--- type: paper slug: sungmoon-jung-2017-growth-versus-equity title: >- Growth versus equity: A CGE analysis for effects of factor-biased technical progress on economic growth and employment authors: - '[[sungmoon-jung]]' - '[[jeongdonglee]]' - '[[won-sik-hwang]]' - '[[yeongjun-yeo]]' year: 2017 venue: '[[economic-modelling]]' volume: '60' pages: 424-438 doi: 10.1016/j.econmod.2016.10.014 categories: - '[[innovation-economics]]' - '[[macroeconomic-modeling]]' methods: - '[[cge-analysis]]' - '[[ces-production-function]]' - '[[knowledge-spillover]]' themes: - '[[factor-biased-technical-change]]' - '[[skill-biased-technical-change]]' - '[[capital-biased-technical-change]]' - '[[jobless-growth]]' - '[[income-inequality]]' - '[[skill-premium]]' - '[[korean-economy]]' aliases: [] last_updated: '2026-05-17T21:30:00+09:00' --- # Growth versus equity: A CGE analysis for effects of factor-biased technical progress on economic growth and employment *[[sungmoon-jung]], [[jeongdonglee]], [[won-sik-hwang]], [[yeongjun-yeo]] (2017)* · [[economic-modelling]] 60:424-438 · [DOI ↗](https://doi.org/10.1016/j.econmod.2016.10.014) > 노동절약·숙련편향 (skill-biased) 기술 진보가 동시에 일어나면 혁신 주도 성장이 일자리와 임금 분배에 어떤 영향을 주는가를 [[cge-analysis]] 로 분석한다. 지식자본 (knowledge capital) 이 R&D 투자로 축적되고 [[knowledge-spillover]] 가 산업 간 전파되는 knowledge-based CGE 를 구축한 뒤, 한국 경제의 2010–2030 시뮬레이션에서 R&D 집약도 시나리오 (3% / 4% / 5%) 를 비교한다. R&D 5% 시나리오 (SCN2) 는 GDP 16.2% 추가 성장과 14.4% 추가 고용을 만들지만 동시에 고숙련 노동·자본의 가치 추가 (value-added) 비중을 키워 [[skill-premium]] 이 17.7% 상승하고 소득 상위 10% 의 비중이 커지는 양극화를 동반한다. - **RQ**: 한국 경제에서 R&D 집약도를 5% 까지 끌어올리는 혁신 주도 성장 시나리오가 GDP·고용·소득분배에 미치는 *동시* 효과는 무엇이며, 기술 진보의 factor bias (숙련·자본 편향) 가 어디서 income inequality 를 키우는가? - **방법론**: [[cge-analysis]], [[ces-production-function]] (2-level nested), [[knowledge-spillover]] (Terleckyj 1980 방식), [[social-accounting-matrix]] - **데이터**: 한국 산업연관표 27개 부문, 20개 소득 분위 가구, 기준 연도 2010 (지식 stock 약 134조 KRW 민간 + 43조 KRW 공공), 시뮬레이션 2010–2030 - **주요 발견**: SCN2 (R&D 5%) 가 BAU 대비 2030년 GDP +16.2%, 총고용 +14.4%, 고숙련 노동수요 +26.5%, [[skill-premium]] +17.7%, 지식소득 +26.0% 를 만듦. 동시에 상위 10% 의 소득 비중이 BAU 의 26.08% → SCN2 의 26.19% 로 증가하고 십분위배율은 0.328 → 0.326 으로 축소. - **시사점**: 혁신 주도 성장은 "성장 vs 형평성 (growth vs equity)" 의 정책 딜레마를 강화한다. 