논문 상세보기
pp.1-20
정책효과를 분석하는데 있어 가장 중요한 이슈 중 하나는 선택편의(selection bias)를 통제하는데 있다. 효율적으로 선택편의를 통제하기 위하여 성향점수 매칭을 통한 이 중차분분석(PSM-DID)기법이 널리 사용되어오고 있으나, 이는 수혜집단과 비수혜집단에 포 함된 표본들이 집단에 따라 동질적인 정책효과를 지닌다는 과감한 가정을 필요로 한다. 본 연구는 수혜집단 내에서 이질적으로 나타나는 정책효과를 추정해보고자 성향점수 분위에 따 라 수혜집단과 비수혜집단을 매칭하여 정책수혜여부에 따른 매출성장효과를 분석하였다. 이 를 위하여 2020년 수행된 소재부품장비 R&D지원사업에 참여한 239개 중소기업을 수혜집단 으로 선정하였으며, 이들 기업의 성향점수를 산출한 뒤 8개 분위로 나누어 비수혜집단과 성 향점수 매칭을 수행하였다. 이후 분위별 이중차분분석을 통해 정책지원으로 인한 매출성장 률을 산출하였다. 그 결과 가장 낮은 분위의 집단에서 가장 큰 정책효과가 관찰되었으며, 3개 년 매출 성장률과 특허출원건수가 높은 기업집단들이 탁월한 정책효과를 누린 것으로 나타 났다. 연구의 결과는 성향점수 분위에 따른 이질적 정책효과 분석기법이 산업정책기획을 위 한 수혜기업의 선정기준, 지원범위 등을 조정하는데 효과적으로 사용될 수 있음을 시사한다.
This study aims to estimate policy effects that appear heterogeneously within the beneficiary group by matching the beneficiary and non-beneficiary groups based on propensity score quartiles and analyzing the effect of policy benefits on sales growth. To achieve this, 239 SMEs that participated in R&D support program for the manufacturing of materials, components, and equipment in 2020 were selected as the beneficiary group. The propensity scores of these companies were calculated and divided into eight quartiles for matching between the non-beneficiary and beneficiary groups. Subsequently, double difference analysis was used to calculate the sales growth rate attributable to policy support. The study found that the largest policy effect was observed in the lowest quartile group, and companies with high patent application rates and 3-year sales growth rates experienced significant policy effects. These findings suggest that propensity score quartile-based analysis can be effectively utilized to refine the criteria for selecting beneficiary companies and the scope of industrial policy support.
Ⅱ. 이론적 배경
1. 성향점수매칭을 통한 이중차분 분석
2. 성향점수 구간에 따른 이질적 처치효과 추정
Ⅲ. 연구 방법
1. 분석대상기업의 선정
2. 성향점수 매칭
3. 분위별 변수 균형 평가
4. 분위별 정책효과 추정
Ⅳ. 분석 결과
1. 로지스틱 회귀분석
2. 분위별 성향점수 매칭 결과
3. 분위별 변수 균형 평가 결과
4. 분위별 정책효과 분석결과
Ⅴ. 결론 및 시사점
참고문헌
