📈 economics

Specification, Heterogeneity and Functional Form in the Determinants of Small-Firm Profitability

이 논문은 91,756개의 비상장 이탈리아 기업 관측치를 분석하여, 자본화 계수는 내생성으로 인해 불안정하고 식별 불가능한 반면, 노동소득분배율 계수는 다양한 추정 방법과 함수 형태 전반에 걸쳐 견고하게 유지되며, 이러한 안정성은 단순한 회계적 항등식이 아니라 실질적인 경제적 이질성에 의해 유도된다는 점을 입증한다.

원저자: ANGELO LEOGRANDE, Mauro Di Molfetta, Valeria Notarnicola, Maria Giovanna Trotta, Antonio Volpe Plantamura

게시일 2026-09-04

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: ANGELO LEOGRANDE, Mauro Di Molfetta, Valeria Notarnicola, Maria Giovanna Trotta, Antonio Volpe Plantamura

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

모든 소상공인들은 스프레드시트를 바라보며 왜 작년에는 수익이 났는데 올해는 그렇지 않은지 의아해하는 기분을 잘 알고 있습니다. 수십 년 동안 경제학자들은 기업이 어떻게 자금을 조달하는지를 살펴봄으로써 이 질문에 답하기 위해 노력해 왔습니다. 지배적인 통념은 기업의 재무 건전성, 구체적으로 기업의 돈 중 얼마가 소유주로부터 오고 얼마가 은행에 빚진 것인지가 성공의 주요 동력이라고 제안합니다. 그 논리는 간단합니다. 자기 자본이 더 많고 부채가 적은 기업이 더 안전하며 번창할 가능성이 높다는 것입니다. 이 아이디어는 비즈니스 연구의 표준적인 경험칙이 되었으며, 자본이 충분해 보이는 기업에 세제 혜택을 주거나 대출을 용이하게 하는 정책을 안내하는 지침이 되었습니다. 그러나 이러한 자금 중심의 접근 방식은 기업이 실제로 수행하는 작업, 즉 얼마나 많은 비용을 노동자에게 지급하고, 재료에 얼마나 지출하며, 일상적인 운영을 어떻게 조직하는지를 하나의 사소한 세부 사항, 즉 그리 중요하지 않은 배경 소음처럼 취급하는 경우가 많습니다.

새로운 연구는 다음과 같은 단순하지만 급진적인 질문을 던짐으로써 이 오래된 관점에 도전합니다. 만약 우리가 자금과 업무를 동시에 살펴본다면, 무엇이 실제로 기업의 이익을 설명하는가? 연구진은 가족 경영형 워크숍과 혁신적인 스타트업이 밀집한 것으로 알려진 이탈리아의 거의 1만 5천 개 중소기업으로 시선을 돌렸습니다. 그들은 10년에 걸쳐 이 기업들의 9만 개 이상의 스냅샷을 포함하는 방대한 데이터를 수집했습니다. 어떤 요인이 중요한지 단순히 추측하는 대신, 그들은 동일한 데이터 세트를 테스트하기 위해 세 가지 다른 엄격한 방법을 사용했습니다. 그들은 전통적인 통계의 렌즈를 통해 데이터를 살펴보았고, 재무 습관에 따라 기업들을 자연스러운 가족 단위로 그룹화했으며, 인간보다 컴퓨터 알고리즘이 비즈니스의 표준 규칙을 더 잘 예측할 수 있는지 확인하기 위해 고급 알고리즘을 사용했습니다.

이 조사 결과는 전통적인 이야기를 뒤엎습니다. 연구진이 재무 구조와 운영 모델을 하나의 방정식 안에 나란히 배치했을 때, 재무적인 측면은 놀라울 정도로 신뢰할 수 없는 것으로 나타났습니다. 소유주의 자본이 더 많으면 더 높은 이익을 보장한다는 아이디어는 성립하지 않았습니다. 데이터를 어떻게 분석하느냐에 따라 자본과 이익 사이의 연결 고리는 양(+)에서 음(-)으로 바뀌거나, 혹은 단순히 사라지기도 했습니다. 연구진은 기존의 도구들이 이 연결 고리를 증명하는 데 실패한 이유가 회계 장부에 기록되는 방식에 의해 기계적으로 묶여 있는 인과관계를 측정하려 했기 때문임을 발견했습니다. 즉, 재무 수치는 이익 수치와 너무 복잡하게 얽혀 있어 무엇이 성공을 이끄는지에 대한 명확한 이야기를 들려줄 수 없었습니다.

