Dynamic relationship between technological knowledge and products: diversification strategy for firm growth

Taewon Kang, Chulwoo Baek, 이정동 (2021) · Technology Analysis & Strategic Management 33:653-669 · DOI ↗

한국 상장 제조업 595 firm 의 1988-2014 패널에서 지식 공간 (KS) 와 제품 공간 (PS) 의 전략적 선택 이 어떻게 공진화 (지식-제품) 하는지 동적 프로빗 모형 로 분석. 과거 지식 혁신 이 현재 제품 혁신 을 유의하게 견인하지만 역방향 (PS → KS) 은 비유의 — 한국 제조업의 지식-제품 동학 이 비대칭 임을 정량화. 또한 엔트로피 지수 (다각화 지표) 로 측정한 기술 다각화 (Tech_DIV) 와 제품 다각화 (Prod_DIV) 의 상호작용 이 매출 성장에 미치는 영향을 추정해, 특화된 지식 + 다각화된 제품 의 조합이 가장 빠른 성장을 만든다는 역설적 패턴을 보인다.

RQ: (1) firm 의 기술 다각화 과 제품 다각화 패턴이 지식 공간 와 제품 공간 의 전략적 선택 간 동적 관계를 통해 어떻게 결정되는가, (2) 두 다각화의 결합 이 firm 매출 성장에 어떤 영향을 미치는가.
방법론: 동적 프로빗 모형, 특허 분석, 엔트로피 지수 (다각화 지표), Heckman 선택 모형, 패널 데이터, 현시 기술 우위 (RTA)
데이터: 한국 제조업 상장 firm 595 개의 1988-2014 unbalanced panel (관측치 2,836), KIS-VALUE 재무 + PATSTAT 특허 데이터베이스 (Autumn 2017) 4-digit IPC 특허 + Thomson Reuters Worldscope 10 시장 segment, Lybbert and Zolas (2014) IPC↔NAICS↔SIC 4-digit concordance, aML (Applied Maximum Likelihood) 으로 추정.
주요 발견: 지식 → 제품 방향 유의 (KS_Inno_t-1 → PS_Inno_t coefficient +0.194, p<0.01), 역방향 (PS → KS) 비유의. 매출 성장 회귀 (sales growth = OLS with year & firm FE) 에서 Prod_DIV +0.252 (p<0.01), Tech_DIV 본 효과 비유의 (+0.042), Tech_DIV × Prod_DIV 상호작용 -0.096 (p<0.01). 특화 지식 + 다각화 제품 조합의 성장 우위 — Dosi, Grazzi, and Moschella (2017) 의 stylized fact 확장.
시사점: firm 은 특화 지식 을 누적하고 그것을 다양한 시장 segment 에 적용해야 함. 핵심 지식 가 있는 firm 만 제품 다각화 의 성장 효과를 누림 (split sample robustness).

Tech_DIV × Prod_DIV interaction 의 fitted 성장률 — 낮은 Tech_DIV (특화 지식) 에서 Prod_DIV 가 가파른 양의 기울기를 보이지만 높은 Tech_DIV (다각화 지식) 에선 Prod_DIV 가 성장을 보장하지 않음. 역설적 우위 패턴이 시각화된다.

요약

본 paper 는 Chulwoo Baek - Taewon Kang - 이정동 의 듀크성 협업 cohort 의 2021 정점 작업이다. 직전 The persistency and volatility of the firm R & D investment: Revisited from the perspective of technological capability (Research Policy) 가 R&D persistency 의 기술 능력 비대칭 조절, R&D activities for becoming a high-growth firm through large jumps: evidence from Korean manufacturing (AJTI) 가 large-jump 의 2-stage 동학, Effects of knowledge accumulation strategies through experience and experimentation on firm growth (TFSC) 가 experience-experimentation 의 단계 의존성을 다뤘다면, 본 paper 는 지식 다각화 × 제품 다각화 × 성장 의 3-way 동학으로 firm-level capability building 의 narrative 를 완성한다. 핵심 기여 두 가지: (1) 지식 공간 와 제품 공간 간 동적 인과 방향 의 비대칭 (지식 → 제품 유의, 제품 → 지식 비유의), (2) 기술 다각화 과 제품 다각화 의 상호작용 이 역설적 으로 음 — 즉 분산된 다각화 가 아니라 특화 지식 + 다각화 제품 의 비대칭 조합 이 최적 전략.

