[논문 리뷰] The origin of urban productivity scaling laws: mathematical model and new empirical evidence

Vicky Chuqiao Yang, Andrew V. Papachristos외 1명|arXiv (Cornell University)|2017. 12. 01.

Regional Economics and Spatial Analysis참고 문헌 1인용 수 1

한 줄 요약

이 논문은 초선형 스케일링(초도시 생산성에서 더 큰 도시가 비례를 초월해 더 높은 생산성을 보이는 현상)이 더 큰 인구와 더 높은 상호연결성으로 인해 협업 기회가 증가함에 따라 발생한다고 제안한다. 범죄와 특허에서의 그룹 규모에 관한 새로운 데이터를 사용하여, 더 많은 협업자가 필요한 활동이 초선형 스케일링 정도가 더 강하게 나타남을 확인함으로써, 네트워크 기반 상호작용 가능성을 기반으로 한 기본 원리 모델을 지지한다.

ABSTRACT

Bigger cities are associated with higher per-capita productivity -- in positive aspects, such as inventions, and negative ones, such as crimes. A difficulty in understanding the origin of this phenomenon, superlinear scaling, is that similar quantities exhibit different scaling behaviors. We develop a first-principles formulation for the origin of superlinear scaling that also explains these differences. Our model suggests that superlinear scaling can be an outcome of the increased likelihood of finding required collaborations in a larger, interconnected population, and that activities requiring more participants will exhibit more pronounced superlinear scaling. We test this model using a novel dataset for group sizes involved in seven types of crimes, as well as patents, and find strong support.

연구 동기 및 목표

• 초선형 스케일링의 기원을 설명하는 것—이는 일관되게 관찰되지만 여전히 잘 이해되지 않는 현상이다.
• 유사한 기초 메커니즘을 공유함에도 불구하고 일부 도시 지표는 초선형 스케일링을 보이고 다른 지표는 그렇지 않은 이유를 밝히는 것.
• 활동에 필요한 협업자 수가 초선형 스케일링 정도에 어떤 영향을 미치는지 테스트하는 것.
• 네트워크 기반 상호작용과 협업 가능성을 기반으로 한 기본 원리 수학 모델을 개발하고 검증하는 것.

제안 방법

• 더 큰 인구에서 협업이 더 잘 이루어지는 확률이 증가함에 따라 초선형 스케일링이 유도되는 기본 원리 모델을 수립한다.
• 네트워크 이론을 사용하여 협업 가능성을 모델링하며, k명의 참가자가 필요한 활동은 무작위 네트워크에서 k개 노드 간 연결 가능성에 비례하여 스케일링됨을 가정한다.
• 그룹 크기 k와 인구 규모 N에 기반한 스케일링 지수의 해석적 표현을 유도하여, 더 큰 k가 더 높은 스케일링 지수를 초래함을 보여준다.
• 특허 및 일곱 가지 범죄 유형에 대한 그룹 규모에 관한 새로운 데이터셋을 수집하고 분석하여 모델 예측을 검증한다.
• 다양한 활동에 대한 관측된 스케일링 지수를 그룹 크기에 기반한 모델 예측 지수와 비교한다.
• 통계적 방법을 사용하여 더 많은 협업자가 필요한 활동이 유의미하게 더 강한 초선형 스케일링을 보임을 검증한다.

실험 결과

연구 질문

• RQ1 유사한 기초 과정을 공유함에도 불구하고 일부 도시 지표는 초선형 스케일링을 보이고 다른 지표는 그렇지 않은 이유는 무엇인가?
• RQ2 활동에 필요한 협업자 수가 초선형 스케일링 정도에 얼마나 큰 영향을 미치는가?
• RQ3 협업 네트워크 연결성에 기반한 기본 원리 모델이 관측된 도시 생산성 스케일링을 설명할 수 있는가?
• RQ4 더 많은 참여자가 필요한 활동이 더 강한 초선형 스케일링을 보임을 예측하는 데 실증적 근거가 있는가?

주요 결과

• 더 많은 협업자가 필요한 활동이 유의미하게 더 높은 초선형 스케일링 지수를 보이며, 이는 모델의 핵심 예측을 확인한다.
• 모델은 특허와 범죄를 포함한 다양한 도시 활동 유형에 대해 관측된 스케일링 지수의 범위를 정확히 예측한다.
• 범죄와 특허에서의 그룹 규모에 대한 실증 데이터는 인구 규모가 증가할수록 협업 가능성이 증가한다는 모델의 가정을 강력히 지지한다.
• 그룹 기반 활동의 스케일링 지수는 그룹 크기 k가 증가함에 따라 증가하며, 협업 복잡성과 초선형 스케일링 사이의 체계적인 관계를 보여준다.
• 협업 요구 조건에 기반하여 일부 도시 지표(예: 혁신, 범죄)는 초선형 스케일링을 보이고 다른 지표(예: 인프라)는 선형 이하로 스케일링되는 이유를 모델이 설명한다.
• 이 연구는 네트워크 기반 협업에 기반한 초선형 도시 스케일링에 대한 기본 원리 설명에 대한 최초의 실증적 검증을 제공한다.