본 연구는 우리나라 중소기업 R&D 조세지원의 효과성을 분석하고, 중소기업 R&D 활성화를 촉진할 수 있는 조세지원제도 개선방안을 도출하고자 하였다. 이를 위하여 최근 3년간 기업별 조세감면액 자료에 고정효과 모형(Fixed Effect Model)과 확률효과 모형(Random Effect Model), 그리고 패널 음이항모형(Panel Negative Binomial Model)을 적용하여 분석을 수행하였다. 분석 결과, 동일 규모의 재정을 투입하는 경우 R&D 조세감면이 R&D 직접지원에 비해 R&D 투자 제고효과는 5.3배, 연구원 수 증가효과는 4.3배 높은 것으로 나타났다. 지역별로는 비수도권 소재 기업에서 조세감면의 효과가 직접 지원보다 높게 나타났다. 이를 바탕으로 중소기업 R&D 활성화를 위해 창업 중소기업의 미사용 R&D 세액공제액의 세금 포인트 전환, 중소기업의 R&D설비투자 비용에 대한 최저한세 적용 배제, R&D 세액공제 제도의 통합 운영 등의 개선방안을 제시하였다.
본 연구는 우리나라 중소기업 R&D 조세지원의 효과성을 분석하고, 중소기업 R&D 활성화를 촉진할 수 있는 조세지원제도 개선방안을 도출하고자 하였다. 이를 위하여 최근 3년간 기업별 조세감면액 자료에 고정효과 모형(Fixed Effect Model)과 확률효과 모형(Random Effect Model), 그리고 패널 음이항모형(Panel Negative Binomial Model)을 적용하여 분석을 수행하였다. 분석 결과, 동일 규모의 재정을 투입하는 경우 R&D 조세감면이 R&D 직접지원에 비해 R&D 투자 제고효과는 5.3배, 연구원 수 증가효과는 4.3배 높은 것으로 나타났다. 지역별로는 비수도권 소재 기업에서 조세감면의 효과가 직접 지원보다 높게 나타났다. 이를 바탕으로 중소기업 R&D 활성화를 위해 창업 중소기업의 미사용 R&D 세액공제액의 세금 포인트 전환, 중소기업의 R&D설비투자 비용에 대한 최저한세 적용 배제, R&D 세액공제 제도의 통합 운영 등의 개선방안을 제시하였다.
This study aims to analyze the effectiveness of R&D tax credit for SMEs. We surveyed to collect the information on firm's financial statements and R&D tax credit during 2014-2016, and implemented fixed effect model, random effect model and panel negative binomial model. The results show that the eff...
This study aims to analyze the effectiveness of R&D tax credit for SMEs. We surveyed to collect the information on firm's financial statements and R&D tax credit during 2014-2016, and implemented fixed effect model, random effect model and panel negative binomial model. The results show that the effect of R&D tax credit is 5.3 times larger in terms of R&D expenditure and 4.3 times bigger in terms of number of researchers than that of R&D subsidy. In addition, the effect of tax credit on non-metropolitan area companies is higher than that in the metropolitan area. Based on these results, we suggests three ways to improve the R&D tax incentive system for SMEs; To convert unused R&D tax credit of the start-ups to tax points, to exempt the minimum tax rate on R&D expenditure in equipment, and to unify the operation of various R&D tax credit institution.
This study aims to analyze the effectiveness of R&D tax credit for SMEs. We surveyed to collect the information on firm's financial statements and R&D tax credit during 2014-2016, and implemented fixed effect model, random effect model and panel negative binomial model. The results show that the effect of R&D tax credit is 5.3 times larger in terms of R&D expenditure and 4.3 times bigger in terms of number of researchers than that of R&D subsidy. In addition, the effect of tax credit on non-metropolitan area companies is higher than that in the metropolitan area. Based on these results, we suggests three ways to improve the R&D tax incentive system for SMEs; To convert unused R&D tax credit of the start-ups to tax points, to exempt the minimum tax rate on R&D expenditure in equipment, and to unify the operation of various R&D tax credit institution.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 분석에서는 정부 R&D 지원제도의 기업 R&D 투자 증대 효과 뿐 아니라 기업의 연구원 수에 미치는 영향 또한 검증하고자 한다.
