技术系统的演化和结构——创新产出

由于这些结果可能在某种程度上反映了整个行业的共同创新趋势或创新计数的持续性，他们自己解释了行业内6.4%的变化，同时包括时间模型和未来。创新全面启动。反向链接在固定效应配方中占12.8%。这些结果只是稍微少了一些引人注目的网络，报告了网络刺激对会计效应模型的影响（Acemoglu et al 2016）。重要的是，在我们的案例中，也有证据表明创新活动的轨迹，特别是预测行业内的变化。4.3网络发展的驱动因素（图1-2）。这些结果与优先附加机制一致。Newman，2001），计算为行业配对创新的平均份额，之前的关系上有一个数字过程。1970年至2013年，以前创新的行业之间WIJ=w。-1.-4.-3.-2.-1以前的创新（权重）为了构建实证模型，我们注意到新创新的（预期）数量可以通过以下等式3联系起来：wij=w∏w（15），其中创新达到wper calenbaseline模型wij公司w=^β+^βwijPijwij+Xl^βlzij，l+ij（16）其中，Zij，lare基础接近度的度量，参数。在产业间创新网络中，人们可能会怀疑，强强关系的形成部分是由产业结构和潜在的近邻驱动的，但也由以前的关系驱动。模型报告了稳健的标准误差。

αwijPwij>w∝ w-1/αw-1.6累积创新解释了15%的变量输出近似值和可生产1的“重力”：网络刺激效应的回归分析。（a） 44个行业，每两年至少创新一次。（1） （2）（3）（4）变量汇总聚类标准误差固定影响年份和固定影响前向联系0.383***0.383***0.216***（0.0384）（0.0493）（0.0627）后向联系0.344***0.344***0.164***0.146***（0.0316）（0.0487）（0.0550）（0.0501）时间模型否否持续0.809***0.809***1.469***1.841***（0.105）（0.105）0.140）（0.130）（0.174）观测值319 319 321 319R平方0.3000.300 0.064 0.207括号内的稳健标准误差***p<0.01，**p<0.05，*p<0.1（b）29个行业，每年至少有1项创新。（1） （2）（3）（4）变量汇总聚类标准误差固定影响年份和固定影响前向联系0.211***0.211***0.187***（0.0473）（0.0563）（0.0594）后向联系0.288***0.288***0.240***0.161**（0.0392）（0.0575）（0.0699）（0.0664）时间模型否否否持续1.296***1.600***2.054***（0.144）（0.182）（0.172）（0.262）观测值218 218 220 218R平方0.2510.251 0.128 0.279括号内的稳健标准误差***p<0.01，**p<0.05，*p<0.1表2：回归结果。因变量：相对创新流量。（1） （2）（3）（4）（5）近似累积基础模型1995-2011变量基础模型1995-2011 1995-2011固定效应。收件人：。

0.625***0.693***0.604***0.682***（0.0276）（0.0573）（0.0296）（0.0616）服务水平指数-0.000178***-2.54e-05-4.07e-05（2.92e-05）（2.45e-05）（2.78e-05）技能相关性2.54e-06***3.16e-07 7.57e-07（9.62e-07）（9.20e-07）重力0.172***-0.0277-0.0439（0.0284）（0.0237）（0.0369）Leontief 9.40e-05-5.44e-05 3.62e-05（0.000109）（0.000109）（0.000146）研发流程3.59e-07**3.04e-07**4.53e-07***（1.51e-07）（1.28e-07）（1.34e-07）常数4.02e-05***0.000173***2.09e-05 4.05e-05-7.41e-05*（3.50e-06）（1.49e-05）（1.41e-05）（3.32e-05）（4.21e-05）观测值273910 71370 273910 71370R平方0.150 0.003 0.155 0.155 0.168括号内的稳健标准误差***p<0.01，**p<0.05，*p<0.1表3：Logit回归（对数优势）。因变量：edge（是/否）（1）（2）（3）（4）（5）近似值累积基础模型1995-2011变量基础模型1995-2011 1995-2011固定效应ref。收件人：。

0.274***0.352***0.490***0.617***（0.00875）（0.0148）（0.0140）（0.0230）服务水平指数0.341***0.586***-0.0303（0.0948）（0.102）（0.152）技能相关性0.0149***0.0121***0.00822***（0.00160）（0.00266）（0.00355）重力502.7***215.2***-36.16（33.87）（39.99）（110.3）研发流量0.00124***0.00134***0.000443**（0.000138）（0.000164）（0.000180）Leontief 1.410***1.646***-1.503***（0.188）（0.540）（0.381）常数0.102-3.777***0.394***-0.483 0.695（0.0707）（0.0507）（0.128）（0.389）（0.514）观测值59024 71370 21317 58660 21149R平方0.0318 0.0238 0.0620 0.139 0.166括号内的稳健标准误差***p<0.01，**p<0.05，*p<0.1表4：回归结果，非线性模型。（a） 一般优先附加过程（方程式3）变量参数的两步估计步骤1步骤2λ0.649***（0.00827）α0.855***（0.0044）常数-1.707***4.54e-06***（0.0171）（2.63e-06）观测值5861 273910R平方0.512 0.121括号内的标准误差***p<0.01，**p<0.05，*p<0.1（b）对数估计。因变量：相对创新流量（对数）（1）（2）（3）（4）（5）近似值累积基础模型1995-2011变量基础模型1995-2011 1995-2011固定效应。收件人：。

