---
type: paper
slug: john-han-2018-knowledge-overlap-quality-ma
title: >-
  Is high-quality knowledge always beneficial? Knowledge overlap and innovation
  performance in technological mergers and acquisitions
authors:
  - '[[john-han]]'
  - '[[gihwan-jo]]'
  - '[[jinakang]]'
year: 2018
venue: '[[journal-of-management-and-organization]]'
volume: '24'
issue: '2'
pages: 258-278
doi: 10.1017/jmo.2016.35
categories:
  - '[[innovation-management]]'
methods:
  - '[[negative-binomial-regression]]'
  - '[[patent-analysis]]'
themes:
  - '[[knowledge-overlap]]'
  - '[[technology-m-and-a]]'
  - '[[absorptive-capacity]]'
  - '[[knowledge-based-view]]'
last_updated: '2026-05-17T20:00:00+09:00'
---
# Is high-quality knowledge always beneficial? Knowledge overlap and innovation performance in technological mergers and acquisitions

*[[john-han]], [[gihwan-jo]], [[jinakang]] (2018)* · [[journal-of-management-and-organization]] 24(2):258-278 · [DOI ↗](https://doi.org/10.1017/jmo.2016.35)

> 기술 [[technology-m-and-a]] 에서 피인수 기업 지식 기반의 *양적* 차원 (overlapped/non-overlapped quantity) 만 다뤄온 선행 연구를 넘어, 중첩·비중첩 지식 각각의 *질적* 차원 (impact-weighted quality) 이 인수 후 혁신 성과에 어떻게 *반대 방향* 으로 작용하는지 묻는다. 2001–2009 미국·유럽·아시아 하이테크 산업 162개사의 192건 기술 M&A 거래, USPTO + SDC Platinum + Datastream 데이터, [[negative-binomial-regression]] 결과: 중첩 지식 품질 ↑ → 혁신 성과 ↑ ($\beta=0.10, p<.01$, H1), 비중첩 지식 품질 ↑ → 혁신 성과 ↓ ($\beta=-0.02, p<.05$, H2), 중첩 지식 *양* 은 *역-U* ($\beta=0.06 / -0.0006^2, p<.05$, H3), 비중첩 지식 *양* 의 역-U (H4) 는 *기각*.

- **RQ**: 기술 M&A 에서 피인수 기업 지식의 *질* 은 중첩·비중첩 영역에 따라 인수 후 혁신 성과에 어떻게 다르게 작용하는가, 지식 *양* 과 어떻게 구분되는가?
- **방법론**: [[negative-binomial-regression]], [[patent-analysis]]
- **데이터**: 미국·유럽·아시아 하이테크 산업 (communications equipment, computer/office, drugs, electronic/electrical, measuring/medical/photo, telecom) 162개 acquirer, 192 deal, 2001–2009; USPTO + Thomson Reuters SDC Platinum + Datastream; 종속변수는 M&A 후 1–5년 acquirer 신규 특허 수
- **주요 발견**: H1 overlapped quality $\beta=0.10, p<.01$; H2 nonoverlapped quality $\beta=-0.02, p<.05$; H3 overlapped quantity 역-U $\beta=0.06 / -0.0006^2$; H4 nonoverlapped quantity 역-U *기각*; pseudo R² 0.03 → 0.07
- **시사점**: M&A due-diligence 가 "novel 한 비중첩 고품질 지식이 많을수록 좋다" 는 직관을 따라가면 통합 비용을 과소평가. HP-Palm, Microsoft-aQuantive 가 비중첩 고품질 함정의 사례, Gilead-Triangle, Gilead-Pharmasset 이 중첩 고품질 성공 사례. *acquirer 의 [[absorptive-capacity]] 가 닿는 영역* 에서 *고품질* 을 노리는 표적화가 안전 전략

