• 유통과학연구
• /
• 제8권3호
• /
• pp.17-26
• /
• 2010

세계경제 및 환경의 변화에 따라 농산물의 불안정적인 수급으로 인한 문제점이 노출되고 있으며, 우리나라의 경우 농산물의 안정적인 확보를 위하여 국가 전략적 차원에서의 해외농업투자의 필요성이 요구되고 있다. 하지만 정부차원의 지원 미진, 해외 농업에 대한 정보 및 기술 미비, 개발자금 확보의 어려움, 장기간의 투자금 회수기간, 사후관리 미흡 등의 이유로 성과를 이루지 못하고 있는 실정이며, 특히 해외 농산물의 국내 반입 시 관세의 장벽, 물류 유통비용 등으로 가격 경쟁력이 떨어지고 있어 국내에 반입되지 못하고 있는 실정이다. 이에 본 연구에서는 우리나라의 해외농업투자의 기본개념 및 실태를 살펴보고 해외농업투자의 필요성과 고려사항, 문제점 등을 도출하여 해외에서 재배된 농산물의 경쟁력을 위한 유통 측면에서의 개선방안을 정부의 간접적인 지원, 유통 현대화 및 유통정보기능 강화, 유통시설, 수송루트, 하역업무개선, 경쟁력 확보를 위한 정부의 정책적 지원, 교육 훈련을 통한 전문인력 양성 등 다섯 가지 측면에서 제시하였다.

• 한국축산시설환경학회지
• /
• 제10권1호
• /
• pp.11-22
• /
• 2004

본 연구는 돈분, 계분, 우분을 온도별 혐기배양시 휘발성 저급지방산 발현 양상을 구명하기 위해 수행하였다. 축분은 축산기술연구소에서 사육하는 35일령 산란계의 계분, 체중 50-60kg 육성돈의 돈분, 체중 550kg 한우의 우분을 이용하였다. 축분의 VFAs 발현 양상을 구명하기 위해 밀폐된 상태에서 $10^{\circ}C$, $25^{\circ}C$, $37^{\circ}C$로 하여 6일간 배양하였으며 배양기간 중 24시간마다 canister를 이용하여 VOC 분석용 시료를 채취하였다. 그 결과는 다음과 같다. 1. 배양온도에서 검지 된 아세트산의 량은 6일동안 돈분에서 1,128.05mg/kg, 계분에서628.21mg/kg, 우분에서 592.50mg/kg이 발현되었으며 돈분의 경우 83.87%(946.10mg/kg)가$25^{\circ}C$에서 발현되었고 이 중 83.57%가 3일령, 4일령과 5일령에 집중적으로 나타났다. 계분의 경우 $25^{\circ}C$ 처리구에서 45.36%(284.93 mg/kg), $37^{\circ}C$에서 35.05%(220.17mg/kg)로 나타나 주로 $25^{\circ}C$ 이상에서 발현한 것으로 특징지어졌다. 우분의 경우 57.49%(340.63mg/kg)가 $25^{\circ}C$에서 발현되었고 이 중 78.79%가 3일령, 4일령과 5일령에 발현되었다. 2. 배양온도에서 검지 된 프로피온산의 량은 6일 동안 돈분에서 238.56mg/kg, 계분에서 162.14mg/kg, 우분에서 155.49mg/kg이 발현되었으며 돈분의 경우 78.52%(187.32mg/kg)가 $25^{\circ}C$에서 발현되었고 이 중 79.1%가 3일령, 4일령과 5일령에 집중적으로 나타났다. 계분의 경우 $25^{\circ}C$ 처리구에서 35.12%(56.95mg/kg), $37^{\circ}C$에서 45.89%(74.40mg/kg)로 나타나 주로 $25^{\circ}C$ 이상에서 발현한 것으로 특징지어졌다. 