지표 도출

4. 연구 방법론

4.1 방법론 이론

4.1.2 지표 도출

본 연구에서는 기업의 기술 역량의 변화 및 학습 패턴을 알아내기 위해 기 업 별 특허 자료를 활용하여 특허분석을 수행하였다. 이러한 접근법은 과거 다양한 선행연구에서 수행되었다 (Mansfield 1985; Jaffe, A., Henderson, R., Trajtenberg, M. 1993; Jaffe and Trajtenberg 1999; Almeida and Kogut 1999; Jaffe, A., Trajtenberg, M., Fogarty, M. 2000; Henderson, R., Jaffe, A., Trajtenberg, M. 2005). 첫 번째, 양적인 기술 역량 변화를 측정하기 위 해 기술 별 연도별 특허 등록 건수(누적 건수)를 사용하였다. 우선, 시점을 등록일 아닌 출원 일을 기준으로 한 이유는 실제 발명이 일어나는 시점이 등 록 일보다는 출원 일에 더 가깝고, R&D의 기술적 성과는 출원시점에 이미 발 현되었다고 할 수 있으며, 출원 후 등록까지 2년 정도의 행정적인 시간이 필 요하기 때문이다 (Jaffe, A., Trajtenberg, M. 2002). 본 연구에서 출원건수가 아닌 특허 등록건수를 기준으로 한 것은 출원 후 등록이 이루어지지 않는 경 우 (발명으로 인정되지 않는 경우)가 많이 존재하기 때문인데, 따라서 후에 등록으로 권리화 된 출원들의 건수라고 보는 것이 정확한 해석이다. 또한, 미

30

국의 특허 보호기간을 감안하여 특허출원 후 20년 내 특허만을 분석 대상으 로 하였다. 다만, 이와 같이 출원 연도 별 등록건수를 기준으로 할 경우, truncation problem이 생길 수 있다 (Jaffe, A., Trajtenberg, M. 2002).² 이 를 극복하기 위해 본 연구에서는 최근 1년 내 데이터는 제외하여 연구를 진 행하고, 그래프를 작성하는데 누적 데이터를 추가로 활용함으로써 기업 간 비 교를 명확하게 보여주도록 하였다.

두 번째, 기업들의 기술간 상대적 비교우위 또는 비교열위를 나타낼 지표 로 RTA(revealed technological advantage)를 활용하였다.

åå å

=

å

i j

ij j

ij i

ij ij

ij

X X X X

RTA (1)

여기서, X는 특허의 등록건수, i는 기업을 나타내고, j는 기술분야를 나타낸 다. 상기의 경우와 마찬가지로, 특허 수는 등록건수를 기준으로 하고, 등록연 도가 아닌 출원연도를 기준으로 한다. 출원으로부터 등록 시까지 수년이 걸리 기 때문에 기술개발의 시점이 등록시보다 출원시에 가깝기 때문이다. 특정 기

2 truncation problem은 수집한 데이터의 최근 연도 등록건수가 급격히 하락하는 경향을 보이 는 현상을 말한다. 이는 최근 등록된 특허 데이터들은 상대적으로 빠르게 등록된 출원 건들만 나타나게 되고, 반대로 그렇지 않은 대부분의 출원 건들은 후에 등록이 이루어지기 때문이다 (Jaffe, A., Trajtenberg, M. 2002).

31

술의 RTA가 1보다 크면 비교우위 기술이고, 1보다 작으면 비교열위 기술에 해당된다 (Soete 1987). RTA는 X에 대입하는 내용에 따라서 양적 또는 질 적 지표 모두 될 수 있다. 본 연구에서는 기업의 양적 기술 역량을 측정하기 위해 X에 특허 등록건수를 대입하였다.³

세 번째, forward citation, ImportF (importance index) 등의 지표를 활용 하여 기업의 질적 기술 역량을 측정하였다. citation 수는 출원건수, 등록건수 등의 양적지표로서는 확인하기 어려운 지식의 흐름을 파악할 수 있는 근거가 된다 (Jaffe, A., Henderson, R., Trajtenberg, M. 1993; Jaffe and Trajtenberg 1999). 특히, forward citation은 주어진 특허와 다음의 후행 기 술 간의 관계를 나타내준다 (Trajtenberg, M., Henderson, R., Jaffe, A.

1997). 따라서 forward citation은 연구 성과의 영향력을 확인하는데 중요한 지표가 될 수 있다. 본 연구에서 citation 수의 기준 시점은 실제 citation이 이루어진 연도를 기준으로 하였으므로, forward citation은 인용하는 특허들의 출원연도가 기준 시점이 되도록 하였다.

