美国大都市地区的经济复杂性

多样性水平最低的地区只存在普遍性较高的行业。RLQr、itriangle的可见度较低–右上角仅略高，左上角周围区域的阴影较深。这一发现的含义是，最多样化的地区往往有12份工作文件，2019年1月（a）CMr、i（b）P resencer、i（c）BMr、i（d）RLQr、i（e）W Mr，如图1所示。输入矩阵：普遍性与多样性（NAICS，2015）来源：自身计算和美国海关与边境保护局。在最不普遍的行业中，LQ极高，而在最不发达的行业中，LQ较低。请注意，为了可视化，我们将代码位置商排在前10位。就W Mr而言，我认为根本没有三角结构，这与Cristelli等人（2013年）关于国家出口的结果不符。这种非三角性的一个原因可能是，在所有行业中，就业率总体最高的地区并不是那些拥有最多就业机会的行业的地区，反之亦然。我们无法根据BMr、i、CMr、i、RLQr、i和P resencer、i的可视化结果进行明确区分。比较这四个指数，我们发现，美国大都市圈的经济复杂性与基于各自输入矩阵的ECI的经济效率之间的相关性非常高：所有系数都在0.966和0.990之间。有趣的是，F I的相关性较低（在0.841和0.941之间）。总的来说，这种相似性给我们留下了一些决策空间。基于上述理论推理，我们选择CMR、I和P resencer，并坚持将前者作为我们的主要输入矩阵。其他输入矩阵的结果可在附录E中找到。当地行业的作用在构建地区复杂性度量时的第二个问题是是否包括当地行业或刚刚交易的行业。

当地产业是指满足当地人民需求的产业，而贸易产业主要是为了向其他地区出口产品。由于以往大多数关于经济复杂性的研究都是基于国际贸易数据，因此必然会局限于贸易行业。我们没有面临这种数据限制，但问题仍然是，本地行业是否符合复杂性分析的逻辑。将地方产业纳入复杂性评分的担忧在于，它们在区域经济中的作用与贸易产业的作用根本不同。许多理论家已经注意到出口在从外部为一个地区带来资金方面的重要性（Parr，1973；Andrews，1953）。这些出口行业赚取的资金反过来又支持了当地行业，这些行业构成了大部分就业机会（Porter，2003；Moretti，2010）。因此，为了衡量区域经济绩效，只关注被认为推动经济增长的出口行业可能是有意义的。然而，对于这种推理有许多反驳。首先，和其他服务一样，本地服务的复杂性和普遍性也会有所不同。以餐馆为例——也许是当地最典型的服务。虽然美国各地都有餐馆，但像纽约这样的大城市，餐馆的种类比小镇多得多。这种多样化的住宿选择甚至被认为是城市竞争优势的来源（Clark et al.，2002；Florida，2002）。行业层面的一个例子是皮革制品和箱包店（NAICS448320）。这些是为当地地区服务的当地零售机构，但它们只存在于136个MSA中，而贸易行业的中位数为160，其他当地行业的中位数为656。

住在有皮具店的地方的人是非典型的，他们比没有皮具店的人有更好的消费者选择组合。支持皮革商店的功能也有可能应用于纺织业，例如开发新的“智能行李箱”。从整体上看，当地产业的空间分布与交易产业相似。图2再现了Delgado、Porter和Stern（2016）定义的基于CMr的三角图，分别适用于贸易行业和本地行业。我们可以看到，推动复杂性度量的整体三角形结构在这两个行业中都存在，尽管三角形是2019年1月14日的工作文件，而且在本地产业中有一个稍微凸出的斜边，而在贸易产业中则相反。考虑到本地产业的重要性及其可比的地理分布，我们选择同时使用贸易和本地产业。（a） 贸易行业（b）当地行业图2。输入矩阵：普遍性与多样性（CMr，i，本地与交易行业，2015）来源：自身计算（Delgado，Porter and Stern，2016）和美国海关与边境保护局。ECI vs Fit在最近的文献中，关于ECI和F I的相对性，有大量的讨论（Albeaik et al.，2017a，b；Gabrielli et al.，2017；Pietroniro et al.，2017）。然而，对于美国的各个地区来说，它们是高度相关的。根据MR，I建立ECI和F I的相关性，我们可以看到它们的相关性为0.60（见图3a）。如果我们取F I的对数，则相关性更强，上升到0.95（图3b）。

