혁신도시가 지식창출에 미치는 영향: 혁신 네트워크에 따른 지역 내·외부 연계 양상 및 게이트 키퍼의 역할을 중심으로

Ⅰ. 서 론

우리나라 산업화 과정에서 초래된 수도권 일극 중심 개발은 수도권과 비수도권 간의 불균형을 점차 심화시키고 있다. 이러한 격차는 비수도권 지역주민의 삶의 질을 저하시킬 뿐만 아니라, 장기적으로 국가의 사회적 비용을 증가시킬 수 있다(장순희, 2015). 혁신도시는 이러한 지역 간 불균형을 완화하기 위해 도입된 정책이다. 혁신도시는 균형발전과 지역혁신 이론이 결합된 형태의 정책으로, 비수도권 지역에 성장거점을 조성하여 균형발전 이념을 실현하고자 한다. 혁신도시의 핵심 목표는 외부로부터 이전한 공공기관과 지역 내 기업, 대학, 연구기관이 상호 협력함으로써, 지역이 내생적인 발전을 기반으로 장기적 성장을 달성하는 것이다. 혁신도시는 2003년에 기본구상이 발표된 이래로 20여 년에 걸쳐 조성 및 운영되었다(국토교통부, 2019). 2차 공공기관 이전이 현 정부의 123대 국정과제에 포함되면서(국무조정실, 2025), 혁신도시의 정책효과를 체계적으로 평가하는 것이 중요한 과제로 떠오르고 있다.

혁신도시는 단기적으로 인구와 고용을 비수도권으로 분산시키는 효과가 있었지만(김태환 외, 2020), 그 효과는 장기적으로 지속되지 못했다고 평가받는다(정민수 외, 2024). 혁신도시의 성과가 일회적인 수준효과(level effect)에 그치지 않고, 장기적인 성장효과(growth effect)로 이어지기 위해서는 지역의 지식창출이 중요하다. 장기적인 경제성장의 핵심은 혁신에 있으며(Schumpeter, 1934; Solow, 1956; Romer, 1986), 수도권과 비수도권 간의 불균형은 기술발전의 차이에서 비롯되기 때문이다(정민수 외, 2024). 그럼에도 혁신도시 내 산·학·연 클러스터의 형성은 여전히 미흡하다고 평가받는다(김정홍 외, 2020). 하지만, 혁신도시에서 지식이 어떠한 메커니즘으로 창출되는지에 대한 연구는 부족한 실정이다. 특히, 혁신도시가 어떤 연계 유형을 통해 지식을 창출하며, 장기적 성장으로 이어지기 위해서는 어떤 연계 구조를 갖추어야 하는지에 대한 이해는 아직 불명확하다.

본 연구의 목적은 혁신도시 연계 특성에 따른 지식창출 메커니즘을 규명하는 것이다. 이를 위해 글로벌 파이프라인(global pipeline), 로컬 버즈(local buzz), 게이트 키퍼(gatekeeper) 개념을 활용하여 지역에서 지식이 창출되는 과정을 엄밀하게 살펴보았다. 구체적으로는 다음 세 가지 연구질문을 설정하였다. (1) 혁신도시는 지역의 지식창출을 증가시켰는가? (2) 혁신도시는 지역 내부/외부와의 연계를 통해 지식창출을 증가시켰는가? (3) 게이트 키퍼의 존재 여부에 따라 혁신도시는 지식창출 양상에 차이를 보이는가? 이러한 연구질문을 검증하기 위해, 본 연구는 공동특허 자료를 활용하고, 준실험설계인 이중차분법(Difference-In-Differences, DID)과 삼중차분법(Triple Differences, TD)을 적용하여 혁신도시의 인과효과를 추정하였다.

Ⅱ. 선행연구 고찰

1. 혁신도시 배경 및 관련 선행연구

혁신도시는 수도권에 집중된 국토 공간구조를 다극분산형으로 전환하기 위해 조성되었다(김광익 외, 2006; 진영환 외, 2006). 혁신도시의 목표는 <그림 1>에 제시된 바와 같이 ‘지방의 자립화를 통한 국가균형발전’이며, 이를 실현하기 위한 세부 목표로 ‘특성 있는 지역발전’과 ‘지역성장 기반 구축’이 설정되었다(진영환 외, 2006). 혁신도시는 공공기관의 지방 이전과 산·학·연·관 클러스터 구축을 통해 특성화된 성장거점을 형성하는 것을 핵심 전략으로 삼았다. 이러한 전략은 혁신도시가 생산요소의 일시적 이전으로 그치는 것이 아니라, 지역혁신체계(Regional Innovation System, RIS)를 기반으로 한 장기적인 지역성장을 유도한다. 혁신도시의 근본적 의도는 이를 통해 지역의 자립적 성장을 도모하고, 궁극적으로 국가균형발전을 실현하는 것이다. 참여정부는 2003년 ‘혁신도시 기본구상’을 발표하며 혁신도시 건설과 공공기관의 지방 이전을 본격적으로 추진하였다(국토교통부, 2019). 2012년 시작된 공공기관 지방 이전은 2019년이 되어서야 완료되었으며, 수도권 소재 공공기관 153개와 약 5.2만 명이 혁신도시를 포함한 지방으로 이전하였다(국토교통부, 2019).

Figure 1.

Goal of innovation city (Jin et al., 2006)

선행연구들은 혁신도시의 성과를 주로 인구(손동글·허재완, 2018; 김태환 외, 2020; 조규민·손동욱, 2020; 임소현·지수호, 2024), 고용(김태환 외, 2020; 문윤상, 2020; Lee et al, 2024), GRDP(임태경, 2019) 변화로 평가하였다. 혁신도시는 수도권과 비수도권 간 인구 역전 시점을 기존 2011년에서 2019년으로 약 8년가량 늦추는 효과를 보였다(김태환 외, 2020). 그러나 혁신도시의 인구 증가는 수도권보다 인근 지역에서 유입된 인구에 의해 이루어졌으며, 2023년을 기점으로 오히려 인구유출이 유입을 초과하고 있다(정민수 외, 2024). 고용 측면에서는 공공기관 이전 후 민간 고용이 증가하였으나 대부분 서비스업에 국한되었으며(Lee et al., 2024), 지역의 장기적 발전에 핵심적인 지식기반산업 부문 고용 증가는 관찰되지 않았다(문윤상, 2020). 종합하면, 혁신도시는 단기적으로 비수도권 지역의 인구와 고용을 증가시켰으나, 지속적인 효과를 기대하기는 어려운 상황이다.

