TL;DR — [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.
국문 초록
[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.
How to cite
APA: 엄태웅, 우청원 (2022). 기계학습을 활용한 혁신성과 예측 및 변수 중요도 분석. 경영교육연구, 37(1), 143-163.
BibTeX:
@article{woomachinelearninginnovationp,
title={기계학습을 활용한 혁신성과 예측 및 변수 중요도 분석},
author={엄태웅 and 우청원},
journal={경영교육연구}, volume={37}, number={1}, pages={143--163},
year={2022}}