선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구에서는 기술신용평가기관이 중소기업의 기술등급(T등급)을 산출하는데 사용 하는 기술력 평가모형을 이용하여 중소기업의 활동성을 판별하는데 적용해 보고자 한다. 기술력 평가모형은 기업을 기술성, 사업성, 시장성의 관점에서 평가하며 연역적인 방법으로 구성되었다는 점에서 귀납적 방법을 통해 구성된 신용평가모형과는 차이점이 있다.
- 따라서 ‘미래 진보성’을 기반으로 한 기술력 평가항목이 지원기업의 고활동성 여부를 판별하는데 유의한 지표인지 확인함으로써 기술력 평가모형의 적정성 및 예측력을 검증하는 것이 본 연구의 목표 중 하나이다.
- 이처럼 중소기업 지원정책의 효과에 대한 분석은 국내ㆍ외에서 다양한 방법으로 시도 되었으며, 분석 결과 지원정책은 기업의 재무성과에 유의한 정(+)의 영향을 미친다는 결론이 대부분이다. 본 연구도 이와 같은 큰 틀 안에서 중소기업의 신용대출 접근성 개선을 위해 확대ㆍ개편된 기술금융이 향후 지원기업의 재무성과에 긍정적인 영향을 미친다는 것을 전제한 후 진행되었다. 따라서 ‘미래 진보성’을 기반으로 한 기술력 평가항목이 지원기업의 고활동성 여부를 판별하는데 유의한 지표인지 확인함으로써 기술력 평가모형의 적정성 및 예측력을 검증하는 것이 본 연구의 목표 중 하나이다.
- 본 연구는 기술금융에 사용되는 기술력 평가항목을 이용하여 지원기업의 미래 고활동성 여부를 판별하는데 목적이 있다. 기술력 평가를 통해 산출되는 기술등급(T등급)은 T1-T10 등급이며, 이 중 T1-T6 등급의 기술력을 보유한 기업만이 기술금융 대상기업 으로 분류된다.
- 선행연구에서는 기업의 활동성 지표로 총자산회전율, 매출채권회전율, 재고자산회전율 등을 사용하였으며, 이를 참고하여 본 연구에서는 기술금융 지원기업의 총자산회전율을 기준으로 고활동성 중소기업 여부를 판단하였다. 본 연구에서 총자산회전율만을 분석 변수로 이용한 것은 첫째, 정보의 제약으로 인해 매출채권회전율과 재고자산회전율을 수집할 수 없었고, 둘째, 기술금융 신청 시 기업이 제출한 자금용도에서도 시설자금이 약 46%를 차지4)하는 만큼 기술금융을 통한 설비투자의 효율적 사용을 확인하기 위해서이다. 분석에 사용된 총자산회전율은 매출액을 기초와 기말의 평균 자산총계로 나눈 값을 사용하였으며, 이상치(Outlier) 제거에는 사분범위(Interquartile range: IQR)를 사용하여 Q1 - 1.
- 본 연구는 기업자원의 효율적 활용을 바탕으로 지속적인 성장과 안정적인 생존을 가늠하는 지표로 사용이 가능한 활동성 비율(총자산회전율)에 대한 기술력 평가항목의 판별력을 검증하였다. 이는 ‘미래 진보성’ 중심의 기술력 평가모형의 적정성 및 예측력을 확인한다는 의미가 있으며, 고활동성 중소기업 여부를 결정하는 중요 평가항목의 도출을 통해 업종별ㆍ업력별 활동성 중심의 중소기업 지원정책 수립, 성과추적 등 정책적 활용도 가능할 것이다.