혁신도시가 지역의 장기적인 성장을 견인하기 위해서는 지식창출이 핵심이다. 여러 이론은 혁신을 통한 새로운 성장동력의 확보가 장기적인 경제성장의 근간임을 강조한다(Schumpeter, 1934; Solow, 1956; Romer, 1986). 실증연구에서도 수도권과 비수도권 간의 성장 격차는 노동이나 자본 투입보다는 기술발전과 인적자본 등 총요소생산성 차이에 의해 확대됨을 밝히고 있다(정민수 외, 2024). 이러한 불균형은 지식의 암묵적(tacit) 특성에서 기인한다. 지식은 지리적으로 근접한 행위자들 간의 비공식적인 상호작용을 통해 확산된다(Polanyi, 1966). 따라서 지식은 지역에 지리적으로 착근되는 경향을 보이며, 이는 특정 지역에 지식이 집중되는 결과를 초래한다(Jaffe et al., 1993). 더불어 지역 간에는 혁신을 뒷받침하는 행위자, 네트워크, 제도 등 혁신 시스템의 수준에서 차이가 존재한다(Asheim et al., 2019). 이러한 격차는 지식창출 역량의 차이로 이어지며, 지역 간 불균형을 더욱 심화시킨다. 혁신도시는 이러한 구조적 불균형을 완화하기 위한 시도로, 비수도권에 산·학·연·관 클러스터를 조성하여 혁신을 촉진하는 성장거점을 마련하고자 하였다. 이처럼 혁신도시의 정책효과가 일시적인 수준효과(level effect)에 그치지 않고 성장효과(growth effect)로 이어지기 위해서는 지역혁신체계 구축과 기술혁신이 필수적이다.

그러나 이러한 정책적 노력에도 불구하고, 혁신도시가 실질적으로 지역혁신체계를 구축하고 지식을 창출했다고 보기는 어렵다. 여러 연구에 따르면, 혁신도시는 지역 내 주요 행위자 간의 연계가 미흡하다(김진범 외, 2017; 윤영모 외, 2018; 김정홍 외, 2020). 특히 혁신도시 내부는 물론 주변 도시와의 유기적 연계가 부족하다는 지적이 제기되고 있다(김은란 외, 2021). 김정홍 외(2020)는 혁신도시로 이전한 공공기관들이 서로 이질적인 산업분야에 속해 있어 입주기업과의 전후방 연계가 제대로 형성되지 않는다고 분석하였다. 이처럼 혁신도시는 산·학·연·관 간의 연계가 취약하여 기대했던 혁신 클러스터가 작동하지 못하고 있다. 지식은 여러 행위자 간의 양방향 상호학습을 통해 전파되는 만큼(Song and Kim, 2023), 이러한 연계부족은 지역의 지식창출을 저해하는 핵심 요인으로 작용한다. 즉, 혁신도시가 정책목표를 달성하기 위해서는 행위자 간의 공동학습을 통한 지식창출이 무엇보다 중요하다. 그러므로 혁신도시의 성과는 정책도입 취지에 따라 공동학습으로 지식창출을 촉진하였는지를 검토할 필요가 있다. 이러한 맥락에서 본 연구는 다음과 같은 가설을 설정하였다.

H1: 혁신도시는 공동학습을 통해 지역의 지식창출을 증가시켰다.

Ⅲ. 연구설계

1. 공동특허 자료

본 연구는 지역의 혁신 네트워크를 분석하기 위해 공동특허 자료를 활용하였다. 특허청에 특허가 등록하면 등록특허공보라는 문서가 생산된다. 특허권자란에 두 명 이상의 출원인이 기재되어 있는 경우 여러 행위자가 상호학습을 통해 지식을 생산한 공동특허로 간주한다. 공동특허는 여러 행위자 간의 양방향 상호학습으로 지식을 공동생산한 결과물로 해석되며, 이러한 점에서 특허의 인용·피인용 관계보다 지식 네트워크를 더 적절하게 측정할 수 있다(Song and Kim, 2023). 본 연구는 한국 특허청에 2005년부터 2021년까지 출원된 공동특허를 지식재산정보 검색서비스(Korea Intellectual Property Rights Information Service, KIPRIS)에서 API로 전수 조사하였다. 그러나 KIPRIS는 출원인의 주소 정보를 특허의 등록 시점이 아닌 현재 시점을 기준으로 제공한다. 본 연구는 공공기관의 지방이전이 주요 분석대상이므로 특허가 등록된 시점의 지리적 위치가 중요하다. KIPRIS에서 제공하는 자료와 달리 등록특허공보 원문에는 특허 등록 시점의 출원인 주소지가 기재되어 있다. 따라서 등록특허공보 원문에서 추출한 행위자의 주소 정보를 바탕으로 출원인의 지리적 위치를 수정하였다. 최종적으로 총 160,903건의 공동특허가 분석에 활용되었다.

본 연구는 혁신도시의 지식창출이 지역 내부 연계와 외부 연계 중 어느 경로를 통해 이루어졌는지 분석하고자 한다. 이를 위해 <그림 2>와 같이 공동특허 자료를 기반으로 지역 내부 연계와 외부 연계를 구분하였다. 혁신 네트워크에서 지역의 범위는 분석의 맥락에 따라 다양하게 정의될 수 있다(Boschma, 2005). 지역 내부의 범위는 동일 시·군·구, 동일 시·도, 동일 권역(5+2 광역경제권¹⁾)으로 구분하였다. 공동특허의 연계 강도는 분수방식(fractional counting)을 사용하였다. 분수방식은 개별특허 1건을 1로 보고 출원인 수에 따라 나누어 세는 방식이다(Maraut et al., 2008). 지역 간의 특허 성과를 비교하는 연구들은 주로 해당 방법을 사용한다(Maraut et al., 2008; 임화진, 2013). <그림 2>와 같이 하나의 공동특허에 4명의 출원인이 있을 경우 총연결 수는 6개이고, 각 연결의 가중치는 1/6이 되는 방식이다. 즉, 다수의 출원인이 공동으로 참여하는 특허일수록 각 연계에 할당되는 기여도는 작아진다.

