---
type: paper
slug: seoyoung-lee-2025-regional-centrality-automotive
title: >-
  The power of regional centrality: specialization, diversity, and their effects
  on regional economic growth
authors:
  - '[[seoyoung-lee]]'
  - '[[hongbum-kim]]'
  - '[[junseokhwang]]'
year: 2025
venue: '[[humanities-and-social-sciences-communications]]'
doi: 10.1057/s41599-025-06170-3
categories:
  - '[[development-economics]]'
methods:
  - '[[social-network-analysis]]'
  - '[[panel-regression]]'
  - '[[fixed-effects]]'
  - '[[three-way-interaction]]'
  - '[[degree-centrality]]'
  - '[[location-quotient]]'
  - '[[herfindahl-hirschman-index]]'
themes:
  - '[[regional-centrality]]'
  - '[[agglomeration-economies]]'
  - '[[industrial-specialization]]'
  - '[[industrial-diversity]]'
  - '[[automotive-industry]]'
  - '[[electric-vehicles]]'
last_updated: '2026-05-20T02:06:34+09:00'
---
# The power of regional centrality: specialization, diversity, and their effects on regional economic growth

*[[seoyoung-lee]], [[hongbum-kim]], [[junseokhwang]] (2025)* · [[humanities-and-social-sciences-communications]] · [DOI ↗](https://doi.org/10.1057/s41599-025-06170-3)

> 한국 자동차 산업의 inter-firm 거래망 (KoDATA + VALUE Search) 으로 15 개 광역시도의 *regional centrality* 를 [[degree-centrality]] 로 측정해 [[regional-economic-growth]] (GRDP per capita) 에 미치는 효과를 panel [[fixed-effects]] 회귀로 추정한다. Centrality 의 직접 효과는 +63.15** ~ +95.53*, [[location-quotient]] 기반 specialization 도 +51 ~ +94*** 양 (+). 그러나 *degree × specialization* 와 *degree × diversity* 의 [[three-way-interaction]] 항은 음 (−). 핵심 발견: 세 요인 (degree × specialization × diversity) 의 양 (+) [[three-way-interaction]] (+84.18***) 이 가장 강한 성장 효과 — *균형* 이 답이다.

- **RQ**: 자동차 inter-firm 거래망의 regional centrality 가 GRDP 에 미치는 효과는 industrial specialization 과 diversity 에 의해 어떻게 moderate 되는가? 세 요인의 균형 조합은 어떤 효과를 가지는가?
- **방법론**: [[social-network-analysis]], [[degree-centrality]] (weighted, normalized), [[panel-regression]], [[fixed-effects]], [[three-way-interaction]], [[location-quotient]], [[herfindahl-hirschman-index]]
- **데이터**: 한국 자동차 산업 inter-firm 거래 (KoDATA + VALUE Search, 946 기업 분석/1,457 중), 2008~2021. 15 개 광역시도 (제주 제외). KSIC 자동차 분류 기준. 6 대 완성차 (Hyundai, Hyundai Mobis, KIA, GM Korea, Renault Korea, KG Mobility) 는 공장 주소, 나머지는 본사 주소 사용
- **주요 발견**: Lag 0 모형 R² = 0.89. degree +63.15** ; specialization +51.34***; diversity -228.8*** (단독 부정); degree × specialization -72.79***; degree × diversity -72.73**; specialization × diversity -56.47**; **degree × specialization × diversity +84.18***** (3-way 균형 효과). Hausman test χ² = 123.51 으로 FE 채택. VIF 평균 3.40 (1.48~5.36). Lag 1~3 모형에서도 결과 강건
- **시사점**: EV 전환으로 수직형 가치사슬이 *수평화* 되는 국면에서, 단순 cluster 특화는 한계. 산업 specialization 과 diversity 의 균형 + cross-region 네트워크 디자인이 핵심. 한국형 "Innovation City + 국가균형발전 특별법" 정책이 기존 metropolitan 편중을 깨려면 cross-region 거래망의 의도적 설계 필요

