Métodos

Introducción
¿Por qué algunos países son ricos y otros pobres? Durante siglos, los académicos han estado trabajando para identificar los factores que explican las diferencias en la prosperidad. Su trabajo nos ha enseñado sobre la importancia de las instituciones1–3,tecnología4,5, Capital humano y capital social6–9.Sin embargo, también hemos aprendido que la prosperidad económica no se puede vincular estrechamente a factores únicos. De hecho, las diferencias entre países ricos y pobres son múltiples e incluyen numerosos factores muy específicos10,11. Por lo tanto, necesitamos formas de capturar las diferencias internacionales en los resultados del desarrollo que no se centren estrictamente en un solo factor, sino que consideren 'todos los anteriores' .
La complejidad económica puede ayudarnos a comprender el desarrollo de las economías nacionales y regionales a través de medidas centradas en 'todo lo anterior' . Sus métodos utilizan datos de alta resolución sobre las actividades que están presentes en los lugares para predecir la dinámica de desarrollo de países, ciudades y regiones. Estos métodos pueden predecir las actividades económicas en las que un país, ciudad o región entrará o saldrá en el futuro 12,13,así como el nivel de ingresos esperado de una economía14,15, crecimiento económico14,15,desigualdad de ingresos16, y emisiones17,18.
En esta sección, explicamos algunas de las ideas básicas que dan forma al campo de la Complejidad Económica.
¿Qué es la Complejidad Económica?
La Complejidad Económica es tanto un campo académico como un concepto.
Como campo académico, Economic Complexity estudia la geografía y la dinámica de las actividades económicas utilizando métodos inspirados en ideas de sistemas complejos, redes e informática.
Lo que hace que el campo de la Complejidad Económica sea de alguna manera único, es que estudia la geografía de las actividades utilizando un enfoque basado en resultados. Es decir, en lugar de tratar de averiguar qué capacidades o factores impulsan una economía, utiliza datos sobre la geografía de las actividades económicas para inferir la presencia de conjuntos de capacidades .
¿Cuáles son algunas de las aplicaciones de la Complejidad Económica?
Los métodos de complejidad económica se utilizan para predecir y explicar la dinámica de las actividades económicas y de los agregados económicos, como el ingreso per cápita. Por ejemplo, utilizando el concepto de afinidad (por ejemplo, el espacio de productos), se pueden tomar datos sobre los productos que exporta un país, o las industrias presentes en una ciudad, y predicen qué productos o industrias tienen más probabilidades de crecer en el futuro11,12.Lo bueno de estos métodos es que no hacen suposiciones sólidas sobre las capacidades o los factores necesarios para producir cada producto porque aprovechan la idea de que actividades económicas similares requieren capacidades similares (sin tener que identificar cuáles son estas capacidades son).
De manera similar, las métricas de Complejidad Económica, como el Índice de Complejidad Económica, se pueden utilizar para predecir el nivel de ingresos esperado de un país13,14,crecimiento económico13,14, desigualdad de ingresos15,y emisiones de gases de efecto invernadero16,17. Las medidas de complejidad requeridas para producir una actividad también ayudan a explicar la concentración espacial de actividades económicas (las actividades económicas complejas están más concentradas en el espacio)18.
¿Cómo se relaciona la complejidad económica con otros campos de investigación?
El campo de la Complejidad Económica está estrechamente relacionado con otros campos de estudio, como la Geografía Económica, que durante mucho tiempo se ha centrado en la distribución geográfica de la actividad económica, y la Ciencia de Redes, ya que la Complejidad Económica utiliza métodos desarrollados originalmente en la comunidad de Network Science y Complex Systems.
¿Cómo se relaciona la complejidad económica con la división del trabajo?
Como concepto, la Complejidad Económica se relaciona con la idea de la división del trabajo, o más específicamente, la división del conocimiento. Porque los individuos están limitados en lo que pueden saber15,19,la única forma en que las economías pueden ampliar su conocimiento es dividiéndolo entre muchas personas. Los productos complejos, como los dispositivos de imágenes médicas o los motores a reacción, requieren una gran cantidad de conocimientos que solo pueden acumularse en grandes redes de personas .
