I. 서론
한국정부는 연 19조원 이상의 국가연구개발 예산 중 40% 이상(2016년 8.1조원)을 산업·인
프라 등 경제발전 목적에 투입하는데, 특히 중 소기업의 혁신성장 촉진을 위한 R&D 보조금이 연 3조원에 육박한다. 이러한 한국정부의 중소 기업 연구개발비 지원은 절대액에서 독일·일
* 본고는 이성호, 『중소기업 연구개발 지원정책 수혜자 선정모형 연구』, 정책연구시리즈 2017-12, 한국개발연구원, 2017의 주요 내용을 기반으로 작성한 것이다.
중소기업 R&D 지원의 정책효과와 개선방안
정부의 중소기업 R&D 보조금이 연 3조원에 육박하며 OECD 2위 규모로 확대되었다.
정부 지원은 기업의 R&D 투자와 지재권등록 확대는 물론 유형자산ㆍ인적자산ㆍ마케팅 투자 증대에도 기여했지만, 부가가치·매출·영업이익 증대에는 실패하였음이 발견된다.
이는 기술전문가들의 정성적 평가에만 의존한 선정체계가 효과적이지 못했기 때문인데, 예측모형을 적절히 활용하여 수혜자를 선정하면 부가가치 증진효과를 2배 이상 확대할 수 있다. 예측모형 개발을 위해서는 기술적 성과보다 부가가치 등 경제적 성과를 궁극적 목표 로 설정하고, 소기업 대상 정책실험도 확대해야 한다. 또한 기술개발 단계별 자금 지원방식 의 합리화(① 보조금 → ② 지분투자 → ③ 대출)도 필요하다.
이 성 호 | KDI 연구위원
Korea’s Leading Think Tank www.kdi.re.kr
집필자 | 이성호 연구위원(044-550-4174)
KDI FOCUS는 시의성 있는 경제·사회적 이슈를 간략하게 정리한 시론 성격의 자료임.
본 포커스의 내용은 집필자 개인의 의견이며 본원의 공식 견해가 아님.
자료문의 | KDI 홍보팀
주소 30149 세종특별자치시 남세종로 263 Tel 044-550-4030
Fax 044-550-0652
중소기업 R&D 보조금이 연 3조원에 육박하는 수준으로 확대되어 OECD 국가 중 2위
본을 능가하며 OECD 국가 중 미국 다음인 2위에 해당한다. 정부의 직접적인 보조금 지원과 간접 적인 세제혜택에 힘입어 중소기업의 R&D 투자 는 2016년 13조원(기업부설연구소는 36,026개) 을 돌파했다. OECD 국가 중 한국의 전체 기업 R&D 투자는 4위(중국 포함 시1) 5위)인데, 중소 기업의 R&D 투자는 <표 1>에서 보듯이 2위로 올라섰다. 특히 창업기업을 포함한 50인 미만 소기업들이 중기업들보다 더 활발히 연구개발 투자를 수행하는 것이 특징이다.2)
그동안 국내의 기업 R&D 지원사업 성과평가 연구는 정부 지원이 민간기업의 연구개발 투자 및 지재권 등 기술역량 제고에 기여했는지를 주 로 분석하였고, 대체로 긍정적인 평가가 많았 다. 그러나 중소기업 R&D 지원에 대한 경제적 성과 분석은 오승환·김선우(2017)의 연구 정 도가 유일하다. 본고에서는 중소기업 R&D 지 원 3조원 돌파를 앞둔 시점에서 정부 지원사업 의 정책효과를 종합적으로 평가하고, 지원효과 를 제고할 수 있도록 수혜자 선정모형 개발 등 개선방안을 탐색해 보고자 한다.
II. 정부의 중소기업 연구개발 지원제도
미국의 대표적인 중소기업 R&D 지원제도는 SBIR(Small Business Innovation Research) 사업이다. 외부위탁연구 예산이 1억달러 이상인 연방기관은 예산의 3.2% 이상을 중소기업 R&D 지원에 사용하도록 의무화하며, 3단계로 나누어 지원한다. 아이디어 검증(proof–of–concept)을 위한 1단계에서는 6~9개월 동안 10~15만달러, 본격적인 연구개발을 위한 2단계에서는 24개월 동안 최대 100만달러를 지원하고, 사업화를 위 한 3단계에서는 민간 금융기관으로부터의 융 자·투자 유치를 알선한다. 11개 부처의 SBIR 사업 총지원금은 2015년 25억달러 규모이다.
