[논문]M-추정을 사용한 국방과학기술 수준조사 기술성장모형의 이상치 제거

김장헌

doi:10.9766/kimst.2020.23.1.076

M-추정을 사용한 국방과학기술 수준조사 기술성장모형의 이상치 제거
Elimination of Outlier from Technology Growth Curve using M-estimator for Defense Science and Technology Survey 원문보기

韓國軍事科學技術學會誌 = Journal of the KIMST, v.23 no.1, 2020년, pp.76 - 86

김장헌 (국방기술품질원 기획조정팀)

Abstract ▼ AI-Helper

Technology growth curve methodology is commonly used in technology forecasting. A technology growth curve represents the paths of product performance in relation to time or investment in R&D. It is a useful tool to compare the technological performances between Korea and advanced nations and to describe the inflection points, the limit of improvement of a technology and their technology innovation strategies, etc. However, the curve fitting to a set of survey data often leads to model mis-specification, biased parameter estimation and incorrect result since data through survey with experts frequently contain outlier in process of curve fitting due to the subjective response characteristics. This paper propose a method to eliminate of outlier from a technology growth curve using M-estimator. The experimental results prove the overall improvement in technology growth curves by several pilot tests using real-data in Defense Science and Technology Survey reports.

주제어

표/그림 (8)

그림 Fig. 1. Growth curve of technology development levels^[1]
그림 Fig. 2. Comparison of defense technology levels using growth curve methodology^[1]
표 Table 1. Case study for technology level survey and evaluation
그림 Fig. 3. Graph of M-estimator with Tukey biweight norm using tuning constant c = 4.685
표 Table 2. Time-series comparison between general Gompertz curve and Gompertz curve with M-estimator using 2010 and 2013 Defense Science and Technology Survey data
그림 Fig. 4. Gompertz curve(‘Red’ color), outlier-removed Gompertz curve(‘Green’ color) by 2010 Defense Science and Technology Survey data and original Gompertz curve in 2013 Defense Science and Technology Survey(‘Black’ color)
표 Table 3. Matching error of entire technology growth curves in 8 major technology categories between general Gompertz method^[1] and proposed method
표 Table. 4. Matching error of technology growth curve per technology unit in the category of command, control and communication category between general Gompertz method^[1] and proposed method

AI 본문요약
AI-Helper

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

문제 정의

따라서 본 연구는 시계열 누적 데이터를 사용한 보정보다는 년도별 전문가 설문 집단의 응답값에서 이상치를 판별하고 처리함으로써 기술성장모형에 기반한 국방과학기술 수준조사 신뢰성을 효율적으로 개선하는데 집중한다. 기술수준 조사 및 평가 시 현재와 몇 년 후에 대한 기술수준 예측치를 묻는 설문에서 몇 개의 표본들이 이상치를 포함하는 경우 유한모집단의 기술수준 응답값은 전체의 성장곡선의 기울기와 시간축의 위상에 영향을 미치는 것으로 가정하고, 이상치 표본의 값을 성장곡선을 도출하는 단계에서 보정하기 위해 오류에 강인한 방법인 M-추정(M-estimator)을 적용한다.
본 연구에서는 민간 및 국방 분야에서 기술성장모형을 사용한 기술수준 및 예측조사의 선행 사례들을 분석하고 추세 분석을 통해 기술전문가 설문조사의 이상치(Outlier)를 판별하고 제거하기 위한 보다 과학적인 의사결정 모형의 필요성을 제시한다. 나아가 국방기술조사의 기술성장모형에 적합한 이상치 처리를 위해 오류에 강인한 M-추정(M-estimator) 방법을 곰페르츠 성장곡선(Gompertz growth curve) 모형에 적용한 새로운 기술성장모형을 제안한다.
국방과학기술조사서 8대 무기체계 분야 및 지휘통제·통신 분야 단위 기술별 기술성장곡선의 정합오차를 오차자승합 및 평균제곱근오차를 사용하여 비교한 결과 대상기술 전체뿐만 아니라 단위 기술별 오차가 전반적으로 개선될 수 있음을 보였다. 하지만,2016년 국방과학기술조사서의 설문값을 활용하여 2013년 국방과학기술조사 성장곡선과의 비교 등 과거 방향으로의 시계열 분석의 경우 다음과 같은 한계점이 있음을 파악하였고 향후 연구과제로 제시하고자 한다.

