자료포락분석(DEA)을 활용한 에너지·자원 및 ICT·SW 분야 국가연구개발사업 효율성 분석

다국어 초록 (Multilingual Abstract)

The Energy & Resources sector is being reorganized into a trend of strengthening integrated energy system technology centered on low carbon and security, including hydrogen, renewable energy, core minerals, and resource circulation, as well as applying digital conversion technology to non-traditional oil and gas development. Considering structural changes in energy industry and shift in software-driven paradigm, support for convergence Research and Development (R&D) in Energy & Resources and Information and Communication Technology & Software (ICT & SW) sectors is essential. R&D in two sectors has a large-scale investment and mid to long term period characteristics, but quantitative performance analysis studies have not been sufficiently accumulated. Multidimensional performance evaluation research should be preceded in preparation for policy decisions related to the allocation of resources such as budgets and regulations in the strategic technology sector, along with enhancing efficiency in consideration of investment in new R&D programs.
This study attempted to conduct an efficiency analysis of national R&D programs encompassing Energy & Resources and ICT & SW sectors by using Data Envelopment Analysis (DEA) suitable for performance evaluation centered on multiple output indicators of R&D in convergent strategic technology. Six DEA models were designed based on technology classification and R&D programs. And then, the relative efficiency of each Decision Making Unit (DMU) was analyzed and the slope between variables, inefficiency factors, and improvement target (%) of the higher efficiency group were derived. As a part of an auxiliary analysis, the relationship between two indicators was analyzed by representing Scale Efficiency (SE) and productivity, the number of papers reflecting weights per 100 million won, by plotting it as a quadrant distribution.
As a result of the analysis, first, in terms of the average efficiency of each model, Model 5 (standard classification of science technology), Model 4 (source R&D program), and in terms of DMU share with efficiency 1 (100%), Model 5 was derived as a major benchmark target, and the efficiency value and reference sets for each detailed DMU were analyzed. Second, for the group with a higher efficiency of 30% or more based on the R&D program model in Banker, Charnes, Cooper (BCC), slope value of the number of papers and patents compared to research budget was estimated at 1.15, 0.58 and the number of papers and patents compared to R&D programs was 5.29, 2.74.
As a result of the inefficiency analysis, first, when considering the inefficiency factors of Pure Technological Efficiency (PTE) and Scale Efficiency (SE), Model 1 (Energy & Resources and ICT & SW technology classification), 2 (climate energy R&D program), 5 and 6 (futuristic promising technology classification(6T)) were found to be a mixture of inefficiency factors, Model 3 (ICT R&D program) was found to factor of SE, and Model 4 was found to be most SE as the main cause of inefficiency. Second, when considering the status of Returns to Scale (RTS), Model 1, 3, 4, 5 and 6 were found to have a dominant share of Decreasing Returns to Scale (DRS), and Model 2 was found to have an Increasing Returns to Scale (IRS). Third, about 42.8% of the top 30% efficiency groups in each model confirmed that the improvement target (%) due to excessive input was not large within the range of -50% to 0, and the improvement target (%) due to underproduction was not large within the range of 0 to 100%. In addition, as a result of productivity quadrant analysis, Model 4 can be considered to be benchmark, and Model 2 can be considered to be avoiding benchmark.
The analysis methodology of this study is expected to be used as a basis data for verifying the efficiency of major performance indicators for each R&D program, as well as the priority allocation of research budget and R&D programs suitable for the technical sector and major classification configuration when planning new technology-converged R&D program and designing policy in two sectors.

국문 초록 (Abstract)

