--- type: paper slug: hyejae-jung-2023-firm-uncertainty-alliance-pharma title: >- How to leverage the impact of firm-specific uncertainty on innovation performance? Moderating effects of alliance stage and partner type in the pharmaceutical industry authors: - '[[hyejae-jung]]' - '[[junseokhwang]]' - '[[eungdo-kim]]' year: 2023 venue: '[[journal-of-engineering-and-technology-management]]' volume: '70' pages: '101781' doi: 10.1016/j.jengtecman.2023.101781 categories: - '[[innovation-economics]]' methods: - '[[negative-binomial-regression]]' - '[[poisson-regression]]' - '[[moderation-analysis]]' - '[[autoregressive-uncertainty-forecasting]]' themes: - '[[r-and-d-alliance]]' - '[[firm-specific-uncertainty]]' - '[[pharmaceutical-industry]]' last_updated: '2026-05-17T20:00:00+09:00' --- # How to leverage the impact of firm-specific uncertainty on innovation performance? Moderating effects of alliance stage and partner type in the pharmaceutical industry *[[hyejae-jung]], [[junseokhwang]], [[eungdo-kim]] (2023)* · [[journal-of-engineering-and-technology-management]] 70:101781 · [DOI ↗](https://doi.org/10.1016/j.jengtecman.2023.101781) > 본 연구는 [[pharmaceutical-industry]] 에서 [[firm-specific-uncertainty]] 가 혁신 성과에 미치는 영향과 R&D 동맹의 조절 효과를 분석한다. 신약 개발 R&D 특성을 반영해 동맹 단계를 *임상전 연구 (preclinical research)* 와 *약물 개발 (drug development)* 로 구분하고, 공공·민간 파트너 효과를 함께 검증한다. 96개 미국 제약 기업의 MedTrack·Compustat·TotalPatent·Orange/Purple Book 통합 패널 (2001~2016) 분석 결과, 불확실성은 신제품 수에 양의 영향 (β=0.259, p<0.01) 을 가지며, 공공 동맹은 임상전 단계에서 관계를 강화 (β=6.051, p<0.05) 하나 약물 개발 단계에서는 무효, 민간 동맹은 약물 개발 단계의 신제품 산출에 음의 조절 (β=−0.097, p<0.1) 을 보인다. - **RQ**: 제약 기업의 [[firm-specific-uncertainty]] 가 혁신 성과 (특허·신제품) 에 미치는 영향에서, 신약 R&D 단계 (임상전 vs 약물 개발) 와 파트너 유형 (공공 vs 민간) 별 동맹은 어떤 조절 효과를 가지는가? - **방법론**: [[negative-binomial-regression]] (특허), [[poisson-regression]] (신제품), [[moderation-analysis]] (alliance × uncertainty 상호항), [[autoregressive-uncertainty-forecasting]] (Ghosal–Ye 2015 식 잔차² 로 unforecastable sales 변동 측정) - **데이터**: 미국 제약 96개 기업 (FIPC 58 + VIPC 38), 2001~2016 패널, 2,327 동맹·68,515 PCT 특허·951 FDA 신약 (Stage 1 N=672, Stage 2 N=824) - **주요 발견**: H1 부분 지지 — 불확실성은 신제품에 양의 영향 (β=0.259, p<0.01), 특허는 무효. H2a 지지 — 임상전 공공 동맹 상호항 정 (β=6.051, p<0.05). H2b 기각 — 약물 개발 민간 동맹 상호항 부 (β=−0.097, p<0.1). RDINT 는 두 성과 모두 부 효과. - **시사점**: 동맹 전략은 *단계 × 파트너* 조합에 따라 차별화. 