기술 패러다임의 변화 및 추격을 확인하기 위해서는 개별 기업들의 기술의 중요도 지표가 필요한데, 본 연구에서는 importance지표인 ImportF를 활용 하였다. ImportF는 본원특허와 후행특허와의 관계 양상을 나타내는 지표로 후 행특허의 수와 중요도를 반영하여 기업의 기술적 영향력을 보여준다. 선행 연

3 출원연도 기준 등록건수와 마찬가지로 Forward citation에서도 truncation problem이 생길 수 있다 (Jaffe, A., Trajtenberg, M. 2002). 따라서, 이를 극복하기 위해 Forward citation 결 과 역시 최근 1년 내 데이터는 제외하고, 누적 데이터를 추가로 활용하여 그래프를 작성하였다.

32

구 (Trajtenberg, M., Henderson, R., Jaffe, A. 1997)에서는 Importance가 혁신의 가장 기본적인 관념을 보여주며, 혁신으로의 social returns의 중요한 결정요소라고 설명하기도 한다.

å

= +

+

=

^Ncitingi

j

j i f

i f

i

N citing N citing importF

1

,

l

1 (2)

여기에서, Nfciting은 원특허를 인용하는 특허 수를 의미하고, λ는 감쇄요 소 (discount factor)인데, 첫 번째 인용 특허보다 상대적으로 후행인 두 번 째 인용 특허를 비중 강하 (down-weight) 시킨다는 의미이다. λ는 0과 1 사이의 수에 해당되는데, 보통의 선행 연구들과 같이 본 연구에서는 λ를 0.5 로 한다 (Henderson, R., Jaffe, A., Trajtenberg, M. 1998).

마지막으로, 기업들의 기술 학습 전략을 파악하기 위해 backward citation 과 회귀분석을 수행하였다. backward citation은 주어진 특허와 선행 기술 간 의 관계를 나타내준다 (Trajtenberg, M., Henderson, R., Jaffe, A. 1997). 따 라서, backward citation은 기술의 기본성 (basicness)을 확인하는데 중요한 지표가 될 수 있다. 본 연구에서는 backward citation 분석을 통해 지식 학습 의 일반적인 경향을 확인하고, 회귀분석을 통해 각 기업들의 학습 속도와 양 을 분석하였다. 특히, 본 연구에서 기술적으로 backward citation은 기업의 제한 없이 모든 기업들을 대상으로 데이터를 정리하고, 회귀분석의 경우 경쟁 사들로 대상을 제한하여 연구를 수행하였다. Caballero and Jaffe 모델

33

(1993)을 참고하였는데, 여기에서는 개별 특허 자체의 가치보다는 기업의 기 술 가치를 측정해야 하기 때문에 Caballero and Jaffe 모델과는 달리 종속변 수로 citation의 확률이 아닌 citation수를 두었다. 예를 들어, 모바일 통신 산 업의 경우 모델1은 애플에서 삼성전자로의 backward citation수 및 모델2는 애플에서 LG전자로의 backward citation수에 기반한 회귀분석을 수행하였다.

))]

( exp(

1 )][

(

exp[

₁

T t

₂

T t

N

_b

= a - b - - - b -

(3)

여기에서, Nb는 기업 간 backward citation 수, T는 본원특허의 등록연도, t 는 인용특허의 등록연도에 해당한다. α는 인용되는 수가 큰지 적은지를 구분 하여 주는 상수로 각 기업의 해당 기술에서의 지식 흐름의 크기를 나타낸다.

즉, α가 크다는 것은 모든 lag에서 인용을 주거나 받는 경우가 더 많다는 의 미이다. 또한 상기 (3)식은 지식의 쇠퇴(obsolete)와 지식의 확산(diffuse)에 관한 두 가지 지수(exponential)의 합으로 이루어지는데, β1은 쇠퇴 (obsolete)의 비율(rate), β2는 확산(diffusion)의 비율(rate)을 나타낸다.

우선, 본 연구에서는 β2를 특정 값으로 고정하고, α와 β1을 계산하게 되는 데, β1값이 크다는 것은 쇠퇴의 비율이 보다 높다는 의미이고, 이는 최고점 (peak)이 보다 빨리 온다는 의미이다. 반대로, β1값이 작다는 것은 쇠퇴의 비율이 보다 작다는 의미이고, 이는 상대적으로 늦은 lag에서 인용 수가 보다 더 많다는 의미이다 (Jaffe, A., Trajtenberg, M. 1996). 그래서 일반적으로 높은 α와 β1은 초기 인용수가 크고 감쇄가 빠르다는 것을 의미하고, 따라서

34

이는 다른 기업들보다 더 빨리 추격을 한다는 의미로 해석할 수 있다 (Jaffe, A., Trajtenberg, M. 1999).

또한, 1/β1을 Modal lag라고 하는데, 이는 citation의 빈도수가 최고치에 이 르렀을 때의 lag를 의미하고, 단위는 [년(year)]이다. (αβ2)/(β1)²은 t=0부 터 무한대까지 citation 함수의 적분을 의미하고, 단위는 [건(number) * 년 (year)]이다. 즉, 1/β1은 citation 확산의 속도를 의미하고, (αβ2)/(β1)²은 citation의 intensity를 나타낸다 (Jaffe, A., Trajtenberg, M. 1999).

35