주파수 이용효율 평가의 정합성과 개선방향

기초통계량은 평균, 중위수, 표준편차, 왜도, 첨도 등을 포함하며, 평가지표의 특성을 정책 입안자의 관점에서 거시적으로 조망하는 데 활용될 수 있다. 가령, 주파수 이용에 있어 어떤 특성이 수요 정도와 공급 가능성을 확대 또는 축소시키는지를 파악함으로써 정책의 방향성을 설정하는 데 활용이 가능하다. 정합성 분석 측면에서 방법론 선택을 위한 기준으로 활용되며, 이상치(outlier) 탐색에도 활용될 수 있다. 평가지표의 정규성(normality) 보유 여부를 바탕으로 적용 가능한 방법론이 달라지기 때문이다. 기초통계량 중 왜도(skewness)와 첨도(kurtosis)는 변수의 정규성을 평가하기 위한 기준으로 활용된다. 왜도는 해당 변수 분포의 치우침을 판단하기 위한 척도로 절대값이 3이상이면 정규분포와 다른 비대칭이 존재하는 것을 평가한다. 왜도가 양(+)의 값을 가지면 정규분포에 비해 왼쪽으로 치우침을 의미하며, 음(−)의 값을 가지면 오른쪽으로 치우침을 의미한다. 한편, 첨도는 분포의 뾰족한 형태를 평가하기 위한 척도로 정규분포는 0의 값을 갖는다. 첨도가 0보다 큰 값을 가지면 정규분포보다 더 뾰족한 모양을 갖게 되고, 0보다 작은 값을 가지면 더 평평한 모양을 갖게 된다. 일반적으로 첨도의 절대값이 7 이상이면 평가지표의 분포가 정규분포와 괴리가 있는 것으로 판단한다.

정규성에 대한 보다 명확한 평가는 Shapiro-Wilk의 정규성 검정^[7]을 통해 가능하다. 동 검정 통계량⁵⁾은 식 (1)과 같으며, n은 표본 수, a_i는 주어진 상수, a_(i)는 i번째 통계, $\overline{x}$는 x_i의 평균이다. 동 통계량을 통한 유의수준이 5 % 미만인 경우, 귀무가설인 ‘표본이 정규분포를 따른다’를 기각하고, 대립가설인 ‘표본이 정규분포를 따르지 않는다’를 채택할 수 있다.

상관성의 평가에는 Pearson 상관계수⁶⁾와 Kendall의 타우(τ)^7)[8]가 활용될 수 있다. 두 통계량 모두 주파수의 효율적 이용 여부와 평가지표 간의 상관관계(correlation)를 파악하는 데 활용된다. 전자는 상관관계를 파악하고자 하는 두 변수가 정규분포를 따름을 가정하여 선형관계의 정도를 평가하는 데 활용된다. 후자는 변수가 정규분포를 따르지 않으며, 선형관계를 가정하지 않은 조건하에서 상관성을 파악하는 데 활용된다. 특히, 순서형 변수의 활용을 통해 이상치의 영향력을 축소하는 대안으로 간주된다. 따라서, 평가지표가 정규분포를 따를 경우 Pearson 상관계수를, 따르지 않은 경우 Kendall의 타우를 활용하는 것이 적절하다. 상관계수의 크기와 별도로 유의성 검정을 통해 해당 통계량에 대한 신뢰도를 평가할 수 있다. 일반적으로 5 % 유의수준을 기준으로 활용한다.

