Regulation and Firm Entry in the U.S. Federal Build-Out Era: Targeting Bias and the Limits of Industry-Exposure Identification

기술 요약: 미국 연방 규제 구축 시대의 규제와 기업 진입

문제 및 동기
미국 연방 규제가 기업 역동성에 미치는 영향에 관한 문헌은 상당한 이견으로 특징지어진다. 일부 연구는 높은 규제가 기업 진입을 저해한다고 보는 반면(예: Bailey and Thomas, 2017), 다른 연구들은 유의미한 연관성을 찾지 못한다(예: Goldschlag and Tabarrok, 2018). 이러한 논쟁의 기저에 깔린 핵심적인 취약점은 내생성이다. 규제는 무작위로 할당되지 않는다. 기관들은 규모가 크거나, 성장 중이거나, 정치적으로 중요한 산업을 대상으로 규칙을 제정하는 경향이 있다. 결과적으로, 단순한 추정치들은 규제의 효과를 규제를 불러온 경제적 조건과 혼동할 수 있으며, 이는 더 많은 규제를 받는 산업이 단순히 더 역동적이기 때문에 진입률이 더 높은 것처럼 보이는 상향 편향(upward bias)을 초래할 수 있다. 본 논문은 깨끗한 인과적 주장을 찾는 것에서 벗어나, 산업 노출 설계의 식별 한계를 평가하는 것으로 문제를 재설정한다. 구체적으로 타겟팅 편향(targeting bias)과 규제 변동의 변화된 성격이 실증 결과에 어떻게 영향을 미치는지 조사한다.

데이터 및 방법론
본 연구는 1978년부터 2023년까지 254개 4자리 NAICS 산업 패널을 활용한다.

• 규제 데이터: 규제 노출의 주요 척도는 RegData U.S. (QuantGov)에서 가져오며, 이는 연방 규정집(CFR)을 연간 제한 횟수 및 복잡성 지표로 변환한 것이다. 산업 노출도는 규제 텍스트 적용 가능성의 확률 가중 합계로 계산된다. 데이터셋은 2025년까지 확장되어 있으나(RegData 6.0), 기업 결과 데이터는 2023년까지 사용 가능하다.
• 결과 데이터: 기업 진입 및 역동성은 미국 센서스국의 비즈니스 역동성 통계(BDS)에서 추출하며, 여기에는 사업체 진입, 퇴출, 기업 수, 스타트업 일자리 창출이 포함된다.
• 실증 전략: 기본 명세는 로그 진입량을 로그 규제량과 산업 및 연도 고정 효과를 사용하여 관계시킨다. 내생성을 해결하기 위해, 저자는 기관 노출 셰어-셰어(shift-share) 도구를 사용한다(Goldsmith-Pinkam, Sorkin, and Swift, 2020; Borusyak, Hull, and Jaravel, 2022를 따름). 이 도구는 샘플 시작 시점에 고정된 특정 기관 $a$에 대한 해당 산업의 기초 노출 비중과, $t$년도에 나타난 기관 $a$의 국가적 규칙 제정량을 곱하여 산업 $j$의 규제를 예측한다.
• 진단 접근법: 본 논문은 충격 집중도(Rotemberg 가중치), 배제 제약(하위 표본 분석), 그리고 추세 통제에 따른 추정치의 민감도(Meer and West, 2016에서 식별된 "느리게 움직이는 처치" 문제 해결)를 검토함으로써 이 설계의 타당성을 엄격하게 테스트한다.

주요 결과

1. 타겟팅 편향 및 부호 역전의 증거:
   최소자승법(OLS) 추정치는 작은 양(+)의 계수를 보여주며, 이는 규제 기관이 역동적인 산업을 추종함을 시사한다. 그러나 셰어-셰어 도구는 이 부호를 역전시킨다. 도구 변수(IV) 추정치는 규제 노출이 10% 증가할 때 사업체 진입이 약 3.6% 감소하고 기업 수가 3.1% 감소함을 나타낸다. 이러한 부호 역전은 규제 타겟팅으로 인한 단순 추정치의 상향 편향이 존재한다는 것을 뒷받침하는 증거이다.