0.675***0.641***0.120***0.0878***（0.00712）（0.0166）（0.0136）（0.0243）服务水平指数-2.634***-1.162***0.0581（0.153）（0.132）（0.132）技能相关性-0.00712***-0.00424*-0.000609（0.00299）（0.00255）重力700.4***-0.517-146.1（71.77）（75.74）（109.7）Leontief-1.403-1.827**0.700（0.971）（0.806）（0.559）研发流量-0.00111***-0.00108***-0.000103（0.000378）（0.000263）（0.000194）常数-1.156***-5.006***-0.512***-3.564***-4.047***（0.0556）（0.104）（0.117）（0.242）（0.585）观测值5861 2032 1708 5861 1708R平方0.565 0.153 0.584 0.818 0.849括号内的稳健标准误差***p<0.01，**p<0.05，*p<0.1I和j（接收器）。这种简单的方法可以进一步用回归分析，其中因变量是两个行业之间的优势，这似乎主要反映了两者之间的影响。当知识流产生积极影响时。λλlogwij^β^λlog wijwij公司ww^λijPw^λij假设λ=1的线性模型。然而，由于应考虑其他回归因素，因此流动和相对累积流动更为实际。表4b报告了结果。以前的创新潮流具有很大的预测能力。创新规模变化的5%使创新数量增加了0.675%。同时，潜在近因在行业间和行业内的总变化中占15.3%。这一结果符合激进创新活动可能与不相关的多样性、探索性和多样性相关的观点。

当使用固定效应时，4激发了以下解释，即潜在的近因与之正相关，而较小的创新流在相关行业之间更为常见，通过技能相关性和投入产出流来衡量。相似性度量和链接预测连接机制背离了工作拓扑的概念，考虑了创新的间接路径共享wij公司使用不同的相似性度量。很明显，最佳绩效衡量指标是优先权重分配过程，而Katz度量（系数β=20），（Jaccard和Adamic Adar）的相关性较低。使用排名最高的pairsNbe（等于某一特定日历年的创新数量）进行预测。该分析是根据准确度和精密度进行评估的。准确度定义为真阳性（TP）的份额，准确度定义为真阳性（假阳性和真阳性）的比率：精度=TPFP+TP。1971-2013年的相似性指标。很明显，优先权分配和潜在链接形成模型。纯粹的优先依恋过程4）。分离间接关系时，等效Katzij- βwijpwijwijpwij图6：链路预测诊断箱线图（a）1971-2013年节点相似性度量的准确性●●Pref.W.A.Katz Pref.Att.Adamic-Adar Jaccard0.94 0.95 0.96 0.97 0.98 0.99（b）节点相似性度量精度，1971-2013●●●●●Pref.W.A.Katz Pref.Att。

亚达麦克-Adar Jaccard0.0 0.1 0.2 0.3 0.4表5:Katz度量回归（1）（2）（3）（4）（5）固定效应变量基础模型Logit Log Separate（Log Log）SeparateKatzβ=20 0.0275***0.290***0.722***（0.00143）（0.00914）（0.00747）Katz，间接关系0.0434***0.0266***（0.00849）（0.00967）直接关系0.648***0.114***（0.00885）（0.0138）常数3.40e-05***-0.697***-3.121***-1.070***-3.350***（4.60e-06）（0.0453）（0.0359）（0.0593）（0.264）观测值273910 59024 5816 5816 R平方0.145 0.0324 0.572 0.562 0.817括号内的稳健标准误差***0.01，**p<0.05，*p<0.1与创新相关的间接联系变化。0.65%.5结论创新系统的动态演化是一个由社会、经济和技术激励、需求和机会的非平凡互动产生的过程。了解技术如何协同发展，并提供下游和定性证据。这项研究询问了哪些因素决定了重大创新网络的演变。创新受到前向和后向联系的网络刺激的限制，这与Moglu等人（2016）自1969年后向联系以来的观点一致，即技术系统的上游创新以问题和失衡为目标，但网络刺激是基于新机会的供应。来自创新传记的定性证据是对紧密联系社区中上游技术系统机遇的创造性反应。瑞典创新网络clearlynetwork拓扑。创新网络中有不同的行业。我们的研究结果部分基于通用技术社区结构。

