위기 이전의 자원 운용 효율성이 기업 회복탄력성에 미치는 영향 : 기업 · 산업 생태계의 다층 분석과 ‘역설적 취약성’의 발견
Pre-Crisis Resource Efficiency and Corporate Resilience: A Multilevel Analysis of Firm-Industry Ecosystems and the Discovery of ‘Paradoxical Vulnerability’
- 주제(키워드) 기업 회복탄력성 , 자료포락분석（DEA） , 역설적 취약성 , 코로나19 , 다층분석
- 주제(DDC) 352.745
- 발행기관 아주대학교 일반대학원
- 지도교수 박민재
- 발행년도 2026
- 학위수여년월 2026. 8
- 학위명 박사
- 학과 및 전공 일반대학원 과학기술정책학과
- 실제URI http://www.dcollection.net/handler/ajou/000000036437
- 본문언어 한국어
- 저작권 아주대학교 논문은 저작권에 의해 보호받습니다.
초록/요약
본 연구는 코로나19 팬데믹이라는 전례 없는 외생적 충격을 준실험적 맥락으로 활용하여, 위기 이전에 축적된 기업의 사전적 운영 효율성이 위기 이후 회복탄력성에 미치는 영향을 기업과 산업의 다층 수준에서 실증적으로 검증하였다. 기존 회복탄력성 연구가 위기 발생 이후의 사후적 대응 전략이나 재무적 완충 역량에 집중해 온 것과 달리, 본 연구는 위기 이전에 형성된 사전적·구조적 효율성 역량에 주목하였다. 분석 대상은 경기도 소재 코스피·코스닥 상장기업 573개사 중 2020년 매출이 전년 대비 10% 이상 감소한 코로나19 충격 기업 161개사이며, 2019년 대비 2024년의 매출 회복 여부를 종속변수로 설정하였다. 자료포락분석（DEA）을 활용하여 2019년 기준 기업 및 산업 수준의 사전적 효율성을 측정하고, 이항 로지스틱 회귀분석, 추정 한계 평균（AME） 분석, 2×2 매트릭스 분석, Cox 비례위험 모형을 보완 분석으로 실시하였다. 또한 프로빗 모형, HHI 통제 보완 모형, 비모수 부트스트랩 검증, 충격기업 정의 기준을 5%, 10%, 15%로 변경한 민감도 분석을 통해 연구결과의 강건성을 검토하였다. 아울러 메타프론티어 기반 기술격차비율（TGR） 분석을 통해 이종산업 DEA 적용에 따른 생산기술 격차 가능성을 보완적으로 진단하였다. 분석 결과, 세 가지 주요 발견이 도출되었다. 첫째, 기업의 사전적 DEA 효율성이 높을수록 충격 이후 매출 회복 가능성이 유의미하게 높아지는 것으로 나타나 기초체력 가설（H1）이 채택되었다. 추정 한계 평균 분석에서 기업 DEA 효율성이 표준편차 1단위 높은 기업은 회복 확률이 약 17%p 높았다. 그러나 Cox 비례위험 모형을 통해 최초 회복 도달 시점을 분석한 결과에서는 기업 효율성이 회복 속도에 유의한 영향을 미치지 않았으며, 3집단 비교 분석에서는 지속 회복군이 재하락군보다 유의하게 높은 효율성을 보유한 반면 재하락군과 영구 미회복군 간 차이는 없었다. 이는 기업 효율성이 회복의 지속 가능성은 결정하되 단기 반등 여부 자체는 결정하지 않음을 시사하며, 회복탄력성을 ‘최초 도달 속도’와 ‘지속 가능성’의 두 차원으로 구분하여 이해할 필요성을 제기한다. 둘째, 산업 수준 DEA 효율성이 개별 기업의 회복 가능성에 10% 유의수준에서 유의한 음（-）의 영향을 미치는 것으로 나타나 당초 예측한 보호막 가설（H2）은 기각되었다. 이 예상치 못한 결과는 고효율 산업일수록 경쟁 임계값 상승, 여유자원 트레이드오프, 정화 효과（Cleansing Effect）, 앵커 기업 주도의 불균등한 자원 배분 구조를 통해 소속 비앵커 기업의 위기 회복을 오히려 저해한다는 ‘역설적 취약성（Paradoxical Vulnerability）’ 메커니즘으로 개념화되었다. 시장집중도를 나타내는 허핀달-허쉬만 지수（HHI）를 추가 통제한 보완 모형에서 HHI는 유의하지 않았으며, 산업 DEA의 부（-） 방향성과 한계적 유의성은 유지되었다. 이는 산업 DEA의 부정적 영향이 단순한 시장집중도 효과로만 환원되기 어렵고, 앵커 기업이 효율성을 집중적으로 보유함으로써 형성되는 산업 내 이질성 구조와 관련될 가능성을 시사한다. 2×2 매트릭스 분석에서도 고효율 산업 내 저효율 기업의 회복률이 전체 집단 중 최저를 기록하여 이 메커니즘이 특정 조건에서 극단적으로 발현될 수 있음을 확인하였다. 셋째, 기업 효율성과 산업 효율성의 상호작용항은 통계적으로 유의하지 않았으며, 기업 효율성의 회복탄력성 효과는 산업 환경에 무관하게 독립적으로 작동하는 것으로 나타났다. 이는 기업 수준 효율성이 산업 수준 효율성과 결합하여 추가적인 시너지 효과를 창출하기보다는, 개별 기업의 사전적 자원 운용 역량으로서 독립적인 회복 효과를 가진다는 점을 보여준다. 이상의 핵심 결과는 여러 강건성 검증에서도 전반적으로 유지되었다. 프로빗 모형과 HHI 통제 보완 모형에서 주요 변수의 방향성은 일관되게 나타났으며, 비모수 부트스트랩 검증에서는 기업 DEA 효과의 강건성이 확인되었다. 충격기업 정의 기준을 5%, 10%, 15%로 변경한 민감도 분석에서도 기업 DEA는 일관되게 정（+） 방향을, 산업 DEA는 일관되게 부（-） 방향을 보여 본 연구의 핵심 결과가 특정 임계값에만 의존하지 않음을 확인하였다. 한편 생산함수 이질성 문제를 보완적으로 진단하기 위해 수행한 메타프론티어 기반 TGR 분석에서는 전체 573개 기업 기준 산업별 평균 TGR이 0.8977~0.9727, 실제 회귀분석 표본인 코로나19 충격기업 161개 기준 산업별 평균 TGR이 0.9026~0.9796 범위에 분포하여 산업 간 기술격차가 극단적으로 크게 나타나지는 않았다. 다만 TGR은 산업 DEA와 개념적으로 상이하므로, 본 연구에서는 이를 산업 DEA 결과의 직접적 강건성 검증이 아니라 이종산업 DEA 적용에 따른 생산함수 이질성 문제를 점검하기 위한 보완적 진단 분석으로 해석하였다. 본 연구는 DEA로 측정된 사전적 운영 효율성을 기업 회복탄력성의 선행 예측 지표로 실증한 기존 연구가 제한적인 상황에서 시도된 연구로서, 기업·산업 다층 분석 틀을 적용하였다는 방법론적 기여를 가진다. 특히 ‘역설적 취약성’ 개념의 제안은 Bain（1951）의 SCP 패러다임, Porter（1980）의 경쟁 강도 논리, Schumpeter（1942）의 정화 효과를 회복탄력성 맥락에 통합한 이론적 기여이며, 앵커 기업이 효율성을 집중적으로 보유하는 산업 내 이질성 구조가 비앵커 기업의 위기 회복을 저해할 수 있는 경로를 이론화하였다는 점에서 산업 생태계 연구의 지평을 확장한다. 아울러 기업 회복탄력성을 정태적 결과가 아닌 최초 도달 속도와 지속 가능성의 두 시간 차원으로 구분되는 동태적 과정으로 개념화하였다. 정책적으로는 사전적 체질 강화, 기업 건강도 등급제 도입, 고효율 산업 내 취약 기업에 대한 선별적 지원 필요성을 제안하였다. 핵심어: 기업 회복탄력성, 자료포락분석（DEA）, 역설적 취약성, 코로나19, 다층 분석
