Earticle

초록

영어

This study aims to explore the applicability of a model for predicting the technology grade of small and medium-sized enterprises using a linear regression model and a decision tree. The aim is to develop a standard model capable of conducting future technology evaluations, so that it can be practically applied in areas requiring rapid financial support. We propose a model for predicting technology grades by selecting 1,035 small and medium-sized enterprises and using data preprocessing of variables affecting technology evaluation, exploratory data analysis, regression analysis diagnostics, and learning model optimization. As a research method for this purpose, the effects of variables were analyzed using OLS regression analysis, and it was found that the R&D organization, number of employees, number of R&D personnel, number of certifications, and number of patents had a significant effect on the technology grade. Subsequently, a learning model was constructed using linear regression, logistic regression, and decision trees, and the data were further subdivided into 18 levels. The technical levels were divided into training and testing phases, and the prediction performance was compared using MSE, RMSE, and MAE. The analysis showed that the linear regression model had the best predictive performance, the decision tree model showed similar performance, and the logistic regression model was found to have low predictive power. This study is significant in that it expanded the empirical research on technology finance by establishing and analyzing a technology grade prediction model, and it contributes by proposing a foundation that can provide rapid financial support while saving time and costs in the field of technology finance. However, due to difficulties in obtaining sufficient technology evaluation data, there are limitations in reflecting the reliability of the model, and future verification is needed either by securing additional data or by applying technology-grade prediction models trained through deep learning and ensemble models.

한국어

창업과 사업화, 그리고 제품을 혁신하는 과정에서 기술 개발과 이에 수반되는 자금 또한 필수적이다. 사업화 초기에서외부의투자유치를위해서높은기술평가 등급이요구되며, 또한투자기관입장에서는 정확한 기술 평가를 통해 투자 리스크를 줄일 수 있다. 기술평가는 시장성, 사업성, 수익성과 기술혁신성등에서 공정성, 객관성, 신뢰성을 확보하기 위해 평가 기준을 도입하여 관리하고 있다. 그러나 현재체계적이고 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 방법론측면에서 선형회귀모형과 의사결정나무를 적용하고자 한다. 이는향후 기술평가를 수행할 수 있는 표준 모델을 개발하여 신속한 금융지원이 필요한 분야에 실무적으로 적용할 수 있고자 함이다. 이를 위해본 논문에서는 실제 중소기업 1,035개를 선별하여기술평가에 영향을 미치는 변수들의 데이터 전처리, 탐색적데이터분석을시작하여 회귀모형진단과 로지스틱회귀, 의사결정나무의머신러닝 방법론을이용하여기술등급을예측하는모델을제안한다. 먼저최소자승법의회귀분석을통해종속변수에 대한독립변수들의영향을분석하였고, 이결과연구개발조직, 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 데이터획득의어려움으로모형의신뢰성을반영하는데한계점이있고, 향후데이터를확보하거나딥러닝 및 앙상블 모델의 학습을 통한 기술등급 예측모형을 적용한 검증이 필요하다.

목차

초록
Ⅰ. 서론
Ⅱ. 선행연구 및 이론적 배경
1. 기술평가 지표와 기업 성장
2. 기술평가 가치 창출 방법
3. 회계정보와 예측모델
Ⅲ. 연구방법
1. 연구 진행 과정
2. 기술평가 데이터 전처리
3. 탐색적 데이터 분석
5. 학습모델 예측결과
Ⅳ. 결론
참고문헌
Abstract

키워드

저자

• 김태립 [ Kim, Tae Rip | 서울과학기술대학교 경영학과 박사과정 ] 주저자
• 천세학 [ Chun, Se Hak | 서울과학기술대학교 경영학과 교수 ] 교신저자

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  상업경영연구(구 상업교육연구) [Korean Journal of Business & Management]

• 간기

  계간

• pISSN

  1229-8867

• 수록기간

  2000~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 376 DDC 373