La acumulación de conocimiento en grandes redes profesionales solo es posible en economías con buenas instituciones, capital social, infraestructura y educación19.Esto agrega credibilidad a la idea de que las medidas de complejidad económica recopilan evidencia sobre 'todo lo anterior'.
¿Quién usa los métodos de Complejidad Económica?
Fuera del mundo académico, los métodos de Complejidad Económica son utilizados por organizaciones multilaterales y agencias de desarrollo nacional enfocadas en el desarrollo económico, por agencias de promoción de exportaciones y empresas navieras que desean predecir la evolución de los patrones de comercio internacional, y por empresas financieras (para fijar precios y otros instrumentos, debido a la capacidad de la complejidad económica para predecir el crecimiento económico a largo plazo).
¿Qué es la Afinidad?
La afinidad mide la 'similitud' o 'compatibilidad' entre una economía y una actividad. Por ejemplo, se puede utilizar para estimar si la estructura de exportación de Bulgaria es compatible con lo que se necesita para exportar automóviles, o si el las tecnologías en las que Toulouse ha patentado en el pasado son compatibles con la patente de una tecnología en particular, como las pantallas de cristal líquido. La afinidad se puede utilizar para predecir la probabilidad de que una ubicación entre o salga de una actividad.
Por lo general, los académicos miden la afinidad entre una ubicación y una actividad económica para predecir la probabilidad de que una región entre o salga de esa actividad en el futuro. El hecho de que el crecimiento de una actividad en una ubicación esté correlacionado con la afinidad es conocido como El principio de la afinidad13: una ley estadística que nos dice que la probabilidad de que una ubicación (un país, ciudad o región) ingrese a una actividad económica (por ejemplo, un producto, industria, tecnología), crece con el número de actividades relacionadas presentes en una ubicación. Se ha demostrado que el principio de afinidad se aplica a los países que introducen nuevos productos 12,15,regiones que ingresan a nuevas industrias20,21, ciudades patentando nuevas tecnologías, 722,23,e incluso universidades que publican en nuevas áreas de investigación24.
¿Cómo se calcula la afinidad?
La afinidad se calcula generalmente observando el porcentaje de actividades relacionadas que están presentes en una ubicación. Formalmente, deje \(M_{cp}\) ser una matriz que indique la presencia de actividad p en la ubicación c y dejar \(\phi_{pp'}\) ser una medida de similitud o proximidad entre actividades \(p\) y \(p'\) . Entonces, podemos estimar la afinidad w entre ubicaciones c y actividad p como:
\(omega_{cp}=\frac{\sum_{p'}{M_{cp'}\phi_{pp'}}}{\sum_{p'} \phi_{pp'}}\)
De manera similar, podemos estimar la afinidad al observar ubicaciones similares en lugar de actividades similares
\(omega_{cp}=\frac{\sum_{c'}{M_{c'p}\phi_{cc'}}}{\sum_{c'} \phi_{cc'}}\)
Dónde \(\phi_{cc'}\) es una matriz de similitud entre ubicaciones c y c' .
Métricas de similitud, como \(\phi_{pp'}\) , se conocen como métricas de proximidad. Hay varias formas de estimar la proximidad, utilizando métricas simples como probabilidades condicionales12,o métricas más sofisticados,como la afinidad entre las coincidencias observadas y las esperadas de un modelo econométrico.20,21
¿Qué es el Índice de Complejidad Económica (ECI)?
El Índice de Complejidad Económica, o ECI, es una medida de la capacidad de una economía que se puede inferir de los datos que conectan ubicaciones con las actividades que están presentes en ellas. Se ha demostrado que el Índice de Complejidad Económica predice importantes resultados macroeconómicos, incluido el nivel de ingresos de un país 14,15,crecimiento económico14,15, desigualdad de ingresos16,y emisiones de gases de efecto invernadero17,18, También se ha estimado utilizando diversas fuentes de datos, como datos comerciales14,15,datos de empleo25, datos del mercado de valores26,y datos de patentes27.
