---
type: paper
slug: dasol-lee-2024-cybersecurity-startups-first-mover
title: >-
  First-mover advantages and intentional knowledge spillover effects on
  cybersecurity start-ups' financial and innovation performance: Incentive for
  revealing innovations in high-tech emerging industry
authors:
  - '[[dongwoo-lee]]'
  - '[[yeonbaekim]]'
year: 2024
venue: '[[asian-journal-of-technology-innovation]]'
volume: '32'
issue: '1'
pages: 1-19
doi: 10.1080/19761597.2022.2148705
categories:
  - '[[innovation-economics]]'
  - '[[firm-strategy]]'
methods:
  - '[[ols-regression]]'
  - '[[zero-inflated-negative-binomial-regression]]'
  - '[[interaction-effects]]'
  - '[[inverse-u-test]]'
themes:
  - '[[first-mover-advantage]]'
  - '[[intentional-knowledge-spillover]]'
  - '[[cybersecurity-startups]]'
  - '[[open-innovation]]'
  - '[[high-tech-emerging-industry]]'
  - '[[white-paper]]'
  - '[[open-source-software]]'
aliases: []
last_updated: '2026-05-20T01:41:32+09:00'
---
# First-mover advantages and intentional knowledge spillover effects on cybersecurity start-ups' financial and innovation performance: Incentive for revealing innovations in high-tech emerging industry

*[[dongwoo-lee]], [[yeonbaekim]] (2024)* · [[asian-journal-of-technology-innovation]] 32(1):1-19 · [DOI ↗](https://doi.org/10.1080/19761597.2022.2148705)

> 2009-2018년 미국 본사를 둔 cybersecurity startup 327개 (CrunchBase 데이터 + USPTO 특허 + Dun&Bradstreet 매출) 를 분석. 진입 시점 (entry timing) 이 *재무 성과* (연 매출 log) 에는 0.128~0.168 (1% 유의) 의 positive linear effect 를 보였으나 *혁신 성과* (USPTO 특허 출원 수) 에는 inverted-U 관계를 보였다. 의도적 지식 spillover (백서·OSS·conference presentation 의 연평균 회수) 가 *innovation 의 inverted-U 곡선 자체* 를 positive 방향으로 moderate (3-way interaction 유의), *재무 성과* 의 moderation 은 negative 가설 H3a 와 달리 부재. *Closed → Open innovation paradigm* 전환의 정량 evidence — *latecomer 도 high innovation 가능*.

- **RQ**: (i) 사이버보안 산업 (low-appropriation ecosystem) 의 startup 의 first-mover advantage 가 *financial vs innovation 성과* 에 다르게 작동하는가? (ii) Intentional knowledge spillover (white paper, OSS, conference) 가 양쪽 outcome 의 moderator 인가?
- **방법론**: [[ols-regression]] (재무 성과, continuous outcome), [[zero-inflated-negative-binomial-regression]] (혁신 성과: 75/327 zero 응답 + overdispersion), [[interaction-effects]] (entry timing × spillover), [[inverse-u-test]] (entry timing²)
- **데이터**: 미국 본사 사이버보안 startup 327개 (CrunchBase 1384개 중 USPTO 특허 식별 가능한 분기, 2009-2018 창업, 관측기간 2009-2019). 재무 = D&B 의 연 매출 (2019), 혁신 = USPTO 2017-2019 patent application, 의도적 spillover = startup 웹사이트 white paper 수 + GitHub OSS repository 수 + CrunchBase Events 회수의 *연평균*
- **주요 발견**: (1) Entry timing → 재무 성과: 0.128 (Model 2, t-stat 4.0+, 1% 유의) → moderator 추가시 0.168 (Model 3, 1% 유의), H1 지지. (2) Entry timing → 혁신 성과: inverted-U 관계 (entry timing + entry timing² 의 sign +/-), H2 지지. (3) Spillover × entry timing → 재무: coefficient 0.008 (n.s.) → 가설 H3a (negative moderation) 기각. (4) Spillover × entry timing → 혁신: positive moderation (1% 유의), H3b 지지. (5) Sample 특성: 평균 entry timing 5.38년, 평균 white paper/OSS/conference 연 1.89회, 평균 특허 4.07건 (S.D. 8.93)
- **시사점**: (a) Open innovation 의 *first-mover-friendly*: 의도적 공개가 *경쟁자 추월 risk* 보다 *생태계 확장 + leader 정체성* 의 net positive. (b) Latecomer 의 catch-up: inverted-U 후반 = follower 의 innovation niche. (c) 정부의 *minimum safety net* (지식 공개의 부작용 방어) 필요

