Organizational Knowing, Organization Science, 10(4), 381-400.

상세보기
Sirilli, G. and R. Evangelista (1998). Technological Innovation in Services and Manufacturing: Results from Italian Surveys, Research Policy, 27(9), 881-899.

상세보기
von Hippel, E. (1998), The Sources of Innovation, Oxford University Press, New York.
von Zedtwitz, M. and G. Oliver (2002), Managing Customer Oriented Research, International Journal of Technology Management, 24(2-3), 165-193.
Wang, E. C. and W. Huang (2007), Relative Efficiency of R&D Activities: A Cross-Country Study Accounting for Environmental Factors in the DEA Approach, Research Policy, 36(2), 260-273.

상세보기
West, J. and M. Bogers (2014), Leveraging External Sources of Innovation: A Review of Research on Open Innovation, Journal of Product Innovation Management, 31(4), 814-831.

상세보기
Zhong, W., W. Yuan, S. X. Li, and Z. Huang (2011), The Performance Evaluation of Regional R&D Investments in China: An Application of DEA Based on the First Official China Economic Census Data, Omega, 39(4), 447-455.

상세보기

저자의 다른 논문 :

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