EU 프레임워크 프로그램을 통한 지역 간 R&D 협력의 공간 상호작용 모델링

초록

본 연구는 EU 25개 회원국(전 2007년 기준)과 노르웨이·스위스의 255개 NUTS‑2 지역을 대상으로, 지역 수준에서 R&D 협력 네트워크를 분석한다. 포아송 공간 상호작용 모델을 적용해 지리적 거리와 기술적 거리(특허 기반) 등 분리 변수와 지역 특성(인구, R&D 투자 등)이 협력 강도에 미치는 영향을 검증하였다. 결과는 지리적 거리가 협력에 영향을 주지만, 기술적 근접성이 더 강력한 결정 요인임을 보여준다. 특히 산업 부문에서는 지리적 거리 효과가 크게 나타나는 반면, 대학·연구기관 중심의 공공 연구 네트워크에서는 기술적 근접성이 주도한다.

상세 분석

이 논문은 기존 연구가 기업 혹은 프로젝트 단위의 미시적 분석에 머물렀던 점을 보완하고, 지역을 분석 단위로 확대함으로써 정책 입안자가 지역 간 혁신 네트워크를 조망할 수 있는 거시적 시각을 제공한다. 데이터는 2007년 이전 EU 프레임워크 프로그램(FP5, FP6 등)에서 보고된 공동연구 프로젝트를 기반으로 하며, 각 프로젝트에 참여한 조직의 주소를 NUTS‑2 수준으로 매핑해 255개 지역 간 협력 횟수를 집계했다. 종속 변수는 두 지역 사이의 협력 강도(공동 프로젝트 수)이며, 이는 이산형 카운트 데이터이므로 포아송 회귀 모델을 선택하였다. 모델은 전통적인重力 모델 형태를 차용해, ‘발신·수신 지역의 R&D 역량(특허 출원·연구 인력 등)’과 ‘분리 변수’를 곱한 형태로 지정했다. 분리 변수는 (1) 물리적 거리(킬로미터), (2) 기술 거리(특허 분류코드 간 코사인 유사도 기반), (3) 언어·문화·제도적 차이(공통 언어 여부, EU 회원국 여부 등)이다. 또한 산업 부문과 공공 연구 부문을 구분해 별도 모델을 추정함으로써 네트워크 구조의 이질성을 탐색했다. 결과는 첫째, 물리적 거리가 증가할수록 협력 강도가 유의하게 감소하지만, 그 절감 폭은 산업 부문에서 약 1.8배, 공공 연구 부문에서는 1.2배에 불과했다. 둘째, 기술 거리가 1표준편차 감소할 때 협력 강도는 전체 표본에서 약 35% 증가했으며, 이는 물리적 거리 효과보다 두 배 이상 큰 영향을 미친다. 셋째, 기술 근접성 효과는 특히 대학·연구기관 간 협력에서 두드러졌으며, 이는 지식 기반 혁신이 물리적 제약보다 분야별 전문성에 더 의존한다는 점을 시사한다. 마지막으로, 모델의 과잉분산 검증을 위해 음이항 회귀와 제로인플레이션 모델을 추가로 추정했지만, 포아송 모델이 가장 적합한 것으로 나타났다. 이러한 정량적 결과는 지역 정책이 물리적 인프라 확충뿐 아니라 기술 클러스터 형성 및 지식 흐름 촉진에 초점을 맞춰야 함을 강조한다.