우분의 경우 $10^{\circ}C$ 처리구에서 28.21%(43.86mg/kg), $25^{\circ}C$에서 49.30% (76.66mg/kg)로 나타나 주로 $25^{\circ}C$ 이하에서 발현한 것으로 나타났다. 3. 배양온도에서 검지 된 뷰틸산의 량은 6일 동안 돈분에서 1,463.87mg/kg, 계분에서 96.72mg/kg, 우분에서 129.18mg/kg이 발현되었으며 돈분의 경우 93.31%(1,365.95mg/kg)가 $25^{\circ}C$에서 발현되었고 이 중 87.92%가 3일령, 4일령과 6일령에 집중적으로 나타났다. 계분의 경우 $37^{\circ}C$ 처리구에서 76.60%(74.09 mg/kg)로 발현되었고 이 중 88%가 1일령, 2일령과 5일령에 집중적으로 나타났다. 우분의 경우 61.55%(79.51mg/kg)가 $25^{\circ}C$에서 발현되었고 이 중 89.6%가 1일령, 3일령과 4일령에 집중적으로 나타났다. 4. 배양온도에서 검지된 이소밸릭산의 량은 6일 동안 돈분에서 6,885.99mg/kg, 계분에서 307.47mg/kg, 우분에서 399.28mg/kg이 발현되었으며 돈분의 경우 $25^{\circ}C$ 처리구에서 28.22%(1,943.52mg/kg), $37^{\circ}C$에서 68.76%(4,734.90mg/kg)로 나타나 주로 $25^{\circ}C$ 이상에서 발현한 것으로 나타났다. 계분의 경우 $37^{\circ}C$ 처리구에서 59.89%(184.13mg/kg)로 발현되었고 이중 100%가 2일령과 3일령에 집중적으로 나타났다. 우분의 경우 $25^{\circ}C$ 처리구에서 48.56%(193.90mg/kg), $37^{\circ}C$에서 46.93%(187.40mg/kg)로 나타나 주로 $25^{\circ}C$ 이상에서 발현한 것으로 나타났다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.127-148
• /
• 2020

데이터 센터는 컴퓨터 시스템과 관련 구성요소를 수용하기 위한 물리적 환경시설로, 빅데이터, 인공지능 스마트 공장, 웨어러블, 스마트 홈 등 차세대 핵심 산업의 필수 기반기술이다. 특히, 클라우드 컴퓨팅의 성장으로 데이터 센터 인프라의 비례적 확장은 불가피하다. 이러한 데이터 센터 설비의 상태를 모니터링하는 것은 시스템을 유지, 관리하고 장애를 예방하기 위한 방법이다. 설비를 구성하는 일부 요소에 장애가 발생하는 경우 해당 장비뿐 아니라 연결된 다른 장비에도 영향을 미칠 수 있으며, 막대한 손해를 초래할 수 있다. 특히, IT 시설은 상호의존성에 의해 불규칙하고 원인을 알기 어렵다. 데이터 센터 내 장애를 예측하는 선행연구에서는, 장치들이 혼재된 상황임을 가정하지 않고 단일 서버를 단일 상태로 보고 장애를 예측했다. 이에 본 연구에서는, 서버 내부에서 발생하는 장애(Outage A)와 서버 외부에서 발생하는 장애(Outage B)로 데이터 센터 장애를 구분하고, 서버 내에서 발생하는 복합적인 장애 분석에 중점을 두었다. 서버 외부 장애는 전력, 냉각, 사용자 실수 등인데, 이와 같은 장애는 데이터 센터 설비 구축 초기 단계에서 예방이 가능했기 때문에 다양한 솔루션이 개발되고 있는 상황이다. 