Efficiency of Innovation Policy with Different Types of R&D Planning: Evidence from South Korea's Information and Communication Technology Sector

Jeongwon Lee, Kiyoon Shin, Hongbum Kim, 황준석 (2024) · Journal of the Knowledge Economy · DOI ↗

본 연구는 한국 ICT 부문의 정부 R&D 사업을 대상으로 top-down (policy designation, designated competition) vs bottom-up (item designation, free competition) 기획 방식의 R&D 효율을 two-stage-dea (output-oriented-bcc-model + 토빗 회귀) 로 ex-post 평가한다. Input 3 (R&D 투자·연구자 수·기간) → Output 6 (SCI/비SCI 논문, 출원/등록 특허, technology licensing income, commercialization 매출) 의 효율 점수를 계산하고, R&D 기획 방식 dummy 와 R&D 단계 (basic/applied/development) 효과를 Tobit 으로 회귀. 결과: 정부 주도 top-down 사업이 불확실성 높은 research stage 에서 bottom-up 보다 효율 우위; 불확실성 낮은 development stage 에서는 bottom-up 이 효율 우위. 단순한 정부의 bottom-up 전환은 만능 해법 아님 — 기획 방식 ×R&D 단계 의 매칭이 핵심.

• RQ: 정부 R&D 기획 방식 (top-down vs bottom-up) 이 R&D 효율에 어떻게 영향을 주는가? R&D 단계 (basic vs applied vs development) 의 불확실성 수준에 따라 차등 효과가 나타나는가?
• 방법론: two-stage-dea (1단계 output-oriented-bcc-model 로 효율 점수, 2단계 토빗 회귀 으로 external variable 효과 식별; CCR vs BCC scale efficiency 비교), kruskal-wallis-test (top-down vs bottom-up 효율 차이 비모수 검정), Robustness: input-oriented BCC, OLS, DMU 그룹 refine
• 데이터: 한국 정부 ICT 부문 R&D 프로젝트 — 4 가지 기획 방식 (policy designation, designated competition = top-down; item designation, free competition = bottom-up); 3 R&D 단계 (basic, applied, development); ICT 가 한국 real GDP 의 11.4% (2023 Q1), 기업 R&D 의 50%+ (2015); 정부 R&D 의 ICT 비중 18.5% (2017)
• 주요 발견: (1) Research stage (basic/applied) 에서 top-down 이 bottom-up 보다 효율 우위 — 불확실성 높은 단계에서 systematic 기획 효과; (2) Development stage 에서 bottom-up 이 우위 — 시장 demand 수용·자율성 효과; (3) Kruskal-Wallis 로 top-down vs bottom-up 효율 차이 유의; (4) Tobit 으로 dummy 효과 단계별 다름; (5) Baek & Lee (2022) 의 단순 “bottom-up > top-down” 결론과 모순 — 단계별 분해의 중요성.
• 시사점: 기획 방식 선택은 연구 단계의 불확실성 수준에 맞춰 차등화. Bottom-up 채택 시에도 systemic 기획 지원 (기획 역량 보강·prerequisites 확보) 이 필요. 단순한 정부의 bottom-up 전환은 catch-up regime → post-catch-up 전환의 정책 정밀화 한 가지 사례.

요약

한국은 catch-up 시기 (Amsden 1989; Chang 1994; Lee & Lim 2001) 의 government-led top-down R&D 정책으로 ICT 등 첨단 산업의 경쟁력을 확보했다. 그러나 R&D 투자가 GDP 의 높은 비중을 차지함에도 OECD 대비 R&D 효율은 낮다는 진단 (Guan & Chen 2012; Hu et al. 2014; Kim et al. 2019) 이 잇따르면서, 정부는 2016 이후 bottom-up 기획 비중을 확대하는 정책 전환을 추진 (목표 50%+ 미달성, Hong & Han 2020). 그러나 이 전환의 empirical 정당성 — bottom-up 이 정말 효율 우위인가, 단계별 효과는 어떻게 다른가 — 는 사후 평가 되지 않았다. 본 연구는 이 공백을 한국 ICT 부문에 직접 메운다.

