---
type: paper
slug: yong-gil-lee-2006-factors-affecting-patent
title: >-
  A Study on Factors Affecting Patent Citation Counts and Patent Licensing in
  Chemistry Field
authors:
  - '[[yong-gil-lee]]'
  - '[[jeongdonglee]]'
  - '[[yong-il-song]]'
  - '[[yun-chul-chung]]'
  - '[[sung-woo-lee]]'
year: 2006
venue: '[[picmet]]'
pages: 1789-1792
categories:
  - '[[bibliometric-methods]]'
  - '[[innovation-systems]]'
methods:
  - '[[zero-altered-poisson]]'
  - '[[zero-altered-negative-binomial]]'
  - '[[count-data-regression]]'
  - '[[probit-model]]'
  - '[[logit-model]]'
themes:
  - '[[chemistry-patents]]'
  - '[[patent-licensing]]'
  - '[[research-collaboration]]'
  - '[[multidisciplinary-research]]'
  - '[[korean-public-research-institutes]]'
aliases: []
last_updated: '2026-05-20T02:18:39+09:00'
---
# A Study on Factors Affecting Patent Citation Counts and Patent Licensing in Chemistry Field

*[[yong-gil-lee]], [[jeongdonglee]], [[yong-il-song]], [[yun-chul-chung]], [[sung-woo-lee]] (2006)* · [[picmet]] '06, pp. 1789–1792

> 한국 공공 연구기관의 chemistry 분야 US 특허 390 건 ([[korean-public-research-institutes]] KIST 244 + KRICT 146, 1970–2004) 의 patent quality 를 두 차원 — citation count 와 licensing (technology transfer) — 으로 동시 분석한다. [[zero-altered-negative-binomial]] 회귀에서 [[research-collaboration]] (COL) 이 citation 0.259\* 와 licensing (Logit 1.723\*\*) 모두에 양 효과, [[multidisciplinary-research]] (KIST 더미) 가 citation 0.106⁺ 로 약 양 (단일 분야 KRICT 대비), invention 규모 (CLA) 가 citation 0.017\*\* 양. licensing 회귀에서는 거의 모든 변수가 무의미하고 *오직 COL 만* 강하게 유의 (Logit 1.723\*\*, Probit 0.967\*\*). chemistry 분야 R&D 정책 함의: 단일 변수가 결정하는 *citation impact* 와 *industrial transfer* 의 양쪽 metric 을 동시 끌어올리는 거의 유일한 leverage 는 *연구 협력* — 단일 기관·단일 분야 R&D 의 한계.

- **RQ**: 한국 공공 연구기관의 chemistry US 특허 quality 는 (i) citation count 와 (ii) licensing 의 두 차원에서 어떤 요인이 결정하며, 두 metric 은 서로 어떻게 연결되는가?
- **방법론**: [[zero-altered-poisson]], [[zero-altered-negative-binomial]] (citation count), [[probit-model]] · [[logit-model]] (binary licensing)
- **데이터**: chemistry 분야 US 특허 N=390 (KIST 244 = 1970–2004, KRICT 146 = 1988–2004), front-page 변수 12 종 + transfer dummy (실제 licensing 여부, 공공 R&D 내부 정보)
- **주요 발견**: licensed 비율 KIST 13.9%, KRICT 10.3%; mean citation KIST chem 2.449 > KRICT chem 1.207 (≈ 2 배); 전체 licensed 특허 mean citation 2.918 > non-licensed 1.853 — *licensed 가 더 cited*; ZINB citation 회귀: COL +0.259\*, KIST +0.106⁺, TRA +0.220⁺, CLA +0.017\*\*, INV −0.051\*\*, AGE +0.118\*\*; Logit licensing: COL +1.723\*\* (다른 변수 모두 무의미)
- **시사점**: chemistry 분야 R&D 정책의 leverage 는 *연구 협력 강화* — citation impact 와 licensing 양쪽에 작용하는 유일 변수. KIST 의 multidisciplinary 모델이 KRICT 의 specialized 모델보다 citation 측면 우월하지만 licensing 에는 무관 — *기초연구 vs 산업이전* 의 trade-off 가 institutional design 에 내재

*(이 paper 는 PICMET conference 4 페이지 단편으로 figure 없음. 핵심은 Table 5 (ZINB citation) + Table 7 (Probit/Logit licensing) 의 paired 회귀.)*

## 요약

[[yong-gil-lee-2006-etri-invented-us-patents-citation-counts]] 의 ETRI IT 분야 분석을 chemistry 분야로 확장하면서 동시에 *licensing* 차원을 추가한 paired 분석. KIST (Korea Institute of Science and Technology, 다학제) 와 KRICT (Korea Research Institute of Chemical Technology, 화학 specialized) 두 기관의 US 특허를 비교해 (i) chemistry 분야 patent quality 의 결정요인, (ii) multidisciplinary vs specialized 기관 모델의 차이, (iii) citation 과 licensing 의 두 quality metric 간 관계를 동시에 탐색한다.