Edison(2010)은 2003년 국방부 SBIR 사업에 지원한 1,460개 기업을 분석하여 수혜기업의 매출이 차년도에 15만달러(2004~06년 총 37만 달러) 증가하는 인과효과를 발견하였다. 또한 Howell(2017)은 1995~2013년 기간 동안 미국 에너지부 SBIR 사업에 지원했던 5,021개 기업 의 실적을 분석하여 SBIR 1단계 보조금이 평균 10%이던 벤처캐피털 투자유치 확률은 +10%p 가량, 평균 200만달러이던 매출은 +130~170만 달러가량을 추가로 증가시키는 인과효과를 입증 하였다. 이는 정부 심사를 통과한 인증효과 때문 이 아니라, 시제품 개발을 통한 아이디어 검증효 과에 기인함을 밝혔다. 투자유치 성공률 제고효 과는 특히 특허 미보유기업에서 6%p, 업력 2년 미만의 신생기업에서 14%p 더 증가하였다. 한 편, 대규모 자금이 제공되는 SBIR 2단계 지원은 경제적 성과를 유의하게 개선하지 못하였다. 따 라서 Howell(2017)은 소수의 중기업에 장기간 대규모 자금을 지원하기보다는 다수의 소기업들 에 일회성 소액 보조금을 제공하는 방식이 더 효 미국의 대표적인 중소기업
R&D 지원제도인 SBIR 사업은 3단계로 나누어 맞춤 지원
미국의 사례를 보면, 소수의 중기업에 대규모 자금을 지원하기보다는 다수의 소기업들에 일회성 소규모 자금 제공을 확대하는 방식이 더 효과적
<표 1> 주요 5개국의 기업 규모별 총연구개발비 및 정부 지원 연구개발비
(단위: 백만달러, 구매력지수 환율 기준)
주: 괄호 안의 값은 정부 지원 연구개발비.
자료: Main Science and Technology Indicators(OECD Stat 웹페이지). 박찬수 외(2016), pp.24~25에서 재인용.
종업원수 한국
(2013년) 미국 (2011년)
일본 (2013년)
독일 (2013년)
프랑스 (2013년)
1~49 6,033 (914)
21,842 (2,066)
1,135 (49)
2,448 (544)
4,292 (492)
50~249 5,955 (662)
21,996 (1,515)
4,620 (99)
4,230 (499)
4,881 (261)
중소기업 소계
11,988 (1,576)
43,838 (3,581)
5,755 (148)
6,678 (1,043)
9,173 (753)
250~ 41,442 (1,384)
250,255 (27,730)
117,776 (1,162)
62,235 (1,272)
28,331 (2,281)
전체 기업 총계
53,430 (2,961)
294,092 (31,630)
123,531 (1,310)
68,914 (2,316)
37,503 (3,035)
1) 중국이 연구개발 투자를 급격히 확대하며 세계 2위로 부상하였다(중소기업 R&D에 한정한 통계는 부재).
2) GDP 대비 벤처캐피털 투자액 비중도 2015년 0.13%로서 미국(0.33%), 중국(0.24%)보다는 낮지만 0.03% 내외인 일본, 독일, 프랑스 등보다는 월등히 높은데, 이는 정부의 모태펀드 지원 영향이 크다(박찬수 외, 2016).
한국정부의 기업 R&D 지원은 소규모 탐색 연구보다 중규모 연구를 주로 지원
특허와 논문 중심으로 평가되는 현재의 기업 R&D 지원체계는 재고할 필요
유형자산의 규모뿐 아니라 무형자산의
확장성(scalability)도 중요
지원 당시에는 모든 지표에서 수혜기업이 비수혜기업보다 월등히 우월
과적이라고 제언한다. 독일, 핀란드 정부의 중소 기업 R&D 지원도 연구개발 경험이 미흡한 다수 의 소기업 및 신생창업기업에 소액 보조금과 연 구자문을 지원하는 방식을 채택한다. 또한 선진 국의 기업 R&D 지원제도는 자유공모 방식과 온 라인 채널에 기반한 투명하고 편리한 관리시스 템을 공통적으로 갖추고 있다.
우리 정부는 미국의 SBIR 사업을 모방하여 1998년 ‘중소기업 기술혁신 지원(KOSBIR)’ 제도 를 도입한 이래 예산을 꾸준히 늘려 왔다. 2016년 국가연구개발사업 중 중소기업이 수행 주체인 사 업들의 지출은 총 2조 8,973억원으로 집계되었는 데,3) 이는 정부 R&D 투자집행 총액의 15.2%에 해당하고 미국정부의 SBIR 사업 총지원규모와 비 슷하다. 정부 모든 부처의 연구개발사업을 통합 관리하는 국가과학기술지식정보서비스(NTIS) DB에서 2010~14년 기간 동안 연구주관기관이 기업인 30,448건의 R&D 과제를 살펴보면, 사업 금액의 중위값은 2억원이며, 하위 20% 사업은 1 억원 미만, 상위 20% 사업은 5억원 이상으로 나 타났다. 미국은 1단계 연구(사업당 10만달러 내 외)의 사업 수가 2단계 연구보다 2~3배 더 많은 데, 한국은 건수 기준 80%가량의 사업 예산이 1 억원 이상이다. 즉, 한국의 기업 R&D 지원은 초 기단계의 개념검증 연구를 건너뛰고 후속단계의 개발연구를 지원하는 것이다.
기업 R&D 지원사업의 평가는 주로 특허 및 논문 생산 여부로 이루어지는데, 이 때문에 중 소기업은 특허의 양적 확대에 매진해 출원 수가 2013년 34,547건에서 2016년 46,813건으로 크게 증가하였다.4) 반면, 대기업들은 기술력 과시를 위한 소위 ‘장롱특허’ 양산이 출원 및 갱신 비용은
물론 소중한 연구역량을 낭비한다고 판단해 경 제적 가치 중심으로 연구개발 부서의 평가체계를 전환한 결과, 특허 출원이 같은 기간 48,045건 에서 38,800건으로 감소하였다.
