R&D비용의 무응답 처리기법과 과대집계 추정에 관한 연구

Abstract

Currently, Korea is facing a difficulty in attempting to effectively implement an economic policy. This difficulty dues to lack of strategic data about investment in scientific technology which is one of the most important factors in the 21st knowledge-based society. The lack of data partly clues to non-response in surveys related to research and development(R&D) expenditures. No appropriate strategical techniques have been employed to deal with the non-response data which are increasing every year. This study aims at proposing an efficient method to cope with the non-response data in order to ensure that the R&D expenditure can be statistically more consistent. Specifically, a method will be employed to impute the R&D non-response data by using ratios of annual total sums of R&D expenditure within the industrial type, which is one of the methods to treat no-response data in relation to the R&D expenditure. In addition, explanation variables which enable detection of excessive strategic compilation have been determined by comparing the actual R&D expenditure and its forecast value. Considering that panel data set from four years(2002~2005) was used, variables such as man power and sales which have a high correlation with R&D expenditure can be figured out to derive a model for the research expenditure. Autoregressive Distributed Lag(ADL) model was considered, and emphasis was put on deriving more desirable model and making more accurate forecast, depending on selection of major variables.;현재 우리나라는 21세기 지식기반사회에서 가장 중요한 요소 중 하나인 과학기술 투자에 대한 통계가 제대로 정비되어 있지 못하여 효과적인 정책수행에 어려움을 겪고 있다. 또한 과학기술연구개발 (R&D)활동 조사에서 나타나는 무응답비율이 매년 증가하는 추세를 보이고 있음에도 불구하고 이에 대한 적절한 통계 기법의 적용 역시 이루어지지 않고 있다고 하겠다. 이에 본 연구에서는 과학기술 연구개발 활동의 좀 더 정확한 집계를 위한 무응답자료의 처리기업에 관한 효과적인 방법을 제시함에 그 목적이 있다. 그 구체적인 방법으로는 연구비에 대한 무응답자료의 처리 방법 중 하나인 연도별 업종내의 ratio를 사용하여 연구비를 impute하는 방법을 고려할 것이다. 또한 R&D 항목의 현황을 살펴보고 이에 대한 과대집계를 감별 할 수 있는 설명변수를 설정하여 통계모형을 구현, 예측하고자 한다. 사용된 자료는 4개년도(2002년~2005년)에 걸친 패널자료이므로 R&D 항목과 상관관계가 높은 항목을 파악하여 연구비에 대한 모형을 구현할 수 있다. 고려한 모형은 ADL(Autoregressive Distributed Lag) 모형이며 주요변수의 선별여부에 따라 더 바람직한 모형이 무엇인지를 도출하고 더 정확한 예측을 하는데 중점을 두었다.