반면 서버 내 발생하는 장애는 원인 규명이 어려워 아직까지 적절한 예방이 이뤄지지 못하고 있다. 특히 서버 장애가 단일적으로 발생하지 않고, 다른 서버 장애의 원인이 되기도 하고, 다른 서버부터 장애의 원인이 되는 무언가를 받기도 하는 이유다. 즉, 기존 연구들은 서버들 간 영향을 주지 않는 단일 서버인 상태로 가정하고 장애를 분석했다면, 본 연구에서는 서버들 간 영향을 준다고 가정하고 장애 발생 상태를 분석했다. 데이터 센터 내 복합 장애 상황을 정의하기 위해, 데이터 센터 내 존재하는 각 장비별로 장애가 발생한 장애 이력 데이터를 활용했다. 본 연구에서 고려되는 장애는 Network Node Down, Server Down, Windows Activation Services Down, Database Management System Service Down으로 크게 4가지이다. 각 장비별로 발생되는 장애들을 시간 순으로 정렬하고, 특정 장비에서 장애가 발생하였을 때, 발생 시점으로부터 5분 내 특정 장비에서 장애가 발생하였다면 이를 동시에 장애가 발생하였다고 정의하였다. 이렇게 동시에 장애가 발생한 장비들에 대해서 Sequence를 구성한 후, 구성한 Sequence 내에서 동시에 자주 발생하는 장비 5개를 선정하였고, 선정된 장비들이 동시에 장애가 발생된 경우를 시각화를 통해 확인하였다. 장애 분석을 위해 수집된 서버 리소스 정보는 시계열 단위이며 흐름성을 가진다는 점에서 이전 상태를 통해 다음 상태를 예측할 수 있는 딥러닝 알고리즘인 LSTM(Long Short-term Memory)을 사용했다. 또한 단일 서버와 달리 복합장애는 서버별로 장애 발생에 끼치는 수준이 다르다는 점을 감안하여 Hierarchical Attention Network 딥러닝 모델 구조를 활용했다. 본 알고리즘은 장애에 끼치는 영향이 클 수록 해당 서버에 가중치를 주어 예측 정확도를 높이는 방법이다. 연구는 장애유형을 정의하고 분석 대상을 선정하는 것으로 시작하여, 첫 번째 실험에서는 동일한 수집 데이터에 대해 단일 서버 상태와 복합 서버 상태로 가정하고 비교분석하였다. 두 번째 실험은 서버의 임계치를 각각 최적화 하여 복합 서버 상태일 때의 예측 정확도를 향상시켰다. 단일 서버와 다중 서버로 각각 가정한 첫 번째 실험에서 단일 서버로 가정한 경우 실제 장애가 발생했음에도 불구하고 5개 서버 중 3개의 서버에서는 장애가 발생하지 않은것으로 예측했다. 그러나 다중 서버로 가정했을때에는 5개 서버 모두 장애가 발생한 것으로 예측했다. 실험 결과 서버 간 영향이 있을 것이라고 추측한 가설이 입증된 것이다. 연구결과 단일 서버로 가정했을 때 보다 다중 서버로 가정했을 때 예측 성능이 우수함을 확인했다. 특히 서버별 영향이 다를것으로 가정하고 Hierarchical Attention Network 알고리즘을 적용한 것이 분석 효과를 향상시키는 역할을 했다. 또한 각 서버마다 다른 임계치를 적용함으로써 예측 정확도를 향상시킬 수 있었다. 본 연구는 원인 규명이 어려운 장애를 과거 데이터를 통해 예측 가능하게 함을 보였고, 데이터 센터의 서버 내에서 발생하는 장애를 예측할 수 있는 모델을 제시했다. 본 연구결과를 활용하여 장애 발생을 사전에 방지할 수 있을 것으로 기대된다.

