*블로그 담당자가 글을 요약하고 관련 수업 내용을 정리한 것으로 사실과 다르거나 저자의 의도와 다른 부분이 있을 수 있습니다.
Hyung-Deok Shin, Hun Lee. (2013), Disentangling the Role of Knowledge Similarity on the Choice of Alliance Structure, Journal of Engineering and Technology Management, 30, 350–362.
발견점
두 회사의 파트너십에서 각 회사가 가진 지식의 유사성과 자산은 파트너십의 확률을 높인다. 곧 파트너십을 맺는 두 회사 각각이 가진 (기술적)지식과 자산은 파트너십에 정의 영향을 미친다.
1. Introduction
이 연구는 동맹을 선택한 파트너 사이의 지식 유사성의 역할을 살펴본다.
1.1 Knowledge transfer and knowledge protection: knowledge based view and transaction cost economics perspectives
동맹 관계에서 지식 유사성의 역할에 대해 지식 기반 관점knowledge based view (KBV)과 계약 비용 관점transaction cost economic (TCE)이 있다.
Table 1. Theoretical arguments and predictions for the role of knowledge similarity on alliance structure.
1.2 Knowledge integration: knowledge accessing theory and knowledge ambiguity perspectives
지식 기반 관점: knowledge accessing theory (KAT): 지식을 얻기 위한 동맹
여기서 다양한 지식을 결합하는 것은 파트너 간의 지식 통합 비용을 증가시킨다.
보통 모호성은 성과에 영향을 준다.
생산의 요인이 정확히 무엇인지, 생산의 요건이 어떻게 상호작용하는지의 문제는 모호한 면이 있다.
이는 불확실한 사후 입력 효율성(uncertain postentry efficiencies)이라 불린다.
지식의 모호성은 동맹 관계에도 있게되고 사업의 구조와 성과에 영향을 준다.
지식 통합의 효율성은 회사의 지식이 확장되고 통합의 효율성이 최대화될 때 줄어드는 경향이 있다. 이는 다양한 타입의 지식이 존재하는 시장에서 일어난다.
가설1: 동맹의 두 파트너 간 지식의 유사성이 증가할수록 동맹 구조에 기반한 가치? 자본? 조합?의 확률이 높아진다.(지지)
1.3 Revisiting knowledge protection: transaction cost economics perspective
동맹에서 지식을 보호하는 관점이 많이 연구되었기 때문에 계약 비용 관점이 거버넌스 구조를 설명하는데 많이 사용되었다.
계약 비용 관점은 시장에서 계층 구조가 주는 이점이 있다고 보며 이는 계층 구조가 기회주의의 위협을 줄이기 때문이라고 말한다.
계약 비용 관점은 계층 구조가 지식 유출이나 도용가능성 등에 대한 보호라고 본다.
가설2: 동맹이 도용가능성이라는 큰 위험을 안고있을 때, 동맹 구조에 기반한 가치? 자본? 조합?의 확률이 높아진다.(지지)
2. Method and analysis
2.1 Sample
캘리포니아 북부 바이오테크놀로지 액션 데이터베이스에서 13,000건의 계약 정보를 입수,
1982-1996년
마이크로특허에서 1979-1996 특허 데이터 입수
종 방향 데이터를 사용해 이전 거래의 특성이 다음 거래의 동맹 구조에 미치는 영향을 확인했다.
그래서 샘플 사이즈 줄어들었다. 333개
특허 인용은 두 특허의 기술이나 지식 활용이 얼마나 유사한지에 자료로 활용
*특허는 새로운 기술에 활용된 이전의 인용 기술을 설명해야 함
2.2 Dependent variable
종속변수: 동맹 구조
*더미변수로 제휴 1, 비제휴 0으로 변수를 설정
2.3 Independent variables
Technological overlap
두 회사의 기술이 겹치는 정도
Technological component
두 회사가 각각 적절한 자산을 가졌을 때 서로가 각자의 자산을 보호할 수 있는 장점이 있다.
곧 각 회사가 보유한 자산은 계약에서 기회로 작용한다.
회사가 보유한 자산(*지식?)
이 독립변수는 가설2의 도용가능성에서 활용
Table 2. Description of variables and model.
2.4 Control variables
특허 보유 수
동맹 경험
파트너사의 국적
2.5 Model
2항 로지스틱 회귀 모델(binary logit regression model) : 종속 변수가 범주형 데이터이며 이항형(binary)일 때 사용
*종속변수가 더미변수(범주형데이터)여서 이항형으로 사용
3. Results
Table 3. Descriptive statistics and correlations.
333개의 동맹 계약
26%가 자본? 가치? 조합? 기반, 66%가 기술적 자산 기반
평균 특허 수는 462개
각 동맹에서 평균 공통 인용 횟수는 2.56회, 총 인용 횟수는 2749 회,
기술이 겹친 비율은 약 0.001
Table 4. Results of binary logistic regression models.
모델1: 통제변수만
모델2: 기술 중첩 정도, 가설1
모델3: 회사 보유 자산, 가설2
모델4: 두 변수 모두 확인, 풀모델
이 결과는 두 변수의 주요 영향이 동맹 구조를 결정함을 보여준다.
모델2가 가설1을 지지
모델3이 가설2를 지지
4. Conclusions and implications
느낀점
(지식의 유사성의 역할을 살펴보면서) 샘플을 추출한 과정이 흥미로웠다. 나는 어떤 분야에 대한 궁금증에서 연구 질문을 세우는 경우가 많은데, 지식의 유사성의 역할을 살펴보는 것을 목적으로 설정한 후 그에 걸맞은 분야를 선택한 점이 흥미로웠다. 다양한 분야에 활용될 수 있는 모델을 만들 수 있는 방법이 될 것 같다.
질문
모델4는 조절변수인가? 독립변수라고 함.
