A Location Assessment Model for R&D Institutions Considering Time-Distance and Industrial Sectors

시간거리와 업종적합성을 고려한 R&D센터의 입지 평가모델

김창현*·김영롱**·진영현***

A Location Assessment Model for R&D Institutions Considering Time-Distance and Industrial Sectors

Chang-Hyun Kim* · Young-Long Kim** · Young-Hyun Jin***

* MBG 전략기획실(Director, MBG Inc.), [email protected]

** 서울연구원 초빙부연구위원(Associate Research Fellow, The Seoul Institute), [email protected]

*** 한국과학기술기획평가원 연구위원 (Research Fellow, Korea Institute of S&T Evaluation and Planning(KISTEP)), yhjin@

kistep.re.kr

요약 :지역경제발전을 위해 도입한 지역 연구개발 기반구축시설(R&D센터)의 지속가능성과 효용성에 대한 의 문이 제시되면서 R&D센터의 입지에 대한 평가모형의 필요성이 제기되고 있다. 이 연구는 R&D센터와 기술신 용평가를 의뢰한 기업(TCB 기업)의 공간정보를 활용하여 업종과 시간거리를 고려한 R&D 센터의 입지평가 모 델을 수립하고 적용하였다. 첫째, 이 연구는 먼저 159개 R&D센터와 49,963개의 TCB 기업에 대하여 공간분포 도를 작성하고 국지모란지수를 활용하여 공간군집 분석을 실시하여 TCB 기업과 센터의 공간분포의 차이를 시 각화하였다. 평가기업의 분포는 수도권 지역에 집중적으로 공간군집이 나타나는 반면, 센터의 경우 전국적으로 비교적 균등하게 분포해 있어서 두 분포의 차이가 확연하게 나타났다. 둘째, 업종적합도를 권역으로 평가하고, 시간거리와 주행거리를 물리적 거리지수로 계산하여 평가모델을 만들고 적용하였다. 상위 1위부터 20위까지 중 수도권과 수도권 외 지역에 위치하는 센터들로 확연히 구분되었다. 전자의 경우, TCB 기업이 군집해있기 때문 에 권역내 업종적합도가 높은 기업이 많아 권역평가점수가 높게 나왔으며, 후자의 경우 업종적합도는 낮지만 물 리적 거리지수가 높기 때문에 순위가 높은 것으로 나타났다. 이 모델은 R&D 센터의 입지를 분석하는데 있어, 권 역평가, 시간거리, 주행거리 등을 모두 고려하여 평가한 연구로서, R&D 센터의 효율적인 활용을 위하여 추후 후 속연구가 필요할 것으로 보인다.

주요어 : 입지평가, R&D 센터, 기술신용평가기업, 공간군집, 시간거리

Abstract : A model to assess the location of R&D institutions is required to increase the sustainability and

Second, we calculated the location score of the R&D institutions considering their locational clusters and physical-, time-, and driving-distances to firms in the relevant industrial sectors. The top 20 ranked R&D in- stitutions was classified into two types: those in the Seoul Metropolitan Area and the others. The former type of institutions has high scores in the cluster index because most of the firms in the same industrial sector are

1. 서론

지역 연구개발 구축시설(이하, R&D센터)은 지역 경제 활성화와 기업 연구개발 역량 강화라는 목적을 달성하기 위하여 정부가 설립한 기관을 의미한다(진 영현, 2018). 지역 R&D센터 설립 및 지원 사업은 지 역경제 성장에 기여했다는 평가도 있는 반면, 효용성 과 지속가능성에 대한 의문 역시 끊임없이 제기되어 왔다(허가형, 2016). 지역혁신체계(regional innova- tion system)를 구축한다는 미명 아래 유사한 연구개 발투자가 중복되었다는 지적이 있어왔으며, 이와 같 은 우려로 인하여 R&D센터의 ‘효율성’을 평가하는 작업이 불가피하다. 이러한 필요에도 불구하고 지역 R&D센터에 대한 실태 파악조차 제대로 이뤄져있지 않았고, 《2017-2021년도 국가재정 운용계획》 수립 시 비로소 지역 R&D센터에 대한 전수조사가 시행되 어 본격적인 연구가 가능하게 되었다.

전수조사 자료가 작성됨에 따라 R&D센터의 입지 문제도 수면 위로 올라오게 되었다. 특히 R&D센터의 설립 목적 중 하나가 기업의 연구개발 활동을 지원하 여 지역경제를 활성화시킨다는 것이므로, R&D센터 가 기업의 입지와 어떻게 연계되어 있는지 밝히는 것 이 가능하게 되었다. 특히 R&D센터에 대한 중복과잉 투자에 대한 우려에 대한 합리적 처방을 내리기 위하 여 R&D센터의 사후 입지평가를 시도할 수 있게 되 었다.

지역 R&D센터에 대한 사후 입지평가 시도는 상 대적으로 드물었는데 그 이유는 다음과 같이 요약할 수 있다. 첫째, 전술한 것처럼 지역 R&D센터의 현황 에 대한 국가 전수조사가 이뤄지지 않았기 때문이다.

둘째, 베버의 공업입지이론 이후 기업, 학교, 기반시

설 등에 대한 입지분석 기법은 눈부시게 발전해있지 만, 연구개발기업을 지원해야 하는 R&D센터에 적합 한 합의된 분석방법론이 존재하지 않았기 때문이기 도 하다. 셋째, R&D센터와 연구개발 기업의 공간정 보 자료를 입력하고, 상관성을 찾아내는 것 역시 방대 한 자료정리가 소요되는 일이라는 점도 연구를 어렵 게 하는 요인이었다. 넷째, R&D센터와 기업의 입지 의 관계를 구하는 과정에서 ‘직선거리’나 ‘도로주행거 리’ 못지않게 ‘시간거리’(time-distance)가 중요함에 도 불구하고, 두 지점 간 시간거리를 측정할 수 있는 방법론을 찾기 어려웠기 때문이다.

이 중 ‘시간거리’와 관련하여, 상용화된 지도서비스 의 발전으로 입지평가의 문제점을 어느 정도 해결해 줄 수 있는 대안들이 등장하였다. 특히 일반 내비게 이션뿐만 아니라 포털사이트에서 두 지점 간의 ‘길찾 기’ 기능을 활용하면, 실시간 교통상황정보를 활용하 여 서비스를 이용하는 두 지점 간의 자동차 주행거리 와 시간을 도출된다. 이 서비스는 특히 시간거리 관련 하여, 실시간 교통상황을 감안하여 두 지점 간 이동거 리와 시간 정보 데이터를 동시에 얻을 수 있다는 점이 주목할 만하다. 기존에 많은 시간과 거리에 대한 연구 가 설문조사에 의존할 수밖에 없었다는 점을 감안하 면, 이 기능은 지리학에서 오랫동안 고민했던 시간거 리 데이터를 확보할 수 있는 대안으로 활용할 수 있 다. 특히 기업에서 R&D센터를 이용하기 위해서는 장 비 등을 싣고 차량으로 이동하는 경우가 대다수를 이 루기 때문에 포털사이트의 ‘길찾기’기능은 R&D센터 의 입지모델에 긴요하게 사용될 수 있다.

이 연구는 기업을 지원하기 위한 R&D센터의 효 율성 연구의 연장선상에서 업종적합성과 시간거리를 감안한 R&D센터의 사후 입지평가모델을 수립하고, 연구결과에 따라 R&D센터의 효율성 제고에 대한 방

Key Words : location assessment, R&D institution, technology credit rating, spatial clustering, time-distance

안을 제시하는 것을 목적으로 한다. 이 논문은 159개 의 R&D센터와 기술신용평가 기업의 주소정보를 활 용하여 R&D센터의 입지 평가를 수요자인 기업과의 인접성을 기준으로 평가하는 방법을 개발하고, 이를 향후 기반구축 시설의 성공요인 분석에 활용하고자 하였다. 이와 같은 분석을 위하여 ‘NICE평가정보’에 기술신용평가(Technology-Credit Bureau)를 의뢰 한 49,963개의 기업의 정보를 활용하였으며 R&D센 터와 기업의 업종을 매칭하여 총 30,207개 링크를 생 성하여 입지평가에 활용하였다.