기술적 출발점은 한국 공공 R&D 정책의 dual pressure — citation impact (학술적 영향력) 와 licensing (산업 이전) 의 동시 달성 — 에 대한 정량 진단 필요. 데이터는 KIST 244 + KRICT 146 chemistry 특허 (전체 670 건 중 chemistry IPC 한정) 의 front-page 정보 + 내부 transfer 기록 결합. 본 paper 는 두 종속변수에 두 모형 가족을 paired 로 적합한다 — citation count 는 [[zero-altered-negative-binomial]] (ZINB), licensing 은 [[probit-model]] / [[logit-model]] (binary 0/1).

ZINB citation 회귀의 핵심 발견은 세 갈래다. **첫째, [[research-collaboration]] 의 강한 양 효과** — COL (co-assignee 더미) 0.259\* — chemistry 분야에서 협력 특허가 단일 assignee 특허보다 더 많이 cited. **둘째, [[multidisciplinary-research]] vs specialized institute** — KIST 더미 0.106⁺ (vs KRICT base) — 다학제 기관의 chemistry 특허가 specialized 기관보다 약하게 더 cited. mean citation 비교 (KIST chem 2.449 vs KRICT chem 1.207) 와도 일치하는 방향이지만 ZINB 회귀에서는 marginal significance — 다른 변수 통제 후 효과 약화. **셋째, transfer 와 citation 의 상호 보강** — TRA 더미 (licensed 특허) 0.220⁺ 로 약 양 — licensed 특허가 더 cited 되는 패턴이 ZINB 통제 후에도 남음, table 6 의 raw mean 비교 (transferred 2.918 vs non-transferred 1.853) 와 일치. 다만 ETRI 의 *self-citation cumulativeness* 효과는 chemistry 에서 약화 (SELF −0.039 n.s.) — chemistry 분야는 IT 와 달리 단일 라인 deep cumulativeness 보다 *외부 협력* 이 더 중요한 quality driver.

Licensing 회귀의 결과는 더 striking — Logit · Probit 모두에서 *오직 COL 만 강하게 유의* (Logit 1.723\*\*, Probit 0.967\*\*). 모든 다른 변수 (citation 에서 유의했던 KIST · TRA · CLA · AGE 포함) 가 licensing 회귀에서 무의미. 즉 *어떤 특허가 산업에 이전되는가* 의 변동을 chemistry 분야에서 가장 잘 설명하는 단일 변수는 *연구 협력 여부*. 저자는 이를 *intuitive 정책 함의* 로 해석 — chemistry R&D 의 licensing 메커니즘이 기술적 우수성보다 *협력 네트워크의 산업 신호* 에 의해 작동. 단 likelihood −139.2 가 시사하듯 적합도 낮음 — Table 6 의 paired 차이가 약함 (transferred / non-transferred mean 의 raw 차이가 INV / FAM / SCI 등에서 거의 0) 이 회귀의 식별을 약화.

저자가 명시한 추가 의문은 (i) licensing 의 낮은 적합도가 모형 specification 문제인지 데이터 문제인지, (ii) COL 이 양쪽 모두 영향을 주는 메커니즘 — *기술적 보완성* 인지 *조직 신호* 인지, (iii) "licensed 가 더 cited" 라는 정량 패턴의 인과성 (전이가 citation 을 유발하는지, 우수 특허가 둘 다 끌어내는지), (iv) KIST 의 multidisciplinary 우위의 institutional design 함의 — chemistry 분야에서 다학제가 specialized 보다 우월하다면 KRICT 처럼 specialized 기관의 R&D 전략 재설계 필요. 이들은 모두 Section VI 의 *Discussion* 으로 deferred 되어 broader Scientometrics 작업 ([[yong-gil-lee-2007-indepth-empirical-patent]]) 의 발판으로 이어진다.

