--- type: paper slug: won-sik-hwang-2021-temip-model-social-accounting-matrix title: >- CGE analysis of R&D investment policy considering trade-offs between economic growth and stability authors: - '[[won-sik-hwang]]' - '[[yeongjun-yeo]]' - '[[inha-oh]]' - '[[chanyoung-hong]]' - '[[sungmoon-jung]]' - '[[heewon-yang]]' - '[[jeongdonglee]]' year: 2021 venue: '[[science-and-public-policy]]' doi: 10.1093/scipol/scaa068 categories: - '[[innovation-policy]]' - '[[innovation-economics]]' methods: - '[[cge-analysis]]' - '[[recursive-dynamic-cge]]' - '[[temip-model]]' - '[[social-accounting-matrix]]' - '[[monte-carlo-sensitivity-analysis]]' - '[[ces-production-function]]' - '[[perpetual-inventory-method]]' - '[[entropy-index]]' - '[[national-average-index]]' themes: - '[[r-d-policy]]' - '[[r-d-portfolio-design]]' - '[[public-rd-private-rd]]' - '[[knowledge-spillover]]' - '[[knowledge-capital-stock]]' - '[[industrial-diversification]]' - '[[economic-stability]]' - '[[korean-economy]]' aliases: [] corrigendum: '[[won-sik-hwang-2021-cge-rd-investment-erratum]]' last_updated: '2026-05-17T21:30:00+09:00' --- # CGE analysis of R&D investment policy considering trade-offs between economic growth and stability *[[won-sik-hwang]], [[yeongjun-yeo]], [[inha-oh]], [[chanyoung-hong]], [[sungmoon-jung]], [[heewon-yang]], [[jeongdonglee]] (2021)* · [[science-and-public-policy]] · [DOI ↗](https://doi.org/10.1093/scipol/scaa068) > 한국 [[r-d-policy]] 의 *공공 vs 민간 R&D 포트폴리오 배분* 효과를 [[recursive-dynamic-cge]] 모형 ([[temip-model]] — Technology and Economy Modelling for Innovation Policy) 로 2014-2030 simulation. *공공 R&D 가 민간 R&D 보다 GDP 성장 효과가 크다* (SCN1 의 2030 GDP +3.03% vs SCN3 의 +0.51%) 라는 결과를 *공공 R&D 의 비배제성 ([[knowledge-spillover]] 탄력성 0.466 > 민간 0.353)* 으로 설명. 반면 전자·전기 산업 집중 시나리오 (SCN4) 는 GDP 효과 최대 (+3.83%) 지만 산업 집중도 ([[national-average-index]] 0.0416, EI 3.1837) 가 가장 높아 *경제 안정성* 측면에서 trade-off 발생. 정책의 *경제 성장 vs 안정성* 양자택일을 정량 시각화. - **RQ**: 한국에서 *공공 R&D 와 민간 R&D 의 배분 비율* 이 GDP 성장률과 *산업 다각화 (경제 안정성)* 에 어떻게 다른 영향을 주는가, 그리고 정책 입안자가 *어느 목표* 를 우선시할 때 어떤 R&D portfolio 가 최적인가. - **방법론**: [[cge-analysis]], [[recursive-dynamic-cge]], [[temip-model]], [[social-accounting-matrix]], [[monte-carlo-sensitivity-analysis]], [[ces-production-function]], [[perpetual-inventory-method]], [[entropy-index]], [[national-average-index]] - **데이터**: 한국 2014 I-O 표 (한국은행, SNA 2008 기준) → 27 산업 + 2 R&D 부문 (public 12 조 KRW, private 50 조 KRW) 으로 재분류 + Bank of Korea + KISTEP R&D 통계. R&D 자본 스톡은 [[perpetual-inventory-method]] (감가율 0.15, BEA 2006 기준) 으로 추정. 4 정책 시나리오 (SCN1-4) + baseline. - **주요 발견**: 2030 GDP 효과는 SCN4 (+3.83%) > SCN1 (+3.03%) > SCN2 (+1.78%) > SCN3 (+0.51%). 