美国大都市地区的经济复杂性

此外，由于我们使用就业而不是产出，我们对潜在能力更加不可知。一个行业的重要性不仅仅取决于它的生产产出，因为它的存在允许合作和技术交流，而这可能不是当前的生产产出所能捕捉到的。我们避免使用技能数据，因为它们可能会排除机构和正外部性在提高生产能力方面的作用。6工作文件2019A年1月。行业分类方案在分析生产结构时，一个重要的决策是使用哪种行业分类方案以及在何种聚合水平上。这会对结果产生很大影响（Arcaute等人，2015；Youn等人，2016），因为相关性原则的应用（Hidalgo等人，2018）从根本上取决于基础分类。美国海关与边境保护局使用NAICS作为就业分类方案，从两位数（部门级别，19个类别）到六位数（国家行业级别，977个类别）。由于数据结构对结果的影响很大，因此确定使用哪个数字级别绝非易事（Wixe andAndersson，2017）。然而，在阅读了大多数关于经济复杂性的论文之后，我们将最详细的层次（例如六位数）作为衡量复杂性的基础。这使我们能够利用尽可能多的信息。但我们也在附录B中报告和讨论了其他数字级别的结果。为了进一步说明我们的结果对数据结构的可能敏感性，我们还采用了波特及其同事设计的商业集群定义（BCD）（Delgado、Porter和Stern，2016）。

与以家庭生产为导向的NAICS不同，BCD将NAICS产业结合成基于“基于同地模式、投入产出联系和劳动力职业相似性的产业间联系”的集群（Delgado、Porter和Stern，2016）。BCD为用户提供67个集群和316个子集群。由于分辨率较高，我们报告了子集群的结果。B、 地理聚集在决定了生产结构的分类后，我们剩下的问题是我们应该采用哪个区域分类，这对我们的结果来说是一个同样重要的问题（Arcaute et al.，2015）。在各种可能性中，包括创建我们自己的区域聚类方法（同上，2015年），我们选择使用基于核心的统计区域（CBSA）。CBAS由大都会（MSA）和微利坦统计（uSA）区域组成，其核心至少有一个城市化区域（MSA>50000人，uSA 10000-50000人），根据其“与中心县的社会和经济融合程度（通过通勤关系衡量）”（美国人口普查局，2012年）。为了计算经济复杂性指标，我们将非大都市县作为单独的单位，因为这些县被视为经济独立。由于控制变量的数据限制，我们的回归分析主要局限于MSA，覆盖了大约65%的美国人口（2.1亿居民）。C

控制变量和因变量为了基于复杂性预测经济增长，我们使用了许多控制变量，其中大部分来自美国社区调查。我们的控制变量可分为经济控制、社会人口统计学美国大都市地区的经济复杂性7控制和制度因素（Breau、Kogler和Bolton，2014；Florida和Mellander，2016）。我们的经济控制包括失业率、在制造业工作的人员比例以及每年的专利数量。我们的社会人口控制包括居住在一个地区的人口数量、人口年龄中值、18岁以上高中以上人口比例、非洲裔美国人比例以及外国出生人口比例。我们采用的三个制度控制是工会覆盖范围内的工人比例、最低工资水平（某个地区所属的州）和11月选举中的淘汰人口比例。我们考虑的经济结果变量是人均收入和人口，均来自经济分析局区域经济账户（美国经济分析局，2017年）。附录C中提供了我们分析中使用的所有变量的完整来源列表和进一步解释。我们使用了一年的调查数据，以避免面板回归中的移动平均值问题。四、 方法学。

指数和输入矩阵经济复杂性背后的逻辑经济复杂性的概念直接源于能力方法和所述的跨行业知识溢出（Jacobs，1969）。其目的是从一个经济体能够生产的一篮子商品中推断出不可直接观察到的能力的存在（Hausmann等人，2014）。在国际层面上，生产特定产品的能力通常是使用巴拉萨的显性比较优势概念来衡量的（RCA，巴拉萨，1965）。从经验上看，与标准国际贸易理论相比，最发达的经济体往往拥有共同的以及相关的特殊产品的RCA，而多样化程度较低的实体只在许多国家报告的产品中拥有RCA。按多样性（例如，一个国家拥有RCA的产品数量）和普遍性（例如，特定产品中拥有RCA的国家数量）排序国家产品RCA矩阵，结果为三角形（Taccella et al.，2012）。基于从低多样性地区到高多样性地区的相对线性过渡，在跨国（Cristelli等人，2013）和国家以下各级（Sbardella、Pugliese和Pietroniro，2017）都观察到了这种模式。为了产生经济复杂性的最终指标，将普遍性和多样性聚集在一个二部网络（产品空间）中，然后用于在一组理论上有限的迭代线性方程组中相互校正（“反射方法”，Hidalgo和Hausmann，2009）。这一修正的目的是避免将行业识别为不经常出现的复杂行业，因为它们只使用少数领域的主要投入，而不是需要大量的能力（Hidalgo和Hausmann，2009）。

