---
type: paper
slug: sung-bae-park-2003-tft-lcd-industry-learning-curve
title: 'Learning by doing and spillovers: An empirical study on the TFT-LCD industry'
authors:
  - '[[sung-bae-park]]'
  - '[[jeongdonglee]]'
  - '[[tai-yoo-kim]]'
year: 2003
venue: '[[iemc]]'
pages: 363-367
doi: 10.1109/IEMC.2003.1252294
categories:
  - '[[innovation-economics]]'
  - '[[industrial-organization]]'
methods:
  - '[[learning-curve]]'
  - '[[multi-output-cost-model]]'
  - '[[seemingly-unrelated-regression]]'
themes:
  - '[[tft-lcd-industry]]'
  - '[[learning-spillovers]]'
  - '[[catching-up]]'
  - '[[dram-tft-cross-spillover]]'
  - '[[korean-electronics-industry]]'
  - '[[leadership-sustainability]]'
aliases: []
last_updated: '2026-05-17T21:30:00+09:00'
---
# Learning by doing and spillovers: An empirical study on the TFT-LCD industry

*[[sung-bae-park]], [[jeongdonglee]], [[tai-yoo-kim]] (2003)* · [[iemc]] '03 pp.363–367 · [DOI ↗](https://doi.org/10.1109/IEMC.2003.1252294)

> 한국·일본·대만 TFT-LCD 18 firms × 44 plants 의 1996–2000 분기 panel 가격·물량 데이터로 [[learning-curve]] 의 internal/external spillover 를 분리 추정. 한 plant 에서 여러 panel size (10.4″ ~ 18.x″) 가 동시 생산되는 산업 특성 때문에 single-output 모형이 아닌 *multi-output cost 제약* 을 결합한 학습곡선 모형을 새로 제시. 결과: 2 세대 학습률 7.1%, 3 세대 14.7% — external (경쟁사 누적생산) 효과가 internal (자사 누적생산) 보다 훨씬 큰데, 한국 firm 은 DRAM 생산 경험 spillover 까지 결합해 일본 firm 의 leadership 을 짧은 시간 안에 catch-up 했다.

- **RQ**: TFT-LCD 산업의 학습곡선은 internal/external spillover 가 어떻게 나뉘는가? 한 plant 에서 multiple panel size 가 동시 생산되는 multi-output 환경에서 학습률을 어떻게 추정할 수 있는가? Korean 의 catch-up 은 *학습 속도 차이* 로 설명되는가?
- **방법론**: [[learning-curve]] (Arrow 1962 / Irwin-Klenow 1994 의 internal+external decomposition), [[multi-output-cost-model]] (한 plant 의 panel-size 별 marginal cost 가 glass substrate 의 panel-yield 비율로 constrain 되는 새 specification), [[seemingly-unrelated-regression]] (AR(1) 보정, 7 product 방정식 동시 추정)
- **데이터**: 한국·일본·대만 18 firms × 44 plants × 7 panel size (10.4″, 11.3″, 12.1″, 13.3″, 14.1″, 15.x″, 18.x″), 1996–2000 분기 (TSR Techno-System Research 발행). 2 세대 159 obs, 3 세대 112 obs
- **주요 발견**: (i) 학습률 2 세대 7.1% (γ₁=−0.106 internal, γ₂=−1.914 external; γ₂ ≈ 18× γ₁), 3 세대 14.7% (γ₁=−0.229, γ₂=−0.800; 격차 축소). (ii) DRAM cross-product spillover 가 *2 세대에서만 유의* (γ_DRAM=−0.097, t=−4.50); 3 세대엔 미유의. (iii) 한국 firm 의 2 세대 학습률 11.2% (γ₁=−0.171) vs 일본 9.8% (γ₁=−0.149), likelihood ratio χ²(7)=46.81 (p=0.000) — 통계적으로 유의한 catch-up evidence
- **시사점**: external learning 이 dominant 한 산업에서 leadership 지속은 *연속 대규모 투자* 로 신규 진입 가능성을 미리 차단해야 가능. DRAM-TFT cross-product spillover 는 *기존 강점 기술의 인접 산업 진출* 전략 (Korean firm 의 1995 진입 모델) 의 정량 근거

![Figure 3. 한국·일본·대만 TFT-LCD 시장점유율 (1995–2000). 1995 년 일본이 dominant 였으나 1996 년 한국 firm (Samsung, Hyundai, LG) 의 2 세대 plant 본격 진입 이후 급격히 점유율 추월. Catch-up 의 *학습률 차이* (Korea 11.2% vs Japan 9.8%) 와 *DRAM spillover* 의 결합 효과를 시각적으로 보여주는 paper 의 signature plot.](/papers/200300_ParkSB_Learning_by_doing_and_spillovers_An_empirical_study_on_the_TFT_LCD_industry/fig3.png)