2. 진입률과 기업 수의 분해:
   진입 률(사업체 수 대비 진입)은 규제 섹터에서 종종 상승하는 것처럼 보이지만, IV 결과는 절대적인 진입 수와 총 사업체 수가 감소함을 보여준다. 진입률의 상승은 신규 진입자의 흐름보다 산업 기반이 더 빠르게 축소됨에 따라 발생하는 기계적 현상이다. 이러한 음(-)의 연관성은 규제 구축이 산업의 위축과 동시에 발생한다는 점과 일치한다.

3. 추세 통제에 대한 민감도:
   음(-)의 추정치는 실재하지만 경계가 명확하며 추세 명세에 매우 민감하다.

• 이미 쇠퇴 중인 산업을 제외할 경우에도 음의 연관성은 지속된다.
• 3자리 산업 추세를 적용했을 때, 추정치는 여전히 음수이지만 정밀도가 낮다.
• 2자리 섹터 및 4자리 산업 추세를 적용하면, 추정치는 0에 가깝게 감쇄한다.
  본 논문은 규제 노출이 느리게 움직이고 추세를 가진 처치(treatment)이기 때문에, 단위별 추세가 관심 있는 변동성을 흡수할 수 있으며, 이로 인해 명세에 따라 추정치가 약 -0.44에서 0 근처까지 변할 수 있다고 주장한다.

4. 식별 변동성의 역사적 붕괴:
   핵적인 발견은 이 설계의 식별력이 2000년 이후 붕괴되었다는 점이다.

• 1단계 약화: 전체 샘플에서의 1단계 F-통계량은 33.8(t-통계량 5.8)에서 2000~2023년 기간 동안 약한 도구 변수(t-통계량 0.7)로 급락한다.
• 분산 붕괴: 산업 간 규제 성장 분산은 1970년대부터 2000년대까지 대략 절반으로 줄어들었다. 규제는 특정 산업을 겨냥한 "구축(build-out)" 형태에서 모든 산업에 균등하게 떨어지는 광범한 축적 형태로 변화했다.
• 시사점: 음의 연관성은 20세기 낮은 빈도의 변동성에 의해 식별된다. 이 설계는 2000년 이후의 기간에 대해서는 깨끗한 추정치를 회복할 수 없으며, 이는 서로 다른 시대를 다룬 연구들이 왜 서로 다른 결론에 도치하는지를 설명해 준다.

5. 도구 집중도:
   셰어-셰어 도구는 집중도가 높다. 환경보호청(EPA)이 식별 가중치의 약 80%를 차지하며, 상위 3개 기관이 87%를 차지한다. 유효한 기관 수는 약 1.5개이다. 이러한 연관성은 비제조업 및 비EPA 중점 하위 샘플에서도 지속되지만, 해당 하위 그룹의 추정치는 도구가 약해지기 때문에 종종 부정확하다.

의의 및 주장
본 논문은 규제의 효과에 대한 단 하나의 깨끗한 인과적 추정치를 제공하려는 것이 아니라, 산업 노출 설계가 무엇을 식별할 수 있고 무엇을 식별할 수 없는지에 대한 경계를 매핑하는 데 그 의의가 있다.

• 편향 확인: 본 논문은 타겟팅 편향이 문헌상에 존재하는 실제적이고 방향성을 가진 현상이며, 단순 추정치가 상향 편향되었을 가능성이 높음을 입증한다.
• 역사적 맥락: 규제의 성격 변화를 통해 기존 문헌의 이견을 설명한다. "구축(build-out)" 시대(2000년 이전)는 식별을 위한 충분한 산업 간 변동성을 제공했으나, 현대의 "광범한 축적" 시대는 그렇지 않다.
• 방법론적 주의: 느리게 움직이는 처치의 경우, 표준적인 추세 통제가 기계적으로 처치 효과를 흡수할 수 있으며, 이로 인해 점 추정치보다는 범위의 추정치가 나올 수 있음을 강조한다.
• 향후 방향: 본 논문은 현대 규제의 신뢰할 수 있는 평가를 위해서는 산업 간 노출이 아닌 규칙 수준(rule-level)의 식별이 필요하다고 결론짓는다. 후자의 설계는 2000년 이후 기간에 대해서는 정보를 제공하지 못하기 때문이다.

본 연구는 샘플을 2023년까지(규제 데이터는 2025년까지) 확장하여, 2000년 이후의 식별 변동성 붕괴가 견고하며, 주요 음(-)의 연관성이 초기 수십 년에 의해 주도된 전체 역사적 샘플의 특징임을 확인한다.