기계학습 기반 군집분석을 통한 지역 창업생태계 구조분석: 청년창업사관학교 졸업기업 사례연구

• 영문명: Structural Analysis of Regional Entrepreneurial Ecosystems Using Machine Learning-Based Clustering: A Case Study of Graduates from the Youth Startup Academy
• 발행기관: 한국진로창업경영학회
• 저자명: 김지웅(Ji-ung Kim)
• 간행물 정보: 『한국진로창업경영학회지』제9권 제5호, 1~18쪽, 전체 18쪽
• 주제분류: 경제경영 > 경영학
• 파일형태: PDF
• 발행일자: 2025.09.30

국문 초록

본 연구는 청년창업사관학교 졸업기업 데이터를 기반으로, 기계학습 기법을 활용하여 지역 창업생태계의 구조와 특징을 실증적으로 규명하였다. 분석에는 2014년부터 2023년까지 축적된 6,857개 사례가 사용되었으며, 먼저 연도별·지역별 기업 분포와 기술분야별 변화를 탐색적 통계분석과 시계열 기법으로 살펴보았다. 이어서 주성분분석(PCA)과 K-means 군집분석을 적용하여 지역 창업 생태계를 유형화하였고, 이후 의사결정나무 및 랜덤포레스트 알고리즘을 통해 분류 성능과 변수 중요도를 교차 검증하였다. 이 과정에서 카이제곱 검정과 Cramér’s V 효과크기, 군집 안정성 평가, LOOCV 및 홀드아웃 기법을 활용하여 분석의 통계적 타당성을 강화하였다.분석 결과, 국내 16개 광역지역은 디지털 혁신형·전통 제조형·바이오 특화형이라는 세 가지 유형으로 구분되었다. ICT, 기계, 바이오 분야가 지역 간 구조적 차이를 설명하는 핵심 요인으로 나타났으며, 수도권은 ICT 및 지식서비스 중심, 울산과 경남은 제조업 기반, 전북·전남·제주는 바이오 및 농식품 중심 창업이 두드러졌다. 이러한 결과는 “수도권의 ICT 편중, 제조업 중심 지역의 산업 강세, 일부 비수도권의 바이오 특화”라는 가설들을 실증적으로 뒷받침하였다. 또한 군집 유형과 지역경제 성과지표(GRDP, 창업기업 생존율) 간의 유의한 상관성이 확인되어 창업생태계와 지역경제 간 연계성을 보여주었다. 정책적 함의 측면에서, 디지털 혁신형 지역에는 규제자유특구 및 스케일업 지원 패키지, 전통 제조형 지역에는 스마트제조와 친환경 기술 지원, 바이오 특화형 지역에는 디지털 농업과 바이오 클러스터 육성 전략이 적합함을 제안하였다. 아울러 연구에 사용된 자료는 비식별화된 공공 데이터로 개인정보를 포함하지 않으므로, 연구윤리 심의(IRB) 대상에 해당하지 않음을 명시한다. 결론적으로, 본 연구는 공공 창업지원사업 데이터를 활용하여 지역 창업생태계를 구조적으로 분석한 결과를 제시하고 있으며, 학문적 기여와 실무적 정책 시사점을 동시에 확보하였다. 이는 향후 지역 맞춤형 창업정책 수립을 위한 근거자료로 활용될 수 있을 것이다.

영문 초록

This study investigates the structure of Korea’s regional entrepreneurial ecosystems by applying machine learning to data on 6,857 graduates of the Youth Startup Academy (2014-2023). Exploratory statistics and time-series analysis were used to track changes in startup distribution by region and technological field. Principal Component Analysis and K-means clustering classified the regions into three ecosystem types, while Decision Tree and Random Forest models validated classification performance and variable importance. Statistical rigor was ensured through chi-square tests with Cramér’s V, cluster stability indices, and cross-validation methods. The analysis revealed three distinct ecosystem types—Digital Innovation, Traditional Manufacturing, and Bio-specialized. Metropolitan regions such as Seoul exhibited ICT- and knowledge service-centered startups, while Ulsan and Gyeongnam were manufacturing-based, and Jeonbuk, Jeonnam, and Jeju specialized in bio and agri-food ventures. These patterns aligned with the hypotheses regarding ICT concentration, manufacturing resilience, and regional bio specialization. Moreover, ecosystem clusters showed significant correlations with GRDP and startup survival rates, demonstrating their economic relevance. Policy implications include tailored strategies: regulatory sandboxes and scale-up programs for Digital Innovation regions, smart manufacturing and eco-friendly support for Manufacturing regions, and digital agriculture and bio-cluster initiatives for Bio-specialized areas. The anonymized dataset excluded personal information and was exempt from IRB review.

목차

Ⅰ. 서 론

Ⅱ. 이론적 배경

Ⅲ. 연구 방법

Ⅳ. 분석 결과

Ⅴ. 정책적 시사점

Ⅵ. 결론

참고문헌

키워드

지역창업생태계 기계학습 군집분석 청년창업사관학교 창업정책 Regional Startup Ecosystem Machine Learning Cluster Analysis Youth Startup Academy Startup Policy