Linking the firm's knowledge network and subsequent exploratory innovation: a study based on semiconductor industry patent data

S. Joseph Yoon, Klaus Marhold, 강진아 (2017) · Innovation: Organization & Management 19(4):463-482 · DOI ↗

기업의 지식 네트워크 를 노드 (지식 요소) 와 엣지 (지식 결합) 의 가중 네트워크로 표현하고, Henderson 와 Clark (1990) 의 구성요소 지식 ↔ 구조적 지식 구분에 따라 누적된 두 종류 지식이 신규 요소·신규 결합 의 생성에 어떻게 영향을 주는지 분석한다. 2000–2010 미국 반도체 111개 기업, 608개 firm-year 패널, 5년 sliding window 로 동학을 포착한다. 누적 결합 ↔ 신규 결합 사이 역-U 관계 ( $\beta=0.466, \beta^2=-0.030$ ), 누적 요소 ↔ 신규 결합 양의 관계 ( $\beta=0.032$ ), 누적 결합 ↔ 신규 요소 양의 관계 ( $\beta=0.097$ ) 가 확인된다.

RQ: 누적된 architectural knowledge (지식 결합) 와 component knowledge (지식 요소) 는 신규 요소·신규 결합의 생성에 어떻게 영향을 주는가, 두 차원은 어떻게 상호 작용하는가?
방법론: 패널 분석, 특허 분석, 음이항 회귀, 사회 네트워크 분석
데이터: 미국 반도체 산업 (SIC 3674) 111개 기업, 608 firm-year 관측, 5년 sliding window 6회 (2000–2004 ~ 2005–2009), USPTO 특허 103,787건 + Compustat + SDC Platinum
주요 발견: 누적 결합 ↔ 신규 결합 역-U (Wald χ² = 99.81); 누적 요소 ↔ 신규 결합 양 (+0.032); 누적 결합 ↔ 신규 요소 양 (+0.097); 누적 요소 ↔ 신규 요소 가설 (H2b 역-U) 은 기각
시사점: 재결합 역량이 강한 기업은 외부 sourcing 으로 새 요소 를 확보하는 전략이, 기술 지식이 강한 기업은 기존 요소의 새 결합 전략이 유리. 지식 네트워크의 동학적 관리 가 핵심

Figure 1. 기업 지식 네트워크의 시간적 변화: 기존 노드·엣지 반복은 활용적 발명, 새 노드·엣지 출현은 탐험적 발명을 의미한다. 두 차원을 분리해 측정하는 framework 의 시각화.

요약

기업의 지식 자원은 단순한 요소의 합이 아니라 요소 간 결합 까지 포함하는 지식 네트워크 로 표현된다 (Fleming 2001, Sorenson 과 Fleming 2004). 그러나 기존 연구는 (i) 지식 요소 의 속성에만 집중하고 결합의 역할은 다루지 않았으며 (Srivastava 와 Gnyawali 2011, Wang et al. 2014), (ii) cross-sectional 분석에 머물러 네트워크의 시간적 변화 를 포착하지 못했고, (iii) Dibiaggio, Nasiriyar, Nesta (2014) 가 처음으로 신규 결합 생성을 다뤘으나 patent-level 에 머물러 firm-level 동학으로 확장하지 못했다. 이 paper 는 Henderson 와 Clark (1990) 의 component·architectural framework 를 지식 네트워크 의 노드·엣지에 매핑해, 두 종류 누적 지식이 두 종류 신규 지식 (요소·결합) 에 미치는 네 가지 효과 를 동시에 검증함으로써 이 빈 자리를 채운다.

USPTO 의 primary 3-digit 기술 클래스를 노드, 같은 특허에 공동 출현하는 클래스 쌍을 엣지로 정의하고 tie strength (공동 출현 횟수) · node size (사용 횟수) 가중 네트워크를 구성한다. 2000–2014 미국 반도체 157개 기업의 특허 103,787건에서 시작해, 5년 window 를 1년씩 6회 이동시킨 패널 (firm-year 608개, 111개사) 을 만들고 종속변수는 1년 lag. 패널 분석 · 음이항 회귀 (fixed-effect, Hausman test 기반) 결과: (H1a) 누적 결합 ↔ 신규 결합 역-U — $\beta=0.466, p<.01$ , 제곱항 $\beta=-0.030, p<.05$ ; (H1b) 누적 결합 ↔ 신규 요소 양 — $\beta=0.097, p<.10$ ; (H2a) 누적 요소 ↔ 신규 결합 양 — $\beta=0.032, p<.01$ ; (H2b) 누적 요소 ↔ 신규 요소 역-U 는 기각. 통제 변수에서 firm size, R&D intensity, number of clusters 가 신규 결합에 +, number of clusters 가 신규 요소에 −.

