수량화방법Ⅱ를 이용한 국가 r&d 융자사업 파급효과...

수량화방법Ⅱ를 이용한 국가 R&D

융자사업 효과 분석

최진 *, 이종하†

<요 약>

과학기술이 국가 경제에 미치는 향이 증 됨에 따라 세계

으로 과학기술의 수 향상을 한 각국 정부의 노력이 증 되고

있다. 우리 정부는 지난 1992년부터 과학기술진흥기 을 조성하여

지속 인 융자사업을 펼침으로써 국내 과학기술의 수 향상을 꾀

하고 있다. 본 연구에서는 과학기술진흥기 R&D 융자사업을 통

해 발생하는 장기 에서의 효과와 ·단기 에서의 기

술성과, 업성과, 리성과, 생산성과와의 향 계를 분석하기

해 수량화방법Ⅱ를 용하 다. 한 우리는 거시 에서의

효과를 높일 수 있는 략 인 피드백을 기업들에게 제공하기

해 군집분석을 실시하 다. 본 연구에서 사용된 데이터는 5 리

커트 척도로 구성되었는데, 기존의 많은 연구들이 리커트 척도

(Likert Type Scale)를 연속형으로 고려하여 분석한 반면, 본 연구

에서는 리커트 척도를 범주형으로 고려하여 인과 계를 분석하

다. 본 연구에서 사용한 통계 기법들은 R&D 성과평가 뿐만 아

니라 다양한 응용분야에 용 가능하리라 기 된다.

* 연세 학교 정보산업공학과 석사과정, E-mail address: ([email protected])

† 연세 학교 정보산업공학과 석사과정, E-mail address: ([email protected])

Ⅰ. 서 론

과학기술이 국가 경제에 미치는 향이 날로 증 됨에 따라 세

계 으로 과학기술의 수 향상을 한 각국 정부의 노력이 증

되고 있다. 재, 국내에서는 다양한 형태의 정부지원 R&D 사업이

수행되고 있으며, R&D 융자사업은 R&D 자 을 지원하는 국가

R&D 사업의 한 형태로, 국내의 표 인 융자사업은 산업자원부

의 산업기술개발융자사업, 정보통신부의 응용기술개발 융자사업,

과학기술부의 과학기술진흥기 R&D 융자사업, 소기업청의 개

발기술사업화자 융자사업 등이 있다. 이 과학기술진흥기 융

자사업은 많은 분야에서 성과를 나타내고 있으며, 매년 융자사업

성과에 한 객 이고 합리 인 평가 기법 정립을 한 노력을

해오고 있다. 과학기술진흥기 융자사업을 비롯한 복잡한 구조의

국가 R&D 사업들을 효과 으로 리하기 해, 정부는 1999년부

터 국가과학기술 원회를 주체로 한 국가R&D사업 조사ㆍ분석ㆍ평

가제도를 시행하고 있으며(이재근, 1999), 지 까지 국가 R&D 사

업의 효과 인 분석을 한 다양한 시도가 있어 왔다. 하지만, 지

까지의 성과분석에 한 연구에서는 리커트 척도를 연속형 변수

로 인식하여 분석하 다. 리커트 척도가 5 스 일일 경우, 일반

으로 5 은 1 의 5배의 의미를 가지는 것으로 해석된다. 하지

만, 리커트 척도는 순서형 변수에 가까우므로 등간 척도로 해석하

기에는 무리가 있다. 이에 우리는 리커트 5 척도를 범주형 변수

로 간주하여 분석하 고, 이를 해 본 연구에서는 수량화방법Ⅱ

(Quantification Method Ⅱ)를 이용하 다.

본 연구에서 사용된 데이터는 Sohn et al. (2007)의 과학기술진

흥기 R&D 융자사업 평가 모형에서 사용된 설문 자료를 바탕으

로 하고 있는데, 2000년부터 2003년까지 과학기술진흥기 을 사용

하여 R&D 사업을 수행한 173개의 기업에 한 데이터이다. Sohn

et al.(2007)은 과학기술 진흥기 융자사업의 성과를 분석하기

해 성과를 Output, Outcom, Impact로 세분화하 는데, Output은

단기 으로 측정 가능한 기술성과를 의미하며, Outcome은 업성

과, 리성과, 생산성과와 같은 경제 성과를, Impact는 궁극 인

범국가 개선효과를 의미한다. 한, 이 연구에서는 성과에 미치

는 다양한 환경변수들을 고려하기 해 미국 국가품질 상인

MBNQA 평가 기 을 도입하여, 이들 기 과 성과 측정지표들과의

계 성과 측정지표들 간의 계를 구조방정식 모형을 통해 제

시하 다.

본 연구의 목 은 다음과 같다. 첫째, 각 성과요인(기술성과,

업성과, 리성과, 생산성과) 효과에 가장 큰 향을 미치는

요인이 무엇인지를 악한다. 이를 통해, 어떤 성과요인이 범국가

인 차원의 효과에 상 으로 많은 향을 끼치는지를 악

할 수 있다. 둘째, 설명변수군에 속하는 측정변수들과 종속변수군

에 속하는 측정변수들간의 련성을 악해본다. 이는 단순히 성과

요인 간의 계 뿐 아니라 구체 으로 어떤 측정변수들이 상호

향을 주는지 악하기 함이다. 셋째, 수량화 분석의 결과로 도출

된 각 측정변수들의 범 값을 가 치로 하여 효과 에서

각 성과요인들을 수화하고, 수화된 성과지수를 통해 군집분석

을 실시한다. 이는 각 기업들을 성과요인별로 군집화하여 해당 군

집의 특성을 악해 으로써 거시 에서의 효과를 높일

수 있는 략 인 피드백을 제공하기 함이다.

본 연구의 구성은 다음과 같다. 2장에서는 국가 R&D 성과분석

에 한 기존 연구들에 한 고찰을 비롯하여 본 연구에서 사용하

는 방법론을 정리하 고, 3장에서는 본 연구에서 사용된 연구 차

와 연구자료에 해 소개하 다. 4장에서는 수량화방법Ⅱ를 용하

여 기술성과 등의 요인들이 효과에 미치는 향을 악하고,

각 측정변수들 간의 련성을 악하 으며, 수량화Ⅱ 분석 결과를

바탕으로 각 성과요인을 수화하고, 군집분석을 실시하 다. 마지

막으로 5장에서는 분석의 결과를 종합하여 R&D 융자사업의 효과

를 증진시킬 수 있는 방안에 해 논의하 다.

