TEMEP Wiki

A Study on Factors Affecting Patent Citation Counts and Patent Licensing in Chemistry Field

Yong-Gil Lee, 이정동, Yong-Il Song, Yun-Chul Chung, Sung-Woo Lee (2006) · Portland International Conference on Management of Engineering and Technology (PICMET) ‘06, pp. 1789–1792

한국 공공 연구기관의 chemistry 분야 US 특허 390 건 (한국 공공연구기관 KIST 244 + KRICT 146, 1970–2004) 의 patent quality 를 두 차원 — citation count 와 licensing (technology transfer) — 으로 동시 분석한다. 영변환 음이항 모형 회귀에서 연구 협업 (COL) 이 citation 0.259* 와 licensing (Logit 1.723**) 모두에 양 효과, 다학제 연구 (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: 영변환 포아송 모형, 영변환 음이항 모형 (citation count), 프로빗 모형 · 로짓 모형 (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

An Analysis of Citation Counts of ETRI-Invented US Patents 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 영변환 음이항 모형 (ZINB), licensing 은 프로빗 모형 / 로짓 모형 (binary 0/1).

ZINB citation 회귀의 핵심 발견은 세 갈래다. 첫째, 연구 협업 의 강한 양 효과 — COL (co-assignee 더미) 0.259* — chemistry 분야에서 협력 특허가 단일 assignee 특허보다 더 많이 cited. 둘째, 다학제 연구 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 (An in-depth empirical analysis of patent citation counts using zero-inflated count data model: The case of KIST) 의 발판으로 이어진다.

핵심 결과

기관 비교 (Table 3 발췌)

StatisticsKIST TotalKIST ChemistryKRICT TotalKRICT Chemistry
특허 수452244 (54.0%)218146 (67.0%)
Mean citation2.2142.4492.2611.207
Mean self-citation0.2920.3630.1560.179
Licensed 수 (비율)57 (12.6%)34 (13.9%)34 (15.6%)15 (10.3%)
Mean CLA8.5598.22410.2989.986
Mean FAM5.0005.3679.0738.972
Mean USP (US 의존)5.1384.6944.1933.945

→ 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)

StatisticsTransferred (49)Non-transferred (341)Total
Mean citation2.9181.8531.951
Mean self-citation0.2240.3050.296
Mean CLA9.2458.8278.866
Mean SELF0.1430.3430.319

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

ZINB citation 회귀 (Table 5)

변수NBZIPZINB
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)

변수ProbitLogit
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 An Analysis of Citation Counts of ETRI-Invented US Patents 와 동일한 영변환 음이항 모형 (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 Ti∈{0,1}T_i \in \{0, 1\} (특허 ii 가 산업으로 이전됐는지) 에 대한 표준 프로빗 모형 / 로짓 모형:

Pr⁡(Ti=1∣Xi)=Φ(β′Xi)(probit)\Pr(T_i = 1 \mid X_i) = \Phi(\beta' X_i) \quad \text{(probit)} Pr⁡(Ti=1∣Xi)=11+e−β′Xi(logit)\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 ⇒ e1.723≈5.6e^{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) An Analysis of Citation Counts of ETRI-Invented US Patents — 같은 batch 의 ETRI IT 특허 citation 분석으로, 본 paper 가 분야 (IT → chemistry) · metric (citation only → citation + licensing) 두 차원으로 확장. (ii) An in-depth empirical analysis of patent citation counts using zero-inflated count data model: The case of KIST (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) An Analysis of Citation Counts of ETRI-Invented US Patents — paired IT 분석. (ii) An in-depth empirical analysis of patent citation counts using zero-inflated count data model: The case of KIST — 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 기술경영경제정책전공 의 innovation system 의 institutional diversity 라인 — 이정동 의 R&D persistency · 한국 NIS 연구 — 에 chemistry-specific 실증을 제공.

See also

인접 그래프

1-hop 이웃 22개
  • 인물 5
  • 개관 1
  • 방법론 6
  • 개념 2
  • 주제 4
  • 수록처 1
  • 논문 3
이정동Sung-Woo LeeYong-Gil LeeYong-Il SongYun-Chul Chung기술경영경제정책전공계수 데이터 회귀로짓 모형영변환 음이항 모형영변환 포아송 모형특허 분석프로빗 모형다학제 연구특허 라이센싱연구 협업한국 공공연구기관한국 혁신체계화학 특허Portland Internat… A Study on Factors Af…
휠 = 확대/축소 · 드래그 = 이동 · hover = 라벨 · 클릭 = 페이지 이동