본 논문은 크게 두 부분으로 구성되어 있다. 첫째, GIS를 통하여 기술수요가 있는 기업과 기술개발을 지원해줄 수 있는 센터를 지도화하여 공간적 분포와 군집을 분석한다. 단계구분도를 통한 각 기관·기업 을 지도화 한 이후, 공간클러스터 기법 등을 활용하여 수요자인 기업과 공급자인 R&D센터가 각각 공간적 으로 어떻게 군집(clustering)되어 있는지를 확인한 다. 공간적 핫스팟 지역과 콜드 스팟 지역을 시각적으 로 도식화하여 확인할 수 있다. 이 분석의 목적은 연 구개발에 대한 지원이 필요한 기업과 R&D센터의 입 지 패턴의 차이를 확인하는 데 있다.

두 번째, 입지 평가 기준으로 주요 포털사이트와 내 비게이션 길찾기 서비스 등을 활용하여 교통정보가 반영된 각 링크의 소요시간과 자동차 주행거리를 측 정하여 입지타당성 모형을 개발하였다. 생성된 직선 거리, 소요시간, 자동차주행거리 등을 활용하여 R&D 센터의 물리적 인접성 평가 기준을 만들고, 그 기준을 바탕으로 하여 연구개발 센터의 입지 평가 결과를 제 시하고자 하였다. 이 평가결과는 권역평가와 주행거 리와 시간거리를 포함한 물리적 거리 지수를 모두 포 함하였고, 최종적으로 R&D센터의 효율성과 관련하 여 연구의 시사점을 도출하였다.

2. R&D 센터의 입지평가에 관한 선행연구

입지론(location theory)은 어떤 기업이나 시설

이 어디에 위치하는 것이 가장 합리적인가를 설명하 는 학문분야이다(Dawkins, 2003). 전통적으로 입지 에 관한 계량 이론은 크리스탈러(Christaller)의 중 심지이론, 튀넨(Thünen)의 고립국 이론, 베버(We- ber)의 공업입지이론으로 발전해왔다. 이외에도 뢰 쉬(Lösch), 후버(Hoover), 아이사드(Isard), 호텔링 (Hotelling) 등의 이론과 최근 네트워크 입지 이론까 지 다양하게 전개되고 있다(김용웅 등, 2003). 도시의 주거입지와 산업입지 관련한 이론은 알론소의 입지 론(Alonso, 1964)이 있으며, 신경제지리의 붐을 이끈 폴 크루그만의 공간경제론도 고전 입지론을 비중 있 게 다루고 있다(Krugman, 1991).

튀넨, 크리스탈러, 베버로 대표되는 전통적인 입지 론은 각각의 입지 요인에는 차이가 있으나 물리적 거 리를 기반으로 출발했다는 데에 공통점이 있다. 그 중 에서도 베버의 이론은 ‘공장의 입지’를 정조준 했다 는 점에서 R&D 센터의 입지와 관련하여 주목할 만 하다. 그는 노동비용절감과 집적이익을 일반입지이 론에 포함시키고자 하였으며, 교통비 절감을 ‘지역 선 정’(selection of the region), 그리고 집적이익을 ‘입 지 선정’(selection of the location)이라고 두 단계로 구분하였다(Brown and Gibson, 1972, 21). 이와 같 은 기준은 ‘입지선정의 기준’으로 향후 널리 활용된다 는 점에서 R&D센터 입지분석의 기본틀을 제공한다.

물리적 거리에 대한 전제는 20세기 후반 정보통신 기술의 발달로 인해 물리적 거리를 극복할 수 있다는 비판(Cairncross, 2001; Ohmae, 1990)에 직면하게 된다. 현대 경제지리학자들은 이러한 주장에 대해 정 보통신 수단을 통해 쉽게 전달될 수 있는 명시적 지 식(explicit knowledge)과는 달리 암묵적 지식(tacit knowledge)은 면대면 접촉을 통해 더욱 효과적으 로 교환될 수 있다고 비판한다(Asheim et al ., 2007;

Gertler, 1995; Storper and Venables, 2004). 특히 암묵적 지식의 창출 및 교환의 중요성이 더욱 큰 연 구 및 개발 단계의 경우에는 지리적 거리의 중요성을 간과할 수 없다는 주장이 제기되었다(Audretsch and Feldman, 1996; Boschma et al ., 2014).

최근 입지이론은 전통 입지론의 단일시장 가설을

넘어서 기업의 글로벌 네트워크 속에서 입지를 이해

하려는 경향이 두드러진다. 특히 마셜의 산업지구 이 론에서 이어진 클러스터에 관한 논의의 과정에서 기 업은 노동력·공급 네트워크·기술이전 등을 이유로 집적한다는 기존 이론을 기반으로(Marshall, 1919), 산업 클러스터에 관한 논의(Markusen, 1996; Por- ter, 1990)가 이어져 왔다. 산업 클러스터의 관점에서 기업이 혁신을 일으키기 위해서는 R&D의 역할이 필 수적이며, R&D를 지원하기 위한 국가의 역할 역시 중요하다고 받아들여진다. 그러나 현실적으로 국가 가 설립한 R&D센터의 실효성 혹은 효율성 역시 꾸 준히 문제가 되고 있는 것도 사실이며, 그 가운데에는 R&D센터의 입지 역시 평가대상이 되어야 한다(허가 형, 2016).

일반 공공시설물의 입지평가에 관한 일반이론들이 꾸준히 개발되어 왔지만 R&D센터의 입지평가는 목 적에 맞게 최적화된 모델을 필요로 한다. 예를 들어 Brown and Gibson(1972)이 개발한 모델은 Heragu (2008)에 의하여 발전되어 왔는데, 이 모델은 운송접 근성, 임대용이성, 인력가용성이라는 입지요인을 채 택한 이다예·임현우(2015)의 연구에서 물류센터의 입지여건을 산출하는데 활용되기도 하였다. 이와 같 은 입지 선정의 모델은 R&D센터의 연구에 직접 적 용되기는 어렵다. 예를 들어 R&D센터의 경우 국가가 직접 시설을 구축하여 센터를 입지시키기 때문에 임 대료가 문제가 되는 경우는 드물다.

R&D센터의 입지평가와 관련하여 다른 고려사항 은 시간거리 요소를 꼽을 수 있다. 공공기관 입지이론 에는 거리최소화이론이나 시간최소화이론이 있는데, 이는 공공시설을 이용하기 위한 편의성을 검토하는 과정에서 시간이나 비용이 최소화되어야 한다는 효 율성의 원리가 제시된다(Hodgson, 1981; Ahmadi- Javid et al ., 2017). 시간거리(time distance) 또는 비 용거리(cost distance)에 대한 논의와 방법론의 활용 은 교통 및 물류 분야의 기술적인 연구(정미선·이금 숙, 2015; Clark, 1977)를 제외하고는 입지이론과 결 부한 경험적 연구는 아직 부족하다. 그 이유는 여러 가지가 있지만, 복수의 지점 간의 시간거리 원자료 (raw data)를 체계적으로 확보하기 어려웠기 때문이 라는 점을 들 수 있다. 예를 들어 시간거리가 중요한

통근에 대한 데이터를 사용하는 것이 일반적이었다 (Lee and McDonald, 2003). 최근에는 교통카드 사 용 데이터에 기반을 두어 대중교통의 시간거리를 연 구한 사례(박종수·이금숙, 2017; 양현재 등, 2018)가 최근 나오고 있으나, 대중교통망을 벗어난 지역 간 스 케일의 연구에는 적합하지 않다는 한계가 있다.