![자동차 산업 inter-firm 거래의 한국 15 개 광역시도 거래망 visualization (Fig 2): Gephi GeoLayout 으로 longitude/latitude 기반 배치, edge weight = 거래 volume (KoDATA 매출 비율 × VALUE Search 연매출). Hyundai-Kia 모듈러 supply chain 의 경기·울산·전남 클러스터가 hub-region 으로 두드러지며, 본 논문의 degree-centrality 산정 베이스.](/papers/202512_LeeS_The_power_of_regional_centrality_specialization_diversity_and_their_effects_on_regional_economic_growth/fig3.jpeg)

## 요약

본 연구는 [[electric-vehicles]] 전환이 자동차 산업의 가치사슬을 *수직 → 수평* 으로 재편하는 국면에서, 전통적 closed-cluster 모델의 한계를 진단하고 *cross-region 네트워크 위치* (regional centrality) 의 가치를 정량화한다. 기존 [[agglomeration-economies]] 문헌은 Marshall (1890) 의 specialization 이득과 Jacobs (1969) 의 diversity 이득을 따로 분석해왔으며 (Beaudry & Schiffauerova 2009), 도시 간 인적·물적 자원 교환 지표 (Hussain et al. 2019, Reyes et al. 2008) 와 산업 구조 지표 (Frenken et al. 2007, Delgado et al. 2016) 가 분리돼 있었다. 본 연구는 두 차원을 *동시에* 한 모형에 넣고 [[three-way-interaction]] 으로 결합 효과를 식별한다.

데이터·방법론: KoDATA 의 firm-level 매출 비율 데이터를 VALUE Search 의 연매출과 결합해 2008~2021 의 weighted directed transaction network 를 구축 (946 기업 분석, KSIC 자동차 코드 기준). 6 대 완성차는 *공장* 주소로 (생산 위치 정확), 나머지는 본사 주소로 광역시도 노드 집계. Gephi 0.10.1 의 GeoLayout 으로 visualize. Centrality 는 weighted normalized [[degree-centrality]] (Freeman 2002, Barrat et al. 2004) — 거래 volume 가중 + 네트워크 크기 정규화 ($\sum w(P_i, P_k) / (n_t - 1)$). [[location-quotient]] 로 자동차 산업 specialization 측정 (지역 자동차 고용 비중 / 전국 자동차 고용 비중), [[herfindahl-hirschman-index]] 의 complement (1 - HHI, 21 개 KSIC 대분류 기준) 로 diversity 측정. Control: 인구, 1 인당 지방세, 평균 사업체 규모, R&D 지출, 경제활동인구 비율, 대졸 취업 비율.

[[fixed-effects]] panel regression (Hausman test χ² = 123.51 으로 RE 기각) + Lag 0~3 의 동적 분석. 결과: (i) degree 의 직접 효과는 양 (+) 유의 모든 lag 에서 (+63.15** ~ +95.53*) — centrality 가 GRDP 의 핵심 driver, (ii) specialization 도 양 (+) — Hyundai-Kia 모듈러 supply chain 의 지역 클러스터 효과, (iii) diversity 는 *단독* 으로는 음 (−) — Jacobs 류 통념의 부분 부정, (iv) degree × specialization 과 degree × diversity 의 2-way 상호작용은 모두 음 (−) — 한 쪽 치우침이 centrality 이득을 갉아먹음, (v) 세 요인의 **3-way 상호작용 +84.18*****이 결정적 — 셋의 *균형 조합* 이 가장 큰 성장 효과. Marginal effect 분석 (Figs 3-5) 도 diversity 가 낮을 때 centrality·specialization 의 양 (+) 효과가 약화·역전됨을 확인.

