--- type: paper slug: jung-in-yeon-2020-composite-index-granger-causality-test title: >- A tale of two technological capabilities: economic growth revisited from a technological capability transition perspective authors: - '[[jung-in-yeon]]' - '[[jeongdonglee]]' - '[[chulwoo-baek]]' year: 2020 venue: '[[journal-of-technology-transfer]]' doi: 10.1007/s10961-020-09809-2 categories: - '[[innovation-economics]]' - '[[development-economics]]' methods: - '[[composite-index]]' - '[[granger-causality-test]]' - '[[dynamic-panel-gmm]]' - '[[arellano-bond-gmm]]' - '[[panel-quantile-regression]]' - '[[levin-lin-chu-test]]' - '[[cronbach-alpha]]' themes: - '[[implementation-capability]]' - '[[design-capability]]' - '[[middle-income-trap]]' - '[[capability-transition]]' - '[[national-technological-capability]]' - '[[global-connections]]' - '[[learning-by-doing]]' - '[[learning-by-building]]' aliases: - yeon-lee-2021-capability-transition last_updated: '2026-05-17T21:30:00+09:00' --- # A tale of two technological capabilities: economic growth revisited from a technological capability transition perspective *[[jung-in-yeon]], [[jeongdonglee]], [[chulwoo-baek]] (2020)* · [[journal-of-technology-transfer]] · [DOI ↗](https://doi.org/10.1007/s10961-020-09809-2) > [[jeongdonglee-2019-middle-innovation-trap]] 의 IC-DC framework 을 42 개국 1996~2016 패널 데이터로 처음 정량 검증한다. ISO9001, 제조업 부가가치, 특허, R&D 지출 등 10 개 지표를 [[composite-index]] 로 합성해 [[implementation-capability]] 와 [[design-capability]] 의 두 지표를 만들고, [[granger-causality-test]] 로 IC→DC 의 *일방향* 순차 발전 패턴을, [[panel-quantile-regression]] 으로 income level 별 두 capability 의 차별적 성장 기여를 보인다. middle-income trap 은 IC 의 한계수익 감소와 DC 의 미발달이 겹치는 *capability transition trap* 으로 재해석된다. - **RQ**: (1) 국가 기술역량은 IC (실행역량) 와 DC (설계역량) 의 두 type 으로 분해 가능한가? (2) 두 capability 의 발전은 어떤 순차 패턴 (IC→DC) 을 따르는가? (3) income level 에 따라 두 capability 의 경제성장 기여도가 어떻게 달라지는가? Lee et al. (2019) 의 이론 framework 의 42-국가 panel 정량 검증. - **방법론**: [[composite-index]], [[granger-causality-test]], [[dynamic-panel-gmm]], [[arellano-bond-gmm]], [[panel-quantile-regression]], [[levin-lin-chu-test]], [[cronbach-alpha]] - **데이터**: 42 개국 (UNESCO 최단 데이터 수집 기간 기준 적격) 1996~2016 panel, IC = ISO9001 인증·trademark·제조업 부가가치·고용·gross fixed capital formation 5 지표, DC = 특허·산업디자인·high-tech 수출·R&D 인력·R&D 지출 5 지표. min-max 정규화 후 equal weight 합산. NTC = IC + DC. - **주요 발견**: (1) Cronbach's α: IC 0.749, DC 0.874 → 두 index 의 internal consistency 확보. (2) [[granger-causality-test]] 결과 NTC 1~2 구간 (early transition stage) 에서 IC→DC 일방향 인과 (Wald 20.08, p=0.002), 역방향은 비유의. (3) [[panel-quantile-regression]] 에서 IC 의 GDP per capita 효과는 저소득에서 1.49***, 고소득에서 0.58*** 로 *감소*, DC 는 저소득에서 0.07 (비유의), 고소득에서 0.52*** 로 *증가* — 역전. (4) capability 전환 임계 구간: GDP $10,400 ~ $27,100 (40~60 percentile), NTC 약 3 — upper-middle-income trap 의 zone 과 정확히 일치. - **시사점**: middle-income trap 은 IC 만 누적된 상태에서 DC 로의 전환 실패에서 비롯된다. 