估算城市经济复杂性的驱动因素及其联系

企业规模（以上）和工资（以下）相对于回归系数的部分弹性。每年，我们进行多元回归，包括人口、平均受教育年限、复杂性和集体知识（正文表1和表2中的第6列），并用相应的标准误差条绘制此类回归系数的点估计值。五十、 人口规模、复杂性和集体知识的部分弹性时间序列图14和15显示了不同年份衡量经济绩效（规模和工资）的回归系数。0.000.050.100.150.20199019911992199319941995199619971998199920002001200320042052006200720082009201020112012201320142152016年鉴Coef。对数（人口）-0.9-0.6-0.30.019901991199219931994199519961997199819920002001200320042052006200720082009201020112012201321520152016yearols Coef。对于日志（行业复杂性）01231990199219921993199419951996199719981999200020012003200420520062007200820092010201120122013200152016yearols Coef。对于对数（集体专有技术）因变量：对数（平均估计大小）（按年份的多元回归）0.000.030.060.0919901991199219931994199519961997199819992000200120022003200420520062007200820092010201120120201420152016yearols Coef。对于日志（人口）0.00.10.20.319901992199219931994199519961997199819992000200120032004204200420052006200720082009201020112012201320152016yearols Coef。对于日志（行业复杂度）0.00.30.60.919901992199931994199519961997199819992000200120032004204204200420052006200720082009201020112201321201420152016yearols Coef。对于log（集体专有技术）因变量：log（平均工资）（按年份的多元回归）图15。企业规模（以上）和工资（以下）相对于回归系数的部分弹性。

每年，我们进行多元回归，包括人口、行业复杂性和集体技术，并绘制此类回归系数的点估计值及其相应的标准误差条。M、 人均GDP、水平和增长的回归即使我们的理论目前没有纳入时间变化，因此我们缺乏提出具体增长回归的理论基础，我们在这里提供了一些分析，将五年期间的水平和增长率的人均GDP与我们的利率变量相关联。表5显示，与所有其他考虑的指标（人口规模、熟练工人比例、行业多样性和ECI）相比，我们对集体专有技术的估计（以R为单位）具有较高的解释力。如果将所有变量放在一起，它们在统计上仍然具有显著性，这再次支持了集体知识获取与人口规模、教育程度或产业构成正交的信息的观点。同样有趣的是表6中的增长回归结果。在回归中，因变量为ln（yt+5/yt），其中y为人均GDP，t=2010年。除了表5中考虑的独立变量外，我们还包括2010年人均GDP的（对数）水平，以捕捉均值回归的影响。所有自变量均为2010年的自变量。此外，为了更清楚地解释和比较回归系数，所有变量都已标准化。从结果可以看出，预测人均GDP增长率是一个难题，我们的模型规范只能解释数据中的一小部分变量。尽管如此，一些有趣的观察结果还是值得注意的。

首先，表6所示回归中的人均GDP系数均为正值，除非将我们对该城市集体技术的估计值添加到回归中（第6、7和8列）。也就是说，只有在考虑集体专有技术的测量时，预测GDP增长才能显示回归平均值的证据。这一观察结果表明，我们衡量集体专有技术的一些关键因素。我们将以下列为关键事实。首先，我们知道，基准年的人均GDP水平已经捕捉到了很多信息，说明了一个城市为什么富有，以及为什么它可能变得更富有。第二，从表5中我们知道，人均GDP与集体技术高度相关。第三，我们观察到，即使采用了所有变量，集体专有技术也不会从表6中的回归6、7或8中消失（即，其统计意义不会消失）（这意味着集体专有技术将正交信息传递给GDPTable 5。2010年城市人均GDP（对数）的横截面线性回归作为城市（对数）人口规模的函数，拥有研究生学位、城市产业多样性、ECI和城市集体专有技术的工人份额（对数）。因变量：\'log（人均GDP）\'（1）（2）（3）（4）（5）（6）\'log（人口规模）\'0.099***0.053***t=8.030 t=4.648\'log（共享，带梯度）\'0.347***0.111***t=10.623 t=3.355“产业多样性”0.011***-0.006***t=4.746 t=-3.115E。C、 I.0.097***0.074***t=7.313 t=6.070“集体专有技术”3.293***3.247***t=12.301 t=12.617常数9.336***11.444***10.278***10.594***10.591***10.374***t=59.500 t=141.157 t=152.409 t=802.910 t=896.306 t=64.280观测值346 345 346 346 345R0.158 0.248 0.061 0.135 0.305 0.533调整R0.155 0.245 0.059 0.132 0.303 0.526注：*p＜0.05；**p＜0.01；***p<0.005表6。

2010年至2015年城市层面人均GDP增长率的线性回归，作为人均GDP（对数）基线水平、城市（对数）人口规模、（对数）研究生学历工人比例、城市产业多样性、ECI和城市集体技术的函数。所有自变量均于2010年提取，并已标准化，平均值为零，标准偏差为1。因变量：\'GDPpc增长（5年）\'（1）（2）（3）（4）（5）（6）（7）（8）\'log（人均GDP）\'0.082 0.023 0.108 0.051 0.132*-0.061-0.066-0.126t=1.531 t=0.392 t=1.743 t=0.927 t=2.301 t=-0.968吨=-0.870吨=-1.895\'log（人口规模）\'0.151**0.189***0.158**t=2.596 t=2.852 t=2.787\'log（共享，带学位）\'-0.052-0.063t=-0.835吨=-0.937“产业多样性”0.126*-0.011t=2.286 t=-0.164E。C、 I。-0.136*-0.070吨=-2.364吨=-1.016“集体专有技术”0.260***0.242***0.265***t=4.118 t=3.290 t=4.241常数-0-0-0-0-0-0.000 0.000 0.000吨=-0.000吨=-0.000吨=-0.000吨=-0.000吨=-0.000吨=-0.000 t=0.000 t=0.000观察345 345 345 345 345 345 R0.007 0.026 0.009 0.022 0.023 0.054 0.084 0.075调整后的R0.004 0.020 0.003 0.016 0.017 0.048 0.068 0.067注：*p＜0.05；**p＜0.01；***p<0.005人均，尽管其与后者高度相关）。第四，我们注意到，其影响的程度在所有变量中是最大的（回想起来，所有变量都已标准化），并且在不同的规范中是稳定的。第五，用Raccounted解释GDP增长变化的贡献也是最大的。综上所述，所有这些事实都是极具启发性的证据，支持我们将集体知识的估计解释为经济增长的真正驱动力。