다른 한편으로, 기업을 지원하기 위한 R&D센터의 입지에 초점을 맞춘 연구는 국내외 모두 드물었다고 할 수 있다. 박지윤(2006)의 경우 기업부설연구소의 입지를 분석하고 있는데 이와 같은 분석은 R&D 센터 의 수요가 어디 분포하는지에 대한 정보를 주지만, 기 존 R&D센터 입지를 사후평가하는 준거는 될 수 없 다. 뿐만 아니라 미국을 대상으로 한 Malecki(1981;

1987)의 연구는 정부의 지원과 기업의 창조활동 간 의 관계를 조사했는데, 정부의 지원금을 받는 R&D 센터의 입지에 대한 분석까지는 진행하지 않았다. 또 한, Lee(2011)의 연구는 지역 R&D 시설이 민간 연 구개발활동을 지원하는데 성공했는지, 아니면 구축 했는지를 다루고 있다. 이 연구는 R&D센터의 입지 를 다루지는 않았지만, 이 연구의 대상인 R&D센터 의 효율성평가의 한 기준을 제시하였다는 데에서 의 의를 찾을 수 있다. 연구의 주된 흐름은 기업과 R&D 센터와 관계에 집중되어 있으며, R&D센터의 입지 에 대한 평가를 주로 삼는 연구는 찾아보기 힘들다 (Cooke, 1996; Siedschlag et al ., 2013; Kang and Park, 2012).

본 연구는 실시간으로 수집되는 수많은 주행 정보

를 기반으로 하는 대표적인 공간 빅데이터 기반의 서

비스인 ‘길찾기 서비스’를 이용하여 R&D와 기업 간

의 시간거리를 고려한 입지분석틀을 만들어 적용하

고자 한다. 과거부터 차량 경로 문제(vehicle rout-

ing problem) 연구에 있어 국가교통데이터베이스

(KTDB)와 도시교통정보센터(UTIC)의 주요간선도로

소통정보가 이용되어 왔다(김영일·이재균, 2014; 나

유진 등, 2016). 최근 수년간 기술의 발전과 스마트폰

의 보급으로 인해, 출발지와 목적지를 기준으로 실시

간 최적 경로 탐색이 가능한 서비스가 내비게이션 장

비 및 스마트폰 어플리케이션을 통해 실생활에서 널

리 쓰이고 있다. 이러한 발전을 반영하여 외국에서는

이미 ‘구글 지도’(Google Maps) 실시간 경로 검색 결 과를 이용한 연구가 활발하게 이루어지고 있다(Al- varez et al ., 2018). 그러나 국내에서는 전자지도 데 이터 반출 등의 문제로 인하여 구글 지도의 경로 검색 서비스가 완전하게 이루어지지 않아 실생활은 물론 이고 연구에 적용하는 것에 한계가 있는 상황이다(채 반석, 2016). 본 연구에서는 이와 유사하게 국내 포털 사이트의 길찾기 서비스를 이용하여, 출발지와 목적 지 주소만으로 보다 현실적인 시간거리 원자료(raw data)를 도출하였다. 국내 포털사이트나 내비게이션 어플리케이션에서 제공하는 실시간 길찾기 서비스는 이미 수년간 사용자들의 검증을 받으며 신뢰성을 쌓 아 온 대표적인 공간 빅데이터 서비스라 할 수 있다.

특히 인접한 기준점 또는 도시를 기준으로 한 시간거 리가 아니라 R&D 시설과 기업의 정확한 주소를 이 용하여 다대다 시간비용 행렬을 구축할 수 있다는 점 에서 길 찾기 서비스를 이용한 시간거리 측정은 기존 의 연구들과 차별화된다. 뿐만 아니라 이 연구에서 개 발한 입지평가 방법은 기존의 R&D센터의 입지를 상 대적으로 측정할 수 있다는 점 때문에 향후 입지평가 기준을 세울 때에도 유용하게 사용될 수 있을 것이다.

3. R&D 센터의 입지평가모형

1) 연구대상

이 연구의 대상은 R&D센터와 TCB 피평가기업이 다. R&D센터의 정의와 범위는 2017년에 전수조사 한 R&D센터목록으로 R&D센터 효율성 실증연구를 진행한 진영현(2018)의 정리를 따랐다. 지역 R&D 센터의 설립목적은 자체 연구개발과 기업의 연구개 발지원으로 나눌 수 있는데, 상기 연구의 경우, 전자 의 경우라 하더라도 외부 연구자의 연구지원을 활용 할 수 있는 가능성이 높은 경우에 연구대상에 포함시 켰다. 연구개발 활동의 수요자로 기술신용평가 수행 을 의뢰했던 기업으로 국한하였다. TCB 피평가 기업 은 2014년 7월~2017년 8월까지 ‘NICE평가정보’에

서 평가한 중소기업으로 설정하였다. TCB 평가는 금 융권 대출을 위한 심사자료가 되기 때문에 1) 기술개 발에 대한 수요가 있고, 2) 자금이 필요한 기업이라는 점에서 TCB 피평가 기업은 R&D센터의 정책수요를 가지고 있다고 판단할 수 있다.

R&D센터와 해당 센터의 입지 분석에 활용하는 기 업은 ‘NICE평가정보’의 기업 기술평가담당자 3인의 교차 검증과 진영현(2018)의 검토를 통해 표준산업분 류 소분류 기준으로 지정하여, 각 R&D센터와 관련 업종이 일치하도록 매칭하였다. 우리나라 국토의 크 기를 고려하여 최대권역을 직선거리 30km로 설정하 였다. 위의 기준에 따라 설정된 연구 대상 기업은 총 49,963 업체이다. 2016년 자료를 기준으로 소분류까 지 R&D센터와 분류가 일치하는 기업과 R&D센터와 매칭된 링크는 모두 30,207개인 것으로 파악되었으 며, 이 링크들이 연구대상으로 활용되었다(표 1). 아 울러 사후 입지평가는 R&D센터의 과잉투자에 대한 우려에서 비롯되었기 때문에 R&D센터가 얼마나 많 은 기업의 수요를 수용할 수 있을지에 대해서는 고려 하지 않았다.

대상 기업을 업종별로 살펴보면, 1위부터 10위까 지 업종 중에서 도매 및 상품중개업(4), 전문직별공 사업(8), 출판업(9)을 제외한 대부분 기업이 제조업에 해당한다(표 2). 이는 뒤에서 살펴볼 R&D센터의 업 종과 상당한 차이가 있음을 알 수 있다. 반면, R&D센 터의 업종별 분포 특성은 1위부터 10위까지 업종 모 두 제조업이 차지하고 있으며, 기초의약물질 및 생물 학적 제제 제조업, 전자부품 제조업, 의료용기기 제조 업 순이다(표 3).

표 1. 연구대상 기초정보 표본 수

TCB 기업 49,963

R&D 센터 159

동일 업종의 TCB 기업 -

R&D 센터의 유효링크 30,207

표 2. TCB 기업의 업종별 빈도분석

순위 업종(소분류) 업체수(비율) 순위 업종(소분류) 업체수(비율)

1 기타 기계 및 장비 제조 7920(15.9) 35 정보서비스업 153(0.3)

2 금속가공제품 제조업 3900(7.8) 36 창고 및 운송관련 서비스업 142(0.3)

3 전자부품, 컴퓨터, 영상, 음향 및 통신

장비 제조업 3240(6.5) 37 사업지원 서비스업 139(0.3)

4 도매 및 상품중개업 2677(5.4) 38 연구개발업 132(0.3)

5 자동차 및 트레일러 2531(5.1) 39 파이프라인 운송업 118(0.2)

6 전기장비 제조업 2527(5.1) 40 자동차 및 부품 판매업 113(0.2)

7 고무제품 및 플라스틱제품 제조업 2443(4.9) 41 교육 서비스업 88(0.2)

8 전문직별 공사업 2341(4.7) 42 코크스, 연탄 및 석유정제품 제조업 73(0.1)

9 출판업 2271(4.5) 43 음료 제조업 72(0.1)

10 화학물질 및 화학제품 제조 1774(3.6) 44 비금속광물 광업(연료용 제외) 65(0.1)

11 식료품 제조업 1735(3.5) 45 농업 60(0.1)

12 의료, 정밀, 광학기기 및 시계 제조업 1434(2.9) 46 음식점 및 주점업 58(0.1)

13 1차 금속 제조업 1252(2.5) 47 부동산업 54(0.1)

14 섬유제품 제조업 1238(2.5) 48 수상 운송업 49(0.1)

