[论文解读] Measuring technological complexity - Current approaches and a new measure of structural complexity

Tom Broekel|arXiv (Cornell University)|Aug 24, 2017

Economic and Technological Innovation参考文献 13被引用 14

一句话总结

本文提出了一种新的技术复杂性度量方法，称为‘结构复杂性’，该方法避免了现有方法固有的稀缺性假设。基于欧洲专利数据（1980–2013）对这一度量方法进行了评估，结果表明，结构复杂性在反映四项典型事实方面优于或等同于传统方法：随时间推移的复杂性上升、研发投入增加、合作程度提高以及空间集聚性。

ABSTRACT

The paper reviews two prominent approaches for the measurement of technological complexity: the method of reflection and the assessment of technologies' combinatorial difficulty. It discusses their central underlying assumptions and identifies potential problems related to these. A new measure of structural complexity is introduced as an alternative. The paper also puts forward four stylized facts of technological complexity that serve as benchmarks in an empirical evaluation of five complexity measures (increasing development over time, larger R&D efforts, more collaborative R&D, spatial concentration). The evaluation utilizes European patent data for the years 1980 to 2013 and finds the new measure of structural complexity to mirror the four stylized facts as good as or better than traditional measures.

研究动机与目标

• 解决现有技术复杂性度量在理论和实证上的局限性，特别是其对稀缺性假设的依赖。
• 开发一种不依赖于知识组合稀有性或空间稀缺性的技术复杂性替代度量方法。
• 利用涵盖欧洲专利的全面数据集，对新度量方法与既有的复杂性指标进行实证评估。
• 基于四项广泛接受的技术复杂性典型事实——随时间推移的复杂性增加、更高的研发投入、更大的合作性以及空间集聚性——对新度量方法进行验证。

提出的方法

• 基于技术知识的网络结构，提出一种名为‘结构复杂性’的新技术复杂性度量方法，该方法独立于频率或稀缺性。
• 利用欧洲专利数据（1980–2013）将技术知识建模为发明人与IPC代码之间的二分图网络，以支持结构分析。
• 应用基于网络的度量指标来量化结构复杂性，重点关注创新体系中技术之间的连通性与整合模式。
• 采用四项基准典型事实——随时间推移的复杂性增加、更高的研发投入、更大的合作性以及空间集聚性——作为验证标准。
• 将新度量方法与三种传统度量方法进行比较：Fleming和Sorenson（2001）的重组频率法、Balland和Rigby（2017）的反射法及其两种变体。
• 使用统计建模和时间序列分析，评估每种度量方法在不同技术领域中与四项典型事实的契合程度。

实验结果

研究问题

• RQ1 基于重组频率和空间稀缺性的传统技术复杂性度量方法，在捕捉技术发展关键经验模式方面表现如何？
• RQ2 所提出的结构复杂性度量方法在多大程度上反映了技术复杂性的四项典型事实：复杂性随时间增加、更高的研发投入、更大的合作性以及空间集聚性？
• RQ3 一种不依赖于稀缺性或频率假设的复杂性度量方法，是否能更好地捕捉技术复杂性的本质？
• RQ4 在与观测到的技术创新趋势的一致性方面，新结构复杂性度量方法与既有的成熟方法相比表现如何？

主要发现

• 新提出的结构复杂性度量方法在反映技术复杂性的四项典型事实方面，与传统方法相当或更优。
• 结构复杂性显示出随时间推移的一致且显著的复杂性增长，与专利数据中观察到的趋势一致。
• 该度量方法与更高的研发投入显著相关，表明更复杂的技术需要更大的投入。
• 它能够捕捉到合作研发的上升趋势，尤其是在高复杂性技术领域中更为明显。
• 该度量方法揭示了复杂技术的强烈空间集聚性，复杂技术集群多形成于技术多样性高的地区。
• 与基于频率的度量方法不同，结构复杂性不依赖于任意划定的空间单元定义，从而增强了其稳健性和普适性。