제안 방법

2013년 국방과학기술 수준조사^[1]는 8대 무기체계 분야 27개 대표 무기체계 기술분류, 314개 핵심기술군과 1,163개 기술을 대상으로 582명의 전문가들을 대상으로 델파이 설문조사를 실시하였다. 1차 설문결과 최빈값, 중앙값, 표준편차 등을 분석한 결과를 배포하여 이를 참고로 1차 설문값을 보완한 다음 2차 설문조사 결과를 분석하였다. 1차 및 2차 설문값의 평균값과 중앙값을 비교하였을 때, 중앙값은 2~4 % 변화가 있는반면, 평균값은 3~8 % 변화를 보였다.
2013년 국방과학기술조사서의 기술성장곡선과 2010년 국방과학기술조사서의 설문값에 대해 제안된 방식으로 이상치를 제거한 기술성장곡선간의 정합성을 기존 곰페르츠 기술성장곡선과 비교한다. 단, 2013년에 신규 도출되어 상호 비교가 제한되거나 및 2010년과 2013년 국방과학기술조사시 대외비로 분류된 기술은 제외하고 국방과학기술조사서 일반본에 공개된 기술들을 대상으로 실증하였다.
본 연구에서는 민간 및 국방 분야에서 기술성장모형을 사용한 기술수준 및 예측조사의 선행 사례들을 분석하고 추세 분석을 통해 기술전문가 설문조사의 이상치(Outlier)를 판별하고 제거하기 위한 보다 과학적인 의사결정 모형의 필요성을 제시한다. 나아가 국방기술조사의 기술성장모형에 적합한 이상치 처리를 위해 오류에 강인한 M-추정(M-estimator) 방법을 곰페르츠 성장곡선(Gompertz growth curve) 모형에 적용한 새로운 기술성장모형을 제안한다. 또한 과거 3년 단위로 수행되었던 국방과학기술조사서의 설문조사 결과를 사용하여 제안된 기술성장모형의 적용 가능성을 실증한다.
현행 국방과학기술조사는 조사 대상 기술이 현재의 시점에서 미래의 시점을 예측하였을 때, 우리나라의 기술이 선진국의 발전 추세대로 향상됨을 전제로 국내 기술수준의 발전 추이 등 경향성을 살펴보는 형태이다. 따라서 현재 국내보다 발전된 기술수준을 보유한 선진국에 대한 상대적 기술수준과 해당 기술이 개발되기까지 걸리는 기간 즉, 현재에서 미래를 바라보는 관점에서만 설문을 수행하였다. 2016년 국방과학기술조사서의 경우 2013년과는 달리 기술성장모형이 아닌 고든 방식을 사용하였기 때문에 2013년의 기술성장곡선과 시계열 정합성을 비교할 수 있도록 현재에서 과거를 예측하는 형태의 설문값이 충분히 확보되지 못하였다.
에서 지휘통제·통신, 감시/정찰, 항공우주, 화력(유도 분야 포함) 등 8대 무기체계 분야 기술 전문가 설문에서 차이가 큰 응답이 존재하는 4개의 국방 핵심기술에서 제안된 방식으로 이상치를 보정한다. 또한 일반적인 곰페르츠 기술성장모형(2013년 국방과학기술조사에 사용된 모형^[1])과 비교하였을 때 국방과학기술조사 결과에서 가장 중요한 기술수준값들의 시계열적으로 부합성은 유지되는지 Table 2와 같이 비교 및 분석하였다. 단, 2013년 기술성장모형을 사용한 국방과학기술 수준조사서는 최고기술 보유국과 국내기술의 기술수준에 대한 성장곡선을 별도로 도출하였기 때문에, 2010년 국내 기술수준대비 최고기술 보유국에 대한 설문 모형에 맞춰 선진국 성장곡선 상에서 도출된 상대적인 국내 기술수준값을 사용하였다.
해당 기관별 책임자 및 간사에게 질의·응답을 통해 모수적 추정인 기술성장모형에서 기술수준에 대한 전문가 판단의 상이함과 전문성에 따라 일부 응답의 불일치성을 보정하고 반복적 합의 과정의 어려움을 극복하여야 할 과제로 식별하였다. 또한, 델파이 기법에 의존하여 이상치를 반복적으로 보정하는 기존 기술성장모형 대신 이상치를 표본으로부터 직접 판별하여 통계적 모형으로 그 영향성을 감소시키는 방안을 중점적으로 연구하였다.
c의 값은 양수로, 값이 작으면 이상치 제거의 효율이 떨어지게 되고, 반면 큰 c의 값의 사용은 효율은 높아지지만 이상점의 영향을 제어하기 힘들어진다. 본 연구에서는 선형 회기분석의 95 % 수준의 점근 효율성(asymptotic efficiency)를 갖도록 c = 4.685를 적용하였다. ρ-함수를 최소화하는 회귀분석은 닫힌 형태의 해석이 존재하지 않는 비선형 최소자승(least square) 문제로 잔차에 대한 함수 ρ의 합이 최소가 될 때까지 반복적으로 계산한다.
연속선상의 값 Y를 추정하기 위해 전문가들의 현재와 몇 년 후에 대한 기술수준 응답값을 표본으로 한 곡선 적합을 수행한다. 시간에 따른 기술수준 변화율은 해당 함수의 1차 미분인 곡선의 기울기이며 표본에 대한 회귀분석(regression)을 통해 추정이 가능하다.
기술수준 조사 및 평가 시 현재와 몇 년 후에 대한 기술수준 예측치를 묻는 설문에서 몇 개의 표본들이 이상치를 포함하는 경우 유한모집단의 기술수준 응답값은 전체의 성장곡선의 기울기와 시간축의 위상에 영향을 미치는 것으로 가정하고, 이상치 표본의 값을 성장곡선을 도출하는 단계에서 보정하기 위해 오류에 강인한 방법인 M-추정(M-estimator)을 적용한다. 이상치의 영향에 둔감한 추정치를 사용하는 M-추정을 기술성장곡선에 적용하고 이를 기존의 방법과 비교하여 그 효과를 분석한다.
해당 기관별 책임자 및 간사에게 질의·응답을 통해 모수적 추정인 기술성장모형에서 기술수준에 대한 전문가 판단의 상이함과 전문성에 따라 일부 응답의 불일치성을 보정하고 반복적 합의 과정의 어려움을 극복하여야 할 과제로 식별하였다.

