从农村到城市的区域经济紧缩gydF4y2Ba

区域经济的特点是各个要素之间相互作用的网络，因此是典型的复杂系统。利用复杂性科学的方法，分析出口、产业、职业、技术等地区经济各方面的相关性正变得越来越普遍。然而，目前的工作几乎完全集中在国家内部城市化程度较高地区的区域经济复杂性，如果不是整个国家本身的话。较小的城市地区通常被忽视，农村地区几乎完全不在对话范围内。本文试图通过从复杂性经济学的角度考察较小的城市地区和农村地区来填补这一空白。通过分析横断面数据，可以初步了解区域经济连通性从农村地区向城市地区的转变。使用先前开发的基于经济活动共现性的经济连通性度量标准(称为紧密性)，我们研究了美国大都市、小城市和农村地区的技能空间和产业空间。我们发现，城市化程度最低和最高的地区的紧密度最高，这部分是由于专业技能在技能空间的“社会认知”叶中的份额。然而，我们也发现，在城市化程度最低和最高的地区，技能构成存在显著差异。研究结果表明，寻求提高社会认知技能在当地劳动力中所占份额的规划者可能受到人口规模的限制，人口规模中等的地区可能需要首先发展对认知技能要求较低的行业。gydF4y2Ba

科学强调gydF4y2Ba

•区域经济紧度与区域经济产出正相关，即使在控制区域人口的情况下。gydF4y2Ba

•在人口最少和人口最多的地区，技能紧张程度最大，而在人口最多的地区，行业紧张程度最大。gydF4y2Ba

•更高的技能紧张度部分是由地区劳动力中社会认知技能的份额推动的。gydF4y2Ba

•在技能空间的社会认知叶中，最农村和最城市的县拥有最高的专业技能份额。gydF4y2Ba

政策及实务建议gydF4y2Ba

•培育技能和产业紧密度，提高地区人均产出。gydF4y2Ba

•增加利用社会认知技能的工作可能会增加技能的紧张度，从而提高区域生产力。gydF4y2Ba

•中等城市化地区具有社会认知技能的工人比例通常较低，在发展知识密集型产业方面可能更加困难。gydF4y2Ba

近年来，从复杂系统角度分析区域经济的工作激增。复杂系统的特征是独立的，但网络化的参与者，他们的相互作用导致系统级的动态，而不是简单的部分的总和(SlapergydF4y2Ba2019gydF4y2Ba)．区域经济是复杂系统的典型例子;区域经济是经济主体通过其经济网络相互作用的非线性总和。尽管所有的工作都是将区域经济作为复杂的系统进行研究，但人们几乎一致地将重点放在人口更多的区域经济上。对更多城市地区的关注可能是由于农村地区的数据限制以及经济活动的超线性性质，这提供了诸如人均产出增长快于人口增长的结果，这在城市规模文献中得到了充分的证明(WestgydF4y2Ba2017gydF4y2Ba)．然而，这样的结果可能分散了一个现实，即人口较少和农村地区仍然是复杂的系统，它们本身也有兴趣。事实上，考虑到尺度文献中记录的由规模导致的结构性劣势，城市和农村地区较少值得关注。gydF4y2Ba

在本文中，我们将区域经济分析为复杂系统，重点是人口较少的地区。使用覆盖整个美国的各种地理单位，我们比较了跨越广泛人口水平的地区的结果。本文的目标有两个。首先，我们寻求对区域经济学做出理论贡献，重点研究农村和城市区域之间的区域经济紧度差异。使用横断面数据，目的是提供关于区域从农村向城市转变时所面临的结构变化的初步证据。其次，我们试图确定对区域经济政策制定很重要的经济属性，特别是在人口较少的农村地区。gydF4y2Ba

本研究有几点贡献。首先，我们系统地评估了区域单位的选择如何影响共现性和总体经济紧密度，这两个指标用于将区域经济作为复杂系统进行研究。其次，在控制人口之前，我们考察了区域经济紧度对区域经济绩效的区域指标的影响。特别关注人口，可以获得有关紧张和农村向城市转型的初步证据。最后，我们分析了人口如何影响一个地区在技能空间中的位置，之前揭示了一个双叶结构。gydF4y2Ba

本文的其余部分结构如下。在下一节中，我们将对相关文献进行回顾。然后我们提供数据和方法。在结果部分，我们讨论了地理单位选择的影响，人口较少和农村地区的分析，以及人口规模对一个地区在技能空间中的地位的作用。最后，在得出结论之前，我们对规划者的影响进行了讨论。gydF4y2Ba

复杂系统思想和复杂性经济学继续在各种各样的社区中获得采用。与新古典经济学认为经济是一台“完美嗡嗡作响的机器”的观点相反，复杂性经济学认为经济更类似于一个不断变化的相互作用网络的自适应生态(ArthurgydF4y2Ba2021gydF4y2Ba)．gydF4y2Ba

