[논문 리뷰] Evaluating the principle of relatedness: Estimation, drivers and implications for policy

Yang Li, Frank Neffke|arXiv (Cornell University)|2022. 05. 05.

Regional Economics and Spatial Analysis인용 수 4

한 줄 요약

이 논문은 미국 도시의 공통된 기업 집합 데이터를 활용해 수만 개의 모델 사양을 시험함으로써 도시 경제 발전에서의 관련성 원리의 타당성을 평가한다. 관련성 기반의 산업 집중도(마셜리안 외부성)가 다양성 기반 측정치(자카브 유형)보다 뛰어나며, 성장보다는 정체를 더 잘 예측하지만, 가장 유용한 점은 성장 기회를 식별하는 것보다는 발전의 제약 요인를 진단하는 데 있다.

ABSTRACT

A growing body of research documents that the size and growth of an industry in a place depends on how much related activity is found there. This fact is commonly referred to as the "principle of relatedness". However, there is no consensus on why we observe the principle of relatedness, how best to determine which industries are related or how this empirical regularity can help inform local industrial policy. We perform a structured search over tens of thousands of specifications to identify robust -- in terms of out-of-sample predictions -- ways to determine how well industries fit the local economies of US cities. To do so, we use data that allow us to derive relatedness from observing which industries co-occur in the portfolios of establishments, firms, cities and countries. Different portfolios yield different relatedness matrices, each of which help predict the size and growth of local industries. However, our specification search not only identifies ways to improve the performance of such predictions, but also reveals new facts about the principle of relatedness and important trade-offs between predictive performance and interpretability of relatedness patterns. We use these insights to deepen our theoretical understanding of what underlies path-dependent development in cities and expand existing policy frameworks that rely on inter-industry relatedness analysis.

연구 동기 및 목표

• 도시 경제 발전 연구에서 산업 간 관련성 측정의 방법론적 모호성을 해결하기 위해.
• 다양한 데이터 소스와 모델 구성에서 일반화된 관련성 원리의 예측 사양을 규명하기 위해.
• 특히 비이면 또는 자원 기반 부문에서 관련성이 공통 역량이 아닌 다른 지역적 요인을 반영하는지 평가하기 위해.
• 관련성 원리를 성장 예측 도구에서가 아니라 발전의 제약 요인를 진단하는 도구로 재정의하기 위해.
• 불확실성과 해석 가능성 간의 상충 관계를 관련성 기반 산업 정책 제안에 통합함으로써 정책 프레임워크를 개선하기 위해.

제안 방법

• 미국 도시의 산업 규모 및 성장에 대한 관련성 영향을 추정하기 위해 수천 개의 모델 구성에서 체계적이고 대규모의 사양 검색을 수행한다.
• 설립체, 기업, 도시, 국가의 공동 출현 데이터를 사용해 포트폴리오 유사성 기반의 다수의 관련성 행렬을 유도한다.
• 모델의 강건성 평가 및 최적의 관련성 측정치 선별을 위한 주요 기준으로 외부 예측 성능을 사용한다.
• 다양한 관련성 사양이 산업 성장과 존재에 대한 예측 능력을 평가하기 위해 OLS 회귀 모델을 적용한다.
• 산업 및 도시 규모 데이터를 잔차화하여 관련성의 영향을 규모 효과에서 분리하고 상대적 성과에 집중한다.
• 도시 수준, 국가 수준 등 다양한 포트폴리오 유형에서 유도된 관련성 측정치를 비교하여 그 예측력과 해석 가능성의 가치를 평가한다.

실험 결과

연구 질문

• RQ1 미국 도시의 산업 성장과 존재에 대해 가장 강건한 외부 예측 성능를 보이는 산업 간 관련성의 사양은 무엇인가?
• RQ2 산업 집중도(마셜리안 외부성)와 관련 다양성(자카브 유형 외부성) 중 어느 측정치가 관련성 원리의 예측 능력에 더 큰 기여를 하는가?
• RQ3 공동 역량이 위치 결정의 주요 기준이 되지 않는 부문, 예를 들어 공공 서비스나 자원 기반 산업에서 관련성 원리가 유지되는 이유는 무엇인가?
• RQ4 관련성은 실제로 성장을 예측하는 데 얼마나 잘 작동하는가, 아니면 성장 가능성이 낮은 산업을 식별하는 데 더 효과적인가?
• RQ5 관련성 원리를 성장 예측 도구에서가 아니라 지역 경제의 발전 제약 요인를 진단하는 도구로 재구성하는 데에는 어떤 방식이 가능한가?

주요 결과

• 관련 산업의 집합량(즉, 산업 집중도) 기반의 관련성 측정치가 산업 규모와 성장 예측에서 관련 산업의 다양성 기반 측정치보다 뚜렷이 뛰어나다.
• 관련성 원리는 성장 가능성이 가장 높은 산업을 식별하는 것보다 성장 가능성이 가장 낮은 산업을 식별하는 데 더 잘 작동하므로, 이는 예측 도구보다 진단 도구로서 더 효과적임을 시사한다.
• 관련성 원리는 역량이 주요 위치 결정 요인으로 작용하지 않는 부문—예를 들어 공공 서비스, 자원 기반 산업, 비이면 서비스 부문—에서도 여전히 유지되며, 이는 주로 역량 기반 설명이 지배적인 이론에 도전한다.
• 관련성의 주요 설명인 관련 다각화가 새로운 역량 확보를 최소화한다는 이론은 비역량 기반 부문의 패턴을 완전히 설명할 수 없으며, 이는 공통 인프라나 제도적 요인 등의 대체 메커니즟이 작용할 수 있음을 시사한다.
• 예측 성능와 해석 가능성 사이에 핵심적인 상충 관계가 드러나며, 매우 뛰어난 예측 성능를 보이는 관련성 측정치는 종종 해석이 어려운 편이므로 정책 적용에 있어 경계가 필요하다.
• 관련성 원리는 성장 기회를 식별하는 데서보다는 도시 산업 포트폴리오의 이질성—결함이 있는 역량이나 구조적 제약으로 인한 잠재적 발전 제약 요인—를 탐지하는 데 가장 유용하다.