Is the transition to electric vehicles a crisis or an opportunity? The South Korean automotive industry experience

Seoyoung Lee, Hongbum Kim, 황준석 (2025) · Journal of Asian Economics 98:101938 · DOI ↗

한국 자동차 산업의 EV 전환 (2008-2021) 이 위기인지 기회인지를 weighted directed 사회 네트워크 분석 + Network Positioning Matrix (degree × eigenvector centrality) 로 진단. KoDATA + Value Search 의 firm-level transaction 데이터 (946 firm, 226 municipality) 를 5 region (Capital / Yeongnam / Chungcheong / Honam / Gangwon) 으로 집계. 핵심 발견: 위기가 아니라 기회 — 2012-2013 의 일시적 축소 후 supply chain 이 expanded + distributed 되어 robustness 강화. Capital + Yeongnam (Hyundai, KIA 본사 hub) 유지, Honam (GM Korea Gunsan 폐쇄에도) 위치 유지, Chungcheong + Gangwon 이 periphery → ecosystem hub 로 성장.

RQ: 한국 자동차 산업의 EV 전환은 (i) 지역 산업 생태계에 위기인가 기회인가, (ii) 5 region 의 supply chain 내 position 이 어떻게 변화했는가, (iii) 어떤 region 이 새 ecosystem hub 로 부상하는가.
방법론: 사회 네트워크 분석 (Gephi 0.10.1, Geo-layout), weighted directed network (transaction volume = edge weight), 연결중심성 (Nieminen 1974), 고유벡터 중심성 (Bonacich 1987), Network Positioning Matrix (Lee & Kim 2018) — 2×2 matrix: ecosystem hub / local hub / bridge / peripheral.
데이터: KoDATA (corporate sales + supplier 정보) + Value Search (geographic + financial). 자동차 산업 (KSIC 분류) 1,457 firm 중 946 firm (511 제외, 데이터 불일치/중복). 2008-2021, 226 municipality, 5 region. 6 major 자동차사 (Hyundai Motor, Hyundai Mobis, KIA, GM Korea, Renault Korea, KG Mobility) 는 본사 대신 factory 주소 사용.
주요 발견: (i) 위기 → 기회 전환: 2012-2013 일시 축소 (Korea 자동차 생산 -2.1% / -1.4%, ICE 규제 강화 — CAFE 2006, Fleet average 2009, GHG 2012 규제) 후 2014 부터 회복. (ii) Network 복잡도 증가: nodes 72→92, edges 290→578, mean degree 8.06→12.57, eigenvector mean 0.116→0.193 (2008→2021). (iii) Region별 동학: Capital (0.1597→0.1923 maintained), Yeongnam (Hyundai Ulsan/KIA Hwaseong 기반 회복 후 0.2768 = 최고), Chungcheong (0.1574→0.1834, 새 ecosystem hub 로 성장), Gangwon (0.0333→0.1578, periphery → ecosystem hub 의 가장 큰 변화), Honam (GM Korea Gunsan 폐쇄에도 hub 유지). (iv) Tesla (Roadster 2008, Model S 2012) + 한국 Green New Deal (2020) + 2050 Carbon Neutrality + Hyundai E-GMP 2020 가 catalyst.
시사점: EV 전환이 “위기” 인식 (38% supplier 만 active prep) 과 반대로 supply chain robustness 강화. 정책은 (a) 지역별 차별화, (b) Chungcheong / Gangwon 같은 신생 cluster 지원, (c) National Charging Infrastructure Plan (2030 500,000 stations) 같은 장기 인프라 투자 필요.

연구의 공간 범위 — 5 region (Capital Area, Yeongnam, Chungcheong, Honam, Gangwon) 의 226 municipality 분포. National Atlas of Korea + Korean Statistical Information Service 의 표준 region 분류 채택. 본 paper 의 분석 단위.