공공 R&D 의 spillover 탄력성 0.466 > 민간 0.353, *공공이 spillover 효과 더 큼*. 단 SCN4 의 산업집중 NAI 0.0416 vs SCN1 의 0.0017 — *집중 시나리오* 가 성장 우위이지만 *경제 안정성* 손실. [[monte-carlo-sensitivity-analysis]] 10,000 회 simulation 에서 SCN3 만 baseline 과 통계적 유의 차이 없음 — *민간 R&D 단독 확장* 의 성장 효과는 통계적으로 모호. - **시사점**: R&D 자원 배분은 *경제 성장 vs 경제 안정성* 의 양자택일을 명시적으로 다뤄야 함. 공공 R&D 의 spillover 활성화를 위한 *기업-공공 R&D 연계 정책* (산학연 협력, 지식 네트워크 등) 필요. ![SCN1-SCN4 의 2014-2030 GDP 차이 (baseline 대비 trillion KRW). 공공 R&D 강화 시나리오 (SCN1, SCN4) 가 SCN3 (민간 R&D 강화) 보다 가파른 우상향 — 공공 R&D 의 [[knowledge-spillover]] 효과가 장기 성장을 견인함을 시각화.](/papers/202107_HwangWS_CGE_analysis_of_RD_investment_policy_considering_trade_offs_between_economic_growth_and_stability/fig4.jpeg) > 📝 [Corrigendum](#corrigendum) 참조 — 원 publication 에서 Figure 1-6 의 캡션이 한 자리씩 밀려 인쇄되었고 [[won-sik-hwang-2021-cge-rd-investment-erratum]] 로 정정되었다.[^c] ## 요약 본 paper 는 [[won-sik-hwang]] 의 *knowledge-based CGE 라인* 의 정점 작업으로, *공공 vs 민간 R&D 의 거시 효과 비교* 를 [[recursive-dynamic-cge]] 의 정책 simulation 으로 정량화한다. 기존 R&D-CGE 문헌 (Ghosh 2007, *Review of Development Economics*; Krístková 2010, 2013; Garau and Lecca 2015, *International Regional Science Review*) 의 한계 세 가지를 명시적으로 해소: (1) 공공-민간 R&D 분리 modeling, (2) 각 부문의 spillover 탄력성을 *데이터로 추정* (pooled OLS, $\beta_{public} = 0.466 > \beta_{private} = 0.353$), (3) *지식 기반 SAM* (private/public knowledge capital 계정 + R&D capital formation 계정) 의 신규 구축. 직전 [[won-sik-hwang-2015-cge-quantitative-evaluation]] 와 [[chanyoung-hong-2014-validation-rdbased-computable]] 가 R&D-CGE 한국 적용의 framework 을 다졌다면 본 paper 는 그 framework 을 *정책 포트폴리오 의사결정* 도구로 격상시킨 작업. 핵심 modeling 혁신은 *지식 기반 SAM* 의 구축이다. 한국 2014 I-O 표의 384 sector 분류 중 sector 346-347 (공공/비영리 연구기관) 과 sector 349 (기업 내 R&D) 를 *2 개의 R&D 부문* 으로 분리 추출. 27 산업 부문에 추가해 *(27+2)-sector SAM* 으로 재구성. 자본 계정도 *물적 자본 (CS_i × K_i)* 과 *지식 자본 ((1-CS_i) × K_i)* 으로 분리 — Bank of Korea + KISTEP 의 자본 스톡 데이터로 산업별 분할 비율 계산. *기업 (corporation)* 도 별도 institution 으로 추출해 *지식 자본의 수익이 기업에만 귀속* 됨을 명시. [[ces-production-function]] 의 nested 구조는 *지식 자본 - 물적 자본+노동 - 중간재* 의 3-level. 