事实上，大多数这些关键的重要行业都有着一致的解释力，经济和技能相关性与创新潮流的关系更弱、更复杂。首先，我们的发现支持网络近邻的概念，认为网络近邻是唤醒上游或下游不平衡的重要机制，它将创新活动聚焦于技术系统的演化。其次，这项研究的结果表明，不同的故事与常规发明活动的网络不同。混合或负关联与产业间的邻近性有关。Hencecal的相互依赖性，例如，通过驱动技术系统构建的相互依赖性不是不可预测的，是未来联系的有力预测因素。因此，了解技术系统的演变需要继续收集和分析直接测量的创新流量或专利网络数据，这些数据区分了传统创新和增量创新。参考10.1073/pnas。1613559113Albert R，Barab\'asi AL（2002）统计力学物理74（1）：47Arthur WB，Ermoliev YM，Kaniovski YM（1987）运营研究30（3）：294–303Bagrow JP，Sun J，ben Avraham D（2008）Phasedue to fite size effects。物理学杂志A：数学和理论41（18）：185001Barab\'asi AL，Albert R（1999）随机网络中标度的出现。《科学》286（5439）：509–S（2014）三元闭合作为基本生成工程。物理审查E 90（4）：042806关键评估。区域研究39（1）：61–经济地理学第120–135页《计量经济学杂志》65（1）：83-108技术的性质、功能和构成1（2）：93–118专利。区域研究49（5）：767–781克劳塞特A，纽曼ME，摩尔C（2004）Findworks。物理复习E 70（6）：06611135（1）：128–15275（2）：pp。

332-337大卫·帕（1990）《发电机与计算机：回顾80》（2）：355-361和长波理论：难题的两部分》。《进化经济学杂志》1（4）：241–DeBresson C，Hu X（1996年）关于定位创新活动的随机模型。摘自：DeBresson C，Andersen ES，et al（eds）《经济相互依存与创新活动：投入产出分析》，Edward Elgar，Cheltenham，第308–329页DeBresson C，Townsend J（1978）关于战后英国技术的产业间流动的注释。研究政策7（1）：49–60Cheltenhamof networks。物理学进展51（4）：1079–85（21）：4633-4636Geels FW（2002）作为evoPolicy的技术转型31（8-9）：1257–1274Geels FW（2005）技术转型和利辛，Cheltenhauknes J，Knell M（2009）高技术和低技术产业互动的具体知识方法。研究政策38（3）：459–469von Hippel E（1988）《创新的来源》。牛津大学出版社，《纽约技术系统：新闻界的新方向》，麻省剑桥。，第51–82–43页麦克米伦，伦敦克拉皮夫斯基PL，雷德纳S（2001）《增长随机网络组织》。《物理评论》E63（6）：066123 Edward Elgar Publishing，CheltenhamLeoncini R，Maggioni MA，Montresor S（1996）In25（3）：415–430科学与技术58（7）：1019–1031Lipsey RG，Carlaw K，Bekar C（2005）《经济转型：通用技术与长期经济增长》。牛津大学出版社，纽约Los B（2000）《新产业间技术溢出测度的实证表现》。在：Saviotti P，Nooteboom B（eds）Technology and 118–151Lundvall B（1988）《作为互动过程的创新：从用户-生产者互动到国家创新体系》。摘自：Dosi G、Freeman C、Nelson R、Silverberg G、Soete L（编辑）《技术变革与经济理论》，品特，伦敦，349–369页，3月JG（1991年）《探索与开发无组织学习》。

组织科学2（1）：71–87溢出：法国证据。经济系统研究9（1）：20世纪90年代25–46。工业与创新15（3）：321–346承包商S，Marzetti GV（2009），应用于20世纪90年代中期。《经济系统研究》21（2）：129–149 Ne ffike F，Henning M，Boschma R（2011）多地区如何随着时间的推移而多样化？产业关联性和区域新增长路径的发展。《经济地理学》87（3）：237–2653（1）：47–63纽曼ME（2001）《增长网络中的聚类和优先附加》。物理复习E 64（2）：025102变化和齐普夫定律。当代物理学46（5）：323–351Nomaler–O，Verspagen B（2008）知识流，20（4）：339–366Nomaler–O，Verspagen B（2012）通过垂直整合分析知识流。《和经济增长》，剑桥大学出版社，剑桥，第88-124页认知距离和吸收能力。研究政策36（7）：1016–1034研究政策13（6）：343–373 Ravasz E，Barab\'asi AL（2003）《复杂网络中的层级组织》。《物理评论》67（2）：026112Lobson M，Townsend J，Pavitt K（1988）Sectoralpatterns of production and use of Innovations in the UK:1945-1983。研究政策17（1）：1–Romer PM（1986）《增加回报与增长》94（5）：1002–1037《文化变革》18（1）：1–24《经济学与统计学》64（4）：627–634《增长》。哈佛大学出版社，马萨诸塞州剑桥。Sj¨o¨o K，Taalbi J，Kander A，Ljungberg J（2014）SWINNO-瑞典创新数据库，（133）vation networks。《瑞典制造经济学》（Swedish manufacturingEconomics）27（3）：461–501Taalbi J（2017b）《第三次工业革命中的创新起源与途径：瑞典，经济史的证据》。研究政策46（8）：1437–1453 Verspagen B（1997）《衡量部门间技术溢出：来自欧美专利数据库的估计》。经济系统研究9（1）：47–65A补充图和表图A.1：创新网络1970-2013。