Ⅱ. 문 헌고 찰

1 . 기 존 성 과분석 연 구

지 까지 국가 R&D 사업과 련해서 성과를 측정하고 분석하

려는 연구가 다양하게 이루어져 왔다.

홍형득(1996)은 국가R&D사업의 성과와 이들 성과에 향을 미

치는 연구 의 행태요인과의 계분석을 해 R&D의 성과를 기술

성과, 경제 성과, 간 성과 등으로 나 고, 설문과 면 조

사를 병행하여 측정하 는데, 설문에 의해 측정된 변수들은 체로

Likert 5 척도로 구성하 으며, 각 향요인변수들과 R&D성과변

수들간의 계를 다 회귀분석을 통해 분석하 다.

서상 (1999)은 정부지원 기술개발 로그램인 공업기반기술개

발사업의 성과를 분석하기 해 성과 향요인분석기법인 선형구조

모형(Linear Structural Relations: LISREL)을 이용하 는데, 연구

에 사용된 총 33개의 성과측정변수들은 Likert 5 척도로 측정되

었으며, 모두 연속형 변수로 취 되었다.

이성근 등(2003)은 국가지원 지역 신사업의 성과요인을 분석

하기 하여 신환경, 신투입, 신 리, 신활동, 신성과의

다섯 요인과 세부측정지표를 제안하고, 각각의 변수들을 Likert 5

척도로 측정하 으며, 인과모형을 도출하기 해 다 회귀분석

을 수행하 다.

오 병(2006)은 정부지원 공동R&D사업의 성과를 측정하기

해 성과의 유형을 반 성과, 기술 성과, 상업 성과의 세 가

지로 구분하고, 설문을 통해 Likert 5 척도로 측정하 으며, 이들

성과에 향을 주는 요인을 분석하기 해 순 로빗모형(ordered

probit model)을 사용하 다.

Sohn et al.(2007)은 과학기술 진흥기 융자사업의 성과를 분

석하기 해 성과를 Output, Outcom, Impact로 세분화하 다. 여기

에서 Output은 단기 으로 측정 가능한 기술성과를 의미하며,

Outcome은 업성과, 리성과, 생산성과와 같은 경제 성과를,

Impact는 궁극 인 범국가 개선효과를 의미한다. 한, 이 연구

에서는 미국 국가품질 상인 MBNQA 평가 기 을 도입하여, 이들

기 과 성과 측정지표들과의 계 성과 측정지표들 간의 계

를 구조방정식 모형을 통해 제시하 다. 이 연구에서 사용된 각 성

과요인들과 환경변수들은 Likert 5 척도로 측정되었으며, 모든

척도는 연속형 변수로 취 되었다.

술하 듯이, 지 까지의 성과분석에 해 여러 연구들이 있

어 왔음을 알 수 있고, 부분의 연구들이 리커트 척도를 연속형

변수로 인식하여 분석하 음을 알 수 있다.

2 . 수량화방법Ⅱ

본 연구에서는 성과 요인들 간의 계를 규명하기 한 분석

기법으로 수량화방법Ⅱ를 사용하 는데, 수량화방법Ⅱ는 일본의 하

야시(Chikio hayashi)에 의해 개발된 수량화 방법 하나로, 종속

변량이 질 (범주형)인 경우 용될 수 있는 수량화 방법이다(허명

회, 1992). 여기서 수량화란 질 인 외 기 이나 질 인 독립변수

의 각 범주에 한 수량을 부여하는 것으로, 수량화에 의하여 질

(범주형)변수를 양 (연속형)변수로 바꾼다(박병철 등, 2004). 수

량화방법Ⅱ는 질 변수인 외 기 과 독립변수의 각 범주에 수량

화 값을 부여하는 것으로, 질 변수인 외 기 과 질 변수인 설명

변수를 모두 가변수를 이용하여 표 한 뒤, 외 기 가변수들의

선형결합과 설명변수 가변수들의 선형결합 간의 상 계수를 최

화함으로써, 모든 질 범주에 수량화값을 부여하는 것이다(박병철

외, 2004; 박우성, 2002). 한, 질 범주의 수량화를 통해 설명변

수 가운데 어느 요인이 종속변수에 가장 큰 향력을 미치는 가를

악할 수 있는데, 종속변수에 한 설명변수의 향력을 악하는

단기 으로 범 (Range)를 사용한다. 범 는 범주들 값의 최 값

과 최소값의 차이로 정하며 이것이 크면 클수록 향력이 높다

(최승철ㆍ연규 , 2002).

3 . 군 집 분석

군집분석은 데이터의 상호 유사성을 기반으로 여러 개의 집단

으로 나 는 다변량 분석 방법의 하나로, 상들이 지니고 있는 다

양한 특성의 유사성을 바탕으로 동질 인 군집으로 묶거나 다수의

상들을 몇 개의 동질 인 군집으로 구분함으로써 동일 군집 내

에 속해있는 공통된 특성을 조사하는 경우에 사용한다.

Jain et al.(1999)은 <그림 1>과 같이 군집분석의 기법을 크게

계층 군집분석(Hierarchical Methods)과 분할 군집분석

(Partitional Methods)으로 분류하 다.

계층 군집분석은 사 에 군집 수를 정하지 않고 단계 으로

서로 다른 군집결과를 제공하는 것인데, 이는 다시 집괴법

(agglomerative method)과 분리법(divisive method)으로 나뉜다. 집

괴법은 각 객체를 하나의 군집으로 간주하고, 유사한 객체들을 묶

어 새로운 군집을 만들어 나가는 과정을 체의 객체들이 하나의

군집이 될 때까지 반복하는 방법이고, 분리법은 체의 객체를 하

나의 군집으로 간주하고, 유사성이 떨어지는 객체들을 분리시켜 다

른 군집으로 만들어 나가는 과정을 각 객체가 하나의 군집이 될

때까지 반복하는 방법이다.

<그림 1> 군집분석 방법의 분류

자료: Jain et al.(1999)

분할 군집 방법은 사 에 군집 수를 정하고 단 한 번의 분할

과정으로 군집을 만드는 방법이다. 즉 계층 군집 방법과는 달리,

여러 계층의 군집구조가 형성되지 않고, 단일 계층의 군집이 형성

되게 된다. 분할 군집분석 방법 가장 많이 이용되는 방법이

K-평균 군집분석(K-Means Method)이다(김성호ㆍ백승익, 2001).

