产品分类法如何推动经济发展

新能力定义了一个新产品p\'，它以统一的概率随机添加到一个现有产品p中。3.从p到p′插入有向链接。然后按如下方式构建MCP矩阵：1。分配给每个国家的多元化DCC；具体值是从真实世界分布中额外计算出来的。2.国家从税收中随机选择产品；选择某一特定产品的概率与该产品相关的能力数量（即与根部的距离）成反比。3.从对应树的根到任何选定产品的最短路径上的所有产品都被分配到国家c。选择DCD的值时，模型中的差异分布与实际数据中的差异分布相似。模型再现的程式化事实模型能够再现真实矩阵中存在的一些非平凡的程式化事实。在图3中，我们展示了图3中一个简单的binomia l模型之间的比较。我们的模型很好地再现了MCP矩阵的特殊三角形形状和产品在普遍复杂性平面上的经验分布。没有产品分类法[22]，真正的MCP矩阵和当前模型的实现。第一行显示了矩阵的表示：很明显，二项式模型忽略了一些关键方面，而我们基于分类的模型能够产生更接近实际情况的结果。当查看产品的普遍性与复杂程度排序的散点图时，这一点变得更加清晰。复杂性是对所需能力数量的衡量，在[23,24]中引入了d。精确的三角形形状（即。

现实世界数据中存在的产品（既普遍又复杂），很难用更复杂的二项式模型来描述[26]，但这是我们的方法自然产生的。该模型已被用于从MCP矩阵开始，对重建分类法的各种算法的性能进行基准测试。特别是在120个国家和1120种产品中，我们的算法能够检测80%以上的正确链接。完整结果如表1所示正确重建的链接25个国家120个国家248个产品1120个国家现有标准42.4%81.1%最大生成树25.8%33.4%随机链接10.3%11.3%表1。比较构建分类网络的三种不同方法。本文提出的算法输出不仅是链路的随机分配，而且是由同一矩阵得到的最大生成树。结果分类网络分析在本节中，我们研究了从经验数据构建的两个分类网络。我们从1995-2000年的数据中获得的网络有1131个顶点（这个数字显然等于产品的数量）和985条边，而1963-2000网络有538个顶点和456条边。因此，它们非常稀疏且不完全连接（这是由于产品的内在异质性和我们的过滤过程，即每行最多选择一个链接。正如我们将在下文中看到的，这种过滤允许从观察到的时间演化的角度识别最相关的链接）。在这两个网络中，我们有大约100个大小不等的组件。然而，这些公司大多具有明确的经济和技术意义。

在图4中，我们展示了1995-2010年出口矩阵构建的分类网络的最大组成部分。绿色节点表示瑞典在2010年出口的现有产品，而红色节点表示Mcp=0。顶点的直径与产品复杂度的对数成正比，其度量已在[23,24]中定义。人们可以注意到一个明显的趋势，即在网络的层次上有一个更复杂的产品，而更基本的产品位于中心，并且有一个更高的层次，也就是说，中心性倾向于与复杂性反相关。这种行为符合我们的假设，即生产低复杂度产品所需的少数能力代表了能够生产高复杂度产品的必要条件，这符合我们在前面章节中介绍的分类网络概念的精神。这一想法的零阶验证可以在以下事实中找到：对于这两个网络，大约70%的边缘都指向从高到低的复杂度产品。在purelyrandom框架中，考虑到存在数百条边，我们预计该值将接近一半。相反，我们观察到一个p值可以忽略不计的情况，因此我们可以得出结论，链接的方向不是由公平的硬币流给出的。现在我们想把注意力转向各国如何占领分类网络。特别是，我们想研究将这些国家的宏观经济特征与它们出口的产品对应的顶点属性联系起来的可能性。我们注意到，发达国家倾向于占据外部顶点。为了更好地研究这一特征，我们需要一种测量阿吉文顶点中心度的方法，这种方法不仅要考虑其程度，还要考虑链接的方向，以便通过链接后获得的权限。

