---
type: paper
slug: taewon-kang-2019-knowledge-accumulation-experience
title: >-
  Effects of knowledge accumulation strategies through experience and
  experimentation on firm growth
authors:
  - '[[taewon-kang]]'
  - '[[chulwoo-baek]]'
  - '[[jeongdonglee]]'
year: 2019
venue: '[[technological-forecasting-and-social-change]]'
volume: '144'
pages: 169-181
doi: 10.1016/j.techfore.2019.04.003
categories:
  - '[[innovation-economics]]'
  - '[[industrial-organization]]'
methods:
  - '[[panel-fixed-effects]]'
  - '[[quantile-regression]]'
  - '[[heckman-selection]]'
  - '[[probit-model]]'
  - '[[patent-analysis]]'
themes:
  - '[[knowledge-accumulation]]'
  - '[[experience-experimentation]]'
  - '[[depth-of-knowledge]]'
  - '[[breadth-of-knowledge]]'
  - '[[exploration-exploitation]]'
  - '[[novel-knowledge-combination]]'
  - '[[korean-firms]]'
  - '[[firm-growth]]'
  - '[[absorptive-capacity]]'
aliases:
  - kang-baek-lee-2019-tfsc
last_updated: '2026-05-20T02:18:39+09:00'
---
# Effects of knowledge accumulation strategies through experience and experimentation on firm growth

*[[taewon-kang]], [[chulwoo-baek]], [[jeongdonglee]] (2019)* · [[technological-forecasting-and-social-change]] 144:169-181 · [DOI ↗](https://doi.org/10.1016/j.techfore.2019.04.003)

> [[temep]] 의 [[jeongdonglee]] author page anchor 의 *축적 → 질적 차원으로의 확장 (2019a)* 명제를 정량 실증한 작업. R&D 양이 아니라 *지식 축적의 질적 측면* — *experience* (composition, [[depth-of-knowledge]] 와 [[breadth-of-knowledge]]) 와 *experimentation* (method, repetitive vs novel [[exploration-exploitation]]) — 이 firm 성장의 결정 변수임을 한국 상장 제조업 1,455 firm 의 1985-2014 [[patent-analysis]] panel (444,081 patents) 로 확인. *Experience depth* 는 firm 성장에 *역U 효과* (+0.020 1-차, -0.001 2-차, p<0.05), *experimentation ratio* 는 *양 효과* (+0.052, p<0.01), 그러나 *Experience × Experimentation* interaction 의 *2 차 항* 이 양 (+0.252, p<0.05) — *경험 얕을 땐 반복 학습, 경험 깊을 땐 실험* 의 *경험-실험 단계 의존* mechanism. 한국 제조업의 최근 *experimentation 감소* 가 *기술경쟁력 약화* 의 미시 신호.

- **RQ**: 양적으로 동일한 R&D 활동을 해도 firm 간 *지식 축적 결과* 가 다른 이유는 무엇인가? *Experience* (depth/breadth, knowledge composition) 와 *experimentation* (repetitive vs novel learning method) 의 두 *질적 전략* 이 firm 성장에 어떻게 작용하는가, 둘은 어떻게 상호작용하는가?
- **방법론**: [[heckman-selection]] (2-stage: stage 1 probit 으로 innovator 선택 + IMR, stage 2 main equation), [[panel-fixed-effects]], [[quantile-regression]] (Canay 2011 의 panel quantile FE), interaction term + 2 차 항, [[patent-analysis]] (IPC 4-digit, OECD HAN 으로 patent-firm name harmonization)
- **데이터**: KIS-Value + PATSTAT (2017 Autumn) 결합, 한국 KOSPI·KOSDAQ 상장 제조업 N=1,455 firms, 1985-2014, 7,015 obs (innovators only), 총 patent 444,081 개
- **주요 발견**: Experience_depth 의 *역U 효과* (1-차 +0.020, 2-차 -0.001, 모두 p<0.05) — 특정 도메인의 깊은 경험이 성장 촉진하지만 한계 수익 감소. Experimentation_ratio (novel knowledge combination 비율) +0.052 (p<0.01) — 새 학습이 성장 촉진. 핵심 interaction: Experience_depth² × Experimentation +0.252 (p<0.05) — *경험 깊을 때만* 실험이 성장에 *재가속*. 한국 stylized fact: 2000년대 중반 이후 *Experience_depth 정체* + *Experimentation_ratio 지속 감소* — *경험 vs 실험 양쪽 날* 동시 무뎌짐.
- **시사점**: 같은 R&D 양에도 firm 간 격차는 *지식 composition + 학습 method* 의 단계 의존성에서 옴. 정책은 *얕은 경험 firm 에는 반복 학습* (R&D 보조금 + 표준 routine), *깊은 경험 firm 에는 실험* (탐색적 collaboration + 위험 감수 인센티브) 로 차별화 필요.