15 의복, 의복액세서리 1038(2.1) 49 기타 개인 서비스업 39(0.1)

16 비금속 광물제품 제조업 975(2) 50 사업시설 관리 38(0.1)

17 기타 제품 제조업 965(1.9) 51 창작, 예술 및 여가관련 서비스업 35(0.1)

18 건축기술, 엔지니어링 및 기타 과학기

술 서비스업 956(1.9) 52 임대업(부동산 제외) 34(0.1)

19 인쇄 및 기록매체 복제업 779(1.6) 53 통신업 32(0.1)

20 기타 운송장비 제조업 761(1.5) 54 전기, 가스, 증기 및 공기조절 공급업 28(0.1)

21 펄프, 종이 및 종이제품 746(1.5) 55 하수, 폐수 및 분뇨 24(0)

22 가구 제조업 629(1.3) 56 어업 14(0)

23 종합 건설업 599(1.2) 57 스포츠 및 오락관련 10(0)

24 목재 및 나무제품 470(0.9) 58 방송업 8(0)

25 수리업 461(0.9) 59 금융 및 보험 7(0)

26 가죽, 가방 및 신발 425(0.9) 60 환경 정화 및 복원업 6(0)

27 폐기물 및 원료재생업 384(0.8) 61 항공 운송업 5(0)

28 보건업 384(0.8) 62 숙박업 4(0)

29 전문서비스업 357(0.7) 63 임업 3(0)

30 컴퓨터 프로그래밍 292(0.6) 64 광업 지원 서비스업 1(0)

31 영상·오디오 기록물 제작 276(0.6) 65 담배 제조업 1(0)

32 기타 전문, 과학 기술 209(0.4) 66 사회복지 서비스업 1(0)

33 소매업; 자동차 제외 178(0.4) 67 협회 및 단체 1(0)

34 의료용 물질 및 의약품 제조업 168(0.3) 합계　 49,962

2) 공간분포와 공간군집

공간분포 단계구분도를 각각 센터의 단계구분 도(2012년, 2014년, 2016년)와 기업의 단계구분도 (2012년, 2014년, 2016년)로 작성하였다. 분석 결과 를 시각적으로 확인하여 직관적으로 센터와 기업의 공간적 분포와 군집을 비교할 수 있다. 공간군집 여부 를 평가를 위해 국지모란지수(Local Moran’s I)를 구 하여 기준으로 삼았다. 국지모란지수는 공간 군집의 여부를 판단하는 기준으로, 분석 결과를 시각적으로 확인하여 직관적으로 센터와 기업의 공간적 분포와 군집을 비교할 수 있는 방법이다.

I

=z

∑

w

z

where I

= 국지모란지수 w = 가중치

z = 표준화 점수 i, j = i, j 지역의 변수

위 식은 i지역과 j지역이 서로 공간적으로 연관되 어 있음을 전제로 하고, 가중치(w)와 표준화점수(z)의 곱을 사용함으로써 주변 지역의 변수 값들을 표준화 하여 반영하게 된다. 주어진 식을 통하여 i지역에서의 국지모란지수를 산출하고, 이 값에 대한 통계적 유의 성도 함께 판단할 수 있다. 국지모란지수는 모란 산포 도(Moran scatter plot)에서 표준점수가 각 0인 지점 을 기준으로 구역을 나누고, 판단기준지역의 높은 값 과 낮은 값, 그리고 주변 지역의 높은 값과 낮은 값의 속성 값들이 나타내는 패턴을 통하여 군집의 성격을 구분한다. 국지모란지수에서 사용되는 핫스팟과 콜 드 스팟의 개념(손학기·박기호, 2008; 심재헌·이희 연, 2011)은 핫스팟은 지수가 높은 지역이 지수가 높 은 지역들에 의해 둘러싸이는 경우(본 연구에서 빨간

순위 업종(소분류) 센터수(비율) 순위 업종(소분류) 센터수(비율)

1 기초 의약물질 및 생물학적 제제 제조업 20(11.5) 20 기타 금속가공제품 제조업 2(1.1)

2 전자부품 제조업 16(9.2) 21 기타 전기 장비 제조업 2(1.1)

3 의료용 기기 제조업 14(8) 22 수산물 가공 및 저장 처리업 2(1.1)

4 특수 목적용 기계 제조업 12(6.9) 23 영화, 비디오물, 방송프로그램 제작 및 2(1.1)

5 기초 화학물질 제조업 11(6.3) 24 일차전지 및 축전지 제조업 2(1.1)

6 자동차 부품 제조업 9(5.2) 25 전기업 2(1.1)

7 의약품 제조업 8(4.6) 26 합성고무 및 플라스틱 물질 제조업 2(1.1)

8 기타 식품 제조업 7(4) 27 1차 비철금속 제조업 1(0.6)

9 기타 화학제품 제조업 7(4) 28 1차 철강 제조업 1(0.6)

10 도자기 및 기타 요업제품 제조업 6(3.4) 29 가정용 기기 제조업 1(0.6)

11 반도체 제조업 6(3.4) 30 과실, 채소 가공 및 저장 처리업 1(0.6)

12 통신 및 방송 장비 제조업 6(3.4) 31 시멘트, 석회, 플라스터 및 그 제품 제조 1(0.6)

13 측정, 시험, 항해, 제어 및 기타 정밀기 5(2.9) 32 안경, 사진장비 및 기타 광학기기 제조 1(0.6) 14 구조용 금속제품, 탱크 및 증기발생기 4(2.3) 33 인형, 장난감 및 오락용품 제조업 1(0.6)

15 전구 및 조명장치 제조업 4(2.3) 34 전기통신업 1(0.6)

16 전동기, 발전기 및 전기 변환·공급 4(2.3) 35 전문디자인업 1(0.6)

17 선박 및 보트 건조업 3(1.7) 36 펄프, 종이 및 판지 제조업 1(0.6)

18 의료용품 및 기타 의약관련제품 제조업 3(1.7) 37 편조의복 제조업 1(0.6)

19 일반 목적용 기계 제조업 3(1.7) 38 플라스틱제품 제조업 1(0.6)

Total 174(100)

색으로 표시), 콜드 스팟은 지수가 낮은 지역이 지수 가 낮은 지역들에 의해 둘러싸이는 경우(본 연구에서 검정 색으로 표시)를 나타낸다.

3) 입지평가 모형의 수립

(1) 모형의 전제와 개념

이 연구에서 R&D센터의 입지평가의 대전제는 기 업이 R&D센터를 이용하기 위해서 차량을 이용한다 는 점이다. 물론 택시나 버스 등 대중교통을 이용하 여 R&D센터의 시설을 이용하는 경우도 있을 수 있 으나, 장비나 재료를 싣고 여러 사람이 이동해야 하는 기업 연구활동의 특성상 차량이동이 주류를 이룬다 는 점을 대전제로 하였다.

R&D센터에 특화된 사후 입지평가 모형을 고려 하기 위해서 이 연구는 베버의 구분을 차용하였다 (Weber, 1929). 그는 기존의 교통비를 고려한 입지 이론에 임금과 집적이익을 포함시키고자 하였으며, 집적이익을 ‘입지 선정’(selection of the location), 그리고 교통비와 임금 절감을 ‘지역 선정’(selection of the region)이라고 두 단계로 구분하였다(Brown and Gibson, 1972, 1). 베버에게 ‘지역 선정’이란 임 금수준을 의미하지만, 공공 R&D센터에서의 임금수 준의 지역적 차이는 크지 않은 것으로 보았다. 따라 서 이 연구에서는 R&D센터의 입지평가를 위해서 집 적이익에 해당하는 ‘입지 선정’은 해당 산업이 얼마 나 집적된 곳에 입지해 있는지를 평가하는 ‘권역평가’

로 반영하고, 교통비 절감이라는 지역적 요소를 ‘물리 적 거리 평가’로 반영하였다. 즉, 권역평가는 “R&D센 터가 전국에서 얼마나 해당산업이 집적된 곳에 입지 하였는가?”를 평가하는 평가요인이라면, 물리적 거리 평가는 “인근에 입지한 해당산업의 기업들이 얼마나 손쉽게 이용할 수 있는가?”를 평가할 수 있는 요인이 다. 둘의 가중치는 똑같이 배분하였다.