교육 (up-skilling, re-training), 누진세, 사회보장이 함께 가야 혁신의 *과실* 이 광범위하게 분배된다. ![고숙련 (high-skilled) 노동에 대한 [[skill-premium]] 변화 — R&D 집약도가 늘수록 (SCN2) 고숙련/미숙련 임금 격차가 BAU 대비 17.7% 증가하는 시계열을 보여, 혁신 주도 성장이 임금 양극화를 가속함을 시각화.](/papers/201701_JungS_Growth_versus_equity_A_CGE_analysis_for_effects_of_factor_biased_technical_progress_on_economic_growth_and_employment/fig5.jpeg) ## 요약 이 논문은 1990년대 후반부터 미국·유럽에서 관찰된 *jobless growth* — 생산성은 오르지만 고용은 늘지 않거나 줄어드는 현상 — 가 한국 경제의 혁신 주도 성장 경로에 어떻게 작용하는지를 묻는다. Brynjolfsson and McAfee (2014) 이래의 *machine 과의 경주* 담론, Stiglitz (2014) 의 혁신-임금 정체 진단이 거시 차원에서 한국에 적용 가능한가를 정량화한다는 점이 의의이다. 이는 [[temep]] 의 [[jeongdonglee]] 가 주도해온 *축적의 시간* / *기술 능력* 논의를 처음으로 거시 CGE 의 산업·소득 분배 차원으로 끌어올린 작업으로, [[won-sik-hwang]] 가 박사 과정에서 발전시킨 knowledge-based CGE 와 [[yeongjun-yeo]] 의 산업 분류 작업이 결합되었다. 방법론 면에서 핵심은 두 가지이다. 첫째, knowledge-based [[cge-analysis]] 의 production function 에 지식자본 ($H_i$) 을 명시적으로 도입하고, [[ces-production-function]] 의 substitution elasticity 를 *두 단계로 분리* 한다. 첫 번째 단계는 고숙련 노동 (L3), 물적 자본 (K), 지식 (H) 의 보완 (complement) 관계 ($\sigma_1 = 0.67 < 1$), 두 번째 단계는 보완체 HLK 와 숙련 (L2)·미숙련 노동 (L1) 의 대체 (substitute) 관계 ($\sigma_2 = 1.67 > 1$) 이다. 이 비대칭이 곧 [[skill-biased-technical-change]] 와 [[capital-biased-technical-change]] 의 기계적 표현이다. 둘째, [[knowledge-spillover]] 는 산업연관표의 중간재 거래량에 비례하도록 Terleckyj (1980), Hwang and Lee (2014) 방식으로 도입해, R&D 의 외부효과가 산업 사이로 흐르는 경로를 명시한다. R&D 투자는 토빈 Q 논리로 내생화되어 시나리오에 따라 결정된다. 시뮬레이션 결과는 두 가지 의미층을 갖는다. 표면적으로는 R&D 5% 시나리오 (SCN2) 가 모든 거시 지표에서 우월 — GDP 성장률 (연 2.4% vs BAU 1.7%), 모든 숙련 수준의 고용 (특히 고숙련 +121.3%), R&D 부문 고용 (+150.9%) 이 BAU 를 압도한다. 그러나 *분배* 차원에서는 반대 신호가 나온다. 고숙련 임금의 27%, 자본 수익의 비중이 함께 증가하면서 가치 추가 (value-added) 구성이 자본·지식·고숙련 쪽으로 기울고, [[skill-premium]] 이 17.7% 상승하며 미숙련·숙련 노동의 상대적 손실이 커진다. 결국 상위 10% 의 소득 점유율이 늘어 십분위배율로 측정한 분배 악화가 나타난다. 저자들은 이를 두고 *technological change creates both winners and losers* 라는 명제를 한국 데이터로 확인했다고 본다. 한계는 시뮬레이션이 substitution elasticity 의 표 (Krusell et al. 2000) 에 의존하며, 민감도 분석 (SCN2-LOW, SCN2-HIGH) 으로 방향성은 robust 함을 확인하지만 정확한 magnitude 는 elasticity 가정에 좌우된다는 점이다. ## 핵심 결과 | 지표 (2030년, BAU 대비) | SCN1 (R&D 3%) | BAU (4%) | SCN2 (R&D 5%) | |---|---:|---:|---:| | GDP 수준 변화 (%) | -5.3 | 0 (기준) | +16.2 | | 총 노동수요 (%) | -5.2 | 0 (기준) | +14.4 | | 고숙련 노동수요 (%) | -7.6 | 0 (기준) | +26.5 | | 미숙련 노동수요 (%) | 비교 적음 | 0 (기준) | +11.5 | | 고숙련/미숙련 [[skill-premium]] | -3.13 | 0 (기준) | +17.74 | | 지식 소득 (knowledge income) | 비교 적음 | 0 (기준) | +26.0 | - R&D 부문 고용 증가율 (2010→2030): SCN1 47.4% · BAU 60.9% · SCN2 **150.9%** - 십분위배율 (decile distribution ratio, 클수록 분배 평등): BAU 0.328 · SCN2 0.326 (악화) - 상위 10% 소득 점유율: BAU 26.08% → SCN2 26.19% (증가) ## 방법론 노트 가치 추가 (value-added) 의 생산 함수가 2-level nested [[ces-production-function]] 로 모형화되어, factor bias 의 두 측면이 substitution elasticity 의 부등호로 직접 표현된다. 