Ⅲ. 연 구 모 형

1 . 연 구 차

본 연구는 다음과 같은 차로 진행되었다.

단계 1. 기술성과, 업성과, 리성과, 생산성과 효과에

가장 큰 향을 미치는 요인이 무엇인지, 각 성과요인을 구성하

는 측정변수들 해당 요인에 가장 큰 향을 미치는 측정변수가

어떤 것인지 악하기 해 수량화 분석을 실시하 다.

단계 2. 수량화Ⅱ 분석의 결과로 도출된 효과 에서의

각 성과요인들의 범 값을 이용하여 성과요인을 수화하고, 그 지

표를 통해 군집분석을 실시하 다.

<그림 2>은 연구 차의 개념 인 임워크를 도식화한 것이

다.

<그림 2> 연구 차 임워크

2 . 연 구 자료

본 연구에서 사용된 데이터는 Sohn et al.(2007)의 연구에서 사

용되었던 데이터와 동일하다. Sohn et al.(2007)은 과학기술진흥기

융자사업의 성과를 분석하기 해 2000년도부터 2003년도까지

과학기술진흥기 융자사업으로 수혜를 받은 763개의 기업들을

상으로 설문조사 인터뷰 조사를 실시하 다. 설문은 해당 성과

환경요인 변수들을 Likert 5 척도로 측정한 것이며, 설문조사

결과로 763개 상기업 173개의 R&D 완료기업의 자료가 확보

되었다. 본 연구에서는 이 173개의 R&D 완료기업의 데이터를 사

용한다. 본 연구에서 사용된 성과요인과 측정변수는 <표 1>과 같

다.

<표 1> 성과요인 측정변수

성과요인 측정변수 변수명데이터 수(빈도)

1 2 3 4 5

기술성과　

기술진 능력의 개선 X1 1 0 24 123 25

R&D의 진행정도 X2 0 6 31 64 72

기술수 의 격차 개선 X3 0 1 22 108 41

기술의 국산화 X4 0 0 28 108 42

업성과 업 능력 확 X5 1 2 52 102 16

제품/기업 인지도 향상 X6 0 1 34 109 29

시장 유율 증가 X7 0 3 48 109 13

매출액 증 X8 1 1 47 106 18

리성과 　　　

고용인원 증 X9 1 4 47 115 6

R&D 환경 개선 X10 1 1 26 130 15

생산작업환경 개선 X11 1 1 57 104 10

리시스템 개선 X12 1 1 50 116 5

생산성과 제품 불량률 감소 X13 0 1 31 131 10

생산시설/생산성 증가 X14 0 2 39 120 12

제품 생산기간 축소 X15 0 2 54 109 8

제조 원가 감 X16 0 4 119 44 6

효과 국가 과학기술 발 기여도 Y1 1 0 40 118 14

국가 산업발 기여도 Y2 1 0 30 120 22

신수요 창출효과 Y3 1 1 37 115 19

산업구조 고도화 Y4 0 2 53 109 9

국가 경제 기여도 Y5 0 2 45 115 11

국가 경쟁력 강화 Y6 0 2 37 118 16

Ⅳ. 실 증 연 구

1 . 수량화 분석

본 연구에서는 측정변수들로부터 추출한 5가지의 성과 요인

(factor)이 특별한 인과 계가 있음을 가정하고, 기술성과, 업성

과, 리성과, 생산성과 등의 요인들이 효과에 어느 정도의

향을 미치는지를 알아보기 해 수량화방법Ⅱ를 사용하 다. 각 요

인들에 한 개념 인 정의는 <표 2>와 같다.

<표 2> 성과 측정 요인들의 개념 정의

성과 측정 요인 개념 정의

기술성과 융자 수혜 기업의 R&D을 통한 직 인 기술성과

업성과 시장 유율, 매출액, 수출액 등 업 에서의 성과

리성과 고용, 복지, R&D환경 등 리 차원에서의 성과

생산성과 제품 생산, 품질, 공정과 련된 성과

효과 거시 인 측면에서 측정된 국가 인 효과

기존의 많은 연구들이 리커트 척도(Likert Type Scale)를 연속

형으로 고려하여 선형결합을 통한 유의성 검정에 주안 이 있다면,

본 연구의 은 리커트 척도를 범주형으로 고려하여 각 요인들

을 수량화하는데 있다. 따라서 본 연구에서는 범주형의 외 기

(종속변수)을 정 상 분석을 통해 수량화하는 방법론인 수량화방

법Ⅱ를 이용하 다.

수량화 분석을 하기에 앞서, 본 연구에서는 리커트 척도를 범

주형으로 표 하기 해 각 요인들의 측정 변수를 가변수(dummy

variable)화하 다. <표 1>과 같은 각 요인들의 측정변수는 1~5 사

이의 값을 가지는 5 척도로 구성되어 있다. 그리고 측정변수가

갖는 1~5 사이의 값은 순서 로 “매우 악화”, “악화”, “보통”, “개

선”, “매우 개선”의 의미를 갖는다. 하지만 기존 데이터에는 “매우

악화”와 “악화”에 한 측치가 거의 없기 때문에 수량화 분석이

용이하지 않았다. 본 연구에서는 이러한 데이터의 문제를 해결하고

각 성과요인의 측정변수들이 효과에 어떤 향을 미치는지를

악하기 해 데이터의 개수가 상 으로 은 “매우 악화”, “악

화”, “보통”을 하나의 범주로 묶고, “개선”, “매우 개선”을 각각 하

나의 새로운 범주로 변환하 다. 따라서 각 측정변수는 다음의 세

가지 수 으로 구분되고, 이를 다시 가변수화하여 수량화 분석을

실시하 다.

1수 = “매우 악화”, “악화”, “보통”

2수 = “개선”

3수 = “매우 개선”

본 연구에서는 수량화방법Ⅱ를 용하기 해 모든 측정변수들

의 수 을 다시 ‘0’ 는 ‘1’을 갖는 가변수로 변환한 후, 정 상

분석을 실시하 다. 즉, 기술성과, 업성과, 리성과, 생산성과에

해당하는 측정변수들을 설명변수군(X)으로 하고, 효과에 해당

하는 측정변수들을 종속변수군(Y)으로 하여 정 상 분석을 실시

하 다.