![[[experience-experimentation]] 의 fitted firm growth 의 *경험 depth × 실험 ratio* 평면. 경험이 얕을 때 실험은 성장 저해, 경험이 깊어지면 실험이 성장 가속 — 핵심 *역U + interaction* mechanism 의 시각화.](/papers/201907_KangT_Effects_of_knowledge_accumulation_strategies_through_experience_and_experimentation_on_firm_growth/fig5.jpeg)

## 요약

지식 기반 firm 이론 (Grant 1996, Kogut and Zander 1992, Zack 1999, Hoopes and Madsen 2008) 은 *competitive advantage* 가 *accumulated knowledge* 의 차이에서 온다고 본다. 그러나 *왜 동일한 R&D 양에도 firm 간 격차가 나는가* 의 mechanism 은 두 stream — *experience* 의 *composition* (Dierickx and Cool 1989, Garcia-Vega 2006, Lin and Chang 2015, Lodh and Battaggion 2014, Moorthy and Polley 2010 의 depth-breadth 라인) 과 *experimentation* 의 *method* (March 1991, Henderson and Clark 1990, Kogut and Zander 1992, Carnabuci and Operti 2013 의 [[exploration-exploitation]] 라인) — 으로 나뉘어 있었고, *두 stream 의 통합* 이 학계의 빈자리였다. 본 paper 는 이를 *연결* (단계 의존적 상호작용) 하는 데 의의가 있으며, [[temep]] 의 *축적 (accumulation) → 질적 차원* 명제 ([[jeongdonglee]] author page anchor *축적의 정교화 2 단계*) 의 *학술적 정량 검증* 작업이다. [[chulwoo-baek]] 가 듀크성 여대 이동 후 [[jeongdonglee]] 와 협업한 *2017-2019 cohort* 의 마지막 작품으로 ([[taewon-kang-2017-internal-cash-flow-positive-shocks]] 와 [[taewon-kang-2018-activities-becoming-highgrowth]] 의 sibling), [[taewon-kang]] 가 Scuola Superiore Sant'Anna 의 evolutionary economics 전통 (Dosi 라인) 으로 옮긴 뒤 첫 논문이기도 하다.

데이터는 *KIS-Value* (NICE, 1985- 외부감사 firm 재무) 와 *PATSTAT* (2017 Autumn, 전세계 특허) 의 결합 [[balanced-panel]] — 한국 KOSPI·KOSDAQ 상장 제조업 1,455 firm × 30 년, 4-digit IPC 기반 patent 444,081 개. OECD HAN database 와 firm name harmonization 으로 *변경된 firm 이름* 까지 추적. *Experience_depth* 는 *지난 5 년 [t-5, t-1] 동안 firm i 가 만든 IPC code 중 반복 등장한 것의 비율* (Lodh and Battaggion 2014, scale 효과 제거 위해 1/nTech²), *Experimentation_ratio* 는 *period t 의 새 IPC pair combination / 전체 pair combination* (Carnabuci and Operti 2013, Verhoeven et al. 2016 의 novel combination). 통제 변수는 Num_patent (양적 지표), Experience_new ([[breadth-of-knowledge]]), debt_ratio, profit_ratio, size, age, year dummies. 추정은 [[heckman-selection]] 의 2-stage: stage 1 [[probit-model]] 로 *innovator vs non-innovator* (patent ≥1) 선택 식에서 IMR 계산, stage 2 *innovators only* (7,015 obs, 1,151 firms) 의 main equation 에 IMR 통제하고 [[panel-fixed-effects]] (heteroscedasticity-robust SE).

추정 결과 (Table 3 Model 4): Experience_depth 1-차 +0.020 (p<0.05), 2-차 -0.001 (p<0.01) — *역U 효과* 로 Hypothesis 1 (한계 수익 감소) 지지. Experimentation_ratio +0.052 (p<0.01) — Hypothesis 2 (novel combination 의 양 효과) 지지. Experience_depth × Experimentation_ratio -0.390 (p<0.05), Experience_depth² × Experimentation_ratio **+0.252** (p<0.05) — *Hypothesis 3.1 (얕은 경험 시 반복 학습)* + *Hypothesis 3.2 (깊은 경험 시 실험)* 동시 지지. [[quantile-regression]] (Canay 2011, 100 bootstrap, panel FE) 결과 5%-95% 의 모든 quantile 에서 패턴 일관 — high-growth firm 일수록 *interaction term 의 magnitude 더 큼* (95% 분위에서 -0.927/+0.500). 추가 분석으로 *core knowledge 기반 실험* 만 분리한 결과 (Table 5 Model 1), Experience_depth² × Experimentation_core +0.444 (p<0.01) — *core 기반 실험* 이 *비-core 실험* 보다 강력. 한국 stylized fact 가 흥미롭다: 1990s-early 2000s 까지 Experience_depth 증가했으나 mid-2000s 이후 정체, Experimentation_ratio 는 지속 감소 — *경험과 실험 양쪽 모두 약화* 가 한국 제조업의 *기술경쟁력 약화* 의 미시 신호 (Global Competitiveness Report 의 innovation ranking 2008 9위 → 2016 30위 추락과 정합).

