--- type: paper slug: yeongjun-yeo-2020-revitalizing-race-between title: >- Revitalizing the race between technology and education: Investigating the growth strategy for the knowledge-based economy based on a CGE analysis authors: - '[[yeongjun-yeo]]' - '[[jeongdonglee]]' year: 2020 venue: '[[technology-in-society]]' volume: '62' pages: '101295' doi: 10.1016/j.techsoc.2020.101295 categories: - '[[innovation-economics]]' - '[[development-economics]]' methods: - '[[cge-analysis]]' - '[[knowledge-based-cge]]' - '[[social-accounting-matrix]]' - '[[nested-ces-production-function]]' - '[[tobin-q]]' - '[[recursive-dynamic-cge]]' themes: - '[[skill-biased-technical-change]]' - '[[human-capital-accumulation]]' - '[[knowledge-based-economy]]' - '[[korean-economy]]' - '[[education-policy]]' - '[[rd-investment]]' - '[[knowledge-spillover]]' - '[[skill-premium]]' aliases: - yeo-lee-2020-distributional-effects - yeongjun-yeo-2020-distributional-effects - yeo-lee-2020-revitalizing-race last_updated: '2026-05-17T21:30:00+09:00' --- # Revitalizing the race between technology and education: Investigating the growth strategy for the knowledge-based economy based on a CGE analysis *[[yeongjun-yeo]], [[jeongdonglee]] (2020)* · [[technology-in-society]] 62:101295 · [DOI ↗](https://doi.org/10.1016/j.techsoc.2020.101295) > Goldin-Katz (2008) 의 "race between education and technology" 명제를 [[knowledge-based-cge]] 로 정량 정책 실험. R&D 와 교육 투자의 동시 1%p 증액 시나리오 (SCN3) 가 R&D 단독 증액 (SCN1) 보다 GDP, 고용, 산업 균형 모든 면에서 우월함을 보인다. 한국 경제 1 개국 SAM (2010) 을 base 로 2030 년까지 시뮬레이션. 혁신과 인적자본의 *complementarity* 를 정책 design 의 중심에 놓는 framework. - **RQ**: 한국 경제에서 장기 성장을 어떻게 끌어낼 것인가? R&D 와 교육 투자의 동시 강화가 단독 강화보다 우월한가? [[skill-biased-technical-change]] 가 일으키는 임금·고용 불평등이 두 정책의 조합으로 완화될 수 있는가? - **방법론**: [[cge-analysis]], [[knowledge-based-cge]], [[social-accounting-matrix]], [[nested-ces-production-function]], [[tobin-q]], [[recursive-dynamic-cge]] - **데이터**: 한국 2010 SAM (Bank of Korea I-O table + 국세통계연보 + HIE 마이크로데이터), 28 개 산업, 20 개 가계 분위, 3 단계 labor (고졸 이하 / 대졸 / 대학원 이상), 물적 자본 + 지식 자본. 2010~2030 recursive dynamic simulation. policy 시나리오 BAU + SCN1 (R&D +1%p) + SCN2 (교육 +1%p) + SCN3 (R&D +0.5%p + 교육 +0.5%p). - **주요 발견**: 2030 년 GDP 변화 (vs BAU): SCN3 +19.33% > SCN1 (R&D 단독) > SCN2 (교육 단독). 총고용 SCN3 +19.98% > SCN1 +16.54% > SCN2 +7.63%. 고숙련 노동 고용: SCN1 +27.58%, SCN3 +22.83%, SCN2 +3.77% — R&D 만 키우면 skill premium 격차가 더 벌어진다. SCN3 가 산업 간 생산성 향상 spillover 의 균형성 측면에서도 우월. - **시사점**: 장기 성장 정책은 R&D 일변도에서 벗어나 교육·인적자본 확충과 동시에 추진되어야 한다. 교육 부족으로 인한 *skill gap* 이 SBTC 의 시나리오에서 임금·고용 양극화의 핵심 driver. 정책 패키지의 *균형성* 이 단일 정책 강도보다 중요. ![SCN1 (R&D), SCN2 (교육), SCN3 (R&D+교육) 시나리오의 2010~2030 GDP 변화 (vs BAU). SCN3 (R&D 와 교육 동시 0.5%p 증액) 이 2030 년 BAU 대비 19.33% 증가로 최대 성장. R&D 단독 (SCN1) 도 효과적이나 SCN3 보다 낮음.](/papers/202008_YeoY_Revitalizing_the_race_between_technology_and_education_Investigating_the_growth_strategy_for_the_knowledge_based_economy_based_on_a_CGE_analysis/fig2.jpeg) ## 요약 본 paper 는 Goldin-Katz (2008) "Race between Education and Technology" 가 미국 경제 사례로 보였던 임금 불평등 동학을 [[knowledge-based-cge]] framework 으로 한국 경제에 옮기고 *동시 정책 실험* 으로 확장한 작업이다. 