--- type: paper slug: ho-seoung-na-2018-digital-content-broadband-diffusion title: >- Digital content as a fast Internet diffusion factor: Focusing on the fixed broadband Internet authors: - '[[ho-seoung-na]]' - '[[junseokhwang]]' - '[[hongbum-kim]]' year: 2018 venue: '[[information-development]]' volume: '' pages: '' doi: 10.1177/0266666918811878 categories: - '[[ict-policy]]' methods: - '[[bass-diffusion-model]]' - '[[logistic-growth-curve]]' - '[[gompertz-growth-curve]]' themes: - '[[ict-diffusion]]' - '[[digital-content]]' - '[[broadband]]' last_updated: '2026-05-17T20:00:00+09:00' --- # Digital content as a fast Internet diffusion factor: Focusing on the fixed broadband Internet *[[ho-seoung-na]], [[junseokhwang]], [[hongbum-kim]] (2018)* · [[information-development]] · [DOI ↗](https://doi.org/10.1177/0266666918811878) > 161 개국의 1998~2014 고정 광대역 인터넷 보급 데이터를 [[logistic-growth-curve]] · [[gompertz-growth-curve]] · Richard's curve 중 AIC 최소 모형으로 적합시켜 각국의 최대 확산 속도 ($\mu$) 를 추정하고, take-off 시점의 디지털 콘텐츠 양 (top-level domain server 수, 언어·지역 클러스터링 조정) 이 확산 속도를 유의하게 높임을 robust OLS 로 보인다 (β=0.028, p<0.1 in 전체 모델). 중간소득 이상 그룹에서는 CONTENT 가 결정적이고, 그 이하에서는 critical mass (FBS) 가 지배. - **RQ**: 디지털 콘텐츠 양이 국가별 인터넷 확산 속도를 결정하는가? 그 효과는 소득 수준·take-off 시기·기존 가입자 규모·확산 속도에 따라 어떻게 달라지는가? - **방법론**: [[logistic-growth-curve]], [[gompertz-growth-curve]], Richard's curve 적합 (AIC 선택), Robust OLS regression - **데이터**: 161 개국 World Bank 고정 광대역 가입자/100 인 (1998~2014); TLD 서버 수 (Internet Systems Consortium 2016, W3Techs 2016); GDP per capita (PPP), 도시화율, Freedom of Press (Freedom House) - **주요 발견**: 161 개국 분석에서 CONTENT (β=0.028, p<0.1), FBS (β=0.486, p<0.1), GDP (β=0.274, p<0.1), URBAN (β=0.020***), FOP (β=−0.021***) 모두 유의. 162 개국 중 110 개국이 Gompertz 모형으로 최적 적합. 분할 분석: 중간소득 이상에서는 CONTENT 지배, 이하에서는 FBS 지배. - **시사점**: 광대역 정책은 인프라 보급뿐 아니라 언어별·지역별 디지털 콘텐츠 생태계 조성을 동반해야 하며, 특히 인터넷 다층 발달 단계에서 콘텐츠 정책의 비중이 달라진다. ![고정 광대역 인터넷의 S-curve 적합과 세 결정요인 (saturation level K, lag time L, 최대 확산 속도 μ).](/papers/202003_NaHS_Digital_content_as_a_fast_Internet_diffusion_factor_Focusing_on_the_fixed_broadband_Internet/fig1.jpeg) ## 요약 세 가지 stylized facts of innovation diffusion (Hall and Rosenberg, 2010) — (i) 확산은 S-curve 를 따름, (ii) 시간 소요, (iii) 기술·국가별 속도 차이 — 을 전제로, 인터넷 확산을 설명하는 기존 문헌은 GDP per capita, 교육 수준, 가격, LLU 정책, 인터넷 호스트 수 (콘텐츠 proxy) 등 다양한 결정요인을 제시해 왔다 (Hargittai, 1999; Kiiski and Pohjola, 2002; Garcia-Murillo, 2005; Lee and Brown, 2008; Andrés et al., 2010 등). 그러나 디지털 콘텐츠는 대부분 독립변수 또는 control 로 다뤄졌고, 인터넷 확산 속도의 핵심 결정요인으로서의 위상은 명시적으로 검증되지 않았다. 본 논문은 take-off 시점의 콘텐츠 양이 확산 속도의 직접 결정요인임을 가설로 세우고, 161 개국 데이터로 검증한다. 방법론은 두 단계다. (1) 각국 고정 광대역 가입자/100 인 (1998~2014, World Bank) 을 logistic · Gompertz · Richard's 세 가지 [[s-type-curve]] 에 적합시키고 AIC 로 최적 모형을 선택해 최대 확산 속도 $\mu_i$ 를 추정한다. 161 개국 중 110 개국이 Gompertz, 36 개국이 logistic, 15 개국이 Richard's 가 최적이다. (2) $\mu_i$ 를 종속변수로 take-off 시점의 CONTENT (언어·7 지역 클러스터링 조정한 TLD 서버 수), FBS (가입자/100 인), GDP per capita (PPP), URBAN, FOP (Freedom of Press) 를 독립변수로 하는 robust OLS 회귀를 추정한다. 161 개국 전체 분석에서 모든 변수가 유의하다 (CONTENT β=0.028 p<0.1, FBS β=0.486 p<0.1, GDP β=0.274 p<0.1, URBAN β=0.020 1%, FOP β=−0.021 1%; R²=0.585). saturation 도달 122 개국 부분 표본에서는 CONTENT, URBAN, FOP 만 유의해 critical mass (FBS) 와 경제력 (GDP) 가 saturation 후엔 중요성을 잃음을 보인다. 4 가지 분할 분석 (소득 수준, take-off 시기, 가입자 규모, 확산 속도) 의 패턴은 일관되다. (a) 고/상위중간 소득국 (above middle) 에서는 CONTENT (β=0.028 p<0.1), URBAN (p<0.1), FOP (1%) 가 지배; (b) 저/하위중간 소득국 (below middle) 에서는 FBS (β=1.380 1% 유의) 가 지배하고 CONTENT 는 무의미. 