이상에서 각 사용 비목별 사용자비용에 발생할 수 있는 최대 근 사오차 수준을 살펴보았다. 경상비의 사용자비용에 발생할 수 있는 최대 근사오차는 8.8% 수준이고, 기계설비투자의 사용자비용에 발 생할 수 있는 최대 근사오차는 11% 수준이며, 토지 및 건물 사용자 비용에 발생하는 최대 근사오차는 36.8% 수준으로 나타났다.
전체 연구개발투자의 사용자비용에 발생하는 근사오차는 각 사용 비목별 사용자비용의 근사오차를 <표 12>에서 보여 주고 있는 연구 개발투자의 사용 비목별 평균 구성비로 가중 평균하여 구할 수 있 다. 이와 같이 사용 비목별 평균 구성비를 고려한 전체 연구개발투 자 사용자비용의 근사오차는 9.78%로 10% 미만으로 나타났다. 기업 별 재무회계 및 개별 납세자료를 사용할 수 없는 상황에서 연구개발 투자에 대한 조세지원제도에 의해 기업들이 실질적으로 부담하는 연구개발투자 단위당 사용자비용의 근사치를 최대 10% 미만의 오차 로 추정할 수 있다는 것이다. 본 연구에서 추정한 경상비와 기계설 비 사용자비용은 비교를 위해 실제치로 가정한 대부분의 경우보다 작은 것으로 나타났다. 기업이 합리적으로 기업에 유리한 제도, 즉 연구개발투자 단위당 사용자비용을 보다 낮출 수 있는 제도를 택한 다면, 우리가 추정한 연구개발투자 사용자비용의 근사오차는 실질적 으로 우려할 필요가 없는 낮은 수준으로 판단된다.
제4장 연구개발투자 세액공제제도 효과 분석 (간지)
여기서는 제3장에서 추정한 연구개발투자의 사용자비용에 대해 기업들이 자체부담하는 연구개발투자가 어떻게 반응하는가를 살펴 보고자 한다. 또한 분석모형식에 민간기업이 정부로부터 지원받은 직접보조금을 하나의 설명변수로 포함하여 민간기업이 자체부담하 는 연구개발투자가 정부의 재정지원에 어떻게 반응하는가도 함께 분석하고자 한다. Ⅰ절에서는 분석에 사용될 기본모형과 추정방법에 대해서 설명하고자 한다. 그리고 Ⅱ절에서 실증분석 결과를 제시하 고 이를 토대로 Ⅲ절에서 사용자비용과 정부의 직접보조금에 대한 연구개발투자의 장기탄력성을 추정한다.
Ⅰ. 기본모형 및 추정방법
민간기업이 자체부담하는 연구개발투자( 혹은 연구개발투자 집중도의 결정요인으로는 정부보조금, 연구개발투자의 사용자비용 , 매출 , 노동평균생산성 을 고려한다. 이 밖 에 기업별 특성을 나타내는 여러 변수들과 경제 전반에 영향을 주는 외부충격이 있을 수 있겠으나 기업특성 더미변수와 연도 더미변수 를 모형에 포함시킴으로써 관측되지 않는 변수들의 효과를 통제하 고자 한다.
❙표 24. 주요 변수 기초통계량
(단위: 2000년 기준 백만 원, 명) 자체부담
연구개발투자
정부보조금
매출
종업원수
2002 평균 453.3 5.6 8,133.5 66.5
표준편차 4.4 12.7 9.7 4.2
2003 평균 504.4 6.1 9,201.7 69.0
표준편차 4.5 13.2 8.5 4.2
2004 평균 500.2 5.7 10,556.4 70.8
표준편차 4.8 12.9 7.8 4.2
앞에서 살펴본 연구개발투자의 사용자비용을 제외한 주요 변수의 기초통계량은 <표 24>에서 찾을 수 있다. 중소기업은 총액기준으로 연구 및 인력개발비에 대한 세액공제를 받는 경우에 사용자비용이 낮아지므로 총액기준으로 측정된 사용자비용의 근사치를 사용한다.
<표 24>에서 보여 주는 주요 변수들의 통계량은 2000년 기준 산업 별 생산자 물가지수를 이용하여 불변기준으로 환산한 자료에 기초 한 것이다.
