1. 서론

1980년대 이후 지식 기반 경제로의 이행이 가속화됨에 따라 지식자본은 경제 발전을 촉진하는 주요한 요소로서 토지와 노동을 대체하게 되었다(Laperche and Liu, 2013; Toivanen and Ponomariov, 2011). 오늘날 연구개발활동을 통해 창출된 새로운 지식은 성공적인 혁신을 위한 기반이 되었으며(Howells, 2000), 새로운 지식의 창출은 지식 네트워크라고도 부르는 행위자들 간의 복잡한 상호작용을 수반한다(Fischer, 2003). 특히, 지식의 스필오버와 교환은 혁신과 경제적 성과에 있어 매우 중요한 요소로 인식된다(Seo and Sonn, 2018). 이러한 혁신과정의 복잡성과 불확실성 때문에 현대 기업들은 글로벌 및 지역의 지식 네트워크에 더 많은 관심을 갖게 되었다(Carayannis and Von Zedtwitz, 2005; Qadeer, 1996).

지식 네트워크 연구가 확대되면서 특허 데이터를 활용한 분석이 활발해졌고, 최근에는 특허 양도･라이센스 형태의 기술거래 연구가 주목받고 있다. 이는 기업의 수요와 전략적 행동으로 인해 기술과 지식이 거래 가능한 상품으로 전환됨에 따라 기술거래 활동이 증가하고 있기 때문이다. 그럼에도 불구하고 기존의 연구는 주로 지식의 생산 및 교환 메커니즘 규명에 집중해 왔으며, 생산된 지식이 사업화(commercialization)되는 단계에 대한 연구는 상대적으로 미흡하다. 즉, 기존의 연구들은 지식이 창출되는 기술개발 단계에서의 상호작용에 초점을 맞춰 왔지만, 새로운 기술의 상용화와 확산을 촉진하는 창출된 지식이 거래를 통해 전환되는 단계에 대한 연구까지 이어지지 못했다.¹⁾

국내에서는 2000년에 「기술의 이전 및 사업화 촉진에 관한 법률(법률 제1849호)」가 제정된 이후로 공공 및 민간 부문의 기술사업화를 지원하기 위한 다양한 제도 및 정책환경이 조성되고 지속적으로 확대되어 왔다. 그 결과 공공연구기관의 기술이전 실적이 크게 개선되는 등 공공부문 기술시장은 점진적으로 활성화되고 있다(이성기, 2020; 이성상, 2016). 반면, 기업 간 기술거래와 같은 민간부문의 기술시장은 여전히 베일에 가려져 있어 기초자료조차 마련되지 않은 상태이다(이성기･정찬식, 2022).

이러한 배경에서 본 연구는 2001~2020년 특허 권리변동 자료를 활용하여 공공과 민간을 포함한 한국 도시 간 특허 기술거래 네트워크의 형성과 변화를 시계열적으로 규명한다. 특히, 사회네트워크 분석 모형 중 Exponential Random Graph Model(이하 ERGM)을 적용하여 각 시기별로 국내 도시들의 기술거래 네트워크 형성 요인을 비교 및 분석하였다. 이를 통해 도시의 특성, 도시 간 관계적 특성 및 네트워크 구조적 특성이 결합되어 국내 도시 간 특허 기술거래 네트워크가 형성 및 확장되어 온 양상을 종합적으로 분석할 수 있다. 한편, 연구의 공간적 범위는 국내로 한정한다. 즉, 국내 지역 및 기업과 해외 지역 및 기업 간 거래는 본 연구의 분석 범위에서 제외한다. 그 이유는 비록 세계화가 R&D의 국제화를 촉진했지만, 기술거래는 여전히 주로 국가의 범위 내에서 이루어진다는 선행연구 결과를 반영한 것이다(De Marco et al., 2017; Drivas and Economidou, 2015). 따라서 분석의, 공간적 범위는 국내 도시를 대상으로 하며, 분석의 행정적 단위는 161개 시･군으로 설정하였다.²⁾ 연구의 시간적 범위는 2001년부터 2020년까지로 설정하였으며, 5년 단위로 구분하여 분석을 수행하였다.

2. 지식 네트워크와 기술거래 연구 동향

현대경제에서 지식은 기술과 함께 경제성장을 위한 창조와 혁신의 주요 요소로 인식된다. 이러한 배경에서 혁신의 지리학은 지리학의 고유 연구분야로서 공간 경제를 이해하고 설명하는 데 있어 핵심적인 기준을 제공하여 왔다(Feldman and Kogler, 2010). 이러한 혁신의 지리학 연구에서 지식은 생산의 중요한 투입 요소로 주요한 연구대상이 되었으며, 최근 글로벌 상품 시장의 통합이 가속화됨에 따라 자본주의 경쟁에서 그 중요성이 더욱 커졌다(Dicken, 2007; Dunning, 2002).

지식의 생산과 공간적 확산 과정을 성장과 발전의 불균등한 지리적 분포를 이해하기 위한 핵심요소로 간주하는 관점이 일반화됨에 따라(Balland and Rigby, 2017), 최근의 연구들은 지식 확산의 메커니즘, 특히 지식 네트워크의 개념에 주목하고 있다. 1990년대 이후 여러 이론적, 경험적 연구에 의해 지식 네트워크의 지리학에 대한 연구가 촉발되었으며, 이러한 논의들은 조직 간 R&D 협력(Hagedoorn, 2002), 노동력 이동, 발명가 개인 간의 친분관계(Breschi and Lissoni, 2009)와 같은 요소들이 조직과 지역의 혁신, 기술 변화, 지역의 경제적 발전을 이끄는 핵심적인 동인이라고 주장한다(van Oort and Lambooy, 2014). 이러한 맥락에서 지식 네트워크의 구조란 좀 더 일반적으로 보면 개인과 조직이 자신이 속한 지역 내부와 외부를 포함하여 지식에 접근하기 위해 사용하는 직접적, 간접적 연결의 집합으로 정의할 수 있다. 지식 네트워크 구조가 갖는 경제적 가치와 네트워크가 지니는 분명한 공간적 차원에 대한 인식을 바탕으로, 지난 20여년 동안 혁신 지리학 분야에서 지식 네트워크에 대한 실증적 연구가 꾸준히 주목을 받아 왔다(Ter Wal and Boschma, 2009).

지식 네트워크 분석을 위해 주로 적용되는 사회 네트워크 분석 방법은 완전한 네트워크(complete network)를 가정하므로, 완전한 네트워크를 식별하기 위한 응답에 대한 높은 요구사항은 1차 자료(primary data)를 활용한 대규모의 경험적 연구를 불가능하게 만든다. 이러한 한계로 인해 선행연구들은 지식 흐름과 관련한 2차 자료 중 특히 특허 데이터를 활용하여 왔다(Ter Wal and Boschma, 2009). 특허 시스템은 발명가와 기업이 기술혁신을 보호하고 경제적 이익을 창출할 수 있도록 하는 중요한 메커니즘이다. 특히 공동 특허 정보는 주로 시장에 출시할 수 있는 혁신 및 산업 연구개발활동에 초점을 맞춘 응용지식의 창출과 관련된 연구 협력을 반영하며(Maggioni and Uberti, 2009), 특허 인용 정보는 지식의 확산효과를 보여주는 지표로 자주 사용되었다.