<표 3> 정 상 분석 결과

Variate number

CanonicalCorrelation

R2 Eigen-value

Wilks'Lambda

Approx F

Num DF

Pr > F

1 0.7548 0.5697 1.3237 0.0171 1.69 384 <.00012 0.7466 0.5574 1.2594 0.0397 1.48 341 <.00013 0.6233 0.3885 0.6354 0.0896 1.23 300 0.0107

정 상 분석 결과, 총 18개의 정 식이 도출되었는데, 그

통계 으로 유의(p-value < 0.05)한 정 식은 <표 3>과 같이 3가

지 다. 정 식 1, 2, 3는 체 데이터의 59.2%를 설명하는 것으로

나타났으며, 본 연구에서는 이 세 정 식을 바탕으로 수량화방법Ⅱ

를 용하 다.

<표 4>는 정 상 분석의 결과를 바탕으로 정 식 1의 설명변

수군과 종속변수군을 수량화한 결과를 보여 다. 수량화방법Ⅱ에서

는 심화된 수량화값을 산출하기 해 각 설명변수의 심값을

이용한다. 심값은 설명변수의 각 가변수들의 표 정 계수와 빈

도수의 곱의 총합을 총빈도수로 나 값이다. 수량화값은 정 식의

계수에서 심값을 감하여 구하게 되는데, 변수의 상 인 향

정도를 악하기 해 각 변수별 수량화 값의 최 값과 최소값을

바탕으로 범 를 산정하 다(허명회, 1992).

본 연구에서는 설명변수군의 각 성과요인이 효과에 어느

정도의 향을 미치는지를 악하기 해 각 성과요인의 측정변수

들의 범 의 합계를 이용하 다. 정 식 1을 바탕으로 각 성과요인

의 범 의 합계를 구해보면, 생산성과(4.6602), 리성과(3.9891),

업성과(2.4521), 기술성과(1.7904) 순으로 효과에 많은 향을

미치는 것을 확인할 수 있다. 정 식 2의 경우에는, 생산성과

(5.1743), 업성과(3.0749), 리성과(2.9043), 기술성과(1.7625) 순으

로 나타났으며, 정 식 3의 경우, 업성과(7.0690), 리성과

(4.0613), 생산성과(3.6727), 기술성과(3.6727) 순으로 나타났다.

일반 으로 각 측정변수의 범 는 각 변수가 미치는 향의 크

기를 나타내며, 수량화값의 부호는 낮은 수 에서 높은 수 으로

변화하면서 일정한 부호의 방향성을 가진다. 따라서 수량화값의 부

호의 방향성, 를 들어 측정변수 1수 에서 3수 까지 양(+)의 방

향이나 음(-)의 방향으로 수량화값을 가지는 측정변수들은 서로

련성이 있는 것으로 단할 수 있다. 종합하면, 범 가 큰 값들

에서 양(+)이나 음(-)으로 일정한 방향성을 갖는 각 설명변수군과

종속변수군의 측정변수들은 상호 련성이 높다고 해석할 수 있다.

<표 4> 설명변수군의 수량화 결과(정 식 1)

구분 측정변수 변수명원

정 계수수량화값 범 패턴

기술성과 기술진 능력의 개선(X1)

X1_1 -0.0717 -0.2504 0.3376 상승하락X1_2 0.2660 0.0872 　X1_3 0.0000 -0.1787 　

R&D의 진행정도(X2)

X2_1 0.1799 0.2523 0.4797 하락상승X2_2 -0.2998 -0.2274 　X2_3 0.0000 0.0724 　

기술수 의 격차 개선(X3)

X3_1 -0.3479 -0.0076 0.4709 하락상승X3_2 -0.4709 -0.1307 　X3_3 0.0000 0.3402 　

기술의 국산화(X4)

X4_1 0.5022 0.3012 0.5022 계속하락X4_2 0.2251 0.0241 　X4_3 0.0000 -0.2010 　

업성과 업 능력 확 (X5)

X5_1 -0.7147 -0.1788 0.7147 계속상승X5_2 -0.5235 0.0124 　X5_3 0.0000 0.5359 　

제품/기업 인지도 향상(X6)

X6_1 1.0152 0.4978 1.0152 계속하락X6_2 0.4953 -0.0222 　X6_3 0.0000 -0.5175 　

시장 유율 증가(X7)

X7_1 -0.1725 -0.0513 0.1725 계속상승X7_2 -0.1117 0.0095 　X7_3 0.0000 0.1212 　

매출액 증 (X8)

X8_1 -0.3784 0.0656 0.5497 하락상승X8_2 -0.5497 -0.1057 　X8_3 0.0000 0.4440 　

리성과 고용인원 증 (X9)

X9_1 -0.7882 -0.0119 0.8114 하락상승X9_2 -0.8114 -0.0351 　X9_3 0.0000 0.7763 　

R&D 환경 개선(X10)

X10_1 2.3111 0.5219 2 . 3 1 1 1 계속하락X10_2 1.8833 0.0941 　X10_3 0.0000 -1.7893 　

생산작업환경 개선(X11)

X11_1 0.1139 0.0223 0.1139 계속하락X11_2 0.0878 -0.0038 　X11_3 0.0000 -0.0916 　

리시스템 개선(X12)

X12_1 -0.2153 0.3540 0.7526 하락상승X12_2 -0.7526 -0.1832 　X12_3 0.0000 0.5694 　

생산성과 제품 불량률 감소(X13)

X13_1 0.2793 -0.4197 0.8548 상승하락X13_2 0.8548 0.1559 　X13_3 0.0000 -0.6989 　

생산시설/생산성 증가(X14)

X14_1 0.6488 0.1998 0.6488 계속하락X14_2 0.4257 -0.0234 　X14_3 0.0000 -0.4490 　

제품 생산기간 축소(X15)

X15_1 -1.9019 0.0989 2 . 1 9 8 4 하락상승X15_2 -2.1984 -0.1977 　X15_3 0.0000 2.0008 　

제조 원가 감(X16)

X16_1 0.9582 0.1438 0.9582 계속하락X16_2 0.5233 -0.2910 　X16_3 0.0000 -0.8144 　

하지만, 본 연구에서는 하나의 측정변수를 3개의 범주형 자료

로 분리하 기 때문에, 기존의 수량화모형과 같은 부호의 방향성이

선형으로 표 되지 않는 경우도 나타났다. 를 들어, <표 4>에서

'기술의 국산화(X4)'의 경우, 1수 (X4_1)부터 3수 (X4_3)으로 가

는 동안 수량화값이 감소하는 추세를 보여 선형임을 알 수

있지만, ‘기술진 능력의 개선(X1)'의 경우에는, 1수 (X1_1)에서 2

수 (X1_2)로 갈수록 수량화값이 상승하나, 3수 (X1_3)에서 하락

하는 경향을 보여 선형이 아닌 결과가 나왔다.

