---
type: paper
slug: hyunha-shin-2022-illusions-of-clustering-korea
title: >-
  Illusions of Clustering: A Systematic Evaluation on the Effects of Clusters on
  Regional Economic Performance in Korea
authors:
  - '[[hyunha-shin]]'
  - '[[junseokhwang]]'
year: 2022
venue: '[[international-regional-science-review]]'
volume: '45'
pages: 135-160
doi: 10.1177/01600176211018728
categories:
  - '[[innovation-economics]]'
  - '[[innovation-policy]]'
methods:
  - '[[principal-component-analysis]]'
  - '[[gls-panel-regression]]'
  - '[[panel-regression]]'
themes:
  - '[[cluster-policy]]'
  - '[[regional-innovation-system]]'
  - '[[regional-growth]]'
  - '[[jobs-follow-people]]'
last_updated: '2026-05-20T02:11:55+09:00'
---
# Illusions of Clustering: A Systematic Evaluation on the Effects of Clusters on Regional Economic Performance in Korea

*[[hyunha-shin]], [[junseokhwang]] (2022)* · [[international-regional-science-review]] 45:135-160 · [DOI ↗](https://doi.org/10.1177/01600176211018728)

> 한국이 1970년대부터 추진해온 클러스터 정책의 *환상 (illusion)* 을 지적. 지방정부가 정치 목적으로 과잉 공급해온 클러스터가 실제 지역 성장에 기여하는지를 [[principal-component-analysis]] + GLS 패널 회귀로 검증한다. 59개 si-gun 지역 × 7년 (2010-2016) 의 413 관측치에서 *social*, *capacity*, *clustering* 세 합성 요인을 구성. 결과: (i) 클러스터 효과는 사회·교육 환경이 갖춰져야만 유의, (ii) R&D 역량 효과 (계수 0.179) 가 클러스터 (0.020-0.030) 보다 8-9배 강하고 *장기 지속*, (iii) 3년 lag 에서 클러스터는 비유의화. "Jobs follow people" 명제의 한국 클러스터 정책 사례.

- **RQ**: 한국 중급 지역에서 클러스터 정책은 지역 경제 성과에 *실질적* 효과를 미치는가, 혹은 R&D 역량·사회 환경 등 다른 요인이 더 결정적인가?
- **방법론**: [[principal-component-analysis]] (KMO social 0.8246, capacity 0.6952, clustering 0.5148), [[gls-panel-regression]] (AR(1) 공통 계수), Levin-Lin-Chu unit root test, dynamic lag 분석 (0-3년)
- **데이터**: 한국 si-gun 59개 지역 × 7년 (2010-2016) = 413 균형 패널. KOSIS (인구·고용·교육), Higher Education in Korea (대학·SCI), KICOX (클러스터 — 면적·고용·다양화)
- **주요 발견**: Composite 분석 (Table 5 Model 1): social 0.024, capacity 0.179\*\*\*, clustering 0.022\*. 클러스터는 social 변수와 함께 있을 때만 유의 (Model 2-8). R&D 역량 효과가 클러스터 대비 8-9배 강함. 3년 lag 에서 clustering 무력화 (Table 7).
- **시사점**: 클러스터 자체는 자동 성장을 보장하지 않음. *우호적 사회 환경 (근로 연령 인구·교육 환경·인구 밀도) + R&D 역량 (SCI 질·STI 기업)* 이 선행되어야 클러스터 효과 발현. 한국 지방정부의 클러스터 과잉 공급은 인과 방향 ("people follow jobs") 을 잘못 가정.

![한국 클러스터 지역 분석 — 59 si-gun 의 클러스터 분포와 GRDP 의 상관 (Figure 2-3).](/papers/202203_ShinH_Illusions_of_Clustering_A_Systematic_Evaluation_on_the_Effects_of_Clusters_on_Regional_Economic_Performance_in_Korea/fig1.jpeg)

## 요약

한국 클러스터 정책은 1970년대 정부 주도 전자·조선 클러스터 (Park et al. 2012; Shin and Hassink 2011) 로 시작해 1990년대 지식 경제 전환과 함께 *지방정부 주도*로 확산되었다. 그러나 Kwon and Choi (2014), S.Y. Lee et al. (2017) 등이 지적하듯 지방정부는 *정치 목적*으로 객관적 수요·조건 검토 없이 클러스터를 과잉 공급해왔다. Saxenian (1994) 의 실리콘밸리 vs Route 128 비교가 시사하듯, 같은 출발점에서도 *사회·제도 환경*이 클러스터 성공을 결정한다. 본 연구는 Rodríguez-Pose and Comptour (2012) 의 유럽 분석 프레임을 한국 *중급 지역* (si-gun, metropolitan 제외) 에 변형 적용해 *체계적·정량적* 평가를 수행한다.

방법론적으로 [[principal-component-analysis]] 로 *사회* (7 변수: 근로 연령 인구·청년·대학생·실업률·인구밀도·사설학원·학생당 교사), *역량* (3 변수: 대학교수·교수당 SCI·STI 기업), *클러스터링* (3 변수: 면적·집중도·다양화) 세 합성 요인을 구성. KMO 적합성 0.8246/0.6952/0.5148, eigenvalue Kaiser 기준 통과. GLS 패널 회귀 (AR(1) 공통 계수) 로 자기상관 통제. LLC unit root test 로 정상성 확인. Static 분석 (8 models composite + 6 models capacity-cluster 비교) + dynamic lag 분석 (0/1/2/3년).

