---
type: paper
slug: chul-lee-2018-science-technology-convergence-pharma
title: The impact of convergence between science and technology on innovation
authors:
  - '[[chul-lee]]'
  - '[[geon-park]]'
  - '[[jinakang]]'
year: 2018
venue: '[[journal-of-technology-transfer]]'
volume: '43'
issue: '2'
pages: 522-544
doi: 10.1007/s10961-016-9480-9
categories:
  - '[[innovation-economics]]'
methods:
  - '[[zero-inflated-negative-binomial-regression]]'
  - '[[patent-analysis]]'
  - '[[herfindahl-index]]'
themes:
  - '[[science-technology-convergence]]'
  - '[[knowledge-spillover]]'
  - '[[absorptive-capacity]]'
  - '[[knowledge-maturity]]'
last_updated: '2026-05-17T20:00:00+09:00'
---
# The impact of convergence between science and technology on innovation

*[[chul-lee]], [[geon-park]], [[jinakang]] (2018)* · [[journal-of-technology-transfer]] 43(2):522-544 · [DOI ↗](https://doi.org/10.1007/s10961-016-9480-9)

> 발명 과정에서 *과학* 과 *기술* 의 융합 비중 (특허 backward reference 중 SCI 게재 과학 논문이 차지하는 비율) 이 혁신 영향력 (forward citation) 에 미치는 효과를 묻고, 조직의 *과학적 역량*, 지역적 [[knowledge-spillover]], 과학 지식 *성숙도* 세 조절 변수 효과를 검증한다. 2008년에 미국 제약 산업 (USPC 424 / 514) 702개 조직에 등록된 2,074건 특허, [[zero-inflated-negative-binomial-regression]] (Vuong test 기반) 결과: 과학 비중이 혁신 영향력에 *역-U* 관계 (1차 $\beta=10.03, p<.01$, 2차 $\beta=-11.76, p<.001$), 세 조절 변수 모두 양의 조절 효과로 H1~H4 지지.

- **RQ**: 발명 과정에서 과학·기술 융합 비중이 혁신 영향력에 어떤 곡선 관계를 갖는가? 조직의 과학적 역량, 지역적 과학 지식 스필오버, 과학 지식 성숙도가 이 관계를 어떻게 조절하는가?
- **방법론**: [[zero-inflated-negative-binomial-regression]], [[patent-analysis]], [[herfindahl-index]]
- **데이터**: 미국 제약 산업 (USPC 424, 514), 702개 조직, 2,074건 등록 특허 (2008 grant year); USPTO + Web of Science (SCI) + Thomson Reuters; backward citation 43,208 patent + 68,540 SCI references, 5년 forward citation 4,989건
- **주요 발견**: 평균 forward citation 2.25 / 평균 convergence ratio 54% / 평균 과학 지식 maturity 13.6년. H1 역-U $\beta=10.03 / -11.76$, H2 scientific capacity 조절 $\beta=-0.169, p<.05$, H3 spillover 조절 $\beta=-0.864, p<.05$, H4 maturity 조절 $\beta=-0.237, p<.001$ (모두 square term 의 음의 방향과 같은 부호로 곡선 강화)
- **시사점**: 과학·기술 *50:50 균형* 이 영향력 극대점; 기초 과학 *내부 축적* 과 대학·연구소 *근접성* (지역 클러스터) 의 동시 확보가 융합 효익 실현 조건. 정책적으로 산학협력 클러스터링, 기초 과학 codification 지원, 신생 R&D 조직 보호가 시사

![Figure 1. 과학-기술 융합 비중과 혁신 영향력의 역-U 관계 + 세 조절 변수 (scientific capacity, regional knowledge spillover, scientific knowledge maturity) 가 곡선의 정점·고도를 동시에 옮긴다는 개념도.](/papers/201804_LeeC_The_impact_of_convergence_between_science_and_technology_on_innovation/fig1.png)