대상 데이터

2013년 국방과학기술조사서의 기술성장곡선과 2010년 국방과학기술조사서의 설문값에 대해 제안된 방식으로 이상치를 제거한 기술성장곡선간의 정합성을 기존 곰페르츠 기술성장곡선과 비교한다. 단, 2013년에 신규 도출되어 상호 비교가 제한되거나 및 2010년과 2013년 국방과학기술조사시 대외비로 분류된 기술은 제외하고 국방과학기술조사서 일반본에 공개된 기술들을 대상으로 실증하였다.

데이터처리

2010년 분아별 설문값들을 곡선 정합하여 얻어진 기술성장곡선과 이상치를 제거하여 얻어진 기술성장곡선 상에 존재하는 기술수준 값 P와 2013년 국방과학기술조사서의 기술성장 곡선 상의 해당 기술수준 값들 P 와의 오차를 식 (5)와 같이 오차자승합(SSE :Sum of Squared Error) 및 평균제곱근오차(RMSE :Root Mean Squared Error)를 사용하여 산출한다. 오차 자승합은 성장곡선의 정합성의 정확도에 따른 전체적인 오차의 양을 살펴볼 수 있고, 평균제곱근오차는 곡선의 오차의 전반적인 정합 경향성의 우수성을 비교할 수 있는 척도이다.
둘째, 성장곡선의 정합성을 비교 분석하기 위해 S자 형태의 곡선에서 변동성이 큰 구간(즉, 변곡점 구간) 등 관심 있는 구간에 보다 집중하여 오차를 분석할 수 있는 평가 척도가 필요하다. 본 연구는 기술성장곡선의 정합성을 비교하기 위해 생물학과 같은 분야에서 예측된 성장곡선과 실제 생물의 성장에서 시계열 관측치와의 정합성을 비교하기 위해 통용되는 오차자승합 및 평균제곱근오차를 사용하였다^[20,21]. 하지만,변곡점을 중심으로 급격히 변화하는 구간이 존재하는 기술성장곡선의 부분적인 특징을 반영한 비교는 불가능하다는 점에서 보다 신뢰성 있는 평가척도에 대한 추가적인 연구가 필요하다.