• 환경생물
• /
• 제39권1호
• /
• pp.119-135
• /
• 2021

생물다양성협약(1992년)과 나고야의정서(2010년)의 체결 이후 우리나라는 한반도의 생물다양성 보전과 생물자원 확보를 위한 자생생물의 조사·발굴 연구에 박차를 가하였다. 이러한 계기로 2007년에 설립된 환경부 소속 국립생물자원관의 주도로 "한반도 자생생물 조사·발굴 연구사업"이 진행되었다. 본 사업은 2006년 이후 현재까지 15년 동안 5단계(1단계 2006~2008년, 2단계 2009~2011년, 3단계 2012~2014년, 4단계 2015~2017년, 5단계 2018~2020년)로 나누어 진행되었다. 연구의 결과, 본 사업의 이전에 29,916종(2006년)이던 한반도 자생생물이 본 사업의 각 단계가 마무리되는 시점에서 누계로 집계하여 볼 때, 1단계 33,253종(2008년), 2단계 38,011종(2011년), 3단계 42,756종(2014년), 4단계 49,027종(2017년), 그리고 5단계 54,428종(2020년)으로 급속히 증가하여 본 사업 기간 동안 한반도 자생생물 기록종이 약 1.8배 증가하였다. 이 통계자료는 이 기간 동안 연평균 2,320종의 한반도 미기록종이 새로이 기록된 것을 보여준다. 또한 전체 발굴종 중에서 총 5,242종의 신종을 기록하는 학술적 큰 성과를 거두었다. 분류군 별로는 총 연구 기간 동안 곤충 4,440종(신종 988종 포함), 무척추동물(곤충 제외) 4,333종(신종 1,492종 포함), 척추동물(어류) 98종(신종 9종 포함), 식물(관속식물과 선태식물) 309종(관속식물 176종, 선태식물 133종, 신종 39종 포함), 조류(algae) 1,916종(신종 178종 포함), 균류와 지의류 1,716종(신종 309종 포함), 그리고 원핵생물 4,812종(신종 2,226종 포함)이 한반도에서 새로이 기록되었다. 생물표본은 각 단계별로 집계하여 볼 때 1단계 247,226점(2008년), 2단계 207,827점(2011년), 3단계 287,133점(2014년), 4단계 244,920점(2017년), 그리고 5단계 144,333점(2020년)이 수집되어 연평균 75,429점, 총 1,131,439점의 생물표본이 채집되었다. 그중에서 곤충 281,054점, 곤충 이외의 무척추동물 194,667점, 척추동물(어류) 40,100점, 식물 378,251점, 조류(algae) 140,490점, 균류 61,695점, 그리고 원핵생물 35,182점이 채집되었다. 본 사업에 참여한 각 단계별 연구원/보조연구원(주로 대학원생)의 수는 1단계 597/268명, 2단계 522/191명, 3단계 939/292명, 4단계 575/852명, 그리고 5단계 601/1,097명으로 전체년도의 참여연구자는 연평균 395명, 총 연인원 약 5,000명이 참여하여 전국의 거의 모든 분류학자와 분류학 전공의 대학원생이 참여하였다. 본 사업 기간 동안 전문학술지 논문 3,488편(국내학술지 논문 2,320편, SCI급 국제학술지 논문 1,168편 포함)이 출판되었다. 본 사업 기간 중 자생생물 조사·발굴 사업 및 생물표본 확보 사업에 투입된 예산은 총 833억원(연평균 55억원)이다. 본 사업은 국가 주도의 대형 연구 프로젝트로서 전국의 거의 모든 분류학자가 참여하고 대규모 예산이 투입되어 단기간에 이루어 낸 한국식 압축성장의 한 성공 사례로 볼 수 있다. 본 사업의 종발굴 성과는 최근의 생물분류 체계로 분류되어 국가생물종목록으로 만들어졌으며, 전문가와 학생 및 일반 시민에게 제공되고 있다(https://species.nibr.go.kr/index.do). 본 사업에서 파생된 기재문, DNA 염기 서열, 서식처, 분포, 생태, 이미지, 멀티미디어 등 각 종의 정보는 디지털화되어 생물의 계통, 진화 연구 등 학문적 발전에 기여하였고, 기후변화에 따른 지표종의 변화 같은 생물분포 모니터링 사업과 바이오산업의 생물소재를 탐색하는 기반이 되었다. 본 사업을 통하여 젊은 분류인력(주로 대학원생)의 양성을 지원할 수 있었던 것은 본 사업이 가져온 가장 의미 있는 성과라고 할 수 있다. 과거 15년간 숨 가쁘게 달려온 본 사업은 아직 진행 중이다. 그동안 발굴된 종들에 대한 이명(synonym)과 오동정 등을 바로잡아 학문적인 완성도를 높이고, 한반도에 존재하리라 예상되는 약 10만 종의 자생생물 중에서 남겨진 5만 종에 대한 조사·발굴 연구가 지속되어야 한다.

