최근 4차 산업으로의 산업 패러다임의 변화가 이미 시작되었으며, 이러한 4차 산업 시대에 무형 지식재산인 특허의 중요성은 날로 증대되고 있다. 특허의 기술가치평가는 전문가의 의견에 따라서 산정되기 때문에 많은 비용과 시간이 소모되므로 비전문가들의 주관적인 의견에 기인하여 특허의 질적 수준을 판단하게 된다. 따라서 특허의 질적 수준에 대한 객관적이고 합리적인 평가 체계 개발이 필요하다. 본 논문에서는 특허의 가치평가를 기술성, 권리성, 활용성으로 구분하고 베이지안 구조방정식을 사용하여 특허의 정량화되고 객관적인 평가 모델링에 대해 고려하였다. 특히, 한국발명진흥회에서 수집한 자료를 토대로, 직접적으로 측정되기 어려운 질적 성과들을 모형화하고 평가하는데 탁월한 구조방정식과 사전 정보를 활용함으로써 작은 표본 하에서도 안정적인 모형화가 가능한 베이지안 접근법을 함께 적용하여 특허 평가 모형을 개발하였다.
최근 4차 산업으로의 산업 패러다임의 변화가 이미 시작되었으며, 이러한 4차 산업 시대에 무형 지식재산인 특허의 중요성은 날로 증대되고 있다. 특허의 기술가치평가는 전문가의 의견에 따라서 산정되기 때문에 많은 비용과 시간이 소모되므로 비전문가들의 주관적인 의견에 기인하여 특허의 질적 수준을 판단하게 된다. 따라서 특허의 질적 수준에 대한 객관적이고 합리적인 평가 체계 개발이 필요하다. 본 논문에서는 특허의 가치평가를 기술성, 권리성, 활용성으로 구분하고 베이지안 구조방정식을 사용하여 특허의 정량화되고 객관적인 평가 모델링에 대해 고려하였다. 특히, 한국발명진흥회에서 수집한 자료를 토대로, 직접적으로 측정되기 어려운 질적 성과들을 모형화하고 평가하는데 탁월한 구조방정식과 사전 정보를 활용함으로써 작은 표본 하에서도 안정적인 모형화가 가능한 베이지안 접근법을 함께 적용하여 특허 평가 모형을 개발하였다.
Recently, the industrial paradigm shift to the fourth industry has already begun, and the importance of patents as intangible intellectual property in the fourth industry era is increasing day by day. Since the technical valuation of a patent is calculated according to the opinion of experts, it is ...
Recently, the industrial paradigm shift to the fourth industry has already begun, and the importance of patents as intangible intellectual property in the fourth industry era is increasing day by day. Since the technical valuation of a patent is calculated according to the opinion of experts, it is costly and time consuming, and hence, the quality of the patent is judged based on subjective opinions of non-experts. Therefore, it is necessary to develop an objective and rational evaluation system for the qualitative level of patents. In this paper, we classify the valuation of patents into technicality, rights, and usability, and consider the quantitative and objective evaluation modeling of patents using Bayesian structural equation model. In particular, based on the data collected by the Korea Invention Promotion Association, we apply the Bayesian approach, which is capable of stable modeling even under small samples by using prior information, and the structural equation model, which is excellent for modeling and evaluating qualitative performance that is difficult to measure directly, to develop a patent evaluation model.
Recently, the industrial paradigm shift to the fourth industry has already begun, and the importance of patents as intangible intellectual property in the fourth industry era is increasing day by day. Since the technical valuation of a patent is calculated according to the opinion of experts, it is costly and time consuming, and hence, the quality of the patent is judged based on subjective opinions of non-experts. Therefore, it is necessary to develop an objective and rational evaluation system for the qualitative level of patents. In this paper, we classify the valuation of patents into technicality, rights, and usability, and consider the quantitative and objective evaluation modeling of patents using Bayesian structural equation model. In particular, based on the data collected by the Korea Invention Promotion Association, we apply the Bayesian approach, which is capable of stable modeling even under small samples by using prior information, and the structural equation model, which is excellent for modeling and evaluating qualitative performance that is difficult to measure directly, to develop a patent evaluation model.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 베이지안 방법의 특징과 구조방정식의 특성을 함께 내포하는 구조방정식의 베이지안 접근법을 활용하고자 한다. 특히 델파이 전문가 설문조사를 통해 주요 특허의 질적인 평가 관점에서 특허정보의 중요도에 대한 전문가의 의견을 취합하여 이 정보를 토대로, 특허의 평가에 있어서 특허의 정성적 가치를 나타내는 전문가 의견을 베이지안 구조방정식을 통하여 일관되고 객관적인 평가를 하는 특허 평가 모델링을 제시해 보고자 한다.