특허 데이터는 혁신활동의 지리적 분포와 지식 흐름의 공간적 범위를 분석하는 연구에서 다양하게 활용되어 왔다(Acs et al., 2002; Breschi and Lissoni, 2001). 국내에서는 공동발명 정보를 활용하여 지역 간 지식 상호작용 특성과 계층구조를 분석하는 연구가 이루어진 바 있다(김홍주, 2007; 임화진, 2013). 한편, 공동발명 정보를 토대로 두 지역 간의 지식 네트워크 형성에 영향을 미치는 요인을 분석하는 연구들도 이루어졌다(정준호, 2016; Ejermo and Karlsson, 2006). 이러한 연구들은 주로 지역적 요인과 두 지역 간의 관계적 요인을 토대로 네트워크의 형성요인을 설명하였다. 우선 지역적 요인으로는 지역의 경제적 규모, 기술혁신 자원과 역량, 기타 지역 특성 등이 공통적으로 고려되었다. 한편, 두 지역 간 관계적 요인은 주로 근접성의 개념을 기반으로 설정되었다. Boschma(2005)는 지리적, 인지적, 조직적, 사회적, 제도적 근접성 등의 다차원 근접성의 개념을 제안하였으며, 이 중에서 지리적 근접성이 가장 많이 활용되었다(Bentivegna, 2013). 그 이유는 암묵적 지식은 특정 지역에 집중되어 있고 장거리로 이동할 수 없기 때문이다(Feldman and Kogler, 2010; Sengupta, 2015). 지리적 근접성 외에 두 지역 간의 산업적 유사성을 의미하는 기술적 근접성 역시 주요한 결정요인으로 분석된 바 있다. 한편, 과학기술 및 산업정책이 지역별로 이루어지는 국가를 대상으로 하는 연구에서는 동일 권역 소속 여부를 제도적 근접성의 대리로 간주하였다(Broekel and Hartog, 2013). 이처럼 다차원 근접성 개념은 도시 및 지역 간 지식 네트워크를 설명하는 핵심변수로 활용되었다(Balland, 2012; Cassi et al., 2015, Gui et al., 2018; Ter Wal, 2014).

기존의 연구들은 주로 발명의 창출 및 확산 단계의 지식 네트워크에 초점을 맞춰왔으나, 최근에는 특허 기술양도, 라이센스와 같은 기술시장에서 이루어지는 이전과 활용 단계의 지식 네트워크에 대한 연구도 활성화되고 있다. 최근까지 특허화된 발명을 소유한 조직과 연결하여 권리의 변동을 분석하는 연구는 제한적으로 이루어졌다. 그 이유 중 하나는 기술의 권리의 변동과 관련한 데이터가 연구자들이 사용하기에 적합한 형식으로 제공되지 못하였기 때문이다(De Marco et al., 2017). 활용가능한 데이터의 부족에도 불구하고 특허의 거래가 강조되는 주요한 이유는 기술거래가 기술이전과 혁신 촉진의 중요한 수단으로 간주되기 때문이다. 기술 및 산업 간 융합으로 인해 기술의 복잡성이 증가하면서 하나의 기업이 새로운 기술을 개발하고 사업화하기 위해 필요한 역량을 모두 보유하는 것이 점점 더 불가능해지고 있다. 또한, 기술혁신의 속도가 가속되면서 외부로부터 기술을 도입하여 기술개발에 소요되는 시간을 단축하고 불확실성을 줄이는 것이 기술과 시장 환경의 급속한 변화에 탄력적으로 대응할 수 있는 방안이기 때문이다(이성기･정찬식, 2022). 이와 같이 지식 기반 경제에서 기술 변화가 빠르게 진행되고 복잡성이 증대됨에 따라, 특허 기술거래는 기술의 가치 실현과 지식 확산을 위한 기술시장의 중요한 형태이자 채널이 되었다(Zhang et al., 2024). 이러한 변화에 따라 최근 몇 십 년 동안 기술과 지식이 거래 가능한 상품으로 변화하였고(Benassi and Di Minin, 2009; De Marco et al., 2017), 기업들은 기술개발을 내부적으로 수행하는 대신 외부에서 기술을 구매하거나 라이센스를 취득하는 방식을 채택하고 있다.

지역 연구의 관점에서 특허 기술거래 연구에 대한 관심이 증가한 또 다른 이유는 기술 및 지식이 실제로 “어디로”, “어떻게” 이전되는지가 지역 경제 발전과 혁신체제의 동태를 이해하는 핵심적인 열쇠가 되기 때문이다(De Marco et al., 2017; Seo and Sonn, 2018). 일부 연구들은 기술거래가 혁신시스템에 미치는 영향을 논의하며, 기술거래가 제조 및 마케팅 능력이 우수한 기업으로 특허 권리를 재배분하여 민간과 사회적 이익을 창출하며(Arora et al., 2001; Gans et al., 2008), 법적 분쟁으로 이어지는 특허 분쟁을 예방한다고 주장한다(Galasso et al., 2013). 또한, 특허 기술거래는 혁신 활동, 지식 확산 및 특화된 발명가의 출현을 촉진하여 전반적인 혁신을 향상시키는 효과를 가진다(Drivas and Economidou, 2015; Lamoreaux and Sokoloff, 2001; Spulber, 2008).

특허 기술거래의 유형 중 양도는 기술이전 및 사업화 전략에서 라이센싱과 함께 핵심적 지식재산권 거래 방식이다. 라이센스가 특허권의 소유권을 유지한 채로 사용 권한만을 허락하는 형태라면, 양도는 특허권의 소유권 자체를 완전히 이전한다는 점에서 차별적인 특징을 지닌다(WIPO, 2021). 라이센스는 원소유자가 기술 통제권을 일부 보유하고, 라이선시와 협력 관계를 유지하면서 장기적인 지식 교류 및 수익 창출을 도모하기에 적합하다. 반면, 양도는 거래가 성사되는 순간 기술 활용의 권리와 통제권이 양수인에게 온전히 귀속되므로, 일회성이지만 기술 재배치 효율을 극대화하는 방식으로 작동한다(Caviggioli et al., 2020; Serrano, 2010).