## 요약

기존 [[science-technology-convergence]] 연구 (Brooks 1994, Fleming 과 Sorenson 2004, Cassiman, Veugelers, Zuniga 2008, Subramanian 과 Soh 2010) 는 *과학이 혁신에 긍정적* 이라는 주효과 위주로 분석했고, Curran et al. (2010), Curran 과 Leker (2011), Jeong et al. (2015) 은 산업·시장 수준 convergence 분류에 집중했다. 그러나 발명 단계의 *과학 비중 최적점* 과 그 *조절 메커니즘* 은 충분히 다뤄지지 않았다. 이 paper 는 Hacklin (2008) 의 convergence cascade (지식 수준 → 산업 수준 → 시장 수준) 와 Cohen·Levinthal (1990) 의 [[absorptive-capacity]] 를 결합해, 과학 비중 증가가 일정 수준을 넘으면 R&D 자원이 *내재화* 에 과도 투입되어 효율이 떨어진다는 명제 — 곡선 (역-U) 가설 — 를 유도한다.

방법론적으로는 Trajtenberg et al. (1997) 의 convergence ratio = (SCI 게재 과학 publication 인용 수) / (total references) 정의를 따르되, Gittelman 과 Kogut (2003) 처럼 NPR 전체가 아닌 SCI 등재 journal 만 과학으로 좁힌다. 종속변수는 5년 forward citation. 표본 2,074 특허 중 1,214개 (59%) 가 forward citation 0건, 149개가 10건 초과 → over-dispersion + zero excess 양쪽 모두 존재. Poisson 부적합, NBR 도 zero 과다, 그래서 [[zero-inflated-negative-binomial-regression]] (Vuong test goodness-of-fit 비교 기반) 채택. 조절 변수 세 개: scientific capacity = 조직 employee 의 2003–2007 SCI publication 수, regional spillover = 주 (state) 단위 2003–2007 SCI publication 평균 log, maturity = 인용 SCI publication 평균 출판년과 focal year (2008) 의 lag. Control: research capacity (5년 특허 수 log), pharma-specific experience, originality (1 − Herfindahl), technological diversity, technological knowledge maturity, assignee type dummy (firm/university/research institute), pharma class dummy (424/514).

결과: H1 1차항 $\beta=10.03 (p<.01)$ + 2차항 $\beta=-11.76 (p<.001)$ 로 역-U 강하게 지지. H2 scientific capacity × convergence² $\beta=-0.169 (p<.05)$ 로 곡선 강화 (Aiken·West 1991, Dawson 2014 의 quadratic moderation criterion 충족). H3 regional spillover × convergence² $\beta=-0.864 (p<.05)$. H4 maturity × convergence² $\beta=-0.237 (p<.001)$. 평균 maturity 13.6년 = "과학 발견 → 기술 적용" 의 15–20년 lag (Van Vianen et al. 1990, Tijssen et al. 2000) 와 일치. Pharma-specific experience 는 *음의* 효과 — 신생 R&D 조직이 오래된 조직보다 영향력 큰 혁신 산출 (소위 "innovator's dilemma"). [[jinakang]] author page 의 *2기 (2013–2018) 외부 지식 탐색의 구조적 역학* 시기, "양날의 검" 메타포의 *과학·기술 fit* 영역 구현. 한계: 비특허 혁신 누락, scientific capacity 측정의 publication 단일 지표 의존.

## 핵심 결과

| 가설 | 변수 | β | 유의수준 | 지지 |
|---|---|---:|---|---|
| H1 (선형) | convergence ratio | +10.03 | p<.01 | 지지 |
| H1 (역-U) | convergence ratio² | −11.76 | p<.001 | 지지 |
| H2 | scientific capacity × ratio² | −0.169 | p<.05 | 지지 |
| H3 | regional spillover × ratio² | −0.864 | p<.05 | 지지 |
| H4 | knowledge maturity × ratio² | −0.237 | p<.001 | 지지 |

표본: N = 2,074 특허, 702개 조직, focal year 2008, 평균 forward citation 2.25, 평균 convergence ratio 54%, 평균 scientific knowledge maturity 13.6년, zero-inflated NBR (Vuong test 기반 NBR 대비 fit 우월).