이와 극명하게 대조적으로, 기업이 운영되는 방식이 지배적인 힘임이 드러났습니다. 연구진은 기업 가치 중 노동자에게 지급되는 몫이 이익을 결정하는 가장 일관된 요인이라는 것을 발견했습니다. 이 관계는 매우 강력하여 모든 유형의 기업, 모든 종류의 계산 방식, 그리고 모든 데이터 분할 방식에서도 안정적인 것으로 나타났습니다. 연구진은 이러한 안정성이 부분적으로 수학적 확실성 때문임을 발견했습니다. 왜냐하면 이익은 노동자에게 지급한 후 남은 돈으로부터 직접 계산되기 때문에 두 숫자는 자연스럽게 연결되어 있기 때문입니다. 그러나 이러한 수학적 연결 고리를 고려한 후에도 운영 모델은 여전히 가장 강력한 예측 변수로 남았습니다. 컴퓨터 알고리즘은 기업의 비용 구조, 즉 노동에 지출하는 비용과 재료에 지출하는 비용 사이의 관계가 부채 수준이나 자기 자본보다 미래의 이익에 대해 훨씬 더 많은 정보를 담고 있음을 확인해 주었습니다.

또한 이 연구는 모든 소상규모 기업이 동일하지 않으며, 단 하나의 규칙이 모두에게 적용될 수 없다는 점을 밝혀냈습니다. 공식적인 라벨이 아닌 실제 재무 습관을 바탕으로 기업들을 그룹화했을 때, 연구진은 네 가지 뚜렷한 유형의 기업을 발견했습니다. 노동 집약적인 기업, 재료에 의존하는 기업, 소규모 서비스 기업, 그리고 자본이 풍부한 기업이 있었습니다. 한 그룹을 설명하는 규칙이 다른 그룹에는 작동하지 않았습니다. 예를 들어, 기업이 자산을 매출로 전환하는 속도는 어떤 그룹에서는 다른 그룹보다 훨씬 더 중요했습니다. 이러한 이질성은 모든 소기업을 하나의 덩어리로 취급하는 정책들이 초점을 잘못 짚고 있음을 시사합니다. 데이터는 혁신적인 스타트업이 자금 부족으로 인해 어려움을 겪는다고 가정하는 이탈리아 정부의 인증 체계가 잘못된 문제를 다루고 있을 수 있음을 보여주었습니다. 이들 기업은 자본이 부족해서가 아니라, 그들의 운영 모델, 즉 비용과 노동을 관리하는 방식이 아직 수익성을 위해 최적화되지 않았기 때문에 어려움을 겪고 있다는 것이 증거입니다.

궁극적으로 이 연구는 소기업의 수익성을 이해하는 열쇠가 은행 계좌가 아니라 워크숍(작업장)에 있다는 것을 시사합니다. 기업이 비용을 어떻게 조직하느냐, 특히 노동력과의 관계가 재무 성과의 진정한 엔진입니다. 전통적인 자본 구조에 대한 초점은 주의를 분산시키는 요소이며, 어떻게 보느냐에 따라 그 의미가 변하는 변수일 뿐입니다. 연구는 재무 건전성도 중요하지만, 매일 이루어지는 운영상의 선택, 즉 사람에게 지급하는 비용과 재료를 구매하는 비용 사이의 균형이 소기업의 생존과 번영을 진정으로 결정한다는 결론을 내립니다. 정책 입안자와 기업가 모두에게 교훈은 명확합니다. 기업이 왜 성공하는지 이해하려면 대차대조표 너머를 보고 실제 수행되고 있는 작업을 살펴봐야 합니다.

기술 요약: 소규모 기업 수익성 결정 요인의 명세, 이질성 및 함수 형태

문제 제기
중소기업(SME)의 수익성에 관한 문헌은 주로 자본 구조를 중심으로 구성되어 있으며, 자본화와 총자산이익률(ROA) 사이의 안정적인 양(+)의 상관관계를 설정하고 있다. 그러나 이러한 문헌들은 비용 구성(운영 모델)을 단지 검증되지 않은 통제 변수로 취급할 뿐, 재무 구조와 운영 모델을 하나의 방정식에 함께 배치하여 상대적 설명력을 비교하는 경우는 거의 없다. 또한, 방법론적 격차도 지속되고 있다. 내생성 문제는 내부 도구를 통해 해결하려 하지만, 이는 순자산과 현재 이익 사이의 회계적 항등식 및 수익성의 지속성을 고려하지 못한다. 기업 분류(taxonomy)는 종종 단일 타당성 지표만을 기준으로 선택되며, 집단 내 구조적 관계를 재추정하지 않는다. 또한 머신러닝 비교 연구들은 모델을 기업별 평균 제거 데이터(firm-demeaned data)가 아닌 원시 수준(raw levels)에서 비교함으로써, 함수 형태의 개선과 모델링되지 않은 기업 이질성을 혼동하는 경우가 빈번하다.

