기계학습을 활용한 혁신성과 예측 및 변수 중요도 분석 = Predicting the Innovation Performance and Analyzing the Variable Importance using Machine Learning Techniques

다국어 초록 (Multilingual Abstract)

"[Purpose]This study predicts the innovation performance with machine learning techniques and derives importance of explanatory variables to affect the prediction of innovation performance.
[Methodology]This study used Ensemble learning which combined the decision－tree based classification techniques. Cross validation was used to solve overfitting problems. The data is STEPI Korea Innovation Survey 2020 manufacturing industry.
[Findings]Among the machine learning methods, excellent prediction results were shown in the order of Gradient Boosting, Light Gradient Boosting, and Random Forest. As a result of the variable importance survey, external private companies were the most important factor among information sources. Among the government support systems, economic support was more important than technical and manpower support. Among the explanatory variables, tax support was the most important variable in product innovation performance.
[Implications]This study has the implication that it is useful to use Boosting－based machine learning methods to predict innovation performance. In addition, policymakers must continuously monitor and improve the R&D tax system in order to predict and improve innovation performance."

국문 초록 (Abstract)

"[연구목적]기계학습기법을 활용해서 불확실성이 높은 혁신성과를 예측하고 성과예측에 중요한 영향을 미치는 설명변수를 도출하는 것이다.
[연구방법]본 연구는 기계학습 기법 중에서 앙상블학습(Ensemble Learning)을 사용해서 여러 개의 분류기법을 통해 분석한 예측값을 결합해서 혁신성과를 예측하였다. 과적합 문재를 해결하기 위해서 교차 검증(Cross Validation)을 이용하였다. 활용한 데이터는 STEPI 기업혁신조사 2020년 제조업 자료이다.
[연구결과]기계학습 방법 중에서 Gradient Boosting, Light Gradient Boosting, Random Forest 순으로 우수한 예측결과를 보여주었다. 변수 중요도 조사결과, 정보원천 중에서는 외부 민간 기업이 가장 중요한 요소였고, 정부지원제도 중에서는 경제적 지원이 기술 및 인력 지원보다 중요한 요소였다. 설명 변수 중에서 조세지원이 상품혁신성과에 가장 중요한 변수였다.
[연구의 시사점]본 연구는 혁신성과를 예측하기 위해서는 Boosting 계열의 기계학습법을 활용하는 것이 유용하다는 시사점을 가진다. 또한 정책입안자는 R&D혁신제도를 설계할 때 혁신주체 간 협력 강화, R&D 조세지원방안 등을 고려해야 한다. "

참고문헌 (Reference)

1 김경목 ; 김선웅 ; 최흥식, "투자자별 거래정보와 머신러닝을 활용한 투자전략의 성과" 한국지능정보시스템학회 27 (27): 65-82, 2021

2 김인규, "텍스트마이닝과 머신러닝을 이용한 모바일앱 구매반응 분석" 116-124, 2016

3 최은영, "정부지원제도 및 내부R&D투자와 R&D협력이 기술혁신성과에 미치는 영향" 한국산업경제학회 28 (28): 1473-1492, 2015

4 윤상만 ; 이유환 ; 서영욱, "정부정책과 내부혁신요인에 따른 기업혁신활동 연구: 제조업과 서비스업 집단분석" 한국기업경영학회 25 (25): 131-157, 2018

5 주시형, "외부지식 탐색 전략이 기업의 상품혁신에 미치는 영향" 한국혁신학회 15 (15): 273-300, 2020

6 문성욱, "외부 지식 활용이 한국 제조 기업들의 혁신에 어떤 영향을 미치는가?" 한국기술혁신학회 14 (14): 711-735, 2011

7 최석준 ; 김병수, "산업단지 입주기업은 비입주기업보다 성과가 뛰어난가? - 경기도 지역 제조업체를 중심으로 -" 한국기술혁신학회 13 (13): 738-757, 2010

8 황정재, "빅데이터 분석방법을 활용한 제조업 혁신성과예측 방법에 대한 연구: 딥 러닝 알고리즘을 중심으로" 557-568, 2017

9 안지영 ; 임병권, "머신러닝 알고리즘을 이용한 MBS 조기상환율 예측" 한국금융학회 34 (34): 33-63, 2020

10 최필선 ; 민인식, "머신러닝 기법을 이용한 대졸자 취업예측 모형" 한국직업능력연구원 21 (21): 31-54, 2018

11 이철, "머신러닝 기반 국내 혁신주체 R&D 협력 파트너 탐색 연구: 국내 정부출연연구기관을 중심으로" 484-509, 2020

12 배성완 ; 유정석, "머신 러닝 방법과 시계열 분석 모형을 이용한 부동산 가격지수 예측" 한국주택학회 26 (26): 107-133, 2018