이론/모형

국방기술품질원(DTaQ : Defense Agency for Technology and Quality)은2013년 국방과학기술조사서(약칭 ‘국조서’)의 26개 무기체계별 핵심기술군과 세부 소요기술별로 현재 및 5년 후의 ‘선진국 대비 국내 기술수준’을 기술성장모형을 사용하여 비교 및 분석하였다[1].
국토과학기술진흥원(KAIA : Korea Agency for Infrastructure Technology Advancement)은 2010년 ‘건설엔지니어링 분야의 기술수요 및 수준’에서 건설분야 기술역량을 분석하고 기술격차를 진단하는데 기술성장모형을 사용하였다[5].
따라서 본 연구는 시계열 누적 데이터를 사용한 보정보다는 년도별 전문가 설문 집단의 응답값에서 이상치를 판별하고 처리함으로써 기술성장모형에 기반한 국방과학기술 수준조사 신뢰성을 효율적으로 개선하는데 집중한다. 기술수준 조사 및 평가 시 현재와 몇 년 후에 대한 기술수준 예측치를 묻는 설문에서 몇 개의 표본들이 이상치를 포함하는 경우 유한모집단의 기술수준 응답값은 전체의 성장곡선의 기울기와 시간축의 위상에 영향을 미치는 것으로 가정하고, 이상치 표본의 값을 성장곡선을 도출하는 단계에서 보정하기 위해 오류에 강인한 방법인 M-추정(M-estimator)을 적용한다. 이상치의 영향에 둔감한 추정치를 사용하는 M-추정을 기술성장곡선에 적용하고 이를 기존의 방법과 비교하여 그 효과를 분석한다.
본 연구에서는 대칭 함수이고 덜 복잡할 뿐만 아니라 전문가 판단의 전체 경향에 영향을 덜 미치도록 이상치를 극단적으로 감소시키지 않고 평균에서 멀리 떨어진 수직 이상치 등 양끝부분 오류(extreme-part contamination)의 제거에 보다 효율적인 투키 쌍-가중노름(Tukey bi-weight norm) 기반 M-추정을 적용한다. 해당 가중 함수 ρ(r_i)는 Fig.
회귀모형(regression model)의 대표적인 방법인 최소제곱법(least squares model)은 이상치의 영향을 미조절하여 이상치에도 높은 가중치를 주기 때문에 표본이 회귀모형의 가정을 미충족할 경우에는 왜곡된 추정 결과를 초래할 수 있다. 이러한 단점을 보완하기 위해 이상치의 가중치를 줄여 이상치에 민감하지 않은 로버스트(robust) 추정법이 사용된다. 표본수가 많아질수록 적절한 정칙조건(regularity condition)에서 보다 추정량이 좋은 성질을 가질 것으로 기대할 수 있기 때문에 M-추정으로 불리는 점근적인 정규성(asymptotic normality)을 만족하는 최대우도추정법(MLE : Maximum Likelihood Estimation)을 사용한다.
전문가의 기술수준 예측치 응답 중 전체 경향성과 편차가 큰 응답과 같은 이상치가 기술성장 곡선 정합 시 변동을 주는 영향성을 최소화하기 위하여 M-추정을 사용하여 기술성장모형의 이상치를 제거하였다. 2010년 설문 데이터에서 이상치가 제거된 기술성장곡선과 2013년의 국방과학기술조사서 기술성장곡선 데이터를 비교한 결과 이상치 제거의 효과로 시계열로 누적된 데이터간에 부합성을 향상시킬 수 있다는 점을 실증하였다.
이러한 단점을 보완하기 위해 이상치의 가중치를 줄여 이상치에 민감하지 않은 로버스트(robust) 추정법이 사용된다. 표본수가 많아질수록 적절한 정칙조건(regularity condition)에서 보다 추정량이 좋은 성질을 가질 것으로 기대할 수 있기 때문에 M-추정으로 불리는 점근적인 정규성(asymptotic normality)을 만족하는 최대우도추정법(MLE : Maximum Likelihood Estimation)을 사용한다. Huber가 이상치의 영향을 줄이는 가중 함수를 제안한 이래, 많은 연구자들에 의하여 M－추정량의 표본 평균에 대한 효율성과 이를 개선하기 위한 관한 연구^[13-16]들이 있었다.

