本期内容来自中山大学旅游学院刘逸老师，对Science关于产业升级的文章进行了解读和评述，感谢作者授权发布，如有转载等事宜，请联系原作者。
作者的话：
近日一位微信平台的专栏作者翻译了Science杂志2007年一篇关于产业升级的大作，在微信朋友圈和新浪微博被广为转发。但感觉还有许多可以进一步说明的东西，为了让大家更好的理解这篇大作，所以在这里写下对原文的几点解读和评述。
产业升级历来是发展中国家和地区热议的经济话题之一，近日一位微信平台的专栏作者翻译了Science杂志2007年一篇关于产业升级的大作，在微信朋友圈和新浪微博被广为转发，将这个话题再次凸显在公众视野。这篇文章的题目是《从国家产业升级到职业选择，从一篇Science神文谈起》，并称已发表在《中国人力资源发展杂志》上。我的博士论文研究的就是产业升级，看到这样的题目，果断拜读。不过发现这篇译作只够做大众读物，有若干问题没说清楚，于是阅读了原文，进一步发现这位专栏作者在前半部分添加了许多自己的想象，以便把产业森林的故事描绘得很完整，而后半部分则是其自由联想，讲了许多鸡汤式的大道理，与原文相差甚远，可能会误导一些像我这样的菜鸟级科研人员和研究生，所以在这里写下对原文的几点解读和评述。
专栏作者原文的链接如下：
http://mp.weixin.qq.com/s?__biz=MzA5NzQ2MjMxMQ==&mid=203951368&idx=3&sn=7e6805f1678cf8a976491240c6338e18&scene=2&from=timeline&isappinstalled=0#rd
发表在Science的原文题目索引如下：
Hidalgo C A., Klinger B.，Hausmann A B. 2007. The Product Space Conditions Development of Nations. Science 317, 482.
以下简称Hidalgo et al.（2007）。原文微盘下载地址（仅作学习交流用，注意版权，谢谢合作）：
http://vdisk.weibo.com/s/A698KZxmEMfw
Hidalgo et al.（2007）开篇指出，以往的研究认为工业化会产生溢出效益，从而带动经济的整体发展，但是主流经济学从未将此过程模型化。而现有的研究主要通过两个维度对一国经济的专业化模式作出解释。第一种注重用生产要素的差异来解释，即资本、土地、劳动力技术、人力资源、基础设施和制度，最终会形成这样的产业格局：贫穷国家专注于土地和劳动密集型产业，而发达国家专注于基础设施、人力资源和资本密集型产业。第二种强调技术的差异性，主要用于补充第一种解释，认为这个差异导致不同的国家专注于不同产品的生产。这种维度假定一国经过努力，总是可能从简单的技术逐步走向复杂的技术，也就是所谓的产业升级。Hidalgo et al.（2007）认为这两个维度的解释都不够充分，也缺乏足够的实证，因此提出了重新认识一国产业体系的新分析框架——产品森林，成为这篇文章最为精彩的地方。这个框架由两个简单的比喻构成：
一个国家所生产的所有产品可以视为成一个森林，每个产品就是一个棵树，树与树的距离并非均质，而有的地方密集，有的地方稀疏，产量越大果实越丰厚。
企业就是生活在这些树上的猴子，靠摘取某棵树上的果实为生，有些树的果实太少或者他们不喜欢，就可以选择跳到另外一颗树上去。在现实中就是企业重新组织其人力和物力，投入到新的产业中去生产的过程。但猴子并不能自由跳到森林的每个地方，要有关联距离够近的树，猴子才跳过去。
在传统的理论的假设中，森林里的树都是可达的，因此森林的结构并不重要，只要猴子足够努力并且拥有足够多的资源，就可以跳到它想去的地方。也就是说，跳不到果实最丰厚的地方，那是猴子的问题。而Hidalgo et al.（2007）认为，这事不能全怪猴子，因为有些树与树之间没有关联，距离太远，猴子根本跳不过去。有些树虽然有关联，但是距离太远，要跳很多步才能到达（专栏作者的中文文章中有很多关于猴子跳树的解说，例如跳到孤岛出不来什么的，我在原文中没找到出处，应该是其自己的联想）。毋庸置疑，Hidalgo et al.（2007）这个比喻相当浅显易懂，基本就是街口买菜大妈都能看懂的级别，让我佩服之极。
引出森林之后，那么问题来了。我们怎么知道哪些树之间是有关联的？如何判断关联的密切程度？传统的理论解释对产业关联度已经有丰厚的研究，提出了多分析变量，例如劳动力土地和资本（Leamer, 1984），技术复杂程度(Lall 2000;Caballero and Jaffe, 1993)，投入产出要素(Dietzenbacher,2001)和制度需求(Rodrik etal., 2002; Acemoglu et al., 2001)。如果通过这些维度来推导产品的产业关联网络，难免会陷入庞大的理论梳理、流派争论和数据采集的泥潭，绝大部分学者可能弄到吐血也理不清楚，一点也不简洁。Hidalgo et al.（2007）出彩的地方，就在于用一个简洁的办法解决了这个问题。
