본 논문은 인공신경망과 전통적인 회귀분석 방법을 적용하여 제조간접비와 원가동인간의 관계를 파악함으로써 기존의 원가동인연구에 대한 대안을 제시하고자 한다. 이를 위해 단순선형관계의 회귀식과 비선형을 허용하는 인공신경망은 이용하여 제조간접비의 예측성과를 비교함으로써 함수관계의 비선형을 허용할 경우 예측성과가 제고되는가를 평가하고, ABC에서 주장하는 복잡성과 관련된 원가동인을 추가할 경우 제조간접비에 대한 예측력이 제고되는가를 분석하고자 한다. 원가동인과 관련된 기존의 연구들은 대부분 제조간접비를 종속변수로 원가동인을 독립변수로 하는 회귀모형을 이용하여 원가동인 변수의 통계적 유의도에 의해 원가동인 여부를 판정하였는데 본 연구에서는 종속변수인 제조간접원가에 대한 예측성과를 기준으로 원가동인 여부를 판정한다는 점에서 특징적이다. 연구결과 조업도 관련 변수가 회귀모형에서나 인공신경망에서 제조간접비를 예측하는데 유용한 기준이 될 수 있음을 알 수 있었다. 제조간접비 예산편성시 전통적으로 사용되는 조업도 관련기준을 사용하는 것이 큰 문제가 없음을 의미한다고 할 수 있다. 뿐만 아니라 연구결과는 변동예산에 흔히 사용되는 선형회귀식의 예측력도 비선형 함수관계를 포착할 수 있 는 인공신경망에 비해 열등하지 않음을 제시하고 있다.

This paper uses artificial neural network to analyze cost drivers of manufacturing overhead. It presents an alternative framework to traditional regression studies for cost driver studies. Using 48 months of overhead and cost driver data for two plants of a forklift manufacturing firm. I compared overhead prediction performances of ANN and regression models. Volume related cost drivers were found to be useful for overhead prediction implying that traditional flexible budget formula based on volume based variables are acceptable for budgeting purposes. Moreover traditional linear additive functional forms were not inferior to more flexible ANN models in predicting overhead.