技术系统的演化和结构——创新产出

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Evolution and structure of technological systems - An innovation output
  network》
---
作者：
Josef Taalbi
---
最新提交年份：
2018
---
英文摘要：
  This study examines the network of supply and use of significant innovations across industries in Sweden, 1970-2013. It is found that 30% of innovation patterns can be predicted by network stimulus from backward and forward linkages. The network is hierarchical, characterized by hubs that connect diverse industries in closely knitted communities. To explain the network structure, a preferential weight assignment process is proposed as an adaptation of the classical preferential attachment process to weighted directed networks. The network structure is strongly predicted by this process where historical technological linkages and proximities matter, while human capital flows and economic input-output flows have conflicting effects on link formation. The results are consistent with the idea that innovations emerge in closely connected communities, but suggest that the transformation of technological systems are shaped by technological requirements, imbalances and opportunities that are not straightforwardly related to other proximities.
---
中文摘要：
本研究考察了1970-2013年瑞典各行业重大创新的供应和使用网络。研究发现，30%的创新模式可以通过后向和前向联系的网络刺激进行预测。该网络是分级的，其特点是枢纽连接紧密联系的社区中的不同行业。为了解释网络结构，提出了一种优先权分配过程，作为经典优先依附过程对加权有向网络的适应。这一过程有力地预测了网络结构，其中历史技术联系和近邻很重要，而人力资本流动和经济投入产出流动对联系的形成有着相互冲突的影响。研究结果与创新出现在紧密联系的社区的想法一致，但表明技术体系的变革是由技术需求、不平衡和机会决定的，这些因素与其他近邻没有直接的联系。
---
分类信息：

一级分类：Economics        经济学
二级分类：General Economics        一般经济学
分类描述：General methodological, applied, and empirical contributions to economics.
对经济学的一般方法、应用和经验贡献。
--
一级分类：Quantitative Finance        数量金融学
二级分类：Economics        经济学
分类描述：q-fin.EC is an alias for econ.GN. Economics, including micro and macro economics, international economics, theory of the firm, labor economics, and other economic topics outside finance
q-fin.ec是econ.gn的别名。经济学，包括微观和宏观经济学、国际经济学、企业理论、劳动经济学和其他金融以外的经济专题
--

---
PDF下载：
--> Evolution_and_structure_of_technological_systems_-_An_innovation_output_network.pdf (627.12 KB)

2022-6-11 03:57:12 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：Contribution Hierarchical Requirements Quantitative Innovations

技术系统的演化与结构——创新输出网络*约瑟夫·塔尔比，隆德大学经济史系。2018年11月19日瑞典文摘，1970-2013年。研究发现，30%的创新模式可以通过后向和前向联系的网络刺激进行预测。该网络是分级的，其特点是HUBST将各个行业紧密联系在一起。为了解释网络结构，提出了一种参考权重分配过程，作为经典优先附加过程对加权有向网络的自适应。这一过程有力地预测了网络结构，其中历史技术联系和近邻很重要，而人力资本流动和经济投入产出流动对联系的形成有影响。研究结果与创新出现在紧密联系的社区的想法一致，但表明技术体系的变革是由技术需求、不平衡和机会决定的，而这些与其他近邻没有直接的联系。果冻：O31、D85、O33。关键词：创新、网络进化、技术系统1简介复杂网络研究中的一个基本问题是确定形成生物、经济和社会网络结构和进化的机制，如互联网，neuraland Mendes 2002，Dorogovtsev et al 2000，New*Jan Wallander和Tom Hedelius基金会（Vinnova noinnovation systems，赠款编号2014-06045）。本文的一部分是在INETComplexity Economics项目的一次研究访问中撰写的。例如无标度度分布和非平凡聚类。然而，负责创新领域结构和演化的机制在创新研究中，学者们对一些技术系统的结构和演化进行了研究，即。

参与技术生成和使用的代理网络，在存在着自由创新和动力的情况下，这种网络可能会成为1991年）。大量文献表明，这些技术系统的演变是由创新互补性驱动的，知识溢出上游技术进步（Acemoglu et al 1990、Lipsey et al 2005、Romer 1986、Verspagendemand和系统性不平衡下游）以及美国专利引用网络中上游网络刺激所发挥的作用。到目前为止，此类实证研究利用了捕捉创新，正如Acemogluet al（2016）所指出的，可能被理解为“正常科学”。注意到技术系统的演化和社会技术转型是网络刺激作用和技术系统演化的驱动力。这个庭院，即。哈维登的商业化发明，1970-2013年，本研究检查了该数据库的基础（Taalbi 2017a，c），发现通过网络分析系统出现的问题和机遇。目前的研究表明，网络刺激网络在很大程度上决定了牛顿的出现。这一过程是由枢纽、关键供应商推动的，它们连接着稳定的不同用户行业，由潜在的经济、技能或知识近邻发挥作用，研究结果强调，大部分重大创新都是面向技术多元化，而不是紧随其后。研究结果与创新活动的观点一致，即创新活动是一个相互协同进化的过程，可能无法通过经济或其他近邻直接捕捉到这一过程。标志。2创新网络的演变2.1外在和内在机制说明研究中网络的结构和SIC和外在机制。