탄력성은 WorldScan (Lejour et al. 2006) parameter 와 Kmenta (1967) 의 *linear approximation* 으로 한국 panel 추정 결합. R&D capital stock 의 spillover 효과 추정은 *민간/공공 R&D 자본 스톡 → 산업별 TFP* 의 pooled OLS regression: $\ln A(i,t) = \beta_0 + \beta_1 \ln \text{SRP}(i,t) + \beta_2 \ln \text{SRG}(i,t) + \varepsilon(i,t)$ 에서 $\beta_1 = 0.353^{**}, \beta_2 = 0.466^{**}$. 공공 R&D 의 *비배제성 · 비경합성* 으로 인한 *섹터 간 spillover* 강도가 민간보다 약 32% 크다는 결과 — Guellec and de la Potterie (2004) 의 OECD panel stylized fact 와 정합. 4 정책 시나리오 비교: SCN1 (공공 R&D intensity +6%/2020), SCN2 (공공 +3% + 민간 동일액), SCN3 (민간 +6%), SCN4 (공공 +6% + 전자전기 산업 집중 +5%p). 2030 GDP 차이는 baseline 대비 SCN4 +3.83% > SCN1 +3.03% > SCN2 +1.78% > SCN3 +0.51% 의 순서. 핵심 trade-off 가 산업 다각화 지표로 surface 된다. [[national-average-index]] (NAI) = 산업 구조의 baseline 대비 *이탈 정도*. 2030 NAI: SCN4 0.0416 (가장 큰 이탈) > SCN1 0.0017 > SCN2 0.0005 > SCN3 0.0004. [[entropy-index]] (EI, 산업 분산도) 도 SCN4 3.1837 (가장 낮음, 즉 집중) < SCN1 3.1873 (가장 높음, 균형). SCN4 는 전자전기 (sector 12) 의 *output +8.30%* 와 *R&D 투자 +3.75%* 로 *고기술 manufacturing 집중* 패턴 — Korea 의 *재벌·반도체 모델* 의 CGE 정량화. 반면 SCN1 의 R&D inducement 효과는 *전 산업 균형 확산* — *저기술 산업의 innovation capability 부족* 을 보완하는 *균형 성장* 패턴. 정책 시사점: *경제 성장 극대화* 목표면 SCN4 가 최적이나 *경제 안정성 (외부 충격 회복력)* 목표면 SCN1 이 우선. [[monte-carlo-sensitivity-analysis]] 10,000 회 simulation (Equation 20 의 $\beta_1, \beta_2$ vector 의 joint normal 분포로 random draw) 으로 ANOVA test 결과 SCN1, SCN2, SCN4 만 baseline 과 95% CI 에서 GDP 유의 차이 — SCN3 는 *민간 단독 확장* 효과의 *통계적 모호성* 노출. ## 핵심 결과 > 📝 [Corrigendum](#corrigendum) 참조 — 원 publication 의 Table 1 ("Construction of SAM") 제목이 "Construction of SAM: knowledge capital formation (a) and knowledge capital account (b)" 로 정정되었다. | 시나리오 | 2020 GDP 차이 | 2025 GDP 차이 | 2030 GDP 차이 | 2030 NAI | 2030 EI | |---|---:|---:|---:|---:|---:| | Baseline | 0 | 0 | 0 | 0 | 3.1873 | | SCN1 (공공 +6%) | -0.00 | +1.81 | **+3.03** | 0.0017 | 3.1873 | | SCN2 (공공+민간 각각 +3%) | -0.00 | +1.07 | +1.78 | 0.0005 | 3.1871 | | SCN3 (민간 +6%) | -0.00 | +0.32 | +0.51 | 0.0004 | 3.1869 | | SCN4 (공공 +6% + 전자전기 집중) | -0.00 | +2.44 | **+3.83** | 0.0416 | 3.1837 | 핵심 통계: spillover 탄력성 $\beta_{private} = 0.353$ (SE 0.173, p<0.05) vs $\beta_{public} = 0.466$ (SE 0.184, p<0.05). MC sensitivity 의 GDP CV: 2020 8.03% → 2030 18.89% (장기로 