## 핵심 결과

**기관 비교 (Table 3 발췌)**

| Statistics | KIST Total | KIST Chemistry | KRICT Total | KRICT Chemistry |
|---|---:|---:|---:|---:|
| 특허 수 | 452 | 244 (54.0%) | 218 | 146 (67.0%) |
| Mean citation | 2.214 | **2.449** | 2.261 | **1.207** |
| Mean self-citation | 0.292 | 0.363 | 0.156 | 0.179 |
| Licensed 수 (비율) | 57 (12.6%) | 34 (13.9%) | 34 (15.6%) | 15 (10.3%) |
| Mean CLA | 8.559 | 8.224 | 10.298 | 9.986 |
| Mean FAM | 5.000 | 5.367 | **9.073** | **8.972** |
| Mean USP (US 의존) | 5.138 | 4.694 | 4.193 | 3.945 |

→ KIST chem 의 citation 이 KRICT chem 의 2 배. KRICT 는 family patent 약 1.7 배 (광역 보호 전략).

**Transferred vs Non-transferred (Table 6)**

| Statistics | Transferred (49) | Non-transferred (341) | Total |
|---|---:|---:|---:|
| Mean citation | **2.918** | **1.853** | 1.951 |
| Mean self-citation | 0.224 | 0.305 | 0.296 |
| Mean CLA | 9.245 | 8.827 | 8.866 |
| Mean SELF | 0.143 | 0.343 | 0.319 |

→ Transferred 특허가 더 많은 citation, 그러나 self-citation 은 적음 — 외부 영향력과 내부 라인 축적이 분리.

**ZINB citation 회귀 (Table 5)**

| 변수 | NB | ZIP | **ZINB** |
|---|---:|---:|---:|
| INV (team size) | −0.046 (n.s.) | −0.037\* | **−0.051\*\*** |
| SELF (cumulativeness) | −0.013 (n.s.) | −0.003 (n.s.) | −0.039 (n.s.) |
| **COL** (collaboration) | −0.046 (n.s.) | **+0.170\*** | **+0.259\*** |
| **KIST** (multidisciplinary) | +0.175 (n.s.) | **+0.277\*\*** | **+0.106⁺** |
| **TRA** (transferred) | +0.241 (n.s.) | **+0.284\*\*** | **+0.220⁺** |
| **CLA** (invention scale) | **+0.036\*\*** | **+0.027\*\*** | **+0.017\*\*** |
| FAM (international presence) | −0.003 (n.s.) | +0.012\*\* | −0.006 (n.s.) |
| US (US domain) | +0.021 (n.s.) | +0.006 (n.s.) | +0.001 (n.s.) |
| JP (Japan domain) | +0.104 (n.s.) | +0.109\*\* | +0.003 (n.s.) |
| AGE | **+0.170\*\*** | **+0.090\*\*** | **+0.118\*\*** |
| Log L | −656.3 | −784.1 | **−648.6** |

\*\* p<0.01, \* p<0.05, ⁺ p<0.10.

**Licensing 회귀 (Table 7, Y = transfer 0/1)**

| 변수 | Probit | Logit |
|---|---:|---:|
| **COL** (collaboration) | **+0.967\*\*** | **+1.723\*\*** |
| INV | +0.014 (n.s.) | +0.022 (n.s.) |
| SELF | −0.167 (n.s.) | −0.328 (n.s.) |
| KIST | +0.295 (n.s.) | +0.549 (n.s.) |
| CLA | +0.006 (n.s.) | +0.008 (n.s.) |
| FAM | −0.013 (n.s.) | −0.024 (n.s.) |
| SCI | −0.016 (n.s.) | −0.022 (n.s.) |
| US | +0.006 (n.s.) | +0.013 (n.s.) |
| JP | −0.127 (n.s.) | −0.238 (n.s.) |
| AGE | +0.009 (n.s.) | +0.019 (n.s.) |
| Log L | −139.2 | — |

→ **오직 COL 만 유의** — chemistry 분야 licensing 의 unique driver.

## 방법론 노트

Citation 모형은 [[yong-gil-lee-2006-etri-invented-us-patents-citation-counts]] 와 동일한 [[zero-altered-negative-binomial]] (ZINB) — over-dispersion + excess zero 동시 처리. 자세한 likelihood specification 은 sibling paper 참조. Chemistry sample 의 actual 0 = 189 (390 중 48.5%) 로 ETRI sample 의 26% 보다 zero 비중 더 큼 — chemistry 분야 특허 가 IT 분야보다 *cited 되지 않는* 비율이 높아 zero-altered 효과 가 더 critical. Vuong test (ZIP 4.65\*\* vs Poisson, ZINB 1.57⁺ vs NB) 와 dispersion α = 1.452\*\* 가 모형 선택을 지지.

