TEMEP Wiki

Research on the Logic of Product Evolution Using Agent-based Model

Seong-Jin Kim, 이정동, Euy-Young Jung (2016) · Portland International Conference on Management of Engineering and Technology (PICMET) ‘16

생산자 routine, 소비자 preference, 제품 feature 간 complementarity 의 세 요인을 에이전트 기반 모형 위에 결합해 제품 진화의 velocity 가 무엇에 의해 빨라지는지 검증. Universal Darwinism (변이·선택·복제) 의 조건을 시뮬레이션 환경 안에서 충족시킨 뒤 baseline 대비 비교. 생산자의 heterogeneity, 소비자의 heterogeneity, feature 간 complementarity 가 모두 클수록 진화 속도가 유의하게 증가.

  • RQ: 제품의 진화 속도 (velocity) 는 어떤 조건에서 빨라지는가, 생산자 routine 의 다양성·소비자 선호의 다양성·feature 간 complementarity 중 어느 것이 진화 동학의 1차 driver 인가.
  • 방법론: 에이전트 기반 모형, NK 모형, 헤도닉 가격 모형, 보편 다윈주의
  • 데이터: T=50 기간, N_firm=3, N_consumer=3,000, N_feature=5, 1,000 회 시뮬레이션 반복.
  • 주요 발견: 생산자 routine 이질 모형이 동질 baseline 대비 feature 1·2 velocity +0.090·+0.121 (p<0.001) 더 빠르고 revealed feature 수도 1.027 → 3.160 (3 배). 소비자 이질 모형도 feature 1·5 velocity +0.067·+0.046 (p<0.05). Complementarity 활성화 모형 (β_inter=1) 도 feature 1 velocity +0.073 (p<0.05).
  • 시사점: 혁신 정책은 이질 생산자의 진입 환경 (경쟁 활성화) 과 이질 소비자 신호 (technology-push 모형) 를 모두 고려해야 하며, 제품 개발 전략은 complementarity 가 높은 기술 묶음에 집중해야 함.

Fig 1. Producer routine (radical · incremental · imitation) + consumer hedonic utility + 시장 best-seller 정보가 결합되어 제품 feature 가 진화하는 ABM 의 시뮬레이션 사이클 구조도.

요약

진화경제학 의 An Evolutionary Theory of Economic Change 이래 firm routine 이 유전자처럼 상속된다 는 명제는 비유적 호소력에 비해 실증적 검증 수단이 빈약했다. 본 논문은 에이전트 기반 모형 을 통해 routine 다양성, 소비자 preference 다양성, feature complementarity 의 세 채널을 분리해 각각이 제품 진화 속도에 미치는 영향을 통제 실험 으로 측정한다. 이는 이정동 author page 의 제4기 진화론적 전환의 선언 라인의 algorithmic ancestor 로, 진화론적 어휘를 비유 가 아닌 측정 가능한 메커니즘 으로 격상시키는 분기점에 해당한다.

분석은 생산자 P=[P₁,…,P_n], 소비자 C=[C₁,…,C_m] 의 에이전트 기반 모형 위에서 제품을 design parameter 벡터 G=[g₁,…,g_N] + function 벡터 F=[f₁,…,f_K] 로 표현하고, feature 간 상호작용을 NK 모형 의 generalized 형식 (K≤1) 으로 모델링한다. 생산자는 radical · incremental · imitation 3 routine 의 가중치 (w_R, w_I, w_C) 를 가지며 best-selling 제품을 모방·개선·돌파한다. 소비자는 헤도닉 가격 모형 의 효용 함수 (β_{i,s} 가 feature s 에 대한 선호) 위에서 효용 극대화로 구매. 검증은 baseline (생산자 routine 분포 {0.0, 1.0, 0.0} 와 같이 1 차원 routine 만 보유) 대비 heterogeneous routine 시 진화 velocity (final period 의 max feature 수준 평균) 가 얼마나 증가하는지 비교. Hypothesis 1·2·3 모두 5% 이상 유의수준에서 baseline 우위를 확인.

본 논문의 simulation 결과는 author page anchor 의 2013 년 Evolutionary Patterns of an Artifact: The Mobile Phone (한국 모바일폰 370 개 phylomemetic tree) 와 비유 → 알고리즘 의 같은 격상 흐름에 위치하지만, 데이터 기반 phylomemetic 작업이 실제 제품 history 에서 진화 패턴을 기술 하는 것이라면 본 ABM 은 가상 시장 에서 진화 메커니즘을 생성 하는 보완적 작업. 같은 batch 의 Growth of De Alio and De Novo firms in the new and renewable energy industry (firm-level entry mode 의 분위회귀 분석) 가 진화경제학의 회귀 검증 갈래 라면, 본 paper 는 진화경제학의 simulation 검증 갈래 로 자매 작업의 페어를 이룬다. ABM 의 한계 — N_firm=3, N_feature=5, T=50 의 작은 차원 — 는 후속 작업에서 mobile phone 11,013 개 phylogenetic tree 같은 실 데이터 와 결합되어 완성된다.