이 결과는 architectural 학습의 path dependency 함정 (적정 수준 넘으면 routine·NIH 로 새 결합 감소) 과 component·architectural 의 상호 양의 관계 (서로의 형성을 돕는다) 를 동시에 보여준다. 강진아 의 지식 네트워크 라인의 동학적 framework 첫 작업이며, 후속 Yoon et al. 2022 의 네트워크 구조 + 지식 구성 상호작용 연구로 직접 이어진다. 단일 산업 (반도체), 특허 데이터만 사용, 경영진 개입 미반영이 한계로 명시된다.

핵심 결과

가설	관계	계수 (β)	유의수준	지지 여부
H1a	누적 결합 → 신규 결합 (역-U)	0.466 / −0.030²	p<.01 / p<.05	지지
H1b	누적 결합 → 신규 요소 (양)	0.097	p<.10	지지
H2a	누적 요소 → 신규 결합 (양)	0.032	p<.01	지지
H2b	누적 요소 → 신규 요소 (역-U)	−0.006 / 0.000²	n.s.	기각

표본 평균: 신규 결합 13.10 / 신규 요소 3.34 / 누적 결합 2.21 / 누적 요소 9.39, N = 608 firm-year, 111 firms, VIF 평균 2.04.

방법론 노트

지식 자원을 count data 로 측정하므로 분산 > 평균 (overdispersion) 을 허용하는 음이항 회귀 이 적합하고, 기업별 unobserved heterogeneity 통제를 위해 fixed-effect (Hausman test 기반) 를 채택한다. 5년 sliding window 는 특허 지식의 감가 (Mehta, Rysman, Simcoe 2010; Park, Shin, Park 2006) 를 반영한다. 핵심 회귀식:

\mathbb{E}[\text{NewComb}_{i,t}] = \exp(\alpha_i + \beta_1 \text{AccComb}_{i,t-1} + \beta_2 \text{AccComb}^2_{i,t-1} + \beta_3 \text{AccElem}_{i,t-1} + X_{i,t-1}\gamma + \delta_t)

여기서 $\text{AccComb} = \overline{w}(\text{ties})$ (가중 엣지 평균), $\text{AccElem} = \overline{s}(\text{nodes})$ (노드 사용 횟수 평균), $X$ 는 firm size, R&D intensity, network density, degree centrality, number of clusters, alliance partners, $\delta_t$ 는 year dummy. $\beta_1 > 0, \beta_2 < 0$ 이 역-U 관계 가설. 동일 사양으로 신규 요소도 추정.

연구 계보

Henderson 와 Clark (1990) 의 component·architectural knowledge framework 와 Fleming (2001), Fleming 과 Sorenson (2001, 2004) 의 지식 재결합 검색 이론이 직접 기반이다. March (1991) 의 탐색-활용, Yayavaram 과 Ahuja (2008) 의 지식 클러스터링·decomposability, Carnabuci 와 Operti (2013) 의 recombinant capabilities, Phelps (2010), Wang et al. (2014), Guan 과 Liu (2016) 의 지식 네트워크 와 혁신 연구를 종합한다. Dibiaggio, Nasiriyar, Nesta (2014) 의 patent-level 신규 결합 분석을 firm-level 동학으로 확장. 강진아 author page 의 2기 (2013–2018) 외부 지식 탐색의 구조적 역학 시기, 실타래 5: 네트워크와 지식의 상호작용 라인에 위치하며, Kim 과 Kang 2015 (배태성의 양면 효과) 의 다음 단계로 분류된다.

인접 그래프

1-hop 이웃 15개

인물 3
방법론 4
개념 4
주제 1
수록처 1
분류 1
논문 1

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

이 문서를 가리키는 페이지

논문 (1)

Exploratory Innovation through Gaining Knowledge from Alliance Portfolio: Interplay between Network Structure and Knowledge Composition