따라서 본 연구에서는 각 측정변수별로 수 에 따른 수량화값

의 변화 패턴을 바탕으로, 패턴이 유사한 변수 간의 계를 악하

다. 각 측정변수의 패턴은 <표 4>에 나타나 있으며, 이를 바탕

으로 다음과 같은 해석이 가능하다. 먼 , 설명변수군에서는 R&D

환경 개선(2.3111) 변수와 제품생산기간 축소(2.1984) 변수의 범

가 가장 크고, 종속변수군에서는 국가산업발 기여도(1.9831), 국가

경쟁력 강화(1.8368) 변수의 범 가 가장 크므로 상호 간에 가장

향을 많이 주는 측정변수라고 할 수 있다. 이제 수량화값의 방향

성을 살펴보면, R&D 환경 개선(X10)의 경우, 수 의 증가에 따라

계속 하락하는 패턴을 보이며, 이는 국가산업발 기여도(Y2), 국가

경쟁력 강화(Y6)의 패턴과 유사하다. 따라서 이들 변수들은 수 의

증가에 따라 수량화값이 음의 방향으로 계속 증가한다. 따라서

R&D 환경이 개선되는 정도가 높을수록 국가산업발 기여도가 높

아지며, 국가 경쟁력이 강화될 것이라는 해석을 할 수 있다. 이는

수량화의 값이 향의 크기를 의미하기 때문이기도 하다. 혹은

반 의 경우의 해석도 가능한데, 그 이유는 이 변수들 간의 방향성

이 같기 때문이다. 반면, 설명변수군에서 범 값이 컸던 제품생산

기간 축소(X15)의 경우 수 의 증가에 따라 수량화값이 감소하지

만, 3수 에 이르면 증가하는 하락상승의 패턴을 가지고 있는데,

이는 앞에서 살펴본 종속변수군의 두 변수와 차이를 보인다. 이와

같이 방향이 바 는 이유는 다음과 같이 추정이 가능하다. 1, 2수

에서는 변수들 상호간의 방향이 같기 때문에, 제품생산기간의 축

소 수 이 증가할수록 국가산업발 기여도와 국가 경쟁력이 강화

되나, 3수 에서와 같이 제품생산기간의 축소가 무 과도한 수

으로 증가할 경우, 오히려 생산성을 해하는 요소가 될 가능성이

있기 때문에 국가산업발 기여도나 국가 경쟁력 강화를 방해할 가

능성이 있다고 해석할 수 있다.

<표 5> 종속변수군의 수량화 결과(정 식 1)



효과 국가 과학기술 발 기여도(Y1)

Y1_1 0.5276 0.3489 0.6110 상승하락Y1_2 0.6110 0.4322 　Y1_3 0.0000 -0.1787 　

국가 산업발 기여도(Y2)

Y2_1 1.9831 2.0555 1 . 9 8 3 1 계속하락Y2_2 1.7377 1.8102 　Y2_3 0.0000 0.0724 　

신수요 창출효과(Y3)

Y3_1 -0.3093 0.0309 0.8486 하락상승Y3_2 -0.8486 -0.5084 　Y3_3 0.0000 0.3402 　

산업구조 고도화(Y4)

Y4_1 -1.4767 -1.6777 1.4767 계속상승Y4_2 -1.3374 -1.5384 　Y4_3 0.0000 -0.2010 　

국가 경제 기여도(Y5)

Y5_1 -0.8796 -0.3437 1.3977 하락상승Y5_2 -1.3977 -0.8619 　Y5_3 0.0000 0.5359 　

국가 경쟁력 강화(Y6)

Y6_1 1.8368 1.3193 1 . 8 3 6 8 계속하락Y6_2 1.0913 0.5739 　Y6_3 0.0000 -0.5175 　

정 식 1의 경우와 같이 범 와 수량화값의 부호의 방향성을

사용하여 정 식 2의 수량화 결과*를 해석하면 다음과 같다. 범

값이 각각 2.6585, 2.9527로 각 변수군에서 가장 크게 도출된 설명

변수군의 제품 생산기간 축소(X15)와 신수요 창출효과(Y3)는 수량

화값 부호의 변화 패턴이 일치하므로, 상당한 향 계가 있음을

알 수 있다. 따라서 제품 생산기간이 축소될수록 신수요 창출효과

가 늘어난다고 해석할 수 있다.

* <부록 1> 참조

마찬가지로, 정 식 3의 수량화 결과*를 해석해보면, 설명변수

군에서는 업능력의 확 (X5)와 제품 생산 기간 축소(X15)가 각

각 2.0572와 2.5145로 변수군 내에서 가장 큰 범 값을 갖는 것으

로 악되었고, 종속변수군에서는 국가 과학기술 발 기여도(Y1)

과 산업구조 고도화(Y4)가 각각 2.2540과 2.0485로 가장 큰 범 값

을 갖는 것으로 악되었다. 이 의 해석과 마찬가지로, 수량화값

의 부호 방향성을 감안해서 해석해 보면, 업능력의 확 가 상승

하면 할수록 산업구조는 고도화되는 경향을 가지며, 반면에 업능

력이 하락함에 따라 산업구조 고도화도 느려지는 모습을 보 다.

한, 제품 생산 기간의 축소와 국가 과학기술 발 기여도의 계

에서는 양 변수는 상호간 강한 향 계와 방향성을 가지므로 제

품생산 기간이 축소될수록 국가 과학기술 발 에 한 기여도는

높아진다고 해석될 수 있다.

* <부록 1> 참조

2 . 군 집 분석

본 에서는 수량화 분석을 통하여 도출된 각 설명변수(측정변

수)들의 범 를 가 치로 하여 각 성과요인을 수화하고, 성과요

인의 수를 바탕으로 군집분석을 실시하 다. 이를 해 본 연구

에서 사용한 군집분석 방법은 K-평균 군집분석(K-Means Method)

이다. K-평균 군집분석은 결정된 군집 수 K에 기 하여 군집의

심을 선택하고, 각 항목을 가장 가까운 심 을 갖는 군집에 할당

하여 체자료를 상 으로 유사한 K개의 군집으로 분류하는 방

법이다.

