用机器学习评估关联性：采用企业层面数据的优势

国家或企业与产品之间的关联性衡量了该经济活动可行性的程度。因此，它是私人和机构层面投资的驱动因素。传统上，关联性利用由国家层面产品对共现（即统计多少国家同时出口两者）导出的网络来度量。本工作中，我们比较了不仅基于国家层面数据、也基于企业（因企业层面数据稀缺而研究甚少）训练的网络与机器学习算法。我们通过用这些关联性度量来预测国家和企业层面的出口（假设更相关的产品未来被出口的可能性更高）来定量比较不同的关联性度量。结果表明关联性是尺度依赖的：最佳评估通过使用与待预测数据同类型的数据上的机器学习获得。此外，我们发现，基于国家数据的关联性度量不适用于企业，而企业层面数据对国家发展也极具信息量。就此意义而言，基于企业数据构建的模型提供了更好的关联性评估。我们还讨论了使用参数优化与社区检测算法来识别相关企业与产品簇的效果，发现划分为更多块在保持远高于基于网络的基准的预测性能的同时降低了计算时间。