저자들의 함의: EV 전환기에는 단일 산업 cluster 특화 (예: 경상도 내연기관, 전라도 배터리) 만으로 부족. *cross-region transaction network design* + 산업 다양성 + 거점 도시 centrality 의 동시 강화가 정책의 답. 한계: spatial autocorrelation 미반영 (cf. [[jungho-kim-2025-smart-cities-digital-divide-spillover]] 의 후속 연구 여지). [[junseokhwang]] author page anchor 의 *제 5 기 (글로벌 스마트시티와 AI, 2024~2026)* 의 "사회기술적 전환" 실타래의 EV·자동차 산업 응용으로, [[seoyoung-lee-2025-ev-transition-korea-automotive]] 와 자매 논문이다.

## 핵심 결과

| 변수 | Model 1 (Lag 0) | Model 2 (Lag 1) | Model 3 (Lag 2) | Model 4 (Lag 3) |
|---|---:|---:|---:|---:|
| degree (centrality) | +63.15** | +92.20** | +83.31* | +95.53* |
| specialization (LQ) | +51.34*** | +44.64** | +80.36*** | +94.11*** |
| diversity (1−HHI) | -228.8*** | -199.2*** | -61.73** | +1.14 (n.s.) |
| degree × specialization | -72.79*** | -69.85*** | -64.02*** | -71.14*** |
| degree × diversity | -72.73** | -103.3** | -93.08* | -106.6* |
| specialization × diversity | -56.47** | -49.26** | -89.08*** | -104.0*** |
| **degree × specialization × diversity** | **+84.18*** | **+80.17*** | **+73.32*** | **+81.10*** |
| Observations | 205 | 190 | 175 | 160 |
| R² | 0.89 | 0.88 | 0.89 | 0.87 |

> ∗∗∗ p<0.01, ∗∗ p<0.05, ∗ p<0.1. 15 개 광역시도 × 14 년 panel (Jeju 제외, 일부 결측). diversity 의 단독 음 (−) 효과는 lag 가 길어지면서 약화 — long-run 에는 diversity 가 reset 됨. Conditional marginal effect (Franzese & Kam 2009) 로 해석: $\partial \mathrm{grdp} / \partial \mathrm{degree} = \beta_1 + \beta_4 \mathrm{spec} + \beta_5 \mathrm{div} + \beta_7 \mathrm{spec} \cdot \mathrm{div}$.

**Control 부호**: economic_pop 양 (+) 강하게 유의 (회귀 경제활동인구가 핵심 driver), pop 양 (+) 그러나 약함, tax · business_size 양 (+) 유의, rnd_expen 비유의 (단기 효과 없음), college_emp **음 (−)** — Gibson & McKenzie (2012) 의 brain drain 효과: 대졸 인력의 *역외 유출* 이 지역 경제에 부정적.

## 방법론 노트

핵심 식별 전략은 [[three-way-interaction]] panel regression (Aiken et al. 1991, Franzese & Kam 2009) + [[degree-centrality]] 의 weighted normalization. 식:

$$
\mathrm{degree}_{it} = C_D^{W\_norm}(P_{k,t}) = \frac{\sum_{i=1}^{n} w(P_{i,t}, P_{k,t})}{n_t - 1}
$$

$$
\mathrm{specialization}_{it}^{auto} = LQ_{it}^{auto} = \frac{E_{it}^{auto} / E_{it}}{E_t^{auto} / E_t}
$$

$$
\mathrm{diversity}_{it} = 1 - HHI_{it} = 1 - \sum_j \left(\frac{E_{it,j}}{E_{it}}\right)^2
$$

$$
\begin{aligned}
\mathrm{grdp}_{it} = \,& \beta_0 + \beta_1 \mathrm{degree}_{it} + \beta_2 \mathrm{spec}_{it} + \beta_3 \mathrm{div}_{it} \\
& + \beta_4 (\mathrm{degree}_{it} \times \mathrm{spec}_{it}) + \beta_5 (\mathrm{degree}_{it} \times \mathrm{div}_{it}) + \beta_6 (\mathrm{spec}_{it} \times \mathrm{div}_{it}) \\
& + \beta_7 (\mathrm{degree}_{it} \times \mathrm{spec}_{it} \times \mathrm{div}_{it}) + \gamma X_{it} + \mu_i + \varepsilon_{it}
\end{aligned}
$$

