--- type: paper slug: jisoo-hur-2025-design-innovation-technology-complexity title: >- The moderating role of design innovation in the relationship between technology complexity and firm performance authors: - '[[jisoo-hur]]' - '[[youngsam-chun]]' - '[[junseokhwang]]' - '[[keungoui-kim]]' year: 2025 venue: '[[technology-analysis-and-strategic-management]]' volume: '37' issue: '11' pages: 1980-1993 doi: 10.1080/09537325.2024.2336555 categories: - '[[innovation-economics]]' methods: - '[[patent-analysis]]' - '[[panel-regression]]' - '[[feasible-generalized-least-squares]]' - '[[moderation-analysis]]' - '[[structural-diversity]]' themes: - '[[design-innovation]]' - '[[technology-complexity]]' - '[[firm-performance]]' - '[[resource-based-view]]' last_updated: '2026-05-17T20:00:00+09:00' --- # The moderating role of design innovation in the relationship between technology complexity and firm performance *[[jisoo-hur]], [[youngsam-chun]], [[junseokhwang]], [[keungoui-kim]] (2025)* · [[technology-analysis-and-strategic-management]] 37(11):1980-1993 · [DOI ↗](https://doi.org/10.1080/09537325.2024.2336555) > [[technology-complexity]] 가 firm performance 에 미치는 부정적 효과를 [[design-innovation]] (design patent 누적량) 이 어떻게 완충하는지를 검증한다. Arora–Belenzon–Sheer (2021) 의 parent-aggregated USPTO patent dataset 을 Compustat 및 PATSTAT 와 결합해 US 상장 모기업 1,743 개 × 1980~2015 = 16,693 firm-year unbalanced panel 을 구축한다. [[structural-diversity]] (Broekel 2019) 로 측정한 기술 복잡도와 [[design-innovation]] 의 interaction 항을 [[feasible-generalized-least-squares]] (panel-specific AR(1)) 로 추정해, 복잡 기술의 commercialization 손실을 design 자원이 정량적으로 완충함을 보인다 (interaction β = 0.153, p<0.01). - **RQ**: (H1) 기술 복잡도는 firm 의 financial performance (ROA) 에 음 (−) 의 효과를 갖는가? (H2) Design innovation 은 양 (+) 의 효과를 갖는가? (H3) Design innovation 은 기술 복잡도의 음의 효과를 완충하는가? - **방법론**: [[patent-analysis]], [[panel-regression]], [[feasible-generalized-least-squares]], [[moderation-analysis]], [[structural-diversity]] - **데이터**: US-headquartered 상장 모기업 1,743 개 × 35 년 (1980~2015), 16,693 firm-year unbalanced panel. Arora–Belenzon–Sheer (2021) parent-level patent + Compustat (재무) + PATSTAT (CPC, citation, design patent) + Broekel (2019) structural diversity - **주요 발견**: COMPLEXITY 단독 β = -0.254*** (H1 지지), DESIGN_INNO β = 0.214*** (H2 지지), interaction COMPLEXITY × DESIGN_INNO β = 0.153*** (H3 지지). Model 4 의 main effect 도 COMPLEXITY = -0.226***, DESIGN_INNO = 0.241*** 유지. VIF 1.33~2.90 (평균 2.05), 모든 회귀 Wald χ² > 36,000*** - **시사점**: Design 은 [[resource-based-view]] 의 strategic resource 이며, 특히 technology-intensive 산업에서 복잡 기술의 commoditization 의 핵심 보완 자원으로 기능. 제품 라이프 사이클의 mature stage 일수록 design 으로의 전략 전환이 합리적 ![가설 모형 (Fig. 2). 