利用开创性的工作（Albert和Barab\'asi 2002，内在候选机制）。不同的连锁形成机制反映在质量上不同的度分布中。由Erd"osdicts生成的随机图呈二项度分布。然而，许多大世界网络已显示为formP（k）的tok∝ k-γ（1），在实践中，通常会发现2≤ γ ≤3.新节点到已经与创新研究中广泛依赖的概念非常一致的节点，收益递增和通用技术的涌现提供了大部分的创新（Arthur et al 1987，network topology.pable解释了复杂网络中的社区结构，尤其是基于DAR 2003、Bianconi et al 2014、Liben Nowell和Kleinberg 2007的概念）。通常，两个节点连接的概率可能取决于各自的邻居数量或节点之间的间接路径。例如，直觉告诉我们，如果两位科学家有相互的联系，他们将来更有可能合作。创新流受紧密联系的技术子系统中出现的过程问题（Bresnahan和Trajtenbergto根据提供的机会等2005年发生）的控制，但也通过关注创新活动的下游问题和不平衡（Hughes 1987，Rosenberg 1969）。操作过程。提出的一个假设是，潜在的经济相互依存性和差异性、社会、制度和地理（Boschma 2005、Boschma和Frenken 2010）。

例如，创新可能会影响资本或中间产品的组合产业（DeBresson 1991、DeBresson和Hu 1996），例如，在某种意义上，创新是指1990年的创新，Nooteboom等人2007年的创新）。创新过程中的认知近邻如何进入非生态创新领域更有可能随之而来。此外，行业之间的过高（例如认知）近邻可能是负关联，这表明了混合关系和相关的多样性（Castaldi et al 2015）。2.2加权创新网络的演变将这些观点结合在一起，网络联系的形成可以被视为一个过程，其中有几个潜在的机制在发挥作用：优先依附、三元封闭以及潜在的经济、知识和技术近邻。创新动力可以理解现有网络结构对创新绩效的预测程度。继Acemoglu等人（2016年）之后，我们可以根据前一时期后向和前向联系的网络刺激来预测按部门划分的创新数量。第4.2节中详细介绍了此类结果。产业关联度与创新结构。跨部门创新净节点数。优先附件SINIPJWJIANDSOUTI=Pjwij。这一过程是由以下通知确定的，即industryjdepends on InjipWij使用的创新出现的概率。

然后，它们可以表示为两项∏w=αsoutisinj（Pwij）的乘积。然而，在Soutipwij的优先连接项目中引入节点异质性是有利的，但是，考虑到供应行业，Iwijsoutiian和j as∏w∝wijPwij（2）显然，在引入节点异质性结果研究时，“优先依恋”被用来引用可能需要更精确的标签的模型。由于一开始没有边有创新，因此该过程被适当地建模为优先连接和随机连接的混合过程，通过参数λ，该过程可能是非线性的，这使得我们将权重为w的边的概率指定为∏w=（1- α） δw，0+αwλPwλNw（3），其中δw，0对于w=0是1，否则0和Nw是带权重w的边数。对于α=1，计算过程。然而，λ方程3取决于参数λ以及网络的边数是有限的还是不断增长的（Bagrow et al 2008）。在我们的案例（第3节）中，网络大小是固定的，但时间间隔小于边数。线性和次线性附着核的α相关权重分布。对于基线linearcaseλ=1，权重遵循帕累托分布pw∝ w-1.-1/αλ<权重遵循拉伸指数。方程3描述了我们的基线模型，用于预测重量分布。然而，请注意，我们的模型只包含一个权重为零的边的随机过程。比较Bagrow等人（2008）为固定规模网络建立的模型，其中包括在节点数量固定的情况下，过程的限制分布取决于参数α和时间推移。在渐近极限下，系统有两个吸引子。如果α<，则分布接近宽度t的高斯分布[1-2α]A.如果α>，则分布保留尾部的幂律分布。仔细斟酌的

这给出了一个测试方程∏w=β+βwijPwij+Xlβlzij，l（4）。还需要使用第4.3.3节材料和方法创新网络中的节点相似性方法测试其他链接形成机制，如三元闭合和间接链接的影响，在创新和Verspagen 2008、2012、Scherer 1982、Verspaet al 1996的意义上，Montresor和Marzetti 2008）和创新产出数据（DeBresson和Townsend本研究中使用的创新网络来自瑞典创新产出数据库（Sj¨o¨oet al 2014，Taalbi 2017a），通过基于数据的创新产出方法收集，涵盖了在市场上商业化的制造业和ICT服务产品。这些intions没有经济或社会利益，但对行业而言意义重大且新颖。创新网络由map构建。这严格指的是将技术之间的知识流映射到离子网络的商业用途。瑞典工业分类系统中的产品创新对于每项创新，用户行业都像是根据ISIC Rev。3、尽可能降低细节级别。计数为边。全部细节创新网×每年的条目。由于有一个选择仅限于制造业和ICT服务，nn/部分用于最终消费或一般不包括在网络分析中。室外工业流量为3248.2。根据这些数据，每年的创新流量Wijan和Wijare构建的行业之间的累计创新流量。构建一组相似性度量。第一组措施旨在捕捉三元闭合：如果两个节点和J有到第三个节点的链接，它们也可能获得链接。