一个可能的衡量标准是PageRank[27]。为了评估一个国家的发展程度，我们计算其产品的权重，即远离中心的产品，即低排名的顶点。我们研究了给定国家的出口产品的反向储备之和c:Dc=XpMcpP R-我们称之为国家处置。在图5中，我们绘制了这一数量与所谓的能力[23,24]，这是一个国家增长潜力的衡量标准，对于我们数据库中的所有国家，参考2000年，我们发现两者之间存在令人印象深刻的相关性（R=0.92）。为了清楚起见，我们采用了这两个变量的对数公式。这是基于网络的数量和能力之间有趣的联系，这是国家之间算法相互作用的结果，以及它们所展示产品的复杂性。对国家发展的研究这种方法最重要的特征之一是国家经济发展的可视化。为了说明在研究特定国家时，模式是如何清晰地显现出来的，我们将重点放在所谓的“亚洲四小龙”之一韩国发展的一个特定例子上，它通常被报道为成功工业化进程的案例研究。特别是，在图6中，我们展示了冶金工业及相关原材料和废水，包括预制建筑、容器、储罐、电线、机械工业、纺织涂料、胶水、颜料、专用工业机械实验室设备和农业图4。分类网络的最大组成部分是根据1995-2010年的数据库e构建的。颜色指的是2010年瑞典MCP矩阵的值：gr e en为1，红色为0。顶点的直径与产品复杂度的对数成正比，如[24]所定义。

从视觉角度来看，瑞典的一个良好战略举措可能是在实验室设备领域生产红色、高复杂度的产品-15-10-50对数拟合图5。每个国家的性格和能力。re是两个变量之间的线性相关，表明一个国家的增长潜力与其在轴系网络上的配置之间存在联系。分类网络的技术组成部分。根产品是无线电广播接收器，而在边界上，我们发现自动数据处理机器，即计算机。一个例外是雨伞，该产品显然与其他产品没有任何共同之处，尽管过滤过程似乎对其他顶点表现良好，但仍与该组件保持连接。在图7中，我们展示了该组件的韩国n出口的时间演变。颜色s与巴拉萨的显示比较优势（RCA）成正比[21]：浅蓝色意味着产品不出口，而不同色调的re d与RCA的增加成正比。1963年，该国没有以显著方式出口任何这种成分的产品。三年后，根开始与两种紧密的产品一起生产。在接下来的几年里，韩国探索了这个网络，在1993年达到了令人印象深刻的多样化水平。2000年，韩国将出口重点放在边缘产品上，根据我们上面介绍的处置分析，这是一个已经发达的国家的预期出口。

多管闲事的产品（在本例中是雨伞）的存在是由于tonoise，但由于其RCA行为，它可以被发现，这与其他节点无关。因此，即使我们用来定义网络的概率方法可能会导致虚假结果，比如在其他定义良好的集群中出现意外产品，我们可以看到，对动力学的仔细分析清楚地表明，相对于所考虑的集群，该站点是异常的。现在，我们想研究我们的网络结构在国家发展研究中的效用，以便对我们在韩国测试案例中观察到的更大范围进行量化。为此，我们将重点放在最长的数据库（1963-2000）上，并试图从出口矩阵中提取有关一个国家出口基地中产品的存在与未来一年新产品出现之间相关性的经验信息。为了做到这一点，我们试图量化一个产品p的存在对另一个产品p′可能开启的影响程度。考虑到已经激活的产品的感觉，这种帮助的一个可能度量是激活的频率。图6。塔克索米网络的一个组成部分。所有节点显然都是同一个技术社区的成员，但u mbrellas的存在是由于噪音。图7。Ta-xonomy网络组件的时间演化示例。被研究的国家是韩国。红色刻度代表RCA值的增加。可以注意到从中心（根积）到组件边界的扩散。在实践中，首先必须计算三维激活Matr ixzpy=Mcpy- Mcp（y）-1） （6）y在哪里∈ [1964, 2000].

目前，我们只关注产品的激活（Zcpy=1），而忽略了Zcpy=1的情况-1，对应于对某个产品的解雇。这个不同的问题将在未来的工作中解决。为了在存在另一种产物p的情况下评估p′的激活频率，我们计算了使能矩阵xCPP′=Pc，yZcp′yMcp（y-1） Pc，yZcp′y（7），其中，在前面的公式中，矩阵运算是作为元素对元素的运算。该矩阵的元素表示从p top′开始的定向连接强度的经验代理。显然，这可能是一个粗略的近似值，因为在原则上，人们可以认为存在的morea产品越多，就越有必要，即使它可能不是t。因此，我们检查了产品无处不在的权重，发现即使无处不在的产品往往更有必要，一旦消除这种影响，我们的结果基本上保持不变。另一种可能性是，一系列产品的存在改变了一个国家必须生产新产品的可能性，而不仅仅是上述假设的一种。在这种情况下，无法直接计算产品的相对有用性，因此，作为零近似值，我们可以为每一次激活给出前一年已出口的每一种产品的1/n，其中n是研究国家出口的产品数量，s o通常是p的函数，c和y。使用这种方法，从p到p′的联系的经验强度将由不同国家多年来收集的分数的总和给出。

