네트워크적 요인이 산업의 생산성에 미치는 영향 분석
Analysis of the Impact of Industrial Network Factors on Industrial Productivity
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 생산성과 생산에 네트워크적인 요인이 유의미한 영향을 줄 수 있는가를 알아보기 위한 목적으로 출발하였다. 실험을 위하여 우리나라 대분류된 연도별 투입· 산출표를 이용하여 15년 간의 패널 데이터를 구성하였다. 연도별 산업별로 생산성, 산업별 생산의 크기, 그리고 네트워크적 중심성을 계산하기 위하여 연결 중심성(degree centrality), 근접 중심성(closeness centrality), 매개 중심성(betweenness centrality), 아이겐중심성(eigenvector centrality), 패이지랭크 중심성(PageRank centrality), 랜덤 중심성(random centrality) 등이 계산되었고, 동시에 결집계수를 찾기위하여 매년 산업별로 전체결집계수(total clustering coefficient, 내-결집계수(in-clustering coefficient), 외-결집계수(out-clustering coefficient)를 계산하였다. 그리고 생산성과 생산을 설명하는 유의미한 모형을 찾기 위하여 가능한 모든 조합의 모형이 시도되었고 정보기준(information criteria)에 따라 최선의 모형이 선택되었다. 분석 결과, 생산성과 생산을 설명하는 유의미한 변수로는 페이지 중심성이 다른 중심성에 비하여 유의미한 변수로 평가되었다. 두 번째 발견은 결집계수가 매우 중요한 설명변수로 작용하고 있음을 확인할 수 있었다. 이 발견이 중요한 이유는 지금까지는 특정 노드의 생산성과 생산에 미치는 영향이 특정 노드의 중요성이 반영되는 변수임에 반하여 이 발견은 특정 노드를 둘러싸고 있는노드도 매우 중요한 역할을 하고 있음을 알리는 발견인 점에 있다. 그리고 마지막으로 발견된 점은 최적 모델을 정보기준(information criteria)으로 선택하면 다수의 중심성과 다수의 결집계수가동시에 한 개의 모형을 이루고 있어, 변수별로 각기 다른 정보를 우리에게 전달하고 있음을 알 수있다.
Abstract
This study investigates network factors' impact on productivity and production. Experimentsutilised 15 years' panel data, classified by major industry in South Korea. Various measures were calculated for regression models, including degree centrality, closeness centrality, between centrality, eigenvalue centrality, page centrality, and random centrality. Additionally, clustering coefficients were calculated, such as the total clustering coefficient, in-clustering coefficient, and out-clustering coefficient. To find significant variables for explaining productivity and production, all possible combinations of variables were attempted, and the best model was selected based on information criteria. The analysis results showed that page centrality was a significant variable explainingproductivity and production compared to others. The clustering coefficient was alsoconfirmed as a very important explanatory variable. This is important because it shows thatthe productivity and production of a specific node are greatly influenced by its neighbours,contrary to the previous belief that they are influenced by the importance of the node itself. Finally, the optimal model was selected based on information criteria, and multiplecentralities and multiple clustering coefficients simultaneously formed a single model