III. 정부 지원 수혜기업과 비수혜기업의 단순 비교
정부 지원사업의 경제적 효과 분석을 위해 한 국기업데이터(KED) DB(2010~15년)를 이용했 는데, NTIS 데이터의 약 70%인 21,265건이 KED 데이터의 기업들과 연계되었다. 비교대상 기업을 소기업 이상 규모의 법인기업들로 한정 해 21만 2,245개 기업의 2010~15년 재무실적 을 분석하였다. 이 중 소기업 165,023개, 중기 업 42,770개를 주 연구대상으로 삼았다.
재무정보로부터 운영성과, 역량자산, 자금조 달 등 3개 부문 10개의 성과지표를 도출하였다.
먼저 운영성과지표로는 부가가치, 매출액, 영업 이익을 채택하였고, 자금조달지표는 부채와 자 본으로 구성하였다.5) 특히 부가가치는 종업원 (인건비), 주주(배당금), 국가(조세공과금), 채권 자(이자), 기업(순이익+감가상각비) 등 다양한 이해당사자에게 분배되는 가치를 모두 포함하므 로 가장 포괄적인 성과지표이다. 과거에는 유형 자산의 규모의 경제(economies of scale)가 가 장 중요했지만, 이제는 우버, 에어비엔비의 사례 처럼 무형자산의 확장성(scalability)이 더 중요 해지고 있기에 역량자산지표는 유형자산, 인적 자산 투자 외에도 R&D 투자, 지재권등록, 마케 팅투자 등으로 구성하였다.6)
<표 2>에서 보듯이 운영성과, 자금조달, 역량
3) 과학기술정보통신부ㆍ한국과학기술기획평가원, 『2016년도 국가연구개발사업 조사ㆍ분석 보고서』, 2017.
4) 특허청, 「지식재산 통계 FOCUS」, 2014; 2017.
5) 기업 성과는 한쪽으로 쏠린(skewed) 분포를 따르기 때문에 원자료를 로그변환시키고, 부가가치, 영업이익, 자본 등 3개 변수는 음수값들이 많아 원자료를 그대로 사용하였다.
6) 재무제표에서 물리적 자산은 유형자산 데이터를, 인적자산 투자의 대리변수로는 노동관계비용, 복리후생비, 교육훈련비, 주식보상비 등을 합산한 값을 활용했다. 지식자산 투자는 손익계산서 및 제조원가명세서의 연구비, 개발비와 무형자산의 개발비 증가분을 합산해 구했다. 관계자산 투자의 대리변수로는 광고선전비, 판매촉진비, 접대비, 해외시장개척비 등의 합산값을 이용하였다.
자산, 벤처인증비율 등 대부분의 지표에서 지원 당시에는 수혜기업이 비수혜기업보다 월등히 높은 평균값을 나타내며, 두 그룹 간 격차는 모 두 통계적으로 유의하다. 대기업과 중견기업까 지 포함하면 격차는 더욱 증가하는데, 영업이익 과 R&D 투자는 평균값이 20배 이상 벌어진다.
지원받은 시점의 지표값들은 수혜기업이 높지 만, 지원 이후 2~3년 동안 증감률 및 증감분은 지재권등록을 제외한 대부분의 성과지표에서
수혜기업이 현저히 낮고, 영업이익과 R&D 투 자는 심지어 역성장하였다.7) 대기업을 포함해 비교하면 수혜기업은 부가가치, 마케팅투자도 역성장하였다.
IV. 정부 지원의 인과효과 추정
기업의 규모가 클수록 성장은 둔화되는 효과 가 존재한다. 이성호(2017)는 Edison(2010)의 연구를 참조하여 비모수적 매칭기법과 모수적 회귀모형을 결합한 2단계 접근으로 인과효과를 추정하였다. 2단계 추정은 비모수적 매칭과 모 수적 모형 중 하나만 바르게 설정되어도 정확한 인과효과를 추정할 수 있어 이중으로 강건 (doubly robust)하고 다른 공변량의 영향도 추 정할 수 있는 장점이 있다. 먼저 매칭단계에서 성향점수매칭 등 다양한 방법을 시도했는데, 유 전자매칭(genetic matching)이 R&D 투자 등 모든 특성(공변량)에 걸쳐 수혜기업과 가장 유 사한 비수혜기업들을 선별하였기에, 이를 대조 군으로 삼아 인과효과를 추정하였다.