한계는 (i) IPC 기반 measure 가 *암묵지 (tacit knowledge)* 의 일부만 포착, (ii) 한국 상장 firm 만 (KOSPI 75% R&D share 라 covered 하지만 SME bias 가능), (iii) cross-country 비교 부재, (iv) *new IPC* 의 *radicalness* heterogeneity 미관측 (NK landscape 의 거리 정보 미반영). [[temep]] 의 *축적 anchor* 라인 sibling 으로 [[taewon-kang-2017-internal-cash-flow-positive-shocks]] (R&D 동학의 환경 적응), [[taewon-kang-2018-activities-becoming-highgrowth]] (large jump 단계 비대칭), [[hayoung-park-2019-rd-persistency-rd-volatility]] (위기 환경 R&D persistency) 가 동일 *2017-2019 듀크성 협업 cohort* 의 *환경-단계-composition* 분화로 정합한다.

## 핵심 결과

**Main equation ([[heckman-selection]] stage 2, [[panel-fixed-effects]], N=7,015 innovators, 1,151 firms):**

| Variable | Model 4 계수 | 해석 |
|---|---:|---|
| Experience_depth (t-1) | **+0.020***(0.009) | 깊이가 firm 성장 *촉진* |
| Experience_depth² (t-1) | **-0.001***(0.000) | *역U* — 한계 수익 감소 |
| Experimentation_ratio (t-1) | **+0.052***(0.018) | 실험이 성장 *촉진* |
| Experience × Experimentation | **-0.390***(0.153) | 얕은 경험 시 실험 *방해* |
| Experience² × Experimentation | **+0.252***(0.114) | *깊은 경험 시 실험 재가속* |
| Num_patent (t-1) | -0.007** | 양적 지표는 성장과 negative |
| Profit_ratio | +0.981*** | 수익성이 성장 강력 동인 |

**[[quantile-regression]] (95% upper quantile, high-growth firm):**
- Experience × Experimentation = -0.927*** (lower quantile 보다 magnitude 큼)
- Experience² × Experimentation = +0.500* (high-growth firm 일수록 interaction 더 강함)

**Core-based experimentation 분리:**
- Experimentation_core 의 interaction² = +0.444*** (p<0.01)
- Experimentation_ncore 의 interaction² = +0.208 (n.s.)
- → *core 지식 기반 실험* 이 *non-core 실험* 보다 결정적

**한국 stylized fact (Fig 3):**
- Experience_depth: 1990-2003 상승, 2003 이후 정체·하락
- Experimentation_ratio: 1985-2014 지속 감소 (선형 추세)
- → *경험-실험 양쪽 약화* 가 한국 *기술경쟁력 하락* 의 미시 신호

## 방법론 노트

[[heckman-selection]] + [[panel-fixed-effects]] + [[quantile-regression]] 의 3-layer estimation. Sample 선택 보정 위해 *innovator (patent ≥1)* 결정의 [[probit-model]] 을 stage 1 에 두고 IMR (inverse Mills ratio) 을 stage 2 main equation 의 통제로 추가한다.

핵심 quantitative measure 정의 (4-digit IPC level):

$$
\text{Experience\_depth}_{i,t} = \left(\frac{1}{\text{nTech}_{i,t}}\right)^2 \frac{\text{Repeated IPC}_{i,t}}{\text{Total IPC}_{i,t}}
$$

여기서 nTech 는 *지난 5 년 [t-5, t-1] firm i 가 만든 IPC 총 개수*, Repeated IPC 는 *t 시점 firm i 의 IPC 가 5 년 안에 반복 등장한 횟수*, Total IPC 는 *t 시점 firm i 의 총 IPC 수*. (1/nTech²) 는 scale 효과 제거.

$$
\text{Experimentation\_ratio}_{i,t} = \frac{\text{Novel knowledge combination}_{i,t}}{\text{Total knowledge combination}_{i,t}}
$$

여기서 *knowledge combination* 은 *한 patent 내 IPC code 쌍* (예: A61P-A61K), *novel* 은 *firm i 의 지난 5 년 안에 등장 안 한 pair*. Range [0,1].

