선형회귀모형과 의사결정나무를 이용한 중소기업 기술등급 예측 연구, 김태립 · 천세학

창업과 사업화, 그리고 제품을 혁신하는 과정에서 기술 개발과 이에 수반되는 자금 또한 필수적이다. 사업화 초기에서 외부의 투자유치를 위해서 높은 기술 평가 등급이 요구되며, 또한 투자 기관 입장에서는 정확한 기술 평가를 통해 투자 리스크를 줄일 수 있다. 기술평가는 시장성, 사업성, 수익성과 기술혁신성 등에서 공정성, 객관성, 신뢰성을 확보하기 위해 평가 기준을 도입하여 관리하고 있다. 그러나 현재 체계적이고 신속한 기술평가 시스템이 없기에 금융기관에서 중소기업의 자금을 신속히 지원하는 것에 어려움이 있다. 이러한 배경하에 본 논문은 중소기업의 기술등급 예측 모형을 통해 신속한 금융지원에 도움을 주고자 방법론 측면에서 선형회귀모형과 의사결정나무를 적용하고자 한다. 이는 향후 기술평가를 수행할 수 있는 표준 모델을 개발하여 신속한 금융지원이 필요한 분야에 실무적으로 적용할 수 있고자 함이다. 이를 위해 본 논문에서는 실제 중소기업 1,035개를 선별하여 기술평가에 영향을 미치는 변수들의 데이터 전처리, 탐색적 데이터 분석을 시작하여 회귀모형 진단과 로지스틱회귀, 의사결정나무의 머신러닝 방법론을 이용하여 기술등급을 예측하는 모델을 제안한다. 먼저 최소자승법의 회귀분석을 통해 종속변수에 대한 독립변수들의 영향을 분석하였고, 이 결과 연구개발조직, 종업원수, 연구개발인력수, 인증수, 특허수가 기술등급에 유의미한 영향을 미치는 것으로 나타났다. 이후 경사하강법 기반의 선형회귀모형, 로지스틱회귀모형, 의사결정나무를 이용한 학습모델을 구축하여 학습구간과 테스트구간을 나누어 18등급의 세분화된 기술등급을 예측하였고, MSE, RMSE, MAE로 모델의 예측력을 비교하였다. 분석 결과 선형회귀모델의 예측 성능이 가장 우수하였고 의사결정나무모델도 유사한 성능을 보였으며, 로지스틱회귀모델은 예측력이 낮은 것으로 나타났다. 본 연구는 기술등급 예측 모형을 구축하여 분석한 점에서 의의가 있어 기술금융 실증 연구를 확장하였고, 기술금융 현장에서 시간과 비용을 절감하면서 신속하게 금융을 지원할 수 있는 기반을 제시하였다는 점에서 공헌점이 있다. 다만, 충분한 기술평가 데이터 획득의 어려움으로 모형의 신뢰성을 반영하는 데 한계점이 있고, 향후 데이터를 확보하거나 딥러닝 및 앙상블 모델의 학습을 통한 기술등급 예측모형을 적용한 검증이 필요하다.