经济和技术复杂性：一个经济增长指标的模型研究

因此，我们可以预期THCI与ECI以及THCI与PatCI之间存在相关性，这并不奇怪。尽管ECI和PatCI之间的关联并不直接，因为正式出口价值和专利没有关联。这种相关性反映了技术和制造业之间的联系。ECI和PatCI之间的皮尔逊相关性有适度增长的趋势，这可以用1998年危机后的经济高涨来解释，当时经济对技术的需求不断增加。THCI与ECI、CI与PatCI对之间的相关性可被视为三个指标之间动态相互作用的一致性-0,4-0200,20,40,60,81皮尔逊相关系数ECI vs.PatCIECI vs.THCIPearson THCI vs.Patcit美国。在我们进行国家间的比较之前，让我们首先展示（图3）美国三个复杂性指标的发展。鉴于我们使用美国专利商标局的数据，我们可以认为PatCI在这种情况下定义良好。在其他国家使用美国专利商标局的数据应该被视为一种替代，而在小国使用美国专利商标局可能是一个不幸的选择（如上所述）。图3：美国三个复杂性指标的发展（2000-2014）。图3显示，PatCI值通常低于相应的ECI和THCI值。然而，PatCI的趋势正在增加。ECI和THCI的趋势相对稳定，显示出振荡。与ECI和PatCI相比，THCI的高值表明-2,50-2,00-1,50-1,00-05000001002000 2005-2010美国ECIPATICITHCIMORE三个维度之间的相互作用的复杂性指标。这些数字表明，与ECI和PatCI相比，THCI指标发挥了主导作用。

例如，2001年和2003年的两个THCI峰值对应于2004年和2006年的ECI峰值以及2005年和2007年的PatCI峰值。此外，2005年THCI的底值可能与2008年的ECI和PatCI底值有关。THCI是否可以被视为早期指标？表3显示了当THCI值滞后于ECI两年时，THCI和ECI之间的正相关性。斯皮尔曼的rho值为0.58242；p<0.05）。因此，这两个变量之间的关联可以被认为具有统计学意义。在图3中，我们用铅笔画出了线性回归线作为辅助线。ECI和THCI的趋势均显著（p<0.01），而PatCI的趋势不显著。表3:THCI与ECI、THCI与PatCI指标值之间的时移为一年、三年和四年时，美国复杂性指标之间的斯皮尔曼相关性。ECIPatCIshift+1+2+3+4+1+2+3.+4TCI-.011-.011.582*.475-.027-.424.046-.121.298*.114*。相关性在0.037水平显著（双尾）。人们可以使用时间序列数据和连续日期之间的斯皮尔曼秩序相关性ρ来测试增加或减少的单调性，因为后者根据定义是单调增加的（Sheskin，2011，第1374页）。国家间的比较莱斯特美国现在比较世界上一些主要经济体（美国、中国、日本、德国、英国和法国）。我们加入了俄罗斯和加拿大，以丰富这幅画面：加拿大经济是美国经济的有趣伙伴，而俄罗斯可能会表现出不同的模式。图4:2014年八个主要经济体三个复杂性指标值的比较（按THCI递减排序）。图4首先说明了上述三个指标之间的相关性。

数值范围从正值最高的中国和日本到负值最多的俄罗斯联邦（与平均值相比）。中国作为“世界工厂”——1,5-1,0-0,50,00,51,01,52,0中国-日本-德国-法国-联合王国-美国-俄罗斯-欧洲-欧洲-亚洲-亚洲-亚洲-亚洲-亚洲-亚洲-亚洲-亚洲-亚洲-亚洲-亚洲-亚洲-亚洲-亚洲-亚洲-亚洲-亚洲-亚洲-亚洲-亚洲-亚洲-亚洲-亚洲-亚洲-亚洲-亚洲-亚洲-亚洲-亚洲-亚洲-亚洲-亚洲-亚洲-亚洲-亚洲-亚洲-亚洲-亚洲-亚洲-亚洲-亚洲-亚洲-亚洲-亚洲-亚洲-。换句话说，对于这两个国家来说，当地组织与全球化的（非线性）动态是非常不同的。美国、加拿大和英国似乎有着共同的模式，但加拿大的经济复杂性远远低于英国或美国。ECI对俄罗斯联邦的负面影响最大，而法国和德国似乎处于两者之间。图5中提供的这八个国家的ECI时间序列证实了加拿大和俄罗斯联邦的ECI值显著较低的模式。