에너지·자원 분야는 비전통 석유·가스 개발에 디지털 전환 기술 적용뿐 아니라, 수소·재생에너지·핵심 광물·자원순환을 포함하는 저탄소·안보 중심의 통합 에너지 시스템 기술을 강화하는 추세로 재편되고 있다. 에너지 산업의 구조적 변화와 소프트웨어 중심의 패러다임 전환을 고려할 때, 에너지·자원 및 ICT·SW 분야의 융합형 연구개발(Research and Development, R&D) 지원은 필수적이다. 두 분야의 R&D는 대규모 투자와 중·장기적인 특성을 가지지만, 이에 비해 정량적 성과분석 연구는 충분히 축적되지 못한 실정이다. 다차원 성과평가 연구는 신규 R&D 사업 투자를 고려한 효율성 제고와 더불어 전략기술 분야에서의 예산, 제도 등의 자원배분과 관련된 정책 의사결정을 대비하여 선행되어야 한다.
이 연구에서는 융합형 전략기술 R&D의 다중 산출지표 중심의 성과평가에 적합한 자료포락분석(Data Envelopment Analysis, DEA)을 활용하여 에너지·자원 및 ICT·SW 분야를 아우르는 국가연구개발사업의 효율성 분석 연구를 수행하고자 하였다. 기술 분류 및 사업 체계를 바탕으로 6가지 DEA 모형을 설계하였다. 이를 통해 의사결정 단위(Decision Making Unit, DMU)별 상대적 효율성을 분석하고 효율성 상위 그룹의 변수 간 기울기 제시, 비효율의 요인 및 개선목표량(%)을 도출하였다. 보조적 해석으로 규모 효율성(Scale Efficiency, SE)과 1억원 당 가중치 반영 논문수인 생산성(productivity)을 사분면 분포로 나타내어 두 지표 간의 관계를 해석하였다.
분석 결과 첫째, 각 모형의 평균 효율성 측면에서 모형 5(과학기술표준분류)와 모형 4(원천연구개발사업), 효율성 1(100%)인 DMU 점유율 측면에서는 모형 5를 주요 벤치마킹 대상으로 도출하였으며, 세부 DMU별 효율성 값과 참조 집합을 분석하였다. 둘째, 사업 기반 모형의 BCC(Banker, Charnes, Cooper) 기준 상위 효율성 30% 이상 그룹에 대하여 연구비 대비 논문수 및 특허수는 1.15, 0.58, 과제수 대비 논문수 및 특허수는 5.29, 2.74로 기울기 값을 추산하였다.
비효율 분석 결과 첫째, 순수 기술효율성(Pure Technical Efficiency, PTE)과 규모 효율성(Scale Efficiency, SE)의 비효율 요인 고려 시 모형 1(에너지·자원 및 ICT·SW 기술 분류), 2(기후에너지 사업), 5, 6(미래유망신기술(6T))은 비효율 요인 혼재된 양상, 모형 3(미래 ICT 사업)은 SE의 규모요인, 모형 4는 대부분 SE가 주된 비효율 원인임을 확인하였다. 둘째, 규모수익(Returns to Scale, RTS) 상태 고려 시 모형 1, 3, 4, 5, 6은 규모수익체감(Decreasing Returns to Scale, DRS), 모형 2는 규모수익체증(Increasing Returns to Scale, IRS) 상태의 점유율이 우세한 것으로 나타났다. 셋째, 각 모형의 상위 30% 효율성 그룹 중 약 42.8%는 과다 투입으로 인한 개선목표량(%)이 –50% ~ 0 범위 내, 과소 산출로 인한 개선목표량(%)은 0 ~ 100% 범위 내로 크지 않은 수치로 도출되었음을 확인하였다. 또한, 생산성 사분면 해석 결과 모형 4는 벤치마킹을 권장, 모형 2는 지양하는 것으로 고려할 수 있다.
이 연구의 분석법은 두 분야의 융합형 R&D 신규사업 기획과 정책 설계 시 기술 분야와 대분류 체계에 적합한 연구비 및 과제수의 우선적 배분뿐 아니라, 사업별 핵심 성과 지표의 효율성을 검증하기 위한 근거자료로 활용될 수 있을 것으로 기대된다.

목차 (Table of Contents)

• List of Tables ⅲ
• List of Figures ⅳ
• Abstract ⅴ
• 1. 서 론 1
• 2. 국가연구개발사업 조사 및 성과분석 3
• 2.1 국가연구개발사업 조사 및 성과분석 기법 3
• 2.2 DEA 기법 이론 4
• 2.3 연구 사례 분석 8
• 3. DEA 연구모형 설계 11
• 3.1 DEA 분석 대상 자료 11
• 3.2 DEA 모형 설계 11
• 3.3 의사결정단위(DMU) 설정 15
• 3.4 투입 및 산출변수 해석 16
• 4. DEA 효율성 분석 21
• 4.1 투입 및 산출변수 상관관계 분석 결과 21
• 4.2 DEA 효율성 분석 결과 24
• 4.2.1 모형 DMU별 분석 결과 25
• 4.3 효율성 상위 그룹의 변수 간 선형관계 분석 결과 32
• 5. 비효율 원인분석 및 개선방안 34
• 5.1 비효율 원인분석 34
• 5.2 규모수익(RTS) 분석 36
• 5.3 효율성 상위 그룹의 비효율 개선목표량 41
• 6. 효율성 및 생산성 분석 43
• 7. 결 론 48
• 7.1 연구 결론 48
• 7.2 연구 활용 방안 49
• 7.3 연구 한계점 51
• 참고문헌 53
• 국문초록 57