<표 3>은 10개 성과지표의 2년 후 증가분·
증가율에 대해 OLS 분석을 수행하고 수혜 여부 변수의 계수만을 추출하여 하나의 표에 요약한 결과이다. 매칭기법과 회귀모형을 결합하여 다 른 공변량들의 영향을 통제할 경우 단순비교에 서 나타났던 부정적 효과는 부가가치, 영업이 익, 매출을 제외한 대부분의 지표에서 유의한 긍정적 효과로 전환되었다. <표 4>는 수혜금액 의 규모별 처치효과를 분석한 결과이다. 부가가 치, 영업이익, 매출의 증가분에 대한 영향은 5 억원 이상 구간에서 부정적 효과가 크고 유의하 게 나타난다. 부채는 전 구간에서 긍정적 효과 가 유의했지만 완만히 증가한 데 반해, 자본은 증감률ㆍ증감분은 대부분의
성과지표에서 수혜기업이 현저히 낮고, 영업이익, R&D 투자는 심지어 역성장
이성호(2017)는 비모수적 매칭과 모수적 회귀모형을 결합한 2단계 접근으로 인과효과를 엄밀히 추정
7) 자본의 경우 수혜기업이 증가분은 더 크지만, 증가율로 환산하면 더 작다.
<표 2> 수혜 중소기업과 비수혜 중소기업의 기초통계량 비교
(금액 단위: 백만원)
주: 모든 평균의 차이는 1% 수준에서 유의(표준편차가 크지만 표본 수가 많아 표준 오차가 감소).
변수
비수혜중소기업 (대조군: 670,760건)
수혜중소기업 (실험군: 18,980건)
평균 표준편차 평균 표준편차
기 초 특 성
업력(년) 9.10 8.26 10.72 7.80
기업공개비율 0.13 0.33 0.36 0.48
벤처인증비율 0.10 0.30 0.57 0.50
운 영 성 과 지 표
부가가치 1,389 19,100 3,008 5,988
증가분(t+2) 195 26,400 43 9,792 증가분(t+3) 330 31,200 163 10,400
매출 6,733 21,900 13,600 30,500
증가율(t+2) 0.36 2.11 0.13 1.06 증가율(t+3) 0.41 2.16 0.17 1.09
영업이익 255 2,826 559 3,105
증가분(t+2) 8 3,067 –155 3,639 증가분(t+3) 8 3,134 –203 3,969
자 금 조 달 지 표
부채 4,030 32,100 7,820 17,400
증가율(t+2) 0.32 1.25 0.22 0.66 증가율(t+3) 0.42 1.31 0.29 0.75
자본 2,360 18,500 7,505 20,900
증가분(t+2) 447 7,077 1,046 13,300 증가분(t+3) 750 8,821 1,758 14,600
역 량 자 산 지 표
R&D 투자 64 1,377 741 1,718
증가율(t+2) 0.22 4.23 –0.77 5.36 증가율(t+3) 0.34 4.71 –1.17 5.69
지재권등록 0.12 1.94 1.86 12.90
증가율(t+2) 0.01 0.30 0.11 0.73 증가율(t+3) 0.01 0.32 0.10 0.76
유형자산 2,160 11,600 5,277 14,900
증가율(t+2) 0.41 2.06 0.24 1.19 증가율(t+3) 0.52 2.23 0.34 1.33
인적자산 830 2,567 1,718 2,753
증가율(t+2) 0.33 1.68 0.13 0.88 증가율(t+3) 0.41 1.73 0.19 0.95
마케팅투자 79 913 163 937
증가율(t+2) 0.20 3.84 –0.01 3.52 증가율(t+3) 0.25 4.13 0.01 3.74
2억원 이상의 지원에서 긍정적 효과가 커지고 통계적으로 유의해진다. R&D 투자는 1~5억원 구간에서 긍정적 효과가 가장 컸고, 지재권등록 과 인적자산 투자는 5억원 이상의 구간에서 긍 정적 효과가 가장 크고 유의하다.
요약하면, 정부의 R&D 지원은 중소기업들의 부채 및 자본 조달에 중요하게 기여하였고, 기 업들은 조달한 자금을 토대로 지식재산, 관계자 산, 유형자산, 인적자산의 크기 순으로 역량자 산에 대한 투자를 증대시켰다. 모든 수혜기업에 서 부채 조달 증가율이 약 5%p 추가되고 중소 기업은 자본 조달 증가분도 3억원 이상 추가되 는 효과가 나타났는데,8) 이는 수혜기업이 비슷 한 조건의 비수혜기업보다 기술보증 또는 모태 펀드를 통한 부채 및 자본 조달이 용이해지기 때문일 것이다. 역량자산지표 중에서는 민간 R&D 투자와 지재권등록 증가율이 일관되게 100%p와 30%p씩 큰 폭으로 증가하였고, 지식 자산과의 보완성이 클 것으로 여겨지는 마케팅 투자의 증가율도 20%p 이상 제고되는 효과가 발생했다. 유형자산과 인적자산 투자 증가율의
제고효과는 크기가 작지만 역시 유의했다.
그런데 정부 지원이 민간 투자의 마중물 역할 은 성공적으로 수행했지만, 막상 기술개발 결과 가 다수의 수혜기업들에서 재무적 성과 개선으 로 귀결되지는 못하였다. R&D 투자 등이 비슷 했던 비수혜기업 대비 부가가치·매출·영업이 익의 추가 증진에는 실패하거나 오히려 저조한 성장을 이룬 것이다.9)
V. 정부 지원 수혜자 선정모형 탐색연구
수혜기업과 비수혜기업의 단순 비교 시 수혜 기업이 거의 모든 지표에서 오히려 열등한 성장 성을 보여주었고, 이후 인과효과 추정을 통해 많 은 경우 저성장이 부정적인 정책효과 때문은 아 닌 것으로 판명되었다. [그림 1]은 2년 후 부가가 치 증가분 지표에 의사결정나무 모형을 적용해 모집단을 단계적으로 분기시키며 다수의 소집단 (node)으로 세분화한 결과이다. 연간 지재권등 록이 3개 이상인 기업군(노드 11)은 전체 기업 수 의 1%에 불과하나 수혜 비중은 11%에 달한다.