Figure 2.

Method for counting co-patents

3. 이중차분법 및 삼중차분법

본 연구는 혁신도시의 정책효과를 인과적으로 추정하기 위해 이중차분법(Difference-in-Differences, DID)과 삼중차분법(Triple Differences, TD)을 활용하였다. 이중차분법은 평행추세 가정을 바탕으로, 처치를 받은 집단의 실제값과 처치를 받지 않았다면 예상되는 반사실(counterfactual) 간의 차이를 비교하여 평균처치효과(ATT)를 추정하는 방법이다(Angrist and Pischke, 2014). 이중차분법의 핵심은 평행추세가정으로 처치집단과 통제집단이 처치 외에 다른 요인에 의해 상이한 경향을 보이지 않는다는 것을 전제로 한다(Cunningham, 2021). 즉, <그림 3(a)>를 보면, 처치집단이 통제집단과 동일한 추세로 변화했을 반사실과 실제값과의 차이로 인과효과(causal effect)를 추정한다. 본 연구에서 인과추론을 활용하는 목적은 혁신도시 지정 이후 자연 증가한 지식창출이나 원래부터 지식창출이 활발한 지역에 혁신도시가 선정된 것을 혁신도시의 효과로 오인하지 않기 위함이다. 본 연구에서는 첫 번째(H1), 두 번째(H2), 세 번째(H3) 가설을 검증하기 위해 이중차분법을 활용하였다. 이중차분법의 수식은 식 (1)과 같다.

Figure 3.

(a) Explanation of the DID (Difference-in-Differences) (b) Explanation of the TD (Triple Differences)

$$

(1)

Treat_i는 혁신도시의 지정 여부를 나타낸다. 혁신도시가 지정된 14개²⁾의 지역이 처치집단이고 수도권과 세종특별자치시를 제외한 나머지 148개 지역(시·군·구)이 통제집단이다. Post_t는 정책이 시행된 시점을 의미하는 변수로, 2013년을 기준으로 사전과 사후를 구분하였다. Treat_i ×Post_t은 Treat_i와 Post_t의 상호작용항으로 이중차분법에서 추정하고자 하는 정책의 평균처치효과를 추정한다.

$$

(2)

본 연구에서 실제 사용하는 모델은 식 (1)에 Z_it(통제변수), μ_i(개체 고정효과) δ_t(시간 고정효과)를 추가한 식 (2)이다. μ_i와 δ_t가 추가되면서 Treat_i와 Post_t는 고정효과에 의해 흡수되었다.

또한, 모델의 강건성을 확인하고 정책효과의 시계열적인 변화를 확인하기 위해 결과를 이벤트 스터디(event study) 로 시각화하였다. 이벤트 스터디는 처치 직전 시점을 기준으로 각 시점의 효과를 분해한 모형으로, 평행추세가정을 검증할 수 있는 도구로 평가받는다(Cunningham, 2021). 본 연구는 2012년을 기준시점으로 설정하여, 평행추세가정을 검증하고 처치 이후 각 연도의 처치효과를 추정하였다.

삼중차분법은 두 개의 이중차분 추정량 간의 차이를 활용하여 이질적인 처치효과(heterogeneous causal effect)를 추정하는 방법론이다(Gruber, 1994; Olden and Møen, 2022). 즉, 삼중차분법은 특정한 조정변수(modifier)에 따라 정책효과가 달라질 수 있음을 식별한다. <그림 3(b)>를 보면, 조정변수가 1일 때와 0일 때의 이중차분 추정값은 다르며, 이러한 차이는 인과효과의 이질성으로 해석된다. 삼중차분법은 이처럼 두 이중차분 추정량 간의 차이로 이질적인 인과효과를 추정한다. 본 연구에서는 네 번째 가설(H4)을 검증하기 위해 삼중차분법을 활용하였다.

$$

(3)

식 (3)은 식 (1)에 Modifier_i와 각 상호작용항을 추가한 삼중차분 모형이다. Modifier_i는 혁신도시 건설 이전에 게이트 키퍼가 존재했는지를 나타낸다. 즉, 게이트 키퍼가 존재한 지역에 건설된 혁신도시와 존재하지 않았던 지역에 건설된 혁신도시 간의 정책효과 차이를 추정한다. 이러한 이질적인 처치효과는 Treat_i ×Post_t ×Modifier_i의 계수를 통해 추정할 수 있다.

$$

(4)

본 연구에서 사용된 최종 모델은 식 (4)이다. 식 (2)와 마찬가지로 Z_it(통제변수), μ_i(개체 고정효과) δ_t(시간 고정효과)를 포함하여 일부 항이 고정효과에 의해 흡수되었다.

시간가변 요인으로 인한 내생성을 완화하기 위해(Olden and Møen, 2022), 본 연구는 <표 1>과 같이 통제변수를 구성하였다. 지식창출에 영향을 미칠 수 있는 변수로 R&D 스톡, 인적자본, 산업다양성, 제조업 종사자 비율, 연구개발업 종사자 수, 총고용자 수를 고려하였다.

Table 1.

Definition of variable

선행연구는 지식생산함수에 따라 지식창출의 결정요인으로 R&D 스톡과 인적자본을 보편적으로 고려하였다(Griliches, 1979; Jaffe, 1986; Lee and Sohn, 2019). 지식은 단기적인 R&D 투자보다 과거부터 누적된 R&D 스톡에 더욱 의존한다(Griliches, 1979). 본 연구는 Lee and Sohn(2019)과 유사하게 시도 단위의 R&D 스톡을 해당 지역의 대리변수로 활용하였다. R&D 스톡은 지역별 연구개발비에 대해 영구재고법³⁾을 적용하여 계산하였다. 인적자본은 4년제 대학 이상 졸업자 수⁴⁾로 측정하였다. 산업다양성을 비롯한 산업구조는 지식 생산에 영향을 미치는 또 다른 요인이다(Feldman and Audretsch, 1999). 본 연구는 산업 중분류 수준의 엔트로피 지수로 산정한 산업다양성와 제조업 종사자 비율로 산업구조를 반영하였다. 또한, 지역 내에 축적된 과학기술인력을 고려하기 위해 연구개발업 종사자 수를 통제하였다. 마지막으로 총고용자 수를 통제하여 지역의 경제규모를 고려하였다.