• 한국산림과학회지
• /
• 제70권1호
• /
• pp.7-16
• /
• 1985

임목(林木)의 주체성인(主體成因)인 수간(樹幹)에 대한 각종(各種) 성장인자간(成長因子間)의 정준상관(正準相關)과 그의 관계적(關係的) 배경(背景) 및 수간(樹幹)의 총합적(總合的)인 변동분석(變動分析)에 의(依)한 수간적(樹幹的) 특징(特徵)을 파악(把握)함에 있어, 그의 최적기법(最適技法)을 탐색(探索)하기 위한 시도(試圖)로서 일본(日本)잎갈나무(Larix leptolepis)에 주성분(主成分) 및 정준상관분석법(正準相關分析法)을 도입적용(導入適用)하고, 얻어진 결과(結果)를 다음과 같이 요약(要約)한다. 1) 정형수(正形數)($x_8$)를 제외(除外)한 모든 성장인자(成長因子) 즉(卽), 수고(樹高)($x_1$), 지하고(枝下高)($x_2$), 망고(望高)($x_3$), 흉고직경(胸高直徑)($x_4$), 중앙직경(中央直徑)($x_5$), 수관폭(樹冠幅)($x_6$) 및 간재적(幹材積)($x_7$) 등(等)의 각(各) 인자간(因子間)에 강약간(強弱間)의 상관(相關)이 있으며, 특(特)히 흉고직경(胸高直徑), 수고(樹高) 및 중앙직경(中央直徑) 등(等)은 간재적(幹材積)과 고도(高度)의 상관(相關)이 있다(표(表) l 참조(參照)). 2) (1) 상장성장인자(上長成長因子)인 수고(樹高), 지하고(枝下高) 및 망고(望高) 등(等)의 합성변량(合成變量)과 간재적간(幹材積間), (2) 비대성장인자(肥大成長因子)인 흉고직경(胸高直徑), 중앙직경(中央直徑) 및 수관폭(樹冠幅) 등(等)의 합성변량(合成變量)과 간재적간(幹材積間), (3) 상장(上長) 및 비대성장인자(肥大成長因子)를 총망라(總網羅)한 6개인자(個因子)의 합성변량(合成變量)과 간재적간(幹材積間)의 정준상관계수(正準相關係數)와 정준변량(正準變量)이 각각(各各) $${(1)\;{\gamma}_{u1,v1}=0.82980^{**},\;\{u_1=1.00000x_7\\v_1=1.08323x_1-0.04299x_2-0.07080x_3}\\{(2)\;{\gamma}_{u1,v1}=0.98198^{**},\;\{u_1=1.00000x_7\\v_1=0.86433x_4+0.11996x_5+0.02917x_6}\\{(3)\;{\gamma}_{u1,v1}=0.98700^{**},\;\{u_1=1.00000x_7\\v1=0.12948x_1+0.00291x_2+0.03076x_3+0.76707x_4+0.09107x_5+0.02576x_6}$$ 등(等)과 같이 되어, 어느 경우(境遇)에서도 고도(高度)의 정준상관(正準相關)을 가지며, (1)의 경우(境遇)에는 수고(樹高)가, (2)의 경우(境遇)에는 흉고직경(胸高直徑)이, (3)의 경우(境遇)에는 흉고직경(胸高直徑)과 수고(樹高)가 각각(各各)의 정준상관(正準相關)에 절대적인 기여(寄與)를 하는 것으로서, 각종(各種) 질적성장(質的成長)의 총합특성(總合特性)은 이들 인자(因子)의 막강한 영향력(影響力)에 의해서 형성(形成)되며, 특(特)히 (3)의 경우에서 간재적(幹材積)과의 정준상관(正準相關)에 미치는 흉고직경(胸高直徑)의 영향력(影響力)은 기타(其他)의 인자(因子)에 비(比)하여 판이(判異)하게 큰 것으로 밝혀지고 있다(표(表) 2 참조(參照)). 