갈수록 *추정 불확실성* 누적). SCN1 의 R&D investment inducement: 전 산업 +1.07~+7.23% 의 *균형 분포*. SCN4 는 전자전기 +3.75% 만 두드러지고 다른 산업은 +0.58~+1.42% 로 *왜곡 분포*. SCN4 의 고기술 manufacturing 의 factor input demand 는 capital +8.44%, labour +6.06%, knowledge +12.00% — *지식 집약 산업의 압도적 흡수*. ## 방법론 노트 [[temip-model]] 의 핵심 특징은 *지식 자본을 production factor 로 명시 도입* 한 nested [[ces-production-function]] 구조다. 일반 CGE 의 *labor + capital* 2-factor 구조에 *지식 자본* 을 추가해 3-factor + 중간재의 4-input 산업 생산함수를 구성. 공공 지식 자본은 *비배제성* 가정으로 *부문별 production factor 가 아니라 부문별 TFP 의 shifter* 로 작동 — 즉 *모든 산업에 동시 spillover*. 민간 지식 자본은 *해당 산업의 production factor* 로 *직접 투입* + *spillover 채널* 의 dual role. 핵심 식: $$ \text{VA}(i,t) = A(i,t) \left[ \theta^{\text{VA}}(i) K(i,t)^{\rho^{\text{VA}}(i)} + (1 - \theta^{\text{VA}}(i)) L(i,t)^{\rho^{\text{VA}}(i)} \right]^{1/\rho^{\text{VA}}(i)} $$ 여기서 $A(i,t)$ 는 산업 $i$ 의 시간 $t$ 의 TFP, $K(i,t), L(i,t)$ 는 물적 자본·노동, $\rho^{\text{VA}}(i)$ 는 산업별 CES 대체 탄력성. R&D 자본 스톡의 spillover 효과: $$ \ln A(i,t) = \beta_0 + \beta_1 \ln \text{SRP}(i,t) + \beta_2 \ln \text{SRG}(i,t) + \varepsilon(i,t) $$ 여기서 $\text{SRP}(i,t) = \sum_j w(j,i) \text{RP}(j,t)$ 는 산업 $i$ 가 *흡수* 하는 민간 R&D 스톡 (I-O input coefficient $w(j,i)$ 로 weighted), $\text{SRG}(i,t)$ 는 공공 버전. R&D 자본 스톡 자체는 [[perpetual-inventory-method]] 로 누적: $\text{RP}(i, t+1) = (1 - \delta^R) \text{RP}(i,t) + \text{RPI}(i,t)$, $\delta^R = 0.15$ (BEA 2006 기준). 식별은 (i) Lybbert and Zolas (2014) IPC-NAICS 변환표로 *technology field ↔ industry sector* 매핑의 외생성, (ii) Wooldridge (2005) initial condition 해결, (iii) MC sensitivity 의 *parameter uncertainty* 명시화로 robust 확보. ## 연구 계보 직접 선조 셋: (1) [[chanyoung-hong-2014-validation-rdbased-computable]] (*Economic Modelling*) 의 *R&D-CGE 한국 적용 framework 검증* — 본 paper 가 그 framework 의 *공공-민간 분리* 와 *지식 SAM 구축* 으로 확장. (2) Krístková (2010, 2013) · Ghosh (2007) · Garau and Lecca (2015) 의 *R&D 외부효과 CGE* 시리즈 — 본 paper 가 *공공-민간 분리 + spillover 탄력성 데이터 추정* 으로 정밀화. (3) Guellec and de la Potterie (2001, 2003, 2004) 의 *공공 R&D 의 더 큰 spillover* OECD panel stylized fact — 본 paper 가 한국 single-country CGE 로 정량 검증. 