본 연구에서는 군집수의 변동에 따른 과 Pseudo-F값을 고

려하여 군집의 개수를 결정하 다. 일반 으로 군집의 개수는 각

연결단계 에서 pseudo-F값이 후 단계보다 높아진 결합의 단계

나 값이 격히 증가한 단계에서 결정되어진다(Eder et al.,

1994, Lattin et al., 2002). 따라서 우리는 군집의 개수를 2~10개 정

도로 만들어 각 군집의 통계량인 과 Pseudo-F값을 고려하 고,

그 결과를 바탕으로 가장 한 군집의 개수를 4개로 단하여

분류하 다. <표 6>과 <그림 5>는 군집의 개수에 따른 통계값과

그래 를 나타낸다.

<표 6> 군집개수에 따른 (%)과 Pseudo-F

군집의 수 Pseudo-F R-Square(%)

2 105.45 23.51

3 69.13 39.62

4 74.81 49.61

5 57.15 57.73

6 54.27 61.88

7 54.83 65.15

8 47.19 67.80

<그림 3> 군집개수에 따른 (%)과 Pseudo-F

본 연구에서는 수량화 분석 결과 도출된 효과에 가장 큰

향을 미치는 범 값을 가 치로 하여 각 성과요인을 수화하고,

수화된 성과요인값들을 바탕으로 군집분석을 실시하 다. <표

7>는 군집분석을 통해 도출된 결과이며, 군집의 크기와 각 성과요

인에 한 군집별 평균 수를 보여주고 있다.

<표 7> 군집분석의 결과

군 집 빈 도 기 술 성 과 업성 과 리 성 과 생 산 성 과

1 40 31.88 15.04 15.4 11.1

2 45 80.19 46.72 54.92 51.69

3 61 44.54 45.34 47.61 36.77

4 27 78.54 74.3 48.17 33.27

한 우리는 각 군집들의 추가 인 성향을 악하기 해 기업

일반 사항과 군집들 간의 교차분석을 실시하 다. 교차분석 시 사

용한 변수들과 분석 결과 도출된 통계량은 <표 8>과 같다.

<표 8> 교차분석을 한 변수 정의 유의 확률

변수명 변수 형태 P-value

독립변수

본사 주소지 수도권, 비 수도권 0.0410

사업형태 IT,BT,NT,ST,ET,CT 0.26

제조형태 제조업, 비제조업 0.27

기업형태벤처, 이노비즈, 일반기업, 대

기업0.58

연구방법외부 위탁연구, 자체연구, 공

동연구0.24

보유기술의 수명주기 도입기,성장기,성숙기,쇠퇴기 0.07

제품의 수명주기 도입기,성장기,성숙기,쇠퇴기 0.02

융자담보형태 일반담보, 기술담보 0.64

연구소 보유 유, 무 0.04

해외연구기관과 연구

협력 여부여, 부 0.57

종속변수 기업군 4개의 군집

교차분석 결과 유의수 95%에서 본사 주소지 연구소 보유

변수 그리고 제품의 수명주기와 종속변수인 군집들 간의 차이가

있다는 것을 알 수 있었다.

<표 9-1> 군집과 연구소 보유 군집과 본사 치

빈도행백분율 0 1 총합

빈도행백분율 0 1 총합

19

22.531

77.5

4026.49

18

203280

4024.24

221

46.6724

53.33

4529.80

220

44.4425

55.56

4527.27

315

37.525

62.5

4026.49

323

42.5931

57.41

5432.73

414

53.8512

46.15

2617.22

41350

1350

2615.75

총합59

39.0792

60.93151100 총합

6438.79

10161.21

165100

<표 9-2>군집과 제품수명주기

빈도행백분율 1 2 3 4 총합

1 12

30.77

16

41.03

8

20.51

3

7.69

39

23.49

2 20

44.44

19

42.22

6

13.33

0

00

45

27.11

3 20

35.09

32

56.14

5

8.77

0

00

57

34.34

4 9

36

8

32

8

32

0

00

25

15.06

총합

61

36.75

75

45.18

27

16.27

3

1.81

166

100

이상의 군집분석 교차분석을 바탕으로 우리는 각 군집들의

성향을 다음과 같이 악할 수 있었다.

군 집 1 . R&D 융자사업을 지원받은 기업 23%로써, 이 기업

군은 체 으로 낮은 성과를 나타내고 있다.

군 집 2 . 체 기업 데이터 26%에 해당하며, 이 기업군은 기

술 생산성과와 리성과가 뛰어나며, 업성과 한 양호하다고

볼 수 있다.

군 집 3 . 체 기업 데이터 가장 많은 35%에 해당하며, 리

생산성과와 업성과는 양호하나, 기술성과는 낮음을 알 수 있

다.

군 집 4 . R&D 융자사업을 지원받은 기업 16%로, 기술

업 성과는 뛰어나며, 리 생산성과는 양호한 그룹으로 나타

났다.

한 기업군 성과가 양호한 군집 4와 군집 2의 연구소 비율

이 각각 53%와 46% 이상으로 나타났으며, 상 으로 성과가 가

장 낮은 군집 1이 22%로 가장 은 비율을 보이고 있는 것으로 나

타났다. 그리고 4 기업군 모두 재 연구개발 수명주기가 도입기

성장기에 분포되어 있지만, 상 으로 성과가 약한 군집 1의

경우 성숙기 쇠퇴기의 제품을 연구하는 것으로 나타났다. 그리

고 성과가 양호한 기업군인 군집 4, 2, 3은 상 으로 수도권에

본사가 치하는 경우가 많았지만, 군집 1의 경우 본사 치 한

비수도권에 치하는 경우가 많았다.

특히, 수량화 분석을 통해 효과에 가장 큰 향을 미치는

생산성과 리성과가 군집 1의 경우 가장 낮은데, 이는 거시

인 측면에서의 효과에 악 향을 끼치는 것으로 단할 수 있

다. 결국 군집 4와 같은 성공모델 뿐만 아니라, 군집 1과 같은 기

업군들의 구체 인 사례를 연구할 필요가 있다. 이러한 부분은 향

후 R&D 융자사업을 주 하는 기 에서도 인지할 필요가 있다고

보며, 정책 수립 시에도 고려되야 할 것이다.

이와 같은 정보를 바탕으로 군집분석을 통해 우리는 다음과 같

이 종합하 다.

R&D 융자사업을 지원받는 기업들 76% 이상이 효과

에서의 ·단기 성과가 있는 것으로 악되었으며, 이러한 부

분은 R&D 융자사업의 필요성을 뒷받침해 주는 결과라고 사료된

다.

