Growth versus equity: A CGE analysis for effects of factor-biased technical progress on economic growth and employment

Sungmoon Jung, 이정동, Won-Sik Hwang, Yeongjun Yeo (2017) · Economic Modelling 60:424-438 · DOI ↗

노동절약·숙련편향 (skill-biased) 기술 진보가 동시에 일어나면 혁신 주도 성장이 일자리와 임금 분배에 어떤 영향을 주는가를 연산일반균형 분석 로 분석한다. 지식자본 (knowledge capital) 이 R&D 투자로 축적되고 지식 파급 가 산업 간 전파되는 knowledge-based CGE 를 구축한 뒤, 한국 경제의 2010–2030 시뮬레이션에서 R&D 집약도 시나리오 (3% / 4% / 5%) 를 비교한다. R&D 5% 시나리오 (SCN2) 는 GDP 16.2% 추가 성장과 14.4% 추가 고용을 만들지만 동시에 고숙련 노동·자본의 가치 추가 (value-added) 비중을 키워 숙련 프리미엄 이 17.7% 상승하고 소득 상위 10% 의 비중이 커지는 양극화를 동반한다.

• RQ: 한국 경제에서 R&D 집약도를 5% 까지 끌어올리는 혁신 주도 성장 시나리오가 GDP·고용·소득분배에 미치는 동시 효과는 무엇이며, 기술 진보의 factor bias (숙련·자본 편향) 가 어디서 income inequality 를 키우는가?
• 방법론: 연산일반균형 분석, CES 생산함수 (2-level nested), 지식 파급 (Terleckyj 1980 방식), 사회회계행렬
• 데이터: 한국 산업연관표 27개 부문, 20개 소득 분위 가구, 기준 연도 2010 (지식 stock 약 134조 KRW 민간 + 43조 KRW 공공), 시뮬레이션 2010–2030
• 주요 발견: SCN2 (R&D 5%) 가 BAU 대비 2030년 GDP +16.2%, 총고용 +14.4%, 고숙련 노동수요 +26.5%, 숙련 프리미엄 +17.7%, 지식소득 +26.0% 를 만듦. 동시에 상위 10% 의 소득 비중이 BAU 의 26.08% → SCN2 의 26.19% 로 증가하고 십분위배율은 0.328 → 0.326 으로 축소.
• 시사점: 혁신 주도 성장은 “성장 vs 형평성 (growth vs equity)” 의 정책 딜레마를 강화한다. 교육 (up-skilling, re-training), 누진세, 사회보장이 함께 가야 혁신의 과실 이 광범위하게 분배된다.

요약

이 논문은 1990년대 후반부터 미국·유럽에서 관찰된 jobless growth — 생산성은 오르지만 고용은 늘지 않거나 줄어드는 현상 — 가 한국 경제의 혁신 주도 성장 경로에 어떻게 작용하는지를 묻는다. Brynjolfsson and McAfee (2014) 이래의 machine 과의 경주 담론, Stiglitz (2014) 의 혁신-임금 정체 진단이 거시 차원에서 한국에 적용 가능한가를 정량화한다는 점이 의의이다. 이는 기술경영경제정책전공 의 이정동 가 주도해온 축적의 시간 / 기술 능력 논의를 처음으로 거시 CGE 의 산업·소득 분배 차원으로 끌어올린 작업으로, Won-Sik Hwang 가 박사 과정에서 발전시킨 knowledge-based CGE 와 Yeongjun Yeo 의 산업 분류 작업이 결합되었다.

방법론 면에서 핵심은 두 가지이다. 첫째, knowledge-based 연산일반균형 분석 의 production function 에 지식자본 ($H_i$) 을 명시적으로 도입하고, CES 생산함수 의 substitution elasticity 를 두 단계로 분리 한다. 첫 번째 단계는 고숙련 노동 (L3), 물적 자본 (K), 지식 (H) 의 보완 (complement) 관계 ($\sigma_1 = 0.67 < 1$), 두 번째 단계는 보완체 HLK 와 숙련 (L2)·미숙련 노동 (L1) 의 대체 (substitute) 관계 ($\sigma_2 = 1.67 > 1$) 이다. 이 비대칭이 곧 숙련편향적 기술변화 와 자본편향적 기술변화 의 기계적 표현이다. 둘째, 지식 파급 는 산업연관표의 중간재 거래량에 비례하도록 Terleckyj (1980), Hwang and Lee (2014) 방식으로 도입해, R&D 의 외부효과가 산업 사이로 흐르는 경로를 명시한다. R&D 투자는 토빈 Q 논리로 내생화되어 시나리오에 따라 결정된다.

시뮬레이션 결과는 두 가지 의미층을 갖는다. 표면적으로는 R&D 5% 시나리오 (SCN2) 가 모든 거시 지표에서 우월 — GDP 성장률 (연 2.4% vs BAU 1.7%), 모든 숙련 수준의 고용 (특히 고숙련 +121.3%), R&D 부문 고용 (+150.9%) 이 BAU 를 압도한다. 그러나 분배 차원에서는 반대 신호가 나온다. 고숙련 임금의 27%, 자본 수익의 비중이 함께 증가하면서 가치 추가 (value-added) 구성이 자본·지식·고숙련 쪽으로 기울고, 숙련 프리미엄 이 17.7% 상승하며 미숙련·숙련 노동의 상대적 손실이 커진다. 결국 상위 10% 의 소득 점유율이 늘어 십분위배율로 측정한 분배 악화가 나타난다. 저자들은 이를 두고 technological change creates both winners and losers 라는 명제를 한국 데이터로 확인했다고 본다. 한계는 시뮬레이션이 substitution elasticity 의 표 (Krusell et al. 2000) 에 의존하며, 민감도 분석 (SCN2-LOW, SCN2-HIGH) 으로 방향성은 robust 함을 확인하지만 정확한 magnitude 는 elasticity 가정에 좌우된다는 점이다.