핵심 식: $$ HLK_i = \theta_{1i} \left( \beta_{1i} L3_i^{-\rho_1} + \beta_{2i} K_i^{-\rho_1} + (1 - \beta_{1i} - \beta_{2i}) H_i^{-\rho_1} \right)^{-1/\rho_1} $$ $$ VA_i = \theta_{2i} \left( \beta_{3i} L1_i^{-\rho_2} + \beta_{4i} L2_i^{-\rho_2} + (1 - \beta_{3i} - \beta_{4i}) HLK_i^{-\rho_2} \right)^{-1/\rho_2} $$ 여기서 $L1, L2, L3$ 은 미숙련·숙련·고숙련 노동, $K$ 는 물적 자본, $H$ 는 지식 자본, $HLK$ 는 1차 합성 (고숙련·자본·지식의 보완 결합), $\sigma_1 = 1/(1+\rho_1) = 0.67$ (보완), $\sigma_2 = 1/(1+\rho_2) = 1.67$ (대체). 식별 핵심: $\sigma_1 < 1$ 은 H·L3·K 가 함께 늘어나야 효과적임을 (보완체), $\sigma_2 > 1$ 은 합성체 HLK 가 L1·L2 를 *대체* 함을 표현한다. 이 비대칭이 곧 [[skill-biased-technical-change]] 의 모형적 정의이다. R&D 5% 시나리오에서 H 가 빠르게 늘면 HLK 가 팽창하고, $\sigma_2 > 1$ 때문에 L1·L2 의 수요가 상대적으로 줄어 임금 격차가 벌어진다. 지식의 산업간 spillover 는 $SPCOEFF_i = spc0_i \cdot INTINDST_i^{rdelas_i} \cdot H_{public}^{grdelas_i}$ 로 모형화되어 TFP 개선을 통해 다른 산업의 가치 추가에 비례적으로 기여한다. ## 연구 계보 이 논문은 [[temep]] 의 *knowledge-based CGE* 라인 ([[chanyoung-hong-2014-validation-rdbased-computable]], [[won-sik-hwang-2015-cge-quantitative-evaluation]]) 을 직접 잇는다. [[won-sik-hwang]] 의 박사 논문에서 발전된 지식자본 CGE 구조를 차용하고, factor-biased technical change 의 미시 경제학적 근거는 Krusell et al. (2000), Acemoglu (2002) 의 SBTC 문헌에 닿는다. *jobless growth* 의 거시 진단은 Brynjolfsson and McAfee (2012, 2014), Stiglitz (2014), Mallick and Sousa (in press) 의 흐름을 따른다. [[temep]] 내에서 [[jeongdonglee]] 가 주도한 *축적의 시간* 논의 — implementation capability 의 무게로 한국이 도달한 성장 정체의 분배적 측면 — 의 거시 CGE 표현으로 author page anchor 의 *축적 → 분배 긴장* 라인에 속한다. [[chanyoung-hong-2016-macroeconomic-tax-credits]] 와는 R&D 정책의 거시 효과 분석이라는 sibling 관계. ## See also - [[jeongdonglee]] - [[won-sik-hwang]] - [[sungmoon-jung]] - [[yeongjun-yeo]] - [[cge-analysis]] - [[knowledge-spillover]] - [[skill-biased-technical-change]] - [[capital-biased-technical-change]] - [[skill-premium]] - [[income-inequality]] - [[jobless-growth]] - [[chanyoung-hong-2014-validation-rdbased-computable]] - [[won-sik-hwang-2015-cge-quantitative-evaluation]] - [[chanyoung-hong-2016-macroeconomic-tax-credits]]