## 방법론 노트

종속변수가 *count + over-dispersion + zero excess* 의 세 특성을 가져 [[zero-inflated-negative-binomial-regression]] 이 적합. ZINB 는 (i) "구조적으로 0 이 나올 확률" 을 logit 으로 분리 추정, (ii) 나머지 count 를 NBR 로 추정하는 two-part 모형이라 5년 안에 forward citation 을 받지 못한 patent 의 *구조적 0* 과 *우연적 0* 을 구분한다. 핵심 식:

$$
P(Y_i = y) = \begin{cases} \pi_i + (1-\pi_i)\,\text{NB}(0;\mu_i,\alpha) & y = 0 \\ (1-\pi_i)\,\text{NB}(y;\mu_i,\alpha) & y > 0 \end{cases}
$$

$$
\ln \mu_i = \beta_0 + \beta_1 \text{Conv}_i + \beta_2 \text{Conv}^2_i + \sum_k \gamma_k \text{Mod}_{i,k} \times \text{Conv}^2_i + X_i\delta
$$

여기서 $\text{Conv}_i$ = (SCI publication 인용 수) / (total references), $\text{Mod}_{i,k}$ 는 scientific capacity / regional spillover / knowledge maturity 세 조절 변수, $X_i$ 는 control. Dawson (2014), Aiken 과 West (1991) 의 quadratic moderation criterion 에 따라 *조절 변수 × 2차항* 의 부호가 2차항과 같으면 곡선이 강화된 것으로 식별. Vuong (1989) statistic 으로 ZINB vs NBR fit 비교 → ZINB 가 더 적합 확인.

## 연구 계보

직접 선행은 Brooks (1994) 의 과학 ↔ 기술 관계론, Hacklin (2008) 의 convergence cascade, Curran, Bröring, Leker (2010), Curran 과 Leker (2011), Jeong et al. (2015) 의 산업 convergence 분류, Fleming 과 Sorenson (2004) 의 *science as a map in technological search*, Gittelman 과 Kogut (2003) 의 science → biotech 혁신, Cassiman, Veugelers, Zuniga (2008) 의 industry-science links, Subramanian 과 Soh (2010), Caraça, Lundvall, Mendonça (2009) 의 과학의 혁신 역할 변화. 방법론 anchor 는 Trajtenberg, Henderson, Jaffe (1997) 의 originality·generality 및 convergence ratio 정의, Capaldo, Lavie, Petruzzelli (2014) 의 knowledge maturity, Almeida et al. (2011) 의 지역 knowledge spillover, Almeida 와 Kogut (1999) 의 engineer mobility 가 핵심 인용. 이론 anchor 는 Cohen·Levinthal (1990) 의 [[absorptive-capacity]], Dierickx·Cool (1989) 의 asset stock accumulation, Cardinal, Alessandri, Turner (2001) 의 knowledge codifiability. [[jinakang]] author page 의 *2기 (2013–2018) 외부 지식 탐색의 구조적 역학* 시기, "양날의 검 + 역-U + 조절자" 시그니처 패러다임의 [[science-technology-convergence]] 영역 구현. 같은 시기 *내부 역량 × 외부 환경 fit* 명제를 다른 변수쌍으로 다룬 [[chigu-kim-2018-pacap-knowledge-search-appropriability]] (PACAP × appropriability) 의 sibling.

## See also

- [[jinakang]]
- [[chul-lee]]
- [[geon-park]]
- [[journal-of-technology-transfer]]
- [[science-technology-convergence]]
- [[knowledge-spillover]]
- [[absorptive-capacity]]
- [[knowledge-maturity]]
- [[zero-inflated-negative-binomial-regression]]
- [[patent-analysis]]
- [[herfindahl-index]]
- [[double-edged-sword]]
- [[chigu-kim-2018-pacap-knowledge-search-appropriability]]