13 박태훈 ; 박경혜, "기업협력과 정부지원에 따른 IT제조기업 기술혁신 영향 분석" 한국디지털정책학회 10 (10): 39-45, 2012

14 최종민 ; 박일주, "기업의 기술혁신 실패 확률 경감에 대한 논의: 정부지원의 조절효과를 중심으로" 한국행정학회 52 (52): 327-361, 2018

15 김찬용 ; 최예술 ; 임업, "기업의 공동연구개발활동이 제품혁신 및 공정혁신에 미치는 영향" 한국지역학회 31 (31): 107-128, 2015

16 송성수, "기술혁신이란 무엇인가" 생각의 힘 2014

17 정두희 ; 윤진섭 ; 양성민, "기계학습을 이용한 기업가적 혁신성 예측 모델에 관한 연구" 한국벤처창업학회 16 (16): 73-86, 2021

18 Rodriguez, M., "Variety in external knowledge sourcing and innovation novelty: Evidence from the KIBS sector in Spain" 68 : 35-43, 2017

19 Schumpeter J., "The Theory of Economic Development" Harvard University Press 1934

20 Samuel, A. L., "Some studies in machine learning using the game of checkers" 3 (3): 210-229, 1959

21 홍한국, "SI 프로젝트의 효율성 평가를 위해 자료포괄분석과 기계학습을 결합한 하이브리드 분석" 10 (10): 19-35, 2000

22 Li, H., "Research on enterprise radical innovation based on machine learning in big data background" 76 (76): 3283-3297, 2020

23 OECD/Eurostat, "Oslo Manual 2018: Guidelines for Collecting, Reporting and Using Data on Innovation, 4th Edition" OECD Publishing 2018

24 Pellegrino, G., "No money, no honey? Financial versus knowledge and demand constraints on innovation" 46 (46): 510-521, 2017

25 Hajek, P., "Modelling innovation performance of European regions using multi－output neural networks" 12 (12): e0189746-, 2017

26 Choudhury, P., "Machine learning for pattern discovery in management research" 42 (42): 30-57, 2021

27 Jin, X., "Knowledge source strategy and enterprise innovation performance: dynamic analysis based on machine learning" 30 (30): 71-83, 2018

28 Greenhalgh, C., "Innovation, Intellectual Property, and Economic Growth" Princeton University Press 2010

29 Paula, F. D. O., "Innovation performance of Italian manufacturing firms The effect of internal and external knowledge sources" 20 (20): 428-445, 2017

30 Hochleitner, F. P., "Inbound open innovation in SMEs: indicators, non－financial outcomes and entry－timing" 29 (29): 204-218, 2017

31 Christensen, K., "In search of new product ideas: Identifying ideas in online communities by machine learning and text mining" 26 (26): 17-30, 2017

32 Ponta, L., "Identifying the Determinants of Innovation Capability with Machine Learning and Patents" 2020

33 Wang, T. Y., "Forecasting innovation performance via neural networks－a case of Taiwanese manufacturing industry" 26 (26): 635-643, 2006

34 Damijan, J., "Exporting status and success in innovation: Evidence from CIS micro data for EU countries" 26 (26): 585-611, 2017

35 Dietterich, T. G., "Ensemble methods in machine learning" Springer 1-5, 2000

36 Prüfer, J., "Data science for entrepreneurship research: studying demand dynamics for entrepreneurial skills in the Netherlands" 55 (55): 651-672, 2020

37 Menze, B. H., "A comparison of random forest and its Gini importance with standard chemometric methods for the feature selection and classification of spectral data" 10 (10): 1-16, 2009

38 Wernerfelt B., "A Resource－Based View of the Firm" 5 : 171-180, 1984

39 Utterback, J. M., "A Dynamic Model of Process and Product Innovation" 3 (3): 639-656, 1975

40 장필성, "2019년 한국기업혁신조사: 제조업 및 서비스업 부문 －한국기업혁신조사의 동향과 활용－" 과학기술정책연구원 2019