## 요약

기존 first-mover advantage 문헌은 high-tech 산업 (Makadok 1998, Suarez & Lanzolla 2007) 에서 *exclusive appropriation* 을 통한 선점 이익을 강조했으나, 사이버보안 산업은 *low-appropriation ecosystem* 의 예외 사례다 — startup 들이 백서·OSS·기술 conference 를 통해 자발적으로 지식을 공개. Harhoff, Henkel & von Hippel (2003) 의 "voluntary information spillover" 게임이론 모형은 *왜 firm 이 자발적으로 공개하는가* 의 이론적 토대를 제공하지만 *어느 산업에서 어느 정도* 의 실증 grounding 이 약하다. [[lee-malerba-2017-catch-up-cycles]] (Lee & Malerba 2017 Research Policy 46(2):338-351) 의 catch-up cycles 문헌과 결합하면 *지식 spillover 가 latecomer 의 catch-up window 를 여는* 메커니즘 가설이 도출되지만, 단일 산업의 firm-level outcome 차원에서 검증된 바 없었다.

[[dongwoo-lee]] 와 [[yeonbaekim]] 은 CrunchBase 의 1384개 사이버보안 startup 중 top 100,000 high-tech firms 안에 속하는 327개 (미국 본사, 2009-2018 창업) 를 sample 로 [[ols-regression]] (재무) 과 [[zero-inflated-negative-binomial-regression]] (혁신, 75개 zero 응답에 Vuong test p=0.000) 의 dual-equation spec 을 채택. Entry timing 은 founding year 와 last observation year 의 차이 (평균 5.38년). 의도적 지식 spillover 는 white paper 수 + GitHub OSS repository 수 + conference 발표 수의 *startup 생애 연평균* (평균 1.89). 통제 변수는 직원 수, 투자 유치액 (log), 석박사 임원 dummy, 과거 특허 수. Multicollinearity 검정에서 VIF 평균 2.12 로 문제 없음. 핵심 결과: 진입 시점 → 재무 성과 0.128 (1% 유의), 진입 시점 → 혁신 성과는 inverted-U (entry timing 의 squared term 유의). Spillover 의 moderation: 재무에서는 H3a 의 negative 가설과 반대로 0.008 (n.s.), 혁신에서는 H3b 의 positive 가설 지지 (1% 유의).

이 결과는 [[yeonbaekim]] 의 *제3기 (2019-2025) 의 기술 창업 + 혁신 생태계 라인* (author page 분류) 의 정량 핵심. 정책 함의는 *open innovation paradigm 의 산업-specific 정당화*: (a) 정부가 *minimum safety net* (지식 공개의 부작용 방어) 으로 self-disclosure 유인을 강화, (b) first-mover 가 *knowledge-sharing strategy* 를 두려워하지 말 것 — 단기 monopoly pie 보다 long-run expanding pie 가 큼, (c) latecomer 의 *적정 entry timing 식별* — spillover 가 풍부한 시기에 진입하되 너무 늦으면 complementary innovation 포화. 한계는 (i) US-only sample (Asian ecosystem 의 monopolisation 성향 비교 미진), (ii) cross-section, (iii) 재무 성과의 매출 단일 지표 의존 (revenue growth rate, ROA 등 미적용), (iv) intentional vs unintentional spillover 의 measurement 단순성.

## 핵심 결과

| 모형 | Entry timing β | Spillover β | Entry × Spillover β | R²/Pseudo-R² |
|---|---|---|---|---|
| Financial M2 (OLS) | **0.128 (1%)** | — | — | 0.319 |
| Financial M3 (OLS + moderator) | **0.168 (1%)** | 0.159 (n.s.) | 0.008 (n.s.) | 0.341 |
| Innovation M5 (ZINB) | + entry² 유의 (inverted-U) | — | — | 0.293 |
| Innovation M6 (ZINB + moderator) | inverted-U 유지 | — | **+ (1% 유의)** | 0.312 |

표본 평균 통계 (n=327): entry timing 5.38년 (SD 2.59), 재무 (log 매출) 15.86 (SD 1.77), 특허 출원 4.07건 (SD 8.93), spillover 1.89회/년 (SD 2.07). H1·H2·H3b 지지, **H3a 기각**.

