[论文解读] Improving the Economic Complexity Index

Saleh Albeaik, Mary Kaltenberg+2 more|arXiv (Cornell University)|Jul 18, 2017

Economic and Technological Innovation参考文献 23被引用 15

一句话总结

本文提出了 ECI+，一种对原始经济复杂性指数（ECI）进行改进的度量方法，通过调整每种产品的出口难度，提升了经济复杂性的衡量精度。基于1973年至2013年的数据，ECI+在预测长期经济增长方面持续优于ECI和Fitness，ECI+每提高一个标准差，年化增长率相应提高4%–5%。

ABSTRACT

How much knowledge is there in an economy? In recent years, data on the mix of products that countries export has been used to construct measures of economic complexity that estimate the knowledge available in an economy and predict future economic growth. Here we introduce a new and simpler metric of economic complexity (ECI+) that measures the total exports of an economy corrected by how difficult it is to export each product. We use data from 1973 to 2013 to compare the ability of ECI+, the Economic Complexity Index (ECI), and Fitness complexity, to predict future economic growth using 5, 10, and 20-year panels in a pooled OLS, a random effects model, and a fixed effects model. We find that ECI+ outperforms ECI and Fitness in its ability to predict economic growth and in the consistency of its estimators across most econometric specifications. On average, one standard deviation increase in ECI+ is associated with an increase in annualized growth of about 4% to 5%. We then combine ECI+ with measures of physical capital, human capital, and institutions, to find a robust model of economic growth. The ability of ECI+ to predict growth, and the value of its coefficient, is robust to these controls. Also, we find that human capital, political stability, and control of corruption; are positively associated with future economic growth, and that income is negatively associated with growth, in agreement with the traditional growth literature. Finally, we use ECI+ to generate economic growth predictions for the next 20 years and compare these predictions with the ones obtained using ECI and Fitness. These findings improve the methods available to estimate the knowledge intensity of economies and predict future economic growth.

研究动机与目标

• 开发一种更准确、更稳健的经济复杂性度量方法，以反映经济体的知识密集程度。
• 解决现有度量方法（如ECI和Fitness）在数据噪声和模型设定方面可能存在的敏感性问题。
• 提升经济复杂性度量方法对未来经济增长的预测能力，适用于多种计量经济模型。
• 将ECI+与传统增长决定因素（如物质资本、人力资本和制度）相结合，构建综合性增长模型。
• 基于ECI+生成20年期的长期经济增长预测，并与ECI和Fitness的预测结果进行比较。

提出的方法

• 提出ECI+作为改进的经济复杂性指数，通过使用出口复杂性的归一化度量，校正每种产品的总出口量，以反映其出口难度。
• 对1973年至2013年国家层面的5年、10年和20年面板数据，分别应用池组OLS、随机效应和固定效应模型。
• 采用类似引力模型的算法估算产品难度，同时考虑出口该产品的国家数量及其出口组合的多样性。
• 将ECI+与物质资本、人力资本、政治稳定性和腐败控制等变量一同纳入多元增长模型。
• 通过在不同模型设定和时间跨度下检验系数稳定性与预测准确性，验证模型的稳健性。
• 基于ECI+、ECI和Fitness生成20年期增长预测，并通过样本外预测准确性比较各预测方法的表现。

实验结果

研究问题

• RQ1 在不同计量经济模型下，ECI+与ECI和Fitness在预测未来经济增长方面表现如何？
• RQ2 ECI+提高一个标准差对年化经济增长的影响程度有多大？
• RQ3 在控制物质资本、人力资本和制度质量后，ECI+系数的稳健性如何？
• RQ4 ECI+与传统增长决定因素的何种组合能产生最准确的长期增长预测？
• RQ5 在20年预测期内，ECI+的预测结果与ECI和Fitness相比，预测准确性如何？

主要发现

• 在池组OLS、随机效应和固定效应模型中，ECI+在预测未来经济增长方面始终优于ECI和Fitness。
• ECI+每提高一个标准差，对应年化经济增长率提高约4%至5%。
• 在控制物质资本、人力资本、政治稳定性和腐败控制后，ECI+的系数依然稳健且具有统计显著性。
• 人力资本、政治稳定性和腐败控制与未来经济增长呈正相关，而收入与增长呈负相关，与既有文献一致。
• ECI+生成的20年期经济增长预测比ECI和Fitness更准确，显示出更强的预测能力。
• ECI+的估计值在不同计量模型设定下的表现比ECI和Fitness更一致，表明其具有更高的可靠性。