El índice de complejidad del producto, o PCI, es una medida de la complejidad necesaria para producir un producto o participar en una actividad económica. El índice de complejidad del producto se correlaciona con la concentración espacial de las actividades económicas28.
¿Cómo se calcula (intuitivamente) el Índice de Complejidad Económica?
Imagina que te piden que califiques un examen de opción múltiple en un idioma que nunca has escuchado. Para ayudarte a calificar el examen, el profesor te da una clave de respuestas, pero también te informa que debes otorgar más puntos a preguntas desafiantes. El maestro no tiene una clave para eso, por lo que necesita inferir la dificultad de las preguntas directamente de las respuestas del estudiante?
Una forma de comenzar es ver cuántos estudiantes respondieron correctamente a cada pregunta. Las preguntas fáciles probablemente fueron respondidas correctamente por la mayoría de los estudiantes, mientras que las preguntas difíciles probablemente fueron respondidas correctamente por solo unos pocos estudiantes. Sin embargo, algunos estudiantes puede estar adivinando sus respuestas, por lo que una respuesta correcta significa más si proviene de un estudiante que respondió la mayoría de las preguntas correctamente.
Este experimento mental debería darte la intuición básica detrás de la complejidad económica. Ahora, piensa que en lugar de estudiantes tienes economías (p. ej. países, ciudades, regiones) y en lugar de preguntas tienes actividades económicas (productos, industrias, tecnologías). La complejidad económica es la idea de que se puede inferir 'qué tan bueno es un estudiante' una economía observando las actividades que es capaz de desarrollar con éxito y los otros lugares donde esas actividades están presentes.
¿Cómo se calcula (técnicamente) el Índice de Complejidad Económica?
El problema de estimar la complejidad económica es el problema de estimar tanto la complejidad de las ubicaciones (por ejemplo, países, ciudades, regiones) como la de las actividades presentes en ellas (por ejemplo, productos, industrias, tecnologías). La idea general es que las actividades presentes, producidas o exportadas desde una ubicación, contienen información sobre la complejidad de esa ubicación, mientras que las ubicaciones donde está presente una actividad contienen información sobre la complejidad requerida para realizar una actividad. Por ejemplo, podemos decir que ciudades como San Francisco, Boston y Nueva York, son complejas, porque albergan actividades complejas. Del mismo modo, podemos decir que una actividad como la biotecnología o la aeroespacial es compleja, si se encuentra mayoritariamente en economías complejas, como las de Boston y San Francisco.
Este argumento circular se puede traducir en un conjunto general de ecuaciones que se pueden utilizar para estimar la complejidad de las economías
Formalmente, deja que la complejidad K de una ubicación c (por ejemplo, país o ciudad) sea \(K_{c}\) y la complejidad K de una actividad p (p. ej., producto o industria) sea \(K_{p}\) . Además, deje \(M_{cp}\) ser una matriz que resume las actividades (p) presente en la ubicación (c). Normalmente,, \(M_{cp}\) se define como \(M_{cp} = 1\) cuando la producción de una ubicación en una actividad es mayor de lo que se espera para una ubicación del mismo tamaño y una actividad con la misma producción total. Esto se puede hacer utilizando un métrica como la Ventaja Comparativa Revelada de una ubicación ( RCA) o Cociente de ubicación (LQ).
Es decir, podemos definir
\(M_{cp}=1\: if\:R_{cp}\geq1\)
Dónde
\(R_{cp}=(X_{cp} X)/(X_c X_p )\)
y
\(X_c=\sum_p X_{cp}\), \(X_p=\sum_c X_{cp}\) y \(X=\sum_{cp} X_{cp}\)
Siguiendo esta notación, la suposición general hecha por métricas de complejidad económica es que:
(i) La complejidad de una ubicación (\(K_{c}\)) es una función (f) de la complejidad (\(K_{p}\)) de las actividades presentes en él (\(M_{cp}\), ) y
(ii) La complejidad de una actividad (\(K_{p}\)) es una función (g) de la complejidad (\(K_{c}\)) de los lugares donde esa actividad está presente (\(M_{cp}\)).
