보고서 정보
주관연구기관 |
한국과학기술기획평가원 Korea Institute of Science and Technology Evaluation and Planning |
연구책임자 |
진영현
|
참여연구자 |
이선명
|
보고서유형 | 최종보고서 |
발행국가 | 대한민국 |
언어 |
한국어
|
발행년월 | 2019-12 |
과제시작연도 |
2019 |
주관부처 |
과학기술정보통신부 Ministry of Science and ICT |
등록번호 |
TRKO202000005323 |
과제고유번호 |
1711102734 |
사업명 |
한국과학기술기획평가원연구운영비지원(R&D) |
DB 구축일자 |
2020-05-02
|
초록
▼
[연구의 배경 및 목표]
■ ’18년도 예산안 기준, 주요R&D사업(544개, 약 15조 원) 중 기업이 수혜 가능한 정부R&D사업은 230개(42.3%), 약 6조 4,463억 원(43.0%) 수준 (KISTEP 2018 특정평가보고서)
· 이 중 기업만 주관기관으로 수혜 가능한 사업은 32개(5.9%), 1,621억 원 (10.8%)
■ 집행 기준, ’17년도 정부R&D 총 투자(19조 3,927억 원) 중 중소기업에 투자된 금액*은 3조 1,686억 원 (16.3%) (KISTEP, ’17년도 국가연구개
[연구의 배경 및 목표]
■ ’18년도 예산안 기준, 주요R&D사업(544개, 약 15조 원) 중 기업이 수혜 가능한 정부R&D사업은 230개(42.3%), 약 6조 4,463억 원(43.0%) 수준 (KISTEP 2018 특정평가보고서)
· 이 중 기업만 주관기관으로 수혜 가능한 사업은 32개(5.9%), 1,621억 원 (10.8%)
■ 집행 기준, ’17년도 정부R&D 총 투자(19조 3,927억 원) 중 중소기업에 투자된 금액*은 3조 1,686억 원 (16.3%) (KISTEP, ’17년도 국가연구개발 조사분석 보고서)
* (국가연구개발과제 수행 주체(주관기관)가 중소기업이 과제 기준)
■ 최근 두 정책 연구 기관에서 상반된 결과를 보고
· ’17년 STEPI “중소기업 R&D 지원의 현황과 성과분석” ⇒ 긍정적 효과
- 매출액 증가율, 자산 증가율, 종업원 수 증가율, 부채 증가율 등에서 유의한 양의 효과
- 매출액 당 영업이익률 증가 등 수익성 증가는 통계적 유의성 없음
- 혁신역량 확충에 긍정적 효과 보고 (지원 후 3년까지 두드러지게 나타남)
· ’18년 KDI “중소기업 R&D 지원의 정책효과와 개선방안” ⇒ 오히려 부정적 효과
- 지재권 외 모든 지표에서 수혜기업이 비수혜기업 보다 더디게 성장하거나 역성장
- 기업R&D 촉진, 지재권 확대를 이끌어 유형자산, 인적자산, 마케팅 투자에 인과적 기여
- 영업이익, 부가가치, 매출증대에서 실패하거나 유의하게 감소시킴
■ 상기 연구 결과는 “중소기업 R&D의 효과”에 대한 관점 차이에 기인
· 기업의 성장, R&D의 효과성에 대한 관점 차이가 성과변수 선택에 영향
· “대표적 성과변수를 사용하는 분석의 경우, 성과변수가 지나치게 다른 요인들의 영향을 받아 R&E 투자가 미치는 영향을 식별하기 어렵다” (최대승, 이규환, 2014)
■ 중소기업 R&D 지원의 효과를 보편적×종합적으로 분석할 수 있는 지표 도입 및 측정
· 단순 재무 지표 중 성과 지표 선택이 아닌 기업의 성장 및 혁신역량을 측정할 수 있는 지표 도입
· 이를 위해, 기술진보·혁신을 통한 기업 생산성 증가를 측정할 수 있는 기업의 TFP를 도입하고 측정
■ 세부적인 중소기업 지원 정책의 효과를 검증하기 위한 실증 분석 수행
· 정부R&D 지원이 기업 TFP에 미친 효과를 실증 분석
· R&D와 관련성이 높은 非R&D 지원의 효과 분석을 병행
[연구의 방법]
■ 총요소생산성(TFP)
· 기업 또는 국가의 산출물 중 노동과 자본의 투입으로 설명되지 않는 부분으로, 통상적으로 기술 진보의 대리변수로 간주
- 본 연구에서 R&D지원을 통해 기업이 획득한 “무형적” 성과의 대리변수로 설정
- 콥-더글라스 생산함수와 기업의 재무 데이터를 이용하여 산출(부가가치)-노동투입
- 자본투입의 선형회귀식을 구하고, 잔차로부터 통계적으로 TFP 추정하는 것이 일반적
[수식]
Y: 부가가치 또는 총산출 등, A: 총요소생산성
L: 노동투입량, K: 자본투입량,
