연구보고서
보고서명머신러닝을 활용한 재정사업평가: 정책금융 사례를 중심으로
원문다운로드 자료활용안내
국가정책연구포털(NKIS)이용에 항상 감사드립니다.
이용하시는 자료는 연구기관의 소중한 연구성과물로 저작권 및 이용조건 등을 준수하여 활용해 주시기 바랍니다.
자료 다운로드를 위해 하단의 자료이용 동의서 및 사용목적 등에 응답 부탁드립니다.
답변하신 내용은 NKIS 정보 활용 현황 및 서비스 분석을 위한 기초자료로 활용됩니다.
감사합니다.
자료 이용 시, 국가정책연구포털(NKIS)에서 제공하는 저작물을 이용하였음을 명시할 것을 동의합니다.
무단으로 연구성과물을 사용하였거나 NKIS에서 제시한 이용조건을 이행하지 않았을 경우,
저작권법에 따라 관련기관에 처벌을 받을 수 있으며, 즉시 저작물의 이용허락을 중지할 수 있습니다.
국문초록
- 본 연구는 정책금융 수혜자를 선정하는 데 머신러닝 방법론이 정책 효과성 측면에서 개선에 도움이 될 수 있는지를 탐색하였다. 머신러닝 방법론의 유용성을 검토하기 위해 신용보증기금의 정책효과를 선행연구에서 많이 사용한 성향점수매칭 방법론과 머신러닝 알고리즘인 커절 포레스트를 이용하여 분석하고 추정 결과를 비교하였다. 두 가지 방법론에 의한 추정 결과는 질적으로 유사해 두 방법론이 상호 보완적으로 사용될 수 있음을 확인하였으나, 성향점수매칭의 경우 성향점수를 로짓모형을 통해 추정할 때 추정에 사용된 변수에 따라 처치효과의 크기가 많이 달라지는 현상이 관측되었다. 이는 성향점수에 의한 정책효과의 추정치가 변수선택에 따라 강건하지 않음을 의미하며 머신러닝이 효과성 추정에서도 기존 통계모형의 한계점을 극복할 수 있는 좋은 대안이 될 수 있음을 함의한다.
또한 본 연구에서는 성향점수매칭과 커절 포레스트를 활용해 정책금융 지원효과의 이질성을 분석하고 두 방법론을 비교하였다. 머신러닝을 활용한 처치효과의 이질성 분석은 사업체들의 주어진 독립변수의 값에 따라 조건부 평균처치효과를 계산할 수 있기 때문에 성향점수매칭과 비교하여 보다 세밀한 이질성 분석이 가능하였다. 구체적으로 매출액에 대한 이질적인 처치효과를 처치효과의 크기 순으로 나열했을 때 평균처치효과는 4.45%였지만, 처치효과 기준으로 상위 10%에 속하는 사업체들의 평균적인 처치효과는 8.82%, 하위 10%에 속하는 사업체들은 0.97%로 나타나 신용보증기금의 정책효과가 매우 이질적임을 알 수 있었다. 또한 설명변수 중 하나인 사업체의 과거 영업이익의 크기 변화에 따라 매출액이 증대되는 효과가 매우 크게 비선형적으로 변화하는 것으로 나타났다. 머신러닝에 기반한 처치효과의 이질성 분석은 기존의 선형모형에서 발견하기 어려운 비선형적 패턴 발견이나 처치효과의 차이를 크게 발생하는 설명변수가 무엇인지를 식별하는 데 유용할 것으로 보인다. 본 연구 결과에 따른 정책적 시사점은 크게 두 가지로 제시할 수 있다. 첫째, 신용보증기금, 기술보증기금 등 중소기업을 대상으로 하는 정책금융 선정 과정에 머신러닝 방법론을 활용하는 것이며, 둘째, 비단 정책금융 분야에 국한되지 않고 향후 정부의 재정사업 효과성 평가에 머신러닝 방법론을 보완적으로 사용하는 것이다.