<표 3> 전체-중소 매칭 기업 간 10개 성과지표(t+2)의 수혜효과 OLS 분석 (금액 단위: 천원; 로그값은 천원 단위를 변환)
주: *, **는 각각 5%, 1% 수준에서 통계적으로 유의미한 추정치임을 의미함.
종속변수 (t+2)
전체 기업 매칭(29,044개) 중소기업 매칭(25,542개)
수혜효과 유의도 Adj.R2 수혜효과 유의도 Adj.R2
부가가치 1,252,683 0.444 0.200 38,159 0.672 0.122 영업이익 198,364 0.883 0.207 –109,879 0.001 ** 0.274 ln(매출) –0.038 0.000 ** 0.328 –0.045 0.000 ** 0.345 ln(부채) 0.050 0.000 ** 0.152 0.047 0.000 ** 0.166 자본 –2,939,290 0.254 0.653 344,495 0.008 ** 0.043 ln(R&D 투자) 1.039 0.000 ** 0.198 1.140 0.000 ** 0.220 ln(지재권등록) 0.301 0.000 ** 0.257 0.289 0.000 ** 0.324 ln(인적자산) 0.024 0.022 * 0.158 0.024 0.026 * 0.129 ln(유형자산) 0.041 0.001 ** 0.124 0.048 0.000 ** 0.137 ln(마케팅투자) 0.207 0.000 ** 0.137 0.239 0.000 ** 0.158
종속변수 (t+2)
0~1억원 1~2억원 2~5억원 5억원 이상
Adj.R2
추정치 유의도 추정치 유의도 추정치 유의도 추정치 유의도
부가가치 168,283 0.323 72,059 0.598 180,450 0.152 –324,564 0.033 * 0.122 영업이익 –13,125 0.835 –56,782 0.260 –35,028 0.451 –367,146 0.000 ** 0.275 ln(매출) –0.057 0.004 ** –0.024 0.135 –0.023 0.111 –0.098 0.000 ** 0.346 ln(부채) 0.039 0.003 ** 0.046 0.000 ** 0.048 0.000 ** 0.052 0.000 ** 0.166 자본 197,290 0.421 271,809 0.166 358,833 0.048 * 526,427 0.016 * 0.043 ln(R&D 투자) 0.826 0.000 ** 1.241 0.000 ** 1.237 0.000 ** 1.099 0.000 ** 0.220 ln(지재권등록) 0.209 0.000 ** 0.235 0.000 ** 0.278 0.000 ** 0.437 0.000 ** 0.331 ln(인적자산) –0.061 0.003 ** 0.022 0.174 0.038 0.010 * 0.068 0.000 ** 0.130 ln(유형자산) 0.071 0.004 ** 0.043 0.031 * 0.047 0.010 * 0.038 0.089 0.137 ln(마케팅투자) 0.184 0.016 * 0.322 0.000 ** 0.146 0.009 ** 0.319 0.000 ** 0.158
<표 4> 중소기업 중 매칭 기업 간의 수혜금액 규모별 효과 OLS 분석 비교
주: *, **는 각각 5%, 1% 수준에서 통계적으로 유의미한 추정치임을 의미함.
(금액 단위: 천원; 로그값은 천원 단위를 변환)
8) 중소기업의 경우 정부 모태펀드의 영향력이 큰 데 반해 공개된 자본시장에 의존하는 대기업과 중견기업의 경우 정부 지원 수혜 여부가 유의한 영향을 미치지 않았다.
9) 평가기간을 3년으로 연장한 분석에서도 유사한 결과가 나타났다. 연구개발 완료 후 2~3년 동안의 성과 추적은 경제적 효과 평가에는 짧은 기간이라고 생각될 수도 있지만, 『2016 중소기업 기술통계조사』(2017)를 보면 중소기업들은 기술개발부터 사업화까지 평균 10.4개월(개발단계 5.4개월→사업화단계 5.0개월)이 소요되고 이후 판로개척에 7.9개월이 소요된다고 응답하였다. 중소기업 지원 R&D는 대개 기존 제품경쟁력 강화에 초점을 맞춘 단기사업 성격이 강하기 때문이다. Edison(2010)의 미국 SBIR 실증연구에서도 1년 후부터 유의한 매출증가 효과가 입증되었다. 본 연구는 R&D 투자 등 모든 역량투자가 비슷했던 비수혜기업과 비교해 정부 지원금 추가분이 재무지표를 유의하게 개선시키는지를 따져본 것이다. 특히 부가가치는 R&D 투자 등 투입지표도 포함하기 때문에 영업이익이 이를 상쇄할 정도로 감소하지 않으면 평균 이상으로 성장하게 된다. 오히려 평가기간이 길어지면 다른 노이즈의 영향이 증가해 개별 지원의 효과는 소실되는데, 오승환·김선우(2017)의 선행연구에서 3년 후부터는 부채증가율을 제외한 모든 지표에서 효과가 정체되거나 오히려 감소하였다.