Ⅳ. 분석결과

1. 기초통계 및 게이트 키퍼 식별

처치집단과 통제집단이 정책 시행 이전에 유사한 조건을 갖추고 있는지를 확인하기 위해 T-검정(T-test)을 수행하였다. T-검정은 두 집단 간 평균 차이가 통계적으로 유의한지를 검증하는 방법론이다. 본 연구는 정책시행 직전 연도인 2012년을 기준으로 <표 2>와 같이 처치집단과 통제집단 간의 변수 평균을 비교하였다. 분석결과, R&D 스톡을 제외한 대부분의 변수에서 두 집단 간의 평균 차이는 통계적으로 유의하지 않았다. 이는 처치 이전에 시점에 두 집단이 유사할 가능성이 높음을 시사한다.

Table 2.

Descriptive statistics of 2012 data

본 연구는 앞서 설명한 방법론에 따라 게이트 키퍼를 식별하였다. 그 결과는 <그림 4(a)>에 제시되어 있다. X축은 동일 시·도 내부 협력의 정도, Y축은 권역 외부 협력의 정도, 각 점은 개별 혁신 행위자를 의미한다. 민감도 분석을 위해 다양한 임곗값(상위 0.1%, 0.5%, 1%)을 기준으로 게이트 키퍼를 식별하였다. 적색 점은 개인이나 민간 법인을 포함한 민간 영역의 행위자를 의미한다. 청색 점은 연구원, 대학, 공공기관과 같은 공공 영역의 행위자를 의미한다. 공공 영역의 행위자가 민간 영역의 행위자에 비해 게이트 키퍼로 더 자주 식별되었다. 이는 김지수 외(2020)의 연구 결과와도 일치하는데, 비수도권에서는 공공 영역의 행위자가 게이트 키퍼의 역할을 수행하였다. 즉, 비수도권에서는 공공성을 가진 행위자가 외부로부터 지식을 흡입하고 내부에 지식을 전파하였다. 게이트 키퍼로 식별된 행위자의 구체적인 목록은 <부록 1>에 수록하였다. 게이트 키퍼의 공간적 분포는 <그림 4(b)>와 같으며 주로 광역권의 거점도시에 분포하고 있다.

Figure 4.

(a) Gatekeeper identification graph, (b) Gatekeeper spatial visualization

2. 회귀분석 결과

본 연구는 첫 번째 가설(H1: 혁신도시는 공동학습을 통해 지역의 지식창출을 증가시켰다)을 검증하기 위해 이중차분법을 활용하였으며, 그 결과는 <표 3>에 제시되어 있다. [Model1]은 독립변수만 포함한 결과이며, [Model2]는 여기에 통제변수를 추가한 결과이다. [Model3]은 식 (2)에 따라 시간 고정효과와 개체 고정효과를 모두 추가한 모형이다. 본 연구는 혁신도시의 효과를 분석하기 위해 상호작용항(Treat×Post)의 계수를 중심으로 살펴보았다.

Table 3.

Results of DID model (by total co-patents)

정책효과의 해석은 고정효과를 추가한 [Model3]를 기준으로 하였다. [Model3]에서 상호작용항(Treat×Post)의 회귀계수는 6.995로 5% 유의수준에서 통계적으로 유의하다. 혁신도시 건설은 혁신도시가 건설되지 않았을 때 예상되는 반사실(counterfactual)보다 평균적으로 6.995건의 공동특허를 더 창출하였다. 즉, 혁신도시는 지역의 지식창출을 유의하게 증가시킨 것으로 해석된다.

<그림 5>는 이벤트 스터디 분석 결과를 시각화한 것으로, 처치 직전 연도인 2012년을 기준으로 각 연도의 처치효과를 추정하였다. Y축은 상호작용항의 회귀계수를 나타내며, 각 연도에서 2012년과 비교하여 처치효과가 어떻게 변화했는지를 보여준다. 2012년 이전의 처치효과가 95% 신뢰구간에서 유의하지 않아 평행추세가정을 충족하였다. 처치 이후에는 일부 연도에서 통계적으로 유의한 효과가 나타났다. 앞선 결과들을 종합하면, 혁신도시는 공동학습을 통해 지역의 지식창출을 유의하게 증가시켰다.

Figure 5.

Event study on the total co-patents model

다음으로 두 번째 가설(H2: 혁신도시는 지역 내부 행위자와의 연계로 지식창출을 증가시켰다)과 세 번째 가설(H3: 혁신도시는 지역 외부 행위자와의 연계로 지식창출을 증가시켰다)을 검증하였다. 이는 앞선 분석에서 확인된 혁신도시의 지식창출 효과가 지역 내부의 연계에서 기인한 것인지, 지역 외부와의 연계로 발생한 것인지를 구분하기 위함이다. 즉, 혁신도시가 로컬 버즈를 강화하였는지, 글로벌 파이프라인을 확장하였는지를 분석하고자 하였다. 공동특허를 지역 내 특허와 지역 외 특허로 구분하고, 각각에 대해 이중차분법으로 분석하였다. 분석 결과는 <표 4>에 제시되어 있다. 본 연구는 앞선 분석과 동일하게, 상호작용항(Treat×Post)의 계수로 정책효과를 식별하였다.

Table 4.

Results of DID model (by within/outside regional co-patents)

지역 내 공동특허를 종속변수로 설정한 [Model4]부터 [Model6]까지의 분석에서, 상호작용항(Treat×Post)은 모두 통계적으로 유의하지 않았다. 반면, 지역 외 공동특허를 종속변수로 설정한 [Model7]에서는 상호작용항(Treat×Post)의 회귀계수가 6.087로 1% 유의수준에서 유의하였다.⁵⁾ 이는 혁신도시가 건설되지 않았을 반사실과 비교하여 지역 내부 행위자와의 지식창출은 증가하지 않은 반면, 지역 외부 행위자와의 연계를 통한 지식창출은 증가했음을 의미한다.