因此，一个重新定义的指标是根据以下信息生成的：一个地区中存在的行业的平均普遍性、特定工作文件中具有RCA的地区的平均多元化（2019年1月行业）、具有类似RCA分布的地区的平均多元化（跨行业）等。通过这种方法构建的最常见指标是经济复杂性指数（ECI、Hidalgo和Hausmann，2009；Hausmann等人，2014）。最近，提出了第二个指标，即适应度指数（F I，Taccella et al.，2012），该指标与ECI不同，因为它试图避免在高价值和低价值行业中使用RCA来实现区域单位（ECI方法就是这样）。附录A中对这两个指标进行了详细解释。ECI的一个核心假设和整体能力方法是，给定产品的能力在不同的地方是相似的，特别是，两个地区生产特定类型产品的方法差异平均小于一个地区生产两种不同产品的方法差异（Hartmann et al.，2017）。这是一个我们很难检验的假设，尽管可能是因为美国各地区拥有共同的文化、教育体系和知识产权地区，因此哥伦比亚广播公司的生产方法与国际环境相比差异较小。在为国家以下区域构建经济复杂性指标时，另一个值得关注的问题是，一国区域之间完全缺乏贸易壁垒可能会导致区域专业化，这是由于规模经济而非能力限制。可能有一些产品生产相对简单，但只在少数几个地区生产，因为只有少数几个地方足以满足全国的需求。

这是否有问题值得商榷：即使其他地区可以很容易地发展生产简单产品的能力，但它们目前还没有。这种现象也可能发生在更复杂的行业。例如，被选为美联储（Federal Reserve）分行总部的12个地区可能不是唯一具备必要的中央银行能力的地区，但在目前的体系下，它们仍能为整个国家提供支持。归根结底，这两个担忧都是经验问题。我们的目标是通过检查分析中确定的最复杂和最不复杂的行业来回答第二个问题，并初步相信，如果我们能够检测到普遍性和多样性的三角结构，第一个问题的答案是肯定的。第一个关注点在某种程度上超出了本文的范围，我们加入了大量关于经济复杂性的文献，这些文献或多或少隐含了这一关键特征。如何衡量行业存在经济复杂性衡量标准是从按地理位置划分的行业存在矩阵中构建出来的。一个关键问题是如何衡量一个行业的存在。在跨国研究中，典型的方法是，如果产品的RCA大于1，则确定生产产品的国家，也就是说，如果产品在其出口篮子中所占的份额大于美国大都市地区9平均国家的经济复杂性。然后将结果分别二值化为1和0（标记为输入矩阵BMr，i）。在我们的背景下，RCA的等价物是区位商（LQ），它衡量一个行业在特定地区的就业份额，作为其在整个国家就业份额的一部分。让Xr，ide记录区域r中受雇于行业i的员工人数。

然后，BMR、i响应：LQr、i=Xr、iPiXr、i/PrXr、iPr、iXr、iBMr，如果LQr、i≥ 1BMr，i=0如果LQr，i<1（1）这是一个合理的起点，但它有一些缺点。其中最值得注意的是，它往往低估了多样化地区的共同产品产量。考虑一个有两个地区的国家，一个地区只生产苹果，另一个地区生产等量的苹果和电脑。后者显然是更复杂的经济体，因为它既有制造苹果的能力，也有制造计算机的能力。然而，苹果的区位商将小于1，因为苹果在其经济中所占的比例比整个国家所占的比例要小。从算术上讲，经济更加多样化的地区，对于无处不在的产品，其区位商往往会小于1，这仅仅是因为它们也生产不寻常的产品。考虑到我们的分析中包含了非贸易部门和服务，这个问题尤其令人担忧。之前的研究表明，大多数本地服务的规模与城市规模呈次线性关系（Youn et al.，2016）。这意味着在高度多样化的地区，无处不在的行业在LQ方面可能代表性不足。以纽约市的加油站（NAICS代码447110）为例。2015年，纽约MSA在加油站有13972名员工，这清楚地表明了其为汽车提供燃料的能力。然而，加油站在纽约市总就业人数中所占的比例大大偏低，其区位商仅为0.27。使用LQ>1的标准方法，纽约将被认定为缺乏运营加油站的能力。一个简单的解决方案是保持原始LQ值（表示为RLQr，i），这样LQ接近1的区域仍然可以获得一些“优点”。