성능/효과

1차 설문결과 최빈값, 중앙값, 표준편차 등을 분석한 결과를 배포하여 이를 참고로 1차 설문값을 보완한 다음 2차 설문조사 결과를 분석하였다. 1차 및 2차 설문값의 평균값과 중앙값을 비교하였을 때, 중앙값은 2~4 % 변화가 있는반면, 평균값은 3~8 % 변화를 보였다. 이와 같이 중앙값이 평균값보다 더 우수한 중심 위치를 나타내고 있어 정규분포를 가정하는 모형에서의 표본 평균은이상치의 영향을 더 많이 받음을 가늠해 볼 수 있다.
단, 2013년 기술성장모형을 사용한 국방과학기술 수준조사서는 최고기술 보유국과 국내기술의 기술수준에 대한 성장곡선을 별도로 도출하였기 때문에, 2010년 국내 기술수준대비 최고기술 보유국에 대한 설문 모형에 맞춰 선진국 성장곡선 상에서 도출된 상대적인 국내 기술수준값을 사용하였다. 4개의 핵심기술에서 모두 강인한 M-추정 방법으로 이상치를 제거한 곰페르츠 기술성장 곡선에서 도출된 최고 선진국 및 우리나라 기술수준값을 일반적인 곰페르츠 기술성장 곡선에서 추정된 기술수준값에 비해 예상 도달기간을 고려한 2013년 국방과학기술 수준조사 기술성장 곡선의 값과 비교한 결과 오차가 25~40 % 이상 크게 줄어들었으며 시계열 부합성이 향상되었다.
국방과학기술조사서 8대 무기체계 분야 및 지휘통제·통신 분야 단위 기술별 기술성장곡선의 정합오차를 오차자승합 및 평균제곱근오차를 사용하여 비교한 결과 대상기술 전체뿐만 아니라 단위 기술별 오차가 전반적으로 개선될 수 있음을 보였다.
기술성장모형을 통한 동태적 기술수준 조사 및 평가에서 가장 어려운 점은 무엇인지 상기 기관별 책임자 및 간사에게 질의한 결과 ‘전문가 설문에서 불일치성이 클 때 곡선의 변화에 따른 신뢰성 판단이 어렵다’는 점과 ‘전문가 설문에서 불일치성이 클 때 합의에 이르는 과정이 매우 복잡하고 어렵다’는 응답의 빈도가 높았다.
21년이다. 반면 강인한 M-추정을 사용하는 제안 방식을 사용하여 도출된 기술성장곡선은 녹색 실선이며, 최고 선진국의 기술수준은 91.31 %, 국내 기술수준은 80.10 %으로 산출되었다. 이는 2010년 설문값을 국방과학기술 수준조사의 기술성장모형을 사용할 경우 이상치에 의한 영향을 받아 최고 선진국의 기술수준은 다소 과다하게 국내 기술 수준은 과소하게 산출되었음을 의미한다.
본 연구에서는 부처별 연구관리전문기관 및 국방기술품질원의 국가 R&D 및 국방 R&D 분야의 기술예측 및 조사 활동의 선행사례 분석을 통해 기술성장모형의 적용 추세가 줄어들고 고든 모형 등으로 회귀하는 경향이 있음을 보였다.
성장곡선에서 거리가 멀리 떨어진 이상치를 포함한 응답값(적색 ‘X’)이 M-추정을 적용한 제안방식을 사용(녹색‘X’)할 경우 이상치를 보정한 값으로 대체됨으로써 성장곡선에 보다 인접하게 보정됨을 알 수 있다.
86 %로, 2010년 국방과학기술조사 때 전문가설문값을 사용하여 M-추정을 적용한 성장곡선 상의 미국 및 국내 기술수준값이 M-추정을 적용하지 않았을 때보다 상대적으로 오차가 크게 감소하였다. 이는 결과적으로 M-추정을 적용하여 이상치의 영향을 배제하였을 때 성장곡선의 시계열 일치성이 일반적인 곰페르츠 모형을 사용한 성장곡선에 비해 향상될 수 있다는 것을 의미한다. 특히 8대 무기체계 전체에서 오차의 가감이 전반적인 경향성에서 크게 벗어나는 경우가 없으므로 기술성장모형 기반의 국방과학기술조사 실무에도 적용이 가능할 것으로 판단된다.
Table 3은 기타 분야를 제외한 8대 무기체계 분야별 기술성장곡선을 제안된 방식으로 이상치를 제거한 단위 기술들의 성장곡선을 기존 곰페르츠 기술성장곡선과 비교하였을 때의 오차자승합 및 평균제곱근오차이다. 제안방식을 사용하는 경우 대상기술 분야별 전체적으로 오차자승합은 평균 5.2~6.4 % 감소하고, 평균 제곱근오차도 평균 약 0.3 % 이상 감소하는 효과가 있다.
1차 설문대비 10 % 이상 응답값의 변화를 보이는 표본을 포함하는 기술 수는 총 34개이며 5 % 이상은 197개이다. 즉, 전체 기술의 평균에서 멀리 떨어진 수직 이상치을 포함하는 표본 및 이상치의 영향을 포함하는 표본의 비율은 약 3 % 및 17 % 정도이다. 특히 전체의 경향성에서 벗어난 수직 이상치는 추정값의 오류를 만들 뿐만 아니라 합의도 지수에 영향을 미치므로 이를 효율적이고 보다 간편한 프로세스로 줄일 수 있다면 기술조사 및 예측에 있어서 매우 중요한 개선사항이 될 수 있다.

