基于人力资本经济增长模型网络效应.docVIP

基于人力资本经济增长模型网络效应.doc

此“经济”领域文档为创作者个人分享资料,不作为权威性指导和指引,仅供参考
  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于人力资本经济增长模型网络效应

基于人力资本经济增长模型网络效应   摘要:我们重新探究了最近推出的主体模型[ACS 11,99(2008)](该模型认为经济增长是教育(人力资本的形成)和创新的结果),并且探讨了主体的社交网络对主体决定接受教育和产生新的想法的影响。我们考虑了规则和随机网络。并且将调查结果与平均场(代表性主体)模型的预测结果进行了比较。   关键词:经济物理学 基于主体的模型 人力资本 复杂网络   1 概述   最近的宏观经济增长理论模型都强调了经济增长的最终源头。在这些所谓的“内生经济增长”模型中,经济的长期增长率依赖于对经济的一些内部特征进行描述的一组参数。这些特征可能与某种偏爱(例如未来消费的相对重要性)、一些技术限制(例如总量生产函数的形状)、人口统计因素、经济开放程度、教育机构的质量、以及(最后但同样重要的是)产生并且采用创新技术的能力有关,而产生并且采用创新技术的能力通常与教育、研究和开发活动有关。   在经济学文献中,有很大一部分基于主体的模型都与创新和扩散过程有关([1]-[5])。其中有些模型从演化经济学的角度来看待经济增长,例如纳尔逊和温特的开创性著作[6]。后者强调了一些与微观经济技术变革和宏观经济增长方式之间的建模一致性有关的新古典经济学理论的缺点。演化经济学方法进而寻求将微观和整体状况成功地组合在一起,通常都采用计算机仿真建模方法。在与经济增长模型有关的各种方法中,阿罗约和圣奥滨[7]的方法,也就是作者在本文中提出的方法,以内生经济增长文献为基础,在演化经济学范畴内进行了一些创新。他们都是信赖基于创意的宏观经济增长的先驱者,他们认为宏观经济增长取决于接受教育的决策、结果之间的相互作用以及主体之间的动态因素,而不是取决于充盈整个经济的通常称之为局部创新过程的那种东西。在他们的内生经济增长模型中,创新或者发明是经济增长的主要引擎。这些创新是非竞争性的,在某种意义上来说,一些人可以使用创新技术,但同时也不会削弱其他人使用这种创新技术的可能性。很容易找到与经济增长相关的一些例子。例如大功率发动机、电力、或者电脑几???立即就会出现在我们的脑海中。根据琼斯的提法,创意是由技术工人产生的[8]。但是,阿罗约和圣奥滨的模型则采用更加传统的方法来确定劳动力人口中哪些是技术熟练的工人的方法。在他们的基于主体的方法中,个人会受到相互作用或者邻域效应的影响,接受教育的决定不仅取决于经济推理,而且还取决于某种程度的社会制约。正如以后将会变得越来越明晰的那样,整体人口中技术熟练的或者受过教育的人口比重是与经济增长率有关的一个关键因素。   相互作用的主体网络在各种不同的领域的建模中发挥着重要的作用,诸如计算机科学、生物学、生态学、经济和社会学。在这些网络中的一个重要的概念就是两个主体之间的距离。根据具体的情况,可以通过主体之间的相互作用的强度、主体之间的空间距离,或者通过一些其他的能够表明在主体之间存在一种联系的标准来测定距离。基于这个概念,人们创建了一些全局参数来体现这些网络的连接性结构特征。其中的两个参数是聚类系数(CC)和特征路径长度(CPL)或者测地距离。聚类系数测量拥有共同邻居的两个主体之间发生连接的平均概率。特征路径长度是连接每对主体的最短路径的平均长度。这些系数足以将随机连接网络与有序网络以及小世界网络区分开来。在有序网络连接中,主体就像在晶格中一样相互连接在一起,聚类程度很高,特征路径长度也很大。在随机连接网络中,聚类程度和路径长度都很低,而在小世界网络[9]、[10]中,聚类程度可能很高,但路径长度却都处于一个较低的水平。我们从一个规则的结构开始,并且应用了一个随机重新接线程序(插入到规则和随机网络之间),我们发现[9]有一个广阔的结构区间,在该结构区间上其特征路径长度几乎和随机图上的特征路径长度一样小,而聚类系数却远远高于随机情况下的预计值以及小世界网络中获得的数值。创建小世界网络的另一种方法就是在规则晶格中添加少量的随机连接捷径。   在现实的社交网络中存在一个特征路径长度小但聚类程度却非常高的网络,并且其节点连接的分布也不均匀。这种类型的网络的一些其他显著特点包括正相关性(协调组合)以及存在群落结构[11]、[12]。   在本文中,我们使用阿罗约和圣奥滨引入的模型探讨了相互作用的网络[7]。其目的是要澄清[7]的结论在多大程度上依赖于该著作中假定的主体相互作用的简化拓扑结构。我们已经模拟了一些网络的模型,这些模型具有上述的一些特点,也就是规则正方形晶格、经典随机图(ERD″OS-Renyi)以及小世界网络模型。并且使用类似于平均场近似的方法对模型进行了分析研究。   在下一节中我们将回顾原始模型的定义和结果。在第3节中,我们将展示平均场的结果。第4节将详细描述对随机网络进行的模拟活动,第5节专门

文档评论(0)

bokegood + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档