## 방법론 노트

핵심 식별 전략은 같은 표본에 두 outcome (재무·혁신) 의 functional form 을 *다르게* 부여하는 것: 재무는 monotonic (linear), 혁신은 inverted-U (entry timing²). 만약 두 outcome 이 같은 functional form 을 따른다면 first-mover advantage 의 *outcome-specific* 메커니즘 (financial = 시장 선점·고객 관성 vs innovation = 학습 곡선 + dominant paradigm trap) 을 분리할 수 없다. Moderator 의 *3-way significance* 가 핵심 inferential anchor.

$$
\ln(Revenue_i) = \beta_0 + \beta_1 EntryTiming_i + \beta_2 Spillover_i + \beta_3 (EntryTiming \times Spillover)_i + \gamma' X_i + \varepsilon_i
$$

$$
\Pr(Patents_i = y) = ZINB(\lambda_i, \theta), \quad \ln(\lambda_i) = \alpha_0 + \alpha_1 EntryTiming_i + \alpha_2 EntryTiming_i^2 + \alpha_3 Spillover_i + \alpha_4 (EntryTiming \times Spillover)_i + \delta' X_i
$$

여기서 $X_i$ = (직원 수, log 투자, 석박사 dummy, 과거 특허). 식별 가정: spillover 의 *intentional vs unintentional* 구분은 white paper / OSS / conference 라는 *공적 disclosure channel* 만 측정함으로써 보장. ZINB 선택은 Vuong test (p=0.000) 와 AIC (NB 4.135 < Poisson 7.573) 로 정당화. Heteroskedasticity 는 White's test 후 robust SE 로 통제. 한계는 (i) cross-section 이라 reverse causality 가능성 (좋은 startup 이 더 많이 공개) 통제 불가, (ii) GitHub OSS 의 firm-level 식별이 "firm name 으로 시작하는 repo" rule 에 의존.

## 연구 계보

[[yeonbaekim]] 의 제3기 라인 (기술 창업 + 혁신 생태계, 2019-2025) 의 micro firm-level performance 차원. 직접 선행은 [[changhyeon-song-2020-socio-cultural-tea]] (Tech in Society 2020) 의 *macro entrepreneurship* 분석 — 본 paper 는 이를 *firm-level startup performance* 차원으로 확장. 또 같은 라인의 Yu, Lee & Kim (2022) AJTI 30(2):295-312 "Effects of voluntary R&D disclosure on business performance" 는 한국 제조업의 voluntary disclosure 효과를 다룬 sibling 작업. 이론적 뿌리는 (a) Lieberman & Montgomery (1988) SMJ 의 *first-mover advantage* 정초, (b) Suarez & Lanzolla (2007) AMR 의 *환경 dynamics 조건부 first-mover*, (c) Harhoff, Henkel & von Hippel (2003) Research Policy 32(10):1753-1769 의 *voluntary information spillover* 게임이론, (d) Lerner & Tirole (2002) JIE, Fershtman & Gandal (2011) RAND, Nagle (2019) Management Science, Conti, Peukert & Roche (2021) SSRN 의 *OSS + firm strategy* 라인, (e) [[lee-malerba-2017-catch-up-cycles]] 의 *catch-up window* 개념, (f) Haans, Pieters & He (2016) SMJ 의 *inverted-U test* 방법론. [[yeonbaekim]] 의 IPR / technology transfer 전통 (Woo, Jang & Kim 2015 Technovation 43-44:49-63) 의 *appropriation vs spillover* 균형 라인의 진화 연속.

## See also

- [[yeonbaekim]]
- [[dongwoo-lee]]
- [[first-mover-advantage]]
- [[intentional-knowledge-spillover]]
- [[cybersecurity-startups]]
- [[open-innovation]]
- [[open-source-software]]
- [[high-tech-emerging-industry]]
- [[ols-regression]]
- [[zero-inflated-negative-binomial-regression]]
- [[changhyeon-song-2020-socio-cultural-tea]]
- [[asian-journal-of-technology-innovation]]