본 연구에서는 우리나라의 중소기업 R&D 조세지원제도의 효과성을 분석하고, 이를 바탕으로 중소기업 R&D 활성화를 촉진할 수 있는 세제 개편방안을 도출하고자 하였다.
본 연구에서는 이전 연구의 한계를 극복하기 위하여 가장 최근인 2014∼2016년의 자료를 활용하고 R&D 조세지원제도와 국가연구개발사업을 비교 분석함으로써 선행연구들과의 차별화를 모색하였다.
이를 통하여 정책적 시사점을 도출하고 중소기업 R&D 활성화를 촉진할 수 있는 조세지원제도 개선방안을 모색하는 것이 본 연구의 목표이다.
최근 3년간 기업별 조세감면액 자료를 활용하여 R&D 조세지원제도와 정부 R&D 지원의 영향을 직접적으로 비교 분석하고, R&D투자액에 대한 영향 뿐만 아니라 연구원 수에 미치는 영향과 기업의 소재지별 특성을 함께 분석하고자 한다.
가설 설정
당기순이익률은 매출액 대비 당기순이익의 비율로 기업의 수익이 다음 해에 R&D 투자로 사용된다는 가정 하에 1년 전기 값을 적용하였다.
본 연구에서는 핵심 설명변수인 R&D 조세감면액과 정부로부터의 R&D 지원금, 투자 여력을 나타내는 당기순이익률 등은 시차를 가지고(t-1년도) 그 다음 해(t년도)에 R&D 투자액과 연구원 고용 창출에 영향을 미친다고 가정하여 1년도 전기(lag) 변수를 사용하며, 이 변수들을 식 (1)에서 x2i(t -1)로 표기하였다.
앞선 방법론에서의 단계대로 t-1기의 R&D 조세감면액을 내생적이라고 가정하고 generalized 2SLS 모형으로 추정한 후, 내생성이 없다고 가정하고 Random effect panel data model로 추정하고 이에 대해서 Hausman test를 실시하였다.
이를 모형으로 표현하자면 Fixed effect model에서는 위 식 (2)의 특성변수 ui를 추정해야 할 모수(parameter)로 간주하는 반면, Random effect model에서는 이를 확률변수(random variable)로 가정한다. 식 (2)는 아래의 식 (3)과 같이 쓸 수도 있으며, Fixed effect는 (α + ui)를 패널 개체별 상수항으로 고정된 모수(fixed parameter)로 간주하여 개별 효과에 대한 오차항을 별도로 추정할 필요가 있다.
핵심 설명변수인 R&D 조세감면액과 정부로부터의 R&D 지원금은 1년의 시차를 가지고 그 다음 해에 R&D 투자액과 연구원 고용 창출에 영향을 미친다고 가정하였다.
제안 방법
R&D 조세감면과 R&D 직접지원(국가연구개발사업)으로 인한 기업 R&D 투자액의 증가효과를 비교분석하였다.
R&D 투자액은 R&D 조세감면액에 영향을 미칠 수 있으므로 내생성 검정을 실시하였다.
R&D 활동을 수행하고 있는 중소기업 246개사를 대상으로 실시한 설문조사 결과와 최신 패널자료를 활용하였으며, Fixed Effect Model(고정효과 모형)과 Random Effect Model(확률효과 모형)을 통해 분석을 실시하였다.
기업의 규모를 통제하기 위하여 매출액에 로그를 취한 ln(매출액)을 활용하여 R&D 투자액과 연구원 수에 대하여 동 기간에 영향을 주는 변수로 설정하였다.
기업의 특성에 따른 R&D 지원제도의 영향을 파악하기 위하여 창업기업(업력 7년 미만), 혁신형 기업(벤처기업, 기술혁신형 중소기업, 경영혁신형 중소기업), 제조업, 수도권 여부를 더미변수화 하여 분석 모형에 포함하였다.
마지막으로 기업 소재 지역에 따른 R&D 조세감면 효과를 비교 분석하였다.