3,456개 기업의 2002～2004년 3개년 통계자료를 이용하여 추정하 고자 하는 기본모형은 식 (4.Ⅰ.1)～(4.Ⅰ.4)와 같이 나타낼 수 있다. 회귀식의 모형에 포함된 설명변수로는 정부의 직접보조금과 연구개 발투자의 사용자비용을 기본적으로 포함하고 있다. 정부의 직접보 조금은 민간기업이 자체부담하는 연구개발투자에 미치는 소득효과 를 나타내고 사용자비용은 조세지원제도에 의해 변화하는 연구개발 투자 단위당 비용이 민간기업의 자체부담 연구개발투자에 미치는 가격효과를 보여 준다.
수준변수를 종속변수로 사용하는 식 (4.Ⅰ.1)과 (4.Ⅰ.2)에서는 통 제변수로 매출액을 사용하고 기업특성 더미와 연도 더미를 이용하 여 설명변수들에 의해 포착되지 않는 종속변수의 변화를 통제한다. 한편 매출액 대비 자체부담 연구개발투자 비중인 연구개발투자 집 중도를 종속변수로 사용하는 식 (4.Ⅰ.3)과 (4.Ⅰ.4)에서는 더 이상 매출액을 통제변수로 사용할 수 없으므로 전기의 노동평균생산성을 통제변수로 사용한다. 기존의 연구에서는 연구개발투자 집중도를 종속변수로 사용하는 모형에는 특별한 통제변수를 사용하지 않고 기업특성 더미변수와 연도 더미변수만을 사용했다. 연구개발투자의 지속성(persistency)을 고려할 때, 전기의 노동생산성이 높은 기업은 높은 매출을 가질 것이며 이러한 기업들은 다시 더 높은 성장을 위 해 연구개발투자를 확대할 것이다. 이러한 관점으로부터 본 연구에 서는 전기의 노동평균생산성을 식 (4.Ⅰ.3)과 (4.Ⅰ.4)의 통제변수로 설정한다.
(4.Ⅰ.1)
단, 와 는 각각 기업특성 더미변수와 연도 더미변수를 나타 낸다.
기에 민간기업에 지원되는 정부보조금은 일반적으로 기 기 말 이전에 알려지거나 기에 지원받은 정부보조금의 연속성에 기인하여 민간기업이 기의 정부보조금의 규모를 예측할 수 있다. 이처럼 정부보조금의 지원 여부 혹은 규모를 민간기업이 알게 되면 민간기업 자체부담 연구개발투자를 조정할 수 있을 것이다. 한편, 민간기업이 직면하고 있는 연구개발투자의 사용자비용은 정부의 연
구개발투자에 대한 조세지원제도뿐만 아니라 실질이자율 및 경제적 감가상각률에 의해 결정되므로 내생성의 문제가 있을 수 있다. 식(4.
Ⅰ.1)을 더미변수 최소자승법(LSDV: Least Squares Dummy Variables) 과 같은 고정효과(fixed effect) 모형의 통상적인 추정방법으로 추정 하면, 추정계수는 내생성에 기인한 편의를 가질 수 있다.
(4.Ⅰ.2)
나아가서 연구개발투자의 지속성(persistency)에 기인하여 정부의 직 접보조금이나 사용자비용의 변화에 기업이 충분히 빨리 반응하지 못 할 수 있다. 이러한 연구개발투자의 조정비용(adjustment cost)을 고려 하여 식 (4.Ⅰ.2)와 같이, 종속변수의 1기 시차변수를 설명변수로 포 함하는 동태적 패널자료 모형(Dynamic Panel Data Model)을 설정하고 장 기탄력성을 추정하는 데 활용할 수 있다.22)연구개발투자의 사용자비 용에 대한 민간 자체부담 연구개발투자의 장기탄력성은 로 나타낼 수 있으며, 정부 직접보조금에 대한 민간 자체부담 연구개발 투자의 장기탄력성은 로 나타낼 수 있다. 이와 같은 동태 적 패널자료 모형의 경우에는 1기 시차 종속변수 이외의 모든 설명 변수가 외생변수이고 오차항 가 자기상관관계를 갖지 않는 경우에 도 1기 시차 종속변수는 오차항과 상관관계를 갖게 되므로 통상적 인 추정방법으로 추정한 추정계수는 내생성에 기인한 편의를 갖게
22) 여기서 장기탄력성을 구하기 위해서 1기 시차 종속변수를 설명변수로 포함하고 는 있지만 분석에 사용된 패널자료의 관측시점이 3개년이라는 점에서 한계가 있 다. 이러한 자료상의 한계로 이후에서 제시할 실증분석 결과의 통계적 유의성이 다소 떨어질 수 있으므로 분석결과의 활용에는 주의해야 한다.
