机器学习模式表明多样化驱动经济发展
物理与社会
2018-12-11 v1 综合经济学
经济学
摘要
我们开发了一种基于机器学习的方法——主平滑动力学分析（Principal Smooth-Dynamics Analysis, PriSDA），以识别经济发展中的模式并自动化发展新经济动力学理论。传统上，经济增长用源自简化理论模型的少数聚合量建模。此处，PriSDA 识别重要量。应用于各国出口的 55 年数据，PriSDA 发现最能区分各国出口篮子的是其多样性，并对更复杂产品赋予额外权重。这些权重与文献中先前的产品复杂性度量一致。变化的第二维度是相对于农业的机械熟练度。PriSDA 随后将这些量与人均收入耦合，并推断系统随时间的动力学。根据 PriSDA，各国经济发展模式主要由朝向增加多样化的趋势主导。此外，经济体似乎在多样化之后变得更富裕（即多样性先于增长）。该模型预测，具有多样化出口篮子的中等收入国家将在未来几十年增长最快，并且各国将收敛到中等水平的收入和专业化。PriSDA 可推广，并可能阐明其他自然与社会系统中诸如多样性和复杂性等难以捉摸的量的动力学。
引用
@article{arxiv.1812.03534,
title = {Machine-learned patterns suggest that diversification drives economic development},
author = {Charles D. Brummitt and Andres Gomez-Lievano and Ricardo Hausmann and Matthew H. Bonds},
journal= {arXiv preprint arXiv:1812.03534},
year = {2018}
}
备注
9 pages, 6 figures in the main text; 28 pages, 19 figures in the supplement