|
首先,我们记得,theRis aR发现了随着时间和国家之间变化的异质性特征。我们得出结论,使用复杂性度量进行预测需要更复杂的方法(相关讨论见[8])。服务与商品和M-FCM。我们首先展示了图2中聚合产品复杂性的可视化。很容易注意到,大多数服务的复杂性都高于商品。通过将聚合的PCI与捕获服务效果的虚拟变量进行回归,并修正时间效应,可以从统计学上支持这一结果:pjt=ug+usDs+ηt+jtpjt是线性(通过MR估计)或非线性(通过M-FCM估计)产品jtugus附加平均服务复杂度;是虚拟变量;ηt时间效应和JT是错误组件。我的思考方法是,在控制了一年后,平均服务复杂度高于平均水平。结果,如第二栏所示——平均服务复杂度是平均服务复杂度的2.77倍。表4。PCI回归。因变量:产品复杂度指数1995-2010变量(I)(II)服务虚拟1.594***0.901***(0.225)(0.233)常数-0.870***0.508***(0.201)(0.009)观察值352 352R0。660 0.268年FE Yes YesNote:按括号中所示横截面聚集的标准误差***p<0.01图2。服务和商品复杂性的演变(1995-2010)。a) b)通过先生估算的产品排名与a)仅通过M-FCM估算的产品排名相同。a-b服务:蓝色,商品:红色。本着能力驱动的生产结构的精神,服务似乎需要更多的能力才能交付。但为什么会这样?产品和能力可用于定性描述服务的复杂性。特别是通过寻找燃料。
|