[论文解读] Economic Complexity: "Buttarla in caciara" vs a constructive approach

L. Pietronero, Matthieu Cristelli+5 more|arXiv (Cornell University)|Sep 15, 2017

Economic and Technological Innovation参考文献 4被引用 8

一句话总结

本文批判了经济复杂性领域中的ECI+算法，指出其与先前发表的Fitness算法在数学上完全相同。文章认为，作者声称ECI+优于其他方法的说法，因其自身承认性能表现取决于算法命名而非实质内容，从而使其数值验证不可靠。本文倡导一种建设性方法，强调Fitness算法的预测能力，及其基于产业能力预测中国等国家持续增长的潜力。

ABSTRACT

This note is a contribution to the debate about the optimal algorithm for Economic Complexity that recently appeared on ArXiv [1, 2] . The authors of [2] eventually agree that the ECI+ algorithm [1] consists just in a renaming of the Fitness algorithm we introduced in 2012, as we explicitly showed in [3]. However, they omit any comment on the fact that their extensive numerical tests claimed to demonstrate that the same algorithm works well if they name it ECI+, but not if its name is Fitness. They should realize that this eliminates any credibility to their numerical methods and therefore also to their new analysis, in which they consider many algorithms [2]. Since by their own admission the best algorithm is the Fitness one, their new claim became that the search for the best algorithm is pointless and all algorithms are alike. This is exactly the opposite of what they claimed a few days ago and it does not deserve much comments. After these clarifications we also present a constructive analysis of the status of Economic Complexity, its algorithms, its successes and its perspectives. For us the discussion closes here, we will not reply to further comments.

研究动机与目标

• 挑战ECI+算法在经济复杂性度量中声称优越性的可信度。
• 揭示作者数值验证中的不一致性，即其表现依赖于算法名称而非实际性能。
• 重申Fitness算法是衡量经济复杂性的最优方法。
• 提供一种基于产业能力和可预测性的经济复杂性建设性框架。
• 论证算法选择并非无关紧要，通过物理学和PageRank的类比，强调识别最佳算法的重要性。

提出的方法

• 作者将ECI+与Fitness算法进行比较，证明二者在数学上完全相同。
• 分析作者的数值测试，表明其性能表现取决于算法名称，而非结构本身。
• 利用人均GDP与Fitness的平面图可视化国家发展轨迹，并预测增长潜力。
• 应用Fitness框架分析中国和巴西的长期增长，对比其产业能力差异。
• 通过经济数据中的嵌套性与多样化模式，将技术领域与出口表现相联系。
• 通过现实世界应用验证模型，包括国家与企业层面的长期战略规划。

实验结果

研究问题

• RQ1 根据作者自身的测试，为何同一算法在命名为ECI+时表现更优，而在命名为Fitness时表现较差？
• RQ2 Fitness算法在多大程度上能够预测长期经济增长，特别是对中国等国家？
• RQ3 Fitness框架与统计均值回归模型在预测经济转型方面有何本质区别？
• RQ4 尽管声称所有算法效果相当，为何算法选择并非无关紧要？
• RQ5 Fitness模型能否区分GDP人均水平相似但产业能力不同的国家？

主要发现

• ECI+算法在数学上与Fitness算法完全相同，作者在附录中已确认此点。
• 作者声称ECI+优于其他算法的说法，因其自身发现性能取决于算法名称而受到严重质疑。
• Fitness模型预测中国因具备高产业能力而将持续实现快速且稳定的增长，尽管其GDP人均水平与巴西相近。
• 中国在人均GDP-Fitness平面上仍远未达到均衡线，表明其持续高增长的潜力依然存在。
• 巴西在1980年代的快速增长突然中止，但这是由于其产业能力低，而非统计均值回归，凸显了该模型的预测能力。
• Fitness框架通过将技术领域与未来出口竞争力相联系，使长期战略规划成为可能。