--- type: paper slug: kiyoon-shin-2022-public-procurement-innovation title: Impact of public procurement for innovation on firm productivity authors: - '[[kiyoon-shin]]' - '[[jeongdonglee]]' year: 2022 venue: '[[applied-economics-letters]]' volume: '29' issue: '11' pages: 1016-1021 doi: 10.1080/13504851.2021.1904106 categories: - '[[innovation-policy]]' - '[[productivity-analysis]]' methods: - '[[propensity-score-matching]]' - '[[kernel-matching]]' - '[[nearest-neighbour-matching]]' - '[[average-treatment-effect-treated]]' - '[[total-factor-productivity]]' themes: - '[[public-procurement-for-innovation]]' - '[[demand-side-innovation-policy]]' - '[[korean-manufacturing]]' - '[[economies-of-scale-and-learning]]' aliases: [] last_updated: '2026-05-17T21:30:00+09:00' --- # Impact of public procurement for innovation on firm productivity *[[kiyoon-shin]], [[jeongdonglee]] (2022)* · [[applied-economics-letters]] 29:1016-1021 · [DOI ↗](https://doi.org/10.1080/13504851.2021.1904106) > [[public-procurement-for-innovation]] (PPI) 가 *수요 측 혁신 정책* 으로 부상하면서 실제 *생산성 향상 효과* 가 있는지 검증. 한국 [[korean-manufacturing]] 의 KIS-Value + 공공조달서비스 (PPS) 계약 데이터 결합 (N=8,994, 2013-2017) + [[propensity-score-matching]] (kernel matching) + ATT 추정. PPI 계약 firm 의 value-added 가 1 년 후 +7.6%, [[total-factor-productivity]] 가 2 년 후 +4.5% (모두 통계적 유의) — *value-added 즉시 효과 → TFP 지연 효과* 의 sequential pathway. [[economies-of-scale-and-learning]] mechanism 의 *정량 검증*. - **RQ**: [[public-procurement-for-innovation]] 이 일반 공공조달과 비교해 *생산성 향상* 의 실증적 effect 가 있는가, 그리고 그 효과의 *시간 동학* (즉시 vs 지연) 은 어떠한가. - **방법론**: [[propensity-score-matching]], [[kernel-matching]], [[nearest-neighbour-matching]], [[average-treatment-effect-treated]], [[total-factor-productivity]] - **데이터**: 한국 [[korean-manufacturing]] firm-level (KIS-Value + PPS 공공조달 계약 결합), N=8,994 obs, 2013-2017, treated 706 (PPI 우수제품 procurement), control 2,108 (일반 procurement). - **주요 발견**: PPI 계약 firm 의 value-added 증가율 +7.6% (1 년 후, p<0.01), TFP 증가율 +4.5% (2 년 후, p<0.05). 노동/자본 input 은 비유의 — *효과는 input 확대 아니라 productivity 향상 본체*. NNM caliper 0.01 robustness check 통과. - **시사점**: PPI 의 *signalling + 시장 형성 + scale 학습* 3 mechanism 중 *생산성 channel* 의 실증 anchor. 일반 R&D subsidy 의 [[crowding-out-effect]] 한계와 비교해 *수요 측 정책* 의 효율성 강조. ![Kernel density distribution 의 매칭 전후 비교 — treated (PPI) vs untreated (일반 procurement) 의 propensity score 분포가 matching 후 거의 일치. PSM 의 *common support* 조건 충족 시각화.](/papers/202206_ShinK_Impact_of_public_procurement_for_innovation_on_firm_productivity/fig1.jpeg) ## 요약 [[temep]] 의 *수요 측 혁신 정책* 라인의 *quantitative anchor*. [[kiyoon-shin]] 의 sibling 작업 [[kiyoon-shin-2020-revitalizing-concept-public]] (PPI 의 4-type taxonomy + causal loop conceptual framework) 이 *개념적 기여* 였다면 본 paper 는 그 framework 의 *실증 검증*. [[jeongdonglee]] anchor 의 *제3기 (3) 정책 일관성 라인* + 신은 *제4기 진화론적 전환의 정책 application 갈래*. 기존 PPI 실증 (Aschhoff · Sofka 2009, Ghisetti 2017, Raiteri 2018) 이 *innovation output* (특허, 매출, R&D 증가) 만 측정했다면 본 paper 는 *productivity* (TFP) 라는 *더 근본적 outcome* 으로 격상. 데이터 결합: KIS-Value 의 firm 재무·생산 정보 + 공공조달서비스 (PPS) 의 procurement 계약 정보. *Treated* = PPI 계약 firm (한국 *우수제품* 우선구매 제도 — 일반 procurement 와 별도 운영), *control* = 일반 procurement firm. Cobb-Douglas production function 의 4 outcome — value-added, TFP, labor input, capital input. TFP 는 Good et al. (1997) + Aw et al. (2001) 의 *industry average reference* 방식 (참조년 2011). [[propensity-score-matching]] kernel matching 의 bandwidth 는 Huber-Lechner-Wunsch (2013, 2015) 방식 (pair matching with replacement, 90% quantile × 1.5). Probit propensity score 의 covariate: ln(total asset, R&D investment, total capital, education/training, lagged TFP, employees, fixed asset) + year + industry dummy. 