---
type: paper
slug: jaeyoung-choi-2011-bayesian-mvp-information-system-adoption
title: >-
  A Bayesian multivariate probit analysis of Korean firms' information system
  adoption
authors:
  - '[[jaeyoung-choi]]'
  - '[[yeonbaekim]]'
  - '[[yungman-jun]]'
  - '[[yunhee-kim]]'
year: 2011
venue: '[[industrial-management-and-data-systems]]'
volume: '111'
issue: '9'
pages: 1465-1480
doi: 10.1108/02635571111182791
categories:
  - '[[ict-policy]]'
  - '[[innovation-economics]]'
methods:
  - '[[bayesian-multivariate-probit]]'
  - '[[gibbs-sampling]]'
  - '[[markov-chain-monte-carlo]]'
  - '[[mcfadden-random-utility]]'
themes:
  - '[[enterprise-information-system]]'
  - '[[erp-adoption]]'
  - '[[crm-adoption]]'
  - '[[korean-firms]]'
  - '[[technology-diffusion]]'
  - '[[complementarity-of-adoption]]'
aliases: []
last_updated: '2026-05-17T21:30:00+09:00'
---
# A Bayesian multivariate probit analysis of Korean firms' information system adoption

*[[jaeyoung-choi]], [[yeonbaekim]], [[yungman-jun]], [[yunhee-kim]] (2011)* · [[industrial-management-and-data-systems]] 111(9):1465–1480 · [DOI ↗](https://doi.org/10.1108/02635571111182791)

> 한국 기업의 *복수 enterprise 정보 시스템 (ERP, CRM, e-buy, Groupware)* 동시 채택 패턴을 [[bayesian-multivariate-probit]] 으로 추정. McFadden random utility 의 multi-choice 확장 + Bayesian Gibbs sampler (20,000 draws, every 10th retained). **Epidemic effect (먼저 채택한 기업이 많을수록 후속 채택 증가) 가 size effect (대기업 효과) 보다 일반적으로 강** — 정책적 함의: 초기 adopter 지원이 system diffusion 의 가장 효과적 lever. **ERP-CRM 보완성 0.91, e-buy-Groupware 보완성 0.43** — 두 쌍은 *bundled adoption* 권고.

- **RQ**: 한국 기업의 ERP, CRM, e-buy, Groupware 의 *동시 채택 결정* 의 (i) 핵심 결정요인 — rank effect (firm size), epidemic effect (기존 adopter 수), 전략적 organizational practices — 는? (ii) 4 시스템 간 *complementarity / substitution* 패턴은?
- **방법론**: [[bayesian-multivariate-probit]] (McFadden 1973 의 random utility 의 multi-response 확장), [[gibbs-sampling]] + [[markov-chain-monte-carlo]] (Inverse Wishart prior on Ω, Multivariate normal prior on β, 20,000 draws, 1,000 burn-in, every 10th retained for inference), 90% posterior probability interval 로 유의성 검정
- **데이터**: Korea NIA (Korean National Information Society Agency) 의 기업 정보화 survey. 변수: log(sales), log(age), labor/sales (labor intensity), EPI (epidemic — 산업 내 기존 adopter %), CIO (CIO 보유 dummy), ISPINT (information strategy planning intensity, 1-5 scale), PC (PC per employee)
- **주요 발견**: (i) **Epidemic effect (EPI) 가 4 시스템 모두 유의** (계수 0.02-0.12, 모두 90% interval 0 제외). 그러나 *size effect (log sales) 는 EBUY, Groupware 만 유의* — 전반적으로 *epidemic > size*. (ii) **ISPINT (정보 전략 기획 intensity) 4 시스템 모두 유의** (계수 0.23-0.89), 특히 CRM (0.89), ERP (0.79) 에 큰 효과. *CIO 존재* 는 Groupware 만 유의 (0.30). (iii) **상관 행렬 — 보완 관계**: ERP-CRM **0.91** (5% 수준 유의), EBUY-Groupware **0.43** (유의), ERP-Groupware 0.25 (유의), 그 외 비유의 또는 0 근방. (iv) **로그(age), labor intensity, PC per person 은 대부분 비유의** — 기업 연령·인건비·PC 인프라가 IS 채택의 핵심 driver 아님. (v) Adoption 평균 순서: ERP > EBUY > CRM > Groupware (ASC absolute value 기준).
- **시사점**: (a) **초기 adopter 지원 정책** 이 IS diffusion 의 가장 효과적 lever — *epidemic effect 의 통계적 강도 + 4-system 보편성*. (b) **CIO 충원 < 정보 전략 기획** — CIO 가 있어도 *strategic planning intensity* 가 동반되지 않으면 IS 채택 효과 미미. ERP·CRM 에서는 *ISPINT 가 single most-important driver*. (c) **Bundling 권고**: ERP + CRM 묶음 (0.91 high complementarity), e-buy + Groupware 묶음 (0.43 moderate complementarity) — 기업이 한 시스템 채택 시 *complementary 시스템 동시 도입* 으로 adoption cost 분담 + 시너지.