핵심 결과

지표 (2030년, BAU 대비)	SCN1 (R&D 3%)	BAU (4%)	SCN2 (R&D 5%)
GDP 수준 변화 (%)	-5.3	0 (기준)	+16.2
총 노동수요 (%)	-5.2	0 (기준)	+14.4
고숙련 노동수요 (%)	-7.6	0 (기준)	+26.5
미숙련 노동수요 (%)	비교 적음	0 (기준)	+11.5
고숙련/미숙련 숙련 프리미엄	-3.13	0 (기준)	+17.74
지식 소득 (knowledge income)	비교 적음	0 (기준)	+26.0

• R&D 부문 고용 증가율 (2010→2030): SCN1 47.4% · BAU 60.9% · SCN2 150.9%
• 십분위배율 (decile distribution ratio, 클수록 분배 평등): BAU 0.328 · SCN2 0.326 (악화)
• 상위 10% 소득 점유율: BAU 26.08% → SCN2 26.19% (증가)

방법론 노트

가치 추가 (value-added) 의 생산 함수가 2-level nested CES 생산함수 로 모형화되어, factor bias 의 두 측면이 substitution elasticity 의 부등호로 직접 표현된다. 핵심 식:

$$HLK_i = \theta_{1i} \left( \beta_{1i} L3_i^{-\rho_1} + \beta_{2i} K_i^{-\rho_1} + (1 - \beta_{1i} - \beta_{2i}) H_i^{-\rho_1} \right)^{-1/\rho_1}$$ $$VA_i = \theta_{2i} \left( \beta_{3i} L1_i^{-\rho_2} + \beta_{4i} L2_i^{-\rho_2} + (1 - \beta_{3i} - \beta_{4i}) HLK_i^{-\rho_2} \right)^{-1/\rho_2}$$

여기서 $L1, L2, L3$ 은 미숙련·숙련·고숙련 노동, $K$ 는 물적 자본, $H$ 는 지식 자본, $HLK$ 는 1차 합성 (고숙련·자본·지식의 보완 결합), $\sigma_1 = 1/(1+\rho_1) = 0.67$ (보완), $\sigma_2 = 1/(1+\rho_2) = 1.67$ (대체).

식별 핵심: $\sigma_1 < 1$ 은 H·L3·K 가 함께 늘어나야 효과적임을 (보완체), $\sigma_2 > 1$ 은 합성체 HLK 가 L1·L2 를 대체 함을 표현한다. 이 비대칭이 곧 숙련편향적 기술변화 의 모형적 정의이다. R&D 5% 시나리오에서 H 가 빠르게 늘면 HLK 가 팽창하고, $\sigma_2 > 1$ 때문에 L1·L2 의 수요가 상대적으로 줄어 임금 격차가 벌어진다. 지식의 산업간 spillover 는 $SPCOEFF_i = spc0_i \cdot INTINDST_i^{rdelas_i} \cdot H_{public}^{grdelas_i}$ 로 모형화되어 TFP 개선을 통해 다른 산업의 가치 추가에 비례적으로 기여한다.

연구 계보

이 논문은 기술경영경제정책전공 의 knowledge-based CGE 라인 (Validation of an R&D-based computable general equilibrium model, A CGE analysis for quantitative evaluation of electricity market changes) 을 직접 잇는다. Won-Sik Hwang 의 박사 논문에서 발전된 지식자본 CGE 구조를 차용하고, factor-biased technical change 의 미시 경제학적 근거는 Krusell et al. (2000), Acemoglu (2002) 의 SBTC 문헌에 닿는다. jobless growth 의 거시 진단은 Brynjolfsson and McAfee (2012, 2014), Stiglitz (2014), Mallick and Sousa (in press) 의 흐름을 따른다. 기술경영경제정책전공 내에서 이정동 가 주도한 축적의 시간 논의 — implementation capability 의 무게로 한국이 도달한 성장 정체의 분배적 측면 — 의 거시 CGE 표현으로 author page anchor 의 축적 → 분배 긴장 라인에 속한다. Macroeconomic effects of R&D tax credits on small and medium enterprises 와는 R&D 정책의 거시 효과 분석이라는 sibling 관계.

See also

• 이정동
• Won-Sik Hwang
• Sungmoon Jung
• Yeongjun Yeo
• 연산일반균형 분석
• 지식 파급
• 숙련편향적 기술변화
• 자본편향적 기술변화
• 숙련 프리미엄
• 소득 불평등
• 고용 없는 성장
• Validation of an R&D-based computable general equilibrium model
• A CGE analysis for quantitative evaluation of electricity market changes
• Macroeconomic effects of R&D tax credits on small and medium enterprises

인접 그래프

1-hop 이웃 25개

• 인물 4
• 개관 1
• 방법론 3
• 개념 1
• 주제 7
• 수록처 1
• 분류 2
• 논문 6

↻ 초기화

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

이 문서를 가리키는 페이지

논문 (3)

• CGE analysis of R&D investment policy considering trade-offs between economic growth and stability
• How Susceptible are Skills to Obsolescence? A Task-Based Perspective of Human Capital Depreciation
• Revitalizing the race between technology and education: Investigating the growth strategy for the knowledge-based economy based on a CGE analysis

개념 (1)

• 지식 파급

방법론 (2)

• 사회회계행렬
• 연산일반균형 분석