---
type: paper
slug: seung-hwan-kim-2023-technological-relatedness-firms
title: 'Technological relatedness: how do firms diversify their technology?'
authors:
  - '[[seung-hwan-kim]]'
  - '[[bogang-jun]]'
  - '[[jeongdonglee]]'
year: 2023
venue: '[[scientometrics]]'
doi: 10.1007/s11192-023-04775-6
categories:
  - '[[innovation-economics]]'
  - '[[development-economics]]'
methods:
  - '[[fixed-effects-logit]]'
  - '[[propensity-score-matching]]'
  - '[[bipartite-network]]'
  - '[[box-cox-transformation]]'
themes:
  - '[[technological-relatedness]]'
  - '[[principle-of-relatedness]]'
  - '[[density-measure]]'
  - '[[korean-manufacturing-firms]]'
  - '[[patent-data]]'
  - '[[technology-space]]'
aliases: []
last_updated: '2026-05-20T02:18:39+09:00'
---
# Technological relatedness: how do firms diversify their technology?

*[[seung-hwan-kim]], [[bogang-jun]], [[jeongdonglee]] (2023)* · [[scientometrics]] · [DOI ↗](https://doi.org/10.1007/s11192-023-04775-6)

> [[hidalgo-hausmann]] 의 *principle of relatedness* 는 country·region·city 수준에서 활발히 검증돼 왔지만 *firm-level* 증거는 빈약했다. 본 paper 는 1984–2014 년 한국 상장 제조기업 1,334 개·391,017 특허·123 기술 (IPC 3-digit) 의 unique panel 을 disambiguation 으로 구축하고, firm-technology bipartite network 위에서 *density* 지표를 정의해 firm 의 새 기술 진입 확률이 related technology 축적과 함께 1.39 배 (조건부 odds) 증가함을 보인다. 단, big 4 (Samsung·LG·Hyundai·Posco) 에서는 효과가 사라지고 *broad diversification* 패턴이 나타난다.

- **RQ**: principle of relatedness 가 firm-level 기술 다각화에도 성립하는가? Density 측정의 robustness 는 어떻게 되며, 대기업 vs 그 외 기업 사이 패턴 차이는 있는가?
- **방법론**: [[bipartite-network]], [[fixed-effects-logit]], [[propensity-score-matching]], [[box-cox-transformation]], [[revealed-technological-advantage]]
- **데이터**: 한국 KOSPI/KOSDAQ/KONEX 상장 제조기업 1,334 사, KIPO/USPTO 특허 391,017 건, IPC 3-digit 123 기술, 1984–2014, panel obs 832,962 ((firm, technology, year) triples). PATSTAT + KIS-VALUE merger + OECD HAN ID disambiguation.
- **주요 발견**: 모든 통제변수 (industry, age, sales, profit, debt) 포함 시 *density* (related technology proximity-weighted sum) 가 새 기술 진입 확률에 양의 효과 (계수 0.335\*\*\*) → odds ratio 1.39 배. 2차항이 음수 (−0.010\*\*) → inverted U-shape (optimal density 존재). Sub-period 분석: dotcom 충격 (1998–2003) 시기에 density 효과가 가장 크고 (0.680), 2004–2014 에는 2차항이 사라짐. *Big 4 만 분석* → density 계수 −0.011 (무효), 2차항만 음 → 대기업은 *broad diversification* 으로 relatedness 무관.
- **시사점**: 중소·중견 기업의 R&D 전략은 *related technology 축적* 위에 새 진입을 설계할 때 효과적. 반면 대기업은 unrelated jump 도 가능 (자본·인프라 잉여). [[wonsub-eum-2022-coevolution-production-technological]] 의 *jump with knowledge* 와 정량적으로 연결.