기술경영 및 혁신 분야에서는 Serrano(2010)의 연구를 시작으로 대규모 특허 기술거래 데이터를 활용한 다양한 연구가 활성화되었다. 이러한 연구들은 주로 특허의 서지학적 정보를 활용하여 기술거래의 발생요인을 분석하는데 초점을 맞춘다(주시형, 2020; De Marco et al., 2017; Figueroa and Serrano, 2013; Serrano, 2010). 최근 지리학과 지역연구 분야에서도 소수의 연구들이 특허 양도 및 라이센스 정보를 활용한 기술거래 분석을 통해 지식이전 흐름을 연구하였다. Seo and Sonn(2018)은 국가의 기술발전이 지식 흐름에서의 지역 간 계층구조를 감소시키는지에 대한 연구질문을 밝히기 위해 중국의 라이센스 데이터를 활용하여 지식 확산 네트워크의 구조와 변화를 분석하였다. 분석결과, 국가 혁신시스템의 세계화에도 불구하고, 지역 간 계층구조가 지속되는 경향을 발견하였다. 즉, 네트워크의 구조가 시간이 지남에 따라 변화하고 확장되더라도, 특정 지역들은 여전히 중요한 지식 및 혁신의 중심지로 기능하며, 이러한 지역의 영향력은 네트워크 내에서 지속적으로 유지된다. Drivas and Economidou(2015)는 미국의 특허양도 및 인용 데이터를 활용해 50개 주 간 특허 거래 및 지식흐름 행렬을 구축하고 공간적 제약을 분석 및 비교하였다. 주 경계, 거리, 국경 더미를 포함한 음이항 중력모형으로 공간적 제약을 추정한 결과, 특허 거래 활동은 비시장 경로(인용)보다 거리 민감도가 높고 강한 지역적 편중을 보여 지리적으로 국지적인 특성을 보였다. Hu and Zhang(2021)은 미국의 특허양도 데이터를 토대로 미국 대학에서 기업으로의 특허 기술거래의 공간적, 시간적 특성을 분석하여 시계열적으로 기술거래의 지리적 거리가 짧아지는 경향을 밝혔다. 이처럼 지리학 및 지역연구 분야에서의 특허 기술거래 연구는 주로 기술거래를 매개로 하는 지식 확산의 공간적 범위를 다루는데 초점을 맞춰온 반면, 지식 네트워크가 형성되고 변화되는 기제를 분석하는 연구까지 이어지지는 못하였다.

3. 분석방법과 변수설정

1) 분석자료와 방법

본 연구는 기술거래 네트워크의 공간적 특성과 변화를 고찰하기 위한 데이터로 특허청과 한국특허정보원에서 구축 및 운영하는 특허정보활용서비스(키프리스플러스)의 특허 권리변동 데이터를 활용하였다. 특허 등록원부에 기록된 권리변동은 특허권 등이 타인에게 양도되거나 상속, 합병 등으로 승계되는 경우, 권리이전등록을 신청함으로써 발생하는 기록이다. 이는 특허가 등록된 뒤에 실제 시장에서 특허 거래가 이뤄질 때 기록되는 정보이므로, 특허 기반 기술거래를 가장 직접적으로 보여주는 지표라고 할 수 있다.

도시 간 기술거래의 패턴을 분석하기 위해 한국특허정보원(키프리스플러스)에서 제공하는 여러 종류의 데이터를 결합하여 활용하였다. 우선, 특허 권리변동 데이터와 등록사항 데이터를 결합하여, 이를 토대로 시장에서 거래된 기술의 등록번호, 권리자(양수인), 의무자(양도인), 주소 정보, 등록원인, 등록일자 등의 정보를 추출하였다. 기술양도 유형 중 권리의 전부이전등록만 추출하여 분석에 활용한다. 이러한 거래의 유형은 권리변동 서류명을 통해 확인할 수 있으며, 이를 통해 권리의 전부이전등록, 권리의 일부이전등록, 권리지분의 전부이전등록, 권리지분의 일부이전등록으로 구성된 거래 유형 중 권리의 전부이전등록만을 추출하였다. 서류명 외에 등록원인과 등록목적 정보를 토대로 법인분할과 지분양도에 해당하는 권리이전을 각각 분리한다. 권리변동의 거래 형태는 양도, 법인합병, 법인분할, 지분양도로 분류할 수 있다. 본 연구에서는 양도와 법인합병을 분석대상으로 설정하였다. 일반적으로 소유권 변경(changes in ownership)은 양도나 합병을 의미하며, 양도와 합병은 소유권이 실제로 한 당사자에서 다른 당사자로 또는 한 법인에서 다른 법인으로 이전되는 것이 가장 명확하게 보여주는 권리변동 유형이기 때문이다(De Marco et al., 2017).

이러한 데이터 전처리 과정을 토대로 2001년에서 2020년 사이 권리변동이 발생한 총 134,121건의 양도거래(거래특허 수 112,332개)에 대한 데이터를 추출하였다. 이렇게 도출된 데이터의 양도인과 양수인의 주소 정보를 토대로 도시 간 기술거래 네트워크는 방향성이 있는 이진형 네트워크로 구성하여 네트워크 분석에 활용하였다(그림 1).

그림 1.

분석자료 구축 절차

이렇게 구축된 데이터를 토대로 한국 도시 간 특허 기술거래 네트워크의 형성과 변화를 분석하기 위해 ERGM을 활용하여 분석하였다. ERGM은 사회 네트워크 데이터를 통계적으로 분석하기 위해 설계된 방법으로, 네트워크 내 복잡한 구조적 패턴을 분석하고 특정 네트워크 연결의 존재 확률을 모델링하는 방법론이다.

기존의 네트워크 연구에서는 주로 회귀분석 모형이 많이 활용되었다. 전통적인 회귀분석 방법은 변수 간의 선형 관계를 모델링하는 데 유효하지만, 사회 네트워크 데이터처럼 복잡한 구조를 가진 데이터를 분석할 때는 한계가 있다. 특히 사회 네트워크 데이터는 관측치 간의 상호 의존성을 포함하고 있어, 회귀분석이 필수적으로 요구하는 관측치 간 독립성의 가정을 충족시키지 못한다(Snijders et al., 2006). 즉, 회귀분석 모형은 설명변수 간의 독립성을 가정하지만, 네트워크 데이터는 설명변수 간의 독립성을 가정하기 어렵다. 이에 따라 네트워크를 모델링하는 다양한 방법론이 도입되었는데, 대표적으로 LR-QAP은 여러 네트워크 관계들 간의 상관을 검정할 수 있는 로지스틱 회귀모형으로 QAP을 적용해 자기상관 문제를 처리할 수 있다(Park and Koo, 2021; Van Duijn and Huisman, 2011). 그러나 해당 모형 역시 회귀분석과 마찬가지로 내생적 구조를 설명변수로 사용할 수 없다는 약점을 가진다.

반면, ERGM은 네트워크 데이터의 구조적 의존성을 명시적으로 모델링함으로써 이러한 한계를 극복한다(Snijders et al., 2006). 즉, 기존 연구들은 내생적 구조 변수를 반영하지 못하는 한계를 가지지만, ERGM은 이를 극복할 수 있다(Liu et al., 2015; Zhang et al., 2016). 이에 따라 ERGM은 네트워크 내부에서 관찰되는 다양한 내생적 구조 요인을 통계적으로 모델링하여 네트워크의 국지적 구조(local structure)가 네트워크 형성에 미치는 영향을 파악할 수 있으며, 노드와 양자(dyad) 수준의 요인을 동시에 분석할 수 있는 장점을 지닌다. 또한, 이진형, 범주형, 연속형 변수는 물론 방향성 및 비방향성, 이분(bipartite) 및 다중관계(multiplex) 네트워크 등 여러 형태에 적용 가능한 유연성을 가진다.