보다 구체적인 평가원칙은 다음과 같다. 첫째, R&D센터는 연관기업이 집중된 곳에 입지하는 것이 좋다는 원칙이다. 따라서 본 연구는 반경 30km 안 에 많은 연관기업이 입지할수록 좋은 ‘권역’에 위치 했다는 것으로 판단하여 이 원칙은 ‘권역평가’의 근

거가 된다. 둘째, 인근 기업들이 R&D센터를 방문하 기 위해서 소요시간과 거리가 적을수록 좋은 입지라 고 평가하였다. 이 조건은 ‘물리적 거리’ 평가의 근거 가 된다. 물리적 거리는 두 지점 간의 문전(door-to- door) 연결성을 걸리는 시간(‘시간거리’)과 자동차주 행거리(‘주행거리’)로 구분하여 계산하였다. 이 모형 에서 시간거리와 주행거리는 동등한 가치로 평가되 며, 따라서 동등한 가중치가 부과된다. 이와 같은 구 분은 똑같은 거리라도 시간거리가 적게 걸리는 경우, 혹은 시간이 똑같이 걸리지만, 거리가 더 먼 경우 등 물리적 거리를 섬세하게 차등화할 수 있다는 점에서 중요하다. 이 경우에도 마찬가지로 임계점의 설정이 필요한데, 이 연구는 한 기업에서 근무시간에 R&D 센터를 다녀올 수 있어야 한다고 전제하였다. 따라서 현실적인 여건을 고려하여 주행거리는 40km, 시간거 리는 90분을 넘으면 근무 시간 안에 일일 왕복이 어 렵다고 판단하여 임계치는 40km, 90분으로 설정하 였다. 통근시간과 관련하여 2015년 인구주택총조사 에 따르면 서울시의 경우 왕복 통근시간 60-90분으 로 응답한 사람은 23.7%, 부산의 경우 14.7%인 것으 로 나타났으며, 전국적으로 통근시간이 90분 이상이 라고 응답한 비율은 10%가 되지 않는다. 이와 같은 통계를 근거로 하여 1일 왕복할 수 있는 최대시간거 리를 90분이라고 가정하였다(통계청, 2015).

(2) 평가모형

상기 전제와 개념을 활용하여 도출한 R&D센터의 입지평가 모형은 다음과 같은 수식으로 정의한다. 권 역평가와 물리적 거리 평가의 가중치는 동일하며, 시 간거리와 주행거리는 똑같은 가중치로 물리적 거리 에 반영된다.

입지평가 점수=권역평가 점수+물리적 거리

= 권역평가 점수+0.5(주행거리 점수+시간거리 점수) /2=0.5(권역평가 점수)+0.25(주행거리 점수)+0.25 (시간거리 점수)

권역평가는 R&D센터가 입지한 지역의 일반적인

입지 환경을 반영하여 다음과 같은 수식에 의해 계산

한다.

권역평가=반경 30km 권역 내의 특정업종 기업/전 체 특정업종 기업의 수

물리적 인접성은 실제 기업이 R&D센터에 접근할 때 필요한 이동거리와 도로 상황에 따른 주행 시간을 평가하는 것이다. 이 때, 주행거리와 시간거리가 짧을 수록 가중치를 주어 수요 기업이 R&D센터와 인접할 수록 입지 평가 점수가 높게 산출될 수 있도록 하였다 (그림 1).

① 주행거리 점수 산식:

주행거리 기준(Max: 40km)

- 가중치 5*5km 미만 기업 수/40km 내 기업 수 - 가중치 4*10km 미만 기업 수/40km 내 기업 수 - 가중치 3*20km 미만 기업 수/40km 내 기업 수 - 가중치 2*30km 미만 기업 수/40km 내 기업 수 - 가중치 1*40km 미만 기업 수/40km 내 기업 수 주행거리 점수=(위 값을 모두 더한 값)/(5*40km 미만 기업 수)

② 시간거리 점수 산식:

시간거리 기준(Max: 90분)

- 가중치 5*15분 내 갈 수 있는 기업의 수/90분 내

갈 수 있는 기업 수

- 가중치 4*30분 내 갈 수 있는 기업의 수/90분 내 갈 수 있는 기업 수

- 가중치 3*45분 내 갈 수 있는 기업의 수/90분 내 갈 수 있는 기업 수

- 가중치 2*60분 내 갈 수 있는 기업의 수/90분 내 갈 수 있는 기업 수

- 가중치 1*90분 내 갈 수 있는 기업의 수/90분 내 갈 수 있는 기업 수

시간거리 점수=(위 값을 모두 더한 값)/(5*90분 내 미만 기업 수)

4. R&D 센터의 입지평가 결과

1) R&D 센터와 TCB 기업의 공간분포와 군집

첫째, TCB 기업은 수도권에 매우 집중된 양상을 보 인다. 공간적으로 강남과 경기남부지역에 집중적으로 TCB 기업이 분포한 것을 확인할 수 있었으며, 이와 같은 군집성 여부는 국지모란지수 결과로도 확인할

그림 1. 입지타당도 도출 개념도

수 있다(그림 2). 공간군집이 나타나는 지역은 경기 서북부, 인천, 경기남부에서 집중적으로 핫스팟 지역 이 나타나고 있으며, 반면 섬진강 유역 지역에는 TCB 기업의 콜드 스팟이 나타나고 있다. R&D센터의 경 우, TCB 기업이 서울과 수도권에 집중되어 있었던 것 과는 달리 대전, 대구 지역에서 핫스팟이 나타났다(그 림 3). 서울 서부와 경기 남부, 충청 북부에 기업의 공 간집중이 일어나고 있는 것을 확인할 수 있었던 것에 반해 R&D센터의 국지모란지수를 살펴보았을 때 대 전과 대구 일부 지역에서 공간집중이 일어나는 것을 확인할 수 있었다. R&D센터는 전국적으로 고르게 분 포하고 있으나, 대전 및 대구 일부 지역에서는 R&D 센터의 핫스팟이 나타나서 기업의 공간분포와 상이 한 것을 확인할 수 있었다.

2012년부터 2016년까지 2년 단위로 기술개발 기 업의 단계구분도를 살펴보면 주로 수도권, 특히 경기 서부와 경기 남부지역에 집중적으로 분포해 있는 것 을 알 수 있다(그림 4). R&D센터의 경우, 2012년부 터 2016년까지 2년 단위로 단계구분도를 확인한 결

과, 몇몇 지역이 다소 집중된 모습을 보이긴 하였으 나, 기업의 분포에 비해 전국적으로 비교적 고르게 분 포되어 있는 것으로 확인되었다(그림 5).

2) 권역과 시간거리를 고려한 평가점수 및 순위 도출

(1) 기초통계량

R&D센터와 해당 업종 기업 간 생성된 총 30,207 개 링크에 대하여 각 링크의 직선거리, 주행거리, 시 간거리의 기초통계량은 아래 <표 4>와 같다.

조사된 R&D센터의 입지타당성평가 기준 관련 기 초통계량은 <표 5>와 같다. 입지 평가 점수의 평균은 100점 만점에 8.51이며 최댓값은 43.71, 최솟값은 0 이다. 이론적으로 100점이 도출 되는 것은 가능하지 만, 절대점수보다는 상대점수(순위)가 의미가 있다.

(2) 분석 결과

R&D센터에 대해 주행거리, 시간거리, 물리거리,

권역평가에 대해 각각 상기한 방식으로 점수를 매겨 이를 총합한 입지 평가 점수를 계산하였다. 입지 평가 점수 상위 20개 기관을 도출해 보면, 입지타당성 순위

1위는 경기도 안양에 위치한 ‘한국의류시험연구원 미 래인증본부’, 2위는 부산의 ‘동서대학교 LINC사업단’, 3위는 전남의 ‘(재)전남생물산업진흥원 나노바이오연

그림 4. 2012, 2014, 2016년 TCB 기업 분포 단계구분도

구센터’가 차지하였다. 기타 20위까지 순위는 <표 6>

과 같다.