세 가지 핵심 발견. *첫째*, social-capacity-clustering 셋 모두 GRDP 와 유의 (Model 1). 그러나 social 을 제거하면 (Model 2, 3, 4, 6, 8) 클러스터링이 *비유의화*. 클러스터 효과는 *조건부*다 — 사회 환경 동반 시에만 작동. 구체적으로 근로 연령 인구 (wapop), 인구 밀도 (popdens), 사설학원 (priedu), 학생당 교사 (stupt) 가 유의. 청년 인구 (youth) 와 대학생 수는 무의미 — *실제 생산 활동 참여자*가 핵심. *둘째*, capacity 계수 0.179 vs clustering 0.020-0.030 으로 R&D 역량 효과가 *8-9배* 강함. Capacity 내에서는 SCI 출판 (scipf, 계수 0.871) 이 대학 규모 (numf, 0.0004) 보다 압도. 즉 *대학 양이 아니라 질*. *셋째*, dynamic lag 분석에서 capacity 는 3년 lag 까지 유의 (0.179~0.184) 유지, social 도 약간 증가하나, *clustering 은 3년 lag 에서 비유의*. 클러스터는 단기 효과, 지속 안 됨.

함의는 "jobs follow people" 명제의 한국 사례 확인이다. 지방정부는 *people follow jobs* 가정으로 클러스터를 먼저 짓지만, 실증은 *사회·교육 환경 → 클러스터 효과 발현* 의 역방향 인과를 보인다. 정책 함의: (i) 클러스터 조성 전 우호적 *주거·교육 환경*과 *근로 연령 인구* 확보 선행, (ii) 클러스터보다 *지속적·일관된 R&D 투자*가 더 큰 효과, (iii) 대학 *양*이 아닌 *연구 질 (SCI)* 강화. 강건성 검사로 KIPO 특허 변수 추가 (2011-2016) 결과 동일. [[junseokhwang]] 의 ICT·지역 혁신 정책 라인에서 한국 클러스터 정책의 *체계적 비판*에 기여한다.

## 핵심 결과

| Model | Social | Capacity | Clustering | 해석 |
|---|---:|---:|---:|---|
| Static 1 (composite, lag 0) | 0.030* | 0.179*** | 0.020* | 셋 다 유의 |
| Lag 1 | 0.040*** | 0.184*** | 0.030*** | 셋 다 유의 강화 |
| Lag 2 | 0.042** | 0.182*** | 0.030*** | 유지 |
| Lag 3 | 0.041* | 0.182*** | 0.017 | **클러스터 비유의** |
| Individual (capacity sub) | — | scipf 0.871*** | — | SCI 질 압도 |
| Individual (cluster sub) | — | — | focus 0.259*** | 집중도 가장 효과적 |

(GLS panel regression with AR(1). \*p<0.1, \*\*p<0.05, \*\*\*p<0.01. 59 si-gun × 7년, 413 obs.)

## 방법론 노트

[[principal-component-analysis]] 는 다중공선성을 회피하면서 다 변수를 *공통 잠재 요인*으로 압축한다. Kaiser 기준 (eigenvalue > 1) 통과 변수만 사용. KMO 적합성으로 PCA 가능성 확인. GLS 패널 회귀는 Wooldridge test 로 자기상관 확인 (p < 0.001) 후 AR(1) 공통 계수로 통제:

$$
\ln \text{GRDP}_{it} = \beta_1 + \beta_2 \text{Social}_{it} + \beta_3 \text{Capacity}_{it} + \beta_4 \text{Clustering}_{it} + \beta_5 \text{Control}_{it} + e_{it}
$$

여기서 $\text{Control}_{it}$ 는 총 인구. Composite 변수는 PCA 의 첫 component (Comp1) 가중치로 계산. Multicollinearity 통제: VIF = 2.98 < 10. Heteroscedasticity: Breusch-Pagan 비기각. Stationarity: LLC unit root test 로 패널 정상성 확인. 개별 변수 효과 분리를 위해 *composite 대체 + 개별 변수 추가* 모델 (Model 2-8) 도 추정. Dynamic 분석: $t-1, t-2, t-3$ lag 변수로 장기 효과 측정. Robustness: KIPO 특허 변수로 capacity 재구성 (2011-2016 단축 기간) 동일 결과.

## 연구 계보

Saxenian (1994) 의 실리콘밸리 vs Route 128 비교, Porter (1996, 1998, 2000) 의 클러스터 정의·정책 권고, Edquist (1997)·Lundvall (1992) 의 [[regional-innovation-system]] (NSI/RIS) 이론, Cooke et al. (1997) 의 지역 거버넌스 정의를 결합. 직접적 방법론은 Rodríguez-Pose and Comptour (2012) 의 유럽 클러스터-사회-R&D 상호작용 분석을 한국 *중급 지역*에 변형 적용. Borghi et al. (2010), Slaper et al. (2018) 의 클러스터 측정 (SEI, LQ, focus, diversification) 활용. 한국 정책 비판은 Kwon and Choi (2014), S.Y. Lee et al. (2017), Ryu et al. (2018), H.H. Lee et al. (2012), Park (2005) 의 클러스터 과잉 공급·정치 동기 연구 종합. "Jobs follow people" 인과 논쟁은 Hoogstra et al. (2017) 의 메타분석, Henry et al. (2001), Østbye et al. (2018), Lambert et al. (2014) 의 지역 발전 인과성 연구 참조. [[junseokhwang]] 의 *4기 (2020-2023) 스마트시티·AI·지속가능 전환* 시기의 지역 혁신 시스템·ICT 정책 라인의 클러스터 정책 평가 작업.

## See also

- [[junseokhwang]]
- [[hyunha-shin]]
- [[international-regional-science-review]]
- [[cluster-policy]]
- [[regional-innovation-system]]
- [[regional-growth]]
- [[principal-component-analysis]]
- [[gls-panel-regression]]