된다.
(4.Ⅰ.3)
(4.Ⅰ.4)
한편, 식 (4.Ⅰ.3)과 식 (4.Ⅰ.4)에서처럼, 모형의 종속변수로 기업 매출 대비 자체부담 연구개발투자 비중으로 정의되는 연구개발투자 집중도를 사용하고 노동평균생산성을 통제변수로 사용하는 모형에 서도 앞서 살펴본 같은 이유로 통상적인 패널모형 추정방법에 의해 추정된 계수는 내생성에 기인한 편의를 갖게 된다. 추정계수가 가질 수 있는 편의를 제거하는 데 유용한 추정법으로 알려진 GMM 추정 법을 사용하기로 한다. 식 (4.Ⅰ.1)～(4.Ⅰ.4)를 각각 통상적인 더미 변수 최소자승법과 내생성을 고려한 GMM 추정법으로 추정하여 추 정계수들을 비교하고 GMM 추정법에 의한 추정계수를 이용하여 연 구개발투자의 장기 조세가격탄력성을 추정하고자 한다.
식 (4.Ⅰ.1)～(4.Ⅰ.4)의 오차항 는 유한한 적률(finite moments)을 갖고 시계열의 상관관계가 없다고 가정한다. Nickell(1981)에서 지적된 바와 같이, 이 경우에도 1기 시차 종속 변수를 포함하고 있는 식 (4.Ⅰ.2)와 식 (4.Ⅰ.4)의 경우에 1기 시 차 종속변수의 추정계수는 과소 추정되고 다른 변수의 추정계수는 과대 추정되는 문제가 생긴다. 예를 들어, 정부보조금과 사용자비용 의 계수가 (－)라면 0에 가깝게 혹은 (＋)로 추정되고, 정부보조금 이 민간 연구개발투자를 보완･촉진하여 (＋)의 추정계수가 예상된
다면 보다 큰 양의 추정계수를 갖게 된다. 이러한 편의의 크기는
로 표본 기간이 증가됨에 따라 상당히 빠른 속도로 작아지는 문제이기는 하지만 의 크기가 고정되어 있는 통상적인 패널자료의 경우에는 Nickell의 편의를 무시할 수 없다. 이러한 문제점을 해결하 기 위해서, Arellano &Bond(1991)에서처럼 GMM 추정법을 동태적 패널자료에 적용하는 것이 일반적이다.23)
오차항에 시계열 상관관계가 없다는 가정이 만족되지 않으면 GMM 추정법에 사용된 도구변수가 유효하지 않고 추정계수의 일관 성(consistency)이 보장되지 않는다. 따라서 오차항에 자기상관관계가 없다는 가정하에서 너무 많은 도구변수(instrumental variable)들을 사용 함으로써 초래될 수 있는 과다인식제약(over-identification restriction)의 문제를 검정하는 통계량을 보고하는 것이 일반적이다. 이러한 목적 으로 추정에 사용된 도구변수들이 유용한지를 검정하는 Sargan 검정 을 수행한다.24) 한편, 모든 추정계수의 표준오차는 기업들의 이질성 을 고려하여 이분산성에 대해 로버스트(robust)한 White의 이분산성 -일관적 공분산행렬(White’s heteroscedasticity consistent covariance matrix) 을 사용한다.
23) Arellano& Bond(1991)에서 찾을 수 있듯이 오차항에 시계열상관관계가 존재하지 않는다는 가정하에 GMM 추정법은 전체 관측 기간이 ≧ 의 경우에 성립되고 우리가 고려하고 있는 모형들은 최소한의 조건을 만족한다.
24) Sargan 검정통계량은 추정에 사용된 도구변수들의 수와 모형에 포함된 설명변수 의 수의 차이, 즉 과다인식 제약조건의 개수를 자유도로 갖고 분포를 따른다. Sa rgan 검정은 사용된 도구변수들이 유용하다는 귀무가설을 갖는다. 보다 자세 한 사항은 Arellano &Bond( 1991)를 참조하기 바란다.