제안 방법
- 이 때, 활동성 지표인 총자산회전율은 업종과 업력에 따라 상이할 수 있음을 감안하여, 제 10차 표준산업분류 중분류를 기준으로 C10-C34 산업을 제조업군으로 그 외 산업을 非제조업군으로 구분하였으며, 중소기업창업 지원법과 통계청의 창업기업실태조사를 참고하여 업력 7년을 기준으로 창업기업군과 非창업기업군을 구분하여 분석에 사용함으로써 업종별⋅업력별 고활동성 기업을 판별하는 중요 평가항목의 선별과 해석이 가능하도록 하였다.
- 선행연구에서는 기업의 활동성 지표로 총자산회전율, 매출채권회전율, 재고자산회전율 등을 사용하였으며, 이를 참고하여 본 연구에서는 기술금융 지원기업의 총자산회전율을 기준으로 고활동성 중소기업 여부를 판단하였다. 본 연구에서 총자산회전율만을 분석 변수로 이용한 것은 첫째, 정보의 제약으로 인해 매출채권회전율과 재고자산회전율을 수집할 수 없었고, 둘째, 기술금융 신청 시 기업이 제출한 자금용도에서도 시설자금이 약 46%를 차지4)하는 만큼 기술금융을 통한 설비투자의 효율적 사용을 확인하기 위해서이다.
- 기술력 평가항목을 이용한 고활동성 중소기업 판별에는 기계학습 기법 중 의사결정나무(Decision tree) 모형을 사용하였다. 앞서 언급한 바와 같이 본 연구에 사용된 기술력 평가항목은 4개 기술신용평가기관이 공통적으로 사용하는 평가항목을 선별하여 분석에 사용하였다. 따라서 평가기관별로 일정부분 이질적인 평가모형을 결합함으로 인해 분석 자료의 선형성을 담보할 수 없었고, 이를 해결하기 위해 비모수적 방법인 의사결정나무를 사용하였다.
- 의사결정나무는 분석 자료에 대한 가정(선형성, 정규성, 등분산성)이 필요하지 않으며, 이상치와 결측치(Missing value)에 민감하지 않다는 장점이 있다. 본 연구에 사용된 C5.0은 의사결정나무 모형 중 하나로 분류의 정확도가 높은 모형으로 분류 되며, 목표변수(고활동성 중소기업 여부)에 대한 분류와 예측을 나무형식으로 도식화하여 수행한다. 이때, 측정되는 엔트로피(Entropy)는 데이터의 무질서 정도를 의미하며, 뿌리마디에서 자식마디로 의사결정이 진행될수록 데이터의 무질서 정도가 감소하게 된다.
- 이 때, 모형의 정확성은 오분류표를 통해 확인하고, 모형의 안정성은 누적이익곡선(Cumulative gains curve)을 통해 확인하였다.
- 또한 판별력 검증과 더불어 업종별⋅업력별 평가항목의 상대적 중요도를 산출하여 업종별 ⋅업력별 시사점을 도출할 수 있도록 하였다.
- 분석에 앞서 데이터를 훈련(60%), 테스트(20%), 확인(20%)으로 구분한 뒤, 훈련 데이터를 통해 판별모형을 작성한 후 테스트와 확인 데이터에 적용하는 방식을 통해 총 세 번에 걸친 판별모형의 정확성과 안정성 확인을 수행하였다. 이 때, 모형의 정확성은 오분류표를 통해 확인하고, 모형의 안정성은 누적이익곡선(Cumulative gains curve)을 통해 확인하였다.
- 본 연구는 2014년-2015년 기술력 평가를 통해 기술금융 지원을 받은 기업 중 2016년 -2018년 3개년 중 2개년 이상 총자산회전율을 확인할 수 있는 8,913개 기업을 대상으로 진행하였다. 이 때, 업종별(제조업군/非제조업군: 표준산업분류코드 기준)ㆍ업력별(창업 기업군/非창업기업군: 업력 7년 기준)로 분석 대상을 구분하여 업종과 업력에 따른 중요 평가항목의 도출과 해석이 가능하도록 하였다. 판별모형 작성에는 의사결정나무 모형 중 C5.