两个节点i和jXk的这些局部度量∈Γ（i）∩Γ（j）wik+wjk（5）ii，k是相邻节点的索引。社区规模的影响∈Γ（i）∩Γ（j）wik+wjkPl∈Γ（i）wil+Pm∈Γ（i）wim（6）由于罕见连接可能更具指示性，因此可通过其他节点和kXk之间关系的罕见性来加权常见邻居∈Γ（i）∩Γ（j）wik+wjklog下午1点以上∈Γ（k）wkm（7） 节点之间，由参数βlthatts加权，随路径长度减小。在紧凑矩阵表示法中，度量定义为=∞Xl=1βlWl=（I- βW）-1.- I（8）在单位矩阵中，Skatz=| | Skatzij | | |，W=| | wijPwij | |，且1/β大于W的最大特征值。此指标具有优势直接链接和间接（第二和更高阶）链接Skatz- βW.为了衡量潜在的经济近因，矩阵表示法）Ax+y=x，使用annbyninput系数矩阵，x、yar分别为1×Noutput和增值向量。对数逆矩阵定义为边缘形式：L=（I- （A）-1（9）行业间的知识近邻。ThisRexpenditures和Leontief inverseR=^r^q-1（一）- （A）-1^y（10）^r^q^年研发支出、产出和最终需求。相似性本研究还采用了“服务水平指数”，行业之间的相关性用系数向量aikand Ajkan表示，根据ωij=Pnk=1aik·ajkqPnk=1aik·Pnk=1ajk（11）和i，j，k∈ {1，…，n}作为部门指数。为了衡量知识库的近邻性，使用了Neffke等人（2011）构建的技能相关度指标。该指标基于瑞典2004年的humanlevel，使用1970-2013年的增值作为行业i和j之间“重力”的控制变量，Fij=gmimjm（12）mimjijmgis是一个参数。4结果4.1网络结构创新对象的供给和使用网络揭示了利益的几个结构特性：稳定性、层次性和不对称性。

奥维拉。附录A中的1-A.3强调了29个总行业之间创新流动的异质性和不对称性。一些行业，of industries，而其他行业（如建筑和运输服务）几乎完全是创新的用户。图1显示了总的外强度和内强度的指数权重分布，以拉伸指数的形式进行拟合，如次级线性附着率所预测的（见表2和附录B）。图2：通过使用拟合参数值获得的创新预测分布的累积分布（见表2，模型1,4a和附录B）-4.-3.-2.-1wP（wij>w）LinearSub linearnetwork是分级的，具有显著的comTaalbi 2017a）。该网络具有类似于分层模型的模块化结构，其自身邻居为相当大的0.608。此外，局部聚类系数，衡量两个相邻的aC~ k-1通常属于Wells的低阶节点没有直接连接（低聚类系数）（Ravasz和Barab\'asi 2003）。在我们的案例中，主要的创新供应商，如ICT，表现为无星形结构（比较Taalbi 2017b）。瑞典创新网络可分为十个亚组（图3），以纸浆和纸张、食品、ICT、汽车和陆路运输、医疗设备为中心（进一步讨论）。蓝色的灰尘。

虚线k-1.-0.6-0.4-0.2节点度k4.2网络刺激效应让我们第一次了解网络结构在五年内从正向和反向流量构建预测创新的作用，我们可以计算出前向链接的预期创新计数为bxfi，T=XjwjisoutjXj，T-1（13）和反向链接的预期创新SASBxBI，T=XjwijsinjXj，T-1（14）图1:1970-2013年的外强度和内强度分布（a）外强度-2.-强度为1（b）-2.-1见图3:1970-2013年创新网络的社区结构。●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●PlasticBasic\\u metalsMeasuring\\u Instruments\\u Computer\\u and\\u related\\u Services Sother\\u business\\u AcitvitiesLiving\\u and\\u handling\\u Equipment Other\\u general。purpose\\u machineryOther\\u special\\u purpose\\u machineryComputerscommunity检测算法（Clauset al 2004）。有关进一步讨论，请参见Taalbi（2017a）。wijijsinjsoutjj。前向流和前向流的预期创新通过将前五年的创新与先前存在的后向流相结合来进行类似的规定。这些公式假设前五年的范围。这是因为创新将带来新的机遇（Ace1995，Lipsey et al 2005），同时也会引起人们对技术不平衡和关键变化的关注（参见Hughes 1987，Rosenberg 1969，Taalbi 2017c）。我们的结果（表1a-1b）与每年至少推出一项创新的技术和29一致。在混合回归（模型1-2）中，表明预测的创新增加1%，创新数量增加0.38%和0.34%。