• 벤처창업연구
• /
• 제14권4호
• /
• pp.113-132
• /
• 2019

최근 세계적으로 기업 활동에 여성이 참여하는 수준은 전 세계적으로 상승하고 있으며, 여성의 경제 활동 참여는 저성장에 빠진 한국 경제의 새로운 역동적 인 힘이 될 수 있다. 이에 경력단절 여성의 노동시장 재진입의 한 방법으로 창업에 대한 관심이 증가하고 있다. 여성 창업률의 증가로 인해 창업결정에 영향을 미치는 요인들을 규명하는 연구의 필요성도 높아지고 있다. 본 연구에서는 창업의도를 가진 경력 단절 여성의 대상으로 여성의 특성(여성차별, 역할갈등)과 여성 인적 네트워크를 Ajzen의 합리적 행동이론의 태도와 주관적 규범에 매개로 하여, 창업의도에 미치는 영향을 실증연구를 통해 검증하고자 한다. 분석 결과 여성 인적 네트워크는 창업행위에 대한 태도와 주관적 규범에 영향을 미치는 것으로 나타났다. 또한, 여성차별은 창업행위에 대한 태도에 영향을 미치는 것으로 나타났다. 반면, 역할 갈등은 창업행위에 대한 태도와 주관적 규범 모두에 기각 되었다. 이는 조사대상의 연령분포 상 역할에 따른 갈등의 심화정도가 낮은데서 오는 결과로 추측해 볼 수 있다. 조절효과 결과는 창업지원 정책이 높다고 인식하는 경우는 주관적 규범과 창업의도의 관계를 조절하는 것으로 나타났다. 매개효과 검증결과는 창업행위에 대한 태도는 여성 차별 및 인적네트워크와 창업의도 관계에서 매개효과를 나타냈으며, 주관적 규범은 인적 네트워크와 창업의도 관계에서만 매개역할을 하는 것으로 조사되었다. 이러한 연구의 결과를 토대로 우리나라의 경력단절 여성의 창업 증가와 와 성장을 위해서 이론적 시사점 및, 다양한 창업 정책지원 방향을 제시하고자 한다.

• 지능정보연구
• /
• 제24권4호
• /
• pp.1-32
• /
• 2018

본 연구는 경제적으로 국내에 큰 영향을 주었던 글로벌 금융위기를 기반으로 총 10년의 연간 기업데이터를 이용한다. 먼저 시대 변화 흐름에 일관성있는 부도 모형을 구축하는 것을 목표로 금융위기 이전(2000~2006년)의 데이터를 학습한다. 이후 매개 변수 튜닝을 통해 금융위기 기간이 포함(2007~2008년)된 유효성 검증 데이터가 학습데이터의 결과와 비슷한 양상을 보이고, 우수한 예측력을 가지도록 조정한다. 이후 학습 및 유효성 검증 데이터를 통합(2000~2008년)하여 유효성 검증 때와 같은 매개변수를 적용하여 모형을 재구축하고, 결과적으로 최종 학습된 모형을 기반으로 시험 데이터(2009년) 결과를 바탕으로 딥러닝 시계열 알고리즘 기반의 기업부도예측 모형이 유용함을 검증한다. 부도에 대한 정의는 Lee(2015) 연구와 동일하게 기업의 상장폐지 사유들 중 실적이 부진했던 경우를 부도로 선정한다. 독립변수의 경우, 기존 선행연구에서 이용되었던 재무비율 변수를 비롯한 기타 재무정보를 포함한다. 이후 최적의 변수군을 선별하는 방식으로 다변량 판별분석, 로짓 모형, 그리고 Lasso 회귀분석 모형을 이용한다. 기업부도예측 모형 방법론으로는 Altman(1968)이 제시했던 다중판별분석 모형, Ohlson(1980)이 제시한 로짓모형, 그리고 비시계열 기계학습 기반 부도예측모형과 딥러닝 시계열 알고리즘을 이용한다. 기업 데이터의 경우, '비선형적인 변수들', 변수들의 '다중 공선성 문제', 그리고 '데이터 수 부족'이란 한계점이 존재한다. 이에 로짓 모형은 '비선형성'을, Lasso 회귀분석 모형은 '다중 공선성 문제'를 해결하고, 가변적인 데이터 생성 방식을 이용하는 딥러닝 시계열 알고리즘을 접목함으로서 데이터 수가 부족한 점을 보완하여 연구를 진행한다. 현 정부를 비롯한 해외 정부에서는 4차 산업혁명을 통해 국가 및 사회의 시스템, 일상생활 전반을 아우르기 위해 힘쓰고 있다. 즉, 현재는 다양한 산업에 이르러 빅데이터를 이용한 딥러닝 연구가 활발히 진행되고 있지만, 금융 산업을 위한 연구분야는 아직도 미비하다. 따라서 이 연구는 기업 부도에 관하여 딥러닝 시계열 알고리즘 분석을 진행한 초기 논문으로서, 금융 데이터와 딥러닝 시계열 알고리즘을 접목한 연구를 시작하는 비 전공자에게 비교분석 자료로 쓰이기를 바란다.