기존 endogenous growth 모형 (Acemoglu, Grossman-Helpman, Pan 등) 은 R&D 와 교육의 complementarity 를 *이론적으로* 제시했지만 macro-data 기반 정량 정책 실험은 부족했다. 또 Aghion-Howitt 같은 1 부문 모형은 산업 간 spillover 와 가계 이질성을 다루지 못한다. 본 paper 의 contribution 은 (a) SAM 에 *지식 자본 형성 계정* 을 신설, (b) labor 를 educational attainment 기준 3 단계로 분해, (c) [[skill-biased-technical-change]] 를 [[nested-ces-production-function]] 의 elasticity 비대칭 (σ1=0.67 < 1 vs σ2=1.67 > 1) 으로 model 화, (d) 가계 20 분위로 분배 효과 추적 — 즉 *분배·생산성·산업구조* 를 단일 framework 에서 통합 분석. capital-skill complementarity (Krusell et al. 2000) 의 가설을 CGE 차원에서 시현한 첫 작업. 핵심 시뮬레이션은 네 시나리오. BAU 는 R&D/GDP 4%, 교육/GDP 8.6% 의 base year (2010) 수준 유지. SCN1 은 R&D 만 +1%p, SCN2 는 교육만 +1%p, SCN3 은 두 정책 각 +0.5%p (총 증액 같음). 결과 (2030 vs BAU): GDP 변화 SCN3 19.33% > SCN1 > SCN2. R&D 단독 (SCN1) 은 고숙련 노동 고용을 +27.58% 끌어올리지만 저숙련은 +13.82% 만 — skill premium 격차 확대. 교육 단독 (SCN2) 은 노동 공급 측 증가뿐이라 성장 효과 제한. SCN3 만이 R&D 가 만든 고숙련 수요 증가와 교육이 만든 고숙련 공급 증가를 *match* 시켜 *balanced growth* 달성. 평균 TFP 성장률 (vs BAU): SCN1 8.44%, SCN2 4.83%, SCN3 10.95% — SCN3 가 *시너지 premium* 으로 두 정책의 단순 합을 초과. 분석의 두 차원이 더 추가된다. 첫째는 *산업 구조 균형* — NAI (산업 집중 지수) 와 Entropy 가 SCN1 (NAI 0.03896) 에서 가장 집중, SCN3 (NAI 0.02749) 에서 가장 분산. R&D 단독 정책이 high-tech manufacturing 에 +39.82% 의 집중 성장을 일으키는 반면, SCN3 는 high-tech +35.00%, low-tech +13.44%, service +12.89%, primary +5.86% 의 *균형* 성장을 만든다. 둘째는 *임금·고용 양극화* — SBTC 가 단독으로 작동하면 (SCN1) 고숙련 수요만 폭증해 skill premium 이 +17~22% 까지 확대되지만, SCN3 는 교육 공급 측 보완으로 *공급 충격이 수요 충격을 흡수* 해 임금 격차 확대를 완화. 이 작업은 [[jeongdonglee]] anchor 의 1.10 [[collaborative-technology-sovereignty]] 라인 직전, *국가 차원의 지식 기반 경제 정책 설계* sub-line 의 정량 척추. caveat: 한국 1 개국 CGE, 외국인 노동 이동 미고려 (immigration share 1.8% 라 미미하다고 가정), uncertainty 처리 한계 (DSGE 가 아닌 deterministic CGE 의 trade-off), labor market rigidity 미반영 (smooth skill transition 가정). 후속작은 [[yeongjun-yeo-2023-innovation-economic-growth]] 와 [[yeongjun-yeo-2023-shrinking-middle-exploring]] 에서 분배 측면을 더 깊이 다룬다. ## 핵심 결과 | 변수 (2030 vs BAU, %) | SCN1 (R&D) | SCN2 (교육) | SCN3 (R&D + 교육) | |---|---:|---:|---:| | GDP | (lower) | (lowest) | **+19.33** | | 총고용 | +16.54 | +7.63 | **+19.98** | | 저숙련 고용 | +13.82 | +8.29 | **+19.01** | | 대졸 고용 | +15.28 | +8.30 | **+19.87** | | 대학원 이상 고용 | **+27.58** | +3.77 | +22.83 | | 평균 TFP | +8.44 | +4.83 | **+10.95** | | 산업 집중 NAI (값) | 0.03896 | n/a | 0.02749 | | High-tech 산업 산출 | +39.82 | n/a | +35.00 | | Low-tech 산업 산출 | n/a | n/a | +13.44 | | Service 산업 산출 | n/a | n/a | +12.89 | 핵심 패턴: (a) SCN1 은 고숙련 고용을 가장 크게 늘리지만 *균형* 측면에서 SCN3 에 밀린다 — 저숙련과 격차 확대. (b) SCN2 는 노동 공급만 늘려 성장 효과 제한. (c) SCN3 의 GDP 성장 19.33% 와 총고용 19.98% 가 정책 패키지 통합의 *complementarity premium*. 동일 1%p 총 정책 자원이라도 R&D 와 교육에 *분산* 투자하는 것이 단일 투자보다 우월. (d) NAI 산업 집중도가 SCN1 > SCN3 → R&D 단독 정책은 high-tech 집중 성장으로 산업 구조 양극화, SCN3 는 전 산업 균형 성장. ## 방법론 노트 [[knowledge-based-cge]] 의 핵심 modeling 은 [[nested-ces-production-function]] 의 *elasticity 비대칭* 으로 [[skill-biased-technical-change]] 를 내생화한 점. R&D 와 교육이 모두 *축적* 변수 (stock) 라 한 시점 정책 변화의 효과가 ~5~10 년 후 본격적으로 드러나며, recursive dynamic 으로 그 시간 차원을 풀어쓴다. 