방법론: Brown & Svenson (1988) 의 R&D laboratory logic model 위에 two-stage-dea 를 적용. 1단계: output-oriented-bcc-model (Banker et al. 1984, variable return to scale 가정) 으로 input 3 (R&D 투자 = 총 자본 proxy, 참여 연구자 수 = 노동 proxy, 연구 기간 일수 = 시간 proxy) → output 6 (SCI 논문, 비SCI 논문, 출원 특허, 등록 특허, technology licensing income, commercialization 매출 — papers/patents 의 양·질 양면 + 경제 성과) 의 pure technical efficiency 점수 산출. CCR vs BCC 비교로 scale efficiency 도 측정. 2단계: 토빗 회귀 (Tobin 1958, 종속변수가 0-1 censored 일 때 적합) 으로 external variable 의 효율 점수 영향 식별 — R&D 기획 dummy (top-down vs bottom-up), R&D 단계 (basic/applied/development), 협업 여부·파트너 수, private matching cost 등 control.

한국의 4 R&D 기획 방식 (Table 1): top-down 측은 (1) policy designation — 정부 ministry 가 R&D 사업·기관 직접 지정 (국가 안보·사회·경제 중요성, 국제 협약, 법적 지정, 재난·경제 위기, 가능 기관 제한된 경우), (2) designated competition — RFP 로 target 기술·도전 목표 제시 후 경쟁; bottom-up 측은 (3) item designation — item (제품·기술 분야) 만 지정, R&D task 선택은 free competition, (4) free competition — 연구자가 원하는 기술 자유 제안. 결과: research stage (basic, applied) 에서 top-down 이 bottom-up 보다 효율 점수 높음 → mission-oriented systematic 기획의 효과; development stage 에서 bottom-up 이 우위 → 시장 demand 수용·연구자 자율성의 효과 (Gambardella et al. 2015). kruskal-wallis-test 로 차이 유의 확인, Tobit 회귀로 단계별 차등 효과 robust. 함의는 Baek & Lee (2022) 의 전체적인 bottom-up 우위 결론을 단계 분해 로 재해석 — 어느 단계에서 어떤 방식이 효과적인지의 정밀화. 황준석 의 5기 (2024-2026) 한국 ICT 정책·post-catch-up 전환 라인, Revitalizing the Concept of Public Procurement for Innovation (PPI) from a Systemic Perspective: Objectives, Policy Types, and Impact Mechanisms 의 PPI 평가 라인과 자매 작업.

핵심 결과

R&D 단계	Top-down 효율	Bottom-up 효율	결론
Research (basic + applied)	우위	열위	불확실성 高 → systematic 기획 효과
Development	열위	우위	불확실성 低 → 자율성·시장 demand 효과
Pooled (단계 무시)	(Baek & Lee 2022 의 bottom-up 우위 결론)	—	단계 분해의 필요성

Input variables	Output variables
R&D investment (총 자본)	SCI papers + 비SCI papers (논문 양·질)
참여 연구자 수 (노동)	출원 + 등록 특허 (특허 양·질)
연구 기간 일수 (시간)	Technology licensing income
	Commercialization 매출 (경제 성과)

• 한국 ICT 의 정부 R&D 점유: 2017 년 정부 R&D 의 18.5%; ICT 가 GDP 의 11.4% (2023 Q1)
• 추정: output-oriented-bcc-model (1단계) + 토빗 회귀 (2단계); 0-1 censored DV
• Robustness: input-oriented BCC, OLS 대체, DMU 그룹 refine, alternative proxy

방법론 노트

output-oriented-bcc-model (Banker–Charnes–Cooper 1984) 은 variable return to scale 가정 하에 output maximization 으로 pure technical efficiency 를 측정. $m$ inputs, $s$ outputs, $n$ DMUs 에 대해:

$$\text{Min} \; \varphi + \epsilon \left( \sum_{i=1}^{m} s_i^- + \sum_{r=1}^{s} s_r^+ \right)$$

s.t.

$$\sum_{j=1}^{n} x_{ij} \lambda_j + s_i^- = x_{io}, \quad i = 1, ..., m$$ $$\sum_{j=1}^{n} y_{rj} \lambda_j - s_r^+ = \varphi y_{ro}, \quad r = 1, ..., s$$ $$\sum_{j=1}^{n} \lambda_j = 1, \quad s_i^-, s_r^+ \ge 0$$

여기서 $\sum_j \lambda_j = 1$ convexity 제약이 CCR 의 constant return → BCC 의 variable return 으로 만든다. Scale efficiency = CCR 점수 / BCC 점수.