more초록/요약
This study empirically examines how firms’ pre-crisis operational efficiency influences post-crisis resilience, using the COVID-19 pandemic as an unprecedented exogenous shock within a quasi-experimental setting. While prior research on corporate resilience has predominantly focused on post-crisis responses or financial buffering capacity, this study shifts attention to pre-crisis, structurally embedded efficiency capabilities. The sample consists of 161 firms located in Gyeonggi Province that experienced a sales decline of at least 10% in 2020, drawn from an initial population of 573 KOSPI- and KOSDAQ-listed firms. Firm-level resilience is operationalized as whether sales recovered to pre-pandemic levels by 2024. Pre-crisis efficiency at both firm and industry levels is measured using Data Envelopment Analysis （DEA） based on 2019 data. The empirical strategy combines binary logistic regression, average marginal effects （AME） analysis, 2×2 matrix analysis, and a Cox proportional hazards model. Robustness checks include probit models, Herfindahl–Hirschman Index （HHI） controls, nonparametric bootstrap analysis, and sensitivity tests using alternative shock thresholds of 5%, 10%, and 15%. In addition, a meta-frontier-based technology gap ratio （TGR） analysis is conducted as a supplementary diagnostic analysis to examine potential production-technology heterogeneity across industries. The analysis yields three key findings. First, higher pre-crisis firm-level DEA efficiency significantly increases the likelihood of post-crisis sales recovery, supporting the “fundamental strength hypothesis” （H1）. The AME results indicate that a one standard deviation increase in firm efficiency raises the probability of recovery by approximately 17 percentage points. However, the Cox proportional hazards model shows that firm efficiency does not significantly affect the timing of initial recovery. Additional group comparisons reveal that firms sustaining recovery exhibit significantly higher pre-crisis efficiency than those experiencing relapse, while no significant difference is found between relapse and non-recovery groups. These findings suggest that firm efficiency primarily determines the persistence of recovery rather than the speed of initial rebound, highlighting the need to conceptualize corporate resilience along two temporal dimensions: recovery speed and recovery persistence. Second, contrary to the hypothesized “protective effect” （H2）, industry-level DEA efficiency exhibits a negative effect on firm-level recovery at the 10% significance level. This unexpected finding is conceptualized as a mechanism of “paradoxical