Esta lógica circular es equivalente al siguiente mapa matemático.28
\(K_c = f (M_{cp},K_p),\)
\(K_p=g(M_{cp},K_c ),\)
Dónde f y g son funciones por determinar.
Estos mapeos implican que las medidas de la complejidad de las economías, o de las actividades económicas, son soluciones a ecuaciones autoconsistentes de la forma:
\(K_c=f(M_{cp},g(M_{cp},K_c )),\)
\(K_p=g(M_{cp},f(M_{cp},K_p )),\)
Que en muchas ocasiones puede reducirse —o aproximarse por— una ecuación lineal de la forma:
\(K_c=\tilde{M}_{cc'} K_c,\)
\(K_p=\tilde{M}_{pp'} K_p,\)
Estas ecuaciones implican que las métricas de la complejidad de las economías, o de las actividades presentes en ellas, son, respectivamente, autovectores de matrices que conectan países relacionados (\(M_{cc'}\)) o productos relacionados (\(M_{pp'}\)) (por ejemplo, el espacio del producto). Observamos que el primer conjunto de ecuaciones proporciona una familia más general de funciones que incluye funciones que no se pueden reducir a las formas lineales, sin embargo, pueden proporcionar resultados que son similares a los obtenidos por ecuaciones lineales. .
Estas ecuaciones también nos dicen que las medidas de complejidad son medidas relativas, ya que la complejidad de una ubicación o una actividad puede cambiar debido a cambios en las entradas de otras ubicaciones o actividades (otras filas o columnas en el \(R_{cp}\) o \(M_{cp}\) matriz).
Utilizando el marco anterior, definimos el Índice de Complejidad Económica de una ubicación, o ECI, como el promedio del Índice de Complejidad del Producto, o PCI, de las actividades presentes en ella. De manera similar, definimos el Producto Índice de Complejidad de una actividad, o PCI, como el Índice de Complejidad Económica promedio, o ECI, de las ubicaciones donde esa actividad está presente. Es decir, definimos la complejidad de una ubicación como la complejidad promedio de sus actividades, y la complejidad de una actividad, como la complejidad media de los lugares donde esa actividad está presente. Formalmente, la fórmula ECI es la solución al sistema de ecuaciones:
\(K_c=\frac{1}{M_c} \sum_p M_{cp} K_p,\)
\(K_p=\frac{1}{M_p} \sum_c M_{cp} K_c,\)
Lo que, al poner la segunda ecuación en la primera, equivale a diagonalizar la siguiente matriz:
\(\tilde{M}_{cc'}=\sum_p \frac{M_{cp} M_{c'p}}{M_{c} M_{p}}\)
Aquí \(M_c=\sum_p M_{cp}\) es el número de actividades (o diversidad) de una ubicación y \(M_p=\sum_c M_{cp}\) es la ubicuidad de una actividad (número de ubicaciones donde está presente).
Dado que la Complejidad Económica es una métrica relativa, los resultados generalmente se normalizan mediante una transformada Z. Es decir:
\(ECI=\frac{K_c - \tilde{K_c}}{\sigma(K_c)},\)
\(PCI=\frac{K_p - \tilde{K_p}}{\sigma(K_p)},\)
Dónde \(\tilde{K_{c}}\) es el promedio de \(K_{c}\) y \(\sigma(K_c)\) es la desviación estándar de \(K_{c}\).
¿Cómo se calcula (técnicamente) el Índice de Complejidad Económica para datos subnacionales?
Dado que los datos a nivel subnacional varían en términos de las unidades de observación (provincias, municipios, etc.), combinamos los PCI calculados utilizando datos de comercio internacional, con matrices de presencia y ausencia que caracterizan los datos locales.