- 이 때, 업종별(제조업군/非제조업군: 표준산업분류코드 기준)ㆍ업력별(창업 기업군/非창업기업군: 업력 7년 기준)로 분석 대상을 구분하여 업종과 업력에 따른 중요 평가항목의 도출과 해석이 가능하도록 하였다. 판별모형 작성에는 의사결정나무 모형 중 C5.0기법을 적용하였으며, 오버 샘플링 기법을 통해 데이터 불균형을 조정한 후, 특성 선택을 통해 영향력이 큰 평가항목을 선별하여 판별모형을 작성하였다. 모형의 판별력 검증 결과 업종별ㆍ업력별 모든 모형에서 99% 이상의 분류정확도를 보였으며, 훈련, 테스트, 확인 데이터 모두에서 모형이 안정적임을 확인하였다.
- 분석 결과에 대해서는 업종별ㆍ업력별로 일관된 (+)방향성을 갖는 평가항목을 중심으로 해석하였다. 업종 및 업력과 무관하게 경영진 역량(경영진 전문성, 자본참여도), 제품화 역량(자금조달능력)은 고활동성 중소기업 여부와 일관된 (+)의 관계를 갖는 중요변수로 확인되었다.
대상 데이터
- 기술력 평가를 통해 산출되는 기술등급(T등급)은 T1-T10 등급이며, 이 중 T1-T6 등급의 기술력을 보유한 기업만이 기술금융 대상기업 으로 분류된다. 따라서 2014년-2015년 기술력 평가를 통해 기술금융 지원을 받고, 2016 년-2018년 3개년 중 2개년 이상 활동성(총자산회전율) 관련 자료를 확인할 수 있는 기업을 대상으로 분석을 진행하였다. 즉, 기술력 평가시점과 총자산회전율 간 시차(Time lag)는 최소 1년에서 최대 3년이다.
- 따라서 분석기간인 2014년-2015년 4개 기술신용평가기관이 공통적으로 사용하는 19개 소 항목을 선별하여 분석에 사용하였으며, 각 소항목의 평가기준과 주요 평가요인은 와 같다.
- 본 연구는 2014년-2015년 기술력 평가를 통해 기술금융 지원을 받은 기업 중 2016년 -2018년 3개년 중 2개년 이상 총자산회전율을 확인할 수 있는 8,913개 기업을 대상으로 진행하였다. 이 때, 업종별(제조업군/非제조업군: 표준산업분류코드 기준)ㆍ업력별(창업 기업군/非창업기업군: 업력 7년 기준)로 분석 대상을 구분하여 업종과 업력에 따른 중요 평가항목의 도출과 해석이 가능하도록 하였다.
데이터처리
- 마지막으로 정지규칙의 레코드 수는 2로 설정하고 전역가지치기를 적용하여 모형이 간결성과 일반성을 유지할 수 있도록 하였으며, 통계분석에는 ‘SPSS Modeler’를 사용하였다.
- 판별력 분석에 앞서 최소 변동계수(Coefficient of variation), 최소 표준편차(Standard deviation), 유의수준 0.05 기준의 피어슨(Pearson) 상관계수를 이용하여 특성 선택(Feature selection)을 수행하였으며, 이를 통해 영향력이 큰 평가항목만을 선별하였다. 그 결과 19 개 평가항목 중 제조업 창업기업군의 경우 17개 평가항목이, 제조업 非창업기업군은 15 개 평가항목이, 非제조업 非창업기업군은 11개 평가항목이 판별력 분석모형에 사용되었 다.
이론/모형
- 마지막으로 고활동성 중소기업을 판별하는데 사용되는 기술력 평가항목은 분석기간인 2014년-2015년 기술신용평가기관으로 지정ㆍ운영된 4개 기술신용평가기관(기술보증 기금, 한국기업데이터, NICE 평가정보, 이크레더블)의 평가항목을 사용하였다. 기술력 평가항목은 대항목 2개와 중항목 8개의 경우 모든 기술신용평가기관이 공통적으로 사용 하지만 중항목을 구성하는 하위 소항목은 평가기관별로 일정부분 자율성이 보장된다.
