服务对经济复杂性的影响：服务复杂性

一般来说，复杂度得分收敛到零的产品完全取决于国家产品的形状观察，我们对真实数据的调查结果表明，在大多数年份，我们从汇总的商品和服务数据构建的矩阵确实具有“不利”形状（根据[15，16]中的发现），导致一些国家和产品的复杂性指数趋近于零。因此，将FCM直接应用于我们的数据集可能不合适，需要另一种方法。接下来，我们建议对该方法进行修改。改进的适应度复杂度方法：（M-FCM）适应度复杂度方法如下：（eci，n=PjMijpj，n-1epj，n=PiMij（Nc-ci，n-1)-→（ci，n=eci，nheci，nipj，n=epj，nhepj，ni（7）epj，nci，n）-1（北卡罗来纳州）- ci，n-1） 正如最初的方法一样，产品的复杂性仍然（主要）由竞争力最低的出口国的复杂性决定。事实上，我们提出的修正可以看作是自1/ci，n的泰勒级数展开以来原始非线性方法的二阶近似-1在点Nc/2与（Nc）成比例-ci，n-1） ：ci，n-1=Nc-4（ci，n）-1.-Nc）Nc+O（（ci，n）-1.-（北卡罗来纳州）≈Nc（Nc- ci，n-1) ∝ （北卡罗来纳州）- ci，n-1） ，只要| Nc- ci，n-1 |<Nc。国家和产品）总是收敛到严格正的有限值。为了证明这个性质，我们写出了ci，eci，pj和epj的稳态解：eci=XjMijpj；（8） epj=PiMij（北卡罗来纳州）- ci）；（9） ci=eciheciii；（10） pj=epjhepjij。（11） 很容易看出，从初始条件eci，n>0，epj，n>0，ci，n>0，和pj，n>0开始。因此，eci≥epj≥词≥pj≥NcPici，nPicintheMmatrix）isNp=Pjpj，n=Pjpjfor eachn。

我们假设每个国家至少出口一种产品（di=PjMij>0），每个产品至少由一个国家出口（uj=PiMij>0）。来自皮米奇≥ 0之后是Ximij（北卡罗来纳州）- ci）=Ncuj-西米奇≤ 北卡罗来纳州- （ci）≥Ncuj>0（12）uj>eci>epj>ci>pj>（12），并且在ci>0且Nc=Pici时，我们有ci<Nc。因此，稳态解也是有限的。由于M-FCM的这些优点，我们将使用它来代替最初提出的FCM来计算基于聚合数据的适应度复杂度度量。我们将结果指数称为聚合IF和聚合非线性PCI。此外，我们还将使用M-FCM计算分类商品数据的复杂性度量，这是评估服务和数据汇总对国家生产结构影响的过程中所需的一个步骤。结果和讨论数据汇总和服务包含：含义在我们开始详细分析汇总复杂性指标的特征以及商品汇总和服务包含如何影响经济复杂性指标和国家排名之前。数据聚合：总计，包括服务），邻接矩阵系数的任何变化（即引入/删除774种分类商品的原始模型。事实上，商品聚合的过程会导致国家间多样性分布的扭曲。如果仅为了量化商品聚合的影响而排除国家的多样性，这种影响是明显的）。例如，在SITC的4位数分类中，德国、意大利和美国等发达国家拥有最多样化的出口篮子，这与国家复杂程度的近似值相当。

然而，当服务被添加到图片中时，总体的多样性概况与分类商品的多样性概况更为相似，因为模型中包含的服务增加了发达国家的多样性。就像分解聚合产品的情况一样。有趣的是，就普遍性而言，上述影响不太明显，因为就新获得的聚合（不包括服务）的普遍性得分而言，商品分类会产生更可预测的结果，这是因为在分类中，这些类别的商品分类通常是最不普遍的。当服务被包括在内时，商品普遍性的分布相对保持不变，唯一的区别是，每种聚合商品都以牺牲服务为代价变得无处不在。现在，在聚合产品的整体模型中，特许权使用费和金融等服务几乎每年都是最不普遍的出口。排名预计也会受到影响。事实上，与[3,4]中（对于ECI）和[11,12]中（对于IF）的原始调查结果相比，当货物进行聚合时，RCA指数的微小变化可能会导致过渡聚合ECI和聚合IF更不稳定（容易随时间发生更大的变化）。它们整体出口篮子结构和排名的变化。虽然这可能被视为依赖聚合商品数据的模型的一个弱点，但我们回顾了在缺乏更精细（即与可用服务数据相比较的分解）的情况下，服务的作用：为了说明模型中包含服务的效果，图。