본 연구에서는 내생성을 고려하였으며, 기존 연구의 한계점을 극복하기 위한 변수와 방법론을 선정하였다. 최근 3년간 기업별 조세감면액 자료를 활용하여 R&D 조세지원제도와 정부 R&D 지원의 영향을 직접적으로 비교 분석하고, R&D투자액에 대한 영향 뿐만 아니라 연구원 수에 미치는 영향과 기업의 소재지별 특성을 함께 분석하고자 한다.
설명변수는 동 기간에 영향을 주는 변수와 1년의 시차를 가지는 변수로 구분하였다. 당기순이익률은 매출액 대비 당기순이익의 비율로 기업의 수익이 다음 해에 R&D 투자로 사용된다는 가정 하에 1년 전기 값을 적용하였다.
수도권과 비수도권 간 지원제도 효과의 차이가 발생하는지를 확인하기 위하여 기업의 특성을 수도권(서울/경기/인천)과 비수도권으로 구분하여 동일한 분석을 실시하였으며, 분석결과를 에 제시하였다.
연구원 수는 종속변수이기도 하므로, 이를 종업원 수로 나눈 연구원 비율은 R&D 투자액에 대해서만 동 기간에 영향을 미치는 변수로 설정하였다.
효과적인 연구개발 촉진을 위해 서로 다른 형태의 연구개발 지원책을 비교할 필요가 있으며, R&D 투자액뿐만 아니라 연구원 수 증가효과를 함께 확인하여 R&D 조세지원제도가 연구개발 활동에 미치는 영향을 더욱 폭넓게 검증하였으며, 분석 툴로는 STATA를 활용하였다.
대상 데이터
본 연구에서는 중소벤처기업부와 중소기업기술정보진흥원의 협조를 통해 R&D 활동을 수행하고 있는 중소기업 246개사를 대상으로 설문조사를 실시하였다.
본 연구에서는 중소벤처기업부와 중소기업기술정보진흥원의 협조를 통해 R&D 활동을 수행하고 있는 중소기업 246개사를 대상으로 설문조사를 실시하였다. 설문 대상 기업은 2016년도 기준 국내 중소기업의 업종, 업력, 규모의 비율과 대표성 등을 고려하여 선정되었다. 설문조사는 2017년 10월 23일부터 11월 8일까지 이메일 및 팩스 전송을 통해 이루어졌다.
설문 대상 기업은 2016년도 기준 국내 중소기업의 업종, 업력, 규모의 비율과 대표성 등을 고려하여 선정되었다. 설문조사는 2017년 10월 23일부터 11월 8일까지 이메일 및 팩스 전송을 통해 이루어졌다. 이를 통해 2014∼2016년간의 R&D 조세지원규모, 정부로부터의 R&D지원규모, 연구원 수 등의 자료를 확보하였으며, 중소기업기술정보진흥원으로부터 확보한 기업별 재무제표를 함께 분석에 활용하였다.
이를 통해 2014∼2016년간의 R&D 조세지원규모, 정부로부터의 R&D지원규모, 연구원 수 등의 자료를 확보하였으며, 중소기업기술정보진흥원으로부터 확보한 기업별 재무제표를 함께 분석에 활용하였다.
이론/모형
R&D 투자액과 달리 연구원 고용은 R&D 조세감면액에 직접적인 영향을 미치지 않기 때문에 내생성 검정을 별도로 실시할 필요가 없다. 대신 앞서 설명한 바와 같이, 연구원 수가 가산변수이고 과산포가 발생하고 있기 때문에 통상적인 패널모형이 아닌 패널 음이항 모형을 사용하였다.
미래의 사건은 과거에 영향을 미칠 수 없으므로 R&D 조세감면액의 시간적 선행을 설정하여 시스템의 동시적 작동에 의한 내생성을 제거할 수 있지만, 분석의 엄밀성을 위해 추가적인 통계적 검정을 수행할 필요가 있다고 판단하였다. 본 연구에서는 Hausman Test를 통하여 이 문제를 해결하였다(Hausman and Taylor, 1981).
실제 추정을 할 때는 로그우도 함수를 도출하여 이를 최우추정법을 활용하여 모수벡터β와 α를 추정한다.