Ⅴ. 결 론

국가 R&D 사업 성과평가의 요성에 한 인식이 증 됨에

따라, 그동안 보다 효과 인 성과평가를 한 다양한 시도가 있었

다. 이러한 흐름과 함께, 본 연구에서는 과학기술진흥기 융자사

업의 성과를 기존 연구와 다른 근 방법으로 분석해보았다. 첫째,

수량화방법Ⅱ를 사용하여 효과에 한 각 성과요인의 상

인 향 계를 분석해보았고, 둘째, 도출된 성과요인들을 바탕으

로 수화하여 군집분석을 실시하 고, 군집별로 R&D 융자사업

수혜기업들의 특징을 살펴보았다.

본 연구를 통해 우리는 다음과 같은 결과를 도출할 수 있었다.

첫째, 기존의 많은 연구에서 Likert 척도를 연속형으로 간주해

서 분석했던 방법과는 달리 본 연구에서는 범주형으로 인식하여

분석하 고, 이를 해 수량화방법Ⅱ를 사용하 다. 수량화 분석의

결과로 도출된 범 값을 통해 효과에 가장 큰 향을 주는 요

인이 생산성과와 리성과라는 사실을 확인하 고, 개별 측정변수

단 에서는 제품 생산기간 축소가 국가 산업발 기여도와 국가

경제 기여도는 물론 신수요 창출효과, 국가 산업발 기여도 등 다

양한 측면에서 효과에 향을 미친다는 사실을 수량화값의 부

호 방향성의 변화 패턴을 통해 분석해 보았다. 이 외에도 R&D 환

경 개선은 국가산업발 기여도와 국가 경쟁력 강화에 향을 미

치며, 업능력의 확 는 산업구조의 고도화에 향을 미치는 것을

확인할 수 있었다. 이와 같은 사실은 향후 R&D 융자사업 정책을

집행할 때나 수혜기업이 R&D 사업을 수행함에 있어서, 효과

를 극 화시키기 해서는 생산성과와 리성과에 많은 비 을 두

고, 특히, 제품 생산기간 축소, R&D 환경 개선, 업능력의 확

등의 구체 인 활동에 역 을 두어야 함을 시사한다고 할 수 있다.

둘째, 우리는 R&D 융자사업을 지원 받은 기업들을 군집분석을

통해 분류하 고, 각 성과에 따른 기업군들의 성향을 악하 다.

이를 통해 직 으로 76% 이상의 기업들이 융자사업의 효과를 보

고 있는 것으로 악할 수 있었고, 이러한 부분은 R&D 융자사업

의 필요성을 뒷받침해 주는 결과라고 사료된다.

본 연구를 통해 발견된 사항들은 R&D 융자사업을 수행하는

정부나 R&D 과제 수행 당사자인 기업이 성공 인 성과를 거두기

한 략 수립에 활용할 수 있을 것으로 기 되며, 더 나은 결과

를 해서는 지속 인 성과 리를 통해 장기 인 효과로 이끌

수 있는 토 가 마련되어져야 할 것으로 사료된다. 이를 해서는

분석 결과로 나타난 성과가 미비한 기업뿐만 아니라 성과가 뛰어

난 기업들을 상으로 정성평가는 물론, 지원을 한 다양한 략

들이 필요하며, 이러한 부분은 향후 연구과제로 남긴다.

본 연구를 통해 사용된 통계 기법들은 R&D 성과평가 뿐만

아니라 다양한 응용분야에 용 가능하리라 기 된다.

참고 문 헌

허명회(1992), 『수량화 방법론의 이해』, 자유아카데미

김성호ㆍ백승익(2001), “인 데이터를 이용한 군집분석 로그

램간의 비교에 한 연구”, 『한국 지능정보시스템학회논문

지』, 7(2): 35~49, 한국지능정보시스템학회.

박병철ㆍ이재 ㆍ박승범(2004), “수량화방법2를 이용한 홍수 취약

교량 별에 한 연구”, 『 한토목학회논문집』, 24(64):

1293~1300, 한토목학회.

박우성(2002), “노인입원환자의 질병유형과 양상에 한 연구: 종합

문요양기 심으로”, 『한국노년학』, 22(1): 47~63, 한국

노년학회.

서상 (1999), “국가기술지원사업의 성과요인에 한 분석: 공업기

반기술개발사업의 사례를 심으로”, 『기술 신학회지』,

2(3): 1~18, 한국기술 신학회.

오 병(2006), “정부지원 공동R&D사업에 한 실증연구: 공통핵심

기반기술개발사업을 심으로”, 『산업조직연구』, 14(3):

111~146, 한국산업조직학회.

이성근ㆍ박상철ㆍ이 률(2003), “한국 국가지원 지역 신사업의 성

과요인분석”, 『한국지역개발학회지』, 15(1): 129~145, 한국

지역개발학회지.

이재근(2006), “국가R&D사업의 성과 리를 한 균형성과표 설계

에 한 연구”, 『정부학연구』, (12)1: 291~315, 고려 학교

정부학연구소.

최승철ㆍ연규 (2002), “기능성신선육 구매행동 수량화분석”, 『농

업경 정책연구』, 29(4): 659~674, 한국농업정책학회.

홍형득(1996), “국가R&D사업의 성과와 연구 의 행태요인간 계

분석”, 『한국정책학회보』, 5(1): 180~210, 한국정책학회.

Eder, B.K., Davis, J.M., Bloomfield, P.(1994), An automated

classification scheme designed to better elucidate the

dependence of ozone on meteorology, Journal of Applied

Meteorology, vol. 33, pp.1182-1199.

Jain, A.K. and Murty, M.N. and Flynn, P.J.(1999), “Data

clustering: a review”, ACM Computing Surveys, 31(3):

264~323, ACM.

Lattin, J., Carroll, J.D., Green, P.E.(2002), Analyzing Multivariate

Data, Duxbury

Sohn, S.Y. and Joo, Y.G. and Han, H.K.(2007), "Structural

equation model for the evaluation of national funding on

R&D project of SMEs in consideration with MBNQA

criteria", Evaluation & Program Planning, 30(1): 10~20,

Elsevier.

