Unravelling the Link between Technological M&A and Innovation Performance Using the Concept of Relative Absorptive Capacity

Gil S. Jo, Gunno Park, 강진아 (2016) · Asian Journal of Technology Innovation 24(1):55-76 · DOI ↗

기술 M&A 후 혁신 성과는 인수기업 또는 피인수기업 단독 특성보다 dyadic relative absorptive capacity 로 더 잘 설명된다. 1993-2007 biopharmaceutical 산업의 212건 기술 M&A (113개 기업) 를 zero-inflated-negative-binomial 로 분석해, technological similarity (patent class 중첩) 와 technological digestibility (피인수/인수 직원 비) 가 Absorptive Capacity: A New Perspective on Learning and Innovation 의 4단계 흡수 과정 (acquisition·assimilation·transformation·exploitation) 에 미치는 차별적 효과를 검증한다. 결과는 작은 피인수 기업 인수 + 유사한 지식 기반 이 후속 혁신에 유리하며, M&A 경험이 직접 효과를 강화함을 보인다.

RQ: 기술 M&A 의 후속 혁신 성과는 인수-피인수 두 기업의 dyadic 특성 (technological similarity, digestibility) 과 누적 M&A 경험에 어떻게 의존하는가?
방법론: zero-inflated-negative-binomial (Vuong test p=0.0000 으로 선택), 음이항 회귀, 특허 분석
데이터: 1993-2007 biopharmaceutical 산업 212건 기술 M&A, 113개 인수기업 (SDC Platinum + USPTO + Datastream)
주요 발견: Technological digestibility 계수 -1.52 (p<0.01, H2 지지 — 정의상 분자가 피인수 직원이라 음(-) 계수가 양(+) 효과 를 의미). M&A 경험 계수 +0.119 (p<0.01, H3 지지). Technological similarity 의 역-U (H1) 는 main table 비유의, 민감도 분석에서 지지. M&A 경험의 조절 (H4a/b) 은 비유의.
시사점: 기술 M&A 전략은 “큰 지식 풀 인수” 가 아니라 흡수·동화·변환·활용 전 단계에 영향을 미치는 dyadic fit 설계 문제. 작은 피인수 기업 + 유사한 지식 기반 + 누적 M&A 경험이 효율적 학습 조합.

biopharmaceutical 산업 기술 M&A 의 dyadic relative absorptive capacity 가 후속 혁신 성과에 미치는 효과의 conceptual model.

요약

기존 기술 M&A 문헌은 (1) M&A 자체 효과 (Wagner 2011, Valentini 2012), (2) 인수기업의 단독 특성 (Prabhu, Chandy, Ellis 2005; Desyllas 와 Hughes 2010), (3) 피인수기업의 단독 특성 (Ahuja 와 Katila 2001; Cloodt et al. 2006; Datta 와 Roumani 2015) 의 firm-level factor 에 집중했다. 그러나 Peter J. Lane (1998) 의 상대적 흡수역량 개념은 흡수역량이 partner pair 마다 달라짐을 시사하며, Bauer 와 Matzler (2014), Sears 와 Hoetker (2014) 의 최근 dyadic 연구도 acquisition 단계만 다뤘다. 이 논문은 Zahra 와 George (2002) 의 흡수역량 4단계 (acquisition → assimilation → transformation → exploitation) 프레임에 dyadic perspective 를 결합해, assimilation 단계 (technological similarity) 와 transformation·exploitation 단계 (technological digestibility) 의 영향 인자를 식별한다.

저자들은 1993-2007 biopharmaceutical 산업 212건 기술 M&A (Ahuja 와 Katila 2001 기준 — 피인수 기업이 직전 5년 내 1건 이상 patent 보유) 를 SDC Platinum + USPTO + Datastream 으로 구축. 종속변수 innovation performance 는 인수 후 1-3년 patent 신청 수 - 인수 전 1-3년 patent 신청 수 (Ernst 와 Vitt 2000). 종속변수의 92/212 (43%) 가 zero 라 zero-inflated-negative-binomial 사용 (Vuong test p=0.0000). 핵심 측정은 (1) technological similarity = patent class Jaccard 유사도, (2) technological digestibility = 피인수/인수 직원 수 비 (Hennart 1988) — 직원이 explicit + tacit 지식의 가장 강력한 저장소 (Argote 와 Ingram 2000) 이라 patent 비 보다 tacit 차원을 더 잘 포착, (3) M&A 경험 = 누적 M&A 건수.