因此，似乎ECI和F I之间的主要差异（至少是根据这些数据计算的）是一种尺度差异，而不是概念上的根本差异。因为它产生的值分布不太偏斜，所以我们选择在这里关注一个CI，尽管我们重申，这两个度量似乎以显著的一致性捕获了相同的基础结构。在本文的其余部分中，我们使用ECI报告结果。附录F显示了使用F I的结果。美国大都市地区的经济复杂性15010203040-2.-1 0 1资本充足率050000010000000000150000002000000（a）ECI vs.F I00110-2.-1 0 1 Fipopulation050000010000000000150000002000000（b）ECI的CILOG与图3中记录的对比。散点图ECI与F I（CMr，I，NAICS，2015）来源：自身计算和美国海关与边境保护局。五、 结果A。描述性结果放大行业在附录D.D3中，我们根据ECI算法和CMr，iinput矩阵列出了20个最复杂和20个最不复杂的行业。我们预计它们不会受到外部异常值的驱动（例如NAICS代码211111 Crudepertroleum和天然气开采不应作为一个高度复杂的行业，因为它是由自然资源分布而非能力驱动的）。此外，尽管我们考虑了上述因素，但我们预计贸易行业在顶级行业中的比例会过高，因为它们更有可能成为区域发展有意义能力的来源。对贸易和当地产业的预期似乎保持不变。平均而言，本地行业的复杂度值为-0.639，而交易行业的平均值为0.287（请注意，复杂度值被标准化为平均值为0，方差为1）。在20个最复杂的行业中，只有两个是本地行业。

这两个项目都属于4851行业组“城市交通系统”这表明，在我们的分析中，许多较小的区域单位中（公共）交通系统的代表性不足。这两个最复杂的行业都与金融相关。有人可能会争论中央银行作为第二复杂行业的好处，毕竟12个联邦储备区的总部是由联邦储备系统决定的，而不是由区域选择的经济过程来分配的。然而，尽管这12个地区是预先选定的，但拥有一家地区美联储银行无疑会导致在一个地区内分配高度专业化的能力。20个最复杂行业中的其余大部分都是先进制造业。转到表的底部，20个最不复杂的行业由当地行业和资源开采主导，19年1月16日的工作文件符合我们的上述预期。然而，也有一些复杂的地方产业的例子，更能说明地方产业是建立在复杂能力之上的。回到448320家“皮具和箱包店”的例子，这些商店不仅很常见，而且只存在于具有特殊功能的地区。因此，他们被列为100个最复杂的行业——该名单上的其他六个地方行业之一。绘制最复杂区域图图4按经济复杂性绘制区域图。最复杂的地区是洛杉矶、纽约、芝加哥、费城和波士顿等大都市地区。这些都是经济非常多样化的大城市，生产各种商品和服务。最不复杂的地区往往是农村县，尤其是大平原地区。这些地区的就业以农业为中心。

但这些行业也存在于许多更为多样化的地区，因此它们决心具有较低的复杂性。超大城市的主导地位以及复杂性与人口之间的强相关性与国家一级的结果形成了一定的对比，许多相对较小的国家的排名都很高。这可能是因为美国国内发展水平的总体差异小于各国，这意味着一个地区可以生产的产品的多样性更多地受到人口而非技术的限制。或者，劳动力和资本在国内的自由流动可能是原因。变异水平相对较高，各区域相互对比鲜明，总体分布呈短尾正态分布（例如，没有区域高于/低于四分位范围1.5倍）。就更广泛的区域而言，中西部的平均复杂度最低（未加权），为0.140，其次是南部、西部和东北部（1.04）。但更大的差异在于大城市统计区（平均ECI=1.390）、小城市统计区（0.560）和非大城市县（0.654）之间的人口规模。B、 回归结果我们研究的最后一部分是测试复杂性在解释变异和区域经济结果变化方面的能力。我们使用两个结果变量：人口和人均收入。我们考虑了ECI与这些结果指标之间的双变量关系，以及控制一系列经济、社会和制度变量后的关系。也可能是大平原的复杂性估计值较低，因为美国海关与边境保护局（CBP）的数据中对农业就业的报告不足。