Licensing 모형은 binary outcome $T_i \in \{0, 1\}$ (특허 $i$ 가 산업으로 이전됐는지) 에 대한 표준 [[probit-model]] / [[logit-model]]:

$$
\Pr(T_i = 1 \mid X_i) = \Phi(\beta' X_i) \quad \text{(probit)}
$$

$$
\Pr(T_i = 1 \mid X_i) = \frac{1}{1 + e^{-\beta' X_i}} \quad \text{(logit)}
$$

설명변수는 citation 모형과 동일 set (단 KIST 더미는 multidisciplinary 통제, TRA 는 종속변수가 되므로 RHS 에서 제외). Logit 의 odds-ratio 해석으로 COL 1.723 ⇒ $e^{1.723} \approx 5.6$ — 협력 특허가 단일 특허 대비 licensing odds 약 5.6 배. 그러나 다른 변수의 비유의성과 결합되면 robustness 가 약함.

식별은 (i) KIST/KRICT 두 기관 간 institutional 차이의 cross-section variation, (ii) 1970–2004 의 등록 연도별 AGE 변동 (chemistry 의 citation 누적 시간), (iii) front-page 변수 12 종의 inter-patent 분산에서 온다. licensing 추정의 낮은 적합도는 *내부 transfer 결정* 메커니즘이 front-page 정보 외부에 있는 (예: 특정 기업과의 사전 R&D 컨소시엄, 기관 내부 사업화 부서의 정책) 변수에 의존하기 때문일 가능성 — front-page 정보로 잡히지 않는 confounders 의 존재가 본 paper 의 *Discussion* 에서 명시.

## 연구 계보

본 paper 의 직접 predecessor 는 두 갈래. (i) [[yong-gil-lee-2006-etri-invented-us-patents-citation-counts]] — 같은 batch 의 ETRI IT 특허 citation 분석으로, 본 paper 가 *분야* (IT → chemistry) · *metric* (citation only → citation + licensing) 두 차원으로 확장. (ii) [[yong-gil-lee-2007-indepth-empirical-patent]] (당시 working paper [1]) — KIST 전체 특허 citation 의 broader 분석으로 본 paper 가 chemistry subsample 의 *paired licensing* 시각을 추가.

*Patent quality multi-metric* lineage 는 Carpenter-Narin-Woolf (1981 *World Patent Information*), Trajtenberg (1990 *RAND Journal of Economics*) 의 citation 영향력 lineage 외에 Jaffe-Trajtenberg-Henderson (1993 *Quarterly Journal of Economics*) 의 patent value 와 spillover 의 연결, Henderson-Jaffe-Trajtenberg (1998 *Review of Economics and Statistics*) 의 university patents 분석 — 본 paper 의 *public sector 특허* 분석 framework 의 lineage. *Technology transfer* lineage 는 Mowery-Nelson-Sampat-Ziedonis (2001 *Research Policy*) 의 US Bayh-Dole 법 후 대학 특허 licensing 분석, Thursby-Thursby (2002 *Management Science*) 의 university licensing pattern 위에 위치.

TEMEP 내 sibling: (i) [[yong-gil-lee-2006-etri-invented-us-patents-citation-counts]] — paired IT 분석. (ii) [[yong-gil-lee-2007-indepth-empirical-patent]] — broader Scientometrics 발표. (iii) 후속 [[yong-gil-lee]] 의 public-to-private 기술이전 duration 분석 (2008). 본 paper 의 *KIST 다학제 vs KRICT specialized* 비교 발견은 [[temep]] 의 *innovation system 의 institutional diversity* 라인 — [[jeongdonglee]] 의 R&D persistency · 한국 NIS 연구 — 에 chemistry-specific 실증을 제공.

## See also

- [[zero-altered-negative-binomial]]
- [[count-data-regression]]
- [[probit-model]]
- [[logit-model]]
- [[patent-licensing]]
- [[research-collaboration]]
- [[multidisciplinary-research]]
- [[korean-public-research-institutes]]
- [[chemistry-patents]]
- [[yong-gil-lee-2006-etri-invented-us-patents-citation-counts]]
- [[yong-gil-lee]]
- [[jeongdonglee]]