데이터 구축은 3 데이터셋 결합 의 정밀 작업이다. KIS-VALUE 의 재무 정보 + PATSTAT 특허 데이터베이스 의 4-digit IPC 특허 (firm name cleaning 으로 applicant linking) + Thomson Reuters Worldscope 의 10 market segment 정보. IPC ↔ SIC concordance 는 Lybbert and Zolas (2014) 의 IPC ↔ NAICS 변환표를 SIC 로 변환해 사용 — 지식 type 과 제품 segment type 을 동일 technological field 분류로 통합. 표본은 1988-2014 한국 상장 제조업 595 firm 의 2,836 firm-year, 비균형 패널. Strategic choice 정의: KS_Inno (지식 혁신) 와 PS_Inno (제품 혁신) 의 dummy + 각각의 3 sub-category (existing fields/segments, new fields/segments, both). 표 1 에 따르면 관측치의 53.86% 가 KS_No (지식 혁신 없음), 72.53% 가 PS_No (제품 혁신 없음) — 대다수 firm-year 가 둘 다 정체 인 sparse 동학.

동적 프로빗 모형 의 시스템 연결 추정 (Wooldridge 2005 의 initial conditions 해결 + 공통 unobserved factor 의 joint normal correlation 허용) 으로 endogeneity 와 firm-specific heterogeneity 모두 처리. aML 소프트웨어로 conditional ML 추정. 결과 (Table 3): KS equation 에서 PS_Inno (-0.032, n.s.), KS_Inno_t-1 (+1.590, p<0.01) — 지식 혁신의 자체 persistency 강함, 제품 → 지식 feedback 부재. PS equation 에서 KS_Inno_t-1 (+0.194, p<0.01), PS_Inno_t-1 (-0.036, n.s.) — 지식 → 제품 channel 유의, 제품 자체 persistency 부재. 즉 한국 제조업의 지식-제품 동학 은 지식이 일방적으로 제품을 견인 하는 비대칭 인과 구조다. 추가 분석 (Tables 4-5) 에서 KS_New_t-1 + KS_Both_t-1 이 기존 segment 신제품 과 신 segment 신제품 모두를 견인하지만 KS_Existing 단독은 비유의 — 새 지식 혁신 이 핵심 driver.

다각화-성장 회귀 (Table 6) 는 매출 성장 = log(Sales_t) - log(평균 Sales_t-3:t-1) 를 산업 평균으로 정규화한 상대 성장률 을 종속변수로 OLS + 년·firm FE + Heckman 선택 모형 inverse Mills ratio 통제. Tech_DIV 본 효과 +0.042 (n.s.), Prod_DIV +0.252 (p<0.01), interaction -0.096 (p<0.01) — Tech_DIV 가 낮을수록 Prod_DIV 의 성장 효과가 가파르다. Robustness check 로 (1) Prod_ratio = Prod_DIV/Tech_DIV 로 단일 변수화한 회귀에서도 제품/지식 비율 이 클수록 성장률 ↑ (Figure 5), (2) 핵심 지식 보유 firm (RTA ≥ 2.0 and patent share ≥ 0.03 의 이중 조건) 만 분리하면 Prod_DIV 가 유의 양 (+0.072, p<0.05), non-core 는 비유의. 즉 특화 지식이 있어야 제품 다각화의 성장 효과가 작동.

핵심 결과

변수	KS_Inno_t (Eq. 1)	PS_Inno_t (Eq. 1)
KS_Inno_t-1	+1.590*** (0.055)	+0.194*** (0.067)
PS_Inno_t	-0.032 (0.079)	—
PS_Inno_t-1	+0.062 (0.073)	-0.036 (0.061)
R&D_inten_t-1	+0.859*** (0.332)	+0.435 (0.567)
Debt_ratio	-0.357** (0.140)	+0.084 (0.103)
Size_t-1	+0.087*** (0.020)	+0.000 (0.016)
Age	-0.005** (0.002)	+0.004** (0.002)

변수	매출 성장 OLS (Model 3)
Tech_DIV	+0.042 (0.039)
Prod_DIV	+0.252*** (0.073)
Tech_DIV × Prod_DIV	-0.096*** (0.036)
R&D_inten_t-1	+1.133*** (0.301)
Debt_ratio	-0.279*** (0.069)
Size_t-1	-0.106** (0.047)
Adj R²	0.261
Observations	1,524 (398 firms)

핵심 통계: Heckman IMR 계수가 모든 spec 에서 비유의 (성장 회귀에서 -0.121, n.s.) — innovator selection bias 가 결과를 왜곡하지 않음을 robust check. core knowledge sub-sample (242 firms) 의 Prod_DIV = +0.072 (p<0.05) vs non-core (263 firms) 의 +0.088 (n.s.) — 지식 특화 가 제품 다각화 → 성장 의 transmission channel.