Formalmente, definimos las ICE subnacionales como:
\(ECI_c=\frac{1}{M_c} \sum_p M_{cp} PCI_p\)
Aquí, definimos \(M_{cp}\) utilizando la siguiente versión modificada de RCA:
\(R_{cp}=\frac{X_{cp}^{local}/X_c^{local}}{X_p^{world}/X^{world}}\)
Es decir, comparamos la participación de una actividad en una unidad local (por ejemplo, región, provincia), con la participación de esa actividad en el mundo. Esto es para evitar tener las regiones más desarrolladas en un país parecen tener una ventaja comparativa en todos los productos y, además, hacer que los valores de ECI obtenidos para las regiones subnacionales sean comparables con los de los países incluidos en los conjuntos de datos internacionales.
¿Cómo se relaciona la complejidad económica con el crecimiento económico, la desigualdad y la sostenibilidad?
Durante las últimas décadas, varios estudios han documentado las relaciones entre la complejidad económica y los importantes resultados sociales y macroeconómicos.
La primera serie de estudios se centró en la afinidad entre la complejidad económica y el crecimiento económico. El artículo que introdujo la idea de complejidad económica14,mostró que las economías con mayor complejidad económica, por unidad de PIB per cápita, crecieron más rápido. Este hallazgo fue posteriormente confirmado y ampliado en un libro posterior (The Atlas of Economic Complexity) y en varios artículos que utilizan datos a nivel subnacional 29–32. En promedio, los académicos encuentran que un aumento de una desviación estándar en la complejidad económica, al mismo nivel de PIB per cápita, se asocia con un aumento en el crecimiento anualizado de entre 4% y 7%. Esto es un efecto fuerte, pero es importante tener en cuenta que un aumento de una desviación estándar en ECI es un efecto extremadamente grande (ya que los valores de ECI, que están normalizados, oscilan generalmente entre -2 y 2).
Más recientemente, las personas que estudian la complejidad económica han centrado su atención en otros temas, como la desigualdad de ingresos y la sostenibilidad ambiental
En los últimos años hemos aprendido que los países con niveles más altos de complejidad económica tienden a experimentar niveles más bajos de desigualdad de ingresos16,33,y también, para producir un número comparativamente menor de emisiones17,18.
Juntos, la capacidad de la complejidad económica para predecir el crecimiento económico, la desigualdad y la reducción de emisiones, lo convierten en un objetivo de política interesante para los países que buscan fomentar el desarrollo inclusivo
Referencias
  1. Acemoglu, D., Johnson, S. & Robinson, J. A. The colonial origins of comparative development: An empirical investigation. American economic review 91, 1369–1401 (2001).
  2. Acemoglu, D. & Robinson, J. A. Why nations fail: The origins of power, prosperity, and poverty. (Crown Books, 2012).
  3. North, D. C. Institutions, institutional change and economic performance. (Cambridge university press, 1990).
  4. Romer, P. M. Endogenous Technological Change. Journal of Political Economy 98, S71–S102 (1990).
  5. Romer, P. M. The Origins of Endogenous Growth. The Journal of Economic Perspectives 8, 3–22 (1994).
  6. Fukuyama, F. Trust: The Social Virtues and the Creation of Prosperity. (Free Press, 1995).
  7. Knack, S. & Keefer, P. Does Social Capital Have an Economic Payoff? A Cross-Country Investigation. The Quarterly Journal of Economics 112, 1251–1288 (1997).
  8. Knack, S. Social capital, growth and poverty: A survey of cross-country evidence. in The Role of Social Capital in Development: An Empirical Assessment (ed. Grootaert, C.) (Cambridge University Press, 2002).
  9. Coleman, J. S. Social Capital in the Creation of Human Capital. American Journal of Sociology 94, S95–S120 (1988).
  10. Porter, M. E. The Competitive Advantage of Nations. Simon and Shuster (1990).
  11. Hausmann, R. & Hidalgo, C. A. The network structure of economic output. Journal of Economic Growth 1–34 (2011).
  12. Hidalgo, C. A., Klinger, B., Barabási, A.-L. & Hausmann, R. The Product Space Conditions the Development of Nations. Science 317, 482–487 (2007).