본 분석에서는 정부 R&D 지원제도의 기업 R&D 투자 증대 효과 뿐 아니라 기업의 연구원 수에 미치는 영향 또한 검증하고자 한다. 이처럼 사용하는 종속변수가 가산자료(count data)인 경우, 포아송(Poisson) 또는 음이항(negative binomial) 모형을 활용하여 추정한다. 이 두 모형은 종속변수가 횟수나 시간 등을 나타내는 이산적인(discrete) 정수의 형태로 표현되는 경우에 일반적으로 널리 사용된다.
패널 음이항 모형 중에서도 Hausman test를 통해 Fixed effect model과 Random effect model중에서 선택해야 하지만, 분석에 사용된 데이터의 특성으로 인해 Fixed effect model이 수렴하지 않기 때문에 Random effect model을 적용하였으며 패널 음이항 모형을 통해 추정한 결과를 에 제시하였다.
167로 나타났다. 패널의 개체특성과 설명변수간의 상관관계가 0이라는 귀무가설을 기각하지 못하였고, 따라서 random effect model을 적용하였다.
R&D 활동을 수행하고 있는 중소기업 246개사를 대상으로 실시한 설문조사 결과와 최신 패널자료를 활용하였으며, Fixed Effect Model(고정효과 모형)과 Random Effect Model(확률효과 모형)을 통해 분석을 실시하였다. 회귀분석 상의 내생성(endogeneity)을 해소하는 모형과 가산자료인 종속변수를 분석하기 위한 패널 음이항모형(Panel Negative Binomial Model)을 함께 활용하였다.
성능/효과
OLS와 도구변수를 사용하여 효과를 분석하였으며, 그 결과 R&D 조세감면 제도의 가격 탄력성이 단기적으로는 0.2∼0.5, 장기적으로는 0.54∼0.79로 나타나 제도의 활용이 실제 기업 R&D 투자를 증가시킨다는 점을 실증하였다.
R&D 조세감면과 정부의 R&D 직접지원을 재정투자 관점에서 비교해 보면 동일한 재원을 투입하였을 때 R&D 조세지원이 R&D 직접지원보다 2.6배 높은 것으로 분석되었다.
R&D 조세감면과 정부의 R&D 직접지원을 재정투자 관점에서 비교해 보면 동일한 재원을 투입하였을 때 조세감면이 R&D 직접지원 대비 R&D투자 제고 효과가 5.3배 높은 것으로 분석되었다.
R&D 조세감면이 기업 R&D 투자액에 미치는 효과를 model 3을 기준으로 해석하면 R&D 조세감면액에 대한 R&D 투자액의 탄력성은 0.053으로 R&D 조세감면을 10% 늘리면 그 다음 해의 R&D 투자액이 0.53% 늘어나는 것으로 분석되었다.
R&D 조세감면이 기업 연구원 고용에 미치는 효과로는 R&D 조세감면액 1억원 당 연구원 수가 0.158명 증가하는 반면, R&D 직접지원액 1억원 당 연구원 수는 0.037명만큼 증가하는 것으로 나타났다.
Random effect와 Fixed effect간의 모형 적합도를 검정하는 방법은 Fixed effect model과 Random effect model을 각각 추정 후에 Hausman test를 실시하여 Cov(X,u) = 0의 귀무가설이 기각되면 Fixed effect model이 적합하고, 귀무가설이 기각되지 못하면 Random effect model이 적합한 것으로 판단할 수 있다.
model 3을 기준으로 계수값(탄력성)이 0.570으로, 기업의 매출액이 전년 대비 10% 늘어나면 기업의 R&D 투자는 5.7% 증가하는 것으로 분석되었다.
그 결과 R&D 조세감면이 기업의 자체 R&D 투자를 증가시키는 효과가 존재했으며 중소기업, 벤처기업, 대기업의 순으로 탄력성이 높게 나타났다.
그 결과 R&D 투자액의 조세지원액 탄력성은 1에 가까워서 장기적인 투자증대 효과를 단언할 수는 없지만 강력한 상관관계가 있음을 실증하였다.
그 결과, 비수도권 소재 중소기업의 경우 조세감면에 대한 R&D 투자가 R&D 직접지원에 대한 R&D 투자보다 효과가 큰 것으로 나타났다.