데이터 및 방법론
본 연구는 2014년부터 2025년까지 14,913개의 비상장 이탈리아 기업(혁신 스타트업, 혁신 중소기업, 전통적 중소기업)을 포괄하는 91,756개의 기업-연도 관측치를 활용한다. 종속 변수는 ROA이다. 회귀 변수는 두 블록으로 나뉜다: 재무 블록(자기자본 비율, 유동성, 자본 회전율, 로그 자산)과 운영 블록(부가가치 대비 노동 비중, 구매 서비스 비중, 재료 비중, 리스 자산 비중). 모든 변수는 윈저라이징(winsorized) 처리되었으며 일관된 척도로 측정되었다.

본 논문은 서로 다른 가정을 검증하기 위해 동일한 표본에 대해 세 가지 구별된 방법을 적용한다:

패널 추정: 계수의 안정성과 식별 전략의 타당성을 테스트하기 위해 14가지 명세(합동 OLS, Between, 고정 효과, 랜덤 효과, 시차 변수, 동적 GMM, 그리고 5가지 도구 변수 세트) 하에서 방정식을 추정한다.
비지도 학습 분류: k-means, Ward, 가우시안 혼합 모델 및 기타 알고리즘을 사용하여 9개의 표준화된 변수를 기반으로 기업을 전형(archetype)별로 구분한다. 파티션은 11가지 타당성 기준과 종합 순위에 따라 선택되며, 이후 각 클러스터 내에서 방정식을 재추정하여 계수의 이질성을 테스트한다.
머신러닝 회귀: 고정 효과 추정치에서 사용된 것과 동일한 기업별 평균 제거 데이터를 사용하여 13가지 알고리즘(히스토그램 그래디언트 부스팅 포함)을 적용한다. 이를 통해 함수 형태의 적절성을 '동일 조건'에서 비교함으로써, 모델링되지 않은 이질성에서 기인한 격차와 함수 형태의 격차를 분리해낸다.

주요 결과

자본 구조의 식별 실패: 자기자본 비율의 계수는 식별되지 않는다. 양방향 고정 효과(two-way fixed effects) 하에서는 양(+)의 값을 갖지만(+0.177), 회귀 변수에 시차를 적용하면 부호가 반전된다(−0.068). 5가지 서로 다른 도구 변수 세트 하에서 계수는 음(-)의 값(−0.12 ~ −0.28)을 나타낸다. 수익성이 지속적(자기상관 0.271)이기 때문에, 시차를 둔 재무 비율은 과거의 이익을 기계적으로 내포하게 되어 배제 제약(exclusion restriction)을 위반하므로 도구 변수가 실패하는 것이다. 따라서 자본화 계수는 이 데이터에서 불안정하며 식별되지 않는다.
운영 모델의 안정성: 이와 대조적으로, 노동 비중 계수는 모든 추정치, 클러스터 및 함수 형태에 걸쳐 안정적이다(범위: −0.115 ~ −0.141).
회계적 항등식: 본 논문은 ROA와 노동 비중이 동일한 손익계산서의 연속된 항목임을 입증하며, 이는 기계적 관계를 형성한다: $ROA = (VA/A)(1 - s) - D/A$ $R O A = (V A / A) (1 - s) - D / A$ . $s$ $s$ (노동 비중)에 대한 ROA의 미분값은 이론적으로 $-VA/A$ $- V A / A$ 이다.
- 추정된 계수(−0.1365)는 항등식이 예측하는 크기(−0.355, 중앙값 기준)보다 작으며, 이는 다른 변수(예: 자본 회전율)를 조건부로 할 때 관계가 약화됨을 의미한다.
- 결정적으로, 이 계수의 안정성은 순전히 기계적인 것이 아니다. 항등식은 서로 다른 운영 전형(archetypes)에 따라 $VA/A$ 비율이 달라짐에 따라 기울기가 2.8배까지 변해야 한다고 예측하지만, 추정된 계수는 1.07배의 차이만을 보인다.
- 회계적 항등식을 깨뜨리기 위해 회귀 변수에 시차를 적용했을 때도 노동 비중은 유의미한 계수(−0.0346)를 유지하며, 이는 비산술적 요소가 존재함을 확인시켜 준다.
이질성 및 전형(Archetypes): 비지도 학습 클러스터링은 네 가지 뚜렷한 운영 전형(노동 집약형, 재료 집약형, 마이크로 서비스형, 자본화형)을 밝혀냈다. 자본 회전율 계수는 이 그룹들 사이에서 4.3배의 차이를 보였으나, 노동 비중은 거의 불변했다. 규제 상태(인증)는 이러한 전형들과 상관관계가 있으나 완벽하게 정의하지는 못한다(Cramér's V = 0.478).
함수 형태 및 머신러닝: 기업별 평균 제거 데이터 상에서 선형 고정 효과와 비선형 그래디언트 부스팅 간의 $R^2$ 격차는 0.121(비율 1.29)로, 원시 수준에서의 격차인 0.325(비율 1.69)보다 현저히 작다. 이는 기존 문헌에서 관찰되는 머신러닝의 우월성이 상당 부분 함수 형태의 개선보다는 모델링되지 않은 기업 이질성에서 기인함을 시사한다. 잔여 격차는 다항 곡률보다는 국소적 구조(임계값, 포화 상태)에 의한 것이다. 순열 중요도(Permutation importance)는 예측 콘텐츠의 63.5%를 노동 비중에 할당했으며, 자본화에는 6.5%만을 할당했다.