![Figure 1. 기술 M&A 에서 acquirer 와 target 의 knowledge base 중첩·비중첩 영역 구분과 각 영역의 질·양이 인수 후 혁신 성과에 미치는 4가지 가설 (H1 양·중첩질, H2 음·비중첩질, H3 역-U 중첩량, H4 역-U 비중첩량) framework.](/papers/201803_HanJ_Is_high_quality_knowledge_always_beneficial_Knowledge_overlap_and_innovation_performance_in_technological_mergers_and_acquisitions/fig1.png)

## 요약

기존 [[technology-m-and-a]] 의 [[knowledge-overlap]] 연구 (Ahuja 와 Katila 2001, Cloodt et al. 2006, Makri, Hitt, Lane 2010, Sears 와 Hoetker 2014) 는 중첩 지식의 *양* 만을 다뤄, 적정 수준의 overlap 이 인수 후 혁신을 극대화한다는 역-U 가설을 정립했다. Phene, Tallman, Almeida (2012), Sears 와 Hoetker (2014) 도 quantitative similarity/complementarity 구분에 머물렀다. 그러나 Chen 과 Chang (2010), Yang, Wei, Chiang (2014) 이 지적했듯 *질* 을 무시한 양 측정만으로는 혁신 역량을 정확히 반영하지 못한다. 이 paper 는 Kogut 과 Zander (1992), Argote 와 Ingram (2000) 의 [[knowledge-based-view]] 를 결합해, 고품질 지식이 *어느 영역* 에 위치하는가에 따라 효과가 정반대가 됨을 이론·실증한다.

핵심 명제: (i) 고품질 지식은 tacit·complex·asset-specific 이라 이전 비용이 크지만, *overlap* 이 acquirer 의 [[absorptive-capacity]] 를 보장해주면 흡수 가능 + 결합 잠재력 (combinative potential) 극대화 → H1 (양). (ii) *non-overlap* 영역의 고품질은 absorptive capacity 결핍 + 통합 비용 + attention allocation 문제로 통합 비용이 결합 잠재력을 압도 → H2 (음). 192 deal 데이터에 [[negative-binomial-regression]] (Hausman, Hall, Griliches 1984; 종속변수 over-dispersion 때문) 추정. 중첩·비중첩은 USPC 특허 클래스 일치 여부로 구분, 질은 forward citation 수 평균 (Trajtenberg 1990), 양은 영역 내 특허 수. 통제: acquirer size (log avg revenue), R&D capability (R&D/sales 3yr avg), knowledge base size, knowledge quality, 국가·연도·cross-border dummy.

결과는 H1·H2·H3 모두 강하게 지지, H4 는 *기각*. Robustness 로 originality·generality (Herfindahl 기반) 를 quality 대체 측정에 사용해도 동일. HP 의 Palm 인수 (모바일 비중첩 고품질 → 통합 실패), Microsoft 의 aQuantive 인수 (광고 플랫폼 비중첩 → 실패) 가 부정적 사례, Gilead Sciences 의 Triangle (HIV 치료제 Emtriva → Truvada 시너지) · Pharmasset (Sofosbuvir → Sovaldi → Harvoni) 인수가 중첩 고품질의 성공 사례로 제시. [[jinakang]] author page 의 *2기 (2013–2018) 외부 지식 탐색의 구조적 역학* 시기 *실타래 4: 기술 M&A 와 지식 통합* 라인, "양날의 검" 메타포의 M&A 영역 구현. 한계: USPC 가 지식 본질이 아닌 *application* 분류, 비특허 혁신 누락.

## 핵심 결과

| 가설 | 변수 | β | 유의수준 | 지지 |
|---|---|---:|---|---|
| H1 | overlapped knowledge quality | +0.10 | p<.01 | 지지 |
| H2 | nonoverlapped knowledge quality | −0.02 | p<.05 | 지지 |
| H3 | overlapped knowledge quantity | +0.06 / −0.0006² | p<.05 | 지지 (역-U) |
| H4 | nonoverlapped knowledge quantity | ≈0 / ≈0² | n.s. | 기각 |

표본 평균: 인수 후 혁신 성과 (특허 수) 91.35, overlapped quality 4.99, nonoverlapped quality 6.27, overlapped quantity 14.39, nonoverlapped quantity 13.26, acquirer size (log avg rev) 5.91, R&D capability 0.27, knowledge base 638.40, technology quality 12.75. N = 192, VIF < 3, pseudo R² 0.03 (control) → 0.07 (full).

