When R&D Taxonomies Travel: Target-Population Validity in the Selection of Young Technology-Oriented SMEs

기술 요약: R&D 분류 체계의 이동: 젊은 기술 지향적 중소기업(SME) 선정에 있어서의 표적 집단 타당성

문제 제로 (Problem Statement)
기술 이전 및 혁신 지원 시스템은 비용이 많이 드는 상세 실사(due diligence)를 수행하기 위해 대규모 기업 풀을 필터링하는 데 있어 산업 분류(예: OECD R&D 집약도 분류)에 의존한다. 본 논문은 결정적인 타당성 격차를 식별한다. 즉, 한 분류 체계가 (그 원래 참조 집단 내에서는 R&D 집약도를 정확하게 측정하여) '기술적 타당성(descriptively valid)'을 갖추었더라도, 다른 표적 집단에 적용될 때는 '선택적 타당성(selection-invalid)'을 상실할 수 있다는 것이다. 구체적으로, 산업 전체의 R&D 총합은 대형 기성 기업들에 의해 주도되는 반면, 지원 프로그램은 빈번하게 젊은 중소기업(SME)을 대상으로 한다. "산업 전체" 인구 집단에 맞춰 보정된 분류 체계를 "젊은 중소기업" 인구 집단에 적용하는 것은 검증되지 않은 전이(transport)이며, 이는 산업 순위를 왜곡하고 유망한 후보를 배제(위음성, false negatives)하거나 부적격자를 포함시킬 수 있다.

연구 방법론 (Methodology)
본 연구는 20122015년 기간 동안 54개 2자리 산업군에 걸쳐 116,193개의 젊은 운영 중소기업(업력 06년)을 포괄하는 한국산업은행(IBK)의 독점 패널 데이터를 활용한다. 분석은 2016~2019년의 후속 성과를 평가한다.

세 가지 산업 스크리닝 규칙을 구축하여 거의 동일한 후보 역량(약 29,000개 기업)에서 비교한다:

1. OECD 산업 전체 R&D: 산업 전체의 R&D 집약도를 기준으로 산업을 선정하는 표준 벤치마크.
2. 중소기업(SME) 인구 기반 R&D: 관찰된 초기 기간의 중소기업 인구 집단으로부터 추출된 R&D 집약도 데이터를 사용하여 재보정된 동일한 R&D 구성 개념.
3. 중소기업 다중 신호 스크린 (SME Multi-Signal Screen): 중소기업 R&D 집약도와 등록 특허 보유량 및 공인 무형 자산을 결합한 확장된 척도.

주요 후속 성과 지표는 "공동 성공(joint-success)" 기준이다: 기업은 2016~2019년 동안 연평균 10% 이상의 매출 성장률을 달est해야 하며, 동시에 신용등급 BBB 이상을 유지해야 한다. 이차적 성과로는 고성장 단독 달성, 신용등급 임계치, 그리고 추후 공식적 R&D 활동 진입 등이 포함된다.

실증 전략은 광범위한 통제 변수(기업 연령, 규모, 레버리지, 과거 성장률, 수익성, 법적 형태, 과거 기술 활동)를 포함하는 선형 확률 모델(LPM)과 로짓(logit) 설정을 사용한다. 결정적으로, 스크리닝 할당이 기업 단위가 아닌 산업 단위에서 발생한다는 점을 고려하여, 표준 오차를 54개 산업별로 클러스터링하고 웹 와일드 클러스터 부트스트랩(Webb wild-cluster bootstrap) 추론을 사용하여 이를 처리하였다.