![한국 제조업의 기술 공간 (2004–2014) 및 삼성전자의 기술 진입 사례 (1986–1988). 노드는 IPC 1-digit 분류, 링크 굵기는 proximity. 11시 방향의 island 는 electronics/physics 클러스터로 삼성전자가 견인. 흑색 점이 둘러싼 빈 노드 (○) 에서 새 기술 진입이 자주 일어남을 시각화 (path-dependent diversification).](/papers/202309_KimSH_Technological_relatedness_how_do_firms_diversify_their_technology/fig3.jpeg)

## 요약

본 paper 는 [[hidalgo-hausmann]] (2007) 의 product space 와 *principle of relatedness* 를 firm-level 기술 다각화로 확장한다. 기존 firm-level 연구 ([[leten-et-al]] 2016, [[pugliese-et-al]] 2019) 는 R&D 집약 기업으로 표본 제한 또는 다른 measure (citation-based proximity, coherent diversification) 사용. 본 paper 의 contribution 은 (i) 한국 상장 제조기업 *전체* (R&D 집약 여부 무관) 를 30 년 panel 로 분석, (ii) OECD HAN ID 의 disambiguation 으로 unique unbalanced panel 구축, (iii) Hidalgo-Hausmann 방식의 density 측정을 firm-level 로 옮기되 6 가지 다른 proximity definition (Hidalgo, Pugliese, Jaccard, Cosine, Association, Revised Association) 으로 robustness 검증.

방법론 핵심은 *firm-technology bipartite network*: 기업 $i$ 가 IPC $\alpha$ 에 [[revealed-technological-advantage]] (RTA $\geq 1$) 를 가지면 link weight 1. 두 기술 사이 proximity $\phi_{\alpha,\beta}$ 는 RTA 의 pairwise 조건부 확률 최솟값 ([[hidalgo-hausmann]] 정의). Firm $i$ 의 기술 $\alpha$ 주변 *related density* 는 proximity-weighted sum 의 정규화. 종속변수는 $U_{i,\alpha,t+2}$ (2 년 내 새 RTA 획득 binary). [[fixed-effects-logit]] 으로 추정, 모든 변수는 [[box-cox-transformation]] 으로 정규화. 5 년 moving average 로 *in-block nestedness* 완화.

[[jeongdonglee]] 의 *제4기 진화론적 전환* 라인에서 본 paper 는 [[wonsub-eum-2022-coevolution-production-technological]] 의 *jump with knowledge* 를 firm 수준에서 정량 검증한다. Big 4 (Samsung Electronics, LG Electronics, Hyundai Motors, Posco) 에서 효과가 사라지는 발견은 흥미롭다. 해석: 대기업은 자체 기술 인프라가 다양해 *relatedness 의 제약* 을 우회 가능 (path-defying diversification). Samsung Electronics 의 IPC 점유율 30.24%, 상위 4 사 합계 55.25%. PSM 으로 confounding 통제 후에도 density 효과 견고 (계수 0.348\*\*\*). 한계는 (i) 한국 표본 → 일반화 가능성 제한, (ii) bipartite 의 autocorrelation, (iii) 본 paper 의 proximity 는 단일 시점 기반 → 시계열 진화 미반영.

## 핵심 결과

| Specification (메인 결과 Table 2) | $\omega_{i,\alpha,t}$ (density) 계수 | 해석 |
|---|---:|---|
| (1) 단순 logit | 0.537\*\*\* | density 가 새 기술 진입 확률 증가 |
| (2) + 2차항 | 0.506\*\*\* (2차 +0.008\*) | 약한 increasing return |
| (3) + 통제 (industry, age, sales) | 0.337\*\*\* (2차 −0.011\*\*\*) | **inverted U-shape 출현** |
| (4) + profit, debt | 0.335\*\*\* (2차 −0.010\*\*) | odds ratio 1.39 배 |

| Sub-sample | density 효과 | 해석 |
|---|---:|---|
| 1984–1997 (pre-Asian crisis) | 0.249\*\*\* | 약한 path-dependence |
| **1998–2003 (Asian crisis + dotcom)** | **0.680\*\*\*** | **위기 시기 path-dependence 강화** |
| 2004–2014 | 0.350\*\*\* | 2차항 무의미 (선형) |
| Big 4 only | **−0.011 (무효)** | **대기업 broad diversification** |
| 그 외 기업 | 0.320\*\*\* | 중견 이하만 relatedness 의 제약 |

| Proximity definition (Robustness Table 7) | density 효과 |
|---|---:|
| Hidalgo et al. (2007) [본 paper 기본] | 0.335\*\*\* |
| Pugliese et al. (2019) normalized | 0.335\*\*\* |
| Jaccard similarity | 0.452\*\*\* |
| Cosine similarity | 0.443\*\*\* |
| Association (Eck-Waltman) | 0.366\*\*\* |
| Revised Association (Steijn) | 0.366\*\*\* |

PSM 결과 (Table 8): density 계수 0.348\*\*\* 유지, confounding 통제 후에도 robust.