vulnerability,” whereby highly efficient industries may hinder the recovery of non-anchor firms through intensified competitive thresholds, reduced organizational slack, Schumpeterian cleansing effects, and unequal resource allocation dominated by anchor firms. The inclusion of HHI as a control variable does not alter this pattern. Although HHI itself is statistically insignificant, industry-level DEA efficiency maintains its negative direction and marginal significance after controlling for market concentration. This suggests that paradoxical vulnerability cannot be reduced solely to market concentration, but may instead reflect intra-industry heterogeneity driven by efficiency concentration. The 2×2 matrix analysis further supports this mechanism, showing that low-efficiency firms located in high-efficiency industries exhibit the lowest recovery rate among all groups. Third, the interaction term between firm-level and industry-level efficiency is not statistically significant. This indicates that the effect of firm-level efficiency on resilience operates independently of the broader industry environment rather than producing an additional synergistic effect when combined with industry-level efficiency. The main findings are generally consistent across multiple robustness checks. Probit models and HHI-controlled models confirm the directional consistency of the core results, while nonparametric bootstrap analysis supports the robustness of the firm-level DEA effect. Sensitivity analyses using alternative shock thresholds of 5%, 10%, and 15% also show that firm-level DEA efficiency consistently exhibits a positive direction, whereas industry-level DEA efficiency consistently exhibits a negative direction. These results suggest that the central findings are not driven by a specific threshold definition of COVID-19-affected firms. In addition, the meta-frontier-based TGR analysis is conducted as a supplementary diagnostic analysis to examine potential production-technology heterogeneity across industries. The industry-level average TGR ranges from 0.8977 to 0.9727 for the full sample of 573 firms and from 0.9026 to 0.9796 for the 161 COVID-19-affected firms, suggesting that the technology gaps across industries are not extreme within the study sample. However, because TGR is conceptually distinct from industry-level DEA efficiency, the TGR analysis should not be interpreted as a direct robustness check of the industry-level DEA results. Rather, it serves as a diagnostic analysis that clarifies the scope and limitations of the DEA-based interpretation. This study contributes to the literature by empirically demonstrating the predictive role of pre-crisis operational efficiency, measured through DEA, in explaining corporate resilience within a multilevel firm–industry framework. The concept of “paradoxical vulnerability” further advances theory by integrating Bain’s （1951） Structure–Conduct–Performance paradigm, Porter’s （1980） competition framework, and Schumpeter’s （1942） cleansing effect into the resilience