<그림 6>은 이벤트 스터디 모델을 통해 연도별 처치효과를 시각화한 결과이다. <그림 6(a)>는 시·군·구, 시·도, 권역별로 지역 내 공동특허를 종속변수로 설정한 모형이다. 분석결과, 모든 공간 범위에서 유의한 처치효과는 관측되지 않았다. <그림 6(b)>는 지역 외 공동특허를 종속변수로 설정한 모형이다. 정책 시행 이전에는 처치효과가 통계적으로 유의하지 않아 평행추세 가정이 충족되었다. 정책 시행 이후에는 2년의 시차(lag)를 두고 통계적으로 유의한 처치효과가 관측되었다. 이상의 결과를 종합하면, 혁신도시는 지역 내부보다는 지역 외부 행위자와의 연계를 통해 지식창출을 증가시켰다.

Figure 6.

(a) Event study on the within co-patents model (b) Event study on the outside co-patents model

마지막으로 네 번째 가설(H4: 게이트 키퍼가 있는 혁신도시는 지역 내부와 외부에서의 지식창출을 균형적으로 증가시켰다)를 삼중차분법으로 검증하였다. 이는 게이트 키퍼가 존재하는 지역에 건설된 혁신도시와 그렇지 않은 지역에 건설된 혁신도시 간의 정책효과 차이를 분석하기 위함이다. 특히, 앞선 분석에서 혁신도시가 외부 연계에 의존하여 지식을 창출한 점을 고려할 때, 게이트 키퍼가 외부 지식을 내부로 전파함으로써 이러한 문제점을 완화할 수 있는지 분석하고자 하였다. 게이트 키퍼가 있는 혁신도시의 효과는 상호작용항(Treat×Post×Modifier)의 계수를 통해 확인할 수 있다. 분석결과는 <표 5>에 제시하였다.

Table 5.

Results of TD model

전체 공동특허 수를 종속변수로 설정한 [Model10]에서 임곗값 상위 0.1% 이상의 상호작용항(Treat×Post×Modifier) 계수는 50.45로 통계적으로 유의하였다. 게이트 키퍼가 존재하는 지역에 건설된 혁신도시는 그렇지 않은 지역에 건설된 혁신도시보다 평균적으로 50.45건의 공동특허를 더 창출했음을 의미한다. 즉, 게이트 키퍼가 존재하는 지역의 혁신도시가 더 높은 지식창출 효과를 보였다.

이어, 게이트 키퍼가 증가시킨 지식창출이 지역 내부 행위자와의 연계에서 비롯된 것인지, 외부 행위자와의 연계에서 비롯된 것인지 분석하였다. 이를 위해, 게이트 키퍼의 임곗값을 상위 0.1%로 설정한 분석모형인 [Model13]와 [Model16]를 중심으로 해석하였다. 지역 내부 공동특허 수를 종속변수로 한 [Model13]에서 상호작용항(Treat×Post×Modifier)의 회귀계수는 31.58로 통계적으로 유의하였다. 지역 외부 공동특허 수가 종속변수인 [Model16]의 회귀계수는 19.61이며 통계적으로 유의하였다. 즉, 게이트 키퍼가 있는 지역에 건설된 혁신도시는 외부 행위자와의 연계(19.61건)보다 내부 행위자와의 연계(31.58건)를 통해 더 많은 지식을 창출하였다. 이러한 결과를 종합하면, 게이트 키퍼가 있는 혁신도시는 지역 내부 연계 기능을 강화하고 외부 의존성을 완화함으로써, 내부와 외부 간의 지식창출을 보다 균형 있게 증가시켰다.

다만, 임곗값을 상위 0.5%로 설정한 모형들은 부분적으로 유의하였으며, 상위 1%로 설정한 모형들은 통계적으로 유의하지 않았다. 이는 높은 수준의 게이트 키퍼를 보유한 혁신도시에서만 게이트 키퍼의 효과가 나타났으며, 게이트 키퍼의 수준이 낮아질수록 이러한 효과는 미미함을 의미한다.

Ⅴ. 논의 및 결론

본 연구는 혁신도시가 지역의 지식창출에 미친 영향을 실증적으로 분석하였다. 특히, 지식창출이 지역 내부 연계(로컬 버즈)를 통해 이루어졌는지, 아니면 지역 외부 연계(글로벌 파이프라인)를 통해 이루어졌는지를 규명하고자 하였다. 이는 특정 유형의 연계에 의존할 경우, 지식창출이 이루어지더라도 지역경제 성장에서 한계에 직면할 수 있기 때문이다. 이러한 문제의식에서 게이트 키퍼 존재 유무에 따라 혁신도시가 로컬 버즈와 글로벌 파이프라인을 적절하게 조합했는지를 살펴보았다. 분석방법으로는 준실험설계인 이중차분법과 삼중차분법을 활용하여 혁신도시의 인과효과를 추정하였다. 본 연구에서 도출한 논의는 다음과 같다.

첫째, 혁신도시는 상호학습을 통해 지역의 지식창출을 증가시켰다. 지역이 장기적인 경제성장을 달성하기 위해서는 지식창출이 핵심요소로 작용하며(Schumpeter, 1934; Solow, 1956; Romer, 1986), 혁신도시는 이러한 지식창출을 통계적으로 유의미하게 증가시켰다. 이는 혁신도시가 정책목표인 ‘지방의 자립화를 통한 국가균형발전’에 기여할 수 있음을 시사한다.

둘째, 그럼에도 혁신도시가 증가시킨 지식창출은 대부분 외부 행위자와의 연계로 발생하였다. 지역 내부 행위자 간의 협력을 통한 지식창출 효과는 통계적으로 관측되지 않았다. 이는 혁신도시가 지역 내 연계가 부족하고 혁신 클러스터 형성이 미흡하다는 기존 연구의 비판과 일치한다(김진범 외, 2017; 윤영모 외, 2018; 김정홍 외, 2020). 즉, 혁신도시는 글로벌 파이프라인을 강화했으나, 로컬 버즈의 형성에는 한계를 보였다. 글로벌 파이프라인에 과도하게 의존하면, 지역 내에서 집적의 외부효과가 발생하지 않아 클러스터가 해체될 우려가 존재하므로(Boschma, 2005), 이에 대한 정책적 보완이 필요하다.