ERGM은 연결의 생성을 시간 연속적인 과정(time-continuous process)으로 접근하는 확률 모형이다. 이는 특정 시점에 관찰된 네트워크를 유사한 특성을 지닌 여러 가설적 네트워크 중 하나로 간주함으로써, 순수하게 횡단면 네트워크 데이터에 모형을 적용할 수 있게 한다. ERGM의 목적은 관찰된 네트워크의 구조와 유사한 속성을 가진 네트워크의 출현 확률을 극대화하는 요인들을 식별하는 것이다. ERGM의 일반적인 형태는 다음과 같이 정의된다(Robins et al., 2007).

Pr(Y=Y)=(1K)expΣAηAgA(y)

ERGM에서 Pr(Y = y)는 관찰된 네트워크(y)와 동일한 네트워크(Y)가 생성될 확률을 의미한다. 여기서 Y는 n개의 노드로 이루어진 네트워크의 n × n 크기의 인접 행렬이다. y는 데이터에 의해 실현된 네트워크의 인접행렬이다. 여기서 κ는 해당 방정식의 합이 1이 되는 적정 확률 분포(proper probability distribution)가 되도록 하는 정규화 상수이며, ηA는 네트워크 구조요인 A에 해당하는 매개변수, gA(y)는 구조 요인 A의 임의의 통계량(network statistic)을 나타낸다. 네트워크 구성은 노드 수준, 양자 수준, 네트워크 구조 수준의 요인을 포함할 수 있다. 이러한 각각의 요인들의 상대적 영향을 추정하려면 하나의 실증 모형에 동시에 포함시켜야 한다. 그러나 지역 간 R&D 협력 연구에서 주로 사용되는 공간 상호작용 모형, 특히 중력모형은 노드와 양자 수준 요인만을 다룰 수 있고 구조적 네트워크 수준의 요인을 평가할 수 없다. ERGM은 노드, 양자 및 네트워크 구조 수준의 요인을 동시에 통합할 수 있어, 이와 같은 한계를 극복할 수 있는 효과적인 분석 틀을 제공한다(Broekel and Hartog, 2013; Scherngell and Barber, 2009).

2) 변수설정

본 연구에서는 도시 간 기술거래 네트워크의 형성에 영향을 미치는 요인을 규명하기 위해 노드, 양자 및 네트워크 구조 수준의 변수를 각각 구축하였다.

우선 노드 수준에서는 지역의 규모, 도시화 수준, 경제력 및 혁신 역량을 포괄적으로 반영하기 위해 인구수, 인구밀도, 경제적 규모(GRDP), 수도권 더미, 특허출원 건수, 지역의 기술 전문화 지수(HHI), 대학 수를 포함하였다. 이는 지역 간 R&D 협력 네트워크 연구에서 주로 활용되는 지역의 규모 및 연구 집약도의 개념을 확장하여, 집적 효과와 혁신 자원이 기술거래 네트워크 형성에 미치는 잠재적 영향을 통합적으로 측정하려는 목적이다(정준호, 2016; Broekel and Hartog, 2013; Dai et al., 2023).

다음으로 양자 수준의 요인으로는 경제지리학적 연구에서 지식의 흐름을 설명하는 주요한 이론적 개념인 근접성 변수를 적용하였다. 가장 직접적인 근접성은 지리적 근접성으로 행위자 간의 물리적 거리를 의미한다. 지리적 근접성의 개념은 물리적으로 가까이 위치한 행위자들 간에 지식 네트워크가 형성될 가능성이 높다는 것을 의미한다. 지리적 근접성은 네트워크 내에서 정보 흐름을 촉진하고, 협력의 빈도를 높이며, 혁신과 지식의 확산을 강화하는 역할을 하기 때문에, 네트워크의 형성과 유지에 필수적인 요소이다(Autant-Bernard and Hazir, 2013). 기술거래에 있어서도 설비나 전문가를 실제로 이동시키는 데는 물리적, 시간적 비용이 필요하기 때문에 지리적 거리가 중요하게 작용할 수 있다. 따라서 물리적 거리가 가까울수록 두 지역 간 협력 가능성이 커진다는 지리적 근접성 가설을 증명하기 위해 지리적 거리 변수를 투입하였으며, 이는 유클리드 거리로 측정하였다.

한편, 기술적 근접성(technological proximity)은 두 지역 간의 기술적 거리를 의미하며, 따라서 공유된 지식 기반 정도를 의미하는 인지적 근접성의 대리지표로도 활용된다(Nooteboom, 2000). 두 지역의 기술적 거리를 분석하기 위한 방법은 다양하나, 특허 데이터를 활용한 상관관계 분석이 주로 활용되어 왔다(Scherngell and Barber, 2009). 이에 따라 두 지역 간의 기술적 거리는 해당 지역의 특허출원 데이터를 사용하여 국제특허분류(IPC)의 기술 하위 클래스의 지역 i의 특허 점유율을 측정하는 벡터 t(i)와 지역 j의 특허 점유율을 측정하는 벡터 t(j) 간의 피어슨 상관관계(r2=corr[t(i),t(j)]2)를 사용하여 두 지역 간의 기술적 거리를 도출한다.³⁾ 이러한 방법에 따라 각 시기별 해당 지역의 전체 특허출원 포트폴리오를 토대로 기술적 거리를 산출하였다. 마지막으로, 국내 경제 환경에서 광역권 내부의 경제 및 산업적 상보성을 반영하기 위해 동일 광역권 소속 여부를 더미변수를 포함하였다.

네트워크 구조 수준의 요인은 네트워크의 전역적, 국지적 구조와 관련이 있다. 지식 네트워크의 형성에 영향을 미치는 구조적 요인으로는 에지(edges), 상호성(mutuality), 선호적 연결(preferential attachment) 및 전이성(transitivity) 등의 요인이 주로 적용되어 왔다(Broekel and Hartog, 2013; Ter Wal and Boschma, 2009; Zhang et al., 2016).

에지는 네트워크에서 가장 기본적인 구조적 요인으로서, 확률 기반 모델에서 네트워크의 크기를 제약하는 데 필수적이다. 이는 네트워크의 밀도(density)를 결정하는 핵심 요소로 작용하며, 네트워크에서 관찰되는 다른 구조적 패턴들의 영향을 효과적으로 평가하기 위한 통제 변수로 활용된다.

상호성(mutuality)은 네트워크 내에서 특정 두 노드 간의 양방향 기술거래 관계가 존재하는지를 측정하는 지표이다. 기존 연구들은 연구개발협력 네트워크 분석에서 주로 비방향성(undirected) 네트워크를 활용했기 때문에 상호성을 주요 변수로 고려하지 못하였다(Broekel and Hartog, 2013; Dai et al., 2023). 그러나 본 연구에서 분석하는 도시 간 기술거래 네트워크는 방향성을 가지는 네트워크이므로, 상호적 연결의 영향을 포함한 확장된 모형을 적용한다. 이를 통해 도시 간 상호적 기술거래 관계가 빈번하게 나타나는지, 그리고 이러한 관계가 네트워크의 구조적 특성에 미치는 영향을 평가할 수 있다.