주장 및 의의

본 논문은 자본 구조에서 운영 모델로 초점을 전환해야 한다고 주장하며, 동시에 현재의 계량경제학적 관행의 한계를 엄격히 진단한다.

문헌의 재평가: 본 연구는 문헌이 더 강력하고 안정적인 변수(노동 비중)를 통제 변수로 취급하는 반면, 더 약하고 신뢰할 수 있는 부호의 연관성을 가진 변수(자본화)를 중심으로 구성되어 있다고 주장한다. 자본화 계수의 불안정성은 경제적 효과의 결여가 아니라 식별 실패의 결과임이 드러났다.
노동 비중 계수의 성격: 본 논문은 노동 비중 계수의 안정성이 부분적으로는 산술적(회계적 항등식 때문)이지만, 전적으로 그렇지는 않음을 명확히 한다. 항등식의 승수(multiplier)가 크게 변하는 전형들 사이에서도 계수가 안정적으로 유지된다는 사실은, 회계적 항등식이 무너진 후에도 살아남는 실질적인 구조적 관계가 존재함을 시사한다.
방법론적 교정: 본 연구는 머신러닝 모델과 계량경제 모델을 비교할 때, 이질성과 함수 형태를 혼동하지 않으려면 반드시 기업별 평균 제거 데이터를 사용해야 함을 보여준다. 또한 머신러닝이 단순히 예측 경쟁자가 아니라, 선형 명세를 검증하고 국소적 비선형성을 식별하는 진단 도구로서 기능할 수 있음을 입증한다.
정책적 시사점: 연구 결과는 인증 제도나 금융 제약 완화를 목표로 하는 정책이 잘못된 방향일 수 있음을 시사한다. 자본화가 수익성을 견인하는 신뢰할 만한 요인으로 식별되지 않고 운영 모델(특히 비용 구성)이 예측 콘텐츠의 대부분을 차지하므로, 정책은 자본의 가격보다는 운영 역량(경영 능력, 인력 구성)에 집중해야 한다.

본 논문은 수익성 변동의 상당 부분이 비용 기반의 구성이 결정되면 고정된다고 결론짓는다. 이 연관성은 부분적으로 산술적이지만, 이질적인 집단 사이에서도 관계가 안정적이며 회계적 항등식을 깨뜨린 후에도 지속된다는 점은 이것이 단순한 통계적 착시가 아님을 나타낸다. 본 연구는 인과적 효과를 식별한다고 주장하는 것이 아니라, 가용 데이터의 제약 내에서 금융 결정 요인과 운영 결정 요인 간의 상대적 가중치를 엄격하게 측정하는 것을 목적으로 한다.

유사한 논문