같은 패턴이 take-off 2005 년 이전/이후, 현재 가입자 ≥/<10.558/100, 확산 속도 ≥/<0.944 분할에서 반복된다. 즉 인터넷 less diffused 국가에서는 critical mass 가, more diffused 국가에서는 콘텐츠가 결정요인이다. 정책 함의는 less diffused 국가는 take-off 를 위한 사용자 확보 정책 + 동시에 take-off 후를 위한 콘텐츠 정책 병행, more diffused 국가는 신규 콘텐츠·서비스 (VR, IoT) 의 새 take-off 가속을 위해 두 정책 모두 필요하다는 것이다. ## 핵심 결과 | 표본 | CONTENT | FBS | GDP | URBAN | FOP | R² | |---|---|---|---|---|---|---| | 전체 161 국 | 0.028* | 0.486* | 0.274* | 0.020*** | −0.021*** | 0.585 | | Saturation 후 (122) | 0.027* | 0.434 | 0.246 | 0.026*** | −0.021*** | 0.572 | | Above middle income (103) | 0.028* | 0.327 | 0.220 | 0.022* | −0.028*** | 0.479 | | Below middle income (58) | −0.005 | 1.380*** | −0.073 | 0.004** | 0.003 | 0.528 | \* p < 0.1, ** p < 0.05, *** p < 0.01 - **S-curve 적합**: 110 Gompertz / 36 logistic / 15 Richard's of 161 국. - **CONTENT** = 7 지역 × 언어 클러스터링 조정한 TLD 서버 수. - **FBS** = take-off 시점의 광대역 가입자/100 인 (critical mass proxy). ## 방법론 노트 각국의 고정 광대역 가입자 $N(t)$ 는 saturation level $K$, lag time $L$, 최대 확산 속도 $\mu$ 의 세 인자로 S-curve 에 적합된다. Logistic 곡선의 modified form 은 $$ N(t) = \frac{K}{1 + \exp\left[\frac{4\mu}{K}(L-t) + 2\right]} $$ Gompertz 는 $N(t) = K \exp\{-\exp[\frac{\mu e}{K}(L-t) + 1]\}$, Richard's 는 4 파라미터 일반화다 (Zwietering et al., 1990). 각국별로 세 모형을 적합시켜 AIC 최소인 것을 선택해 $\mu_i$ 추정. 2 단계 회귀는 $$ \text{SPEED}_i = \beta \cdot \text{CONTENT}_{i,T} + \gamma_1 \text{FBS}_{i,T} + \gamma_2 \text{GDP}_{i,T} + \gamma_3 \text{URBAN}_{i,T} + \gamma_4 \text{FOP}_{i,T} + \varepsilon_i $$ 여기서 $T$ 는 각국 take-off 시점이다. Heteroscedasticity 와 outlier 영향을 완화하기 위해 robust OLS 를 사용한다. CONTENT 의 측정은 (a) 전체 TLD 서버 수 × 각국 서버 비율, (b) 국가별 공식 언어 수로 나눔, (c) 7 개 지역 (East Asia, Europe & Central Asia, North America, Latin America, South Asia, MENA, Sub-Saharan Africa) 내 동일 언어 TLD 합산. 영어권 6 개 선진국 (Australia, Canada, Ireland, New Zealand, UK, US) 은 별도 통합. 이는 Barnett and Park (2014) 의 7 클러스터 네트워크 분석에 기반한다. ## 연구 계보 [[junseokhwang]] 그룹의 [[ict-diffusion]] · 광대역 정책 라인에 위치한다. Garcia-Murillo (2005) 와 Lee and Brown (2008) 의 콘텐츠 (인터넷 호스트 수) 효과 가설을 (a) 콘텐츠를 핵심 explanatory variable 로 격상, (b) 언어·지역 가중 TLD 측정, (c) Logistic·Gompertz·Richard's 의 AIC 선택 적합으로 발전시켰다. Viard and Economides (2014) 의 디지털 콘텐츠 효과 연구를 161 개국 전 세계 패널로 확장한 작업이며, 동일 그룹의 OECD 한정 분석인 Lee, Marcu, and Lee (2011) 의 후속 확장으로 위치한다. TEMEP 의 광대역·spectrum 정책 라인 ([[md-sohel-rana-2020-spectrum-opportunity-cost-bangladesh]], [[junseokhwang-2009-mixed-spectrum]]) 과도 연결된다. ## See also - [[junseokhwang]] - [[hongbum-kim]] - [[bass-diffusion-model]] - [[logistic-growth-curve]] - [[gompertz-growth-curve]] - [[ict-diffusion]] - [[broadband]] - [[digital-content]] - [[information-development]]