핵심 결과

baseline (homogeneous routine, single consumer group, β_inter=0) 대비 세 가설별 velocity 차이 (final period, T=50):

가설모형Feature 1Feature 2Revealed N유의수준
H1 생산자 이질hetero vs homo routine+0.090+0.121+0.133 (1.027→3.160)p<0.001
H2 소비자 이질2 group vs 1 group+0.067+0.017+0.071p<0.05 (feat 1)
H3 complementarityβ_inter=1 vs 0+0.073+0.008+0.076p<0.05

세 가설 모두 feature 1 velocity 가 가장 유의하게 증가하며, 특히 H1 의 revealed feature 수 3 배 증가는 routine 다양성이 진화의 방향 (variation) 도 함께 확장함을 시사. velocity 자체의 차이는 0.070.12 로 작아 보이지만 baseline 대비 46% 의 누적 진화 격차에 해당.

방법론 노트

에이전트 기반 모형 은 진화경제학 의 bounded rationality + path dependency + heterogeneity 가정을 미분방정식으로 표현하기 어려울 때 생성적 (generative) 으로 검증하는 도구. Nelson-Winter 의 routine 명제는 균형 분석으로는 검증 불가능 — 단 simulation 안에서 routine 의 분포를 조작해 결과 분포를 관찰할 수 있다.

핵심 식 (소비자 효용):

UCj,total=∑s=1Sβi,sas+(1+βnew)βCj+1as+1+βinter⋅random{a1,...,as}⋅as+1−pU_{C_j,\text{total}} = \sum_{s=1}^{S} \beta_{i,s} a_s + (1 + \beta_{\text{new}})\beta_{C_j+1} a_{s+1} + \beta_{\text{inter}} \cdot \text{random}\{a_1,...,a_s\} \cdot a_{s+1} - p

여기서 asa_s 는 feature ss 의 quality level, βi,s\beta_{i,s} 는 소비자 ii 의 feature ss 에 대한 hedonic 선호, βnew\beta_{\text{new}} 는 새 feature 추가 시 추가 weight, βinter\beta_{\text{inter}} 는 feature 간 complementarity 의 강도, pp 는 제품 가격.

생산자 routine 의 성공 확률은 PRi=PRwRiP_{R_i} = P_R w_{R_i} (radical), PIi=PIwIiIi/countIP_{I_i} = P_I w_{I_i} I_i / \text{count}_I (incremental), PCi=PCwCiIi/countCP_{C_i} = P_C w_{C_i} I_i / \text{count}_C (imitation) 로 routine weight × R&D 투자 × feature 수의 곱으로 결정. 검증은 동일 random seed 1,000 회 반복 후 welch t-test 로 baseline 차이의 유의성을 검정. Ma & Nakamori (2005) 의 ABM 결과와 cross-validation (Appendix 2) 으로 모델 robustness 확인.

연구 계보

An Evolutionary Theory of Economic Change 의 routine 명제와 Ma & Nakamori (2005) 의 multi-agent 혁신 simulation 을 직접 building block 으로 사용하며, 제품 feature 의 NK 모형 (Kauffman & Weinberger 1989) 위에 헤도닉 가격 모형 을 결합한 hybrid 구조. Saviotti & Metcalfe (1984) 의 genotype-phenotype map for technology 와 보편 다윈주의 (Aldrich, Hodgson, Hull 2008) 이 핵심 framing. TEMEP 내부에서는 이정동 author page anchor 의 제4기 진화론적 전환의 선언 라인의 algorithmic ancestor 로, Evolutionary Patterns of an Artifact: The Mobile Phone (PICMET ‘13 모바일폰 phylomemetic) 의 비유 → 알고리즘 격상 연장에 위치. 같은 batch 의 Growth of De Alio and De Novo firms in the new and renewable energy industry 와 진화경제학의 simulation vs 회귀 페어 로 자매 작업 (author page anchor 가 2013 mobile + 2014 mobile routine PICMET 시리즈를 같은 라인으로 분류).

See also

인접 그래프

1-hop 이웃 20개
  • 인물 5
  • 방법론 3
  • 개념 2
  • 주제 3
  • 수록처 1
  • 분류 1
  • 논문 5
이정동Euy-Young JungJames M. UtterbackRichard R. NelsonSeong-Jin Kim에이전트 기반 모형헤도닉 가격 모형NK 모형기업 루틴보편 다윈주의소비자 이질성제품 진화진화경제학Portland Internat…혁신 경제학 Research on the Logic…
휠 = 확대/축소 · 드래그 = 이동 · hover = 라벨 · 클릭 = 페이지 이동