이 구간의 정책은 IC 강화가 아니라 *DC 축적* 으로 전환해야 한다. R&D 지출 비중, 산업디자인, high-tech 수출 등 know-why 지표 강화가 핵심. ![NTC 증가에 따른 IC/NTC 와 DC/NTC 의 compositional ratio 변화. 초기 단계는 IC-based (IC/NTC > 0.5), NTC ≈ 3 에서 IC 와 DC 의 비중 line 이 교차해 design-based 로 transition.](/papers/202106_YeonJI_A_tale_of_two_technological_capabilities_economic_growth_revisited_from_a_technological_capability_transition_perspective/fig5.jpeg) ## 요약 본 paper 는 [[jeongdonglee]] anchor 의 IC-DC 전환 명제 ([[implementation-capability]] 가 [[design-capability]] 의 *전제 조건* 이며 둘은 학습 mode 가 다르다 — [[learning-by-doing]] vs [[learning-by-building]]) 의 *42 개국 panel 차원 정량 검증* 이다. 기존 [[national-technological-capability]] 지표 (UNDP TAI, WEF GCI, WIPO GII, UNIDO CIP 등) 는 cross-sectional ranking 에는 유용하지만 *capability 의 동학* 을 다루지 못했다. Radosevic-Yoruk (2018) 가 intensity · breadth · interaction 의 3 차원 분해를 시도했지만 IC-DC 와 같은 *지식 type 기반 분해* 는 아니었다. 본 paper 는 Lee et al. (2019) Foresight and STI Governance 의 conceptual framework 을 *조작적 정의* (Table 1) 로 옮기고 10 개 지표로 합성한 것이 핵심 contribution. 지적 뿌리는 Bell-Pavitt (1992) 의 *production capacity vs technological capability* 구분, Kim (1997) 의 *production-investment-innovation* 3 요소, Lall (2000) 의 *technological effort* 분류 — 모두 *역량의 type 차이* 명제를 공유. 분석은 세 단계. (1) [[composite-index]] 합성: 5 + 5 지표를 min-max 정규화 후 equal weight 합산해 IC, DC 산출. IC 의 5 지표는 ISO9001 인증·trademark·제조업 부가가치·고용·gross fixed capital formation — *know-how 기반 실행* 의 proxy. DC 의 5 지표는 patent 출원·산업디자인·high-tech 수출·R&D 인력·R&D 지출 — *know-why 기반 설계* 의 proxy. [[cronbach-alpha]] (IC 0.749, DC 0.874) 와 composite reliability (0.726, 0.869) 로 internal consistency 확보. (2) Hypothesis 1 — IC → DC 순차성: NTC 단계별 ([NTC≤1: initial], [12) | Wald **18.75*** (p=0.003) | Wald 10.86 (p=0.47) | | Panel Quantile (logGDPpc) | 10% ($2,580) | **1.49*** | 0.07 (n.s.) | | | 40% ($10,400) | **1.35*** | **0.46*** | | | 60% ($27,100) | **1.15*** | **0.41*** | | | 80% ($39,700) | **0.86*** | **0.64*** | | Dynamic Panel (trade share) | IC | **0.126*** | — | | | DC | — | **0.080** | 핵심 패턴: (a) Granger 인과는 transition stage 에서만 IC→DC 일방향. (b) Quantile 회귀의 IC 계수는 분위가 높아질수록 monotonic 감소 (1.49→0.58), DC 계수는 증가 (0.07→0.52). (c) 두 capability 의 contribution 이 *교차* 하는 구간이 정확히 upper-middle-income 영역. ## 방법론 노트 [[composite-index]] 합성은 UNIDO (2017), Filippetti-Peyrache (2011), Radosevic-Yoruk (2018) 의 전통을 따르되 IC-DC 의 *type-based* 분해가 차별점. *지식 type (know-how vs know-why) × 학습 mechanism (learning-by-doing vs learning-by-building)* 의 두 축으로 sub-indicator 를 선택한다는 design rule 이 본 paper 의 contribution — 기존 지표가 *intensity, breadth* 같은 *측정 차원* 으로 분해된 데 비해 본 paper 는 *지식 본성의 type 차원* 으로 분해. 