다중 경로(geometrically weighted dyad-wise shared partner, GWDSP)는 기존의 네트워크 내에서 직접 연결되지 않은 지역들이 간접적으로 연결될 가능성을 나타낸다(Broekel and Hartog, 2013; Dai et al., 2023). 즉, 해당 네트워크가 두 노드 간 다중 경로를 얼마나 제공하는지를 평가하는 변수이다. 예를 들어, 특정 지역이 기술을 이전받았을 때, 해당 지역이 또 다른 지역에게 기술을 이전하는 경향을 반영하는 구조적 요인이다. 즉, 직접 연결되지 않은 두 지역 간에 공동으로 연결된 제3의 지역이 많을수록 두 지역이 연결될 가능성을 포착한다. 이러한 다중 경로는 특정 기술이 허브 역할을 하는 중개 지역을 거쳐 확산되는 패턴을 설명하는 데 유용하다(Broekel and Hartog, 2013; Dai et al., 2023). 특정 지역이 두 개 이상의 주요 기술 거래지역을 공유할 경우, 기술이전 네트워크는 보다 응집적인 구조를 형성할 가능성이 높아진다. GWDSP 변수의 계수가 양(+)의 값을 가지면 네트워크 내에서 간접적인 기술 확산 경로가 많아지고 있음을 시사하며, 음(-)의 값을 가지면 기술거래가 직접적인 1단계 연결을 중심으로 이루어지고 있음을 의미한다.

다중 삼자폐쇄(geometrically weighted edge-wise shared partner, GWESP)는 네트워크에서 특정 기술거래 관계가 삼각 구조(triadic closure)를 통해 형성되는 경향을 반영하는 구조적 요인으로, 네트워크 내에서 전이성과 응집성(clustering)을 동시에 설명하는 핵심적인 지표이다. 이는 기업 간 기술거래 네트워크에서 기존의 거래 관계를 기반으로 새로운 기술거래가 성립될 가능성을 정량적으로 측정하는 데 유용하다. 예를 들어, 지역 A가 지역 B에게 기술을 이전하고, 지역 B가 지역 C에게 기술을 이전하는 경우, 전이성이 높은 네트워크에서는 지역 A가 지역 C에게도 기술을 이전할 가능성이 증가한다. 이러한 과정은 지역 간 기술 클러스터 형성과 연계되며, 네트워크 내에서 자생적인 기술이전 경로가 생성되는 방식과 관련이 있다. 이에 따르면, 지역 간 기술거래 네트워크에서 특정 지역이 다른 지역들과 반복적으로 연결될수록, 네트워크의 전반적인 기술 확산 패턴이 더욱 응집적인 구조로 변화할 가능성이 높아진다.

다중 삼자폐쇄 변수의 계수가 양(+)의 값을 가질 경우, 지역 간 기술거래 네트워크에서 전이성이 강화되고 있으며, 이는 특정 기술이 기존 거래 관계를 따라 연쇄적으로 확산될 가능성이 높다는 것을 의미한다. 반대로, 다중 삼자폐쇄 변수의 계수가 음(-)의 값을 가지면, 네트워크에서 기업들이 개별적으로 독립적인 기술거래 관계를 형성하고 있으며, 삼자 관계를 통한 전이성이 상대적으로 낮음을 시사한다(Broekel and Hartog, 2013).

연결성(gwdegree)은 기하적으로 가중된⁴⁾ 차수 통계량(geometrically weighted degree statistic)으로, 관측된 네트워크의 차수 분포를 모델링하여 선호적 연결 과정을 모델링하는 데 활용될 수 있다(Hunter, 2007). 선호적 연결은 기존에 높은 연결도를 가진 지역이 새로운 기술거래 관계를 더 쉽게 형성하는 경향을 의미하며, 네트워크에서 특정 지역이 허브(hub) 역할을 하는 구조적 특성을 반영한다. 연결성 변수의 계수가 양(+)의 값을 가질 경우, 네트워크 내에서 선호적 연결이 강화되고 있음을 의미하며, 반대로 음(-)의 값을 가지면 특정 지역으로의 집중 현상이 억제됨을 시사한다(Broekel and Hartog, 2013; Hunter, 2007). 한편, 방향성이 있는 네트워크의 경우에는 인기효과(gwidegree)와 활동성(gwodegree)으로 선호적 연결의 특성을 분리하여 분석할 수 있다. 인기효과는 특정 지역이 얼마나 다양한 거래처로부터 기술을 이전받는지를 나타내는 구조적 요인이다. 기술거래 네트워크에서 인기 있는 지역은 다수의 다른 지역으로부터 기술을 수입하는 허브 역할을 수행할 가능성이 크다. 반면, 활동성은 특정 지역이 얼마나 다양한 지역에 기술을 이전하는지를 측정하는 요인이다. 높은 활동성을 보이는 지역은 기술 공급자 역할을 하며, 다수의 지역과 기술거래 관계를 형성한다.

모델과 변수 설정에 따라, R의 statnet과 ergm 패키지를 사용하여 ERGM 시뮬레이션을 실행하였다. 각 설명변수 추정치는 p-value로 테스트된다. 각 모델별 적합도는 AIC 및 BIC로 측정하였으며⁵⁾, AIC와 BIC 값이 작을수록 모델의 적합도가 높음을 의미한다. MCMC 추적 플롯(trace plots)을 통해 모형의 수렴성 문제 및 퇴화(degeneracy)의 발생여부를 확인하였다. 또한, 모형 적합도 검사를 통해 실제 관측된 네트워크와 시뮬레이션을 통해 도출한 네트워크의 통계량을 비교하였다.

이상의 모델에 포함되는 변수들의 구성은 표 1과 같다.

4. 도시 간 기술거래 네트워크의 결정요인과 변화

1) 국내 기술거래 일반현황

시기별로 지역 간 거래와 지역 내 거래의 분포를 살펴보면(표 2), 양적인 측면에서 거래량은 2001~2005년 12,356건에서 2016~2020년 57,931건으로 4.69배 증가하여 급격하게 성장하였다. 또한, 지역 내 거래와 지역 외 거래를 비교하면, 2001~2005년에는 지역 내 거래가 7,391건(59.8%)으로 지역 간 거래(4,965건, 40.2%)보다 높은 비중을 차지하였다. 이는 거래 활동이 초기에는 주로 동일 지역 내에서 이루어졌음을 보여준다. 그러나 2006~2010년부터 지역 간 거래의 비중이 14,196건(54.9%)으로 지역 내 거래(11,658건, 45.1%)를 초과하기 시작하며, 2011~2015년에는 지역 간 거래의 비중이 56.8%로 증가했다. 특히, 2016~2020년에는 지역 간 거래가 34,049건(58.8%)에 달하며 지역 내 거래(23,882건, 41.2%)와의 격차가 더욱 확대되었다. 이와 같이 지역 간 거래가 시간이 지남에 따라 꾸준히 증가하는 양상은 기술지식의 이전 활동이 행정구역의 경계를 넘어 확장되고 있음을 명확히 나타낸다.