식 (2)는 Pearson 상관계수의 산식을 제시한다. x_i와 y_i는 상관성을 평가하기 위한 변수들을 의미하며, $\overline{x}$와 $\overline{y}$는 각 변수의 평균을 의미한다. 식 (3)은 Kendall의 타우 산식⁸⁾을 제시한다. n은 표본 수, n_c는 concordant pair의 수로 concordant pair는 비교대상 변수의 상하관계(순위)가 같은 경우, n_d는 concordant pair가 아닌 경우의 수를 의미한다. Pearson 상관계수는 −1에서 1의 값을 가지며, −1은 음(−)의 선형상관관계, 1은 양(+)의 선형상관관계를 의미한다. 0은 선형상관관계가 성립하지 않음을 의미한다. Kendall의 타우는 −1에서 1의 값을 갖는데, −1은 두 변수 간 순위가 완벽히 불일치할 경우, 1은 두 변수 간 순위가 완벽히 일치할 경우, 0은 두 변수가 독립적일 경우를 의미한다.

판별력의 평가에는 t-test(독립표본 t-test)^[10]와 Wilcoxon 순위합 검정^[11]이 활용될 수 있다. t-test는 독립된 두 집단 간 평균의 차이가 존재하는지를 검정하는 방법론이다. 귀무가설은 ‘특정 평가지표에 있어 두 집단 간 평균의 차이가 없다.’이다. 따라서, t-test의 결과, 통계적으로 유의적인 값이 확인되면 귀무가설을 기각하고, 두 집단 간 평균의 차이가 있는 것으로 판단이 가능하다. 연구자의 선택에 따라 유의수준 설정이 가능하지만, 일반적으로 5 %를 기준으로 활용한다. t-test의 검정 통계량은 식 (4)와 같다. 여기서, μ는 각 모집단의 평균, s²은 각 모집단의 분산, n은 각 모집단의 수를 의미한다.

한편, 정규성이 만족되지 않은 경우 활용될 수 있는 방법론이 Wilcoxon 순위합 검정이다. 동 방법론은 평가지표의 값이 아닌 순위를 사용하여 중위수의 차이를 비교하는 통계량을 제시한다. 귀무가설은 ‘특정 평가지표에 있어 두 집단 간 중위수의 차이가 없다.’이다. 두 집단의 표본을 혼합하여 순서대로 나열하고 순위를 부여한 뒤, 이들의 합에 대한 검정을 실시한다. μ_R은 순위의 평균, σ_R은 순위의 표준편차를 의미하며, n₁과 n₂는 표본의 수, R은 순위합을 의미한다. 일반적으로 5 % 유의수준에 따라 귀무가설의 기각 여부를 평가한다.

한편, 앞서 논의한 기업의 부실예측모형을 종합적으로 평가할 때, 주파수 이용효율 개선 평가모형의 정합성 평가에는 로지스틱 회귀모형이 적합한 대안으로 평가된다. 로지스틱 회귀모형은 판별분석과 유사하게 두 개 이상의 모집단이 구분된 경우 특정 표본이 어떤 모집단에 속하는지를 예측하는 데 활용되는 방법론이다. 동 모형은 부도확률이 0과 1사이에 있으며, 로지스틱 분포를 따름을 가정한다. 식 (8)는 로지스틱 회귀모형을 제시한다. 오즈(odds)는 각 집단에 속할 확률을 의미한다. 식 (8)는 식 (9)과 같이 재정리될 수 있다.

한편, 판별력에 더하여 정확성 역시 모형 리스크 관리를 위해 중요하게 고려되어야 할 요소이다. 개별 평가지표의 판별력이 높더라도, 모형을 통한 예측치가 실제치와 괴리가 발생할 수 있기 때문이다. 이러한 논의하에서 모형의 정합성 평가에는 대개 예측의 정확도를 평가하는 과정이 추가된다. 제1종 오류(type 1 error)는 실제 비효율 개체를 효율적 개체로 예측할 가능성에 기초한다. 제2종 오류(type 2 error)는 실제 효율적 개체를 비효율적 개체로 예측할 가능성에 기초한다. 이에 기초한 개념으로, 민감도(sensitivity)는 실제 비효율 개체를 비효율 개체로 예측한 비중을 의미한다. 특이도(specificity)는 실제 효율적 개체를 효율적 개체로 예측한 비중을 의미한다. 민감도와 특이도가 모두 높아져야 모형의 정확도가 우수하다고 판단할 수 있다.