- 기술력 평가항목을 이용한 고활동성 중소기업 판별에는 기계학습 기법 중 의사결정나무(Decision tree) 모형을 사용하였다. 앞서 언급한 바와 같이 본 연구에 사용된 기술력 평가항목은 4개 기술신용평가기관이 공통적으로 사용하는 평가항목을 선별하여 분석에 사용하였다.
- 앞서 언급한 바와 같이 본 연구에 사용된 기술력 평가항목은 4개 기술신용평가기관이 공통적으로 사용하는 평가항목을 선별하여 분석에 사용하였다. 따라서 평가기관별로 일정부분 이질적인 평가모형을 결합함으로 인해 분석 자료의 선형성을 담보할 수 없었고, 이를 해결하기 위해 비모수적 방법인 의사결정나무를 사용하였다. 의사결정나무는 분석 자료에 대한 가정(선형성, 정규성, 등분산성)이 필요하지 않으며, 이상치와 결측치(Missing value)에 민감하지 않다는 장점이 있다.
- 이러한 데이터 불균형 상태를 해결하지 않은 채 기계학습 기법을 적용할 경우 분석 결과는 과잉적합위험(Risk of over fitting)과 과소적합위험(Risk of under fitting)에 노출되게 되어 모형의 정확성과 안정성을 담보할 수 없게 된다. 본 연구에서는 이러한 데이터 불균형을 해결하기 위해 소수 군집(고활동성 중소기업)의 데이터를 다수 군집(일반 중소기업)의 수만큼 중복 발생시키는 오버샘플링(Over sampling)기법을 적용하였다. 이러한 오버샘플링 기법은 언더 샘플링(Under sampling) 기법에 비해 데이터의 손실이 적으며 자료구성비가 1:5를 초과할 경우 효과적이고, 특히 예측에 대한 민감도가 우수하다는 장점이 있어 본 연구에 적용하였다.
성능/효과
- 우선 지원을 받은 중소기업의 성과를 분석 한 윤창훈(2005, 2006)의 연구가 있다. 중소기업 지원정책의 효과를 분석한 결과 단기적으로는 기업의 재무 안정성이 저해되지만 장기적으로는 성장성, 수익성, 안정성이 개선 되며, 3년 연속으로 지원을 받은 중소기업의 경우 수익성, 안정성, 활동성, 생산성이 유의하게 개선된다는 결론이 도출되었다. 중소기업청 지원기업을 분석한 노현섭ㆍ김정찬 (2007)의 연구 결과 역시, 지원정책 전ㆍ후 레버리지비율과 활동성 비율(총자산회전율, 재고자산회전율)에 유의한 차이가 있음을 밝혀 지원정책의 효과성을 주장하였으며, 채광기 외(2011)의 연구에서도 중소기업진흥공단의 정책자금 지원이 수혜기업의 성장성, 수익성, 안정성, 활동성에 유의한 정(+)의 효과를 미치며, 운영자금보다 시설자금의 효과가 크다는 것을 입증하였다.
- 누적이익곡선은 이익곡선(Gains curve)을 누적한 그래프로 예측선이 기준선 이하로 내려가는 역전현상이 발생할 경우 판별력이 불안정적이며 과잉적합위험이나 과소적합위험에 노출되었음을 의미한다 따라서 작성된 판별모형이 훈련, 테스트, 확인 데이터 모두에서 역전현상이 발생하는지를 확인하여 모형의 안정성을 검증하였다.