1 년 lag covariate 로 *selection bias* 제어. Robustness: 1:5 NNM caliper 0.01. 결과의 시간 동학: PPI 효과는 *value-added 즉시 → TFP 지연* sequential. Value-added +7.6% (1 년 후, k=1) 는 *signalling 효과* 와 *contract volume 자체* 의 직접 매출 증가. TFP +4.5% (2 년 후, k=2) 는 *economies of scale + learning-by-doing* 의 시간이 걸리는 본체 효과. 노동·자본 input 의 비유의는 *factor input 확대 아닌 productivity 향상* 본체임을 확인. 한계: 단일 국가 (한국) 단일 정책 (우수제품), 5-year window, PPI 효과의 *spillover* 미측정. 그러나 본 paper 의 *PSM + 시간 동학 분리* framework 는 후속 PPI 연구의 표준 도구. ## 핵심 결과 | Outcome | k=1 | k=2 | k=3 | |---|---:|---:|---:| | Δ value-added | **+7.6%** *** | +5.2% ** | +3.1% | | Δ TFP | +2.8% | **+4.5%** ** | +3.2% | | Δ labor input | +1.2% | +2.0% | +1.5% | | Δ capital input | +0.9% | +1.8% | +1.2% | Note: kernel matching 결과, *p<0.10, **p<0.05, ***p<0.01. NNM 1:5 caliper 0.01 도 동일 패턴 유지. **Probit propensity score 의 주요 covariate (dy/dx)**: - ln(R&D investment): +0.021*** (PPI 진입 강력 predictor) - ln(total capital): +0.135*** - ln(education/training): +0.023*** - ln(employees): −0.160*** (소규모 firm 이 PPI 채택 비율 높음) ## 방법론 노트 핵심 통찰: PPI 는 *non-random* assignment — 우수제품 인증을 받은 firm 만 contract 가능. 단순 비교는 selection bias. [[propensity-score-matching]] 으로 *관측 가능 confounder* 제어 + outcome variable 의 *차분 (differenced)* 으로 *시간 불변 unobservable* 추가 제어. 이중 보정. 핵심 식 (TFP 정의 + ATT 추정량): $$ \ln \text{TFP}_{i,t} = (\ln Y_{i,t} - \overline{\ln Y_t}) - \frac{1}{2} \sum_{f=1}^{n} (S_{f,i,t} + \overline{S_{f,t}})(\ln X_{f,i,t} - \overline{\ln X_{f,t}}) $$ $$ \Delta ATT = E[Y_{i,t+k}(1) - Y_{i,t}(0) \mid D_{i,t}=1] - E[Y_{i,t+k}(1) - Y_{i,t}(0) \mid D_{i,t}=0] $$ 여기서 $Y_{i,t}$ 는 firm $i$ 의 t 시점 매출, $X_{f,i,t}$ 는 production factor $f$ 의 지출, $S_{f,i,t}$ 는 매출 대비 share, $D_{i,t}=1$ 은 PPI treated, $k \in \{1,2,3\}$ 은 contract 이후 lag year. 식별 전략: (i) PSM 으로 *관측 covariate* (R&D, 자본, 교육, employee 등) 매칭. (ii) Outcome 의 *차분 변수* 로 *시간 불변 firm fixed effect* 제어. (iii) Lagged TFP 를 probit covariate 에 포함해 *prior productivity → PPI 선정* 의 reverse causality 완화. (iv) NNM caliper 0.01 robustness check. 표본 design: 우수제품 procurement (treated) vs 일반 procurement (control) — *PPI vs 비-PPI public sector* 의 *clean control*. ## 연구 계보 본 paper 의 직접 선조는 [[kiyoon-shin-2020-revitalizing-concept-public]] (PPI 의 4-type taxonomy + impact mechanism conceptual framework — 같은 1 저자) 와 [[hoyoon-lee-2020-demand-side-policy-eco-innovation]] (수요 측 정책의 production 매개 효과 — [[temep]] 내 수요 측 정책 라인 sibling). 외부의 Edler · Georghiou (2007, demand-side policy resurrection), Edquist · Zabala-Iturriagagoitia (2012, mission-oriented), Aschhoff · Sofka (2009, PPI 실증의 첫 시도), Borrás · Edquist (2013, innovation policy instrument 선택), Crespi · Guarascio (2019, demand-pull effect). 방법론은 Rosenbaum · Rubin (1983, propensity score), Huber · Lechner · Wunsch (2013, 2015, kernel matching tuning), Good et al. (1997) + Aw et al. (2001, industry-reference TFP). [[temep]] anchor 작업으로 [[taewon-kang-2017-internal-cash-flow-positive-shocks]] 가 본 paper 의 KIS-Value 의 *firm 패널 기반 R&D 동학* 라인. [[jeongdonglee]] author page anchor 의 *제3기 (3) accumulation 의 학술적 기반 구축 + 정책 일관성* 시기 분류 + *제4기의 정책 application 갈래* 에 위치. TEMEP 내 자매 작업은 [[kiyoon-shin-2020-revitalizing-concept-public]] (conceptual sibling) 과 [[yeongjun-yeo-2020-revitalizing-race-between]] (같은 2 저자 [[yeongjun-yeo]] 의 노동·교육 정책 CGE). ## See also - [[public-procurement-for-innovation]] - [[demand-side-innovation-policy]] - [[propensity-score-matching]] - [[total-factor-productivity]] - [[economies-of-scale-and-learning]] - [[crowding-out-effect]] - [[kiyoon-shin-2020-revitalizing-concept-public]] - [[hoyoon-lee-2020-demand-side-policy-eco-innovation]] - [[taewon-kang-2017-internal-cash-flow-positive-shocks]] - [[kiyoon-shin]] - [[jeongdonglee]]