지역별로 입지타당도를 분석해 보면, 서울과 수도 권에 입지한 R&D센터가 상대적으로 입지 평가 점수 가 높은 것을 알 수 있다. 이는 TCB 기업 대부분이 경 기 서부와 경기 남부에 집중되고, 발달된 교통망으로 인해 자동차거리 90분 내 이동할 수 있는 기업이 다 수를 차지하기 때문인 것으로 판단된다. 대전권의 경

우 입지 평가 점수가 높은 R&D센터와 낮은 R&D센 터가 혼합되어 있고, 대구·경북권은 입지 평가 점수 가 낮은 R&D센터들이 집중적으로 분포해 있다. 강원 권의 경우 R&D센터 자체가 거의 분포하지 않고, 입 지타당성평가 점수 역시 낮아서 전체 기업생태계에 서 소외되어 있는 것을 확인할 수 있다.

그림 5. 2012, 2014, 2016년 R&D센터 분포 단계구분도

표 4. 각 거리 지표의 기초통계량

　 범위 최솟값 최댓값 평균 표준편차

직선거리(km) 74.9 0.1 75.0 27.3 14.7

주행거리(km) 198.9 0.0 199.0 38.2 20.8

시간(분) 151.0 0.0 151.0 50.9 22.0

표 5. R&D센터의 입지평가점수 기초통계량

구분 평균 표준편차 최댓값 최솟값 범위

주행거리점수 0.08 0.14 1.00 0.00 1.00

시간거리점수 0.07 0.13 0.80 0.00 0.07

물리적거리 0.03 0.05 0.35 0.00 0.03

권역평가 0.06 0.08 0.43 0.00 0.06

입지평가점수 8.51 8.62 43.71 0.00 8.51

5. 토론

이 연구에서 수행한 TCB 기업과 R&D센터의 공간 분포와 공간군집 분석이 보여주는 결과는 다음과 같

이 정리할 수 있다. 먼저 R&D 센터와 TCB 기업의 분 포는 공간적 불일치성이 두드러진다. 예상할 수 있는 것처럼 TCB기업의 분포는 수도권에 매우 집중된 양 상을 보인다. TCB의 특성이 기술과 신용을 평가를 받

순위 산업 분류 코드

기관명 소재

지역 설립 연도

주행거 리점수 (a)

시간거 리점수 (b)

물리거 리점수 (c)

권역평 가점수 (d)

입지평가 점수 (c+d)*100 1 c143 한국의류시험연구원 미래인증본부 경기 2006 0.01 0.01 0.00 0.43 43.71

2 j591 동서대학교 LINC사업단 서울 2012 0.00 0.00 0.00 0.43 43.26

3 c203 (재)전남생물산업진흥원

나노바이오연구센터 전남 2010 0.60 0.80 0.35 0.00 35.10

4 c262 한국기계전기전자시험연구원

EMC센터 경기 2010 0.00 0.00 0.00 0.33 33.20

5 c264 한국전자정보통신산업진흥회

3D융합센터 서울 2010 0.00 0.00 0.00 0.31 31.31

6 c262 한국전파진흥협회 전파엔지니어링랩 서울 2013 0.00 0.00 0.00 0.29 28.82 7 c171 한국전통문화전당 한지산업지원센터 전북 2009 0.80 0.30 0.28 0.01 28.07

8 c213 오송첨단의료산업진흥재단

실험동물센터 충북 2010 1.00 0.04 0.26 0.02 27.61

9 c284 한국기계전기전자시험연구원

조명센터 경기 2010 0.00 0.00 0.00 0.26 26.17

10 c261 전자부품연구원 전북지역본부

나노융합연구센터 전북 2006 0.50 0.50 0.25 0.00 25.30

11 c272 성균관대학교 나노구조물리연구단 경기 2012 0.00 0.00 0.00 0.24 24.26 12 c264 정보통신산업진흥원 IoT기술지원센터 인천 2006 0.00 0.00 0.00 0.24 24.22 13 c211 기초과학연구원 유전체 교정 연구단 서울 2014 0.02 0.02 0.01 0.22 23.22 13 c211 (재)국가마우스표현형분석사업단 서울 2015 0.02 0.02 0.01 0.22 23.22

15 c213 성균관대학교 산학협력단

IBS 뇌과학 이미징 연구단 경기 2013 0.03 0.02 0.01 0.21 22.41

16 c271 국립재활원 국립재활원재활

로봇중개연구사업 서울 2013 0.00 0.00 0.00 0.22 22.28

17 c204 한국기계전기전자시험연구원

화학분석센터 경기 2010 0.00 0.00 0.00 0.21 21.54

18 c282 한국기계전기전자시험연구원

ESS전지연구소 경기 2010 0.03 0.02 0.01 0.20 21.35

19 c262 전자부품연구원 스마트미디어연구센터 서울 2008 0.00 0.00 0.00 0.21 21.11 20 c204 한국건설생활환경시험연구원 신소재

신뢰성센터 서울 2010 0.00 0.00 0.00 0.20 19.76

은 기업이라는 점을 감안할 때 소위 연구개발에 관심 이 있는 기업이 수도권에 집중적으로 분포하고 있음 을 확인할 수 있고, 이와 같은 결과는 2016년의 공간 군집분석 결과에서도 명료하게 나타난다. 이와 대조 되게 R&D센터의 분포는 전국적으로 비교적 균등하 게 나타난다. 오히려 수도권은 물론 전국적으로도 공 간군집이 거의 나타나지 않은 것을 확인할 수 있다.

연구개발 기업은 수도권에 집중되어 있으나 R&D센 터는 비교적 전국적으로 고르게 분포되어 있다는 공 간적 패턴의 차이를 발견할 수 있다. 이와 같은 차이 는 국가 예산에 의하여 설립되는 R&D센터의 경우 시 장논리가 아닌 공공성의 논리를 따르며 지역적으로 비교적 균등하게 분포하고 있다는 점을 의미한다.

이와 같은 예비연구를 바탕으로 하여 30,207개의 R&D센터-TCB기업의 링크 자료를 바탕으로 하여 입지평가를 도입한 결과는 다음과 같이 요약할 수 있 다. 먼저 입지평가의 상위 20개 R&D 센터의 분포를 살펴보면 서울지역이 8개로 가장 많고, 경기지역이 7 개, 그 뒤로 전북 2개, 전남 1개, 인천 1개, 충북 1개 로 수도권을 제외하면 비교적 균등하게 분포해있는 점을 확인할 수 있다. 흥미롭게도 수도권과 그 외 지 역의 패턴이 확연하게 다르게 나타난다. 수도권의 경 우 1위를 차지한 미래인증본부와 동서대학교 LINC 사업단을 살펴보면 모두 권역평가 점수가 0.43으로 높게 나타난 반면 물리적 거리 점수는 사실상 0에 가 깝다.

반면 전남, 전북, 충북에 위치한 나노바이오연구센 터, 한지산업지원센터, 실험동물센터의 경우, 권역평 가는 0에 가까운 반면 물리적 거리의 점수가 높기 때 문에 입지평가가 높게 평가된 것으로 확인할 수 있다.

이와 같은 차이는 수도권의 경우 관련 기업의 대부분 이 반경 30km 권역 내에 모여 있다는 점으로 인하여 입지가 높게 평가된다는 것을 의미한다. 이들 R&D센 터의 반경 30km 안에 연관기업이 모여 있지만, 물리 적 거리 점수가 매우 낮게 나타난다는 점은 R&D센터 는 실질적으로 기업에서 이용하기에는 시간상으로나 거리상으로 불리한 위치에 있다는 점을 보여준다. 예 를 들어, 수도권 안에서 반경 30km가 떨어져 있다고 하면 현실적으로 교통체증 등으로 인하여 하루 안에

다녀오기 어려운 위치일 수도 있다. 반면 수도권 이외 의 지역에서는 동종 산업에 종사하는 기업 중 권역 내 들어있는 기업의 비율은 적어서 권역평가 점수가 낮 게 나타난다. 반면, 비수도권 R&D센터는 물리적 거 리 점수가 높은데, 인근 연관 기업들은 R&D센터까지 차로 빠르게 이동할 수 있다는 점을 보여준다. 즉 비 수도권 R&D센터는 적은 수의 연관기업 주변에 입지 했다 하더라도, 그 연관기업들은 시간상으로나 거리 상으로 확실한 입지이점을 누릴 수 있다는 의미이다.