주요 결과 (Key Results)

1. 집단 정렬의 우월성: 동일한 후보 역량 하에서, 중소기업 기반으로 보정된 스크린은 모두 OECD 산업 전체 스크린보다 우수한 성능을 보였다. 중소기업 R&D 스크린은 OECD 스크린보다 274개의 공동 성공 기업을 더 많이 식별했으며, 다중 신호 스크린은 196개를 더 많이 식별했다. 정밀도 측면에서 중소기업 스크린은 약 26.4%를 달성하여 OECD의 약 25.0%보다 높았다.
2. 통계적 유의성: 기업 수준의 특성과 과거 기술 활동을 통제한 후에도, 중소기업 R&D 및 다중 신호 스크린은 각각 2.23 및 2.39 퍼센티지 포인트 더 높은 공동 성공 확률과 연관되어 있었다. OECD 스크린의 조정 계수(0.85 포인트)는 통계적으로 불분명했다.
3. 메커니즘 분해: 성능 향상은 구성 개념의 확장(특허/무형 자산 신호 추가)보다는 거의 전적으로 '표적 집단 정렬'(중소기업 인구에 맞춰 R&D 재보정)에 의해 주도되었다. OECD에서 중소기업 R&D로 이동할 때 유의미한 이득이 발생했으나, 중소기업 R&D에서 다중 신호 스크린으로 이동할 때는 정밀도나 재현율에서 미미한 한계적 개선만을 보였다.
4. 후속 영향: 중소기업 스크린은 초기 R&D 활동이 없었던 기업들 사이에서도 추후 공식적인 R&D 활동에 진입할 확률과 유의미한 상관관계가 있었다. 그러나 이 스크린들은 고성장 자체만을 예측하지는 않으며, 그 가치는 성장과 재무적 생존력을 결합하는 기업을 식별하는 데 있다.
5. 아키텍처 트레이드오프: 이중 경로 아키텍처(OECD 또는 중소기업 규칙 중 하나에 의해 선택된 기업을 모두 수용)는 재현율을 높이지만 후보 풀을 확장시킨다. 본 연구는 이 이중 경로 방식이 추가 후보를 평가하는 비용이 위음성을 피함으로써 얻는 가치의 약 11% 미만일 때만 비용 효율적임을 계산하였다.

의의 및 주장 (Significance and Claims)
본 논문은 기술 이전 스크리닝에서 기술적 타당성(descriptive validity, 척도가 참조 집단에서 작동하는가?)과 선택적 타당성(selection validity, 척도가 다운스트림에서 성공하는 후보를 선택하는가?) 사이에 위치하는 별개의 요구사항으로서 **표적 집단 타당성(target-population validity)**이라는 개념을 도입한다.

저자들은 세 가지 주요 기여를 주장한다:

1. 이론적 기여: 기술적 타당성을 기술적, 표적 집단적, 선택적 타당성으로 구분하며, 분류 체계가 기술적으로는 정확하더라도 인구 집단 불일치로 인해 선택적 타당성을 상실할 수 있다고 주장한다.
2. 실증적 기여: 인구 집단 정렬이 구성 개념의 확장보다 선택 실패를 해결하는 데 더 강력한 처방임을 보여주는 분해 분석을 제공한다. 본 연구는 R&D 스크리닝의 인지된 약점이 척도 자체가 너무 좁아서가 아니라, 잘못된 인구 집단에서 척도를 측정하기 때문임을 시사한다.
3. 실무적 기여: 측정 타당성을 스크리닝 아키텍처와 연결하여, 이중 경로 시스템(폴리아키, polyarchy)이 재현율을 높이기는 하지만 특정 비용-편익 조건 하에서만 효율적임을 입증한다.

본 논문은 실제 정책 변화의 인과적 효과를 평가하는 것이 아니라 시뮬레이션된 스크리닝 규칙을 평가한다는 점을 명시하며 신중한 입장을 유지한다. 또한 IBK 은행 인구 집단의 특성(매출 발생 전 벤처 제외)과 투자 수익이 아닌 은행 신용등급을 생존력의 대리 지표로 사용한 점에 대한 한계를 인정한다. 핵심 논지는 분류 체계를 채택하기 전에, 조직은 해당 분류 체계의 참조 인구 집단이 자신의 구체적인 표적 인구 집단과 일치하는지 반드시 검증해야 한다는 것이다.