본 연구에서는 베이지안 방법의 특징과 구조방정식의 특성을 함께 내포하는 구조방정식의 베이지안 접근법을 활용하고자 한다. 특히 델파이 전문가 설문조사를 통해 주요 특허의 질적인 평가 관점에서 특허정보의 중요도에 대한 전문가의 의견을 취합하여 이 정보를 토대로, 특허의 평가에 있어서 특허의 정성적 가치를 나타내는 전문가 의견을 베이지안 구조방정식을 통하여 일관되고 객관적인 평가를 하는 특허 평가 모델링을 제시해 보고자 한다. 2장에서는 연구방법인 전통적인 구조방정식과 구조방정식의 베이지안 접근법을 살펴보고 3장에서는 실제 전문가들의 설문 자료를 토대로 평가 모델링의 결과를 확인한다.
가설 설정
적합된 모형의 베이지안 적합도 지수와 추정된 계수 값을 토대로 평가 항목별 점수를 산정해 보겠다. 2차 요인모형은 내생관측변수는 존재하나 외생관측변수는 존재하지 않는 구조모형이다. 2차 요인모형은 다음과 같이 나타낼 수 있다:
= p). 공분산 기반 구조방정식에서는 외생잠변수와 모형오차, 측정오차에 대한 다변량 정규분포를 가정한다. 이러한 가정을 토대로 베이지안 구조방정식은 잠재변수와 구조모형의 오차, 회귀계수 등 모든 변수를 확률변수로 취급한다.
델파이 기법은 예측하고자 하는 문제에 대하여 전문가들에게 반복 질문하여 의견을 종합하는 하나의 연구방법이다 (Kang, 2008). 이를 토대로 Table 3.1에서 보여지듯이 전문가들이 중요하다고 생각되는 32가지의 평가 항목들에 대하여 상대적 중요도를 확인하고자 하였으며 우선적으로 전자전기IT, 화학바이오 두 가지 기술분야별로 구분하고 권리성, 기술성, 활용성의 3가지 잠재변수를 가정하였다. 32가지 평가 항목들은 델파이 기법을 통하여 5점 척도로 측정된 자료이다.
알고자하는 현상들에 대한 어떤 측정값의 집합을 반응변수 또는 확률변수 Y라고 하면 탐구에 대한 미지의 현상은 f(Y |θ)인 확률 함수로 표현 할 수 있으며 θ는 확률변수의 특성치인 모수 집합이다. 특히 어떤 연구자가 여러 종류의 변수를 관측하고 이 변수들을 사용하여 구조(construct)를 정의한 다음 이 구조들이 어떻게 서로 연관되어 있는가를 연구한다고 가정해보자. 이 때 연구자는 다양한 이론적 모형을 구상할 수 있고 각 이론적 모형의 적합성에 대한 수량화된(quantitative) 가설 검정을 실시하고, 관측된 자료에 대해 가장 적합하다고 판단되는 모형을 찾는 과정을 구조방정식(structural equation modeling; SEM)이라 한다 (Lee, 2007).
제안 방법
본 논문에서는 특허에 대한 평가 항목을 기술분야별로 구분하고 세 가지의 평가 지표 별로 구분하여 평가 항목 중에서 전문가들이 중요하다고 여겨지는 항목들에 대하여 더 높은 점수를 반영 할 수 있게 하였다. 5가지 1차 잠재 요인을 포함하는 모형과 1차 잠재요인이 없는 단일 잠재요인 모형을 각각 적합시켜 베이지안 적합도를 확인하고 추정된 계수를 토대로 평가 점수를 산정하였다.
데이터처리
분석에 활용한 통계 소프트웨어 및 관련함수는 R version 3.3.0에서 blavaan 패키지 (Merkle와 Rosseel, 2015)를 사용하였으며 blavaan 패키지의 blavaan 함수를 사용하였다. burn-out 이후 표집 할 표본의 수를 10,000개로 하였으며 burn-in 되는 표본의 수는 2,000개로 하였다.
이론/모형
MCMC의 수렴성 검토를 위하여 Gelman과 Rubin (1992)이 제시한 potential scale reduction factor(PSRF)를 사용하였다. PSRF는 각 체인의 분산의 평균과 각 체인에서 생성된 모수의 평균들에 대한 분산으로 표현되는 수렴성 판단 지표이다.