보조 선조로 BEA (2006) 의 *R&D satellite account* 와 Klump, McAdam, and Willman (2012) 의 *normalised CES* + Romer (1986) 의 *endogenous growth* 이론. [[jeongdonglee]] author page anchor 가 본 paper 를 *제3기 (2014-2021) 거시 도구로의 도약 + CGE 라인의 정책 application 정점* 으로 분류. *축적의 시간* (2015) 의 대중적 narrative 와 [[sungmoon-jung-2017-growth-versus-equity]] (knowledge-based CGE 의 분배 차원) 와 본 paper (R&D portfolio 차원) 가 *CGE 라인의 3 부작* 을 형성. [[won-sik-hwang]] 의 *energy + R&D + CGE* 라인 (2011, 2013, 2014, 2015, 2020, 2021) 의 *정책 application 정점*. *공공 R&D 의 우위* 명제가 [[jeongdonglee]] 의 *국가 혁신 시스템 (NIS)* + *catching-up* 관점과 정합 — 후발국이 *공공 R&D 의 spillover* 로 *system-wide capability* 를 빠르게 구축할 수 있다는 명제의 CGE 정량화. *sibling* 으로 [[chanyoung-hong-2016-macroeconomic-tax-credits]] · [[yeongjun-yeo-2020-revitalizing-race-between]] · [[kiyoon-shin-2020-revitalizing-concept-public]] 가 *innovation policy CGE* 의 cohort. ## See also - [[won-sik-hwang]] - [[yeongjun-yeo]] - [[inha-oh]] - [[chanyoung-hong]] - [[sungmoon-jung]] - [[heewon-yang]] - [[jeongdonglee]] - [[cge-analysis]] - [[recursive-dynamic-cge]] - [[temip-model]] - [[social-accounting-matrix]] - [[monte-carlo-sensitivity-analysis]] - [[ces-production-function]] - [[perpetual-inventory-method]] - [[r-d-policy]] - [[r-d-portfolio-design]] - [[public-rd-private-rd]] - [[knowledge-spillover]] - [[knowledge-capital-stock]] - [[industrial-diversification]] - [[economic-stability]] - [[national-average-index]] - [[entropy-index]] - [[korean-economy]] - [[chanyoung-hong-2014-validation-rdbased-computable]] - [[chanyoung-hong-2016-macroeconomic-tax-credits]] - [[sungmoon-jung-2017-growth-versus-equity]] - [[yeongjun-yeo-2020-revitalizing-race-between]] - [[kiyoon-shin-2020-revitalizing-concept-public]] - [[won-sik-hwang-2021-cge-rd-investment-erratum]] - [[science-and-public-policy]] ## Corrigendum 본 paper 는 [[won-sik-hwang-2021-cge-rd-investment-erratum]] 로 정정 사항이 출판되었다. Table 1 제목 정정 + Figure 1-6 캡션이 한 자리씩 밀려 인쇄된 것을 원래 의도된 매핑으로 일괄 복원하는 정정. - 정정 대상: Table 1 제목 ("Construction of SAM" → "Construction of SAM: knowledge capital formation (a) and knowledge capital account (b)"), Figure 1-6 캡션 전체 (한 자리씩 밀려 인쇄됨) - 정정 사유: [[science-and-public-policy]] publication-process 의 typesetting 단계 라벨 오류 - 결과 영향: 본문 *수식·시뮬레이션 결과·정책 결론 불변*. 정정은 *figure 와 본문 설명의 매칭 정합성* 확보 목적. - 정정 발행: [[won-sik-hwang-2021-cge-rd-investment-erratum]] ([[science-and-public-policy]] 2021) [^c]: 본 paper 의 Table 1 제목과 Figure 1-6 캡션이 publication-process 단계의 라벨 오류로 한 자리씩 밀려 인쇄되었으며, [[won-sik-hwang-2021-cge-rd-investment-erratum]] 로 정정되었다. [Corrigendum](#corrigendum) 참조.