기술 복잡도가 ROA 에 음 (−) 의 직접 효과를 가지는 본선과, design innovation 이 양 (+) 의 직접 효과 + 양 (+) 의 조절 효과를 동시에 가지는 보조선. 본 연구의 interaction term 회귀 (Model 4) 가 이 그림의 두 화살표를 동시에 식별한다.](/papers/202511_HurJ_The_moderating_role_of_design_innovation_in_the_relationship_between_technology_complexity_and_firm_performance/fig2.jpeg) ## 요약 본 연구는 기술 복잡도와 firm performance 의 관계에서 [[design-innovation]] 의 *전략 자원* 역할을 RBV ([[resource-based-view]]) 관점에서 검증한다. 기존 design innovation 문헌은 design 투자액 (Chiva & Alegre 2009), design centrality (Montresor & Vezzani 2020), internal management (Filippetti & D'Ippolito 2017) 같은 *프로세스* 지표로 design 활동을 측정했으나, 이는 RBV 가 요구하는 *legally enforceable resource* 라는 기준을 충족하지 못한다. 저자들은 *design patent* 를 design innovation 의 측정 도구로 삼아, 시각적·기능적 특성에 대한 배타적 권리라는 RBV-호환 지표를 도입한다. 데이터는 NBER 후속의 Arora–Belenzon–Sheer (2021) parent-aggregated patent dataset (1980~2015, 명칭 변경·소유 구조 변화 모두 반영) 을 Compustat (재무) 및 PATSTAT (citation·CPC·design patent) 와 firm identifier (GVKEY, standardized assignee ID) 로 결합해 1,743 개 모기업 × 16,693 firm-year unbalanced panel 을 구축한다. 종속변수는 ROA (net income / 평균 총자산), 핵심 explanatory 는 (i) [[structural-diversity]] (Broekel 2019) 로 측정한 4-digit CPC 평균 기술 복잡도와 (ii) 누적 design patent log 수. Lag 는 3 년 — 패텐트 효과의 지연을 반영하고 endogeneity 를 완화. Control 은 EMP, PUB_STOCK, CITATION, TECH_STOCK, 2-digit NAICS 산업 더미. 추정은 cross-sectional time-series [[feasible-generalized-least-squares]] (panel-specific AR(1), Baltagi 2021) 로 시간·firm-specific heterogeneity 와 1차 자기상관을 동시에 처리한다. Hypothesis 1 검증 결과 COMPLEXITY 는 ROA 에 음 (−) 의 효과 (β = -0.254***), Hypothesis 2 의 DESIGN_INNO 는 양 (+) 의 효과 (β = 0.214***), 그리고 핵심 Hypothesis 3 의 interaction 항도 양 (+) 의 효과 (β = 0.153***) 로 모두 1% 수준에서 유의. Figure 3 의 interaction plot 은 DESIGN_INNO 가 낮을 때 COMPLEXITY–logROA 곡선의 기울기가 가장 가파르고, design innovation 이 늘수록 기울기가 평탄해지다 양 (+) 으로 전환됨을 보인다. 저자들은 이를 (i) RBV 의 design-as-strategic-resource 명제의 정량 증거, (ii) [[junseokhwang]] · [[keungoui-kim]] 의 patent-based innovation measurement 라인의 design 차원 확장으로 위치시킨다. 한계: US 상장 firm 중심 표본, 선형 가정 (Hou et al. 2022 의 inverted-U 가능성), 시장·산업 dynamics 미고려. ## 핵심 결과 | 변수 | Model 1 (control only) | Model 2 (+COMPLEXITY) | Model 3 (+DESIGN_INNO) | Model 4 (+interaction) | |---|---:|---:|---:|---:| | EMP | +1.906*** | +1.912*** | +1.929*** | +1.911*** | | PUB_STOCK | +0.343*** | +0.322*** | +0.321*** | +0.321*** | | CITATION | +0.072*** | +0.118*** | +0.127*** | +0.121*** | | TECH_STOCK | +0.328*** | +0.390*** | +0.294*** | +0.306*** | | COMPLEXITY | — | **-0.254*** | **-0.259*** | **-0.226*** | | DESIGN_INNO | — | — | **+0.214*** | **+0.241*** | | COMPLEXITY × DESIGN_INNO | — | — | — | **+0.153*** | | Wald χ² | 36,242*** | 39,803*** | 44,099*** | 42,538*** | > N = 16,693 firm-year (1,743 firms). VIF 평균 2.05 (1.33~2.90). 