초록이 없습니다.

AI 본문요약

엑셀 다운로드 AI-Helper

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

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 기업규모, 연혁 등과 같은 기업 특성 뿐 아니라 한국기업혁신조사 설문에서 나타난 혁신의 장애물, 협력 여부와 같은 항목들은 기업 R&D 효율성에 있어 외부적으로 영향을 미칠 수 있는 요인들이며 이들의 영향력을 정량화하여 분리하고자 하였다.
• 하지만 이는 공식적인 산업분류코드가 아니므로 실제로 각 기업이 사물인터넷과 관련된 활동을 하는지 확인할 필요가 있다. 따라서 각 기업의 홈페이지와 인터넷 검색을 통하여 기업의 사물인터넷 활동을 파악하였다. 기업의 홈페이지에서는 사물인터넷 관련한 개발활동을 하는지 혹은 제품 소개에 사물인터넷 관련 제품이나 서비스가 있는지 살펴봤고, 인터넷 검색에서는 검색 키워드 ‘기업명 IoT’, ‘기업명 사물인터넷’, ‘기업명 Internet of Things’을 통해 기업 경영진의 인터뷰 혹은 사물인터넷 관련 기사에 해당 기업이 소개된 적이 있는지를 파악하였다.
• 따라서, 본 연구에서는 연구 부재의 의식을 바탕으로 사물인터넷 사업을 영위하는 기업을 대상으로 정부지원제도의 형태에 따른 기업 R&D 효율성을 자료포락 분석(Data Envelopment Analysis : DEA)을 적용하여 분석하고자한다.
• 이러한 현상 역시 기술이 발전단계에 있는 제품의 특성으로 볼 수 있으며, 기술이 성숙기에 진입하기 전에는 신기술의 보호가 보다 중요하게 다뤄진다고 해석 할 수 있다. 본 연구는 사물인터넷 산업의 강화와 육성을 위하여 어떠한 형태의 정부 지원정책이 뒷받침되어야 할 것인지 제시할 수 있다는 점에서 의의가 있다.
• 따라서, 본 연구에서는 연구 부재의 의식을 바탕으로 사물인터넷 사업을 영위하는 기업을 대상으로 정부지원제도의 형태에 따른 기업 R&D 효율성을 자료포락 분석(Data Envelopment Analysis : DEA)을 적용하여 분석하고자한다. 본 연구를 통하여 사물인터넷 산업의 강화와 육성을 위하여 어떠한 형태의 정부 지원정책이 뒷받침되어야 할 것인지 제시할 수 있을 것이다.
• 본 연구의 목적은 정부지원 형태에 따라 사물인터넷 기업의 R&D 효율성에 미치는 영향을 확인하는 것이다.
• 연구 결과에 따르면 사물인터넷은 지속적으로 발전하여 국가의 성장동력의 역할을 할 수 있는 중요한 요소로 작용할 것으로 드러났다. 이에 따라 정부, 중소기업과 스타트업을 포함한 모든 기업 등 모든 참여자들이 상생할 수 있는 생태계를 구축하고, 시장에서 신뢰를 확보할 수 있는 사물인터넷 서비스 제공을 위한 법적인 제도를 촉구하였다.

가설 설정

• 2011-2013년도에 시행한 한국기업혁신조사를 투입의 효과가 산출로 나타나기까지 걸리는 시간이 2년인 R&D 프로젝트로 가정하여 투입변수는 2011년도를 기준으로, 산출변수는 2013년도를 기준으로 하였다.
• 이를 기반으로 매출액의 변화는 설문 시행 전년도인 2010년의 매출액과 2013년도의 매출액의 차이를 사용하여, R&D 프로젝트 이전과 이후의 매출액의 변화를 프로젝트의 산출물로 가정하여 산출변수로 설정하였다.