핵심 식: $$ VA_i = \text{CES}\big(HLK_i, \; L2_i, \; L1_i;\; \sigma_2 = 1.67\big) $$ $$ HLK_i = \text{CES}\big(L3_i, \; K_i, \; H_i;\; \sigma_1 = 0.67\big) $$ $$ LS_{u,t} = \phi_1 \cdot EDU_t + \phi_2 \cdot \Big(\tfrac{PL^u_{t-1}}{PL^l_{t-1}}\Big)^{\rho_E}, \quad H_{public,t} = (1-\delta_{know}) H_{public,t-1} + RDZ_{public,t-1} $$ 여기서 $L1, L2, L3$ 는 저숙련 · 대졸 · 대학원 이상 노동, $K$ 는 물적 자본, $H$ 는 지식 자본. inner CES 의 $\sigma_1 = 0.67 < 1$ 은 고숙련 · 자본 · 지식의 *상호 보완성*, outer CES 의 $\sigma_2 = 1.67 > 1$ 은 그 묶음이 저·중숙련 노동의 *대체재* 임을 의미 — capital-skill complementarity 가설의 CGE 구현. labor supply 식의 $\phi_2 \cdot (PL^u/PL^l)^{\rho_E}$ 항은 상대 임금 변화가 *교육 진학 행동* 을 유발해 노동 공급 구성을 endogenize 한 *Tinbergen race* mechanism — Goldin-Katz 의 race 개념을 식 차원으로 옮긴 것. R&D 투자는 [[tobin-q]] 논리로 산업 간 분배 endogenize. 가계는 20 분위로 임금 · 자본 소득 · R&D 자본 소득의 분포 추적. recursive dynamic 으로 year-by-year 균형 해석. base year 2010 SAM 은 한국은행 IO table 의 28 산업 분류 + 국세통계연보 의 가계 소득 분포 + HIE 마이크로데이터의 교육수준별 임금 분포를 결합. ## 연구 계보 직접 predecessor: (a) [[skill-biased-technical-change]] 의 Goldin-Katz (2008), Acemoglu-Autor (2011), Mallick-Sousa, He-Liu 등 — race between education and technology 의 미시 framework. (b) Grossman et al. (2017) 의 balanced growth 이론 — R&D 와 교육의 complementarity 명제. (c) [[knowledge-based-cge]] 계열 — Hong et al. (2014), Jung et al. (2017), Křístková (2012), Jung-Thorbecke (2003), Ojha et al. — SAM 에 지식 자본 형성을 내장하고 nested CES 로 SBTC 를 model 화한 method. (d) Krusell-Ohanian-Ríos-Rull-Violante (2000) — capital-skill complementarity 의 미시 추정 estimate 가 본 paper 의 σ1=0.67 가정의 source. (e) Krueger-Lindahl (2001), Acemoglu-Autor (2011) — 인적자본의 macro return 추정 evidence. TEMEP 내 sibling: [[won-sik-hwang-2021-temip-model-social-accounting-matrix]] (Hwang J.S. 의 TEMIP CGE) 가 동일 framework 의 후속 일반화. [[sungmoon-jung-2017-growth-versus-equity]] 가 본 paper 의 직접 predecessor — 동일 한국 SAM 기반 CGE 에서 R&D 단독 정책의 *growth vs equity* dilemma 를 시현. 본 paper 는 그 dilemma 를 *R&D + 교육 동시 정책* 으로 해결하는 next step. [[jeongdonglee]] anchor 의 1.2 IC-DC 전환과 1.12 NIS 라인 의 *정책 시뮬레이션 도구* — 같은 시기 [[jung-in-yeon-2020-composite-index-granger-causality-test]] 가 측정·실증을 담당했다면 본 paper 는 그 framework 의 정책 design tool 측을 담당. 같은 시기 [[kiyoon-shin-2020-revitalizing-concept-public]] (yyj913 이 2 저자) 가 demand-side 정책 framework 의 conceptual 작업. Korea-specific 분석이라 cross-country panel 의 sibling 과는 분석 단위가 다름. ## See also - [[yeongjun-yeo]] - [[jeongdonglee]] - [[yeongjun-yeo-2015-lmdi-decomposition-residential-co2-emissions]] - [[yeongjun-yeo-2023-innovation-economic-growth]] - [[yeongjun-yeo-2023-shrinking-middle-exploring]] - [[jung-in-yeon-2020-composite-index-granger-causality-test]] - [[won-sik-hwang-2021-temip-model-social-accounting-matrix]] - [[knowledge-based-cge]] - [[cge-analysis]] - [[skill-biased-technical-change]] - [[social-accounting-matrix]] - [[nested-ces-production-function]] - [[tobin-q]] - [[technology-in-society]]