기업의 규모를 통제하기 위해 사용한 ln(매출액)은 모든 모형에서 유의수준 1% 내에서 유의하게 양의 계수를 가지는 것으로 나타났다. model 5를 기준으로 계수값이 0.
따라서 R&D 조세지원 100만원 당 R&D투자액이 48.3만원 증가하는 것으로 분석되었다.
따라서 R&D 직접지원 100만원 당 R&D투자액은 9.1만 원 증가하는 것으로 분석되었다.
가정이 충족되지 않는 경우 포아송 모형을 사용할 수 없으며(Cameron and Trivedi, 1986), 평균과 분산에 대한 가정이 완화된 음이항 모형을 사용한다. 본 연구의 분석자료의 경우에도 과산포가 발생하기 때문에 포아송 모형보다는 음이항 모형이 적합하다. 음이항 모형의 확률밀도함수는 다음과 같다.
분석결과, R&D 조세감면액을 100만원 늘리면 R&D 투자액이 48.3만원 늘어난 반면 R&D 직접지원액을 100만원 늘리면 R&D 투자액이 9.1만원 늘어나는 것으로 분석되었다.
후속연구
둘째, 조세감면의 효과를 증대하기 위하여 중소기업이 지출하는 R&D 설비투자 비용에 대해서는 최저한세의 적용에서 배제할 필요가 있다.
하지만 이들의 효과성에 대해서는 이론적인 추정이 불가능하기 때문에 앞으로 실증분석을 통해 그 효과를 검증할 필요가 있다. 또한 본 연구는 분석 대상 기업 수와 설문의 한계로 인하여 보다 세분화된 산업분류를 통한 업종별 R&D 투자규모 증가효과 및 R&D 지원제도의 이용횟수 등의 영향을 분석하지는 못하였다는 한계가 존재한다. 향후 연구에서는 앞에서 서술한 부분에 대한 추가적인 검증을 통해 더욱 효과적인 분석을 수행할 수 있을 것으로 기대한다.
미래의 사건은 과거에 영향을 미칠 수 없으므로 R&D 조세감면액의 시간적 선행을 설정하여 시스템의 동시적 작동에 의한 내생성을 제거할 수 있지만, 분석의 엄밀성을 위해 추가적인 통계적 검정을 수행할 필요가 있다고 판단하였다.
본 연구는 향후 중소기업 R&D 조세지원제도의 효율적 운영을 위한 기초자료로 제공될 수 있으며, 궁극적으로 중소기업의 R&D활동 촉진과 기술경쟁력 제고에 기여할 수 있을 것으로 기대한다.
셋째, R&D 세액공제 제도를 통합 운영할 필요가 있다.
앞서 설명한 바와 같이 본 연구에서는 결과에 대한 설명력을 확보하기 위해서 회귀분석 상의 내생성(endogeneity) 문제를 해결할 필요가 있다. 회귀모형에서는 설명변수가 종속변수에 영향을 미치는 인과관계를 가정한다.
첫째, 창업 중소기업의 미사용 R&D 세액공제 금액을 세금 포인트로 전환하는 방안을 검토할 필요가 있다.
단, 상기 개선방안들은 R&D 조세지원제도의 활용도를 제고하는 데에 초점을 두고 있다. 하지만 이들의 효과성에 대해서는 이론적인 추정이 불가능하기 때문에 앞으로 실증분석을 통해 그 효과를 검증할 필요가 있다. 또한 본 연구는 분석 대상 기업 수와 설문의 한계로 인하여 보다 세분화된 산업분류를 통한 업종별 R&D 투자규모 증가효과 및 R&D 지원제도의 이용횟수 등의 영향을 분석하지는 못하였다는 한계가 존재한다.
또한 본 연구는 분석 대상 기업 수와 설문의 한계로 인하여 보다 세분화된 산업분류를 통한 업종별 R&D 투자규모 증가효과 및 R&D 지원제도의 이용횟수 등의 영향을 분석하지는 못하였다는 한계가 존재한다. 향후 연구에서는 앞에서 서술한 부분에 대한 추가적인 검증을 통해 더욱 효과적인 분석을 수행할 수 있을 것으로 기대한다.