ROC(receiver operating characteristics) 곡선은 x축이 ‘1-특이도’, y축이 ‘민감도’이며, 모든 임계값(threshold)에서 평가모형의 정확도를 평가하는 데 활용된다. ‘1-특이도’는 최소가 되어야 하며, ‘민감도’는 최대가 되어야 모형의 정확도가 높다고 할 수 있다. 따라서, ROC 곡선이 y축에 가까울수록(x변수가 최소), x축에서 멀어질수록(y변수가 최대) 우수한 예측력을 갖는 것으로 평가한다. AUROC (area under ROC)는 ROC 곡선의 아래 면적을 의미한다. 따라서, AUROC가 클수록 모형의 정확도는 높다. 일반적으로 AUROC가 0.8 이상일 경우 모형이 적정하다고 판단한다^[12].

표 2는 분석대상 평가지표의 기초통계량을 제시한다. Demand A~D는 주파수 이용효율 개선 평가모형 내 수요 관련 지표를, Supply A~D는 공급 관련 지표를 의미한다. Demand A의 평균은 3.14, 중위수는 3.00으로 관찰된다. 왜도와 첨도는 각각 0.14와 2.18로 확인된다. Demand A는 정규분포를 따를 가능성이 높은 것으로 평가된다. Demand B의 평균은 2.73으로 나타난다. Demand A에 비해 Demand B에 관련한 척도에 대한 평가대상의 관리가 다소 부족한 것으로 평가된다. Demand C와 D의 경우에도 평균이 각각 1.32와 1.09로 평가대역 전반적으로 Demand A에 비해 낮은 수준을 보이는 것으로 확인된다. 주파수 이용효율 개선 평가지표는 높은 값을 가질수록 비효율적으로 활용되는 대역임을 나타낸다. 따라서 수요 측면에서 활용주체의 Demand A와 B에 대한 적극적인 관리가 필요함을 시사한다. 보다 구체적으로 적극적인 설비투자, 경제성 개선, 기술개발, 신규수요 발굴 등 수요측면에서 주파수 이용효율을 높이기 위한 정책적 노력이 필요함을 시사한다. 한편, Demand C의 왜도와 첨도는 2.84와 9.95, Demand D는 6.45와 46.35로 정규분포에서 벗어나는 수치가 확인된다.

Supply A의 평균은 5.42로 관찰된다. 왜도와 첨도는 0.29와 1.29로 비교적 정규분포 기준 범위 안의 값이 확인된다. Supply B의 평균은 3.16으로 왜도와 첨도는 1.98과 5.35로 나타난다. Supply C의 평균은 4.89로 왜도와 첨도는 1.86과 17.88로 관찰된다. Supply D의 평균은 0.12로 여타 지표에 비해 낮은 값을 보인다. 동 평가지표의 경우, 상대적으로 만점이 낮지만, 평균의 만점 대비 비중을 감안하더라고 상당히 낮은 것으로 평가된다. 평균이 낮다는 점은 평가대상 전반에 대해 해당 평가지표의 특성에 대한 효과적인 관리가 이루어지고 있다는 것을 시사할 뿐, 판별력이 낮다는 것을 의미하지는 않는 점을 주지할 필요가 있다. Supply D의 왜도와 첨도는 3.64와 15.24로 정규분포 기준에서 벗어난 값이 확인되고 있다.

표 3은 Shapiro-Wilk 정규성 검정을 실시한 결과이다. W는 검정 통계량을 의미한다. 앞서 언급한 바와 같이 동 통계량이 통계적으로 유의하다는 것은 해당 평가지표의 분포가 정규성을 가지지 않음을 의미한다. 수요와 공급 평가지표 모두 통계적으로 유의적인 값이 확인된다. 이는 모든 평가지표가 정규분포를 따르지 않고 있음을 의미한다. 앞선 왜도와 첨도의 측정결과와 다소 상이한 결과가 몇몇 평가지표에서 확인된다.