방법론 노트

동적 프로빗 모형 의 2 시스템 결합 추정은 두 channel 의 동시 endogeneity 와 초기 조건 문제를 모두 처리해야 한다. 단일 probit 로 각 식을 분리 추정하면 (i) firm-specific unobserved heterogeneity 가 둘 다 의 dependent variable 에 영향, (ii) initial condition (t=0 의 KS/PS) 이 모집단에서 비랜덤 추출 — 두 문제 모두 추정량의 일치성 깨뜨림. Wooldridge (2005) 의 control function 접근은 모든 시계열 평균 ( $\bar{X}_i$ ) 을 control 로 추가해 fixed effect 와 initial condition 을 동시 처리. aML 의 conditional ML 은 두 식 의 unobserved factor correlation $r_{k1,k2}$ 을 자유 모수로 추정 — 본 paper 에서 -0.068 (n.s.), 즉 결합 추정 후엔 두 식의 unobserved component 가 거의 독립.

핵심 식:

\begin{aligned} \text{KS\_Inno}_{i,t} &= \alpha_0 + \alpha_1 \text{PS\_Inno}_{i,t} + \alpha_2 \text{KS\_Inno}_{i,t-1} + \alpha_3 \text{PS\_Inno}_{i,t-1} + \alpha_4 X_{i,t} + c_i + \mu_{i,t} \\ \text{PS\_Inno}_{i,t} &= \beta_0 + \beta_1 \text{KS\_Inno}_{i,t-1} + \beta_2 \text{PS\_Inno}_{i,t-1} + \beta_3 X_{i,t} + h_i + \varepsilon_{i,t} \end{aligned}

여기서 $\text{KS\_Inno}_{i,t}, \text{PS\_Inno}_{i,t}$ 는 0/1 dummy, $X_{i,t}$ 는 R&D intensity, debt ratio, profit ratio, size, age 의 firm characteristics, $c_i, h_i$ 는 firm-specific unobserved factor (joint normal).

다각화 측정의 엔트로피 지수 (다각화 지표) 형태:

\text{Tech\_DIV}_{i,t} = \sum_{k=1}^{K} \text{Tech\_Share}_{i,k,t} \ln \frac{1}{\text{Tech\_Share}_{i,k,t}}

여기서 $\text{Tech\_Share}_{i,k,t}$ 는 firm $i$ 의 기술 field $k$ 특허가 과거 3 년 + 현재 의 총 특허에서 차지하는 비율. 과거 3 년 window 는 Griliches (1979) 의 지식 감가상각 5 년 가설을 보수적으로 적용 (지식 가치 50% 이상 유지되는 기간). 식별은 firm × year 의 패널 변동 (FE) + 산업 평균 normalize 로 common shock 제거. Heckman 선택 모형 으로 innovator vs non-innovator 의 nonrandom selection 처리.

연구 계보

직접 선조 셋: (1) Patel and Pavitt (1997, Research Policy) 와 Pavitt, Robson, and Townsend (1989) 의 world’s largest firms 가 기술은 다각화, 제품은 특화 라는 stylized fact 를 처음 명명한 작업 — 본 paper 가 한국 제조업으로 적용해 반대 패턴 (특화 지식 + 다각화 제품 우위) 검증. (2) Dosi, Grazzi, and Moschella (2017, Industrial and Corporate Change) 가 이탈리아 특허 firm 으로 지식이 제품보다 더 특화 라는 반전 stylized fact 를 보여준 직전 작업 — 본 paper 가 한국으로 확장 + 다각화-성장 nexus 추가. (3) Fai (2004) 의 지식 혁신이 제품 혁신을 trigger/restrict 명제 + Pontikes and Barnett (2017) 의 category-product feedback — 본 paper 의 지식 공간 - 제품 공간 coevolution framework 의 이론적 기반.

이정동 author page anchor 가 본 paper 를 Taewon Kang 강태윤 의 듀크성 협업 cohort 2017-2021 의 정점 으로 분류 — R&D 동학 → 지식-제품 동학 의 micro-foundation 확장. Chulwoo Baek 의 firm dynamics 라인 (재무·진입·R&D) 과 Taewon Kang 의 지식·역량 라인이 지식-제품 coevolution 으로 통합되는 작업. Taewon Kang 가 Scuola Superiore Sant’Anna (Dosi 라인) 로 옮긴 뒤 첫 작업으로 진화경제학 학풍 흡수의 흔적이 본문 곳곳에 (Nelson and Winter 1982 의 firm-specific routines, Dosi, Grazzi, and Moschella 2017 의 Italian patenting firms 비교 등). taewon-kang-2017-internal-cash-flow-positive-shocks 와 Effects of knowledge accumulation strategies through experience and experimentation on firm growth 가 동방향 sibling 으로 author page anchor 의 축적의 학술적 기반 구축 라인에 배치.

인접 그래프

1-hop 이웃 30개

인물 3
방법론 6
개념 9
주제 5
수록처 1
분류 3
논문 3

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

이 문서를 가리키는 페이지

Dynamic relationship between technological knowledge and products: diversification strategy for firm growth

요약

핵심 결과

방법론 노트

연구 계보

See also

인접 그래프

이 문서를 가리키는 페이지

개념 (1)

방법론 (1)

주제 (1)