셋째, 게이트 키퍼가 존재하는 혁신도시는 내부 행위자와의 지식창출을 유의하게 증가시켰다. <그림 7>에서 제시된 바와 같이, 일반적인 혁신도시는 지역 외부 연계에 의존하여 클러스터가 해체될 위험성이 존재한다. 그러나 게이트 키퍼가 존재하는 혁신도시는 내부 연계를 강화하여 취약한 로컬 버즈 기능을 보완할 수 있다. 이처럼 혁신도시 내에서 게이트 키퍼는 외부의 지식을 유입하고 내부로 전파하는 매개자 역할을 수행한다. 본 연구에서 식별한 게이트 키퍼는 대부분 대학이나 공공기관과 같은 공공영역의 행위자며, 이는 김지수 외(2020)의 분석과 일치하는 결과이다. 향후 혁신도시 정책은 내부와 외부 연계 간의 균형을 촉진하기 위해, 공공영역 행위자에게 지식의 매개 및 조정 역할을 부여하고, 이를 뒷받침할 수 있는 제도적 기반을 마련하는 것이 필요하다. 또한, 게이트 키퍼의 효과가 소수의 대형 기관(상위 0.1%)에만 국한되지 않고 확장되기 위해서는 하위 수준의 게이트 키퍼(상위 0.5%, 1%)에 대한 공공 지원을 강화할 필요가 있다.

Figure 7.

Conceptual model: Balancing local buzz and global pipelines through gatekeepers

본 연구의 학술적 의의는 혁신도시에서 지식이 창출되는 과정을 글로벌 파이프라인, 로컬 버즈, 게이트 키퍼 개념으로 설명하고, 이를 실증적으로 검증했다는 데 있다. 특히, 혁신도시 내에서 게이트 키퍼가 외부 지식을 유입하고 지역 내에 전파하는 매개자 역할을 수행할 수 있음을 밝혔다. 다음으로, 본 연구의 정책적 의의는 지난 20년 동안 추진된 혁신도시 정책을 평가하고 개선 방안을 제시했다는 점에 있다. 분석결과, 혁신도시에서 내부 연계를 강화할 수 있는 공공 게이트 키퍼의 역할이 중요한 것으로 나타났다. 만약, 추가적인 공공기관 지방이전 정책이 추진된다면, 게이트 키퍼가 지식을 매개할 수 있는 지역으로 공공기관을 이전하는 것이 지식창출 관점에서 타당할 것이다.

마지막으로 본 연구는 다음과 같은 몇 가지 한계를 지닌다. 첫째, 본 연구는 모든 특허의 질적 수준을 동일하게 간주하였다. 특허의 질적 수준은 인용 수, 패밀리 규모, 기술 복잡성 등으로 측정될 수 있으나(Balland and Rigby, 2017), 본 연구는 자료의 한계로 분석에서 고려하지 못했다. 둘째, 본 연구는 기술혁신에 초점을 맞추었으나, 지역혁신체계에서는 기술혁신뿐만 아니라 실천기반의 사회적 혁신도 중요하다(이소영·최민정, 2020). 기술 발전이 곧바로 지역의 이익과 연결되는 것은 아닐 수 있으며, 혁신의 수요자인 시민의 관점에서 지역의 혁신이 고려되어야 한다. 셋째, 연구의 내적 타당성을 확보하기 위해서는 각 혁신도시에 대한 사례를 심층적으로 다루어야 한다. 각 지역에서 게이트 키퍼가 실제 지식을 어떻게 매개했는지를 분석한다면, 혁신도시 내 지식창출 메커니즘을 보다 심층적으로 이해할 수 있을 것이다.

Acknowledgments

이 논문은 대한국토·도시계획학회 2024 추계산학학술대회에서 발표한 내용을 수정·보완하여 작성하였음.