왜도와 첨도는 정규분포 여부를 판단하기 위한 참고기준일 뿐 최종적 판단은 정규성 검정 방법론인 Shapiro-Wilk test를 거치는 것이 적절하다. 평가지표가 정규성을 따르지 않기 때문에 향후 정합성 검정에는 정규분포를 가정하지 않는 비모수적 방식을 활용하는 것이 적합하다. 특히, 판별력 평가에 있어 판별분석보다는 로지스틱 회귀모형이 적합할 것으로 판단된다.

표 4는 주파수 이용효율 개선 평가지표와 정합성 평가기준인 비효율성 변수와의 상관성을 평가한 결과를 제시한다. 모든 평가지표가 정규분포를 따르지 않아 Pearson 상관계수보다는 Kendall의 타우를 활용하는 것이 적합하다. 그럼에도 불구하고, 종합적인 접근을 통해 정책판단의 기초자료를 제공하는 차원에서 두 통계량을 모두 제시한다. Demand A는 비효율성 변수와 통계적으로 유의한 양(+)의 상관관계를 갖는 것으로 확인된다. 이는 Demand A가 높은 값을 가질수록 비효율적으로 주파수가 활용되는 대역일 가능성이 높음을 의미한다. 이를 통해 평가지표의 방향성이 당초 설정된 것과 일치함을 확인할 수 있다. 더불어, 상관계수는 0.48로 나머지 변수에 비해 높은 편이다. 따라서 Demand A가 주파수 활용의 비효율성과 비교적 높은 연관성을 가질 수 있는 것으로 평가할 수 있다. Kendall의 타우 역시 유의적인 양(+)의 값을 가져 이러한 판단을 일관되게 지지한다. Demand B의 Pearson 상관계수는 유의적인 양(+)의 값(0.15)이 확인되었으며, Kendall의 타우 역시 동일한 패턴이 확인된다. Demand A와 마찬가지로 주파수 활용의 비효율성과 동일한 선형상관관계를 보임을 파악할 수 있다. 다만, 상관계수가 낮은 편으로 명확한 상관성을 주장하는 데 어려움이 있다. Supply A의 Pearson 상관계수는 0.27로 통계적으로 유의적이다.

한편, Demand C와 D는 음(−)의 상관계수가 관찰되며, 통계적 유의성이 확인되지 않는다. 이러한 결과는 비효율적으로 활용되는 주파수 대역을 식별하기 위한 모형의 목적과 다소 배치된다. 앞서 언급한 바와 같이, 주파수 이용효율 개선 평가지표는 높은 값을 가질수록 대역정비의 필요성이 높은, 즉, 이용효율이 낮은 대역임을 의미한다. 이러한 관점에서 상관계수가 음(−)의 값을 갖는다는 것은 오히려 효율적인 대역에서 두 평가지표의 점수가 높게 나타남을 시사한다. 물론, 이러한 결과는 정합성 평가기준(비효율성)에 크게 의존하므로 실무적 판단은 정책 관리자에 의해 재차 이루어져야 할 것이다. Supply B와 D 역시 당초 설정된 방향성과 다소 상이한 결과(음(−)의 상관계수)가 확인된다. 상관계수의 부호(방향성)와 별개로 상관계수의 절대값이 낮아 상관성이 존재하지 않는 것으로 보는 것이 보다 적합하다. Supply C는 양(+)의 상관계수가 확인되나, 절대값이 매우 작으며 통계적 유의성도 보유하지 않는다.