임상전엔 공공 (안정 자금·기초 과학 접근), 약물 개발엔 사적 자원 집중 또는 신중한 민간 선택. ![제약 산업의 firm-specific uncertainty → innovation performance 관계와 alliance stage·partner type 의 조절 효과 가설 구조](/papers/202310_JungH_How_to_leverage_the_impact_of_firm_specific_uncertainty_on_innovation_performance_Moderating_effects_of_alliance_stage_and_partner_type_in_the_pharmaceutical_industry/fig1.jpeg) ## 요약 제약 산업은 신약 개발이 13년 이상 소요되고 다양한 기초·응용 학문이 결합되는 *대표적 고불확실성 산업* 이다. 기존 문헌은 [[firm-specific-uncertainty]] 가 투자에 미치는 효과를 주로 다루고, 동맹과 혁신 성과 관계는 직접 효과 중심으로 검토되어, 둘을 결합한 *조절자 (moderator) 로서의 동맹* 분석은 비어 있었다. 본 연구는 (i) 불확실성 자체를 정량 측정해 혁신 성과 (특허·신제품) 와의 관계를 직접 추정하고, (ii) 동맹을 단계 (임상전·약물 개발) × 파트너 (공공·민간) 로 분해해 그 조절 효과를 검증한다. [[firm-specific-uncertainty]] 는 Ghosal & Ye (2015) 방식의 2차 AR 모형 잔차 제곱으로 측정 (매출 변동의 unforecastable 성분). 시차 구조는 *불확실성 t−4 → 동맹 t−2 → 성과 t* 로 설정. Stage 1 은 특허 ([[negative-binomial-regression]]) 와 신제품 ([[poisson-regression]]) 을 종속변수로, alliance × uncertainty 상호항으로 조절 효과를 추정. Stage 2 는 불확실성이 동맹 형성 자체에 미치는 효과를 검증. 주요 결과: (1) 불확실성은 신제품 성과에 양의 직접 효과 (β=0.259~0.283, p<0.01), 특허에는 무효. (2) 임상전 공공 동맹은 불확실성-신제품 관계를 강하게 정 (+) 으로 조절 (β=6.051, p<0.05; 특허도 β=7.070, p<0.1). (3) 약물 개발 민간 동맹은 신제품 산출의 불확실성 효과를 *약화* (β=−0.097, p<0.1). (4) 약물 개발 공공 동맹은 유의한 조절 효과 없음. Stage 2 에선 불확실성이 약물 개발 공공 동맹 형성을 오히려 감소시킨다 (β=−1.117, p<0.1). 이 비대칭은 동맹 *목적의 단계 차이* 로 해석된다. 임상전엔 기초 과학·분자 라이브러리·인력 등 *지식 자원* 의 안정적 외부 조달이 결정적이고, 공공 기관 (정부 연구소·대학) 은 commercial 압력에서 자유로워 장기·기초 연구 자금을 제공한다. 반면 약물 개발 단계는 임상시험 비용·자산 확보가 핵심이라 *동맹 자체* 보단 자사 자원 집중이 효과적이며, 민간 동맹은 핵심 역량 노출과 정보 유출 위험으로 불확실성에서 비롯된 능동적 혁신 활동을 제약한다. [[junseokhwang]] 의 제약·바이오 산업 R&D 동맹 라인의 일환이며, [[keungoui-kim-2022-product-diversification-pharma-biopharma]] 자매 작업과 동일한 데이터셋·industry context 를 공유한다. ## 핵심 결과 | 가설 | 변수 / 상호항 | 모형 | 계수 | 결론 | |---|---|---|---|---| | H1 | UNCERT (신제품) | M5~M8 | 0.259~0.283 (p<0.01) | 부분 지지 (특허 무효, 신제품 정) | | H2a | UNCERT × Pub_tech (임상전, 신제품) | M6 | 6.051 (p<0.05) | 지지 | | H2a | UNCERT × Pub_tech (임상전, 특허) | M2 | 7.070 (p<0.1) | 약한 지지 | | H2b | UNCERT × Pri_tech (약물개발, 신제품) | M8 | −0.097 (p<0.1) | 기각 (음의 조절) | | H3 (Stage 2) | UNCERT_{t−1} → All_pub | M2 | −0.546 (p<0.05) | 기각 (감소) | | H3 (Stage 2) | UNCERT_{t−1} → Pub_tech_dd | M6 | −1.117 (p<0.1) | 기각 (감소) | - 표본: 96개 미국 제약 기업, 2,327 동맹, 68,515 PCT 특허, 951 FDA 신약 (2001~2016) - 통제: RDINT (음의 효과 일관), INV, 비기술 동맹 변수, alliance experience (Stage 2) - Robustness: t+3~t+4 합산 성과로 시차 확장해도 임상전 공공 조절 부호·유의성 유지 ## 방법론 노트 [[firm-specific-uncertainty]] 의 측정은 Banerjee & Siebert (2017) 가 적용한 *unexplained sales variation* 접근을 따른다. 