32가지 평가 항목들은 델파이 기법을 통하여 5점 척도로 측정된 자료이다. 자료의 갯수는 분야별로 35개이며 이 자료를 토대로 특허 평가 모델링을 위하여 베이지안 구조방정식을 사용하였다.
특허에 대하여 정성적인 평가 기준을 산정하기 위하여 전문가들을 대상으로 델파이(Delphi) 기법을 활용하였다. 델파이 기법은 예측하고자 하는 문제에 대하여 전문가들에게 반복 질문하여 의견을 종합하는 하나의 연구방법이다 (Kang, 2008).
성능/효과
특허 평가 지표 산정을 위한 모형은 출원정보, 심사정보, 등록정보, 특허정보, 심판정보 등 5개의 1차 잠재요인에 큰 틀의 평가 지표인 권리성, 기술성, 활용성이라는 잠재요인이 영향을 준다고 하는 2차 잠재요인 모형과 2차 잠재요인이 존재하지 않고 평가 지표의 잠재요인만 존재하는 단일 잠재요인 모형의 두 가지 모형에 대하여 베이지안 구조방정식에 적합하였다. 또한 전자전기IT, 화학바이오의 2가지 산업별로 평가 항목의 중요도가 다를 수 있기 때문에 기술분야별로도 각각의 평가 지표에 대하여 베이지안 구조방정식에 적합시켜 보았다.
후속연구
특허에 대한 평가는 국가 발전을 위한 중요한 요소이며 연구자들 개개인을 위해서도 매우 중요한 요소이다. 그러므로 특허에 대한 평가를 좀 더 합리적이고 논리적으로 진행하기 위하여 평가 항목들에 대한 정량화에 대한 연구는 앞으로도 지속되어야 할 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
시장접근법이란?
특허와 같이 무형자산에 해당되는 기술 가치 평가는 시장접근법, 수익접근법, 원가접근법으로 구분된다. 시장접근법은 대상기술과 동일 또는 유사한 기술이 활성시장에서 거래된 가치에 근거하여 비교 분석을 통하여 상대적인 가치를 산정하는 방법이며, 수익접근법은 대상기술의 경제적 수명기간 동안 기술사업화로 인해 발생될 경제적 이익을 적정 할인율을 적용하여 현재가치로 환산하는 방법이다. 마지막으로 원가접근법은 대상기술을 개발하는데 투입된 비용을 기초로 기술의 가치를 산정하거나 대체의 경제 원리에 기초를 두고 동일한 경제적 효익을 가지고 있는 기술을 개발하거나 구입하는 원가를 추정하여 가치를 산정하는 방법이다 (Ministry of Commerce, Industry and Energy, 2014).
전문가를 통한 가치평가를 수행하기보다는 특허 담당자의 주관적인 판단에 따라 포기 대상 특허를 선별하는 경우가 많은 이유는?
마지막으로 원가접근법은 대상기술을 개발하는데 투입된 비용을 기초로 기술의 가치를 산정하거나 대체의 경제 원리에 기초를 두고 동일한 경제적 효익을 가지고 있는 기술을 개발하거나 구입하는 원가를 추정하여 가치를 산정하는 방법이다 (Ministry of Commerce, Industry and Energy, 2014). 하지만 기술가치평가는 평가대상기술의 기술성, 권리성, 활용성으로 구분하여 해당 전문가가 기술과 시장 관점의 자료 조사와 분석 후 주관적인 평가 의견을 제시하고, 취합된 전문가 의견에 따라 최종 가치를 산정하기 때문에 상당히 오랜 시간과 많은 비용이 수반된다. 그렇기 때문에 기업들이 포기대상 특허를 선별하기 위해서 전문가를 통한 가치평가를 수행하기보다는 특허 담당자의 주관적인 판단에 따라 포기 대상 특허를 선별하는 경우가 많다.
무형자산에 해당되는 기술 가치 평가는 어떻게 구분되는가?
특허와 같이 무형자산에 해당되는 기술 가치 평가는 시장접근법, 수익접근법, 원가접근법으로 구분된다. 시장접근법은 대상기술과 동일 또는 유사한 기술이 활성시장에서 거래된 가치에 근거하여 비교 분석을 통하여 상대적인 가치를 산정하는 방법이며, 수익접근법은 대상기술의 경제적 수명기간 동안 기술사업화로 인해 발생될 경제적 이익을 적정 할인율을 적용하여 현재가치로 환산하는 방법이다.
참고문헌 (30)
Bentler, P. M. and Chou, C. (1987). Practical issues in structural modeling, Sociological Methods and Re- search, 16, 78-117.