표 5는 주파수 이용효율 개선 평가지표의 판별력 검정결과를 제시한다. 전체 표본을 비효율성 변수가 1인 집단(주파수가 비효율적으로 활용되는 집단)과 그렇지 않은 집단으로 구분하고, 두 집단 간 평균(또는 중위수)의 차이를 검정한다. 상관성 분석과 동일하게 종합적인 평가를 위해 t-test와 Wilcoxon 순위합 검정을 동시에 활용한다. Demand A의 집단 간 평균의 차이는 −1.84로 통계적으로 유의한 것으로 파악된다. 이는 비효율적인 집단이 효율적인 집단에 비해 Demand A가 1.84점 높게 나타남을 의미한다. 이는 평가의 방향성과 일치하는 결과이다. Demand B의 집단 간 평균의 차이는 −0.40으로 확인된다. 이 역시도 평가의 방향성과 일치한다. t-test와 Wilcoxon 순위합 검정을 통해 이러한 차이가 통계적 유의적인 것으로 파악되었다. 다만, 앞선 Demand A에 비해 점수 차이나 통계적 유의성이 다소 낮은 것으로 확인된다. Demand C와 D의 집단 간 차이는 통계적으로 유의적이지 않아 이용효율을 판별하는 데 제한적인 정보를 포함하고 있음을 추론할 수 있다. Supply A의 두 집단 간 평균의 차이는 −3.03으로 나타나, 평가의 방향성과 일치하였으며, 통계적 유의성도 보유하는 것으로 확인된다. 이는 이용효율 수준을 식별함에 있어 효과적인 평가지표임을 의미한다. 반면, 나머지 공급측면 평가지표의 집단 간 차이는 유의적이지 않은 것으로 나타난다.

표 6은 로지스틱 회귀모형을 활용하여 평가지표의 판별력을 검정한 결과이다. 주파수 이용효율 개선 평가모형은 여러 가지 평가지표를 동시에 활용한 종합적인 평가에 활용된다. 이러한 현실을 감안하여, 모든 평가모형의 동시적 판별력을 평가할 필요가 있다. 모형 (1)은 수요측면 평가지표를 동시에 포함한 모형을 추정한 결과이다. Demand A의 추정계수는 통계적으로 유의한 양(+)의 값을 갖는다. 모형 (2)는 공급측면 평가지표를 동시에 포함한 모형을 추정한 결과이다.

모형 (3)은 모든 평가지표를 동시에 고려한, 즉, 실제 평가과정과 가장 유사한 설정을 바탕으로 한 판별력 검정결과를 제시한다. Demand A의 추정계수는 여전히 통계적으로 유의한 양(+)의 값을 갖는다. 반면, 기존 모형에서 유의성이 확인되었던, Supply A의 유의성은 사라지고 있다. 이는 Demand A가 여타 평가지표와 높은 상관관계를 갖는데 반해, 이용효율을 설명하는 데 가장 큰 영향력을 보유하기 때문으로 평가된다. 기존 모형에서 유의성을 가지지 않았던 Demand C의 추정계수가 통계적으로 유의한 음(−)의 값을 갖는 것으로 확인된다. 이는 모든 평가지표의 효과를 통제하는 경우 해당 평가지표의 설명력이 실현됨을 의미한다. 다만, 음(−)의 추정계수는 평가모형의 방향성과 상반되어 설명력을 명확히 판단하는 데 제한적이다.

앞선 판별력 평가에서 활용된 다변량 로지스틱 회귀모형은 실제 평가과정과 가장 유사한 설정이다. 따라서 이러한 설정을 전제로 주파수 이용효율 개선 평가모형의 정확성을 평가한다.

그림 1은 평가모형에 대한 ROC 곡선과 AUROC를 측정한 결과를 제시한다. 모든 평가지표를 동시에 고려한 전체모형의 ROC 곡선은 y축에는 가깝게 x축에서는 먼 형태가 관찰되고 있다. AUROC는 0.96으로 평가기준을 상회하는 것으로 나타난다. 정리하면, 주파수 이용효율 개선 평가모형이 이용효율이 높은(또는 낮은) 대역을 식별하는 데 충분한 설명력, 즉, 정확성을 갖추고 있음을 의미한다.