결과는 dyadic perspective 의 명료한 증거다. (i) Technological similarity 역-U (H1) 는 main table 비유의지만 sensitivity test 에서 지지 — 적정 유사성이 assimilation 을 촉진하나 과도하면 additional stimuli 부재 (Ahuja 와 Katila 2001). (ii) Technological digestibility 계수 -1.52 (p<0.01) — 정의상 분자가 피인수 직원 수라 음(-) 계수가 양(+) 효과 의미 (Hennart 1988): 피인수가 인수 대비 작을수록 인수기업의 transformation·exploitation 부담이 줄어 혁신 성과 증가 (Ranft 와 Lord 2002; Cloodt et al. 2006). (iii) M&A 경험 +0.119 (p<0.01) — Hayward (2002) 의 acquisition-specific capability 학습 메커니즘 직접 지지. (iv) 조절 효과 (H4a/b) 는 비유의. 강진아 의 SNU 이론기 (2-3기) 외부 학습 라인 — alliance → CVC → M&A — 의 dyadic 시각 도입 작업이며, 지식 중첩 의 “중간 수준 최적” 패턴을 기술 M&A sector 에서 다시 확인한다. 후속 Reconfiguring the firm's core technological portfolio through open innovation: focusing on technological M&A · Is high-quality knowledge always beneficial? Knowledge overlap and innovation performance in technological mergers and acquisitions 가 동일 dyadic 프레임을 core portfolio 재구조화 · 지식 중첩의 질적·양적 차원 으로 확장.

핵심 결과

변수	Model 5 계수	표준오차	가설
Technological similarity (linear)	+1.073	1.644	H1 부분 지지 (sensitivity)
Technological similarity (sq)	-0.059	1.498	H1 부분 지지
Technological digestibility	-1.035*	0.572	H2 지지 (음 계수 = 양 효과)
M&A experience	+0.114**	0.054	H3 지지
Similarity × M&A experience	+0.017	0.105	H4a 비유의
Digestibility × M&A experience	-0.372	0.279	H4b 비유의
R&D intensity (control)	-0.029**	0.011	—
Nation (US dummy, control)	-1.046***	0.224	—

표본: N=212 M&A deal (zero=92), 113개 인수기업, log-likelihood = -396.36. *p<0.10, **p<0.05, ***p<0.01.

방법론 노트

종속변수가 43% zero count 라 zero-inflated-negative-binomial (Greene 1994) — Vuong test (Long 1997) p=0.0000 으로 ordinary 음이항 회귀 대비 우월.

핵심 측정:

\text{Technological Similarity}_{ij,t} = \frac{|PC_{i,t} \cap PC_{j,t}|}{|PC_{i,t} \cup PC_{j,t}|}

여기서 $PC_{i,t}$ 는 인수기업 $i$ 의 M&A 직전 3년 patent class 집합, $PC_{j,t}$ 는 피인수기업 $j$ 의 동일 기간 집합 (Jaccard 유사도, Carayannopoulos 와 Auster 2010).

\text{Technological Digestibility}_{ij,t} = \frac{\text{Employees}_{j,t}}{\text{Employees}_{i,t}}

(Hennart 1988) — 직원 수가 patent 보다 tacit knowledge 의 더 강력한 저장소 (Argote 와 Ingram 2000) 이라는 선택. 주의: 정의상 분자가 피인수 직원이라 digestibility 변수의 값이 클수록 흡수 어려움 → 음(-) 계수가 양(+) 효과 의미.

식별: 5년 patent valuation horizon (Van de Vrande, Vanhaverbeke, Duysters 2009) 과 patent 신청까지의 시차 (Rothaermel 과 Hess 2007) 를 반영해 1-3년 post-M&A window. 산업 paradigm shift (post-2000 dummy) 와 nationality (US dummy) 통제.

연구 계보

Absorptive Capacity: A New Perspective on Learning and Innovation 의 absorptive capacity, Peter J. Lane (1998) 의 relative absorptive capacity, Zahra 와 George (2002) 의 4단계 reconceptualization (acquisition·assimilation·transformation·exploitation), Hennart (1988) 의 technological digestibility, Kogut 과 Zander (1992), Grant (1996) 의 knowledge integration, Ahuja 와 Katila (2001), Cloodt et al. (2006), Lin 과 Jang (2010), Datta 와 Roumani (2015) 의 기술 M&A 실증, Bauer 와 Matzler (2014), Sears 와 Hoetker (2014) 의 최근 dyadic 연구, Hayward (2002) 의 M&A 경험 학습 메커니즘, Argote 와 Ingram (2000) 의 employees as knowledge repository 이론을 종합한다. 강진아 author page 의 실타래 4 (기술 M&A 와 지식 통합) 의 출발점으로, 외부 학습 라인 (Alliance Addiction: Do Alliances Create Real Benefits?, External Technology Acquisition: A Double-Edged Sword, Technological Diversification through Corporate Venture Capital Investments: Creating Various Options to Strengthen Dynamic Capabilities) 에서 다룬 비선형·“양날의 검” 패턴을 기술 M&A sector 로 옮긴다. 후속 Reconfiguring the firm's core technological portfolio through open innovation: focusing on technological M&A 가 core technological portfolio 재구조화 측면을, Is high-quality knowledge always beneficial? Knowledge overlap and innovation performance in technological mergers and acquisitions 가 지식 중첩의 질적·양적 차원을 확장.

인접 그래프

1-hop 이웃 21개

인물 4
방법론 2
개념 3
주제 1
수록처 1
분류 1
논문 9

휠 = 확대/축소 · 드래그 = 이동 · hover = 라벨 · 클릭 = 페이지 이동

이 문서를 가리키는 페이지

논문 (6)

인물 (1)

강진아