거래·공동특허 네트워크 융합 분석을 통한 기업 협업 메커니즘 규명

초록

본 연구는 일본 기업의 거래 관계와 공동특허 출원 데이터를 각각 네트워크화한 뒤, 두 네트워크를 통합하여 다층 네트워크를 구성한다. 입력‑출력표와의 상관관계, p* 모델을 이용한 구조적 패턴 분석, 베이지안 네트워크를 통한 인과 관계 추론을 수행해 거래가 공동특허 출원과 강하게 연결됨을 확인하고, 산업군 간 차이는 제한적임을 밝혀냈다.

상세 분석

본 논문은 두 종류의 대규모 실증 데이터를 기반으로 다층 네트워크 분석을 전개한다. 첫 번째 층은 일본 기업 961,363개의 거래 관계를 나타내는 7,808,760개의 유향 링크이며, 두 번째 층은 54,197개의 기업이 참여한 공동특허 출원 네트워크(154,205개의 무향 링크)이다. 두 네트워크를 동일한 정점 집합 위에 겹쳐 놓음으로써, 거래와 기술 협업이 동시에 존재하는 관계를 정량적으로 탐색한다.

첫 번째 분석에서는 전통적인 산업별 입력‑출력표와 세 가지 네트워크 기반 매트릭스(거래량, 금액, 공동특허 수)를 비교하였다. 피어슨 상관계수 결과, 거래량과 공동특허 수 사이의 상관이 금액과 공동특허 수 사이보다 현저히 높았다(ρ≈0.68 vs ρ≈0.31). 이는 기업 간 물리적·재무적 교류보다 실제 거래 행위 자체가 기술 협업을 촉진하는 메커니즘과 더 밀접함을 시사한다. 또한, 금액과 거래량 간 상관이 낮아(ρ≈0.12) 두 변수는 서로 다른 경로로 특허 협업에 영향을 미친다고 해석할 수 있다.

두 번째 분석에서는 Exponential Random Graph Model(p* 모델)을 적용해 네트워크 구조 내에서 선택(choice), 다중성(multiplicity), 상호성(reciprocity), 다중상호성(multi‑reciprocity), 전이성(transitivity) 등 다섯 가지 구성요소의 통계적 유의성을 검증하였다. 모든 산업군에서 다중성(multiplicity)과 상호성(reciprocity)이 유의하게 나타났으며, 이는 거래 링크와 특허 링크가 동시에 존재할 확률이 독립적인 경우보다 현저히 높다는 것을 의미한다. 특히 다중성은 ‘거래가 존재하면 특허 공동출원도 존재한다’는 강한 연관성을 반영한다. 다중상호성 및 전이성은 일부 산업(예: 전자·기계)에서만 유의했으며, 산업별 특성에 따라 협업 네트워크의 클러스터링 정도가 달라짐을 보여준다.

세 번째 분석에서는 베이지안 네트워크 학습을 통해 인과 구조를 추정하였다. 학습된 DAG에서는 거래 존재 여부가 특허 공동출원 존재를 직접 예측하는 주요 변수로 작용했으며, 기업의 산업 카테고리는 거래‑특허 관계에 유의미한 영향을 미치지 않는 것으로 나타났다. 즉, 동일 산업 내외의 기업이라도 거래가 있으면 특허 협업 가능성이 높아지며, 산업 구분보다 네트워크 상의 연결 형태가 더 결정적이라는 결론을 도출한다.

종합적으로, 본 연구는 대규모 실증 데이터를 다층 네트워크 프레임워크에 통합하고, 통계적 구조 모델(p* 모델)과 인과 추론(Bayesian network)을 병행함으로써 기업 간 거래가 기술 협업(공동특허)과 강하게 결합된 메커니즘을 정량적으로 규명한다. 이는 기업 전략 수립, 정책 입안, 그리고 혁신 생태계 설계에 있어 거래 기반 네트워크를 활용한 특허 협업 촉진 방안을 제시한다는 점에서 학문적·실무적 의의를 가진다.