요약

황준석 의 4-5기 (socio-technical-transition · 산업 전환) 라인의 EV 분기. Seoyoung Lee (SNU TEMEP) + Hongbum Kim (Gachon U College of Business, Building smarter cities together: Government-to-government partnerships in the development of smart cities 와 동일 PI) + 황준석 의 산업 산학협력. 황준석 author page anchor 의 “사회기술적 전환” 라인 — Sustainability of ride-hailing services in China's mobility market: A simulation model of socio-technical system transition (중국 ride-hailing) → The relationship between shared mobility and regulation in South Korea: A system dynamics approach from the socio-technical transitions perspective (한국 공유 모빌리티 SD) → Evaluating Korean commuters' acceptance of MaaS through the UTAUT framework (한국 MaaS UTAUT) → 본 paper (한국 EV 전환 공급망 network) 의 연장. 기존 연구는 (i) Cho & Kang (2024) 의 20 년 5 region 자동차 ecosystem 분석 (network indicator), (ii) Cho & Kim (2023) 의 2018 단년 분석 — 두 한계는 (a) transaction volume 미반영, (b) cross-sectional 한계. 본 paper 는 14 년 panel + transaction volume weight + 5 region position 변화 추적으로 차별화.

방법론 핵심은 Network Positioning Matrix. degree centrality (직접 link 수) 와 eigenvector centrality (중심 노드와의 연결 weight 합) 를 2×2 matrix 로 plot. 4 사분면:

Ecosystem Hub: high degree + high eigenvector (전 산업 리더)
Local Hub: high degree + low eigenvector (지역 내 영향력만)
Bridge: low degree + high eigenvector (bottleneck/gatekeeper)
Peripheral: low + low

이 framework 는 Lee & Kim (2018) 의 ICT ecosystem 분석, Lee et al. (2019) 의 patent 기반 technology convergence, Liu et al. (2022) 의 USPTO patent transfer 등에서 적용 — 본 paper 는 자동차 supply chain 에 처음 적용. Gephi 0.10.1 의 Geo-layout 으로 지리 좌표 위 visualization.

핵심 발견 셋. 첫째, 2012-2013 의 일시 축소는 위기가 아니라 transition pain — 국제 ICE 규제 (CAFE 2006, Fleet average 2009, GHG regulation 2012) + 한국 자동차 생산 -2.1%/-1.4% 의 결과. 2014 이후 EV transition 본격화로 회복. 둘째, network distributed 화가 robustness 강화 — Christopher & Peck (2004), Nazemi & Parragh (2022) 의 distributed network resilience 명제를 EV transition 사례로 실증. nodes / edges / eigenvector 모두 증가, 표준편차도 증가 (다양화). 셋째, Chungcheong + Gangwon 의 부상: Hyundai Steel + Hyundai Transys + Hankook Tire 의 Chungcheong 집중, Sejong (2012 행정수도) 신설, 정부의 regional automotive 지원 정책. Gangwon 은 0.0333 → 0.1578 의 가장 극적 성장. 한계: KoDATA + Value Search 의 firm-level data 만, 다른 산업 (semiconductor, battery 등) 과의 cross-industry network 미고려.

핵심 결과

Network indicator 시계열 (2008-2021) — degree centrality:

Year	Nodes	Edges	Mean	SD	Max
2008	72	290	8.06	9.93	44
2012	59	235	7.97	7.94	34 (저점)
2014	78	364	9.33	10.38	52 (회복)
2021	92	578	12.57	14.20	60

Eigenvector centrality: 2008 mean 0.116 → 2021 mean 0.193 (+66%).

Region 별 degree centrality (2010 → 2020):

Region	2010	2020	변화	분류 진화
Capital	0.1597	0.1923	+20%	Ecosystem Hub 유지
Yeongnam	(Hyundai/KIA hub)	0.2768	최고	Ecosystem Hub 유지
Honam	(변동)	(회복)	—	Hub 유지 (GM Korea 폐쇄에도)
Chungcheong	0.1574	0.1834	+16%	Periphery → Ecosystem Hub
Gangwon	0.0333	0.1578	+374%	Periphery → Local → Ecosystem Hub

6 major auto firms: Hyundai Motor, Hyundai Mobis, KIA, GM Korea, Renault Korea Motors, KG Mobility Corp.
글로벌 catalyst: Tesla Roadster 2008, Model S 2012; EU Euro 6d 2020; China NEV 2009; 한국 Green New Deal 2020 + 2050 Carbon Neutrality.
정책: Eco-friendly Vehicle Purchase Subsidy (2023: 2.8조 KRW + 0.5조 KRW 충전 인프라), National Charging Infrastructure Plan (2030 500,000 stations).

방법론 노트

Degree Centrality (Nieminen 1974) — 직접 연결 수:

C_D(P_k) = \sum_{i=1}^n a(P_i, P_k)

$a(P_i, P_k) = 1$ if direct link exists, $0$ otherwise. Hub region 식별.