제안 방법

• 마지막으로 Tobit 분석에 이용되는 변수는 투입여유에 영향을 미칠 수 있는 외부요인들로 구성된다. 1단계 DEA분석의 투입여유를 설명하는 변수로는 기업의 자산 규모, 기업 연혁, 혁신장애물, 산업분류, 협력활동의 유무, 기업의 법정유형을 사용하였다. 기업의 자산 규모는 혁신활동의 규모에 영향을 미치기 때문에 고려되어야 한다(신민식·김수은, 2012).
• 이때 산출된 요인점수로 군집분석을 실시하여, 표본을 군집으로 구별한다. 3단계 DEA분석을 통해 얻은 효율성 점수를 비모수검정을 통하여 군집 간의 차이를 분석한다. 첫 검정은 Kruskal-Wallis검정을 통해 군집 간의 차이가 유의한지 확인하고, 이 후 Mann-Whitney검정을 통하여 군집 내의 관계를 파악한다.
• DEA는 연구 목적과 변수간의 관계 등에 따라 여러 방식으로 적용되는데, 본 연구에서는 3단계 DEA를 사용하여 R&D 효율성을 측정하고 집단 간 효율성 차이를 비교하고자 한다.
• DEA로 얻은 R&D 효율성 점수를 기업규모와 산업유형으로 재분류하여 비교분석에 이용하였다.
• DEA분석을 사용한 많은 R&D 효율성 연구에서 R&D 비용과 R&D 인력을 투입변수로 사용하였다(이종대·정양헌, 2014).
• DEA분석을 위한 변수로는 R&D 비용, 설비투자비, 교육훈련비를 투입변수로 사용하고, 매출액의 변화를 산출변수로 사용하였다.
• R&D 비용, 설비투자비, 교육훈련비를 투입변수로, 조정된 매출증감을 산출변수로 1단계 DEA분석을 돌려 투입여유를 산출하고, 산출된 투입여유를 Tobit 분석을 사용하여 예측투입 여유를 산출한다.
• R&D 활동의 투입변수로 연구개발인력과 R&D 지출액, 지식스톡을, 산출변수로는 특허 수와 논문 수를 사용하였다.
• 각 항목마다 높음, 보통, 낮음으로 중요도를 평가하여 이를 높음=3, 보통=2, 낮음=1, 없음=0으로 수치화 하고, 4가지 항목의 평균값을 법적 보호장치로서의 정부지원제도인 ‘보호지원’ 변수로 사용하였다.
• 교육훈련에 대한 투자는 전문인력에 대한 니즈로서 향후 성과향상을 위한 투자(주영주·조선유, 2014)로 볼 수 있으므로 이를 R&D 인력 대신 투입변수로 사용하였다.
• 그 후 3단계 DEA 분석을 통하여 외부 요인을 배제한 사물인터넷 기업들의 R&D 효율성 점수를 산출했다.
• 먼저, 문헌연구에서는 사물인터넷 시장을 바탕으로 정부의 기술혁신제도와 R&D 효율성 연구에 대해 살펴본다. 다음으로 본 연구에서 사물인터넷 관련 기업 대상으로 DEA 분석과정을 서술하고, 마지막으로 분석결과와 시사점을 제시한다.
• 한국기업혁신조사 설문항 중 제품혁신 및 공정혁신을 수행하지 못하거나 성공적인 실현을 저해한 11가지 요인 중 관련 여부와 중요도를 묻고 있다. 또한 11가지 요인은 자금문제, 기업역량요인, 시장요인, 필요요인으로 분류하고 있으므로, 본 연구에서도 이를 활용하여 각 분류의 응답값을 높음=3, 중간=2, 낮음=1, 없음=0으로 하여 평균값을 4가지 혁신장애물 변수로 사용하였다. 협력 여부 또한 기업의 혁신성과에 영향을 미칠 수 있기 때문에 한국기업혁신조사에서 협력의 유무를 묻는 설문항의 답변을 협력 변수로 사용하였다(강석민·서민교, 2013).