首先，他们提出了一个基本上大家都认可的假设：
如果两个产品之间存在关联是因为需要相似的制度、基础设施、物质要素、技术等等，那么它们将倾向于一起被生产。反之，如果两个产品之间没有什么关联，那么它们一起被生产的可能性较低。
Hidalgo et al.（2007）将这个关联定义为产品的“邻近性”Proximity，用符号“φ”表示，界定了最核心的逻辑：
一国能否生产一种新产品的能力，取决于它能否生产与之相关的产品。
随后，借助一条极其简单的计算公式（一），把原本繁芜复杂的问题简单粗暴的解决了。如下：
其中，RCA是revealed comparative advantage，是发展经济学中用于测度一国出口竞争力的常用公式，数学逻辑和算法随意百度一下就可解决，这里不细说。当RCA指大于1时，计算条件概率P (RCAxi│RCAxj)，是指当一个国家出口J这类产品的RCA指数大于1时，i这类产品出口也大于1的概率。这个概率越大，φ值越高，产品关联度越大，也就是说，猴子越容易在i和j这两棵树中跳来跳去。
用RCA指数来衡量产品关联度，剩下的问题就简单了，因为全球各个国家出口产品的数据不难获得。因此，作者以全球国家为样本，以SITC4位编码的产品为标准，选定775样产品，对这些产品做了775对测算，得出下面这个矩阵（见下图A）：
显然上图这个矩阵目前看不出任何趋势，需要进一步可视化。
这个对于作者来是piece of cake，因为他们的专业就是数据可视化，而不是计量经济学。所以作者用了最大生树算法（Maximun Spanning Tree, MTS），即保留节点中与其它节点的多条链接中值最大的那条，但是又要保证所有节点可以连通，从而形成整个产品网络的骨架。这个骨架的代表着这775产品可以发生关联的最低限度，也就是说在这个骨架中，不存在不予其它任何产品发生关联的产品孤岛，同时我们也可以借助这个骨架图发现那些产品处在核心位置，那些产品处在边缘位置。光是讨论这些位置问题，足以写成一篇好文章，但Hidalgo et al.（2007）没有再此耗费笔墨，可能觉得这点发现对于通篇文章而言，太过不值一提了吧。总之，骨架图就是全球产品结构的基本格局，如下图所示：
经过计算发现当φ值低于0.33时，基本上775类产品之间几乎相互都连通，没有研究意义，而当φ值大于0.8时，无法形成骨架，有缺漏（这里不要问0.33和0.8意味着什么，在现实中是什么一种状态，因为作者也无没回答，目前这一步要做的是分析出网络）。经过作者的调试最后认为φ取值0.55比较靠谱，在775类产品中总共形成1525条链接，网络疏密合适又看得出层次，形成了文章的最重要的网络图，如下：
这张图展示出的全球775类产品的关联网络，至此，产品森林一目了然。森林中有几个中心密集区，哪些产品是边缘，哪些是核心，哪些产品距离比较近较容易跳过去，基本可以直接辨识。每个国家或者地区，甚至城市，都可以根据自己的产业在其中找到自己的位置，然后判断下阶段最有效率和可能的产业升级方向在哪里。
至此，规划师们可以高高兴兴的把这张图放大打印随身携带，去给政府部门规划新一轮的产业发展战略了。不过需要提醒的是，这张图只展示了16种产品，剩下的759种作者没有标出来，千万别以为挨着近的一定是同类产品，不一定！想要见真佛，得让作者给原图，或者老老实实把全球数据拿过来倒腾一遍。不过可以有偷懒的办法，可以用国内统计年鉴齐全的33类行业结构数据来算，倒也不难。只是靠谱程度大打折扣，算出来行业关联度极高，并且高度集聚在电子、机械、化工、服装等行业，图个过瘾，解释不了问题。
为了演示这张图的价值，Hidalgo et al.（2007）选取了各大洲的数据，放在这个森林中，将RCA大于1的产品均显示为黑色，轻而易举的看出这些国家和地区在全球产业网络中的地位和发展可能。发达地区出口的都是森立中的核心树，而亚洲拉美非出口的都是边缘树，如下图所示。
在提出公式（一）之后，Hidalgo et al.（2007）来提出了测度技术扩散的公式（二）通过密度指数（Density）来衡量。即计算第k类产品周边从i到j的产品的RCA指数>1的概率，密度越高，第k类产品RCA指数升高的可能性越高。根据这条公式（二），基本上可以运算一次GIS领域近年很红的元包自动模拟了，也就是根据产业现状，在不施加第三方干预的状况下，可以预测未来产业格局演变的方向。公式（二）如下：
Hidalgo et al.（2007）以智利和韩国为例，分别取φ=0.55、0.6、0.65这三个值，进行20次迭代运算，可以看出在φ=0.55时，这两个国家在运算后基本上都能走到产业森林的核心区，但是当φ取值为0.65时，韩国勉强能演进到森林的核心区，但是数量极少，而智利基本不可能。这个实例基本上验证了该文章的所有核心假设和推断。产业升级和演进存在一定的路径，并不是任何国家经过努力都可以实现，而是取决于原有的产业基础。图如下：