References

• 강현수·강민규, 2020. “균형발전을 위한 광역 협력사업 추진방안”, 「국토이슈 리포트」, 23: 1-24.
  Kang, H.S. and Kang, M.G., 2020. “Strategies for Promoting Inter-Regional Cooperation for Balanced Regional Development”, KRIHS Issue Report, 23: 1-24.
• 국무조정실, 2025. “이재명정부 123대 국정과제 확정”, 세종.
  Office for Goverment Policy Coordination, 2025. “The Lee Jae-myung Administration Finalizes 123 National Policy Tasks”, Sejong.
• 국토교통부, 2019. “수도권 소재 153개 공공기관 지방이전 완료”, 세종.
  Ministry of Land, Infrastructure and Transport, 2019. “Relocation of 153 Public Institutions from the Seoul Metropolitan Area to Local Regions Completed”, Sejong.
• 김광익·이동우·권영섭·김형진·박경현, 2006. 「공공기관 지방이전 및 혁신도시 건설백서 연구」, 안양: 국토연구원.
  Kim, K.I., Lee, D.W., Gwon, Y.S., Kim, H.J., and Park, K.H., 2006. A Study on the White Paper for the Public Agency Relocation in Capital Region and the Inno City Construction, Anyang: Korea Research Institute for Human Settlements.
• 김은란·차미숙·서연미·송지은·신휴석·이효란·고사론, 2021. 「혁신도시와 주변지역 연계 실태와 상생발전 전략 연구」, 세종: 국토연구원.
  Kim, E.R., Cha, M.S., Seo, Y.M., Song, J.E., Sin, H.S., Lee, H.R., and Ko, S.R., 2021. A Study on Win-Win Development Strategies between Innovation Cities and Linked Areas, Sejong: Korea Research Institute for Human Settlements.
• 김정홍·안준기·하정석, 2020. 「혁신도시 입주 기업의 성과분석 및 산업생태계 구축방안」, 세종: 산업연구원.
  Kim, J.H., Ahn, J.K., and Ha, J.S., 2020. Analysis of Firms’ Performances and Suggestions of Industrial Ecosystem Establishment in the Innovation Cities, Sejong: Korea Institute for Industrial Economics & Trade.
• 김지수·최윤기·김송년·오정현·조성민·송우경, 2020. 「지역산업발전을 위한 혁신정책 개선방향 연구: 혁신주체의 상호작용 촉진을 중심으로」, 세종: 산업연구원.
  Kim, J.S., Choi, Y.K., Kim, S.N., Oh, J.H, Cho, S.M., and Song, W.G., 2020. A Study on the Improvement of Innovation Policy for the Development of Regional Industry: Focusing on Promoting the Interaction of Innovators, Sejong: Korea Institute for Industrial Economics & Trade.
• 김진범·정우성·송정현·남기범, 2017. 「지역발전 촉진을 위한 2단계 혁신도시 활성화 방안」, 세종: 국토연구원.
  Kim, J.B., Jeong, W.S., Song, J.H., and Nahm, K.B., 2017. Policy Directions for Revitalizing Innovation City in the 2nd Stage, Sejong: Korea Research Institute for Human Settlements.
• 김태환·민성희·김은란·서연미, 2020. “혁신도시 15년 성과 평가와 미래발전 전략”, 「국토정책 Brief」, 775: 1-8.
  Kim, T.H., Min, S.H., Kim, E.R., and Seo, Y.M., 2020. “Fifteen Years of Innovation Cities: Evaluation of Achievements and Strategies for Future Development“, KRIHS Policy Brief, 775: 1-8.
• 문윤상, 2020. “공공기관 이전을 통한 지역발전전략”, 「지역발전의 정책방향과 전략」, 남창우·송인호·한재필·문윤상·이종연·마강래, 145-201, 세종: 한국개발연구원.
  Moon, Y.S., 2020. “Regional Development Strategies through the Relocation of Public Institutions” in Policy Strategies for Sustainable Regional Development, Nam, C.W., Song, I.H., Han, J.P., Moon, Y.S., Lee, J.Y., and Ma, K.R., 145-201, Sejong: Korea Development Institute
• 박용규·정성훈, 2012. “지역산업 클러스터의 세계적-지방적 연결성을 위한 주요 요소들”, 「한국경제지리학회지」, 15(4): 642-659.
  Park, Y.G. and Jung, S.H., 2012. “Main Elements for the Global-Local Connectivity of Regional Industrial Clusters”, Journal of the Economic Geographical Society of Korea, 15(4): 642-659. [https://doi.org/10.23841/egsk.2012.15.4.642]
• 손동글·허재완, 2018. “공공기관 지방이전의 수도권 인구집중 완화 효과에 관한 연구”, 「국토계획」, 53(3): 5-18.
  Son, D.G. and Hur, J.W., 2018. “A Study on the Effectiveness of the Relocating Public Organization on the Reduction of Population Concentration in the Seoul Metropolitan Area”, Journal of Korea Planning Association, 53(3): 5-18. [https://doi.org/10.17208/jkpa.2018.06.53.3.5]
• 윤영모·차미숙·김선희·서연미·차은혜·오민정·서일원, 2018. 「혁신창출형 지역발전기반 구축 연구: 혁신도시를 중심으로」, 세종: 국토연구원.
  Yoon, Y.M., Cha, M.S., Kim, S.H., Seo, Y.M., Cha, E.H., Oh, M.J., and Seo, I.W., 2018. Establishment of Foundation for Innovation-Driven Regional Development of Innovation Cities, Sejong: Korea Research Institute for Human Settlements.
• 이소영·최민정, 2020. 「지역혁신 강화를 위한 혁신도시 협력체계 구축 방안」, 원주: 한국지방행정연구원.
  Lee, S.Y. and Choi, M.J., 2020. Establishment of the Cooperative system in Innovation Cities for Building the Regional Innovation, Wonju: Korea Research Institute for Local Administration.
• 임소현·지수호, 2024. “혁신도시는 외부지역 인구 유입에 실패하였는가?: 혁신도시 정책의 도외 인구 순유입 효과에 대한 실증적 검증”, 「지방정부연구」, 27(4): 1-26.
  Lim, S.H. and Ji, S.H., 2024. “Have Innovation Cities Failed to Attract Population from Other Regions?: An Empirical Examination of the Net Population migration Effects of Innovation City Policy”, The Korean Journal of Local Government Studies, 27(4): 1-26. [https://doi.org/10.20484/klog.27.4.1]
• 임태경, 2019. “준실험설계에 의한 혁신도시 개발정책이 지역경제 성장에 미치는 영향”, 「지방행정연구」, 33(3): 233-259.
  Lim, T.K., 2019. “The Impact of Innovative City Governed by Federal Government on Regional Economic Growth in South Korea: Focused on Quasi-Experimental Design”, The Korea Local Administration Review, 33(3): 233-259.
• 임화진, 2013. “사회 네트워크 분석을 통한 지식 네트워크의 국토공간 구조 분석”, 「국토계획」, 48(6): 235-248.
  Lim, H.J., 2013. “Analyzing the Spatial Structure of Knowledge Network through Social Network Analysis”, Journal of Korea Planning Association, 48(6): 235-248.
• 장순희, 2015. “생활자치와 국가균형발전”, 「자치발전」, 11: 32-40.
  Jang, S.H., 2015. “Local Self-Governance and National Balanced Development”, Local Government Review, 11: 32-40.
• 정민수·이영호·유재성·김의정, 2024. “지역경제 성장요인 분석과 거점도시 중심 균형발전”, 「BOK 이슈 노트」, 2024(15): 1-36.
  Chung, M.S., Lee, Y.H., You, J.S., and Kim, E.J., 2024. “Analysis of Regional Economic Growth Factors and Balanced Development Centered on Hub Cities”, BOK Issue Note, 2024(15): 1-36.
• 조규민·손동욱, 2020. “공공기관의 지방 혁신도시 이전 후 지역활성화 효과에 관한 연구”, 「국토연구」, 107: 61-78.