• 각 항목마다 높음, 보통, 낮음으로 중요도를 평가하여 이를 높음=3, 보통=2, 낮음=1, 없음=0으로 수치화 하고, 4가지 항목의 평균값을 법적 보호장치로서의 정부지원제도인 ‘보호지원’ 변수로 사용하였다. 또한, 한국기업혁신조사에서 정부지원제도의 활용 여부와 중요도를 평가하는 8가지 항목을 사용하여 조세지원(기술개발 조세감면), 자금지원(기술개발 및 사업화지원, 정부 연구개발사업 참여, 정부기술지원 및 지도), 기술지원(기술정보제공, 기술인력 및 교육연구 지원), 시장지원(정부 및 공공부문의 구매, 마케팅 지원)으로 구분하고, 각 항목의 중요도를 높음=3, 보통=2, 낮음=1, 없음=0으로 하여 평균값을 사용하였다. 보호지원, 조세지원, 자금지원, 기술지원, 시장지원 총 5가지 점수에 대해 요인분석을 실시, 요인분석으로 산출된 각 표본의 요인점수를 군집분석을 위한 변수로 사용하였다.
• 마지막으로 R&D 활동을 기업의 규모 측면에서 고려할 뿐만 아니라 이상에서 논의되지 않은 다양한 기업적 특성을 고려하기위해 대기업, 중기업, 소기업으로 나뉘는 법정유형을 더미변수로 사용하였다.
• 하나는 요인분석과 군집분석을 위한 변수, 다른 하나는 DEA분석을 위한 변수, 마지막은 외부요인을 배제하기 위해 시행하는 Tobit 분석에 이용되는 변수이다. 먼저 요인분석과 군집분석을 위한 변수로 한국기업혁신조사 설문지의 항목을 사용하였다. 한국기업혁신조사 중 혁신에 대한 보호방법 별 활용 여부와 중요도를 평가하는 문항이 있는데, 이 중 ‘특허권 등록’, ‘실용신안권’, ‘저작권’, ‘상표권’이법적 보호장치를 사용하는 혁신보호방법이다(최은영·정진욱, 2015).
• 먼저 요인분석을 통해 정부지원 형태를 나누기 위해 한국기업혁신조사 설문을 기반으로 66개의 표본 기업의 정부지원 현황을 변수화하였다. 이를 기술통계로 정리하면 <표 4>와 같다.
• 먼저, 문헌연구에서는 사물인터넷 시장을 바탕으로 정부의 기술혁신제도와 R&D 효율성 연구에 대해 살펴본다.
• 또한, 한국기업혁신조사에서 정부지원제도의 활용 여부와 중요도를 평가하는 8가지 항목을 사용하여 조세지원(기술개발 조세감면), 자금지원(기술개발 및 사업화지원, 정부 연구개발사업 참여, 정부기술지원 및 지도), 기술지원(기술정보제공, 기술인력 및 교육연구 지원), 시장지원(정부 및 공공부문의 구매, 마케팅 지원)으로 구분하고, 각 항목의 중요도를 높음=3, 보통=2, 낮음=1, 없음=0으로 하여 평균값을 사용하였다. 보호지원, 조세지원, 자금지원, 기술지원, 시장지원 총 5가지 점수에 대해 요인분석을 실시, 요인분석으로 산출된 각 표본의 요인점수를 군집분석을 위한 변수로 사용하였다.
• 본 연구는 사물인터넷 사업을 영위하는 기업을 대상으로 정부지원제도의 형태에 따른 기업 R&D 효율성의 차이에 대하여 3단계 DEA를 적용하여 분석하였다.
• 산업 분류 별 R&D 투자의 특징을 고려하기 위해 제조업/서비스업을 더미변수로 사용하였다.
• 기업의 연혁은 기업이 가지고 있는 축적된 노하우 등에 따른 R&D 투자 특징을 나타낸다. 산출변수의 기준년도와 기업 설립 년도의 차이를 기업 연혁 변수로 설정하였다. 혁신장애물은 기업의 혁신활동에 어려움을 줄뿐 아니라 기업의 전략적 선택에도 영향을 미친다(이성기, 2008).
• 산출해낸 효율성 점수를 정부지원 형태에 따라 분석하기 위해 표본을 요인분석과 군집분석을 사용하여 그룹화한다. 요인분석은 사전에 설정한 보호지원, 조세지원, 자금지원, 기술지원, 시장지원 5개의 변수를 사용하여 확인적 요인분석을 통해 차원을 축소하여 정부지원 형태로 구분하고, 요인점수를 산출한다.
• 산출해낸 효율성 점수를 정부지원 형태에 따라 분석하기 위해 표본을 요인분석과 군집분석을 사용하여 그룹화한다. 요인분석은 사전에 설정한 보호지원, 조세지원, 자금지원, 기술지원, 시장지원 5개의 변수를 사용하여 확인적 요인분석을 통해 차원을 축소하여 정부지원 형태로 구분하고, 요인점수를 산출한다. 이때 산출된 요인점수로 군집분석을 실시하여, 표본을 군집으로 구별한다.