- 본 연구에서는 이러한 데이터 불균형을 해결하기 위해 소수 군집(고활동성 중소기업)의 데이터를 다수 군집(일반 중소기업)의 수만큼 중복 발생시키는 오버샘플링(Over sampling)기법을 적용하였다. 이러한 오버샘플링 기법은 언더 샘플링(Under sampling) 기법에 비해 데이터의 손실이 적으며 자료구성비가 1:5를 초과할 경우 효과적이고, 특히 예측에 대한 민감도가 우수하다는 장점이 있어 본 연구에 적용하였다.
- 기술력 평가항목을 이용하여 고활동성 중소기업을 판별한 결과 모형의 판별력은 제조업 창업기업군(99.89%), 제조업 非창업기업군(99.79%), 非제조업 非창업기업 (99.27%)로 매우 높은 수준의 정확도를 보였다.
- 05 기준의 피어슨(Pearson) 상관계수를 이용하여 특성 선택(Feature selection)을 수행하였으며, 이를 통해 영향력이 큰 평가항목만을 선별하였다. 그 결과 19 개 평가항목 중 제조업 창업기업군의 경우 17개 평가항목이, 제조업 非창업기업군은 15 개 평가항목이, 非제조업 非창업기업군은 11개 평가항목이 판별력 분석모형에 사용되었 다. 기술통계에서 알 수 있듯이, 상관계수의 부호(+/-)가 업종과 업력에 따라 상이한 만큼 업종별⋅업력별 고활동성 중소기업을 판별하는 중요 평가항목 도출 시 해당 평가항목의 상관계수에 대한 부호(+/-)와 평가기준에 대한 종합적인 해석과 고려가 필요할 것으로 판단된다.
- 27%)로 매우 높은 수준의 정확도를 보였다. 또한 모든 데이터(훈련, 테스트, 확인)에서 역전 현상이 발생하지 않아 과잉적합위험과 과소적합위험에 노출되지 않았으며, 모형의 판별력이 안정적임을 확인하였다.
- 분석 결과를 종합하면 업종과 업력에 무관하게 경영진 역량(경영진 전문성, 자본참여 도), 제품화 역량(자금조달능력)은 고활동성 중소기업 여부와 일관된 (+)의 관계를, 기술 개발역량(연구개발투자), 시장현황(시장경쟁현황)은 일관된 (-)의 관계를 갖는 중요변수로 확인되었다. 이 때, 고활동성 중소기업이며 평가항목의 점수가 높은 경우 (+)로, 반대 인 경우 (-)로 표기하였다.
- 따라서 경영진의 학력 및 전문성이 높고 자본참여도가 높은 경우, 낮은 금융비용을 통한 시설 및 운영자금의 확보와 이를 통한 효율적 투자가 가능한 기업일수록 고활동성 중소기업임을 의미하며, 이는 자기자본비율이 높을수록 기업의 총자산회전율이 높다는 전덕영ㆍ윤병섭(2019)의 연구 결과와 궤를 같이한다. 반면 장기적 관점에서 매출액 증대와 관련이 있는 연구개발투자와 경쟁업체의 신규진입 및 대체재의 위협으로 평가되는 시장경쟁현황은 고활동성 중소기업과 일관되게 (-)의 관계를 갖는 것으로 확인되었다.
- 업종을 기준으로 중요변수를 확인했을 때, 기술경영능력, 기술개발조직, 개발/수상실 적은 제조업군과 非제조업군에서 부호(+/-)가 다른 방향으로 확인되었다. 기술경영능력의 경우 대체로 非제조업군에서는 기술인력의 신규고용을 기준으로 판단되는 만큼, 인적자원의 비중이 큰 산업적 특성이 반영되어 고활동성 중소기업 여부에 (-)의 영향을 미친 것으로 판단된다.