Eigenvector Centrality (Bonacich 1987) — 연결된 노드의 중심도 가중합:

C_E(P_k) = \lambda e_k = \sum_{i=1}^n R_{ki} e_i

$e_k$ 는 행렬 $R$ 의 eigenvector, $\lambda$ 는 associated eigenvalue, $R_{ki}$ 는 두 노드 간 연결 강도 (transaction volume). recursive — 중심 노드와 연결된 노드가 중심.

Network Positioning Matrix (Lee & Kim 2018):

\text{Position}(R_k) = (C_D(R_k), C_E(R_k))

4 사분면 분류 (median split):

	Low $C_E$	High $C_E$
High $C_D$	Local Hub	Ecosystem Hub
Low $C_D$	Peripheral	Bridge

본 paper 는 5 region 의 2008-2021 trajectory 를 이 matrix 위에 plot 해 evolution 시각화.

Weighted Directed Network 구축: node = 지역 (city/municipality), edge = transaction $i \to j$ , weight = 연간 sales 비율. KoDATA 의 firm-level transaction data 사용, factory address 기준 (본사 bias 회피).

시간 범위: 2008-2021 14 년. 시작점 2008 — Tesla Roadster + 글로벌 EV 본격화. 종료점 2021 — Hyundai E-GMP 출시 + 한국 2050 Carbon Neutrality Scenario 선언.

연구 계보

황준석 author page anchor 의 “사회기술적 전환” + “혁신과 기업 성과” 두 라인이 교차하는 paper. 직계 ancestor:

(i) 사회기술적 전환 라인 (4-5기): Sustainability of ride-hailing services in China's mobility market: A simulation model of socio-technical system transition (중국 ride-hailing 지속가능성, T&I 2020, 23 cit) → The relationship between shared mobility and regulation in South Korea: A system dynamics approach from the socio-technical transitions perspective (한국 공유 모빌리티 SD, Technovation 2022, 10 cit) → 본 paper. 시스템 다이내믹스 (SD) → 사용자 수용 (UTAUT, Evaluating Korean commuters' acceptance of MaaS through the UTAUT framework) → 산업 공급망 (SNA, 본 paper) 의 분석 수준 다양화.

(ii) 네트워크 분석 라인: Identification of effective opinion leaders in the diffusion of technological innovation: A social network approach (의견 지도자 SNA, TFSC 2012, 206 cit) → Technology convergence capability and firm innovation in the manufacturing sector: an approach based on patent network analysis (특허 네트워크 TC, R&D Management 2019, 75 cit) → Redefining the role of investors in South Korea's startup ecosystem: A network analysis and explainable AI approach (투자자-스타트업 네트워크 XAI) → 본 paper (자동차 supply chain network). SNA 의 적용 대상이 의견 지도자 → 기술 → 투자자 → 공급망으로 확장.

기술적 reference: (i) EV transition: Berkeley et al. (2017) ICEV path dependency, Wu et al. (2021) petroleum socio-economic structure, Sykes & Axsen (2017) battery tech. Tesla, EU Euro 6d, China NEV 2009 등 글로벌 정책. (ii) Regional industrial ecosystem: Moore (1993) ecosystem framework, Kim et al. (2017), Lowe & Evans (1995), Korhonen & Snäkin (2005), Ashton (2008, 2009). (iii) Network positioning matrix: Lee & Kim (2018) ICT ecosystem 원조, Lee et al. (2019) patent + technology convergence, Liu et al. (2022) USPTO patent transfer. (iv) Supply chain resilience: Christopher & Peck (2004), Nazemi & Parragh (2022), Chopra (2003), Christopher & Towill (2001), Akın Ateş et al. (2022).

황준석 author page anchor 의 5기 “AI / EV / 글로벌 스마트시티” 분기의 paper 출력. 같은 author / 시기의 자매 paper: Evaluating Korean commuters' acceptance of MaaS through the UTAUT framework (MaaS 수용), Smart Mobility Solutions for Urban Transportation in ASEAN: A Bibliometric Study of Trends and Innovations (ASEAN 모빌리티), Systematic application of traffic-signal-control system architecture design and selection using model-based systems engineering and Pareto frontier analysis (TSCS MBSE) — 5 기 모빌리티 cluster 의 4 paper.

인접 그래프

1-hop 이웃 24개

인물 3
방법론 4
주제 3
수록처 1
분류 2
논문 11

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

이 문서를 가리키는 페이지

논문 (3)

인물 (1)

황준석