## 방법론 노트

본 paper 의 식별 (identification) 전략은 *기업-기술-연도* triple panel 위에서 새 기술 진입 (binary outcome) 의 driver 가 *density* 인지 판별하는 것이다. 핵심 단계는 (i) RTA 정의, (ii) proximity 계산, (iii) density 계산.

핵심 식 (RTA, proximity, density 순):

$$
RTA_{i,\alpha,t} = \frac{P_{i,\alpha,t} / \sum_{\alpha} P_{i,\alpha,t}}{\sum_{i} P_{i,\alpha,t} / \sum_{i}\sum_{\alpha} P_{i,\alpha,t}}
$$

$$
\phi_{\alpha,\beta} = \min\bigl\{\Pr(RTA_{\alpha} \mid RTA_{\beta}),\; \Pr(RTA_{\beta} \mid RTA_{\alpha})\bigr\}
$$

$$
\omega_{i,\alpha,t} = \frac{\sum_{\beta} \phi_{\alpha,\beta,t} U_{i,\beta,t}}{\sum_{\beta} \phi_{\alpha,\beta,t}}
$$

여기서 $P_{i,\alpha,t}$ 는 firm $i$ 가 시점 $t$ 에 기술 $\alpha$ 에서 보유한 특허 수, $U_{i,\beta,t}$ 는 firm $i$ 가 기술 $\beta$ 에서 RTA $\geq 1$ 여부 (binary). $\omega_{i,\alpha,t}$ 는 firm $i$ 가 *기술 $\alpha$ 의 이웃들* (proximity 가중) 에 얼마나 많이 진입해 있는지의 정규화 점수.

추정 식 (multivariate fixed effects logit):

$$
U_{i,\alpha,t+2} = \beta_0 + \beta_1 \omega_{i,\alpha,t} + \beta_2 \omega_{i,\alpha,t}^2 + \beta_3 \text{Industry}_{\alpha,t} + \beta_4 \text{Age}_{i,t} + \beta_5 \text{Sales}_{i,t} + \beta_6 \text{Profit}_{i,t} + \beta_7 \text{Debt}_{i,t} + \theta_t + \varepsilon_{i,\alpha,t}
$$

식별의 핵심은 (i) 새 RTA 진입의 *forward-looking* 정의 ($t-1$ 에 RTA<1, $t$ 에 RTA≥1, $t+1, t+2$ 유지), (ii) [[propensity-score-matching]] 으로 confounding 통제, (iii) 6 가지 proximity 정의로 robustness, (iv) Big 4 분리로 heterogeneity 검증.

## 연구 계보

본 paper 의 직접적 predecessor 는 (a) [[hidalgo-hausmann]] (2007) 의 product space 와 density 측정, (b) [[neffke-et-al]] (2011) 의 regional industrial diversification, (c) [[kogler-et-al]] (2013) 과 [[boschma-et-al]] (2014) 의 city-level technological relatedness, (d) [[leten-et-al]] (2016) 의 firm-level (R&D 집약) technological relatedness, (e) [[pugliese-et-al]] (2019) 의 coherent diversification, (f) [[jaffe-1986]] 의 기업 기술 거리 측정, (g) [[breschi-et-al]] (2003) 의 cosine-similarity-based relatedness. [[temep]] 내 자매 작업으로 [[bogang-jun]] (2 저자) 의 [[bogang-jun-2019-bilateral-relatedness]] 가 international bilateral trade 의 relatedness 확장, [[jeongdonglee]] anchor 의 *제4기 진화론적 전환* 라인에서 [[wonsub-eum-2022-coevolution-production-technological]] 의 *jump with knowledge* 명제를 firm-level 정량으로 검증하는 짝 paper (author page 분류).

## See also

- [[jeongdonglee]]
- [[seung-hwan-kim]]
- [[bogang-jun]]
- [[principle-of-relatedness]]
- [[technological-relatedness]]
- [[density-measure]]
- [[product-space]]
- [[technology-space]]
- [[revealed-technological-advantage]]
- [[fixed-effects-logit]]
- [[propensity-score-matching]]
- [[wonsub-eum-2022-coevolution-production-technological]]
- [[hoyoon-lee-2023-drivers-institutional-evolution]]