值得注意的最重要趋势是中国的出口信用指数在统计上显著增加，而美国和英国的出口信用指数都显著降低，这在一定程度上可以归因于制造业在美国和英国经济中的作用降低（服务业在美国和英国分别占GDP的67.8%和73%）以及使用巴拉萨的RCA的影响。自2007年以来，中国的ECI得分高于日本。https://web.archive.org/web/20080328070041/http://usinfo.state.gov/products/pubs/economy-简而言之/第3页。htmlhttps://web.archive.org/web/20060507104835/http://www.statistics.gov/uk/StatBase/Product.asp?vlnk=9333Figure5：为八个主要经济体制定2000-2014年ECI-2,00-1,50-1,00-0500000501001502002502000 2005 2010ECI中国-日本-法国联合王国美国-加拿大-俄罗斯联邦图6:2000-2014年八个主要经济体的PatCI发展-3,00-2,00-100001002003004002000 2005 2010PatCI中国-日本-法国-英国-美国-俄罗斯联邦图7:THCI 2000-2014八个主要经济体的发展情况。图6显示，即使对于这些相对较大的经济体，帕齐亚蒙年份的变化也可能相当大。然而，在研究的所有年份中，日本在这一指标上的表现都优于其他国家。图7显示，就THCI而言，日本的民族融合相对稳定，而对于中国来说，这一指标的价值正在增加。德国紧随其后，排在第三位，而盎格鲁-撒克逊国家则相对倾向于另一轮（图1b和1c）；换句话说，它们面向开放市场和国际专利。

俄罗斯联邦在该组中排名最后，因为它在国家一级的一体化中表现出色（Leydesdorff、Perevodchikov和Uvarov，2015）-4,00-3,00-2,00-100001002003002000 2005-2015中国-日本联合王国美国扫描俄罗斯联邦。讨论和结论我们认为，伊达尔戈和豪斯曼的反射法（MR）仅定义为经济复杂性，尽管作者指出，制造能力基于“能力”，这意味着基于知识的技术。在这项研究中，我们展示了如何通过将MR扩展到专利类别，再扩展到产品组，从而内生化技术维度，然后还可以指定交互项。因此，我们首先定义了专利复杂性指数（PatCI）；使用国家专利矩阵，ECI和PatCI被合并到新的THCI指标中。该指标在信息上比ECI或PatCI更丰富，因为可以包含交互术语。使用MR，根据相应矩阵的各个维度之间的协同进化，可以将每个双边耦合视为一条螺旋线。产品、专利和国家维度中的三个相互换算公式也可以组合成一个角度配置，允许顺时针和逆时针循环。二者之间的权衡可以用三螺旋复杂度指数（THCI）来描述（例如，国家）创新体系的特殊性。因此，创新系统被认为是市场和技术全球化选择环境与（国家组织的）保留机制竞争的结果（Freeman&Perez，1988）。

在一个方向上，三个螺旋相互推动，走向系统集成；相反，它们会导致差异化，从而吸收复杂性。该模型在分析上遵循了复杂性方法中的MR，也就是说，没有进一步的假设。根据实证数据对模型进行检验，我们发现以下结果：1。三个指标（ECI、PatCI、THCI）高度相关；这三个指标都可能衡量（国家）创新系统复杂性的潜在维度；2.我们的ECI值可以被视为HH（2009）研究的部分复制品，尽管是在45个较小的国家和另一个（3位数）水平的汇总上进行测试。使用与HH不同的样本和时间范围，我们无法重现经济和平均收入之间的相关性，这一直是关于经济复杂性方法是否有效的争论的核心。我们表明，这可能是因为我们只使用了相对发达国家的有限数据集和三位数数据，而不是ProductClass中的四位数。国家数据集的进一步扩展大大改善了这种情况。换句话说，HH的ECI在总水平上比在国家水平上更能预测平均收入。3.正如预期的那样，各国在这些指标上各不相同。有趣的是，尽管在集合水平上普遍存在相关性，但一些国家的系统在三个指标的符号（正或负）方面存在差异。例如，法国在ECI方面是积极的，但在PatCI和THCI方面是消极的（相对于整个集团的平均值）。一种可能的解释是，法国发明家在美国的专利申请率低于平均水平，而法国的经济复杂性高于平均水平。

如果不使用所有主要专利局的数据重复分析，就无法区分这是法国特有的，还是分析程序和操作的局限性；4.在主要经济体中，日本在所有三个指标上得分最高，但在国家一体化方面得分较低，而中国在结合经济和技术复杂性方面取得了越来越大的成功。美国在所有三个复杂性指标上的赋值都低于平均值。我们跟随HH使用可用的宏观统计数据。然而，将专利类别或产品组归属于国家需要仔细阐述（Alkemade等人，2015年）。当一个国家生产一种产品时，它可能拥有相应的技术，但技术也可以外包。制造业可以在不进行技术转让的情况下转移到另一个国家。当关注国家宏观层面时，无法捕捉到企业之间在合并和收购方面的潜在动态。虽然关于知识生产和使用的信息无疑应该成为创新复杂性的一个指标，但需要进一步研究，以有意义地捕捉技术层面。例如，必须定义一个在技术领域发挥GDP/人口作用的指标。6.规范含义寻找一个经济体的知识库指标，一方面与经济体无关（大多数科学技术指标也是如此），另一方面，将技术发展内化为能力一直是经合组织研究项目的主要驱动力（David&Foray，1995；Foray&Lundvall，1996）。