![Bayesian multivariate probit 의 *4-system 동시 채택 모형* 의 schematic — firm characteristics → IS adoption joint probability + complementarity correlation 의 path 구조](/papers/201109_ChoiJY_A_Bayesian_multivariate_probit_analysis_of_Korean_firms_information_system_adoption/fig1.cropped.png)

## 요약

본 paper 는 [[yeonbaekim]] 의 *Bayesian discrete choice* 라인의 [[bayesian-multivariate-probit]] 확장 (author page 의 *제2기 (2007-2017) 의 Bayesian econometrics 응용 라인*). 기존 *IS adoption* 문헌 (Hannan-McDowell 1984, Karshenas-Stoneman 1993, Bocquet et al. 2007 등) 은 *single-system* adoption 의 single-equation logit/probit 분석에 머물러, *복수 system 의 동시 채택 패턴* + *시스템 간 complementarity* 미식별. 본 paper 의 conceptual move 는 — *4 system 의 joint adoption probability* 를 [[bayesian-multivariate-probit]] 로 단일 framework 추정, Gibbs sampler 로 correlation matrix $\Omega$ 의 *off-diagonal element* (시스템 간 unobserved 보완성) 식별.

방법론 핵심은 — (i) McFadden (1973) random utility framework $U_{ij}^k = X_i \beta_k + \varepsilon_i^k$ (firm $i$, system $k$ 의 latent utility), (ii) $\varepsilon_i \sim N(0, \Omega)$ 의 4-dim multivariate normal — *correlation* 이 unobserved heterogeneity 의 system 간 spillover capture, (iii) Bayesian estimation 의 diffuse multivariate normal prior on $\beta$ + inverse Wishart on $\Omega$ — McCulloch-Polson-Rossi (2000) 의 reparameterization 으로 identification, (iv) 20,000 Gibbs draws, every 10th retained, 90% posterior interval. (v) 3 hypothesis: H1 rank effect, H2 epidemic effect, H3 system interdependence.

발견은 세 layer. (a) **Diffusion mechanism**: Epidemic effect (먼저 채택한 기업으로부터 학습) 가 size effect (대기업의 자체 도입 능력) 보다 강 — *peer-learning > scale* 패턴. 정책적으로는 *seed grant 형 초기 adopter 지원* 이 *large-firm tax credit* 보다 효율적. (b) **Strategic 변수**: ISPINT (전략 기획 intensity) 가 CIO 존재보다 robust — *조직 내 IS 전략 의 quality 가 manager 의 quantity 보다 중요*. (c) **Complementarity 패턴**: ERP-CRM 의 high correlation (0.91) 은 *integrated package software 의 한국 시장 특수성* — Korean firms 가 ERP 와 CRM 을 *customized web-based package* 로 묶음 도입. e-buy-Groupware 의 0.43 은 *communication infrastructure 공유* 효과. ERP-EBUY 의 무관계는 *internal management system (ERP) vs external transaction system (EBUY) 의 functional 분리*. 한계: (i) Single year cross-section (panel 분석 가능 없음), (ii) Korean NIA survey 의 self-reported variable, (iii) ERP-CRM 의 0.91 이 *시장 supplier 공통성* 의 artifact 가능 (Korean SAP, Oracle 같은 vendor 의 ERP+CRM bundle 판매), (iv) Functional substitution (e.g., ERP 가 CRM 일부 기능 대체) 의 통제 부재.