3) 상장성장인자(上長成長因子)인 수고(樹高), 지하고(枝下高) 및 망고(望高) 등(等)의 합성변량(合成變量)과 비대성장인자(肥大成長因子)인 흉고직경(胸高直徑), 중앙직경(中央直徑) 및 수관폭(樹冠幅) 등(等)의 합성변량간(合成變量間)의 정준상관계수(正準相關係數)와 정준변량(正準變量)이 $${\gamma}_{u1,v1}=0.78556^{**},\;\{u_1=1.20569x_1-0.04444x_2-0.21696x_3\\v_1=1.09571x_4-0.14076z_5+0.05285z_6$$와 같이 됨에 따라, 각종 상장성장인자(上長成長因子)와 비대성장인자간(肥大成長因子間)의 고도(高度)의 정준상관(正準相關)에 있어 수고(樹高)와 흉고직경(胸高直徑)만의 기여도(寄與度)가 극(極)히 현저한 것으로서, 상장성장(上長成長)의 총합특성(總合特性)은 수고(樹高)에 의해서, 비대성장(肥大成長)의 총합특성(總合特性)은 흉고직경(胸高直徑)에 의해서 각각(各各) 형성(形成)된다는 사실(事實)이 확인(確認)된 것이다. 따라서 양인자(兩因子)에 대한 간재적계측(幹材積計測)에 있어서의 필수유력인(必須有力因子)로서의 과학성(科學性)이 입증(立證)된 것이라 생각한다(표(表) 2 참조(參照)). 4) 수간(樹幹)의 8개성장인자(個成長因子) 즉(卽), 8차원(次元)의 정보(情報)(특성치(特性値))를 설정(設定)된 유효목표(有效目標) 85%에 따라 3차원(次元)으로 간략화(簡約化)된 총합특성치(總合特性値) 즉(卽), 제(第) 1 ~ 제(第) 3 주성분(主成分)은 다음과 같다. 제(第) 1 주성분(主成分)($Z_1$); $Z_1=0.40192x_1+0.23693x_2+0.37047x_3+0.41745x_4+0.41629x_5+0.33454x_60.42798x_7+0.04923x_8$ 제(第) 2 주성분(主成分)($Z_2$) ; $z_2=-0.09306x_1-0.34707x_2+0.08372x_3-0.03239x_4+0.11152x_5+0.00012x_6+0.02407x_7+0.92185x_8$ 제(第) 3 주성분(主成分)($Z_3$) ; $Z_3=0.19832x_1+0.68210x_2+0.35824x_3-0.22522x_4-0.20876x_5-0.42373x_6-0.15055x_7+0.26562x_8$ 제(第) 1 주성분(主成分)($Z_1$)은 기여율(寄與率)이 63.26%나 되는 매우 높은 정보흡수력(情報吸收力)을 가진 "크기의 인자(因子)(size factor)"로서, 그의 주성분득점(主成分得點)(principal component score)은 인자부하량(因子負荷量)이 매우 높은 간재적(幹材積), 흉고직경(胸高直徑), 중앙직경(中央直徑) 및 수고(樹高) 등(等)에 의해써 결정(決定)되며, 제(第) 2 주성분(主成分)($Z_2$)은 입체적(立體的) 형상(形狀)의 지표(指標) 즉(卽), 수간(樹幹)의 입체적(立體的) 상사성(相似性)과 완구도(完溝度)를 나타내주는 "형상(形狀)의 인자(因子)(shape factor)"로서, 그의 score는 정형수(正形數)의 절대적(絶對的)인 영향력(影響力)에 의(依)해서 형성(形成)되며, 제(第) 3 주성분(主成分)($Z_3$)은 상장성장(上長成長)과 비대성장(肥大成長)과의 역관계(逆關係)의 현상(現象) 즉(卽), 수간(樹幹)의 세장(細長)(또는 굵고 짧음)의 정도를 표시(表示)하는 성장형상(成長形狀)의 지표(指標)로서, 이는 제(第) 2의 "형상(形狀)의 인자(因子)"가 된다. 이상(以上) 3개주성분(個主成分)은 그의 누적기여율(累積寄與率)이 88.36%로서 만족스러운 정보흡수역량(情報吸收力量)을 지니고 있다(표(表) 3 참조(參照)). 5) 본(本) 연구(硏究)에 적용(適用)된 주성분(主成分) 및 정준(正準) 상관분석법(相關分析法)은 적극적(積極的)인 이용개발(利用開發)에 따라서는 삼림계측(森林計測)(임목성장(林木成長)), 지위판정분류(地位判定分類), 삼림(森林) 및 임산업(林産業)의 경영진단(經營診斷), 임산가공(林産加工)(품(品))의 생산관리(生産管理) 및 기지(其地) 총합특성치(總合特性値)의 산정(算定)을 필요(必要)로 하는 분야(分野)에 많은 기여(寄與)가 있을 것으로 사료(思料)된다.