然而，全国各地都有农业，因此我们预计，如果有完整的数据，它将显示类似的模式。经济复杂性的两个指标都显示出在跨国层面上偏向于更发达的国家（Morrison等人，2017年）。因此，较大城市的主导地位也可以解释为ECI和F I对发展水平较高的地区的偏见。美国大都市地区的经济复杂性17-2.-1参见图4。地图：ECI（CMr，i，NAICS，2015）来源：自身计算和美国海关与边境保护局。我们首先测试ECI是否能够解释区域经济结果的横截面变化。2007年和2015年的结果见附录D。D1、如四个表所示，复杂程度较高的地区人均收入显著较高，人口也较高。这一模式在包括对照组在内的数年后保持稳定。例如，2007年ECI高出一个单位的地区的人均收入比复杂程度较低的可比地区高出2275美元，居民多出1300000人。这与跨国层面的经济复杂性标准文献（Hidalgo和Hausmann，2009；Taccella等人，2012）一致。经济产出的跨地区和跨国家差异可以用经济复杂性的差异来解释。关于一段时期内变化的回归，我们在给定时期开始时使用ECI（以及我们的其他仅在2015年将所有控制纳入人均收入回归时，ECI失去了重要的控制。18工作文件2019年1月控制）作为该时期内人口和人均收入变化的回归因子。

我们考虑两个时期：2007-2009年（危机期间）和2010-2015年（危机后时期）。在表1中，我们看到ECI较高的地区在大衰退期间人均收入有所下降，这意味着高复杂性地区受到金融危机影响的程度更大。这一发现与我们是否包括以及包括哪些控制措施无关（第2列至第5列）。显然，更为复杂的地区，其网络作战能力更加明确和相互关联，更容易受到这种冲击。虽然有一些迹象表明，高复杂度地区的收入有所反弹（见附录D.D2），但这一结果在所有控制中并不显著（对我们的社会人口控制向量有一定的敏感性）。同样，我们看到，在这两个时期，复杂性较高的地区也是人口增长较大的地区。但同样，结果并不稳定。在弹性和系统紧密性研究中，可以找到与ECI对人均收入影响的结果类似的结果。Shutters、Muneeeeerakul和Lobo（2015）利用大衰退期间美国城市就业的数据发现，紧缩程度较低的地区（产业网络中的劳动力连接程度）在危机期间更有弹性。较低的紧密度对应于一个区域的能力不集中在单个部门，而是在整个工业网络中分布节点，并且在其行业之间只有轻微的连接，从而形成一个更厚的网络。相比之下，当地区分支到与现有行业技术相关的行业时，复杂能力被认为主要在发展（Hidalgoet al.，2018）。

基于这种逻辑，高复杂性区域可能有一个紧密的网络，因此弹性较低。最后，我们使用面板回归来考虑ECI的变化如何与经济结果的变化进行比较。在这里，我们滞后于ECI以实现准外生。我们所有的面板回归都使用时间固定效应、每个地区的模型和稳健的标准误差。有趣的是，在人均收入回归（见表2）和人口回归（见表3）中，滞后的ECI在所有回归中都是一个显著的负变量。例如，当我们采用所有控制措施时，高于平均值一个单位的偏差会导致36000居民减少，低于平均区域的平均值1772USD。简单地使用l.ECI作为回归因子，这个数字分别上升到71000美元和2000USD。然而，从附录D.D2中基于P resencer的结果来看，我们得到了不同的结果。

虽然我们的时期和横截面回归以及人口面板回归的结果与使用CMr的结果相似，i，基于P关系计算的滞后决策，iis不是人均收入的稳定显著回归。美国大都市地区的经济复杂性19表1-周期回归：2007年至2009年的人均收入（Pct变化）（NAICS、CMr、i、ECI）因变量：2007年至2009年的人均收入（Pct变化）（1）（2）（3）（4）（5）ECI-0.010***-0.010***-0.008**-0.012***-0.008**2007年人均收入（0.003）（0.003）（0.003）（0.003）（0.003）-0***-0***-0**-0***-0*（0.00000）（0.00000）（0.00000）（0.00000）（0.00000）（0.00000）失业率0.001 0.001（0.001）（0.001）ManuShare 0.0001-0.0002（0.0002）（0.0002）专利-0.00000 0.00000（0.00000）（0.00000）人口0.000-0.000（0.000）（0.000）MedianAge-0.001***-0.001***（0.0003）（0.0004）教育-0.0002-0.0003（0.0002）（0.0002）黑股-0.0002-0.00002（0.0001）（0.0002）国外-0.001***-0.001***（0.0002）（0.0002）银联保险0.002***0.001***（0.0003）（0.0003）最低工资-0.005***-0.002（0.002）（0.002）票-0.00005-0.0002（0.0002）（0.0002）常数0.032***0.024***0.067***0.048***0.073***（0.005）（0.009）（0.013）（0.011）（0.016）观察值292 292 292 292R0.216 0.220 0.272 0.302 0.350调整R0.210 0.206 0.254 0.290 0.319残余标准。