a: Y에 대한 노동의 기여분, b: Y에 대한 자본의 기여분
■ 총요소생산성(TFP) 추정: Levinsohn-Petrin 방법의 도입
· 노동, 자본의 투입과 기업의 생산성에는 양의 상관관계가 있다고 보는 것이 합리적이며, 이 경우 OLS 추정의 가정을 위배 (총요소생산성이 과소 추정되는 문제가 발생)
- 생산성이 높은 기업일수록 노동과 자본의 투입을 늘려 최대한의 산출을 내려는 것이 합리적 행동
- 내생성(endogeneity) 문제 해결을 위해 중간재 투입을 활용한 Levinsohn-Petrin 방법을 사용하고자 함
[수식]
yi,t: 부가가치 ei,t: 전력, 수도, 광열, 연료비 등
wi,t: 기업이 관측할 수 있는 TFP, kt, lt, et와 상관이 발생하여 내생성의 원인이 되는 부분
hi,t: 기업이 관측할 수 없는 TFP, kt, lt, et와 상관이 없는 부분
■ 기업 재무정보 데이터 + NTIS자료 활용을 통한 패널데이터 구축
· NICE평가정보로부터 기업의 재무정보와 종업원 수 정보를, NTIS자료로부터 정부지원 R&D과제 수혜 기업 정보를 활용하여 (불균형) 패널데이터 구축
- 제조업 68% (기타 기계 및 장비 제조업 13.9%, 전자부품/컴퓨터/영상/음향/통신장비제조업 10.49%)
- 중소기업 95.65%, 중견기업 3.57%, 대기업 0.77%
■ TFP 산출 대상 실험군(R&D수혜기업) 및 대조군(R&D미수혜기업)
· 앞선 패널데이터 중 TFP 추정이 불가능한 관측치 제외(대응변수 누락, 2개년 연속 재무정보 누락 등)
· 대조군은 향후 성향 매칭을 고려 넓게 설정
· R&D지원 기업 중 일반재정지원사업(非R&D) 지원 기업 매칭
■ R&D사업과 일반재정지원사업의 시너지 효과 분석을 위한 분석 대상 일반재정 지원사업 선정
· 일관지원사업이란 중소기업이 필요로 하는 여러 가지 사업을 종합적·지속적으로 지원해주는 수요자 중심의 지원 방식
- 정책적 우선순위가 높은 3개 기업군(일자리안정자금 수급, 스마트공장 도입, 수출역량 우수기업 등)에 대해 융자, R&D, 수출, 컨설팅 등 최대 4개까지 패키지 지원
· 일관지원 대상 사업 중, R&D 또는 기술혁신과 관련성이 높은 사업을 선정
- 스마트공장 구축 및 고도화 지원
- 개발기술사업화자금
- 혁신성장유망기업자금
- 제조현장스마트화자금
· 이 중, 자료가 협조된 개발기술사업화자금, 혁신성장유망기업자금, 제조현장스마트화자금 수혜 기업을 매칭
[TFP 추정 결과]
■ LP 추정 결과, 노동·자본의 기여율이 OLS보다 낮게 추정됨
· 즉, TFP가 OLS에 비해 높게 추정되며, 이는 선행연구 결과와 일치
■ 기업 당 평균 TFP는 2013년을 기준으로 증가 추세
· 부가가치에 3년 가량 선행하는 추세이나, 통계적 유의성은 검증 안됨
■ 대기업/중견기업과 중소기업의 TFP 격차는 증가 추세
· 2011년 3.7배에서 2018년 5.23배까지 벌어짐
[정부R&D 지원의 효과성 분석]
■ 정부R&D 수혜 전 TFP 하락 추세이나, 수혜년도를 경계로 회복하고 상승
· 평균적으로, TFP 수준이 미수혜집단보다 높지만, 추세적으로 하락하는 기업이 정부R&D에 참여하며, 수혜 후 성장세로 전환
■ PSM과 DID를 이용한 효과성 분석 수행
· PSM 특성변수: TFP(전년, 당해), 총자산, 부채, 자기자본, 유형자산, 매출액, 부가가치, 매출원가, 판관비, 인건비, 노동자수
· 기업규모, 업종 (제조업 중분류, 그 외 대분류), 관측년도는 exact matching 정부 중소기업 R&D 지원의 효과성 분석 연구: 기업 TFP 측정을 중심으로
■ 중소기업은 정부R&D 지원 2년차에 유의하게 대조군 대비 양(+)의 효과
· 지원 1년차에는 TFP가 증가하긴 하였으나 대조군 대비 상승폭이 적었고, 2년차부터 대조군 대비 상승폭이 커짐
· 대기업, 중견기업은 통계적으로 유의하지 않음
[TFP 증가의 영향 요인 분석]
■ Random effect panel model 적용: 기본모델
[수식]
· 정부R&D 지원은 지원 후 2년에 TFP에 유의하게 긍정적 영향을 미침
· 기업 특성 모두 유의한 영향: 업력, 규모(평균 유형자산), 자체R&D 비용
■ Random effect panel model 적용: 非R&D 교호효과
· 非R&D 복합지원은 유의하지 않거나 부정적 영향 (금액으로 분석해도 유사한 결과)