이 연구에서 제안한 모델은 자동차의 주행거리, 시 간거리를 포함한 물리적 거리, 그리고 권역평가를 모 두 통합하여 평가하였는데, 필요한 경우에는 분리해 서 평가를 하는 것도 가능하다. 예를 들어 시간거리 나 주행거리만을 기준으로 보았을 때 연관업종의 기 업이 가장 빠르게 올 수 있는 R&D센터는 어디인가 를 목적에 따라 분리해서 평가할 수 있기 때문에 보다 유용하다. 뿐만 아니라, 향후 국가가 지원하는 R&D 센터의 입지를 선정할 때에는 30km의 권역평가 등 의 지표를 도입하여 최소한 권역평가 점수를 통과하 는 지역에만 R&D센터를 설립할 수 있다는 가이드라 인을 제시하는 것도 가능할 것이다.

6. 결론

본 연구에서는 전국에 분포해 있는 159여개의 R&D센터와 연구개발에 관심을 보인 TCB신청 기업 약 5만 개로부터 생성된 30,207개의 링크에 대해서 분석을 시행하였다. 특히 기존 연구와는 달리 도로 상 황을 감안한 시간거리를 측정하여 입지 평가에 반영 한 것을 특징으로 한다. 뿐만 아니라 R&D 센터의 입 지를 평가하는데 있어 권역(area)과 주행거리(driving distance), 그리고 시간거리(time distance)를 모두 고려하는 모델을 적용하였다.

기초통계 분석 결과, 먼저 지원하고자 하는 업종별

로 R&D센터를 분석해 보면, 가장 많은 비중을 차지

한 것은 기초의학물질 및 생물학 제조업으로 20개 센

터가 존재하고 있다. 이후 전자부품 제조업과 의료용

기기 제조업이 뒤를 있고 있다. 이에 비하여 TCB 기 업의 경우 기계장비제조가 7,920업체로 1위를 차지 하였으며, 금속가공제품 제조업이 3,900업체로 2위 그리고 전자부품, 컴퓨터, 영상, 음향 및 통신장비 제 조업은 3,240업체로 3위를 차지하고 있다. 뿐만 아니 라 4위는 제조업이 아닌 도매 및 상품중개업이 차지 하였고, 9위는 출판업이 차지하여 R&D센터의 업종 분포와 상이한 것을 알 수 있다. 이와 같은 결과를 종 합하여 볼 때 입지에 앞서 R&D센터와 TCB 기업의 업종에 상당한 차이가 존재함을 확인할 수 있다.

기업에 대한 공간분석 결과, 단계구분도를 살펴보 면 센터는 수도권, 특히 경기 서부와 경기 남부 지역 에 집중적으로 분포해있는 것을 알 수 있다. 공간군집 역시 경기 서부와 남부에서 TCB 기업이 집중적으로 분포해있어 추후 살펴본 R&D센터의 입지와 확연한 차이가 나타났다. R&D센터의 입지는 단계구분도에 서 전국적으로 비교적 고르게 분포되어 있는 것으로 나타났다. 공간군집 분석결과를 좀 더 자세히 살펴보 면, TCB 기업, 즉 기술개발을 필요로 하는 기업의 경 우 서울 서부, 경기 서부, 경기 남부, 충남 북부에 집 중적으로 분포해 있는 반면, R&D센터는 전국적으로 고르게 분포하고 있어 기업의 공간분포와 명확한 차 이를 보여주었다.

입지 평가 결과, 전체 159개 R&D 센터 중, 가장 높 은 점수를 차지한 센터는 경기도 안양에 위치한 한국 의류시험연구원 미래인증본부, 2위는 부산의 동서대 학교 LINC사업단, 3위는 전남의 (재)전남생물산업진 흥원 나노바이오연구센터였다. 서울과 수도권에 상 대적으로 입지 평가 점수가 높은 센터들이 집중되어 있는데, 이는 TCB 기업의 대부분이 경기 서부와 경 기 남부에 모여 있기 때문이며, 자동차거리 왕복 90 분 안에 이동할 수 있는 기업이 다수를 차지하기 때문 인 것으로 판단된다. 입지평가의 결과 수도권과 그 외 지역에서 상위권에 오른 R&D센터는 명확히 다른 패 턴을 보였다. 수도권의 경우 연관기업이 반경 30km 안에 많이 모여 있기 때문에 자동적으로 권역평가가 높게 나타나고, 그 결과로 입지평가 순위가 올라갔다.

반면 수도권 외 지역의 경우 연관기업의 비율이 낮아 권역평가점수는 0에 가까운 반면, 물리적 거리지표에

서는 강세를 보였고, 그 이유 때문에 높은 입지평가 를 받았다. 수도권 외 지역의 경우 해당 권역 안에 연 관기업의 수는 적지만, 권역 안에 위치한 연관기업은 R&D센터를 오히려 수월하게 이용할 수 있다는 점을 보여준다.

본 연구의 결과는 R&D센터 설립과 운용에 대한 국가정책, 나아가서는 지역혁신체계를 기반으로 한 지역균형발전 정책에 다음과 같은 함의를 준다. 공간 분포와 군집 분석에서 볼 수 있듯이, 연구개발 지원 을 필요로 하는 기업들과 R&D센터의 입지가 상이하 다. 효율성만을 기준으로 본다면, 수도권에 가장 많은 R&D센터가 입지하는 것은 불가피해 보인다. 실제로 수도권의 R&D센터는 권역평가에서 높은 점수를 받 았다. 그러나 권역평가 점수가 높은 경우에도 물리적 거리지표가 낮다는 점을 감안하면, 수도권 입지만으 로 연구개발 지원이 수월하지 않을 수 있다는 것을 의 미한다. 반면, 지역 R&D센터의 경우 권역평가점수 에는 한계가 있지만, 특정기업에는 분명히 좋은 입지 를 제공하는 경우도 있었다. 지역균형발전을 위하여 R&D센터가 지역기업의 연구개발활동을 지원하겠다 는 확고한 목표가 있을 경우, R&D센터는 스타트업 지원활동 등 기업유치에 대한 정책의지가 병행되어 야만 할 것이다. 그렇지 않으면, 신규 R&D센터의 설 립과 운용은 지역균형이라는 미명 아래 연구개발에 대한 중복과잉투자라는 오명을 피하기는 어려울 것 이다. 다만, R&D 센터 본연의 목적을 달성하기 위해 서는 관련 업종 기업으로부터의 접근성이라는 기준 을 충족시켜야 한다는 것이 본 연구가 가정하는 큰 전 제 중 하나이다. 그러나 지역균형발전을 위한 정부출 연연구기관의 지방 이전, 지방거점대학의 R&D 센터 등 단지 접근성이라는 잣대만으로는 입지를 평가할 수 없는 사례가 많다. 그렇기 때문에 본 연구는 R&D 센터의 입지를 평가하는 데 있어 모든 조건을 고려 한 것은 아니며, 제시하는 결과가 기존 R&D 센터의 입지를 부정하는 것은 아니라는 점 또한 강조하고자 한다.