후속연구

단위 기술별 오차의 경향성을 볼 때, 설문자의 응답값에 따라 차이는 다소 있지만 오차가 증감하는 경향성 및 개선량은 Table 3의 기술 분야별 평균 오차에서의 개선량과 비슷한 수준을 보여준다. 따라서 전문가 설문 응답값에서 M-추정을 사용하여 이상치를 제거하는 제안방식을 기존의 기술성장곡선 대신 국방과학기술조사에 적용할 경우, 분야별 기술수준뿐만 아니라 단위 기술별의 성장곡선의 정합성을향상시키고 합의안 도출과 같은 과정이 없더라도 결과의 일관성을 확보하는데 활용할 수 있을 것으로 판단된다.
나아가 국방기술조사의 기술성장모형에 적합한 이상치 처리를 위해 오류에 강인한 M-추정(M-estimator) 방법을 곰페르츠 성장곡선(Gompertz growth curve) 모형에 적용한 새로운 기술성장모형을 제안한다. 또한 과거 3년 단위로 수행되었던 국방과학기술조사서의 설문조사 결과를 사용하여 제안된 기술성장모형의 적용 가능성을 실증한다.
성장곡선에서 거리가 멀리 떨어진 이상치를 포함한 응답값(적색 ‘X’)이 M-추정을 적용한 제안방식을 사용(녹색‘X’)할 경우 이상치를 보정한 값으로 대체됨으로써 성장곡선에 보다 인접하게 보정됨을 알 수 있다. 또한 해당 성장곡선을 2013년 국방과학기술조사서 설문값의 기술성장 곡선(검정색 점선)과 비교해보더라도 이상치를 보정한 곡선과 보다 인접하므로 시계열상으로 반복 조사되는 국방과학기술 수준조사의 신뢰성 향상에 기여할 수 있다. 2010년 전문가 설문 응답값을 일반적인 곰페르츠 기술성장모형으로 기술성장곡선을 도출한 결과는 적색 점선으로 표시하였고, 최고선진국인 미국의 기술수준은 91.
이는 결과적으로 M-추정을 적용하여 이상치의 영향을 배제하였을 때 성장곡선의 시계열 일치성이 일반적인 곰페르츠 모형을 사용한 성장곡선에 비해 향상될 수 있다는 것을 의미한다. 특히 8대 무기체계 전체에서 오차의 가감이 전반적인 경향성에서 크게 벗어나는 경우가 없으므로 기술성장모형 기반의 국방과학기술조사 실무에도 적용이 가능할 것으로 판단된다.
본 연구는 기술성장곡선의 정합성을 비교하기 위해 생물학과 같은 분야에서 예측된 성장곡선과 실제 생물의 성장에서 시계열 관측치와의 정합성을 비교하기 위해 통용되는 오차자승합 및 평균제곱근오차를 사용하였다^[20,21]. 하지만,변곡점을 중심으로 급격히 변화하는 구간이 존재하는 기술성장곡선의 부분적인 특징을 반영한 비교는 불가능하다는 점에서 보다 신뢰성 있는 평가척도에 대한 추가적인 연구가 필요하다.
향후 기술성장모형을 사용하여 국방과학기술조사를 수행할 경우에는 이상치 보정에 대한 시계열 정합성을 현재에서 과거의 방향으로도 살펴볼 수 있도록 “기존 국방과학기술조사 년도에서 해당 기술의 최고 선진국을 100으로 하였을 때 대비 국내 기술수준 값은?