다음으로 거리조락함수(distance-decay function)을 통해 각 시기별로 특허 기술거래의 공간적 범위의 변화를 구체적으로 탐색하였다. 거리조락함수의 개념은 공간상에서 발생하는 현상이 그 중심에서 멀어질수록 크기나 밀도가 감소하는 경향을 의미한다(안영수･이승일, 2015)⁶⁾. 시기별 기술거래 거리조락함수의 파라미터(μ) 산출을 위한 선형 회귀분석에 대한 설명력(R²)은 전시기에 걸쳐 0.65 이상으로 양호한 설명력을 보여준다. 이는 시기와 무관하게 기술거래가 거리에 대한 빈도의 감쇄효과가 존재함을 의미한다(표 3).

거리조락함수의 회귀계수 추정치를 살펴보면, 네 시기 모두 유의수준 0.01에서 통계적으로 유의하였다(표 4). 비표준화 계수의 절댓값은 시기별로 점차 감소하여, 기술거래 거리조락함수의 기울기가 완만해지는 경향을 확인할 수 있다(그림 2). 다시 말해, 2001~2005년에는 양도인과 양수인 간 거리의 감쇄효과가 가장 컸으나, 2016~2020년에는 거리가 거래량에 미치는 부정적 영향이 가장 작게 나타났다. 이는 최근으로 갈수록 기술거래가 공간적 제약을 덜 받는 방향으로 변화하고 있음을 의미한다. 기술거래는 여전히 동일 지역 내와 인접 지역에서 가장 빈번하게 이뤄지지만, 최근 중거리와 장거리에서도 거래가 꾸준히 증가하고 있다. 이는 특허가 출원된 지역을 넘어서 기술이전의 공간적 범위가 확장되고 있음을 시사한다.

그림 2.

시기별 기술거래 거리조락함수 그래프

분석의 대상인 한국 도시 간 특허 기술거래 네트워크의 형성과 변화를 살펴보기 위해 전역적 네트워크 구조의 특성과 변화를 분석하였다(표 5). 도시 간 기술거래 네트워크를 시계열에 따라 분석한 결과를 살펴보면, 2001년부터 2020년까지 네트워크의 밀도와 복잡성이 지속적으로 증가하고 있음을 알 수 있다. 첫째, 노드 수와 간선 수의 변화를 보면, 노드 수는 비교적 안정적으로 유지되는 반면, 간선 수는 꾸준히 증가하고 있다. 2001~2005년 기간에는 노드 수가 149개, 에지 수가 993개였으나, 2016~2020년에는 노드 수 161개, 에지 수 3,605개로 증가하였다. 이는 도시들 간 기술거래가 더욱 활발해지고 있음을 의미한다. 둘째, 네트워크 밀도는 2001~2005년의 0.045에서 2016~2020년의 0.140으로 지속적인 증가 추세를 보였다. 이는 도시들 간 실제 연결된 관계의 비율이 높아지고 있어, 기술거래 네트워크의 연결성이 강화되고 있음을 나타낸다. 셋째, 평균 경로 길이는 2001~2005년의 3.720에서 2016~2020년의 2.637로 감소하였다. 이는 네트워크의 효율성이 향상되어, 도시 간 기술거래가 더욱 빠르고 직접적으로 이루어지고 있음을 시사한다. 넷째, 클러스터링 계수는 2001~2005년의 0.298에서 2016~2020년의 0.482로 증가하였다. 이는 네트워크 내 삼각형 구조가 많아져, 도시들이 더 밀접하게 상호 연결되어 있음을 보여준다. 이러한 현상은 지역 간 협력과 집단 형성이 활발해지고 있음을 의미한다. 마지막으로, 지니계수는 2001~2005년의 0.607에서 2016~2020년의 0.501로 감소하였다. 이는 여전히 불평등한 구조적 특성이 강하지만, 노드 간 연결 정도의 불평등도가 일부 완화된 결과이다. 즉, 기술거래 네트워크에서 특정 소수의 도시로의 집중이 일부 완화되고, 보다 다양한 도시들이 기술거래에 참여하고 있음을 시사한다.

2) ERGM 분석결과

기술거래 도시 네트워크가 형성 및 확산에 영향을 미치는 요인을 분석하기 위해 2001~2005년, 2006~2010년, 2011 ~2015년, 2016~2020년 4개의 시기별로 ERGM 분석을 수행하였으며, 각 시기별 분석모형의 변수에 대한 계수 추정 결과를 토대로 의미를 해석하였다. 모형에서 추정된 계수 값이 양수라는 것은, 해당 구조 요인이 동일한 조건 하에서 랜덤 네트워크에서 기대되는 것보다 더 자주 발생함을 의미한다. 반대로, 계수 값이 음수일 경우, 해당 구조 요인이 기대보다 덜 나타나는 경향이 있음을 의미한다(박철순･강아롬, 2020; Lusher and Robins, 2013). MCMC 표본의 주요 통계량들에 대한 그래프를 확인한 결과 수렴성에 문제가 없는 것으로 나타났다. 모형 적합도 검증 결과, 관측된 지표들의 대부분이 95% 신뢰구간 안에 포함되어 본 연구에서 추정한 모형이 실제 네트워크 구조를 충분히 설명하는 것으로 판단된다. 지면의 제한으로 인해 분석의 마지막 시기에 해당하는 일부 결과만을 제시한다(그림 3).

그림 3.

ERGM 분석 MCMC 진단 그래프(좌)와 모형적합도(우) (2016~2020년 분석결과)

시기별 분석에서 모델1은 노드 요인만 투입하였으며, 모델2는 노드 요인에 양자 요인을 투입하였다. 마지막으로 모델3은 모델2에 네트워크 구조 요인까지 추가하였다. 세 모델의 AIC와 BIC 지수를 토대로 적합도를 진단한 결과, 모든 시기에서 모델3이 AIC, BIC 측면에서 적합도가 가장 높게 나타나 해당 모델을 중심으로 특허 기술거래 네트워크 결정요인을 해석하였다(표 6).

시기 1부터 시기 4까지의 분석결과(표 7), 모든 시기에서 에지(edges) 계수는 통계적으로 유의한 음(-)의 값을 유지하며, 이는 네트워크 전반의 연결 밀도가 무작위 수준보다 희박하다는 점을 의미한다. 이는 지역 간 지식 이전이 임의로 확산되는 것이 아니라 특정 조건을 만족해야만 네트워크가 형성되는 선택적 구조를 보여준다. 초기 시기부터 마지막 시기에 이르기까지, 지역 간 네트워크가 무분별하게 확산되지 않고 제한된 방식으로 유지됨을 확인할 수 있다.