이 연구는 TCB기업과 R&D센터의 공간분포와 군

집을 각각 조사함으로써 공간분포의 차이를 시각화

하고, 업종적합성과 시간거리를 고려하였다는 점에

서 기존의 입지 연구와 차별성을 가진다. 상용지도서 비스의 눈부신 발전으로 인하여 실시간 교통상황까 지 반영한 시간거리를 구할 수 있게 되었고, 그 결과 입지타당성에는 교통체증으로 인한 시간 지체까지 고려되어 있다. 다만 본 논문은 연구 목적을 위해 입 지 평가 점수 기준을 임의로 설정하였다는 데에 한계 를 내포하고 있기도 하다. 이 연구에서 사용한 지표는 R&D시설의 입지평가를 하기 위한 시론적 연구도구 로서 연구자가 개발한 지표들은 독립적으로 사용될 수 있다. 예를 들어 시간거리, 주행거리, 권역평가 모 두를 사용하는 것이 상호배제와 전체포괄 원칙에 어 긋난다면, 시간거리, 주행거리, 권역평가 어느 하나만 수행하더라도 입지평가를 할 수 있는 하나의 지표는 될 수 있다. 이러한 한계를 보완하여 후속연구에서 입 지의 평가기준을 다양화할 수 있는 가능성은 열려있 다. 예를 들어 기업의 업종과 거리뿐만 아니라 고용자 수, 매출액, 영업이익 등의 변수를 고려한다면 R&D 센터의 입지효율성에 대하여 보다 현실적인 평가기 준을 도출할 수 있을 것이다. 아울러 이 연구에서 다 룬 파라미터와 가중치 역시 R&D센터의 입지평가기 준을 도입하는 과정에서 시도된 것이므로 차후 실증 연구를 통해서 검증과 개선을 거칠 필요가 있다.

사사

이 연구는 한국과학기술기획평가원의 ‘지역 연구 개발 기반구축 시설의 효율성 측정 및 성공요인 분석’

(진영현, 2018) 연구를 기반으로 작성되었습니다.

참고문헌

김영일·이재균, 2014, “‘도시 생활교통 혼잡도로 개선사 업’의 대도시 적용사례 분석 - 인구 100만인 이 상 9개 도시를 중심으로,” 한국도로학회지, 16(2), 19-25.

김용웅·차미숙·강현수, 2003, 지역발전론, 한울아카데 미.

나유진·임현우·문정민, 2016, “시간대별 도로교통 상황 을 고려한 도심 식자재 배송서비스 개선방안에 관한 연구,” 로지스틱스연구, 24(4), 79-96.

박종수·이금숙, 2017, “서울 대도시권 대중교통체계의 통 합 시간거리 접근성 산출 알고리즘 개발,” 지역연 구, 33(1), 29-41.

박지윤, 2006, “기업부설연구소의 공간적 입지 유형,” 대 한지리학회지, 41(1), 58-72.

손학기·박기호, 2008, “부동산 가격변동 핫스팟 탐색 을 위한 공간통계기법,” 대한지리학회지, 43(3), 392-411.

심재헌·이희연, 2011, “네트워크의 공간 의존성과 외부효 과를 고려한 인구이동 흐름모델 구축 및 실증 분 석,” 지역연구, 27(3), 81-99.

양현재·남현우·전철민, 2018, “시간거리 접근성과 교통 카드 기반 통행량을 이용한 OD별 잠재적 대중 교통 서비스 개선량 분석,” 한국지리정보학회지, 21(2), 80-93.

이다예·임현우, 2015, “국내 수도권 임대 물류센터 입지 여건 분석,” 로지스틱스연구, 23(4), 101-113.

정미선·이금숙, 2015, “시간거리 변화에 따른 한국 도 시간 통행흐름의 구조 변화,” 대한지리학회지, 50(5), 527-541.

진영현, 2018, 지역 연구개발 기반구축 시설의 효율성 측 정 및 성공요인 분석, 한국과학기술기획평가원.

채반석, 2016, “구글 국내지도 국외반출 요청 이슈와 정책 시사점,” KISO 저널, 24, 33-35.

통계청, 2015, 인구주택총조사.

허가형, 2016, 지역산업경쟁력강화사업 평가, 국회예산정 책처.

Ahmadi-Javid, A., Seyedi, P., and Syam, S. S., 2017, A survey of healthcare facility location, Computers & Opera-

tions Research, 79, 223-263.

Alonso, William, 1964, Location and Land Use: Toward a

General Theory of Land Rent, Harvard University

Alvarez, P., Lerga, I., Serrano-Hernandez, A. and Faulin, J., 2018, The impact of traffic congestion when opti- mising delivery routes in real time: A case study in Spain, International Journal of Logistics Research and

Applications, 21(5), 529-541.

Asheim, B. T., Coenen, L., and Vang, J., 2007, Face-to-face,

buzz, and knowledge bases: sociospatial implica- tions for learning, innovation, and innovation policy, Environment and Planning C: Government

and Policy, 25(5), 655-670.

Audretsch, D. B., and Feldman, M. P., 1996, R&D spill- overs and the geography of innovation and produc- tion, The American Economic Review, 86(3), 630- 640.

Boschma, R. A., Heimeriks, G., and Balland, P.-A., 2014, Scientific knowledge dynamics and relatedness in biotech cities, Research Policy, 43(1), 107-114.

Brown, P. A., and Gibson, D. F., 1972, A Quantified Model for Facility Site Selection-Application to a Multi- plant Location Problem, AIIE Transactions, 4(1), 1-10.

Cairncross, Frances, 2001, The Death of Distance: How the

Communications Revolution is Changing Our Lives,

Clark, J. W., 1977, Time-Distance Transformations of Transportation Networks, Geographical Analysis, 9(2), 195-205.

Cooke, P., 1996, The new wave of regional innovation net- works: analysis, characteristics and strategy, Small

Business Economics, 8(2), 159-171.

Dawkins, C. J., 2003, Regional development theory: con- ceptual foundations, classic works, and recent developments, Journal of Planning Literature, 18(2), 131-172.

Gertler, M. S., 1995, “Being There”: Proximity, Organiza- tion, and Culture in the Development and Adop- tion of Advanced Manufacturing Technologies,

Economic Geography, 71(1), 1-26.

Heragu, Sunderesh S., 2008, Basic Models for the Location Problem in Heragu, S. (ed.), Facilities Design, 3rd Edition, CRC Press, 435-476.

Hodgson, M. J., 1981, A location—allocation model maxi- mizing consumers’ welfare, Regional Studies, 15(6), 493-506.

Kang, K. N., and Park, H., 2012, Influence of government R&D support and inter-firm collaborations on in- novation in Korean biotechnology SMEs, Techno-

vation, 32(1), 68-78.

Krugman, P., 1991, Increasing returns and economic geog- raphy, Journal of Political Economy, 99(3), 483-499.

Lee, C-. Y-., 2011, The differential effects of public R&D support on firm R&D: Theory and evidence from multi-country data, Technovation, 31(5-6), 256- 259.

Lee, B. S. and McDonald, J. F., 2003, Determinants of commuting time and distance for Seoul residents:

The impact of family status on the commuting of women, Urban Studies, 40(7), 1283-1302.

Malecki, E. J., 1981, Government‐funded R&D: some regional economic implications, The Professional

Geographer, 33(1), 72-82.

Malecki, E. J., 1987, The R&D location decision of the firm and “creative” regions—a survey, Technovation, 6(3), 205-222.

Markusen, A., 1996, Interaction between regional and industrial policies: evidence from four countries.

International Regional Science Review, 19(1-2), 49-

Marshall, Alfred, 1919, Industry and Trade: A Study of In-

dustrial Technique and Business Organization and of Their Influences on the Condition of Various Classes and Nations, MacMillian and Co. Limited.

Ohmae, Kenichi, 1990, The Borderless World: Power and

Strategy in the Interlinked Economy, Harper Busi-

Porter, Michael, 1990, The Competitive Advantage of Nations, Free Press.

Siedschlag, I., Smith, D., Turcu, C., and Zhang, X., 2013, What determines the location choice of R&D activities by multinational firms?, Research Policy, 42(8), 1420-1430.

Storper, M., and Venables, A. J., 2004, Buzz: face-to-face contact and the urban economy. Journal of Eco-

nomic Geography, 4(4), 351-370.

Weber, Alfred, 1929, Theory of the Location of Industries, Friedrich, C. J.(Trans.), University of Chicago Press.

교신: 김창현, 35240, 대전광역시 서구 둔산로 123번길 43 KD빌딩 808(이메일: [email protected])

Correspondence: Chang-Hyun Kim, 808, KD Bldg., 43, Dunsan-ro 123beon-gil, Seo-gu, Daejeon, 35240, Republic of Korea (e-mail: [email protected])

최초투고일 2018. 11. 23 수정일 2019. 1. 17 최종접수일 2019. 1. 31