정부의 R&D 지원은
중소기업들의 부채 및 자본 조달에 기여하였고, 기업들은 조달된 자금으로 지식재산, 관계자산, 유형자산, 인적자산의 투자를 증대
조달된 자금으로 역량자산에 대한 투자를 확대하였지만,
부가가치ㆍ영업이익ㆍ매출 성장 증진으로 귀결되지는 못함.
기술력 지표를 토대로 고성장을 기대해 선정했 겠지만, 부가가치 변화량이 평균 –87억원으로 가장 크게 감소하였다. 반면, 연간 지재권등록이 2개 이하인 소기업군(노드 9)은 전체 기업 수의 3분의 2에 달하고 부가가치 증가분이 평균 1억 원으로 큰 편이지만, 선정비율은 절반에 불과했 다. 즉, 다수를 차지하는 고성장 예상 기업군의 선정비율은 낮고, 1%에 불과한 역성장 예상 기 업군의 선정비율은 높기 때문에 수혜기업들의 부가가치 성장성이 평균보다 낮은 것이다.
다음으로 모집단 전체의 평균효과 추정에서 한 걸음 더 나아가 의사결정나무 모형을 이용해 모집단을 체계적으로 분할하고 각 세부집단별 로 이질적인 인과효과를 추정하는 방법론 (causalTree by Athey et al., 2016)을 적용해 보았다.10) 세부집단들을 인과효과가 높은 순으 로 정렬하고 십분위 단위로 평균효과를 살펴본 결과, [그림 2]와 같이 상위 4개 분위는 양의 값 으로, 하위 6개 분위는 음의 값으로 나뉘었다.
즉, 모집단 전체의 부가가치 증대효과가 유의하 지 않았던 이유는 모든 기업에서 효과가 없기 때문이 아니라, 많은 수혜기업들에서 유의한 양 (+)의 효과가 발휘되었음에도 과반수의 수혜기 업들에서 음(-)의 효과가 발휘되어 순효과가 상쇄됐기 때문이다. 특히 최하위 10분위의 부정 적 효과가 매우 큰데, 이들 기업의 특성을 살펴 보면 지원시점에 부가가치와 자본 규모가 크고 지재권등록 건수가 많으며 업력이 길고 기업공 개 비율이 높은 것으로 나타났다.
세부집단별 이질적 인과효과 추정모형은 개별 기업이 어떤 세부집단에 속하는지를 예측할 수 있 게 해준다. 부정적 효과가 추정되는 하위 6분위 집단의 수혜기업들에 배분될 지원금을 긍정적 효 과가 추정되는 상위 4분위 집단에 속한 비수혜기 업들에 재배분한다면 양(+)의 부가가치 증가분이 현재보다 2배 이상으로 증가될 수 있는 것이다.
이상의 탐색연구에서 살펴본 성장잠재력 예 측모형과 이질적 인과효과 추정모형을 후속연 구를 통해 더욱 정교하게 개발하고, 이를 토대 로 성장잠재력과 정책효과가 높을 것으로 예측 되는 기업들을 선정한다면 수혜기업들의 성장 성이 크게 제고될 수 있다. 과거 지원 사례가 풍 부한 중기업은 성장전망과 정책효과를 상당히 정확하게 예측할 수 있겠지만, 연구개발 및 지 재권등록 경험이 부족한 소기업은 수혜 사례가 고성장할 기업군의 선정비율은
낮고, 저성장할 기업군의 선정비율은 높아 수혜기업들의 평균부가가치 성장성이 저조
부가가치 증진에 대한 인과효과 분석에서 상위 4개 분위만이 긍정적 효과를 달성
부정적 정책효과를 야기했던 과반수의 지원을 재배분하면 긍정적 효과를 배가할 수 있음.
10) 무작위실험 데이터에 적용하는 것이 이상적이지만 관찰데이터도 실험군과 유사한 개체들을 매칭한다면 적용 가능하다. propensity trees 알고리즘은 처치변수를 사용해 가지의 분기를 먼저 결정하고, 분기된 노드별로 결과변수를 사용해 처치효과를 추정한다. 성향점수매칭과 유사한 원리로서 관찰데이터로부터 이질적인 처치효과를 추정하는 데 유용하다.