질의응답

핵심어	질문	논문에서 추출한 답변
	기술성장모형의 이점은?	기술성장모형(technology growth curve methodology)은 기술조사를 수행하는 시점에서의 단편적인 기술수준뿐만 아니라 의사결정에 필요한 시계열 변화 추이 등보다 동태적이고 많은 정보를 제공해 줄 수 있다는 점에서 이점이 많다. 하지만 모수적 추정(parametric estimation)을 기반으로 하는 모형이므로 기술전문가들의 기술수준 예측치 설문값의 편차가 클 경우, 다른 전문가의 응답치와 함께 결정되는 성장 곡선에 큰 영향을 미칠 수밖에 없다.
	기술성장모형의 한계점은?	기술성장모형(technology growth curve methodology)은 기술조사를 수행하는 시점에서의 단편적인 기술수준뿐만 아니라 의사결정에 필요한 시계열 변화 추이 등보다 동태적이고 많은 정보를 제공해 줄 수 있다는 점에서 이점이 많다. 하지만 모수적 추정(parametric estimation)을 기반으로 하는 모형이므로 기술전문가들의 기술수준 예측치 설문값의 편차가 클 경우, 다른 전문가의 응답치와 함께 결정되는 성장 곡선에 큰 영향을 미칠 수밖에 없다. 기술수준에 대한 전문가의 주관적 판단 및 전문성 차이에 따른 일부 응답의 불일치성을 보정하기 위한 합의안 도출의 어려움과 모형의 복잡성으로 인해 최근 사용빈도가 줄어들고 있는 추세이다.
	기술수준 격차를 분석하는 방법은 어떻게 나뉘는가?	우리나라에서 사용되는 기술수준 조사 및 평가 방법의 대부분은 세계최고기술 보유국 또는 선진기술보유국을 비교대상으로 하는 상대국 기술수준과의 격차 분석이다. 기술수준 격차는 델파이(Delphi)와 같은 전문가 설문조사를 통해 수집된 각 국가의 상대적인 기술수준 결과를 통계적 처리를 통해 계량화하거나,시계열에서 기술의 성장이 주어진 수리모형을 따른다고 가정하고 상대적 기술격차를 시계열로 예측하는 동태적 방법으로 나뉜다. 현시점의 기술수준을 계량화할 때는 기술모수 및 기능모수를 그룹화하고 해당 요인들의 상대적 중요도를 감안하여 가중치를 곱하는 고든 모형(Gordon methodology)[2]을 활용하는 경우가 많다.

참고문헌 (21)