모든 기간에서 통계적으로 유의하면서 동일한 효과가 나타난 노드 수준의 변수는 특허출원 규모, 지역의 기술적 전문화 수준, 지역 연구자원과 같은 혁신역량 및 자원과 관련한 변수들이다. 지역의 특허출원 규모가 크고 연구자원이 풍부한 지역에서 기술거래가 활성화되는 반면, 특정 분야에 대한 기술적 전문화 수준이 높은 지역에서는 기술거래가 제한되는 특성을 보인다.

한편, 양자 수준의 변수는 지리적, 기술적 근접성 변수와 동일 광역권 변수가 모두 시기에 유의하게 나타났다. 지리적 근접성 계수의 절댓값은 1기 -0.0075에서 4기 -0.0047로 지속적으로 감소하는 패턴을 보여줌에 따라, 네트워크가 확장되면서 공간 마찰 효과가 점차 완화되는 모습을 보인다. 이와 관련하여 기존의 공동연구 및 발명 활동을 분석한 선행연구들은 네트워크가 형성되는 초기에는 지리적 근접성이 중요하게 작용하지만, 네트워크가 성장 및 성숙할수록 원거리 연결이 확대되면서 지리적 거리의 장벽이 완화되고 네트워크 자체의 경로 의존적 연결구조가 거리의 한계를 뛰어넘는 협력을 촉진한다고 하였다(Dai et al., 2023; Lee, 2018; Ter Wal, 2014). 본 연구의 대상인 국내 기술거래 네트워크의 맥락에서도 시기에 따른 지리적 근접성의 효과가 감소되는 결과가 재현됨을 보여준다. 기술적 근접성 또한 네 시기 모두 음의 계수로 나타났다. 1기에 -1.346으로 매우 강했던 영향력은 2, 3기 동안 완화되었다가 4기 -1.046으로 다시 확대되었다. 네트워크가 성장 및 확장하는 과정에서도 도시 간 기술 포트폴리오의 상호 보완성보다는 유사성이 두 도시 간 기술거래 네트워크를 형성하는 요인으로 작동한다는 점을 보여준다．

마지막으로 네트워크 구조변수로는 상호성(mutual)만이 모든 시기에 유의한 것으로 나타났다. 이는 한 지역에서 타 지역으로 기술 및 지식을 이전하면 역방향의 연결도 빈번하게 발생하는 구조적 특성이 도시 간 특허 기술거래 네트워크 형성에 기반이 됨을 의미한다. 즉, 혁신 자원이 풍부하고, 지리 및 기술적으로 근접한 지역들이 양자 간 상호 교환 형태로 기술거래를 지속한다는 선택적, 호혜적 구조가 모든 시기의 기술거래 네트워크 형성의 주요한 동인으로 나타났다.

한편, 수도권 여부, 인구밀도, 그리고 다중 삼자폐쇄(gwesp) 등의 변수는 모든 시기에 유의한 효과가 나타나지 않았다. 이는 경제 규모나 공간적 집중, 네트워크 클러스터 구조가 특허 기술거래 네트워크의 형성 및 유지에 결정요인으로 작동하지 않았음을 보여준다. 다중 삼자폐쇄는 모든 시기에서 유의하지 않거나 계수값이 크지 않아, 네트워크 내 삼자폐쇄 구조에의 클러스터화 경향은 발견되지 않았다. 본 연구에서 다중 삼자폐쇄 변수의 계수가 유의하게 나타나지 않은 이유는 크게 두 가지 측면에서 해석할 수 있다. 국내 기술거래 네트워크는 일부 대도시와 그 외 도시 간의 불균등한 구조로 전개되면서, 전이성에 기반한 클러스터보다는 기술거래가 활발한 일부 도시를 중심으로 한 양방향 거래가 네트워크 형성을 주도하는 것으로 해석된다. 또한, 혁신활동에서의 근접성은 초기에는 지리적 근접성에 의존적이며, 삼자폐쇄를 통한 연결 형성은 네트워크의 초기 단계보다 후기 단계에 두드러지는 특성을 보인다(Ter Wal, 2014). 따라서 이러한 점을 감안했을 때 국내 도시 간 기술거래 네트워크가 성숙단계로 진입하지 못하였을 가능성도 배제할 수 없으며, 따라서 이후 시기에 대한 추가적인 분석이 필요하다.

시기의 변화에 따라 네트워크가 형성되는 과정에서 의미 있는 변동을 보인 변수들은 다음 두 유형으로 구분할 수 있다. 초기에는 유의했으나 이후 유의하지 않게 변화된 변수는 지역의 경제규모(GRDP)이다. 경제규모는 시기 1에서만 0.20으로 유의했으나 이후 기간에는 효과가 사라졌다. 이후에는 혁신자원, 근접성, 허브 집중 같은 구조적 요인에 밀려 영향력이 희석된 것으로 해석된다.

다음으로 초기에는 유의하지 않았으나, 이후 시기에 유의한 변수로 전환된 변수는 인구수, 인기효과(popularity), 활동성(activity)이다. 인구수는 시기 1에서 영향력이 없었지만 시기 2, 3에서 각각 0.292, 0.350으로 증가했고, 시기 4에도 유의성을 유지했다. 대규모 인구 기반을 지닌 대도시가 중･후반기에 걸쳐 외부 도시와의 기술거래 네트워크를 확장해왔음을 의미한다.

인기효과는 시기 1을 제외한 모든 시기에서 유의한 양의 계수로 관측되었고, 특히 시기 4에서는 수치가 급등하는 양상을 보인다. 다수의 도시에서 기술을 이전받는 수요 허브에 대한 선호가 네트워크 후기에 가파르게 강화된 것이다. 반면 활동성은 시기 4에서만 유의한 양의 효과를 보였다. 기술혁신 네트워크에 대한 연구결과들은 초기에는 연결정도가 높은 도시들이 추가적인 협력을 맺는 경향이 더 강하지만, 네트워크가 일정 규모 이상으로 확장하고 복잡성이 증가하는 다핵화되는 과정에서 선호적 연결 효과가 약화될 수 있음을 보여준다(Dai et al., 2023; Powell and Grodal, 2006). 그러나 국내 기술거래 네트워크에서는 네트워크 규모가 커질수록 오히려 인기효과가 증대되는 상반된 패턴이 확인된다. 이는 국내 기술거래 네트워크가 아직 다핵화 단계에 진입하지 못하여 선호적 연결 효과가 지속적으로 작동하고 있거나, 기술거래 시장의 지리적 불균형으로 인해 기존 허브 도시에 대한 거래 집중 현상이 유지 및 강화되고 있음을 시사한다.

마지막으로 다중 경로(gwdsp)는 시기 2 이후부터 유의한 음(-)의 영향을 보이며, 간접 경로가 많아지는 것이 새로운 직접 연결을 촉진하지 않는다는 점이 확인되었다. 이는 기술거래 네트워크에서 간접 연결에 따른 다층적 확산보다는 도시 간 1:1 거래관계 형성이 더욱 주요한 네트워크 형성의 메커니즘으로 작동함을 의미한다.