在对这些努力的评估中，戈丁（2006）得出结论，他们主要导致了现有指标的重新组织和重新标记。在三螺旋（TH）研究的背景下，三个（或更多）维度之间的互信息已被开发为经济知识库中协同和整合的指标（例如Leydesdorff&Fritsch，2006）。然而，这种协同效应指标存在几个问题，例如：（1）它是用信息量来衡量的，这是一种抽象的熵测度，不能直接与基本经济指标（如营业额、收入等）相关；（2）作为一种系统度量，协同效应不能按比例分解为技术轨迹、市场选择和控制TH演化的三个子动力学。在这项研究中，我们提出了一个解决这个问题的方案，从二维和三维两个维度阐述了复杂性方法。我们表明，ECI可以解析地细化为创新系统的三螺旋复杂性指标。因此，可以将反思的方法概括为包括三个相关维度之间的互动：国家、产品和技术。技术层面的内生性可能意味着这种方法在准确预测一个国家的经济增长方面具有更好的潜力。从这个意义上说，当前的研究可以被视为对长期努力的贡献，以研究复杂性作为创新系统和经济知识基础的衡量标准（Frenkenet al.，2007；Ivanova&Leydesdorff，2014）。鉴于目前的技术水平，制定规范性建议可能还为时过早。人们可以首先探索这些指标是否可以得到改进，并使其更有意义。

例如，选择RCA（Balassa，1965）作为二元阈值意味着在有价值的（！）中丢弃大量信息数据Petersen等人（2016）发现，他们的创新系统协同效应信息理论指标在简化为二元反射后不再有效。ECI、PatCI和THCI的值变异可能为我们提供更强的预测因子。感谢Koen Frenken和Frank Neffke对本文早期版本的宝贵意见。Inga Ivanova感谢国立研究型大学高等经济学院实施的基础研究项目和俄罗斯学术卓越项目“5-100”提供的资金支持。我们感谢伊莫金·韦德的编辑和校对。参考萨科马德，F.，海默里克斯，G.，肖恩，A.，维拉德，L.，劳伦斯，P.（2015）。追踪跨国公司发明活动的国际化：国家和行业特征。研究政策44（9）1763-1772。Arcs，Z.和Audretsch，D.（1989年）。专利作为创新活动的衡量标准。基克洛斯42（2），171-180。Balassa，B.（1965）“贸易自由化和”揭示了“比较优势”。曼彻斯特商学院33（2）。99–123. 内政部：10.1111/j.1467-9957.1965。tb00050。x、 Balland，P.-A.，Rigby，D.，和Boschma，R.（2016）。区域的关联性、知识复杂性和技术机会。智能专业化的框架。论文发表于2016年1月28日至30日在图卢兹举行的第三届创新地理会议。布莱德，K.，埃德勒，J.，弗里茨，R.，和施莫赫，U.（2006）。专利动机：来自德国的经验证据。研究政策，35（5），655-672。Boschma，R.，A.Minondo和M.Navarro（2013），“西班牙区域层面新产业的出现。基于产品相关性的邻近方法，经济地理学89（1），29-51。博希马，R.，巴拉德，P-A.，科格勒，D.F.（2014）。

关联性与技术变革发生率：1981年至2010年美国大都市地区技术知识的兴衰。工业和企业变革24（1）223-250，内政部：10.1093/icc/dtu012。卡多，O.，卡雷尔，C.和斯特劳斯-卡恩，V.（2011），“出口多样化：驼峰背后是什么？”《经济学与统计评论》93（2），590–605。卡多特，O.，卡雷尔，C.和斯特劳斯-卡恩，V.（2013）。贸易多样化、收入和增长：我们知道什么？《经济调查杂志》27（4）790–812。内政部：10.1111/j.14676419.2011.00719。x、 Caporale，G.M.，Sova，A.，和Sova，R.（2015）。贸易流和贸易专业化：中国案例，《中国经济评论》，可在线查阅，2015年4月2日DOI:10.1016/j.chieco。2015.03.010.Criscuolo，P.（2004年）。研发国际化和知识转移。未发表的博士论文，马斯特里赫特大学，马斯特里赫特：优点。克里斯泰利，M.，加布里埃尔，A.，塔切拉，A.，卡尔达雷利，G.，和皮埃特罗内罗，L.（2013）。衡量无形资产：衡量国家和产品经济复杂性的指标。公共科学图书馆一号，8（8），e70726。克里斯泰利，M.，塔切拉，A.，和皮埃特罗内罗，L.（2015）。经济复杂性的异质动态。公共科学图书馆一号，10（2），e0117174。David，P.，和Foray，D.（1995年）。评估和扩大科学技术知识库。STI评论，16，13-68。多西，G.（1982）。技术范式和技术轨迹：对技术变革决定因素和方向的建议性解释。研究政策，11（3），147-162。《2013年欧洲竞争力报告：迈向知识驱动的再工业化》。http://www.qren.pt/np4/np4/?newsId=3752&fileName=eu_2013_eur_comp_rep_en.pdfFisher-范登，K.，杰斐逊，G.H.（2008）。技术多样性与发展：来自中国工业企业的证据，《比较经济学杂志》36（4），658-672。弗雷，D.（2004）。知识经济学。