Kyung-Jin P., Yu-Ha S., Jae-Won C., Jae-Yong J. Heon S., Ho-Kyun L., Hyo-Seong K, Jin-Woo K., Hyun-Jin K., Young-Bin P., Ji-Eun Lee, "2013 Defense Science and Technology Survey," Defense Agency for Tehcnology and Quality, 2013.
Glenn, J. C. and Gordon, T. J., eds. "Futures Research Methodology," AC/UNU Millennium Project, Washington, D.C. 20016-4055, 2003.
Byeong-Soo K. Keun-Ha C., Seong-Koo, H., Sang- Sun N., Soon-Chun B., Byung-Yong H., Kwang-Hee C., Hyun L., Ki-Ha H., Seok-Ho S., Min-Kyu H., Jong-Min H., Ji-Yeon R., Ji-Hyun K., Kyung-Mi S., "A Study on the Dynamic Method of Estimating Technology Levels Based on the Technology Growth Model," Research Report 2010-23, Korea Institute of S&T Evaluation and Planning, 2009.
Hyun L., Han-Lim C., Young-Ki K., Seok-Ho S., Byeong-Soo K. Hae-Young Y., Jong-Min H., Keun- Ha J., Eun-Jeong K., Kwang-Hee C., Kyung-Hwan L., "2010 Evaluation of National Key R&D Program Performance(95 Key Technologies)," Ministry of Educational Science and Technology and Korea Institute of S&T Evaluation and Planning, 2011.
Byeong-Soo Kim, "Pilot Build of Technology Demands & Level Estimation of the Construction Engineering Field," The Korea Institute of Construction and Transportation Technology Evaluation and Planning, 2010.
Dae-Kwon K., Yong-Woong C., Soo-Jeong P., Mee J., Seok-Chul H., Yul S., Seong-Young K., Kyung- Min L., Myung-Chul S., Sang-Won L., Hyun-Chul K., Chul-Haeng L., Sa-Ra J., Mi-Kyung K., Yong- Jae W., Ki-Keon L., "Technology Level Survey of Health Industry," Ministry of Health and Welfare and Korea Health Industry Development Institute, 2011.
Byeong-Soo Kim, "Analysis of National Transportation Technology Level," Ministry of Land, Infrastructure, and Transport Korea and Agency for Infrastructure Technology Advancement, 2015.
Bong-Yoon H., Ho-Hyun L., Seung-Hei N., Hyun- Kyu K., Hee-Myung R., Youg-Kyu Y., Yong-Joon P., Myung-Hee H., Yu-Ha S., Il-Woong Y., "2016 Defense Science and Technology Survey," Defense Agency for Technology and Quality, 2016.
Young-Chan L., Hyun-Chul K., Myeong-Sun L., Yong-Woong J., Kwan-Yong L., An-Na J., Tae-Woo K., Da-Joon J., "Technology Level Survey of Health -care Industry," Ministry of Health and Welfare and Korea Health Industry Development Institute, 2016.
Joo-Seok P., Young-Hyun K., Chi-Hyuck J., Jae-Hwan L., Seung-Pyo H., Hyung-Don M., "Re-estimation of Model Parameters in Growth Curves When Adjusting Market Potential and Time of Maximum Sales," IE interfaces 16(1), Korean Institute Of Industrial Engineers, pp. 103-110, 2003.
Charles V. T, Hsin-Ying W., "An Evaluation of the Time-varing Extended Logistic, Simple Logistic and Gompertz Model for Short Product Lifecycle," Advanced Engineering Informatics 22, pp. 421-430, 2008.

상세보기
Ashish S., Gareth M. J., Gerard J. T., Ji Z., “Predicting the Path of Technological Innovation : SAW vs. Moore, Bass, Gompertz and Kryder,” Marketing Science, Vol. 31, No. 6, pp. 964-979, 2012.

상세보기
Fox. J. and Sanford W., "Robust Regression," An R and S-Plus Companion to Applied Regression, 91, pp. 1-16, 2002.
Muthukrishnan R., Radha M., “M-estimators in Regression Models,” Journal of Mathematics Research, Vol. 2, No. 4, pp. 23-27, 2007.
Chun Y., Weixin Y., "Robust Linear Regression : A Review and Comparison," Communications in Statistics Simulation and Computation, Vol. 46, No. 8, pp. 6261-6282, 2017.

상세보기
Man-Sik P., “An Alternative Robust Estimator in Linear Regression Models,” Journal of Korea Data Analysis Society, Vol. 11, No. 4, pp. 2265-2276, 2009.
Ricardo A. M., R. Douglas M., Victor J. Y., Matias S., "Robust Statistics: Theory and Methods (with R), 2nd Edition," Wiley Series in Probability and Statistics, WILEY, ISBN: 978-1-119-21468-7, Jan. 2019.
Jang-Heon K., Sikora T., "Hybrid Recursive Energy -based Method for Robust Optical Flow on Large Motion Fields," IEEE International Conference on Image Processing 2005, Genova, pp. I-129. 2010.
Kyung-Jin P., Chan-Young S., Yong-Han K., Young -Soo P., Hee-Sung L., Young-Joo L., Soo-Young, J. Kook-Hyun K., Young-Chul J., Young-Seok, H., Hyung-Mook C., Chun-Shin P., Jin-Woo K., Jang- Heon K., Chang-Ha C., Sun-Hun L., Young-Hwan L., Chun-Soo P., Seong-Dae H., Seung P., Hee- Joon L., Ki-Hong C., Yu-Ha S., Dan A., Moon- Seup K., "2010 Defense Science and Technology Survey," Defense Agency for Tehcnology and Quality, 2010.
Jhony T. T., "Comparing Non-linear Mathematical Models to Describe Growth of Different Animals," Acta Scientiarum, Animal Sciences, 39(1), pp. 73-81, 2017.

상세보기
Trahan, E., "An Evaluation of Growth Models as Predictive Tools for Estimates at Completion(EAC)," AFIT/GFA/ENC/09-01, Air Force Institute of Technology, Wright-Patterson AFB, Ohio, 2009.

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