RLQ不是只描述比较优势是否存在，而是揭示了一个地区的行业超过/低于我们预期的就业率的因素，因为该地区的总体就业率相对于全国就业率。因此，我们将不同的发展重点视为特定行业的高度专业化（高LQ）比中等行业（LQ略高于1）具有更高的竞争优势。然而，RLQr，ito在某种程度上夸大了BMr的idea10工作文件2019年1月，即LQ为8并不意味着LQ值为4的专门化的两倍。为完整起见，RLQr可以写成：（2）RLQr，i=LQr，或者，我们遵循Cristelli et al（2013），并构建加权矩阵W Mr，i，衡量一个地区在该行业的就业人数占该行业全国总就业人数的比例。W先生，我揭示了一个地区在工业就业中的相对重要性，并使我们能够更好地检测不同行业国家动态中最具影响力的地区。但因此，W先生在设计上非常倾向于更大的区域。W Mr，iisdefined as（3）W Mr，i=Xr，iPrXr，如果考虑到所有这些问题，我们考虑两个备选矩阵。第一个指标，Presencer，i，基于在任何行业中是否存在任何就业机会。E、 g.一旦一个行业在一个地区有代表性，我们就给它分配一个值1，并且只有当相应行业中没有一个工人时，才给它一个值0：P resencer，i=1，如果Xr，i≥ 1P resencer，i=0如果Xr，i=0（4）第二种选择，即切割矩阵（CMr，i），模仿BMr，i，但通过将一个区域内雇佣50多人的行业计算为“现有”行业来进行修改，而不考虑位置商。因此，CMr，I校正了大型或多样化区域中的特定低LQ。

在上面的加油站示例中，纽约将有CMr，i=1，因为其加油站的总就业人数远远超过50人，即使LQ<1。同时，如果小区域的区位商大于1，即使员工的绝对数量很小，也会被认定为专门从事某一行业。从数学上讲，CMr，i可以写成如下：（5）CMr，i=1，如果LQr，i≥ 1或Xr，i>50e。g、 纽约NAICS 512240“录音工作室”有1011名员工，占其总就业人数的0.01%。在LubbockTX和Santa Maria CA，同一行业约占就业人数的0.05%，是其五倍，但在每种情况下，只有约60名员工。因此，纽约在这一特定行业的全国就业份额是两个小地区的15倍以上。美国大都市圈的经济复杂性11这两种设计都绕过了上述三种输入矩阵的大多数缺点。不同领域的普通行业并没有被低估，因为（几乎）所有就业都会计入其复杂性得分，所以研究者、研究者和CMr都不会受到次线性比例法则的影响。同样，RCA也没有被过分夸大，因为一旦达到基本就业门槛，每个地区各行业的观察结果就会得到平等对待。最后，由于我们限制使用国家就业份额，因此大区域在事前并不受青睐。然而，有人可能会认为，P resencer、iandof CMr和iis的核心弱点都模糊了最复杂和中等复杂区域之间的差异。后者可能存在于同样多的行业中，这将使这两种类型彼此无法区分。这两种矩阵也有各自的弱点：CMr的切割值，在某种程度上是任意的。

为什么不使用100名工人或200或1000名工人的工资？当然，不同人口规模的地区之间的削减可能会有所不同。因此，CMr忽视了较小地区专业化的重要性。另一方面，我可能对一个地区就业水平较低的行业过于敏感。当一个特定行业的工作人员不足十几人时，一个地区的能力程度就值得怀疑。此外，在某些情况下，在一个被记录为员工少于19人的行业中，实际上可能根本没有就业机会，这是因为我们根据尺寸代码计算就业的方式。最后，我们将哪个输入矩阵最适合衡量国家以下区域结构的问题视为一个经验问题，并将根据三角度标准进行分析，然后做出理论和经验上知情的决策。B、 在图1中，我们探索了指数和输入矩阵三角形（Input matricestriangularity），展示了跨区域（使用CBSA）和跨行业（使用NAICS）的行业位置的图形表示，其中区域按多样性从左到右排序，行业按普遍性从下到上排序。五个不同的图表对应上述五个不同的输入矩阵。BMr、i、CMr、i和P resencer的图具有相对可比性，呈现三角形结构。在CMr、i和Presencer的情况下，三角形的标记最为明显，即这两个三角形的相邻支腿和相对支腿比其他三角形的标记更为明显，例如，最普遍的行业确实存在于所有地区，最多样化的地区存在更多（如果不是全部的话）的行业。