从复杂性的角度分析区域经济最近很流行，应用工作将相互作用重新定义为网络。相关性，衡量各种活动之间的联系，复杂性指标，通过它们的相互作用来检查各种经济活动的流行程度，是应用网络研究的两条静脉，目前正在解开，以检查它们的原因和后果(HidalgogydF4y2Ba2021gydF4y2Ba)．gydF4y2Ba

相关性测量试图通过以不可知论的方式推断关系来确定各种活动如何相互关联(Hidalgo等。gydF4y2Ba2018gydF4y2Ba)．例如，人们可以通过两种产品从不同国家出口的频率来联系它们。在这种情况下，网络由产品之间的连接定义。导出的产品将定义网络中的节点，而从共同导出模式派生的关系将描述网络中的边。在任何这样的网络分析中，都有两个基本组成部分，被检查的活动和活动之间的关系。利用这些网络，研究人员绘制了大量的“空间”。gydF4y2Ba

该产品领域是最先获得广泛名声的领域之一。伊达尔戈等人的开创性论文(gydF4y2Ba2007gydF4y2Ba)建立一个产品空间的理念是，如果两种产品经常从同一个国家出口，那么它们就是相关的。经常从同一国家出口的两种产品被推断需要类似的基础能力。gydF4y2Ba

从那时起，技术和研究空间就开始使用关联方法进行研究。Kogler等人(gydF4y2Ba2013gydF4y2Ba)通过分析专利共分类在美国城市的分布情况，绘制技术空间地图。同样使用专利数据，Boschma等人(gydF4y2Ba2015gydF4y2Ba)发现，一项技术更有可能进入已经拥有相关技术的城市，两项技术的相关性基于一个城市在一项技术上获得专利的概率，前提是该城市在另一项技术上获得专利。里格比(gydF4y2Ba2015gydF4y2Ba)也研究了美国城市进入专利类别的情况，但根据专利引用定义了专利类别之间的关系。除了申请专利，格瓦拉等人。gydF4y2Ba2016gydF4y2Ba)通过基于作者在这两个领域发表文章的概率建立领域之间的关系来检查研究空间。gydF4y2Ba

相关度方法也被应用于职业空间分析。Muneepeerakul等(gydF4y2Ba2013gydF4y2Ba如果职业在美国大都会统计区(MSA)中作为专业化同时出现的频率高于随机预期，那么这些职业就会相互关联。这些职业网络随后被用于研究城市地区如何能够将其经济转变为更具创造性的经济(Shutters et al。gydF4y2Ba2016gydF4y2Ba)或绿色经济(Shutters等。gydF4y2Ba2015年,一个gydF4y2Ba)．gydF4y2Ba

也有一些分析行业空间的论文。Neffke et al. (gydF4y2Ba2011gydF4y2Ba)通过工厂层面生产的产品同时出现而将工业联系起来。最近(Shutters和WatersgydF4y2Ba2020年,一个gydF4y2Ba)通过将行业相互关联，根据它们在美国msa中作为专业行业共同出现的频率(基于就业区位商)，来绘制行业空间。gydF4y2Ba

研究人员还使用这种方法来绘制技能空间。奈夫克及亨宁(gydF4y2Ba2013gydF4y2Ba)通过检查行业间的劳动力流动来绘制行业的技能相关性，而Alabdulkareem等人(gydF4y2Ba2018gydF4y2Ba)检查职业中技能的共现情况，以绘制技能空间。最后，Shutters和Waters (gydF4y2Ba2020年,一个gydF4y2Ba，gydF4y2BabgydF4y2Ba)使用在美国msa中同时出现的专业技能来绘制技能空间。gydF4y2Ba

除了描绘经济活动的空间之外，还有各种各样的分析来研究区域经济在这些网络中的位置。例如，绘制技术空间的论文已经确定了一个城市在当前专利活动的情况下开始在某个领域申请专利的可能性有多大。此外，人们还研究了城市在职业空间中的位置，以了解该地区经济转型的难度。仔细映射这些空间对于建议网络各部分之间的转换至关重要。gydF4y2Ba

最后，经济空间内的位置也被聚合起来描述区域经济的整体相互联系。(Shutters等。gydF4y2Ba2015 bgydF4y2Ba)以职业共现为基础，将职业之间的相互依赖程度汇总为一项名为“紧密度”的指标，旨在衡量该地区相互关联的经济份额。该措施最近已扩展到区域行业的紧缩(百叶窗和水gydF4y2Ba2020年,一个gydF4y2Ba)以及区域技能紧张(百叶窗和水gydF4y2Ba2020 bgydF4y2Ba)．gydF4y2Ba