그림 1. | Fig. 1. AUROC 측정 결과 | AUROC.

Download Original Figure

먼저, 정량지표를 확대하는 방안이 검토될 필요가 있다. 이는 평가결과에 대한 자의성을 최소화하고 객관성을 확대하기 위한 대안이다. 정성지표는 평가자의 주관이 평가결과에 개입될 수 있으며, 평가자 간 의견이 크게 불일치하는 경우, 평가지표의 판별력이 약화될 수 있다. 물론, 평가의 유연성을 확보하는 차원에서 정성지표의 활용을 완전히 배제하는 것은 어렵다. 특히, 과거에 누적된 자료를 활용하는 정량지표와 달리 정성지표는 전문가의 예상을 고려한 미래지향적(forward looking) 평가가 이루어진다는 장점을 갖는다. 따라서 정성지표의 활용을 완전히 배제하기보다는, 정량지표를 보조적으로 활용하여 객관성을 유지할 필요가 있다. 일례로, 델파이 방식의 설문조사 방식을 응용하는 방안을 고려할 수 있다.

둘째, 수준/변화 평가지표의 조합이 필요하다. 평가지표의 수준(level)은 현재 이용효율 수준을, 변화(change)는 이용효율의 개선정도를 대리한다. 효율적으로 주파수를 이용하는 활용주체를 선별함과 동시에 이용효율의 개선 유인을 부여하는 평가의 목적을 감안할 때, 두 가지 특성을 동시에 고려할 수 있는 평가지표의 활용이 필요하다. 예를 들어, 설비투자 수준을 파악하기 위해 무선국 수만을 활용할 경우, 신규 서비스가 불리하게 평가될 수 있다. 역으로 무선국 수의 변화만을 고려할 경우, 활용주체의 적극적인 서비스 품질 개선의지를 평가결과에 반영하기 어렵다.

셋째, 보완 평가지표의 활용이 검토될 수 있다. 보완 평가지표는 평가모형에 상시 활용되지 않지만, 평가자의 판단하에 평가기준시점에 고려되어야 할 특성을 반영하기 위한 대안이다. 데이터에 근거한 평가는 과거지향적(backward looking)이라는 한계를 갖는다. 이 때문에, 주파수 활용의 미래 변화 가능성도 고려한 평가모형의 설계가 필요하다. 특히, 주파수는 무형자산으로써 기술 개발, 용도 변경 등에 따라 그 가치가 변화할 수 있으며, 이를 고려하여 주파수를 효율적으로 분배․할당하는 것이 전파정책의 주된 목표 중 하나이다. 이러한 측면에서 현재 이용효율이 높지 않지만, 산업진흥 등 정책적 목적을 위해 적극적인 주파수의 활용이 필요한 용도가 존재할 수 있다. 이러한 정책목표를 내재화하기 위한 대안으로 보완 평가지표가 활용될 수 있다. 다만, 보완 평가지표는 매년 평가 전 전문가 자문단에 의해 결정되도록 설정하여 자의적인 평가가 이루어질 가능성을 통제해야 할 것이다.