- 반면 업력을 기준으로 중요변수를 확인했을 때, 제조업 창업기업군과 非창업기업군에서 시장규모/성장성 항목의 부호(+/-)가 반대 방향인 것으로 확인되었다. 이는 일정 업력을 유지하고 시장경쟁현황이 안정화된 非창업기업군에서는 시장의 성장성이 고활동성 중소기업 여부와 (+)의 관계인 반면, 시장 초기진입 단계인 창업기업군에서는 시장의 높은 성장성이 잠재적 경쟁업체의 진입을 유발함으로 인해 고활동성 중소기업 여부와 (-) 의 관계를 갖는 것으로 보인다.
- 89% 수준으로 확인되었다. 앞서 언급한 바와 같이 (+)방향으로 기술경영능력, 경영진 전문성, 자본참여도,자금조달능력, 기술수명주기, 경쟁품 비교우위 평가항목이, (-)방향으로 동업종 경험, 기술개발조직, 인력전문성, 개발/수상실적, 연구개발투자, 생산역량, 기술차별성, 모방난이도, 기술자립/활용성, 시장규모/성장성, 시장경쟁현황 평가항목이 도출되었다.
- 0기법을 적용하였으며, 오버 샘플링 기법을 통해 데이터 불균형을 조정한 후, 특성 선택을 통해 영향력이 큰 평가항목을 선별하여 판별모형을 작성하였다. 모형의 판별력 검증 결과 업종별ㆍ업력별 모든 모형에서 99% 이상의 분류정확도를 보였으며, 훈련, 테스트, 확인 데이터 모두에서 모형이 안정적임을 확인하였다.
- 분석 결과에 대해서는 업종별ㆍ업력별로 일관된 (+)방향성을 갖는 평가항목을 중심으로 해석하였다. 업종 및 업력과 무관하게 경영진 역량(경영진 전문성, 자본참여도), 제품화 역량(자금조달능력)은 고활동성 중소기업 여부와 일관된 (+)의 관계를 갖는 중요변수로 확인되었다. 즉, 경영진의 학력 및 전문성이 높고 자본참여도가 높은 경우, 낮은 금융 비용을 통한 시설 및 운영자금의 확보와 이를 통한 효율적 투자가 가능한 기업일수록 고 활동성 중소기업임을 의미한다.
- 즉, 경영진의 학력 및 전문성이 높고 자본참여도가 높은 경우, 낮은 금융 비용을 통한 시설 및 운영자금의 확보와 이를 통한 효율적 투자가 가능한 기업일수록 고 활동성 중소기업임을 의미한다. 업종을 기준으로 보았을 때 제조업군의 경우 기술경영능력과 기술수명주기가 일관된 (+)방향을 갖는 것으로 확인되었다. 기술경영능력의 경우 기술개발과 관련한 지속적인 목표관리와 투자가 이루어지는 기업일수록 고활동성 중소 기업일 확률이 높음을 의미하며, 기술수명주기의 경우 기업이 보유한 기술이 성장기에 속해 향후 활용도가 높을수록 기업의 효율적 자원사용이 가능함을 의미한다.
- 본 연구는 기술력 평가항목을 이용하여 고활동성 중소기업을 사전에 판별함으로써 일정부분 의미 있는 결과를 도출했지만 데이터 수집 등으로 인한 제약 또한 명확하다. 본 연구에서는 총자산회전율만을 기준으로 고활동성 중소기업을 정의하였지만, 중소기업의 특성상 매출채권회전율과 재고자산회전율이 더욱 중요한 활동성 지표라 할 수 있다.
후속연구
- 중소기업의 지속적인 성장 및 안정적인 생존을 위해서는 적절한 설비투자와 이에 대한 효율적인 활용을 바탕으로 성장성(이지혜 외, 2015)과 수익성(배기수 외, 2010)이 달성되어야 한다는 점에서, 고활동성 중소기업에 대한 판별 연구는 향후 중소기업 지원정책의 수립과 성과추적 및 운용에 있어서 유용한 정보로 활용될 수 있을 것이다.