핵심 식: $$ \tilde{X}_{i,t} = \frac{X_{i,t} - X^{min}}{X^{max} - X^{min}}, \quad IC_{i,t} = \sum_{\tilde{X} \in IC} \tilde{X}_{i,t}, \quad DC_{i,t} = \sum_{\tilde{X} \in DC} \tilde{X}_{i,t}, \quad NTC_{i,t} = IC_{i,t} + DC_{i,t} $$ [[granger-causality-test]] (Dumitrescu-Hurlin) 의 heterogeneous panel 식: $$ DC_{i,t} = \alpha_i + \sum_{k=1}^{K} \beta_i^{(k)} IC_{i,t-k} + \sum_{k=1}^{K} \gamma_i^{(k)} DC_{i,t-k} + \varepsilon_{i,t} $$ 여기서 $K=5$ (AIC), $\tilde{X}$ 는 min-max 정규화 변수. [[panel-quantile-regression]] 은 두 단계 — 1단계에서 panel-level effect 제거, 2단계에서 9 quantile 회귀. [[arellano-bond-gmm]] 으로 lagged dependent variable 의 endogeneity 통제, AR(1) 검정으로 first-differenced error 의 autocorrelation 확인. 식별의 핵심은 *NTC stage 분할* — 단일 식이 아니라 stage 별 인과 구조 차이를 관찰하는 설계. Dumitrescu-Hurlin (2012) 의 heterogeneous panel Granger test 는 각 panel unit (country) 별 lag coefficient 가 다를 수 있음을 허용 — country-specific 학습 속도 차이를 통제. Wald 통계량은 *null: no causality for all panels* 에 대한 평균 효과 검증. *어떤 country 에서* 인과가 나타나는지는 별도 분석으로 남김 (본 paper 의 일반화 한계). ## 연구 계보 직접 predecessor 는 [[jeongdonglee-2019-middle-innovation-trap]] (Lee, Yeon, Baek 등 2019 Foresight and STI Governance) — 본 paper 가 정량화하는 conceptual framework 의 source. Bell-Pavitt (1992), Kim (1997), Lall (2000) 의 [[know-how]] vs [[know-why]] 구분이 framework 의 지적 뿌리. Abramovitz (1986) 의 social capability, Cohen-Levinthal (1990) 의 absorptive capacity, Fagerberg-Verspagen 의 technology gap model 이 IC-DC 분해의 전사 (前史). [[middle-income-trap]] 문헌은 Gill-Kharas (2007), Eichengreen et al. (2013), Felipe et al. (2017), Bulman et al. (2017), Radosevic-Yoruk (2018), Kang et al. (2015) 가 sibling. method 측면에서 Dumitrescu-Hurlin (2012) 의 heterogeneous panel Granger test, Arellano-Bond (1991) 의 dynamic panel GMM 이 도구의 source. [[jeongdonglee]] anchor 의 제3기 핵심 작업 (1.2 IC-DC 전환 · 1.9 middle innovation trap) 의 *정량 백본*. sibling: [[wonsub-eum-2019-product-space-technology-space]] 가 production-innovation 의 path-dependent 연결을 보였다면 본 paper 는 capability-economic-growth 의 stage-dependent 연결을 본다. ## See also - [[jeongdonglee]] - [[jung-in-yeon]] - [[chulwoo-baek]] - [[jeongdonglee-2019-middle-innovation-trap]] - [[wonsub-eum-2019-product-space-technology-space]] - [[implementation-capability]] - [[design-capability]] - [[middle-income-trap]] - [[capability-transition]] - [[granger-causality-test]] - [[panel-quantile-regression]] - [[arellano-bond-gmm]] - [[composite-index]] - [[journal-of-technology-transfer]]