## 요약

[[learning-curve]] 는 Wright (1936), Arrow (1962), Alchian (1963) 이래 *production 누적 → marginal cost 하락* 의 가장 robust 한 empirical 패턴 중 하나로, 반도체 (Dick 1991; Gruber 1994, 1998, 2000; Irwin-Klenow 1994; Udayagiri-Schuler 1999), 화학 (Lieberman 1984), 원전 (Lester-McCabe 1993), Rayon (Jarmin 1994) 등 기술집약 산업에서 반복 확인됐다. TFT-LCD 도 정밀·청정 제조 공정상 *yield* (양품률) 가 누적 생산에 따라 빠르게 올라가는 전형적 학습 산업이지만 (Fig.1 의 3 generation plant 데이터), TFT-LCD 의 *한 plant 가 여러 panel size 를 동시 생산* 한다는 multi-output 특성 때문에 traditional single-output 학습곡선을 그대로 적용하면 marginal cost 추정에 bias 가 생긴다. 본 paper 는 이 빈자리를 메우는 첫 systematic 시도다.

방법론 핵심은 multi-output framework. 한 plant 의 glass substrate 1 장에서 panel size 별로 produceable 한 max 수가 결정되므로 (예: 2 세대 370×470 glass 1 장 = 10.4″ 4 개 = 12.1″ 2 개 = 18.x″ 1 개), marginal cost 가 size 간 비율 constraint 로 묶인다 — `4 MC^{10.4} = 2 MC^{12.1} = ... = MC^{18.x} = MC_i`. 이 constraint 와 Cournot 의 1차 조건 (price-cost margin 이 시장점유율·conjectural variation 에 의존) 을 결합해 7 panel size × 18 firms × 44 plants 의 seemingly-unrelated regression 시스템을 AR(1) 보정으로 동시 추정. price fluctuation bias 를 피하기 위해 conjectural variation θ 를 *supply shortage/surplus ratio δ* 의 함수 θ(δ)=a₀+a₁δ 로 모형화 — 1998 가격 폭락기의 *과잉공급으로 인한 경쟁 강화* 가 학습 추정에 introduce 하는 bias 를 직접 제거.

발견은 세 갈래. 첫째, *external learning 이 internal learning 을 압도* — 2 세대에서 γ₂/γ₁ ≈ 18, 3 세대에서도 약 3.5 배. 즉 경쟁사의 누적 생산이 자사 누적 생산보다 marginal cost 감소에 더 기여한다. 두 번째, 한국 firm 의 DRAM 생산 경험이 2 세대 TFT-LCD 학습에 *cross-product spillover* 로 기여 (γ_DRAM=−0.097, p<0.01) — 단 3 세대엔 미유의로 추가 spillover 의 marginal benefit 이 소진. 셋째, 한국·일본 학습률 차이 — 2 세대에서 한국 11.2% vs 일본 9.8% 가 통계적으로 유의 (LR χ²(7)=46.81, p<0.001), 한국의 *catch-up* 이 단순 후발 이점이 아닌 *학습 속도의 본질적 차이* 임을 정량 입증. 한계는 (i) 3 세대 한국-일본 학습률 차이는 sample 부족으로 정밀 추정 미가능, (ii) post-2000 시기 (대만 진입) 의 dynamics 는 sample 밖. 시사점은 분명 — external spillover 가 큰 산업에서 leadership 유지엔 *지속적 대규모 투자* 가 진입 봉쇄 조건이고, *인접 기술 산업의 강점* (DRAM → TFT) 이 잘 정렬되면 빠른 catch-up 가능.

## 핵심 결과

**학습률 분해 (Table 4, LSE+AR(1))**

| 모델 | γ₀ constant | γ₁ internal | γ₂ external | DRAM spillover | N | 학습률 |
|---|---:|---:|---:|---:|---:|---:|
| 2 세대 (no DRAM) | 35.2\*\* | −0.106\*\* | −1.914\*\* | — | 159 | 7.1% |
| 2 세대 + DRAM | 35.7\*\* | −0.067 | −1.886\*\* | **−0.097\*\*** | 159 | 4.5% |
| 3 세대 (no DRAM) | 19.2\*\* | −0.229\*\* | −0.800\*\* | — | 112 | 14.7% |
| 3 세대 + DRAM | 19.9\*\* | −0.179\* | −0.931\*\* | 0.931 (n.s.) | 112 | 11.6% |

\*\* p<0.01, \* p<0.05. 학습률 = (1 − 2^γ₁) × 100. *external 효과가 internal 의 3.5–18× 더 크고, DRAM 은 2 세대에서만 유의.*

**한국 vs 일본 비교 (Table 6, 2 세대)**

| 국가 | γ₀ | γ₁ internal | γ₂ external | N | 학습률 |
|---|---:|---:|---:|---:|---:|
| **Korea** | 40.7\*\* | **−0.171\*\*** | −2.296\*\* | 51 | **11.2%** |
| Japan | 34.1\*\* | −0.149\*\* | −1.803\*\* | 108 | 9.8% |

LR χ²(7) = 46.81, p<0.001. 학습률 격차 + external 학습 흡수 속도 차이가 catch-up 의 정량 근거.