## 방법론 노트

종속변수 (특허 수) 의 over-dispersion (mean 91 vs SD 212) 때문에 Poisson 대신 [[negative-binomial-regression]] (Hausman, Hall, Griliches 1984) 채택. USPC 클래스 일치 여부로 overlapped/nonoverlapped 분리, 각 영역의 quality 는 target 특허의 forward citation 수 평균 (Trajtenberg 1990 의 patent impact), quantity 는 영역 내 특허 수. 핵심 회귀식:

$$
\ln \mathbb{E}[\text{PostInnov}_i] = \beta_0 + \beta_1 \text{OQual}_i + \beta_2 \text{NQual}_i + \beta_3 \text{OQuant}_i + \beta_4 \text{OQuant}^2_i + \beta_5 \text{NQuant}_i + \beta_6 \text{NQuant}^2_i + X_i\gamma + D_i
$$

여기서 $\text{OQual}, \text{NQual}$ 는 중첩·비중첩 forward citation 평균, $\text{OQuant}, \text{NQuant}$ 는 각 영역 특허 수, $X$ 는 acquirer 통제 (size, R&D, knowledge base, technology quality), $D$ 는 연도·국가·cross-border dummy. 1년 lag 로 transfer 시간 반영, 5년 상한으로 지식 감가 (Park, Shin, Park 2006) 반영. 식별: $\beta_1>0, \beta_2<0, \beta_3>0, \beta_4<0$ 이 핵심 가설. Robustness 는 quality 측정을 originality·generality (1 − Herfindahl) 로 교체해도 동일.

## 연구 계보

직접 선행은 Ahuja 와 Katila (2001) 의 knowledge base overlap 과 혁신 성과, Cloodt, Hagedoorn, Kranenburg (2006), Kapoor 와 Lim (2007) 의 inventor productivity, King, Slotegraaf, Kesner (2008) 의 M&A 후 R&D, Makri, Hitt, Lane (2010) 의 similarity/complementarity 구분, Sears 와 Hoetker (2014) 의 target/acquirer overlap 분해. 이론 anchor 는 Cohen 과 Levinthal (1990) 의 [[absorptive-capacity]], Kogut 과 Zander (1992) 의 [[knowledge-based-view]], Argote 와 Ingram (2000), Argote 와 Miron-Spektor (2011) 의 knowledge reservoir, Trajtenberg (1990) 의 patent impact = quality, Nonaka 와 Takeuchi (1996) 의 tacit knowledge. 공저자 [[gihwan-jo]] 의 [[gihwan-jo-2016-technological-m-and-a-relative-absorptive-capacity]] (AJTI) 와 동일한 데이터·문제 의식 (relative absorptive capacity → quality decomposition). [[jinakang]] author page 의 *2기 (2013–2018) 외부 지식 탐색의 구조적 역학* 시기, *실타래 4: 기술 M&A 와 지식 통합* 라인. 같은 라인의 sibling: [[john-han-2018-inventor-organizational-context-ma]] (AOM Proceedings; 같은 1저자, 인수 후 inventor 조직 맥락), [[seung-ryul-shin-2017-core-technological-portfolio-tech-ma]] (JKM; 기술 portfolio 재구성).

## See also

- [[jinakang]]
- [[john-han]]
- [[gihwan-jo]]
- [[journal-of-management-and-organization]]
- [[knowledge-overlap]]
- [[technology-m-and-a]]
- [[absorptive-capacity]]
- [[knowledge-based-view]]
- [[negative-binomial-regression]]
- [[patent-analysis]]
- [[double-edged-sword]]
- [[john-han-2018-inventor-organizational-context-ma]]
- [[gihwan-jo-2016-technological-m-and-a-relative-absorptive-capacity]]
- [[seung-ryul-shin-2017-core-technological-portfolio-tech-ma]]