모든 변수 lag 3 년 + log 변환 (DESIGN_INNO, TECH_STOCK, PUB_STOCK, CITATION, EMP). Interaction term 의 양 (+) 계수 + COMPLEXITY 의 음 (−) 계수 절댓값 감소는 design innovation 이 complex technology 의 commoditization 손실을 완화함을 시사. ## 방법론 노트 본 연구의 핵심은 (i) [[structural-diversity]] (Broekel 2019) 로 firm-level 기술 복잡도를 측정하고, (ii) interaction term 을 panel GLS 로 추정하는 것이다. Broekel 의 measure 는 Fleming & Sorenson (2001) 의 recombinant search 이론을 기반으로 기술 sub-network 위상의 다양성으로 복잡도를 정량화한다. 핵심 식: $$ \begin{aligned} ROA_{it} = \,& \beta_0 + \beta_1 EMP_{i(t-3)} + \beta_2 PUB\_STOCK_{i(t-3)} + \beta_3 CITATION_{i(t-3)} \\ & + \beta_4 TECH\_STOCK_{i(t-3)} + \beta_5 INDUSTRY\_Dummy_i \\ & + \beta_6 COMPLEXITY_{i(t-3)} + \beta_7 DESIGN\_INNO_{i(t-3)} \\ & + \beta_8 COMPLEXITY_{i(t-3)} \times DESIGN\_INNO_{i(t-3)} + \mu_{it} \end{aligned} $$ 여기서 $i$ 는 모기업, $t$ 는 연도. COMPLEXITY 와 DESIGN_INNO 는 interaction 생성 전에 mean-centered. 추정: panel-specific AR(1) autocorrelation 을 허용한 cross-sectional time-series feasible GLS (Baltagi 2021). 식별 전략: 3 년 lag 로 reverse causality 완화, 산업 더미로 cross-sectional heterogeneity 통제, AR(1) 으로 time-variant 내생성 통제. Design innovation 의 측정은 *legally enforceable* design patent 누적량으로 RBV 의 imitability barrier 요건 충족. ## 연구 계보 본 연구는 세 갈래 문헌을 통합한다. 첫째, [[technology-complexity]] 의 firm performance 효과 — McEvily & Chakravarthy (2002), Antonelli–Crespi–Quatraro (2022), Mewes & Broekel (2022), Yayavaram & Chen (2015), Hou–Li–Lin (2022) 의 mixed evidence. 둘째, [[design-innovation]] 측정 — Chiva & Alegre (2009), Montresor & Vezzani (2020), Filippetti & D'Ippolito (2017), Dan–Spaid–Noble (2018), Chan–Mihm–Sosa (2018, 2021) 의 design patent 접근. 셋째, RBV 의 strategic resource 이론 (Barney 1991). 핵심 데이터·측정 도구는 Arora–Belenzon–Sheer (2021) parent-level patent dataset 과 Broekel (2019) structural diversity, 추정 방법은 Baltagi (2021) panel GLS. [[junseokhwang]] author page anchor 의 *제 4~5 기* 의 "혁신과 기업 성과" 실타래에 속하며, 특히 [[keungoui-kim-2019-technology-convergence-patent-network]] 의 patent network 기반 기업 혁신 측정 라인의 design 차원 확장이다. [[jisoo-hur-2026-knowledge-overlap-inventor-collaboration]] 과 함께 [[jisoo-hur]] 의 design–innovation–collaboration 트리오를 구성하는 첫 작업. ## See also - [[junseokhwang]] - [[keungoui-kim]] - [[jisoo-hur]] - [[technology-analysis-and-strategic-management]] - [[design-innovation]] - [[technology-complexity]] - [[resource-based-view]] - [[patent-analysis]] - [[panel-regression]] - [[feasible-generalized-least-squares]] - [[structural-diversity]] - [[keungoui-kim-2019-technology-convergence-patent-network]] - [[jisoo-hur-2026-knowledge-overlap-inventor-collaboration]]