1我们展示了2005年国家产品网络的简单可视化。根据这一表述，商品和服务位于中心，国家分为多个区域（大陆）。该网络包括116个国家、10种产品、12种服务、448条连接国家和商品的链路，以及238条连接国家和服务的链路（当NRCAIJ>1时）。一开始，这种差异是复杂的。same1b的binaryMmatrix中包含的信息也支持这一点。我们观察到，矩阵保留了[2]中的三角形结构，因此，泛素检查表明，在这些国家中，英国和荷兰的多样性最高。主要用于食用的动物大多由这些国家出口。图1。聚合的国家产品网络。a） 可视化2005年的国家产品网络。服务用蓝色表示，商品用红色表示。国家节点根据其所属大陆的颜色而定，欧洲为绿色，亚洲为紫色，非洲为黄色，代表美洲国家的节点为印地安人。b） 显示了M矩阵。这里的行代表国家，根据其多样性排序，而列代表根据其普遍性排序的产品。服务出口篮子，而不是发达和多样化的国家，特别是肯尼亚（8）和黎巴嫩（8），拥有最高的商品多样性。

尽管如此，这种多样性分析仍应谨慎进行，因为它对评估生产系统的复杂性非常有用，研究结果可以作为后工业化[23]的一个指标，即发达经济体从依赖商品数据的聚合转变为依赖商品数据的过程，认识到以服务为导向和以商品为导向的发达经济体之间存在更大的差异。总而言之，数据汇总和服务包含的效果对各国长期和短期经济状况的信息状况产生了重大影响。经济复杂性作为未来增长的指标经济复杂性的重要性源于这样一种观察：一个国家所拥有的生产能力携带着有关其长期潜力的信息。因此，描述二分国家产品网络的邻接矩阵中包含的信息可用于预测该国未来的增长。在这种情况下，通过计量经济复杂性指标影响经济增长[11,12]，对反射法的性能进行了广泛评估。为了解决在使用标准回归进行增长预测时出现的不一致性，在[8]中，有人提出，与基于适应度的预期相比，收入水平更高的异质性模式存在，观察到两种模式，这两种模式具有进化模式的异质性。根据这些观察结果，我们认为，一种方法可以将复杂性方法置于中期，另一种方法可以用新的经济指标替代GDP[24,25]。

在这方面，我们支持[8]中提出的立场，根据这一立场，与其简单地用新的替代指标取代基于货币的信息（如GDP）[24,25]，不如补充基于GDP的测量结果更合适。应该基于这样一种理解来解释结果，即国家GDP（人均GDP）只是情况的一部分，或者更准确地说，多维模型中只有一个参数。复杂性度量。特别是，我们认为，如果复杂性度量应该提供有关某些因变量（即长期增长）的信息，然后，它们应该是重要的、强有力的解释（分类ECI的回归可以被视为增长回归的部分复制。回归结果表明，获得的指数比聚合多样性更好地近似长期增长的变化。在支持信息S1中，我们评估了结果的稳健性。我们在回归模型。每一项都与经济复杂性和增长速度有关，因此消除了目前偏见的嫌疑。MR回归：我们通过估计以下具有固定时间效应的面板回归来检验聚合复杂性度量与长期经济增长之间的关系：gi，t=α+βci，t+φXi，t+ηt+i、 t其中t=19881998是周期符号。相关变量gi，用十年GDP（PPP）igi，tlog测量GDPi，t+10GDPi，t服务数据可用的最长期限。

此外，通过这种方式，我们与我们的“原始”β利益一致，因为它是对初始时间t的国家经济复杂性的边际效应的估计；Xi是三个控制变量的向量，φ是参数的对应向量；而ηt是时间效应和这是错误术语。其中包括三个控制变量：人均初始GDP（PPP）、自然资源出口增长和国家初始复杂性展望指数（COI）。第一个有助于我们解释追赶效应，即发展中国家没有考虑到自然资源出口的影响，我们将自然资源出口的增长作为初始GDP的一部分（自然资源与SITC类别0、1、2、3、4和68相匹配，sameas Sachs和Warner[26]）作为第二个控制变量。此外，在每次评估中，ci和衡量一个国家的生产能力集附近有多少种不同产品的COI指数都源于这样一个事实，即“复杂性前景较低的国家附近几乎没有产品，将发现很难获得新的能力并增加其经济复杂性”。通过MR方法获得的测量结果对经济增长有影响。第一列显示了仅在前两个控制变量上回归增长时的估计参数，而第二列添加了任何水平的长期经济增长的聚合显著预测因子。第三列将汇总的ECI替换为分类的ECI。因此，价值几乎增加了10个百分点。Invave超过10%，而columnV则表示，聚合的ECI更能代表数据。