· 단, 정책수단 실시 이전의 사례로, 해석에 주의가 필요
■ 정부R&D 지원 2년 뒤, TFP 증감을 예측할 수 있는 결정나무 모형 분석
· 종속변수: 2년 후 TFP 증감 (더비변수, 1: TFP증가, 0: TFP감소)
· 설명(요인)변수: R&D지원금, 연구책임자 학위, 업력, 자체연구개발비, 기업규모, 총자산, 해당연도 TFP
· 모델 선택 방법: 분석 샘플을 무작위로 5개로 분할
- 4개로 기계 학습, 1개로 예측 (교차 검증)
- 모델별 예측의 정확성 비교, 최선의 모델 선택
- 해당 모델에서 사용된 변수의 순위 확인
· 모델 후보:
- GLM (reference, 로지스틱회귀분석)
- 결정나무(Decision Tree)
- 랜덤포레스트 300 (Random Forest 300)
- 랜덤포레스트 1000 (Random Forest 1000)
■ 랜덤포레스트 모델의 경우, 90%로 향후 TFP 증가 확률을 예측할 수 있음
■ 해당 모델에서 사용된 요인변수(설명변수)의 순위
· 상위랭크: 기업특성(TFP, 자산, 자체R&D투자 등)
· 정부연구개발비, 연책 학위는 설명력 낮음 (많이 사용되지 않은 변수)
· 단, 가장 많이 사용된 TFP 경우, (-)방향임에 유의
- TFP가 작을수록 증가 확률 높음
[결론]
■ 기업의 TFP 저하 시점에 정부R&D를 통해 TFP 반등에 성공
■ PSM과 DID 분석 결과, 지원 2년차부터 정책의 효과성 확인
■ 패널분석 결과,
· 지원 2년 후 R&D과제 지원 효과 확인됨
· 기업 특성 (업력, 자산, 자체R&D투자)은 모두 유의하게 양(+)의 영향이 있음
· 일반재정지원사업(非R&D사업)의 교호효과는 확인되지 않음
· 과제특성(연구책임자 학력, 협력 유형) 또한 크게 유의하지 않음
■ 기계학습을 통한 결정나무 분석 결과, R&D지원 후 TFP 증감에 영향을 미치는 중요 설명요인은 기업 자체의 특성
· 다만, TFP가 음(-)의 방향으로 영향을 미치는 점에 유의할 필요
[시사점]
■ 중소기업과 대기업/중견기업의 TFP 격차 추이, 정부R&D를 통한 TFP 반등 등을 고려하면, 중소기업 R&D 지원의 타당성 및 효과성 인정할 수 있음
■ 단독 과제 대비 협력 유형에 따른 지원 효과가 유의하지 않은 점은 향후 중소기업 협력 연구에 있어 내실화를 요하는 부분
■ 非R&D 복합지원은 과거 사례에서 유의한 효과가 관찰되지 않았으나, 정책시행 시점 이전의 사례 대상 결과로, 해석에 주의를 요함
■ 기계학습을 통한 결정나무 등의 모델은 지원 효과를 높은 확률로 예측할 수 있을 것으로 기대되며, 데이터의 축적 및 설명요인이 보완된다면, 과제 선정 시 활용 가능성 높음. 다만, 정책적 목표와 의사결정 방향이 부합하는지는 검토 필요
(출처 : 요약문 5p)
목차 Contents
- 표지 ... 1
- 요약문 ... 5
- 목차 ... 17
- 표목차 ... 18
- 그림목차 ... 19
- 제1장 서 론 ... 21
- 제1절 연구의 필요성 ... 23
- 제2절 연구의 목표 및 내용 ... 25
- 제3절 연구 추진 방법 ... 26
- 제2장 선행연구 검토 ... 29
- 제1절 중소기업 R&D 지원을 위한 정책 도구 ... 31
- 제2절 중소기업 R&D 직접지원의 효과성 분석 선행연구 ... 32
- 제3장 분석 방법에 대한 이론적 배경 ... 37
- 제1절 Levinsohn-Pertrin 방법을 사용한 TFP 추정 ... 39
- 제2절 패널 분석 ... 43
- 제3절 의사결정트리 및 랜덤포레스트 분석 ... 56
- 제4장 분석 데이터 선정 및 연계 ... 71
- 제1절 총요소생산성(TFP) 추정을 위한 데이터 ... 73
- 제2절 중소기업 R&D 사업 연관 일반재정지원사업 선정 ... 80
- 제5장 분석 결과 ... 91
- 제1절 TFP 측정 결과 ... 93
- 제2절 정부 지원 R&D 수혜의 효과 분석 ... 97
- 제3절 정부 지원 R&D 효과의 영향요인 분석: 패널분석 ... 112
- 제4절 정부 지원 R&D 효과의 영향요인 분석: 결정나무 및 랜덤포레스트 분석 ... 122
- 제6장 결론 및 시사점 ... 125
- 참고문헌 ... 130
- 끝페이지 ... 131
※ AI-Helper는 부적절한 답변을 할 수 있습니다.