[论文解读] Methods and Concepts in Economic Complexity

Andrés Gómez-Liévano|arXiv (Cornell University)|Sep 27, 2018

Economic and Technological Innovation参考文献 11被引用 3

一句话总结

本文在经济复杂性理论（TEC）框架内提出了一套统一的数学模型，通过能力、产品与国家之间的相互作用，量化集体知识并预测经济发展。该模型将经济复杂性指数（ECI）形式化为由贸易数据导出的随机矩阵的主导左特征向量，将ECI与国家发展水平联系起来，并揭示其与国家多样性之间的正交性，从而为复杂性提供了一个有原则的、非任意的定义。

ABSTRACT

Knowhow in societies accumulates as it gets transmitted from group to group, and from generation to generation. However, we lack of a unified quantitative formalism that takes into account the structured process for how this accumulation occurs, and this has precluded the development of a unified view of human development in the past and in the present. Here, we summarize a paradigm to understand and model this process. The paradigm goes under the general name of the Theory of Economic Complexity (TEC). Based on it, we present a combination of analytical, numerical and empirical results that illustrate how to characterize the process of development, providing measurable quantities that can be used to predict future developments. The emphasis is the quantification of the collective knowhow an economy has accumulated, and what are the directions in which it is likely to expand. As a case study we consider data on trade, which provides consistent data on the technological diversification of 200 countries across more than 50 years. The paradigm represented by TEC should be relevant for anthropologists, sociologists, and economists interested in the role of collective knowhow as the main determinant of the success and welfare of a society.

研究动机与目标

• 开发一种统一的、定量的形式化方法，用于建模社会中集体知识的积累与协调。
• 解决经济复杂性指数（ECI）和产品复杂性指数（PCI）解释与唯一性方面的模糊性。
• 利用数学与实证工具，形式化国家经济复杂性、技术多样化与长期发展之间的关系。
• 建立一个有原则的、公理化的经济复杂性基础，避免循环定义与错误解释。
• 展示如何系统性地处理贸易数据，以提取可测量的集体学习与发展潜力指标。

提出的方法

• 使用从国家-产品贸易数据导出的随机矩阵 C 建模经济复杂性，其中 C 表示能力在国家间扩散的概率。
• 将经济复杂性指数（ECI）定义为矩阵 C 的主导左特征向量，依据 Perron-Frobenius 定理确保其唯一性。
• 通过矩阵分解 C = R L^T 表达能力扩散的随机过程，其中 R 和 L 分别代表国家与产品之间的转移概率。
• 应用扩散图与共识动力学分析产品与国家空间中的聚类与相似性，揭示经济发展中的结构性模式。
• 推导出国家多样性向量 d 与 ECI 向量之间的正交性，通过 C 的特征向量性质证明 d^T · ECI = 0。
• 将传统的 ECI 计算重新解释为国家与产品二分网络中特征向量中心性的特例，确保一致性与唯一性。

实验结果

研究问题

• RQ1 如何利用贸易数据与网络结构，正式量化经济体中的集体知识？
• RQ2 经济复杂性指数（ECI）的数学基础是什么？为何其定义是唯一的？
• RQ3 国家间能力扩散的结构如何与经济发展和技术多样化相关？
• RQ4 为何 ECI 与国家多样性向量正交？这反映了复杂性与多样性本质的何种含义？
• RQ5 产品与国家复杂性的迭代定义能否从公理上得到证明，还是其本质上具有循环性？

主要发现

• 经济复杂性指数（ECI）在数学上被定义为随机矩阵 C 的主导左特征向量，依据 Perron-Frobenius 定理，确保其唯一性与稳定性。
• 国家多样性向量 d 与 ECI 向量正交，如 d^T · ECI = 0 所证明，这是因为 d 是 C 的主导左特征向量，而 ECI 是 C 的右特征向量。
• 产品空间矩阵 P = R^T L 的主导右特征向量为普遍性向量，次主导左特征向量为 PCI，其结构与国家矩阵一致。
• 迭代定义的复杂性——即国家复杂性为其出口产品复杂性的平均值，产品复杂性为出口该产品的国家复杂性的平均值——并不能唯一定义这些向量，因为 C 或 P 的任意右/左特征向量对均满足该条件。
• ECI 与国家收入水平及收入增长率呈正相关，其作为集体知识量度的物理解释现建立在特征向量中心性与网络动力学的基础之上。
• 该框架通过证明 ECI 并非对知识的直接度量，而是反映国家生产能力结构复杂性的导出指数，解决了 ECI 解释上的先前模糊性。