• 이를 통해 최종적으로 각 표본의 효율성점수를 얻을 수 있다. 이 효율성점수와 군집 분석의 결과를 이용하여 각 정부지원 형태에 따른 효율성 차이를 검정한다.
• 요인분석은 사전에 설정한 보호지원, 조세지원, 자금지원, 기술지원, 시장지원 5개의 변수를 사용하여 확인적 요인분석을 통해 차원을 축소하여 정부지원 형태로 구분하고, 요인점수를 산출한다. 이때 산출된 요인점수로 군집분석을 실시하여, 표본을 군집으로 구별한다. 3단계 DEA분석을 통해 얻은 효율성 점수를 비모수검정을 통하여 군집 간의 차이를 분석한다.
• 한국기업혁신조사 설문항에 연구개발 전담인력을 묻는 항목이 있지만 이는 2013년에 해당하는 질문이므로 이번 연구에 사용할 수 없다. 이를 대신하기위해 해당 년도의 교육훈련비를 사용하였다. 교육훈련에 대한 투자는 전문인력에 대한 니즈로서 향후 성과향상을 위한 투자(주영주·조선유, 2014)로 볼 수 있으므로 이를 R&D 인력 대신 투입변수로 사용하였다.
• 본 연구의 목적은 정부지원 형태에 따라 사물인터넷 기업의 R&D 효율성에 미치는 영향을 확인하는 것이다. 이를 위해 먼저 요인분석을 통해 정부지원 형태를 분류하고, 군집분석을 통하여 사물인터넷 기업들을 정부지원 형태에 따라 군집을 나누었다. 그 후 3단계 DEA 분석을 통하여 외부 요인을 배제한 사물인터넷 기업들의 R&D 효율성 점수를 산출했다.
• 3단계 DEA를 통해 얻어진 효율성점수는 점수의 절대 수치보다는 각 표본 간의 상대적 크기가 중요하다. 이를 위해 효율성점수가 높은 순서에 따라 1에 가까운 순위값을 갖도록 변환하였다. 즉, 순위값이 작을수록 효율적인 상태임을 나타낸다.
• R&D 비용, 설비투자비, 교육훈련비를 투입변수로, 조정된 매출증감을 산출변수로 1단계 DEA분석을 돌려 투입여유를 산출하고, 산출된 투입여유를 Tobit 분석을 사용하여 예측투입 여유를 산출한다. 이를 이용해 초기 투입변수를 조정하여 마지막으로 3단계 DEA분석을 실시한다. 이를 통해 최종적으로 각 표본의 효율성점수를 얻을 수 있다.
• 또한 상당수의 경우 경영규모는 효율성 평가에 영향을 미칠 수 있고(유금록, 2004), 투입 및 산출에 있어 규모에 따른 변화가 존재한다고 판단되므로, 선행연구와 같이 규모수익가변을 가정하는 것이 적합하다(천동필 외, 2014). 이를 통해 투입여유를 산출하여, 2단계에서는 투입여유를 종속변수로, 사전에 설정한 독립변수들을 사용하여 Tobit 분석을 실시한다. 투입여유에 대한 독립변수의 영향을 분석하여 얻은 수식의 계수들을 사용하여 외부 요인들의 효과를 고려한 예측여유를 측정한다.
• 투입변수로 R&D 지출액을 사용하였으며, 특허 수, 매출액, 영업이익을 산출변수로 R&D 효율성을 평가하였다.
• 투입변수로는 인적자원(연구자, 기술자의 수), R&D 순자본스톡을, 산출변수로는 특허수와 논문수를 사용하였다.
• 이를 통해 투입여유를 산출하여, 2단계에서는 투입여유를 종속변수로, 사전에 설정한 독립변수들을 사용하여 Tobit 분석을 실시한다. 투입여유에 대한 독립변수의 영향을 분석하여 얻은 수식의 계수들을 사용하여 외부 요인들의 효과를 고려한 예측여유를 측정한다. 3단계에서는 2단계에서 얻어진 예측여유를 통해 1단계에서 사용한 투입변수를 조정한 후 1단계와 같이 DEA분석을 다시 한 번 시행하여 각 기업의 효율성 점수를 산출해낸다.

대상 데이터

• 제조업 4,075개, 서비스업 4,155개로 총 8,230개의 설문조사 결과 중 재무데이터와 매칭된 기업은 제조업 1,337개, 서비스업 865개로 총 2,202개이다. 본 연구의 주된 대상인 사물인터넷 산업은 아직 산업분류코드로 분류되지 않아, 미래창조과학부(2013), 정우수 외(2013)를 참고하여 사물인터넷 산업분류코드를 추정하였고, 이를 바탕으로 위 2,202개의 설문데이터에서 277개의 기업을 선별하였다. 하지만 이는 공식적인 산업분류코드가 아니므로 실제로 각 기업이 사물인터넷과 관련된 활동을 하는지 확인할 필요가 있다.
• 그 외 IoT포럼, IoT전시회, 사물인터넷협회 등에 참가하거나 가입되어있는 기업도 사물인터넷 기업으로 분류하였다. 이를 통해 최종적으로 제조업 44개, 서비스업 22개로 총 66개의 기업을 연구 대상으로 선정하였다.
• 이번 연구에 사용된 자료는 ‘2014년 한국기업혁신조사’와 각 기업의 재무데이터 KIS-VALUE이다.

데이터처리

• 각 군집 간의 효율성 차이의 유의성을 검정하기 위해 두 집단씩 Mann-Whitney 검정을 실시하였다. 그 결과, 군집1과 군집2는 유의수준 0.
• 마지막으로 산출된 각 기업의 R&D 효율성 점수를 비모수검정을 통하여 군집 간 차이를 분석하였다.
• 즉, 순위값이 작을수록 효율적인 상태임을 나타낸다. 이러한 비모수적인 변수를 사용해 집단 내의 차이를 밝히기 위해 Kruskal-Wallis 검정을 하였다. 그 결과는 다음과 같다.
• 3단계 DEA분석을 통해 얻은 효율성 점수를 비모수검정을 통하여 군집 간의 차이를 분석한다. 첫 검정은 Kruskal-Wallis검정을 통해 군집 간의 차이가 유의한지 확인하고, 이 후 Mann-Whitney검정을 통하여 군집 내의 관계를 파악한다. 이를 통하여 어떤 정부지원 형태가 사물인터넷 기업의 R&D 효율성에 영향을 미치는지 비교할 수 있다.

이론/모형

• (2016) 역시 국가 R&D 효율성에 협력 네트워크 구조가 미치는 영향을 분석하기 위하여 DEA/Malmquist 방법론을 사용하였다.
• 본 연구에 사용되는 방법론은 3단계 DEA분석이다. 기존 DEA분석은 투입변수와 산출변수 외에 외부 요인을 통제할 수가 없다.
• 협력 여부 또한 기업의 혁신성과에 영향을 미칠 수 있기 때문에 한국기업혁신조사에서 협력의 유무를 묻는 설문항의 답변을 협력 변수로 사용하였다(강석민·서민교, 2013).

성능/효과

• 이렇게 산출될 요인점수를 사용하여 66개 표본을 군집분석하면 결과는 다음과 같다. 결과 수치를 보면 군집1는 비교적 간접지원을 중요하게 여기는 집단, 군집2는 직접지원을 중요하게 여기는 집단, 마지막으로 군집 3은 보호지원을 중요하게 여기는 집단으로 분류되었다. 66개의 표본들이 군집1에 8개, 군집2에 15개, 군집3에 43개 소속되었다.
• 국내 제조업의 경우 기술 수준으로 산업을 분류했을 때 R&D 효율성에서 차이를 보였으며, 기술수준이 높은 산업에 속한 기업은 기술사업화 단계보다 기술발명단계에서 더 효율적인 것으로 나타났다.
• 각 군집 간의 효율성 차이의 유의성을 검정하기 위해 두 집단씩 Mann-Whitney 검정을 실시하였다. 그 결과, 군집1과 군집2는 유의수준 0.1 이내 차이가 유의하며, 군집2의 평균 순위가 군집1보다 낮았다. 군집1과 군집3의 Mann-Whitney 검정 결과, 유의수준 0.
• 이는 R&D 효율성에 있어 보유한 기술을 보호하고 상업화를 지원하는 것이 상대적 효과가 크다. 그러나 직접지원과 기술보호지원의 효율성 차이는 유의미하지 않은 것으로 나타났다. 이러한 현상 역시 기술이 발전단계에 있는 제품의 특성으로 볼 수 있으며, 기술이 성숙기에 진입하기 전에는 신기술의 보호가 보다 중요하게 다뤄진다고 해석 할 수 있다.
• 그 결과는 다음과 같다. 기술통계를 보면 보호지원을 중요하게 생각하는 군집3이 평균 순위값이 가장 낮고, 직접 지원을 중요하게 생각하는 군집2가 그 다음, 간접지원을 중요하게 생각하는 군집1의 평균 순위값이 가장 높게 나왔다. 즉, 평균치를 기준으로 보호지원 군집의 효율성이 가장 높고, 직접지원 군집의 효율성이 그 다음, 간접지원 군집의 효율성이 가장 낮다고 볼 수 있다.
• 두 번째로, 법적 보호장치인 기술보호지원을 받는 집단은 간접지원을 받는 집단보다 기업의 R&D 효율성이 상대적으로 더 크게 나타났다.
• 즉, 군집3의 효율성이 군집1의 효율성에 비해 높다고 해석할 수 있다. 마지막으로 군집2와 군집 3의 Mann-Whitney 분석 결과에서는 군집3의 평균 순위가 낮기는 하지만 유의한 차이는 나타나지 않았다.
• 분석 결과 정부의 조세와 자금 지원을 포함하는 직접지원을 받는 집단이 정보제공 및 마케팅 지원을 포함한 간접지원을 받는 집단보다 R&D 효율성이 상대적으로 높은 것으로 나타났다.
• 연구 결과, R&D 효율성이 극대화 되어있는 국가는 전체 표본의 삼분의 일에 미치지 못한 것으로 나타났다.
• 정우수 외(2013) 연구에서는 산업연관표를 이용하여 사물인터넷 산업의 경제적 파급효과를 실증적으로 분석하였다. 연구 결과에 따르면 사물인터넷은 지속적으로 발전하여 국가의 성장동력의 역할을 할 수 있는 중요한 요소로 작용할 것으로 드러났다. 이에 따라 정부, 중소기업과 스타트업을 포함한 모든 기업 등 모든 참여자들이 상생할 수 있는 생태계를 구축하고, 시장에서 신뢰를 확보할 수 있는 사물인터넷 서비스 제공을 위한 법적인 제도를 촉구하였다.
• 연구 결과에서 1983년에서 1992년에 이르기까지 일본 제약 산업의 R&D 효율성이 50%이하로 감소했다고 밝히고 있다.
• 정부 R&D 조세지원이 대기업과 중소기업의 R&D 투자를 늘리는 것에 기여하였으며, 특히 중소기업보다 대기업의 R&D 투자 촉진에 더 효과적임을 보였다.
• 기술통계를 보면 보호지원을 중요하게 생각하는 군집3이 평균 순위값이 가장 낮고, 직접 지원을 중요하게 생각하는 군집2가 그 다음, 간접지원을 중요하게 생각하는 군집1의 평균 순위값이 가장 높게 나왔다. 즉, 평균치를 기준으로 보호지원 군집의 효율성이 가장 높고, 직접지원 군집의 효율성이 그 다음, 간접지원 군집의 효율성이 가장 낮다고 볼 수 있다. Kruskal-Wallis 검정 결과 유의수준 0.
• 표본 중 약 52%가 조직혁신을 도입하였고, 약 30% 기업이 마케팅혁신을 도입하였다. 표본 중 중기업에 속해있는 기업이 79%로 가장 많았고, 대기업에 속한 기업이 15%, 소기업에 속한 기업이 6%로 가장 적었다.

후속연구

• 본 연구는 적은 표본수를 연구대상으로 하여 분석하였다는 점과, 설문조사 자료를 바탕으로 변수를 설정했다는 점에서 한계를 가진다. 추후 사물인터넷 산업이 성장하여 표본수가 늘어나고, 공식적인 산업분류체계가 지정되었을 때, 3단계 DEA를 적용한다면, 본 연구에서 사용한 방법론을 적용한다면 사물인터넷 산업에 대한 정부지원의 효과를 보다 정확히 규명할 수 있을 것이다.
• 따라서 현재까지 신흥 산업의 발전을 위한 정부의 R&D 지원정책에 대한 효율성을 논하는 연구는 미흡한데, 특히 최근의 새로운 성장 동력인 사물인터넷 산업의 중심으로 연구가 필요하다. 본 연구를 통해서 스타트업을 포함한 모든 기업들이 사물인터넷 산업의 강화와 육성에 있어서 어떠한 정부의 지원정책으로 뒷받침해야 하는지를 제시할 수 있을 것 이다.
• 본 연구는 적은 표본수를 연구대상으로 하여 분석하였다는 점과, 설문조사 자료를 바탕으로 변수를 설정했다는 점에서 한계를 가진다. 추후 사물인터넷 산업이 성장하여 표본수가 늘어나고, 공식적인 산업분류체계가 지정되었을 때, 3단계 DEA를 적용한다면, 본 연구에서 사용한 방법론을 적용한다면 사물인터넷 산업에 대한 정부지원의 효과를 보다 정확히 규명할 수 있을 것이다.
• 장기적으로 정부지원제도를 통해서 사물인터넷 산업이 경쟁력을 가질 수 있다면 사물인터넷 기술을 적용한 신산업이 확장됨에 따른 다양한 일자리가 창출될 것이라 기대된다. 학문적인 시사점으로는 현재 발전 단계에 있는 산업을 중심으로 성과를 분석함으로써 향후 사물인터넷 산업 관련 연구에의 시작이 되었다는 점이며, 특히 본 연구에서 사용된 샘플 수집의 과정은 사물인터넷 산업의 범주를 규정하여 연구 대상을 선택하는 기준으로 사용될 수 있을 것이다. 또한, 사물인터넷 산업을 대상으로 한 정책지원의 효과에 관한 연구부재를 실증적으로 접근했다는 점에 있어서 의의가 있다.
• 설비투자비 또한 KIS-VALUE에서 찾을 수 있으나 해당 년도의 R&D 인력을 파악하기는 어렵다. 한국기업혁신조사 설문항에 연구개발 전담인력을 묻는 항목이 있지만 이는 2013년에 해당하는 질문이므로 이번 연구에 사용할 수 없다. 이를 대신하기위해 해당 년도의 교육훈련비를 사용하였다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기