질의응답
핵심어
질문
논문에서 추출한 답변
R&D 조세감면이 직접지원에 비해 가지는 장점은 무엇인가?
이를 위하여 최근 3년간 기업별 조세감면액 자료에 고정효과 모형(Fixed Effect Model)과 확률효과 모형(Random Effect Model), 그리고 패널 음이항모형(Panel Negative Binomial Model)을 적용하여 분석을 수행하였다. 분석 결과, 동일 규모의 재정을 투입하는 경우 R&D 조세감면이 R&D 직접지원에 비해 R&D 투자 제고효과는 5.3배, 연구원 수 증가효과는 4.3배 높은 것으로 나타났다. 지역별로는 비수도권 소재 기업에서 조세감면의 효과가 직접 지원보다 높게 나타났다.
R&D 조세지원의 효과성을 분석한 선행연구는 어떻게 구분되는가?
R&D 조세지원의 효과성을 분석한 선행연구는 변수의 설정에 따라 대리변수로 ‘사용자 비용(user cost)’을 활용한 연구, ‘B-지수’를 활용한 연구와 조세감면액을 직접 활용하여 분석한 연구로 구분하여 정리할 수 있다.
기업의 실제 조세감면액을 분석한 결과가 가지는 한계는 무엇인가?
이러한 문제를 해결하기 위해서 기업의 실제 조세감면액을 직접적으로 분석한 연구들도 일부 존재한다(김상헌・손원익, 2006; 원종학・김진수, 2006; 최대승, 2015). 하지만 이들은 2010년 이전 자료를 대상으로 분석하여 최근의 R&D 변화 추이를 제대로 반영하지 못하는 한계가 존재하며, 일부 연구는 내생성 문제를 해결하지 못하고 있다. 송종국・김혁준(2009), 신태영(2004) 등 일부 연구에서만 R&D 조세감면과 R&D 직접지원의 영향을 비교하여 분석하고 있으며, 분석 대상 또한 R&D투자액에 한정하고 있다.
참고문헌 (27)
기획재정부 (각연도), 조세지출예산서, 세종 : 기획재정부.
김상헌.손원익 (2006), "기업의 연구개발에 대한 조세지원의 효과 : 기업별 세액공제 자료를 바탕으로", 공공경제, 11(2): 101-122.
김학수 (2007), "연구개발투자에 대한 조세지원제도의 효과 분석", 서울 : 한국경제연구원.
노민선 (2017), "중소기업 R&D 활성화를 위한 조세지원제도 개선방안", 서울 : 중소기업연구원.
Baghana, R. and Mohnen, P. (2009), "Effectiveness of R&D Tax Incentives in Small and Large Enterprises in Quebec", Small Business Economics, 33(1): 91-107.
Bloom, N., Griffith, R. and Van Reenen, J. (2002), "Do R&D Tax Credits Work? Evidence from a Panel of Countries 1979-1997", Journal of Public Economics, 85(1): 1-31.
Cameron, A. C. and Trivedi, P. K. (1986), "Econometric Models Based on Count data. Comparisons and Applications of Some Estimators and Tests", Journal of applied econometrics, 1(1): 29-53.
Cameron, A. C. and Trivedi, P. K. (2005). Microeconometrics: Methods and Applications, Cambridge university press, 715-743.
Gardner, W., Mulvey, E. P. and Shaw, E. C. (1995), "Regression Analyses of Counts and Rates: Poisson, Overdispersed Poisson, and Negative Binomial Models", Psychological bulletin, 118(3): 392.
Hausman, J. A. and Taylor, W. E. (1981), "Panel Data and Unobservable Individual Effects", Econometrica: Journal of the Econometric Society, 1377-1398.
Kasahara, H., Shimotsu, K. and Suzuki, M. (2014), "Does an R&D Tax Credit Affect R&D Expenditure? The Japanese R&D Tax Credit Reform in 2003", CESifo Working Paper No. 4451.
Koga, T. (2003), "Firm Size and R&D Tax Incentives", Technovation, 23(7): 643-648.
Lokshin, B. and Mohnen, P. (2012), "How Effective are Level-Based R&D Tax Credits? Evidence from the Netherlands", Applied Economics, 44(12): 1527-1538.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.