• 중소기업연구
• /
• 제31권4호
• /
• pp.67-93
• /
• 2009

본 연구는 1999년 1월 1일부터 2007년 12월 31일까지 한국거래소의 유가증권시장과 코스닥시장에 상장된 혁신형 중소기업을 대상으로 재무적 제약과 배당스무딩간의 관계를 실증분석 하였으며, 주요한 분석결과는 다음과 같다. 기업들은 목표 배당성향을 가지고 있으며, 실제 배당성향이 목표 배당성향에서 이탈하면 다시 배당지급을 부분적으로 조정한다. 배당조정속도는 Lintner(1956)의 배당조정모형의 핵심변수인 전기 주당배당과 당기 주당이익을 사용하여 거의 대부분 측정할 수 있으며, 잔여배당이론과 그 이후에 등장한 배당신호이론, 대리인이론, 케이터링 이론 및 거래비용이론에 관한 대용변수들은 배당조정속도에 부분적으로 영향을 미친다. 그리고 전기 주당배당은 당기 주당이익보다 배당조정속도에 더 큰 영향을 미치는데, 이는 기업들이 특별한 이유가 없는 한 전기 주당배당 수준을 장기적으로 유지하는 안정적인 배당정책을 선호한다는 증거가 된다. 혁신형 중소기업은 비혁신형 중소기업보다 배당조정속도가 더 빠르다. 혁신형 중소기업은 R&D 투자에 따른 미래의 성장성과 수익성을 담보로 하여 장기적으로 안정적인 배당정책을 유지할 수 있다. 다시 말해, 혁신형 중소기업은 배당지급이 목표 배당성향에서 이탈하더라도, R&D 투자에 따른 미래의 성장성과 수익성을 담보로 하여 목표 배당성향을 향하여 배당지급을 신속하게 조정하여 배당스무딩을 효과적으로 달성할 수 있다. 그리고 혁신형 중소기업 중에서도 재무적 비제약 기업은 재무적 제약 기업보다 배당조정속도가 더 빠르다. 이는 재무적 비제약 기업일수록 자본시장을 통한 외부 자금조달이 용이하기 때문에 주당배당을 신속하게 조정한다는 증거가 된다. 따라서 자본시장 접근성이 용이하여 재무적 제약을 적게 받는 기업일수록 외부 자금조달이 용이하기 때문에 배당지급을 더 신속하게 조정함으로써 배당스무딩을 더 효과적으로 달성할 수 있다. 그리고 중소기업청이 정책적 목적으로 분류한 혁신형 중소기업(벤처기업, 이노비즈기업, 경영혁신형기업)은 비혁신형 중소기업보다 배당조정속도가 더 빠르다. 중소기업청에서 정책적 목적으로 분류한 혁신형 중소기업은 신용보증지원, 정책자금지원, 조세혜택, 공공입찰 우선권 부여 등과 같은 다양한 정책적 혜택으로 인해 재무적 제약을 적게 받기 때문에 배당지급을 더 신속하게 조정할 수 있다. 결론적으로, 한국거래소의 유가증권시장과 코스닥시장에 상장된 혁신형 중소기업은 비혁신형 중소기업보다 배당조정속도가 더 빠르고, 혁신형 중소기업 중에서도 재무적 비제약 기업은 재무적 제약 기업보다 배당조정 속도가 더 빠르다. 다시 말해, 중소기업 중에서도 R&D 집중도가 높은 혁신형 중소기업은 R&D 투자에 따른 미래의 성장성과 수익성을 담보로 하여 배당스무딩을 신속하게 할 수 있고, 혁신형 중소기업 중에서도 자본시장 접근성이 좋은 기업은 재무적 제약을 적게 받기 때문에 배당스무딩을 더 신속하게 할 수 있다. 