매출 $Z_t$ 의 2차 AR 예측 모형을 추정해 forecastable 성분을 제거하고, 잔차 제곱을 기업-연도 단위 불확실성으로 정의한다: $$ Z_t = \alpha_0 + \alpha_1 Z_{t-1} + \alpha_2 Z_{t-2} + \varepsilon_t $$ $$ \sigma_{i,t}^2 = (\widehat{\varepsilon}_{i,t})^2 $$ 여기서 $\widehat{\varepsilon}_{i,t}$ 는 기업 $i$ 의 연도 $t$ 매출 잔차로, 시장·경기 충격 등 *외부* 요인이 아닌 *기업 고유* 의 예측 불가 변동을 포착한다. 본문에선 자연로그 변환 ($UNCERT_t = \log \sigma_{i,t}^2$). 식별 전략의 핵심은 (i) 시차 (uncertainty t−4 → alliance t−2 → performance t) 로 동시성 편의 완화, (ii) 특허는 큰 분산 때문에 [[negative-binomial-regression]], 신제품 (0~소수) 은 [[poisson-regression]] 채택, (iii) alliance × uncertainty 상호항을 [[moderation-analysis]] 의 표준 형태로 투입해 *조건부 한계 효과* 를 분리. 동맹은 MedTrack 의 deal subcategory 를 (research·development·collaboration·JV) = 기술, (funding·manufacturing·distribution·marketing) = 비기술로 매핑하고 (Appendix A), 공공/민간 × 임상전/약물개발 2×2 로 추가 분해한다. R&D 단계 구분은 Paul et al. (2010), Banerjee & Siebert (2017), Wagner et al. (2018) 의 target-to-hit→preclinical (임상전) / Phase I-III→submission (약물 개발) 표준 분류를 따른다. 모든 모형의 표준오차는 firm 수준 cluster, VIF<1.23 로 다중공선성 문제 없음. Robustness check 는 시차 구조를 t+1~t+2 합산으로 바꿔도 H2a 가 유지됨을 확인. ## 연구 계보 불확실성-혁신 관계의 이론적 토대는 Miller & Friesen (1983), York & Venkataraman (2010), Banerjee & Siebert (2017) 가 제공한다. 측정 방법은 Ghosal & Ye (2015), Caglayan et al. (2012) 의 sales-volatility 기반 firm-specific uncertainty 전통을 따르고, 시차 구조와 negative binomial 채택은 Lin et al. (2012), Banerjee & Siebert (2017) 와 정렬된다. 동맹의 조절 역할은 Hewitt-Dundas et al. (2019), Doblinger et al. (2019) 의 partner type 문헌, 신약 R&D 단계 분류는 Paul et al. (2010), Henderson & Cockburn (1996), Wagner et al. (2018) 에 의존한다. [[junseokhwang]] 의 제약·바이오 R&D 협력 라인 (5기 2024-2026 직전, 4기 2020-2023 후반 위치) 에서 [[keungoui-kim-2022-product-diversification-pharma-biopharma]] 와 같은 MedTrack/Compustat 기반 패널을 공유하는 자매 작업이며, alliance × uncertainty 의 상호항을 통해 그 라인을 *조절자 (moderator)* 관점으로 확장한다. ## See also - [[junseokhwang]] - [[hyejae-jung]] - [[eungdo-kim]] - [[journal-of-engineering-and-technology-management]] - [[firm-specific-uncertainty]] - [[r-and-d-alliance]] - [[pharmaceutical-industry]] - [[negative-binomial-regression]] - [[poisson-regression]] - [[moderation-analysis]] - [[keungoui-kim-2022-product-diversification-pharma-biopharma]]