이상의 결과를 종합하면, 특허 창출이 풍부하게 발생하는 고혁신 지역은 전 시기에 걸쳐 새로운 협력 지역을 적극적으로 확보하는 경향을 보이는 반면, 기술적 전문화 수준이 높은 지역은 반대의 경향을 보였다. 또한, 모든 시기에서 지리적 근접성과 기술적 근접성이 네트워크 형성에 유의한 영향을 미치는 것으로 나타났다. 도시 간 기술거래 네트워크는 낮은 밀도를 유지하면서도 상호성을 토대로 네트워크가 확장되는 특성을 보였다. 전이성이나 간접 경로를 통한 확산효과는 크지 않았으나, 특정 지역이 내향 연결과 외향 연결을 동시에 높이며 네트워크의 중심성이 강화되는 경향은 시기 3~4에서 두드러지게 나타났다. 결론적으로, 국내 도시 간 특허 기술거래 네트워크는 도시 간 양방향 거래, 근접성 및 선호적 연결에 기반하여 선택으로 확장되어 있으며, 후반부로 갈수록 특정 지역으로의 연결 집중화가 심화되었다. 이는 향후 기술거래 네트워크의 계층화 및 중심화가 지속될 수 있는 가능성을 시사한다.

5. 결론

지식 기반 경제에서 기술 변화의 속도가 빨라지고 복잡성이 증가함에 따라, 기술과 지식은 거래 가능한 상품으로 전환되고 있다. 이에 기업들은 기술거래를 전략적 수단으로 적극 활용하게 되었고, 기술거래는 지식 이전과 확산의 핵심 경로로서 그 중요성이 더욱 커지고 있다. 따라서 특허 기술거래를 통해 기술 및 지식이 실제로 어디로, 어떻게 이전되는지가 지역 경제발전과 혁신체계의 동태를 이해하는 기반이 될 수 있다.

이러한 배경에서 본 연구는 ERGM을 토대로 국내 특허 기술거래의 제도적 기반이 되는 ｢기술의 이전 및 사업화 촉진에 관한 법률(법률 제1849호)｣ 제정 이후 지난 20년 간 국내 도시 간 기술거래 네트워크가 어떤 요인에 의해 형성 및 진화했는지를 규명하고자 하였다. 지난 20년 간 국내 기술거래는 양적으로 성장해왔으며, 특히, 도시 간 기술거래의 비중이 점차 늘어나 지리적으로 확장되어 왔음이 확인되었다.

ERGM을 활용한 분석결과, 모든 시기에 걸쳐 기술거래 네트워크의 전반적인 밀도는 랜덤 네트워크 대비 낮은 것으로 나타나, 특정 조건을 만족해야 네트워크가 선택적으로 형성된다는 점이 확인되었다. 지역 수준에서 혁신 기반이 잘 갖춰진 지역일수록 외부 도시와의 기술거래 네트워크 연결이 촉진되는 것으로 나타났다. 또한, 높은 기술 전문화를 보유한 지역은 외부 도시와의 협력 확장이 제한되는 특성을 보였다.

양자 수준에서 지리적 근접성 및 기술적 근접성이 모두 중요한 결정요인으로 작용함을 확인하였다. 지리적 거리가 멀어질수록 네트워크 연결 가능성이 급격히 줄어드는 결과는 전 시기에 걸쳐 일관되게 나타났지만, 이러한 경향은 시기가 흐름에 따라 다소 완화되는 경향을 보였다. 더불어 두 지역의 기술 포트폴리오가 유사할수록 거래 연결이 보다 활발해지는 경향도 지속적으로 확인되었다. 이러한 결과는 지식 네트워크에서 비지리적 근접성이 미치는 영향을 다룬 선행연구의 결론을 뒷받침하며(Autant-Bernard and Hazir, 2013), 실제 기술거래에서도 유사한 기술 구조를 가진 도시들 간에 네트워크가 형성됨을 보여준다.

네트워크 구조적 특성 측면에서 상호성은 모든 시기에서 뚜렷한 양의 효과로 나타나 한 지역이 타 지역으로부터 기술을 이전받으면 역방향 이전도 빈번히 발생하는 양방향 협력이 도시 간 특허 기술거래 네트워크의 핵심 특징임을 확인했다. 반면 전이성을 나타내는 삼자폐쇄 효과는 전 시기에 걸쳐 유의하지 않거나 효과가 크지 않았으며, 다중 경로 효과 역시 간접 경로가 많아도 새로운 직접 연결을 촉진하지 않는다는 점이 드러났다. 요컨대 도시 간 특허 기술거래 네트워크는 서로 밀접하게 얽힌 군집 구조보다는, 도시 간 1:1 교환과 특정 조건에 기반한 연결로 유지되는 경향을 보였다.

특히 시기 후반(3~4)으로 갈수록 중심 노드 효과가 명확해졌다는 점이 주목할 만하다. 초기에는 활동성과 인기효과가 통계적으로 유의하지 않았으나, 시기가 진행되면서 기존에 높은 외향 연결이나 내향 연결을 보유한 지역이 추가 협력을 더욱 빠르게 확보하는 선호적 연결 양상이 강화되었다(Hunter, 2007). 이는 네트워크가 특정 다수연결 노드를 중심으로 점차 집중화 및 계층화되고 있음을 의미하며, 결과적으로 허브앤스포크 구조가 강화되는 양상을 보였다.

이러한 연구 결과는 크게 두 가지 함의를 제공한다. 첫째, 혁신의 지리학 관점에서 근접성 효과와 더불어 네트워크 이론의 선호적 연결 효과가 한국의 도시 간 특허 기술거래 네트워크 형성 과정을 설명하는 주요한 요소라는 사실이 확인되었다. 이는 지리적 거리가 가까운 도시끼리, 그리고 행정구역이나 기술 포트폴리오가 유사한 도시끼리 교류를 선호한다는 선행연구의 결과(Daraganova et al., 2012)와 일치한다. 둘째, 네트워크 내 삼자폐쇄나 다중 경로와 같은 방식의 네트워크보다는 도시 간 양방향 교류와 선호적 연결성이 강화되는 방향으로 전개되었다는 점에서, 도시 간 1:1 지식 교환 구조가 지배적인 맥락이 특허 기술거래 네트워크의 형성에 적용된다는 사실을 보여준다.

한편, 본 연구는 횡단면(snapshot) 자료로 시점별 ERGM을 독립적으로 추정했다는 점에서 동태적 네트워크 진화과정을 엄밀히 모형화하지 못했다는 한계를 가진다. 네트워크가 시간의 흐름에 따라 어떻게 전환되고 이어지며 단절되는지를 해석하기 위해서는, 동적 네트워크 모델을 적용할 필요가 있다(Snijders et al., 2006). 마지막으로 후속연구를 통해 특정 산업 및 기술 분야별 특성과 클러스터와 같은 공간적 영역을 고려한 분석이 이루어진다면, 기술거래의 공간적 속성과 작동기제를 보다 정교하게 파악할 수 있을 것으로 기대한다.