## 핵심 결과

**Bayesian MVP 추정 (Table III, 90% posterior interval 으로 유의성)**

| 시스템 | EPI (epidemic) | Log(sales) (size) | ISPINT (strategy) | CIO | PC |
|---|---:|---:|---:|---:|---:|
| **ERP** | **+0.066** | −0.036 | **+0.788** | +0.231 | +0.095 |
| **CRM** | **+0.118** | −0.123 | **+0.888** | +0.250 | **+0.345** |
| **EBUY** | **+0.036** | **+0.047** | **+0.226** | +0.084 | −0.001 |
| **GW** | **+0.021** | **+0.117** | **+0.374** | **+0.303** | +0.018 |

**Correlation matrix Ω (Table IV, 95% interval 으로 유의성)**

| | ERP | CRM | EBUY | GW |
|---|---:|---:|---:|---:|
| ERP | 1 | **0.905** | 0.081 | **0.248** |
| CRM | | 1 | −0.026 | 0.032 |
| EBUY | | | 1 | **0.428** |
| GW | | | | 1 |

> **정량 결론.** (i) Epidemic effect 가 size effect 보다 robust (4 system 모두 vs 2 system 만 유의). (ii) ISPINT 가 *single most-important strategic driver* — 4 system 모두 유의, 계수 크기 0.23-0.89. (iii) **ERP-CRM 0.91 의 high complementarity** + **EBUY-GW 0.43 의 moderate complementarity** 가 *bundled adoption* 의 정량 evidence. ERP-EBUY, CRM-EBUY, CRM-GW 는 *독립 채택*.

## 방법론 노트

[[bayesian-multivariate-probit]] 는 *복수 binary 결정의 결합 분포* 를 *correlated unobserved utility* 로 modeling. Likelihood 가 multivariate normal CDF 의 적분 형태로 classical MLE 가 비실용적 — Bayesian Gibbs sampler 가 *finite-sample inference + correlation matrix posterior* 의 두 advantage 동시 제공.

핵심 식. Latent utility:

$$
U_{i}^k = X_i \beta_k + \varepsilon_i^k, \quad \varepsilon_i = (\varepsilon_i^1, \ldots, \varepsilon_i^K) \sim N(0, \Omega)
$$

채택 결정: $y_i^k = 1$ iff $U_i^k > 0$. Joint adoption probability:

$$
P(y_i^1 = 1, \ldots, y_i^K = 1) = \int_{\mathcal{A}} \phi_K(u; X_i \beta, \Omega) \, du
$$

여기서 $\mathcal{A}$ = positive-orthant intersection set. Bayesian Gibbs sampler 가 (i) latent $U_i^k$ truncated normal draw (Albert-Chib 1993), (ii) $\beta$ multivariate normal conditional posterior, (iii) $\Omega$ inverse Wishart conditional posterior 의 sequential 추출. 식별은 (i) $\sigma_{kk} = 1$ normalization (McCulloch-Polson-Rossi 2000), (ii) inverse Wishart prior 가 unrestricted $\Omega$ 의 정합 prior, (iii) joint adoption probability 가 4-dim MVN CDF — Gibbs sampler 가 적분 우회.

## 연구 계보

본 paper 는 (a) Hannan-McDowell (1984), Karshenas-Stoneman (1993), Bocquet et al. (2007) 의 *technology diffusion 결정요인* literature 와 (b) Athey-Stern (1998), Milgrom-Roberts (1990) 의 *complementarity in organizational practices* literature 의 결합. [[yeonbaekim-2002-bayesian-discrete-continuous-gibbs]], [[yeonbaekim-2003-bayesian-mnp-work-trip]] 의 *Bayesian probit* 방법론 라인의 *multivariate 확장* — 동일한 McCulloch-Polson-Rossi (2000) reparameterization + Gibbs sampler 를 *4-system 동시 채택* 의 새 응용 영역에 적용. [[yeonbaekim]] author page 의 *제2기 (SNU-TEMEP 확장기) 의 Bayesian discrete choice 라인의 IS adoption 분기* 로 분류 (author page) — 같은 시기 [[yunhee-kim-2011-complementarity-contextuality-is-adoption]] (한국 IS 보완성·맥락성) 의 자매 작업. 이후 [[temep]] 의 *ICT 정책 + 산업 IS 보완성* 라인의 출발점.

## See also

- [[bayesian-multivariate-probit]]
- [[gibbs-sampling]]
- [[mcfadden-random-utility]]
- [[enterprise-information-system]]
- [[erp-adoption]]
- [[complementarity-of-adoption]]
- [[technology-diffusion]]
- [[jaeyoung-choi]]
- [[yeonbaekim]]
- [[yunhee-kim-2011-complementarity-contextuality-is-adoption]]
- [[industrial-management-and-data-systems]]