更准确地说，当聚集的ECI和聚集的多样性组合在一个回归中时，聚集的多样性系数变为负值并失去显著性，而聚集的ECI的显著性保持不变。尽管这些变量之间的共线性非常高，但这一结论是合理的。众所周知，如果在回归中包含两个高度共线的变量作为解释变量，则可以控制初始人均GDP、自然资源出口和COI的对数，即0.66）。表2。综合经济复杂性指数和增长。因变量：1988-1998年、1998-2008年GDP增长变量（I）（II）（III）（IV）（V）（VI）人均收入-0.027**-0.041***-0.106***-0.106***-0.033**-0.041***（0.013）（0.015）（0.019）（0.019）（0.014）（0.015）天然橡胶出口增长0.311*0.325*0.311**0.306**0.304*0.326*（0.166）（0.166）（0.132）（0.133）（0.165）（0.160）初始累计ECI 0.042***-0.008 0.045**（0.015）（0.016）（0.022）初始COI 0.005**0.005***0.005***0.004**0.005**（0.002）（0.002）（0.002）（0.002）（0.002）（0.002）初始ECI 0.118***0.123***（0.023）（0.026）初始聚合多样性0.010*-0.002（0.006）（0.009）常数0.468***0.631***1.187***1.189***0.511***0.637***（0.117）（0.134）（0.175）（0.175）（0.117）（0.139）观测值210 R0。202 0.239 0.334 0.334 0.224 0.239年FE是是是是是是是是是是是是是的，这两个时期的利比里亚和1998年的土库曼斯坦都被排除在外，因为它们是极端的异常值。按括号中显示的横截面聚集的标准错误***p<0.01，**p<0.05，*p<0.1FCM回归：强化体能（IF），与[3,4]和我们的工作中使用的方法略有不同。

此外，如材料和方法部分所述，FCM在其原始版本中可能会导致复杂性指标接近零值，因此在典型回归分析中无法显示任何显著结果。为了解决这一问题，并在使用不同商品术语时进行公平比较，我们根据SITC修订版，采用修正适应度复杂度法（M-FCM）重新估算分类IF。2.四位数分类。然后，在表3中，我们用估计的聚合IF的日志重新进行增长回归。然后，我们将其性能与分类IF和汇总IF的日志进行比较，汇总IF是任何水平上增长的重要解释变量；第二，包含聚合IF的计量经济模型的表现比分解IF差。两个变量之间的唯一差异是显著的（尽管聚合多样性仅在10%时显著）。然而，当控制初始人均GDP的对数时，与0.89的相关性一样，自然资源出口，这是收入长期变化的解释。这使我们可以得出结论，基于聚合IF日志的预测模型比基于聚合多样性的模型性能更好。累计ECI的对数标准差增加与等于18的增长变量增加相关。6%的标准偏差在该变量中，而一个标准偏差在Logof Aggregated Table 3中增加。

集中强化健身和成长。因变量：1988-1998年、1998-2008年GDP增长变量（I）（II）（III）（IV）（V）（VI）人均收入-0.027**-0.045***-0.068***-0.067***-0.033**-0.051***（0.013）（0.015）（0.017）（0.017）（0.014）（0.015）天然橡胶出口增长0.311*0.312*0.321**0.319**0.304*0.311*（0.166）（0.162）（0.155）（0.156）（0.165）（0.160）初始聚合IF，日志0.046***-0.014 0.107**（0.017）（0.021）（0.042）初始COI 0.004**0.005***0.005***0.004**0.005**（0.002）（0.002）（0.002）（0.002）（0.002）（0.002）初始IF，记录0.086***0.095***（0.023）（0.029）初始聚合多样性0.010*-0.026*（0.006）（0.015）常数0.468***0.692***0.900***0.884***0.511***0.888***（0.117）（0.137）（0.158）（0.151）（0.117）（0.181）观测值210 R0。202 0.241 0.296 0.297 0.224 0.254年FE是是是是是是是是：为了与综合ECI回归一致，两个时期的利比里亚和1998年的马拉维都被排除在样本之外。按括号中显示的横截面聚集的标准错误***p<0.01，**p<0.05，*p<0.1如果相同的增长变量增加其标准偏差的20.4%。另一方面，分解的ECI和分解的IF的LOGO估计，国家复杂性对增长的边际影响分别为55.7%和37.3%。从这个，可以说，与自然资源出口的增长相比，服务的聚集和包含减少了边际效应和解释之间的差异（这是标准偏差的25%到27%之间——经济上的巨大影响。虽然执行的回归适合捕捉复杂指数的解释潜力，但由于以下几个原因，它们不适合用于增长预测。）。