토빗 회귀 (Tobin 1958) 은 DV 가 0-1 censored 일 때 (DEA 점수가 정확히 그 경우) bias 를 줄이는 표준 모형:

$$y_i = \begin{cases} y_i^* = \sum_k \beta_k x_{ki} + u_i & \text{if } 0 < y^* < 1 \\ 0 & \text{if } y_i^* \le 0 \\ 1 & \text{if } 1 \le y_i^* \end{cases}, \quad u_i \sim N(0, \sigma^2)$$

식별 strategy: (i) 1단계 DEA 가 input-output 비율로 상대 효율을 측정해 절대값의 noise 회피; (ii) BCC 채택은 R&D 활동이 일정 returns to scale 보단 increasing/decreasing returns 를 보이기 때문 (Scherer 1983; Lee et al. 2009b); (iii) output-oriented 채택은 R&D 투자 목적이 input 절감보다 output 증가이기 때문 (Lee & Shin 2014); (iv) 2단계 Tobit 이 efficiency score 의 censored 성격을 반영해 OLS bias 회피 (Hoff 2007); (v) external variable (R&D 기획 dummy, R&D 단계, 협업, matching cost) 의 영향을 first-stage efficiency 의 noise 와 분리. 한계: (a) Brown & Svenson logic model 의 input-output 매핑이 R&D 의 long-term spillover 를 잡지 못함, (b) commercialization 변수의 lag 가 1-year 이상일 수 있음에 비해 본 연구는 데이터 한정으로 짧은 lag, (c) 산업별 (high-tech vs low-tech) 차이는 ICT 한정으로 통제 못함.

연구 계보

이론 기반: 정부 R&D 의 정당성은 Arrow (1972) 의 knowledge spillover + market failure, Edquist (2001), Woolthuis et al. (2005) 의 system failure, Lundvall & Borrás (2005) 의 innovation policy. 한국 catch-up 정책 라인은 Amsden (1989), Chang (1994), World Bank (1993), Lee & Lim (2001) — government-led top-down + selection and concentration. Mission-oriented innovation 은 Mazzucato (2018) 의 핵심 어휘. Top-down vs bottom-up 비교는 Goldfarb & Henrekson (2003, Sweden), Fromhold-Eisebith & Eisebith (2005, cluster policy), 직접 출발점은 Baek & Lee (2022) — 본 연구가 그 단순 결론을 단계 분해로 정밀화. DEA 의 R&D 평가 응용은 Hsu & Hsueh (2009), Lee et al. (2009b), Hung & Chou (2013), Lee & Lee (2015). two-stage-dea + Tobit 의 표준은 Hoff (2007), İlgün et al. (2021), Lee & Park (2020). 황준석 의 5기 (2024-2026 직전, 4기-5기 경계) 한국 ICT 정책·post-catch-up regime 전환 라인의 일환이며, Kiyoon Shin (Sungkyunkwan U.) 의 PPI 평가 작업 Revitalizing the Concept of Public Procurement for Innovation (PPI) from a Systemic Perspective: Objectives, Policy Types, and Impact Mechanisms 과 자매 라인 — 두 연구 모두 ex-post 정책 평가의 정밀화 라는 공통 주제.

See also

• 황준석
• Jeongwon Lee
• Kiyoon Shin
• Hongbum Kim
• Journal of the Knowledge Economy
• R&D 기획
• ICT 산업
• 한국 ICT 정책
• innovation-policy
• two-stage-dea
• output-oriented-bcc-model
• 토빗 회귀
• Revitalizing the Concept of Public Procurement for Innovation (PPI) from a Systemic Perspective: Objectives, Policy Types, and Impact Mechanisms

인접 그래프

1-hop 이웃 11개

• 인물 4
• 방법론 3
• 주제 1
• 수록처 1
• 분류 1
• 논문 1

↻ 초기화

휠 = 확대/축소 · 드래그 = 이동 · hover = 라벨 · 클릭 = 페이지 이동