Congdon, P. (2001). Bayesian Statistical Modelling, Wiley, New York.
Fong, T. C. and Ho, R. T. (2015). Dimensionality of the 9-item Utrecht Work Engagement Scale revisited: a Bayesian structural equation modeling approach, Journal of Occupational Health, 57, 353-358.
Ham, H.-B., Lee, Y.-S., and An C.-H. (2004). An assessment system model for game satisfaction degree to establish game development strategy, Journal of Korea Multimedia Society, 7, 1630-1638.
Hutcheson, G. D. and Sofroniou, N. (1999). The Multivariate Social Scientist: An Introduction to Generalized Linear Models, Sage Publications.
Kang, Y. J. (2008). Understanding and application of Delphi technique, Occasional Task Report, 1-17.
Kass, R. E. and Raftery, A. E. (1995). Bayes factors, Journal of the American Statistical Association, 90, 773-795.
Kim, B.-K., Cho, H.-J., and Og, J.-Y. (2011a). A study on the technology commercialization process and performance of public research institutes in Korea using the structural equation model, Journal of Korea Technology Innovation Society, 14, 552-577.
Kim, C.-H., Park, S.-P., and Koh, Y.-H. (2011b). Intellectual property strategy, Korea Invention Promotion Association, 15-19.
Kim, J. G., Moon, T. H., and Sohn, S. Y. (2004). Structural equation model for information technologization success index (ITSI) of small and medium enterprise, IE Interfaces, 17, 338-348.
Kim, M., Jeon, M., Sung, K.-I., and Kim, Y.-J. (2016). Bayesian structural equation modeling for analysis of climate effect on whole crop barley yield, Korean Journal of Applied Statistics, 29, 331-344.
Kline, R. B. (2011). Principles and Practice of Structural Equation Modeling (3rd ed), The Guilford Press, New York.
Korea Institute of Patent Information (2013). Qualitative Evaluation of Patent Utilizing K-PEG Evaluation System, Korea Patent Information Center, Patent Information Promotion Center, Seoul, 1-8.
Korea Institute of Science and Technology Information (2014). Science & Technology Information Analysis for R&D-Value System, Korea Institute of Science and Technology Information Technology Valuation LAB, Daejeon.
Korea Invention Promotion Association (2012). System to Measure, Analyze and Rate patent Technology 3. URL https://smart.kipa.org/kipa2/valmodel/smart process.do?flagVALMODEL INTRO
Korea Invention Promotion Association (2017). Introduction of Patent Analysis Evaluation System Evaluation Model, URL http://smart.kipa.org/.
Lee, S.-Y. (2007). Structural Equation Modeling: A Bayesian Approach, John Wiley & Sons, New York.
Loehlin, J. C. (1992). Latent Variable Models: An Introduction to Factor, Path, and Structural Analysis (2nd ed), Lawrence Erlbaum Associates, New Jersey.
Merkle, E. C. and Rosseel, Y. (2015). blavaan: Bayesian structural equation models via parameter expansion, arXiv preprint arXiv:1511.05604, Retrieved URL https://arxiv.org/abs/1511.05604.
Ministry of Commerce, Industry and Energy (2014). Technical Value Assessment Practical Guide, 27-33.
Muthen, B. and Asparouhov, T. (2012). Bayesian structural equation modeling: a more flexible representation of substantive theory, Psychological Methods, 17, 313-335.
Park, K. B. (2000). Multivariate Analysis, Hakjisa, Seoul.
Plummer, M. (2015). JAGS Version 4.0.0 User Manual.
Schwarz, G. (1978). Estimating the dimension of a model, Annals of Statistics, 2, 461-464.
Shin, H.-M., Kim, T.-H., Jeong, K.-S., and Won, J.-M. (2009). A development of service quality evaluation models for pedestrians in newtown using structural equation modeling - a case of Bundang New Town -. Seoul Studies, 10, 183-196.
Spiegelhalter, D. J., Best, N. G., Carlin, B. P., and van der Linde, A. (2002). Bayesian measures of model complexity and fit, Journal of the Royal Statistical Society, Series B, 64, 583-639.
Vehtari, A., Gelman, A., and Gabry, J. (2015). Loo: Ecient leave-one-out cross-validation and WAIC for Bayesian models. URL https://github.com/jgabry/loo
Yoo, J. B. and Jung, Y. M. (2010). Analysis of factors affecting patent citation, Journal of the Korean Society for Information Management, 27, 103-118.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.