Hidalgo et al.（2007）还提出了其它公式和指标，较为复杂，基于篇幅问题，不再多做解说，在这里小结以下三点：
第一，该文能在Science发表，当之无愧。因为其确实出彩，用极其简单，即连我这种菜鸟都懂的方式，将一个一直没人能回答清楚的问题，用清晰直观、可重复使用的方式表达了出来。我当年写博士论文的时候也用过RCA指数来测度产业升级，但是从来没想过用这种方法来做，更加需要反省的是该文发表于2007年，而我08年做综述的时候压根没想到要去Science这种自科杂志上去找文献，显然智商依旧是硬伤，Permanent Head Damage已成定局。
第二，该文通过精简计算和数据可视化，实证和补足了很多经典理论，更改变了我们研究产业结构的套路。佩蒂克拉克的产业演进理论和赤松的雁行理论，均可以拿来这个产业森林里面来溜一遍，看看是否真实如此。还有产品森林骨架图，轻描淡写的就把全球价值链理论这20年都没说清楚的问题给解决了，而且比这些理论都更具有分析性和操作性。可能最想掀桌的是部分经济地理学家，他们都把玩了数十年了概念和原理，不经意间居然被数据可视化领域的人用了而且发Science了，这什么世道？？？没错，Proximity邻近性是一切群体性经济活动发生的第一原则，相关研究举不胜举，还有产品关联度也是演化经济地理学的核心概念，即相关性多样（relatedvariety）。而该文最核心的观点之一，其实也就是路径依赖(Pathdependency)和范围经济（Economies of scope），从本质上讲，的确没有新意可言。但是，Hidalgo et al.（2007）只不过实证了其存在。但值得反思的是经济地理学家，因为我所了解的经济地理学界近年来所做的贡献，让人很心塞。我这里就不点名了，有些大神干的事情就是重新定义一个概念，然后用数篇文章对这个概念进行分解，讨论，拓展延伸，把最重要的变量和原理用一句话带过，然后就画出一个十分复杂的概念图，外加一堆辅助的子概念，然后用各种描述了其种种可能，其结果就是把一个小迷雾倒腾成一个更大的迷雾，而忽略了科学研究的目的之一，就是为了把复杂问题简单化。这样的研究最后只会被其它领域和公众漠视。
第三，该文的局限在于基于历史数据测度和描绘产品格局，没有纯理论的数学推导，因此在理论贡献上有所欠缺，而且不讨论具体是何种要素影响φ值，因而也没涉及哪个因素更重要，只涉及到产业演进路径的可能性，所以与主流经济学没有对接。再者，当前的研究没有涉及到产品格局的动态变化，因为这个图是根据1998-2000的数据做出来的，如果用最新的数据，格局可能不一样，那这当中是否有变化，怎么变化，目前尚不清楚。这个局限作者在文章的最后也提出来，认为是下一步研究的重点。
最后，谈谈这篇文章的启示，我认为抓住最核心的一点就够了。对于经济发展的主导者和决策者而言，除了在制定政策和战略的过程中注意产业基础和产品关联度之外，可以依据产品森林，判定自身在其中的位置，预测可能演进的方向和路径，由此决定是否需要施加干预。对于商业领域的一般决策者而言，在产业升级或者转型之前，需要分析关联产品领域的基础（包括资源和技术）和成熟度，从而决定是否升级，往哪个方向升级，是否干预。至于该施加何种干预，干预程度多高，这篇文章尚未能给予启示。至于拓展到个人职业生涯选择什么的话题，看两本鸡汤书即可解决，无须来啃Science级别的文章。
CA. Hidalgo. B. Klinger. A B. Hausmann, Science. 317, 482.
E.Leamer, Sources of Comparative Advantage: Theory and Evidence (MIT Press,Cambridge, MA, 1984).
S.Lall, Oxf. Dev. Stud. 28, 337 (2000).
R.Caballero, A. Jaffe, NBER Macroeconom. Ann. 8, 15 (1993).
E.Dietzenbacher, M. Lahr, Input-Output Analysis: Frontiers and Extensions(Palgrave, New York, 2001).
D.Rodrik, A. Subramanian, F. Trebbi, NBER Work. Pap.9305 (2002).
D.Acemoglu, S. Johnson, J. A. Robinson, Am. Econ. Rev.91, 1369 (2001).
后话：本人定量基础较浅，对Science这种大作的解读难免有所偏颇，失准之处，欢迎来信指正，liuyi89@mail.sysu.edu.cn
欢迎公众投稿，投稿邮箱uisysu@163.com；投稿请在标题处注明“微信投稿”字样。
回复“0”可获得文章列表。
转发请注明出处及微信号
文章有问题？点此查看未经处理的缓存