따라서 중소기업 경영자는 R&D 집중도를 증가시키고 자본시장 접근성을 높여 재무적 제약을 회피함으로써 신속한 배당스무딩을 통해 장기적으로 안정적인 배당정책을 유지할 수 있다고 생각한다. 그리고 중소기업청이 정책적 목적으로 분류한 혁신형 중소기업(벤처기업, 이노비즈기업, 경영혁신형기업)의 경우에도 배당조정속도가 비혁신형 중소기업보다 더 빠르게 나왔다. 이러한 결과는 배당정책의 측면에서 중소기업청의 혁신형 중소기업 정책을 지지하는 실증적인 증거가 된다.

• 한국유통학회지:유통연구
• /
• 제15권3호
• /
• pp.71-110
• /
• 2010

본 연구에서는 항공권 예약 발권 웹사이트의 서비스 품질을 측정 뿐만 아니라 서비스 회복도 측정하고자 하였다. 또한 서비스 품질과 서비스 회복이 고객만족 및 충성의도에 미치는 영향관계를 실증하고자 하였다. 온라인 서비스 품질과 온라인 서비스 회복의 측정을 위해 Parasuraman, Zeithaml, & Malhotra(2005)가 개발한 E-S-QUAL과 E-RecS-QUAL을 사용했으며, 했다. E-S-QUAL은 온라인 서비스 품질을 측정하는 도구로써, 효율성, 시스템 이용가능성, 이행성, 프라이버시의 4개 차원 22개 항목으로 구성된다. E-RecS-QUAL은 온라인 서비스 회복을 측정하는 도구로써, 반응, 보상, 접촉의 3개 차원 11개 항목으로 구성된다. 실증분석을 위한 설문조사는 항공사나 여행사의 웹사이트를 통해 국내 외 항공권을 구입해 본 경험이 있는 소비자를 대상으로 실시하였는데, 총 400부가 회수되었고, 이 중 342부를 최종분석에 사용하였다. 실증분석을 위해 AMOS 7.0과 SPSS 15.0을 사용하였다. 먼저, SPSS 15.0을 사용하여, 요인점수를 이용한 회귀분석으로 가설검증을 한 결과, <가설 I-1, 2, 3, 4, II-1, 2, 3, III-1, IV-1>이 전부 채택되었다. 온라인 서비스 품질과 온라인 서비스 회복의 각 차원은 모두 전반적인 서비스 품질에 유의한 영향을 보였고, 전반적인 서비스 품질은 고객만족에 유의한 영향을 미쳤다. 마지막으로 고객만족 역시 충성의도에 유의한 영향을 미치는 것으로 확인되었다. 한편 AMOS 7.0을 사용하여 모형 분석을 하였는데, 모형의 적합도는 가설검증을 하기에 합당한 수치가 나왔다. 이를 토대로 가설검증을 한 결과, <가설 I-1, 3, II-1, 3, III-1, IV-1>은 채택되었고, <가설 I-2, 4, II-2>는 기각되었다. 이 결과는 Parasuraman et al.(2005)이 주장한 것처럼 E-S-QUAL을 나타내는 데는 요인점수를 이용한 회귀분석이 더 적합하다는 것을 보여주는 것이라고 판단된다. 이를 토대로 본 연구의 시사점을 정리하였다.