Main equation:

$$
Y_{i,t} = \alpha + \beta_1 \text{Exp}_{i,t-1} + \beta_2 \text{Exp}_{i,t-1}^2 + \beta_3 \text{Expmt}_{i,t-1} + \beta_4 (\text{Exp} \times \text{Expmt})_{i,t-1} + \beta_5 (\text{Exp}^2 \times \text{Expmt})_{i,t-1} + \gamma X_{i,t} + \lambda \text{IMR}_{i,t} + \mu_i + \mu_t + \varepsilon_{i,t}
$$

여기서 $Y_{i,t} = \ln(\text{Sales}_{i,t}) - \ln(\overline{\text{Sales}_{i,t-1,t-3}})$ 의 *3 년 평균 매출 대비 성장률* (volatility 완화), $X$ 는 Num_patent·Experience_new·debt·profit·size·age, $\mu_i, \mu_t$ 는 firm·year FE, IMR 은 selection 보정.

식별 핵심: $\beta_5 > 0$ 이면 *깊은 경험 + 실험* 의 *재가속*, $\beta_4 < 0$ + $\beta_5 > 0$ 의 *조합* 이 *경험-실험 단계 의존* 의 micro-evidence. [[quantile-regression]] 의 Canay (2011) 2-step (FE 추정 → fixed effect 제거된 dependent 의 quantile regression) 로 *분포 전반* 의 결과 일관성 확인. Robustness 로 *core-based vs non-core experimentation* 분리는 *patent 의 IPC 와 firm 의 core knowledge IPC* 중첩 여부로 정의 — Helfat and Raubitschek (2000) 의 *core knowledge 와 인접 결합* 명제 검증.

## 연구 계보

본 paper 는 [[temep]] 의 *축적 (accumulation) → 질적 차원으로의 확장* 라인 ([[jeongdonglee]] author page anchor *축적의 정교화 2 단계*) 의 *핵심 학술 anchor*. 직접 선조는 [[taewon-kang-2017-internal-cash-flow-positive-shocks]] — 동일 저자팀의 *축적의 자기강화성 (Success breeds success)* 의 미시 mechanism 식별, 본 paper 는 그 mechanism 의 *지식 composition layer* 의 분해. 또 다른 직접 선조는 [[taewon-kang-2018-activities-becoming-highgrowth]] — 동일 저자팀의 *firm life-cycle 단계 비대칭* 의 *지식 측면 일반화*. 이론적 토대는 Dierickx and Cool (1989) 의 *asset mass efficiency* + *time compression diseconomy*, Helfat (1997) 의 *capability accumulation*, Cohen and Levinthal (1990) 의 [[absorptive-capacity]], Lee (2010) 의 *capability threshold* 명제 — 모두 *축적의 자기강화* 라인. *경험-실험 분리* 는 March (1991) 의 [[exploration-exploitation]], Ahuja and Lampert (2001) 의 *propinquity trap*, Cantwell and Fai (1999), Suzuki and Kodama (2004), West and Iansiti (2003), Bergek and Onufrey (2013) 의 *radical innovation from core knowledge* 라인. *Novel combination measure* 는 Strumsky and Lobo (2015), Carnabuci and Operti (2013), Verhoeven et al. (2016), Fleming (2001) 의 *NK landscape combinatorial search* 라인. 방법론은 Koenker and Bassett (1978) 의 quantile regression + Canay (2011) 의 panel FE quantile. [[temep]] 의 sibling 으로 [[hayoung-park-2019-rd-persistency-rd-volatility]] (위기 환경 동학) 가 동일 *2017-2019 듀크성 협업 cohort* 의 *환경적 stress* 갈래, [[taewon-kang-2017-internal-cash-flow-positive-shocks]] 가 *내부 자금-기술능력* 갈래로 분화. [[chulwoo-baek]] 가 듀크성 여대 이동 후 [[jeongdonglee]] 와 협업한 *지식 축적 학술 anchor* 4 paper cluster 의 마무리.

## See also

- [[jeongdonglee]]
- [[taewon-kang]]
- [[chulwoo-baek]]
- [[heckman-selection]]
- [[panel-fixed-effects]]
- [[quantile-regression]]
- [[patent-analysis]]
- [[knowledge-accumulation]]
- [[experience-experimentation]]
- [[depth-of-knowledge]]
- [[breadth-of-knowledge]]
- [[exploration-exploitation]]
- [[novel-knowledge-combination]]
- [[absorptive-capacity]]
- [[taewon-kang-2017-internal-cash-flow-positive-shocks]]
- [[taewon-kang-2018-activities-becoming-highgrowth]]
- [[hayoung-park-2019-rd-persistency-rd-volatility]]