**경제적 해석 callout**

> External spillover 가 internal 의 약 18 배인 산업에서 신규 진입자는 incumbent 의 누적 생산으로부터 *무료로* 학습한다. Leadership 지속은 (i) 신규 진입을 막을 만한 연속 대규모 투자, 또는 (ii) DRAM 같은 인접 산업의 강점 기술을 cross-product spillover 로 활용 가능한 기업만이 가능.

## 방법론 노트

본 paper 의 방법론적 기여는 *multi-output 학습곡선* 의 명시적 specification 이다. Single-output 모형에서 marginal cost $MC_i$ 는 internal/external 누적 생산의 log 함수로 정의되지만 (식 2), TFT-LCD plant 가 동일 glass 에서 여러 panel size 를 생산하므로 각 size 의 marginal cost 는 *yield 비율 constraint* 로 묶인다.

핵심 식 1 — Cournot 1차 조건 (single-output, 가격 = marginal cost × markup):

$$
P\left(1 + \frac{s_i \theta}{\eta}\right) = MC_i, \quad MC_i = \alpha_i + \gamma_1 \ln X_i^f + \gamma_2 \ln X^w + \mu_i
$$

여기서 $s_i$ = firm $i$ 의 시장점유율, $\theta$ = conjectural variation (Cournot 1, perfect competition 0), $\eta$ = 수요 탄력성, $X_i^f$ = 자사 누적 출하량 (internal), $X^w$ = 세계 누적 출하량 (external). $\gamma_1, \gamma_2$ 가 각각 internal/external 학습 elasticity.

핵심 식 2 — multi-output constraint. 한 plant 의 panel size 별 marginal cost 가 glass-yield 비율로 묶인다:

$$
4 \cdot MC_i^{10.4} = 2 \cdot MC_i^{12.1} = 2 \cdot MC_i^{13.3} = 2 \cdot MC_i^{14.1} = 2 \cdot MC_i^{15.x} = MC_i^{18.x} = MC_i \quad (\text{2 세대})
$$

이를 7 product 의 1차 조건 + 수요 함수 (식 5) 에 대입하면 internal/external 학습률을 SUR + AR(1) 로 *동시* 식별 가능. Identification 은 (i) glass-yield 비율이 *기술적* 으로 결정돼 endogeneity 가 약하고, (ii) θ(δ) = a₀+a₁δ 가 price fluctuation bias 를 회피하며, (iii) 18 firms × 44 plants × 5 년 × 7 size = 충분한 panel 다양성에서 온다. 한계 — *어떤 size 가 어느 plant 에서 생산되는지* 의 binary indicator 가 noisy 할 경우 constraint 자체가 misspecified.

## 연구 계보

본 paper 는 Arrow (1962 *Review of Economic Studies*) 의 learning-by-doing 이론, Alchian (1963 *Econometrica*) 의 airframe empirics, Spence (1981) 와 Fudenberg-Tirole (1983) 의 학습 + 시장구조 이론적 결합, Irwin-Klenow (1994 *JPE*) 의 internal/external 분해, Gruber (1994, 1998, 2000) · Udayagiri-Schuler (1999) · Dick (1991) 의 반도체 학습 시리즈, Lieberman (1984) · Lester-McCabe (1993) · Jarmin (1994) 의 화학·원전·Rayon 학습 연구 위에 *multi-output constraint* specification 을 추가한 응용. 한국 TFT-LCD catch-up 의 industrial-organization 측면은 Linden et al. (1998) 이 정성 분석, Dataquest (1998) 의 DRAM market share 가 cross-product spillover 의 base 데이터.

author page 분류상 [[jeongdonglee]] 의 *제1 기 측정의 도구* (1997–2005) 라인의 *industry-specific 응용* 작품. 같은 시기 sibling 으로 [[jeongdonglee-1998-malmquist-decomposition]] (한국 제조업 36 sector Malmquist), [[tai-yoo-kim-1999-productivity-international-comparison]] (천연가스 8 개국 3-method cross-checking), [[jeongdonglee-2002-shadow-prices]] (한국 전력 환경비용) 이 *frontier-based productivity 측정* 의 다양한 sector 적용을 다룬다면, 본 paper 는 *동적 학습 측면* 으로 같은 author 그룹의 첫 deep dive. 공저자 [[tai-yoo-kim]] 은 [[temep]] 의 1990 년대 후반 productivity 측정 라인의 핵심 협업자.

## See also

- [[learning-curve]]
- [[multi-output-cost-model]]
- [[tft-lcd-industry]]
- [[catching-up]]
- [[dram-tft-cross-spillover]]
- [[korean-electronics-industry]]
- [[sung-bae-park]]
- [[jeongdonglee]]
- [[tai-yoo-kim]]
- [[jeongdonglee-1998-malmquist-decomposition]]
- [[tai-yoo-kim-1999-productivity-international-comparison]]