Prioritizing Intellectual Property Policy Categories : A Machine Learning-Based Analysis of the International IP Index

본 연구는 머신러닝 기법인 랜덤 포레스트 회귀 분석을 활용하여, 국제 지식재산(IP) 지수에 영향을 미치는 주요 정책 범주의 상대적 중요도를 분석하였다. 분석에는 미국 상공회의소 산하 글로벌 혁신 정책 센터(GIPC)의 2024년 국제 IP 지수 데이터를 사용하였으며, 9개 정책 범주를 독립변수로, 55개국의 종합 점수를 종속변수로 설정하여 회귀 모형을 구축하였다. 분석 결과, 집행, 특허, 그리고 지식재산 자산의 상업화 정책이 국가 IP 성과에 가장 큰 영향을 미치는 것으로 나타났다. 특히 한국의 경우, 특허, 국제 조약 비준, 집행 영역이 핵심 기여 요인으로 도출되었다. 본 연구는 데이터 기반 정책 진단 프레임워크를 제안함으로써 국가별 맞춤형 정책 우선순위 설정과 전략 수립에 실증적 근거를 제공한다.