[그림 1] 2년 후 부가가치 증가분을 예측하는 의사결정나무 분석 (전체 기업 대상)
노드 구분
3 4 8 9 10 11 합계
비수혜기업 수 7,150 (1.8%)
3,253 (0.8%)
113,580 (29.2%)
253,914 (65.3%)
7,661 (2.0%)
2,996 (0.8%)
388,554 (100%)
수혜기업 수 626
(4.2%) 776 (5.3%)
3,990 (27.1%)
7,454 (50.5%)
294 (2.0%)
1,604 (10.9%)
14,744 (100%)
합 계 7,776
(1.9%) 4,029 (1.0%)
117,570 (29.2%)
261,368 (64.8%)
7,958 (2.0%)
4,600 (1.1%)
403,301 (100%) 기업규모
1
In(인적자산) 2
In(지재권등록) 5
업력 6
기업규모 7 n=7,776
y=3,884,899 3
n=4,029 y=–541,998
4
n=117,570 y=572,064
8
n=261,368 y=109,595
9
n=사례 수 y=2년 후 부가가치 증가분
n=7,958 y=–2,195,144
10
n=4,600 y=–8,658,889
11
중견기업 소·중·대기업
중·대기업 소기업
≤33
≤1.386
≤16.103 ›16.103
›33
›1.386
[그림 2] 중소기업의 부가가치 증가분에 대한 십분위별 평균 수혜효과 비교
1,250 0 -1,250 -2,500 수 혜 효 과
십분위
1 2 3 4 5 6 7 8 9 10
(단위: 백만원)
기업 R&D 방식의 유연화를 참조하여 정부의 지원도 연구개발 실험과 시장 검증이 피드백되는 운영시스템을 모색할 필요
기술전문가들의 정성적 평가에만 의존한 수혜자 선정방식에서 탈피해 예측모형 활용과 정책실험을 단계적으로 확대할 필요
논문, 지재권, R&D 투자액 등이 아닌 경제적 성과를 평가의 궁극적 대상으로 삼고, 이를 최적화하도록 선정모형 개발
부족해 예측모형이 정책효과를 충분히 학습하 기 어렵다. 따라서 향후 수혜자 선정 시 소기업 들에 대한 지원을 확대하며 인과효과를 탐색해 보는 정책실험이 필요하다.
VI. 정책 개선방안 제안
소비자 니즈가 불확실하거나 급변하는 상황 에서는 순차적 절차를 완수하며 연구개발을 수 행하다가는 시간과 비용만 낭비할 가능성이 크 고, 신속히 최소 기능의 시제품(prototype)을 만들어 잠재고객에게 일찍 보여주고 피드백에 따라 빨리 수정하는 애자일(Agile) 개발방법이 더 효과적이다. 즉, 규모의 경제를 통한 비용 절 감보다 ‘시장까지의 시간(Time to Market)’ 단 축이 더 중요해지는바(이성호·유영진, 2017), 신속함과 유연함이 강점인 중소·창업 기업에 기 회 가 열 린 것 이 다. 샤 오 미(中), DJI(中), 23andMe(美), 엘앤피코스메틱(韓) 등 유니콘 기업들은 작은 실험을 빠르게 실행하고 실패로 부터 빠르게 학습하는 애자일 개발방식으로 형 식적인 연구개발 절차 완수에 집착하는 대기업 을 이기고 급성장하였다. 기업 연구개발 방식의 혁신적 진화에 대응하여 정부의 R&D 지원사업 도 다양한 연구개발 실험과 시장데이터 검증이 상호 피드백되는 유연한 운영시스템을 구축해 나가야 할 것이다. 본 연구는 실증분석에서의 발견을 토대로 기업 R&D 지원사업의 ① 수혜 자 선정, ② 성과 평가 및 환류, ③ 자금 제공방 식, ④ 연구 내용에 대한 개선을 제안한다.
첫째, 기술전문가들의 정성적 평가에만 의존 해 지원대상을 선정하는 기존 방식에서 탈피해 V.항에서 살펴본 예측모형을 발전시키며 단계 적으로 활용할 것을 제안한다. 국내 22개 연구
관리 전문기관은 2016년 기준 2조원 이상을 운 영비로 사용하는데, 이는 국가연구개발 예산의 10%를 초과한다.11) 기업 R&D 지원사업은 사전 평가, 중간평가, 사후평가 등에 많은 관리비용을 투입하지만, 지원받은 기업들이 비수혜기업보 다 저성장하는 경향이 나타났다. Howell(2017) 의 연구에서 미국도 제안서 심사점수와 기업성 장 간에 상관관계가 부재했는데, 제안서만으로 사업의 유망성을 예측하기는 어려운 일이다. 예 측모형의 활용은 연구관리비용을 절감하고 경 제적 효과를 제고할 수 있으므로 먼저 실패 부 담이 적은 1억원 이하 소액 연구과제 선정부터 예측모형의 활용 병행을 추천한다.12) 지금까지 수혜자 선정에서 종종 소외되었던 소기업들에 소액 지원금을 제공하는 정책실험도 해야 한다.
정부는 수혜자 선정 업무를 객관적인 예측 알고 리즘에 상당 부분 위임함으로써 시혜자 및 관리 자 역할에서 탈피해 조력자(supporter) 역할로 변신해야 한다. 즉, 후보 및 선정 기업들이 경 험이 부족하더라도 연구를 체계적으로 수행할 수 있도록 제안서 작성단계부터 필요한 자문을 제공하는 역할에 전념하는 것이다.