  Cho, G.M. and Sohn, D.W., 2020. “An Assessment of the Effect of the Relocation of Public Institutions to Local Innovation Cities on Regional Growth”, The Korea Spatial Planning Review, 107: 61-78.
• 조성철·안종욱·최예술·전봉경·배인성·김경민·김지수, 2022. 「국가균형발전 및 지역혁신을 위한 지방대학의 역할 정립방안」, 세종: 국토연구원.
  Cho, S.C., Ahn, J.W., Choi, Y.S., Jeon, B.K., Bae, I.S., Kim, K.M., and Kim, J.S., 2022. Policies to Foster the Roles of Local Universities for Balanced National Development and Regional Innovation, Sejong: Korea Research Institute for Human Settlements.
• 조성철·장요한·장은교·김석윤, 2020. 「지역산업 클러스터의 경쟁력 진단과 발전방안 연구」, 세종: 국토연구원.
  Cho, S.C., Chang, Y.H., Chang, E.K., and Kim, S.Y., 2020. Competitiveness of Regional Industrial Clusters and Policy Directives for Sustainable Development, Sejong: Korea Research Institute for Human Settlements.
• 진영환·박재길·이동우·권영섭·하성덕·류승한·정윤희·박경현·신동진, 2006. 「혁신도시 기본구상을 위한 방향설정 연구」, 안양: 국토연구원.
  Jin, Y.H., Park, J.G., Lee, D.W., Gwon, Y.S., Ha, S.D., Ryu, S.H., Jeong, Y.H, Park, G.H., and Shin, D.J., 2006. Guideline for Innovation City Development, Anyang: Korea Research Institute for Human Settlements.
• Angrist, J.D. and Pischke, J.S., 2014. Mastering 'Metrics: The Path from Cause to Effect, Princeton, NJ: Princeton University Press.
• Asheim, B.T., Isaksen, A., and Trippl, M., 2019. Advanced Introduction to Regional Innovation Systems, Cheltenham, UK and Norhampton, MA: Edward Elgar Publishing.
• Balland, P.A. and Rigby, D., 2017. “The Geography of Complex Knowledge”, Economic Geography, 93(1): 1-23. [https://doi.org/10.1080/00130095.2016.1205947]
• Bathelt, H., Malmberg, A., and Maskell, P., 2004. “Clusters and Knowledge: Local Buzz, Global Pipelines and the Process of Knowledge Creation”, Progress in Human Geography, 28(1): 31-56. [https://doi.org/10.1191/0309132504ph469oa]
• Boschma, R., 2005. “Proximity and Innovation: A Critical Assessment”, Regional Studies, 39(1): 61-74. [https://doi.org/10.1080/0034340052000320887]
• Breschi, S. and Lenzi, C., 2015. “The Role of External Linkages and Gatekeepers for the Renewal and Expansion of US Cities' Knowledge Base, 1990-2004”, Regional Studies, 49(5): 782-797. [https://doi.org/10.1080/00343404.2014.954534]
• Cunningham, S., 2021. Causal Inference: The Mixtape, New Haven, CT: Yale University Press. [https://doi.org/10.12987/9780300255881]
• Feldman, M.P. and Audretsch, D.B., 1999. “Innovation in Cities:: Science-based Diversity, Specialization and Localized Competition”, European Economic Review, 43(2): 409-429. [https://doi.org/10.1016/S0014-2921(98)00047-6]
• Giuliani, E. and Bell, M., 2005. “The Micro-determinants of Meso-level Learning and Innovation: Evidence from a Chilean Wine Cluster”, Research Policy, 34(1): 47-68. [https://doi.org/10.1016/j.respol.2004.10.008]
• Graf, H., 2011. “Gatekeepers in Regional Networks of Innovators”, Cambridge Journal of Economics, 35(1): 173-198. [https://doi.org/10.1093/cje/beq001]
• Griliches, Z., 1979. “Issues in Assessing the Contribution of Research and Development to Productivity Growth”, The Bell Journal of Economics, 10(1): 92-116. [https://doi.org/10.2307/3003321]
• Gruber, J., 1994. “The Incidence of Mandated Maternity Benefits”, The American Economic Review, 84(3): 622-641.
• Hall, B.H., Mairesse, J., and Mohnen, P., 2010. “Measuring the returns to R&D”, In Handbook of the Economics of Innovation, Volume 2, edited by Hall, B.H., and Rosnber, N., 1033-1082, Amsterdam: North-Holland. [https://doi.org/10.1016/S0169-7218(10)02008-3]
• Jaffe, A.B., Trajtenberg, M., and Henderson, R., 1993. “Geographic Localization of Knowledge Spillovers as Evidenced by Patent Citations”, The Quarterly Journal of Economics, 108(3): 577-598. [https://doi.org/10.2307/2118401]
• Jaffe, A.B., 1986. “Technological Opportunity and Spillovers of R&D: Evidence from Firms' Patents, Profits, and Market Value”, The American Economic Review, 76(5): 984-1001. [https://doi.org/10.3386/w1815]
• Lee, B.K. and Sohn, S.Y., 2019. “Disparities in Exploitative and Exploratory Patenting Performance across Regions: Focusing on the Roles of Agglomeration Externalities”, Papers in Regional Science, 98(1): 241-264. [https://doi.org/10.1111/pirs.12359]
• Lee, H., Ko, C., and Kim, W., 2024. “Local Employment Multiplier: Evidence from Relocation of Public-sector Entities in South Korea”, Labour Economics, 88: 102515. [https://doi.org/10.1016/j.labeco.2024.102515]
• Maraut, S., Dernis, H., Webb, C., Spiezia, V., and Guellec, D., 2008. The OECD REGPAT Database, OECD Science, Technology and Industry Working Papers, No. 2008/02, Paris: OECD Publishing.
• Olden, A. and Møen, J., 2022. “The Triple Difference Estimator”, The Econometrics Journal, 25(3): 531-553. [https://doi.org/10.1093/ectj/utac010]
• Polanyi, M., 1966. “The Logic of Tacit Inference”, Philosophy, 41(155): 1–18. [https://doi.org/10.1017/S0031819100066110]
• Romer, P.M., 1986. “Increasing Returns and Long-run Growth”, Journal of Political Economy, 94(5): 1002–1037. [https://doi.org/10.1086/261420]
• Schumpeter, J.A., 1934. The Theory of Economic Development, Cambridge, MA: Harvard University Press.
• Solow, R.M., 1956. “A Contribution to the Theory of Economic Growth”, The Quarterly Journal of Economics, 70(1): 65–94. [https://doi.org/10.2307/1884513]
• Song, Y.H. and Kim, J.W. 2023. “The Spatial Spillover Effect of Technological Innovation Network in Cities: A Case of the High-tech Industry of Yangtze River Delta”, International Journal of Urban Sciences, 27(3): 414-441. [https://doi.org/10.1080/12265934.2022.2149610]