context. By theorizing how intra-industry heterogeneity and anchor-firm-dominated efficiency structures may undermine the recovery of non-anchor firms, this study extends the scope of industrial ecosystem research. It also conceptualizes corporate resilience not as a static outcome but as a dynamic process consisting of recovery speed and recovery persistence. Policy implications include the need for proactive capability-building, the introduction of a corporate health rating system, and targeted support for vulnerable firms within highly efficient industries. Keywords: Corporate Resilience, Data Envelopment Analysis （DEA）, Paradoxical Vulnerability, COVID-19, Multilevel Analysis
more목차
제1장 서론 1
제1절 연구의 배경 및 필요성 1
제2절 연구의 목적 및 연구질문 5
제3절 연구의 범위 및 구성 7
제2장 이론적 배경 및 선행연구 검토 9
제1절 기업 회복탄력성의 개념과 이론적 틀 9
1. 회복탄력성의 어원과 개념적 계보 9
2. 기업 회복탄력성의 개념적 정의: 결과론적 관점 대 역량론적 관점 9
3. 기업 회복탄력성의 선행 요인 11
4. 국내 기업 회복탄력성 연구의 현황과 맥락 12
5. 코로나19 맥락의 기업 회복탄력성 연구 13
제2절 자료포락분석（DEA）의 이론적 기초 15
1. DEA의 이론적 기원과 방법론적 위치 15
2. CCR 모형과 BCC 모형의 비교 및 본 연구의 선택 근거 16
3. DEA 투입지향 모형과 산출지향 모형 18
4. DEA 2단계 분석의 방법론적 쟁점 19
5. DEA의 국내 기업 효율성 연구 적용 현황과 본 연구의 관계 20
제3절 자원기반관점（RBV）과 동태적 역량이론 22
1. 자원기반관점（RBV）과 기업 효율성 22
2. 동태적 역량이론과 회복탄력성 23
3. 효율성회복탄력성 관계에 관한 선행연구 25
4. 효율성회복탄력성 연결 메커니즘의 이론적 모형 26
제4절 산업 수준 효율성과 기업 회복탄력성 28
1. 기업 효과와 산업 효과의 이론적 논쟁 28
2. 집적 효과: Porter의 클러스터 이론 29
3. 모방적 동형화: 제도적 이론 30
4. 외부 자원 동원력과 전략적 지원 구조 30
5. 보호막 가설의 이론적 종합 31
제5절 상호작용 효과와 다층 분석의 이론적 논거 33
1. 다층 분석의 이론적 필요성 33
2. 시너지 가설 34
3. 국내 기업 · 산업 다층 분석의 현황과 본 연구의 방법론적 위치 35
제6절 선행연구 종합 검토 및 연구 공백 37
1. 관련 선행연구의 주요 흐름 정리 37
2. 연구 공백의 명확화 38
3. 본 연구의 이론적 위치와 기여 39
제3장 연구설계 및 방법론 40
제1절 연구모형 40
제2절 연구 대상 및 표본 구성 42
1. 분석 대상 지역 선정 42
2. 표본 선정 기준 및 과정 42
제3절 변수의 측정 및 조작적 정의 45
1. 종속변수: 회복탄력성 45
2. 독립변수: DEA 효율성 점수 46
3. 통제변수 46
제4절 분석 방법 48
1. DEA 효율성 점수 산출 48
2. 이항 로지스틱 회귀분석 49
3. 추정 한계 평균（AME） 분석 50
4. 2×2 매트릭스 분석 51
5. Cox 비례위험 모형 52
6. 강건성 검증 및 보완 진단 분석 53
제5절 방법론의 한계 및 대응 57
제4장 실증 분석 결과 59
제1절 기술통계 및 상관관계 분석 59
제2절 DEA 효율성 점수 산출 결과 63
1. 기업 수준 DEA 점수 63
2. 산업 수준 DEA 점수 64
제3절 이항 로지스틱 회귀분석 결과 67
1. 가설1（기초체력 가설） 검증 결과 68
2. 가설2（보호막 가설） 검증 결과 68
3. 가설3（시너지 가설） 검증 결과 68
4. 통제변수 분석 결과 69
제4절 보완 분석 결과 70
1. 추정 한계 평균（AME） 분석 70
2. 2×2 매트릭스 분석 73
3. Cox 비례위험 모형 75
제5절 강건성 검증 및 보완 진단 분석 결과 78
1. 프로빗 모형 78
2. 허핀달허쉬만 지수를 통한 시장집중도 검증 80
3. 비모수 부트스트랩 검증 82
4. 충격기준 정의에 따른 민감도 분석 84
5. 메타프론티어 기반 생산기술 격차 진단 분석 85
제5장 논의 및 이론적 해석 88
제1절 가설1 논의: 기초체력 가설의 지지와 이론적 함의 88
제2절 가설2 논의: 보호막 가설 기각과 역설적 취약성 메커니즘 90
1. 보호막 가설의 기각과 역설적 발견 90
2. 역설적 취약성 메커니즘의 이론적 해석 90
3. 앵커 기업 주도의 불균등한 생태계 구조와 자원 소외 경로 93
제3절 가설3 논의: 시너지 가설 기각과 독립적 효율성 효과 95
1. 상호작용항 분석 결과 해석 95
2. 2×2 매트릭스 분석의 이론적 함의 95
제4절 통제변수 결과의 해석 97
1. R＆D투자액의 부（-）의 효과 97
2. 부채비율의 정（+）의 효과 98
3. 기업규모의 부（-）의 효과 98
제5절 회복 속도의 시간적 분석: Cox 비례위험 모형의 함의 99
제6절 강건성 검증 및 보완 진단 분석 결과의 종합적 함의 101
제6장 결론 및 정책적 함의 103
제1절 연구의 결론 103
제2절 이론적 기여 106
제3절 정책적 함의 108
1. 국가 위기 대응 패러다임의 전환: 사후 지원에서 사전적 체질 강화로 108
2. 광역자치단체 산업 생태계 맞춤형 위기 대응 체계: ‘기업 건강도 등급제’ 도입 제안 108
3. 고효율 산업 내 취약 기업의 스케일업 및 자생력 확보 전략 109
제4절 연구의 한계 및 향후 연구 방향 110
참고문헌 114
Abstract 124