通过这种方式，假设一个油田的相互作用来计算使能矩阵，而之前的方法假设相互作用是成对的。一旦我们确定了一个关于各国出口时间演变的经验基准，我们就必须评估其与分类网络的联系。为此，我们将两个enablingmatrix的行从最大的元素排序到最小的元素，并检查根据分类网络选择的矩阵元素的位置。换句话说，我们检查分类网络中存在的链接的经验性恢复与其他可能链接的关系有多强。结果如图8所示。分类网络正确地识别了产品之间的大多数顶级经验性时间关联，包括成对和平均场方法。特别是，大约100个链接位于前2.5%的位置，其中大约一半位于前10%的位置。在平均场情况下，分类网络的性能稍差。这一结果指出，在建立税收网络时没有考虑出口的时间演变，这一网络与国家发展的性质之间存在着明确的联系，即它们正在出口的产品和将要出口的产品之间的时间联系。讨论在目前的工作中，我们介绍了一种能够从二部网络的时间演化中提取相关信息的算法。特别是，我们构建了一个网络，其节点仅由起始二部网络的一种类型的节点构成，其边缘从一个需要的节点指向一个支持的节点，从这个意义上说，激活第一个节点增加了第二个节点在未来被激活的可能性。

考虑到这种因果关系，我们将其命名为税收网络。该算法基于选取二部网络投影的最大值，在简单矩阵和玩具模型上进行了测试，玩具模型能够再现导出矩阵的主要样式化事实。我们使用这个框架来分析分类网络图8。Ta-xonomy网络使用文本中描述的两种不同方法，按照启用矩阵的经验计算，正确找到经验上最活跃的边。这里，我们展示了由网络经济学选择的使能矩阵元素的排名分布。排名是按使能矩阵的行从最大元素到最小元素的顺序计算的。由此产生的分布在所有值附近达到峰值，这意味着我们的网络所建议的链接的大量fr作用对应于可启用矩阵的最大元素。根据各国的指数数据得出。网络属性与国家的潜在增长和发展有关。特别是，通过引入使能矩阵来研究最后一个问题，使能矩阵的元素是衡量一个激活产品在未来生产另一个产品的必要性。我们发现，我们从出口矩阵的经验分析中发现的最大时间关联，就是loo king在经济学网络结构中选择的那些。这一事实将分类网络的静态特性与二分之一的时间演化联系起来。这项工作为许多可能的应用提供了可能性。

一般来说，这种算法可以用于任何双节点系统，尤其是在节点的一个拓扑在选择从另一个拓扑中选择哪个节点时起积极作用的情况下，例如在国家产品网络、用户项目、消费者购买的产品以及所有其他推荐系统中。关于国家产品网络，下一步将是链接预测，即建立一个框架，能够预测某个国家在未来几年将出口哪些产品。例如，在我们的框架中，我们可以说，对于那些与该国在分析中已经出口的产品相关联的产品，我们需要的能力更少。因此，网络经济学也可以用来提供政策建议，因为与许多现成产品接近的产品更容易生产。具体而言，我们的网络结构与使能矩阵测量的经验时间连接之间的对应关系表明，工业化过程中有一条明确的路径可以遵循：在产品空间中，可能的轨迹有很多，但其中许多是实现国家增长的首选轨迹。仅仅照搬其他国家的做法而不学习它们的能力，并不能在持久的经济稳定方面产生持久的结果。一个欠发达的国家必须学习简单的能力，从而能够出口我们称之为roo t的产品，以便开始一个稳定的工业化和发展进程。致谢我们感谢法比奥·萨·拉科（Fabio Sa racco）提供的必要的卫生程序，以及伊曼纽尔·普格利泽（Emanuele Pugliese）提供的有用意见和讨论。参考文献1。Heckscher EF，Ohlin BG（1991）Heckscher-Ohlin贸易理论。麻省理工学院出版社。2.