<부록 1>





X1_1 0.3290 -0.3789 0.9289 상승하락X1_2 0.9289 0.2209 　X1_3 0.0000 -0.7080 　


X2_1 -0.1576 -0.1518 0.2331 상승하락X2_2 0.0755 0.0813 　X2_3 0.0000 0.0058 　


X3_1 -0.0407 0.2587 0.4710 하락상승X3_2 -0.4710 -0.1716 　X3_3 0.0000 0.2995 　


X4_1 0.1294 0.1031 0.1294 계속하락X4_2 0.0101 -0.0162 　X4_3 0.0000 -0.0263 　


X5_1 -0.5392 -0.1097 0.5392 계속상승X5_2 -0.4377 -0.0082 　X5_3 0.0000 0.4295 　


X6_1 -0.2303 -0.0955 0.2303 계속상승X6_2 -0.1401 -0.0052 　X6_3 0.0000 0.1349 　


X7_1 1.0093 0.6041 1.0093 계속하락X7_2 0.1709 -0.2343 　X7_3 0.0000 -0.4052 　

매출액 증 (X8)

X8_1 1.1634 0.0398 1.2960 상승하락X8_2 1.2960 0.1724 　X8_3 0.0000 -1.1236 　


X9_1 0.9099 0.2776 0.9099 계속하락X9_2 0.5398 -0.0925 　X9_3 0.0000 -0.6323 　


X10_1 -0.6310 0.3780 1.2068 하락상승X10_2 -1.2068 -0.1978 　X10_3 0.0000 1.0089 　


X11_1 0.3964 0.1443 0.3964 계속하락X11_2 0.1944 -0.0576 　X11_3 0.0000 -0.2521 　


X12_1 -0.3713 0.0026 0.3912 하락상승X12_2 -0.3912 -0.0173 　X12_3 0.0000 0.3739 　


X13_1 -0.4937 -0.0086 0.5201 하락상승X13_2 -0.5201 -0.0349 　X13_3 0.0000 0.4852 　


X14_1 -1.0015 -0.2835 1.0015 계속상승X14_2 -0.6929 0.0251 　X14_3 0.0000 0.7180 　


X15_1 2.6585 0.6707 2 . 6 5 8 5 계속하락X15_2 1.7891 -0.1987 　X15_3 0.0000 -1.9878 　


X16_1 -0.9942 -0.1197 0.9942 계속상승X16_2 -0.6593 0.2152 　X16_3 0.0000 0.8745 　





Y1_1 0.0644 -0.6436 0.4115 하락상승Y1_2 -0.3470 -1.0550 　Y1_3 0.0000 -0.7080 　


Y2_1 -1.5680 -1.5622 1.5934 하락상승Y2_2 -1.5934 -1.5877 　Y2_3 0.0000 0.0058 　


Y3_1 2.9527 3.2522 2 . 9 5 2 7 계속하락Y3_2 2.0666 2.3661 　Y3_3 0.0000 0.2995 　


Y4_1 1.5158 1.4895 1.5158 계속하락Y4_2 0.6930 0.6666 　Y4_3 0.0000 -0.0263 　


Y5_1 -0.2847 0.1447 0.5442 하락상승Y5_2 -0.5442 -0.1147 　Y5_3 0.0000 0.4295 　


Y6_1 -0.8499 -0.7150 0.8499 계속상승Y6_2 -0.5239 -0.3890 　Y6_3 0.0000 0.1349 　





X1_1 0.3736 0.4861 0.6078 하락상승X1_2 -0.2342 -0.1217 　X1_3 0.0000 0.1125 　


X2_1 -0.4540 -0.4226 0.6315 상승하락X2_2 0.1775 0.2089 　X2_3 0.0000 0.0315 　


X3_1 -0.1634 0.0065 0.2374 하락상승X3_2 -0.2374 -0.0675 　X3_3 0.0000 0.1699 　


X4_1 -0.5269 -0.2522 0.5269 계속상승X4_2 -0.3562 -0.0815 　X4_3 0.0000 0.2747 　


X5_1 2.0118 0.1593 2 . 0 5 7 2 상승하락X5_2 2.0572 0.2047 　X5_3 0.0000 -1.8525 　


X6_1 1.5865 0.7190 1.5865 계속하락X6_2 0.8675 0.0000 　X6_3 0.0000 -0.8675 　


X7_1 1.3116 0.1316 1.3116 계속하락X7_2 1.2592 0.0792 　X7_3 0.0000 -1.1800 　

매출액 증 (X8)

X8_1 -1.4965 0.2224 2.1137 하락상승X8_2 -2.1137 -0.3947 　X8_3 0.0000 1.7189 　


X9_1 -0.2236 -0.1901 0.2743 상승하락X9_2 0.0507 0.0842 　X9_3 0.0000 0.0335 　


X10_1 -0.0508 0.1999 0.3227 하락상승X10_2 -0.3227 -0.0720 　X10_3 0.0000 0.2507 　


X11_1 1.5929 0.2120 1.5929 계속하락X11_2 1.3934 0.0125 　X11_3 0.0000 -1.3809 　


X12_1 -1.8714 -0.7303 1.8714 계속상승X12_2 -0.8629 0.2782 　X12_3 0.0000 1.1411 　


X13_1 -0.0417 -0.3497 0.4586 상승하락X13_2 0.4169 0.1089 　X13_3 0.0000 -0.3080 　


X14_1 -0.3927 -0.2992 0.3927 계속상승X14_2 -0.0007 0.0929 　X14_3 0.0000 0.0935 　


X15_1 2.5145 0.5059 2 . 5 1 4 5 계속하락X15_2 1.8961 -0.1125 　X15_3 0.0000 -2.0086 　


X16_1 -0.1589 -0.0835 0.3068 상승하락X16_2 0.1479 0.2232 　X16_3 0.0000 0.0753 　





Y1_1 2.2540 2.3665 2 . 2 5 4 0 계속하락Y1_2 2.2295 2.3420 　Y1_3 0.0000 0.1125 　


Y2_1 0.0339 0.0654 0.7590 하락상승Y2_2 -0.7250 -0.6936 　Y2_3 0.0000 0.0315 　


Y3_1 0.2730 0.4429 0.5273 하락상승Y3_2 -0.2543 -0.0844 　Y3_3 0.0000 0.1699 　


Y4_1 1.8253 2.1000 2 . 0 4 8 5 상승하락Y4_2 2.0485 2.3232 　Y4_3 0.0000 0.2747 　


Y5_1 0.1598 -1.6927 0.2090 하락상승Y5_2 -0.0491 -1.9017 　Y5_3 0.0000 -1.8525 　


Y6_1 -0.4448 -1.3124 1.4193 상승하락Y6_2 0.9745 0.1070 　Y6_3 0.0000 -0.8675 　

수량화방법Ⅱ를 이용한 국가 r&d 융자사업 파급효과...

Documents