- 이러한 점에서 ‘미래 진보성’ 중심의 기술력 평가모형을 이용하여 중소기업의 활동성을 판별하는 것은 기술력 평가모형 자체의 적정성과 예측력을 검증한다는 의미가 있다. 또한 고활동성 중소기업을 판별하는 중요 기술력 평가항목의 도출을 통해, 해당 평가항목을 활용한 중소기업 지원정책 수립 및 지원기업에 대한 관리 등 다양한 정책적 활용도 가능하다는 점에서 기술력 평가모형 활용의 외연확대와 모형조정 시 개선방향 도출 등에 도움이 될 것이라고 판단한다.
- 앞서 언급한 바와 같이 자원의 효율적인 활용을 바탕으로 성장성과 수익성이 달성되어야만 중소기업의 지속적인 성장과 안정적인 생존이 가능하다는 점에서 본 연구를 통해 기술력과 기업의 활동성 지표와의 관계 및 이에 대한 판별분석은 의미가 있다고 할 수 있다. 본 연구의 목표변수인 활동성 지표(총자산 회전율)는 선행연구를 통해 정책자금 지원기업의 도산 및 부실예측(최창열ㆍ함형범, 2009), 상장폐지기업에 대한 예측(배기수ㆍ정설희, 2011), 기업의 수익성과 관련된 주식 시장의 누적초과수익률(김윤아ㆍ배기수, 2011), 기업의 성장성과 관련된 매출액 성장률 (이지혜 외, 2015, 김판수ㆍ이지혜, 2017)과 밀접한 관련이 있는 만큼 이에 대한 예측과 판별이 가능하다면 중소기업의 경영성과를 사전적(Ex-ante)으로 가늠하는 지표로 활용될 수 있다.
- 따라서 ‘미래 진보성’을 기반으로 한 기술력 평가항목이 지원기업의 고활동성 여부를 판별하는데 유의한 지표인지 확인함으로써 기술력 평가모형의 적정성 및 예측력을 검증하는 것이 본 연구의 목표 중 하나이다. 또한 고활동성을 결정하는 중요 평가항목의 도출이 가능하다면 이는 활동성 중심의 지원정책 수립 및 지원기업에 대한 효율성 관리지표로 활용이 가능하며, 향후 기술력 평가모형의 개선 및 조정 시에도 참고자료로 사용할 수 있을 것이다.
- 기술통계에서 알 수 있듯이, 상관계수의 부호(+/-)가 업종과 업력에 따라 상이한 만큼 업종별⋅업력별 고활동성 중소기업을 판별하는 중요 평가항목 도출 시 해당 평가항목의 상관계수에 대한 부호(+/-)와 평가기준에 대한 종합적인 해석과 고려가 필요할 것으로 판단된다.
- 또한 일정 요건을 만족하는 제조업 기업을 대상으로 기술수명주기상 성숙기가 지난 기업에 대해서는 정부 R&D 및 산학연계의 기회를 부여하여 새로운 성장 동력을 찾을 수 있게끔 지원할 수도 있을 것이다.
- 또한 본 연구에서는 제조업군과 非제조업군만으로 업종을 구분하였지만, 향후 분석 가능한 기업체 수가 확보된다면 더욱 세밀한 업종별 연구를 통한 정책적 시사점 도출이 가능할 것이라고 생각한다.
- 본 연구에서는 총자산회전율만을 기준으로 고활동성 중소기업을 정의하였지만, 중소기업의 특성상 매출채권회전율과 재고자산회전율이 더욱 중요한 활동성 지표라 할 수 있다. 따라서 향후 해당 정보의 수집을 통해 분석이 진행된다면 중소기업에 더욱 적합한 고활동성 판별 평가항목의 도출이 가능할 것이라고 생각된다.또한 본 연구에서는 제조업군과 非제조업군만으로 업종을 구분하였지만, 향후 분석 가능한 기업체 수가 확보된다면 더욱 세밀한 업종별 연구를 통한 정책적 시사점 도출이 가능할 것이라고 생각한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.