둘째, 논문, 지재권, R&D 투자액 등이 아닌 부가가치 등 경제적 성과를 궁극적 평가의 대상 으로 삼고, 이를 최적화하도록 선정모형을 개발 해야 할 것이다. 한 해 3개 이상의 특허를 등록 한 기업들은 부가가치가 평균적으로 역성장하 는 경향이 나타났다. 따라서 특허 획득이 기업 성장에 저절로 기여할 것이라는 순진한 가정은 폐기되어야 한다. 우리 정부는 모든 부처의 연 구개발사업 데이터를 통합함으로써 근거기반 정책 수립의 토대를 마련해 놓았으나, 이를 실 제 시장 및 재무 데이터와 연계해 정책을 평 가·기획·집행하는 활동은 미흡했다. 4차 산
11) 『한겨례신문』, 「정부 R&D예산, 연구보다 관리비로 ‘펑펑’」, 2016. 10. 7.
12) 예측모형을 활용하는 경우에도 전문가들에게 연구제안서의 충실도 여부(pass or fail) 판정을 요구하고, 필요하면 후보기업에 코칭을 제공하는 역할도 요구할 필요가 있다.
업혁명을 견인해야 할 임무를 지닌 산업혁신 육 성 부서들부터 근거기반 정책 수립을 적극 추진 해 나가야 할 것이다.
셋째, 연구개발 및 사업화가 진행됨에 따라 수반되는 불확실성이 감소하므로 최적의 자금 지원 방식을 선택해야 한다. 자금제약이 큰 소 기업이 높은 실패확률을 감수하고 수행하는 아 이디어 검증단계(Seed stage)의 연구에는 상환 을 요구하지 않는 보조금을 제공하고, 검증 통 과 후 본격적인 연구개발 수행단계에는 지분투 자 방식으로 지원하며, 이후 설비투자 단계에는 대출 유치를 도와야 한다. 한국정부는 미국 SBIR 제도의 벤치마킹을 표방하지만, 단계적 운영방식을 도입하지는 않아 소기업의 탐색연 구보다는 주로 중기업의 개발연구가 보조금 수 혜를 입었다. R&D 보조금을 대신해 정책금융 이 창업기업을 주로 지원했는데, 이는 채무불량
자를 양산하고 여기서 발생한 손실 때문에 정작 성장단계의 기업들에는 자금을 충분히 공급하 지 못하는 파이낸싱 갭이 발생했다(이기영 외, 2015). 연구개발 초기단계에 보조금 지원을 확 대하고 모태펀드와 기술보증은 투자와 대출이 가장 유용한 단계에 지원을 확대해야 한다. 민 간에 자금과 정보가 부족했던 과거에는 정부가
‘선택과 집중’까지 결정해 주었지만, 이제 정부 는 보조금을 통한 직접 지원 시에는 혁신의 ‘선 택지(다양한 개념을 실험해 보는 초기 탐색연 구) 확대’ 역할에 집중해야 할 것이다.
넷째, 정부의 R&D 지원은 지정공모 방식이 많 았는데, 기업의 실제 필요와 다른 경우가 다반사 여서 자유공모 방식의 확대가 바람직하다. 소수 기업에 대규모 자금 특혜를 제공하기보다 다수 기 업에 일회성 소액 보조금을 널리 지원하는 방식으 로 전환하면 자율성 부여가 용이해질 것이다.■
참고문헌
• 과학기술정보통신부·한국과학기술기획평가원, 『2016년도 국가연구개발사업 조사·분석 보고서』, 2017.
• 박찬수·임채윤·이동우, 『중소기업 기술혁신 역량평가 및 글로벌 정책 분석 사업 Ⅶ』, 조사연구 2016-10, 과학기술정책연구원, 2016.
• 오승환·김선우, 「중소기업 R&D 지원의 현황과 성과분석」, 『STEPI Insight』, 제 211호, 과학기술정책연구원, 2017.
• 이기영·우석진·빈기범, 「중소기업 파이낸싱갭의 추정과 정책자금 재분배에 관한 연구」, 『경제발전연구』, 제21권 제2호, 2015, pp.91~118.
• 이성호, 『중소기업 연구개발 지원정책 수혜자 선정모형 연구』, 정책연구시리즈 2017-12, 한국개발연구원, 2017.
• 이성호·유영진, 『사물지능혁명: 명사의 시대에서 동사의 시대로』, STEPI 미래연구시리즈 2, 이새출판사, 2017.
• 중소기업중앙회, 『2016 중소기업 기술통계조사』, 2017.
• 특허청, 『지식재산 통계 FOCUS』, 2014, 2017.
• Athey, S., G. Imbens, Y. Kong, and V. Ramachandra, “An Introduction to Recursive Partitioning for Heterogeneous Causal Effects Estimation Using causalTree package,” 2016.
• Edison, T. R., “Estimation of the DOD SBIR Program Treatment Effect,” RAND Dissertation, 2010.
• Howell, S. T., “Financing Innovation: Evidence from R&D Grants,” American Economic Review, 107(4), 2017, pp.1136~1164.
<신문기사>
• 『한겨례신문』, 「정부 R&D예산, 연구보다 관리비로 ‘펑펑’」, 2016. 10. 7.
<자료>
• 국가과학기술지식정보서비스(NTIS) DB(2010~14년).
• 한국기업데이터(KED) DB(2010~15년).
지정공모 방식보다는 자유공모 방식의 확대가 바람직 연구개발 및 사업화 진행단계별 리스크에 따라 보조금, 지분투자, 대출 지원 중 최적의 자금지원 방식 선택