넷째, 규모효과를 통제하는 방안이 검토될 필요가 있다. 주파수가 무선통신 서비스의 제공을 위한 생산요소로 활용된다는 점에서 이용효율은 서비스 특성과 밀접한 연관성을 가질 수 있다. 이론적으로 규모의 경제(economies of scale)는 효율성을 결정하는 요인으로 작용할 수 있다. 높은 규모에 기인하여 발생하는 효율성은 주파수를 효율적으로 활용하였다고 보기 어렵기 때문에¹²⁾ 이러한 효과를 통제한 상태에서 용도 간 효율성이 비교되어야 할 것이다. 현실적으로, 전국적 서비스를 제공하는 용도와 지역적 서비스를 제공하는 용도는 무선국 수, 주파수의 이용범위 등이 다르게 나타날 수 있다. 만일, 이러한 차이가 고려되지 않고 주파수의 이용효율이 평가될 경우 전국적 서비스가 과대평가될 수 있다. 유사한 측면에서, 서비스 시장의 규모가 평가결과에 미치는 영향력도 고려되어야 한다. 잠재 가입자 규모가 큰 서비스의 경우 높은 사업성에 비례하여 무선국 설치, 서비스 커버리지 등이 확대될 수 있다. 이는 주파수 활용주체의 효율적 이용에 따른 결과로 보기보다는 서비스 특성에 기인한 것이다. 따라서 평가지표 설정 시 가입자 수, 서비스 제공범위, 사업성 등 서비스 시장의 규모를 반영하는 특성을 고려할 필요가 있다.

다섯째, 경제적 측면에서 이용효율은 투입된 자원 대비 얻어진 산출물의 규모로 평가될 수 있으므로, 투입된 주파수의 양에 대한 고려가 필요하다. 참고문헌 [13]은 투입-산출의 관계에 입각한 주파수 이용효율 개선 평가의 필요성을 제기한다. 이들은 경제적 관점에서 생산요소의 투입에 비례하는 산출의 확대를 고려하여 효율성의 상대적 크기의 활용을 주장한다. 이러한 주장과 일맥상통하게, 서비스 이용자 수 또는 서비스 제공범위가 동일하더라도 적은 주파수를 활용하는 용도라면 이에 대한 이용효율을 높게 평가하는 것이 적절하다. 이는 주파수 이용효율 평가의 취지에 부합한다.

먼저, 평가지표의 판별력뿐만 아니라, 평가지표가 평가결과(점수)로 산출되는 기준의 적정성 평가가 필요하다. 구체적으로, 평가지표 가중치의 적정성이 검토되어야 한다. 현행 주파수 이용효율 개선 평가모형하에서 평가지표별 가중치가 다르게 설정되어 있다. 평가지표의 중요도를 고려하여 이러한 차이를 두는 것은 적절한 설정으로 판단된다. 하지만, 도출된 가중치에 대한 논리적 근거를 쉽게 인지하기 어렵기 때문에 이에 대한 사후적 적정성 검정이 필요하다. 이를 위한 검정방안으로 통계적 방법론인 주성분분석(principle component analysis)이 활용 가능하다. 동 분석은 모형의 정보력을 최대화하는 평가지표 조합(가중치)에 대한 정보를 제공한다.

둘째, 사업용과 비사업용 서비스를 구분한 평가체계 구성이 필요하다. 사업용과 비사업용 서비스는 수익성, 공익성 등 분배된 목적이 상이할 뿐만 아니라, 시장 규모, 활용주체의 특성(사업자, 공공기관 등) 역시 다르다. 특히, 비사업용 서비스는 국가 안보, 국민 안전 등을 목표로 사용되는 반면, 사업용 서비스는 수익성 창출을 위한 목적을 갖는다. 이러한 차이로 인해 현행 전파법 하에서 사업용 주파수는 할당, 비사업용 주파수는 지정, 사용승인의 절차를 거쳐 분배된다¹³⁾. 더불어, 공공용 주파수의 경우 전파법 제18조의6에 따라 별도의 수급계획이 수립․시행되고 있어 명백한 제도적 차이가 존재한다. 이동통신, 주파수공용통신 등에만 할당대가가 부과되는 점 역시 여타 용도(대역)와 비교를 어렵게 만드는 요인으로 작용할 수 있다. 물론, 이러한 특성을 감안하여, 경제성과 공익성을 모형에 동시에 고려하여 평가의 균형을 맞출 수 있다. 그럼에도 불구하고, 비사업용 서비스는 신기술 도입, 신규 생태계 조성 등 사업용 서비스와 동일한 기준에 의해 이용효율 개선 여부를 평가하는 데 한계가 있다(표 7).