  13. Hidalgo, C. A. et al. The Principle of Relatedness. in Unifying Themes in Complex Systems IX (eds. Morales, A. J., Gershenson, C., Braha, D., Minai, A. A. & Bar-Yam, Y.) 451–457 (Springer International Publishing, 2018).
  14. Hidalgo, C. A. & Hausmann, R. The building blocks of economic complexity. PNAS 106, 10570–10575 (2009).
  15. Hausmann, R. et al. The atlas of economic complexity: Mapping paths to prosperity. (MIT Press, 2014).
  16. Hartmann, D., Guevara, M. R., Jara-Figueroa, C., Aristarán, M. & Hidalgo, C. A. Linking Economic Complexity, Institutions, and Income Inequality. World Development 93, 75–93 (2017).
  17. Can, M. & Gozgor, G. The impact of economic complexity on carbon emissions: evidence from France. Environmental Science and Pollution Research 24, 16364–16370 (2017).
  18. Neagu, O. The Link between Economic Complexity and Carbon Emissions in the European Union Countries: A Model Based on the Environmental Kuznets Curve (EKC) Approach. Sustainability 11, 4753 (2019).
  19. Hidalgo, C. Why information grows: The evolution of order, from atoms to economies. (Basic Books, New York, 2015).
  20. Neffke, F., Henning, M. & Boschma, R. How Do Regions Diversify over Time? Industry Relatedness and the Development of New Growth Paths in Regions. Economic Geography 87, 237–265 (2011).
  21. Neffke, F. & Henning, M. Skill relatedness and firm diversification. Strategic Management Journal 34, 297–316 (2013).
  22. Kogler, D. F., Rigby, D. L. & Tucker, I. Mapping Knowledge Space and Technological Relatedness in US Cities. European Planning Studies 21, 1374–1391 (2013).
  23. Boschma, R., Balland, P.-A. & Kogler, D. F. Relatedness and technological change in cities: the rise and fall of technological knowledge in US metropolitan areas from 1981 to 2010. Ind Corp Change 24, 223–250 (2015).
  24. Guevara, M. R., Hartmann, D., Aristarán, M., Mendoza, M. & Hidalgo, C. A. The research space: using career paths to predict the evolution of the research output of individuals, institutions, and nations. Scientometrics 109, 1695–1709 (2016).
  25. Fritz, B. S. L. & Manduca, R. A. The Economic Complexity of US Metropolitan Areas. arXiv:1901.08112 [econ, q-fin] (2019).
  26. Gao, J. & Zhou, T. Quantifying China’s regional economic complexity. Physica A: Statistical Mechanics and its Applications 492, 1591–1603 (2018).
  27. Balland, P.-A. & Rigby, D. The Geography of Complex Knowledge. Economic Geography 93, 1–23 (2017).
  28. Balland, P.-A. et al. Complex economic activities concentrate in large cities. Nat Hum Behav 1–7 (2020) doi:10.1038/s41562-019-0803-3.
  29. Poncet, S. & de Waldemar, F. S. Economic Complexity and Growth. Revue économique 64, 495–503 (2013).
  30. Chávez, J. C., Mosqueda, M. T. & Gómez-Zaldívar, M. Economic Complexity and Regional Growth Performance: Evidence from the Mexican Economy. The Review of Regional Studies 20.
  31. Zhu, S. & Li, R. Economic complexity, human capital and economic growth: empirical research based on cross-country panel data. Applied Economics 49, 3815–3828 (2017).
  32. Stojkoski, V., Utkovski, Z. & Kocarev, L. The Impact of Services on Economic Complexity: Service Sophistication as Route for Economic Growth. PLOS ONE 11, e0161633 (2016).
  33. Zhu, S., Yu, C. & He, C. Export structures, income inequality and urban-rural divide in China. Applied Geography 115, 102150 (2020).
¿Tiene preguntas, comentarios o inquietudes?
Envíanos un email: [email protected]
Sigue a @OECtoday en
Creado, diseñado y desarrollado por:
En colaboración con: