How to leverage the impact of firm-specific uncertainty on innovation performance? Moderating effects of alliance stage and partner type in the pharmaceutical industry

Hyejae Jung, 황준석, Eungdo Kim (2023) · Journal of Engineering and Technology Management 70:101781 · DOI ↗

본 연구는 제약 산업 에서 기업 특수적 불확실성 가 혁신 성과에 미치는 영향과 R&D 동맹의 조절 효과를 분석한다. 신약 개발 R&D 특성을 반영해 동맹 단계를 임상전 연구 (preclinical research) 와 약물 개발 (drug development) 로 구분하고, 공공·민간 파트너 효과를 함께 검증한다. 96개 미국 제약 기업의 MedTrack·Compustat·TotalPatent·Orange/Purple Book 통합 패널 (2001~2016) 분석 결과, 불확실성은 신제품 수에 양의 영향 (β=0.259, p<0.01) 을 가지며, 공공 동맹은 임상전 단계에서 관계를 강화 (β=6.051, p<0.05) 하나 약물 개발 단계에서는 무효, 민간 동맹은 약물 개발 단계의 신제품 산출에 음의 조절 (β=−0.097, p<0.1) 을 보인다.

• RQ: 제약 기업의 기업 특수적 불확실성 가 혁신 성과 (특허·신제품) 에 미치는 영향에서, 신약 R&D 단계 (임상전 vs 약물 개발) 와 파트너 유형 (공공 vs 민간) 별 동맹은 어떤 조절 효과를 가지는가?
• 방법론: 음이항 회귀 (특허), poisson-regression (신제품), 조절 분석 (alliance × uncertainty 상호항), autoregressive-uncertainty-forecasting (Ghosal–Ye 2015 식 잔차² 로 unforecastable sales 변동 측정)
• 데이터: 미국 제약 96개 기업 (FIPC 58 + VIPC 38), 2001~2016 패널, 2,327 동맹·68,515 PCT 특허·951 FDA 신약 (Stage 1 N=672, Stage 2 N=824)
• 주요 발견: H1 부분 지지 — 불확실성은 신제품에 양의 영향 (β=0.259, p<0.01), 특허는 무효. H2a 지지 — 임상전 공공 동맹 상호항 정 (β=6.051, p<0.05). H2b 기각 — 약물 개발 민간 동맹 상호항 부 (β=−0.097, p<0.1). RDINT 는 두 성과 모두 부 효과.
• 시사점: 동맹 전략은 단계 × 파트너 조합에 따라 차별화. 임상전엔 공공 (안정 자금·기초 과학 접근), 약물 개발엔 사적 자원 집중 또는 신중한 민간 선택.

요약

제약 산업은 신약 개발이 13년 이상 소요되고 다양한 기초·응용 학문이 결합되는 대표적 고불확실성 산업 이다. 기존 문헌은 기업 특수적 불확실성 가 투자에 미치는 효과를 주로 다루고, 동맹과 혁신 성과 관계는 직접 효과 중심으로 검토되어, 둘을 결합한 조절자 (moderator) 로서의 동맹 분석은 비어 있었다. 본 연구는 (i) 불확실성 자체를 정량 측정해 혁신 성과 (특허·신제품) 와의 관계를 직접 추정하고, (ii) 동맹을 단계 (임상전·약물 개발) × 파트너 (공공·민간) 로 분해해 그 조절 효과를 검증한다.

기업 특수적 불확실성 는 Ghosal & Ye (2015) 방식의 2차 AR 모형 잔차 제곱으로 측정 (매출 변동의 unforecastable 성분). 시차 구조는 불확실성 t−4 → 동맹 t−2 → 성과 t 로 설정. Stage 1 은 특허 (음이항 회귀) 와 신제품 (poisson-regression) 을 종속변수로, alliance × uncertainty 상호항으로 조절 효과를 추정. Stage 2 는 불확실성이 동맹 형성 자체에 미치는 효과를 검증. 주요 결과: (1) 불확실성은 신제품 성과에 양의 직접 효과 (β=0.259~0.283, p<0.01), 특허에는 무효. (2) 임상전 공공 동맹은 불확실성-신제품 관계를 강하게 정 (+) 으로 조절 (β=6.051, p<0.05; 특허도 β=7.070, p<0.1). (3) 약물 개발 민간 동맹은 신제품 산출의 불확실성 효과를 약화 (β=−0.097, p<0.1). (4) 약물 개발 공공 동맹은 유의한 조절 효과 없음. Stage 2 에선 불확실성이 약물 개발 공공 동맹 형성을 오히려 감소시킨다 (β=−1.117, p<0.1).

이 비대칭은 동맹 목적의 단계 차이 로 해석된다. 임상전엔 기초 과학·분자 라이브러리·인력 등 지식 자원 의 안정적 외부 조달이 결정적이고, 공공 기관 (정부 연구소·대학) 은 commercial 압력에서 자유로워 장기·기초 연구 자금을 제공한다. 반면 약물 개발 단계는 임상시험 비용·자산 확보가 핵심이라 동맹 자체 보단 자사 자원 집중이 효과적이며, 민간 동맹은 핵심 역량 노출과 정보 유출 위험으로 불확실성에서 비롯된 능동적 혁신 활동을 제약한다. 황준석 의 제약·바이오 산업 R&D 동맹 라인의 일환이며, Related and unrelated product diversification and collaboration strategies: Comparison between the pharmaceutical and biopharmaceutical industries 자매 작업과 동일한 데이터셋·industry context 를 공유한다.

핵심 결과

가설	변수 / 상호항	모형	계수	결론
H1	UNCERT (신제품)	M5~M8	0.259~0.283 (p<0.01)	부분 지지 (특허 무효, 신제품 정)
H2a	UNCERT × Pub_tech (임상전, 신제품)	M6	6.051 (p<0.05)	지지
H2a	UNCERT × Pub_tech (임상전, 특허)	M2	7.070 (p<0.1)	약한 지지
H2b	UNCERT × Pri_tech (약물개발, 신제품)	M8	−0.097 (p<0.1)	기각 (음의 조절)
H3 (Stage 2)	UNCERT_{t−1} → All_pub	M2	−0.546 (p<0.05)	기각 (감소)
H3 (Stage 2)	UNCERT_{t−1} → Pub_tech_dd	M6	−1.117 (p<0.1)	기각 (감소)

• 표본: 96개 미국 제약 기업, 2,327 동맹, 68,515 PCT 특허, 951 FDA 신약 (2001~2016)
• 통제: RDINT (음의 효과 일관), INV, 비기술 동맹 변수, alliance experience (Stage 2)
• Robustness: t+3~t+4 합산 성과로 시차 확장해도 임상전 공공 조절 부호·유의성 유지

방법론 노트

기업 특수적 불확실성 의 측정은 Banerjee & Siebert (2017) 가 적용한 unexplained sales variation 접근을 따른다. 매출 $Z_t$ 의 2차 AR 예측 모형을 추정해 forecastable 성분을 제거하고, 잔차 제곱을 기업-연도 단위 불확실성으로 정의한다:

$$Z_t = \alpha_0 + \alpha_1 Z_{t-1} + \alpha_2 Z_{t-2} + \varepsilon_t$$ $$\sigma_{i,t}^2 = (\widehat{\varepsilon}_{i,t})^2$$

여기서 $\widehat{\varepsilon}_{i,t}$ 는 기업 $i$ 의 연도 $t$ 매출 잔차로, 시장·경기 충격 등 외부 요인이 아닌 기업 고유 의 예측 불가 변동을 포착한다. 본문에선 자연로그 변환 ($UNCERT_t = \log \sigma_{i,t}^2$).

식별 전략의 핵심은 (i) 시차 (uncertainty t−4 → alliance t−2 → performance t) 로 동시성 편의 완화, (ii) 특허는 큰 분산 때문에 음이항 회귀, 신제품 (0소수) 은 poisson-regression 채택, (iii) alliance × uncertainty 상호항을 조절 분석 의 표준 형태로 투입해 조건부 한계 효과 를 분리. 동맹은 MedTrack 의 deal subcategory 를 (research·development·collaboration·JV) = 기술, (funding·manufacturing·distribution·marketing) = 비기술로 매핑하고 (Appendix A), 공공/민간 × 임상전/약물개발 2×2 로 추가 분해한다. R&D 단계 구분은 Paul et al. (2010), Banerjee & Siebert (2017), Wagner et al. (2018) 의 target-to-hit→preclinical (임상전) / Phase I-III→submission (약물 개발) 표준 분류를 따른다. 모든 모형의 표준오차는 firm 수준 cluster, VIF<1.23 로 다중공선성 문제 없음. Robustness check 는 시차 구조를 t+1t+2 합산으로 바꿔도 H2a 가 유지됨을 확인.

연구 계보

불확실성-혁신 관계의 이론적 토대는 Miller & Friesen (1983), York & Venkataraman (2010), Banerjee & Siebert (2017) 가 제공한다. 측정 방법은 Ghosal & Ye (2015), Caglayan et al. (2012) 의 sales-volatility 기반 firm-specific uncertainty 전통을 따르고, 시차 구조와 negative binomial 채택은 Lin et al. (2012), Banerjee & Siebert (2017) 와 정렬된다. 동맹의 조절 역할은 Hewitt-Dundas et al. (2019), Doblinger et al. (2019) 의 partner type 문헌, 신약 R&D 단계 분류는 Paul et al. (2010), Henderson & Cockburn (1996), Wagner et al. (2018) 에 의존한다. 황준석 의 제약·바이오 R&D 협력 라인 (5기 2024-2026 직전, 4기 2020-2023 후반 위치) 에서 Related and unrelated product diversification and collaboration strategies: Comparison between the pharmaceutical and biopharmaceutical industries 와 같은 MedTrack/Compustat 기반 패널을 공유하는 자매 작업이며, alliance × uncertainty 의 상호항을 통해 그 라인을 조절자 (moderator) 관점으로 확장한다.

See also

• 황준석
• Hyejae Jung
• Eungdo Kim
• Journal of Engineering and Technology Management
• 기업 특수적 불확실성
• R&D 동맹
• 제약 산업
• 음이항 회귀
• poisson-regression
• 조절 분석
• Related and unrelated product diversification and collaboration strategies: Comparison between the pharmaceutical and biopharmaceutical industries

인접 그래프

1-hop 이웃 12개

• 인물 3
• 방법론 2
• 주제 3
• 수록처 1
• 분류 1
• 논문 2

↻ 초기화

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

이 문서를 가리키는 페이지

논문 (1)

• Knowledge spillovers and innovation performance of the originator: The moderating effect of technological alliances

인물 (1)

• 황준석