여기서 $w(P_i, P_k)$ 는 두 지역 간 거래 volume (= 매출 비율 × 연매출), $n_t$ 는 연도 $t$ 의 노드 수, $E_{it,j}$ 는 지역 $i$ 의 산업 $j$ 고용, $\mu_i$ 는 region FE, $\gamma X_{it}$ 는 통제변수 벡터. Specialization 과 diversity 의 관측 범위가 0 을 포함하지 않으므로 $\beta_1$ 은 unconditional main effect 가 아닌 *conditional* effect 로 해석 (Brambor et al. 2006). Endogeneity 완화 전략: degree 의 1~3 년 lag 분석 — 모든 lag 에서 계수 부호·유의성 일관. Spatial autocorrelation 미반영은 한계로 명시.

## 연구 계보

본 연구는 세 갈래 문헌을 통합한다. 첫째, **[[agglomeration-economies]]** — Marshall (1890), Krugman (1991), Krugman & Venables (1990), Fujita & Thisse (1996), Glaeser (2010), Faggio et al. (2017, 2020), Rosenthal & Strange (2001, 2020), Carlino & Kerr (2015), Beaudry & Schiffauerova (2009). 둘째, **regional centrality 측정** — Freeman (2002), Newman (2004), Barrat et al. (2004), Opsahl et al. (2008), Ye & Xu (2021), Hussain et al. (2019), Reyes et al. (2008), Dosso & Lebert (2020). 셋째, **specialization vs diversity 논쟁** — Jacobs (1969), Frenken et al. (2007) "related variety", Bishop & Gripaios (2010), Andersson & Larsson (2022), Simonen et al. (2015), Van Der Panne & Van Beers (2006), Yeung (2021) "strategic coupling". 자동차 산업 글로벌 가치사슬: Sturgeon & Van Biesebroeck (2009), Sturgeon et al. (2008), Buchmann & Savchenko (2017, Stuttgart), Kimura (2022, Aichi), Cho & Kang (2024, Korea), Oh & Rhee (2008).

[[junseokhwang]] author page anchor 의 *제 5 기 (글로벌 스마트시티와 AI, 2024~2026)* 의 "사회기술적 전환" 실타래의 EV·자동차 산업 응용. [[seoyoung-lee-2025-ev-transition-korea-automotive]] (Journal of Asian Economics) 의 자매 작업으로, 후자는 EV 전환의 *crisis vs opportunity* 거시 평가, 본 paper 는 *transition 시점의 cluster 재설계* 라는 정책 함의. [[hongbum-kim]] 의 ICT 산업 regional dynamics 라인과 결합. Korea Smart City 거버넌스 라인 ([[jungho-kim-2025-smart-cities-digital-divide-spillover]], [[jungwon-kong-2025-g2g-smart-cities]]) 의 산업 supply-chain 측면 자매.

## See also

- [[junseokhwang]]
- [[hongbum-kim]]
- [[seoyoung-lee]]
- [[humanities-and-social-sciences-communications]]
- [[regional-centrality]]
- [[agglomeration-economies]]
- [[industrial-specialization]]
- [[industrial-diversity]]
- [[automotive-industry]]
- [[electric-vehicles]]
- [[social-network-analysis]]
- [[degree-centrality]]
- [[location-quotient]]
- [[herfindahl-hirschman-index]]
- [[panel-regression]]
- [[three-way-interaction]]
- [[seoyoung-lee-2025-ev-transition-korea-automotive]]
- [[jungho-kim-2025-smart-cities-digital-divide-spillover]]