虽然亲缘关系概念已被广泛应用，但农村地区尚未受到重视(图2)。gydF4y2Ba1gydF4y2Ba)．虽然一些研究控制了区域人口，但区域通常是msa，对区域大小的关注是外围的。本文的重点是分析人口如何影响相关的一些措施，特别是技能空间和行业空间。从这个意义上说，这项工作很好地置于发展研究的主体中，目前正在解开相关性的原因和后果(HidalgogydF4y2Ba2021gydF4y2Ba)．gydF4y2Ba

下面的分析更仔细地考察了最近的两项措施，技能紧缩和行业紧缩。在讨论下一节分析的紧密度测量之前，我们先介绍一下所使用的三个主要数据集，并简要介绍一下地理定义。在确定了密封性措施后，我们提供了用于评估密封性的区域性能指标的来源。gydF4y2Ba

数据gydF4y2Ba

我们使用了来自两个来源的三个数据集。对于技能紧张，我们将职业就业数据与执行职业所需的职业要求调查相匹配。对于行业紧张度，我们使用行业就业数据。对于这两组就业数据，我们使用了印第安纳州商业研究中心(IBRC)估计的县级数据。这些数据集估计的数据被国家统计机构(郑gydF4y2Ba2020gydF4y2Ba)．没有县一级的职业和产业就业，我们就无法考察人口较少的农村地区。这种数据压制可能是农村地区没有得到城市地区所给予的重视的主要原因。gydF4y2Ba

对于技能紧张程度的衡量，我们使用IBRC创建的县级职业就业估计数。之前对技能紧密度指标的分析使用了美国劳工统计局(BLS)的职业就业统计(OES)数据。OES数据每年发布一次，包括使用美国msa(美国劳工统计局)标准职业分类(soc)的就业估计gydF4y2Ba2018gydF4y2Ba)．OES数据的一个局限性是，它们只涵盖大都市统计区，而不包括较小的小城市统计区。此外，他们在美国的新英格兰州使用了另一种区域定义，称为新英格兰城市和城镇地区(NECTAs)。以前分析的重点可能只出现在更多的城市地区。IBRC估算的职业就业数据可用于考查城市程度较低的小城市统计区和农村地区。来自IBRC的职业数据是OES数据的增强版本，其中估计和添加了联邦政府的抑制数据。IBRC以类似于经济分析局(BEA)的方式汇总了几个县，BEA将弗吉尼亚州的一些县合并。最后，IBRC没有对弗吉尼亚州埃塞克斯县进行评估。gydF4y2Ba

技能紧密度分析所需的第二个数据集是来自BLS(国家O*Net发展中心)的职业信息网(O*Net)数据gydF4y2Ba2020gydF4y2Ba)．这个数据集通过执行任何给定工作所需的几个元素或属性来描述职业。O*Net数据集包含的元素包括“口语理解”、“设计”、“维修”和“设备维护”。O*Net进行了一项调查，以衡量与每个职业相关的每个元素的水平和重要性。在本研究中，我们使用与每个元素相关的水平。我们将这些元素称为技能。因此，将O*Net数据与就业数据匹配后，我们就能够构建一个技能空间。gydF4y2Ba

关于IBRC OES估计值与O*Net数据之间的一致性，有两点值得注意。首先，由于O*Net数据没有提供立法者的技能信息，这些SOC代码从IU OES估计中删除了。其次，IU估计了几个与O*Net数据集中的soc不对应的6位数soc。对于这些“其他”类别，我们对它们所属的4位数SOC类别中的6位数SOC的所有元素取平均值，只有使用4位数SOC的一个子集的少数例外。这些类别的就业人数相对较少，因此对分析的影响可能很小。gydF4y2Ba

对于行业的紧张度，我们使用IBRC的数据，该数据使用4位数的北美行业分类系统(NAICS)代码来估计县级工作地点的行业就业情况。IBRC的数据是美国劳工统计局(U.S. Bureau of Labor statistics)季度就业和工资普查(QCEW)的扩充版gydF4y2Ba2022gydF4y2Ba)，其中估计和添加联邦政府抑制的数据。与职业数据一样，IBRC以与BEA类似的方式汇总了几个县，BEA将弗吉尼亚州的其他县合并。在所有分析中，我们去掉了IBRC数据中的“行业平衡”估计。gydF4y2Ba

空间分析单位gydF4y2Ba

为了确定地理单位选择的影响，我们使用了三种不同的地理定义。首先，我们使用IBRC划定的县。gydF4y2Ba

其次，我们使用基于核心的统计区域(CBSA)，它根据核心县的最低人口数量和从周边县通勤的人数来聚集一个或多个县(美国管理和预算办公室)gydF4y2Ba2020gydF4y2Ba)．cbsa既包括人口在5万或以上的大都会统计区，也包括人口在1万至5万的城市中心小大都会统计区。CBSAs不包括美国1302个县，占2018年美国人口的5.9%。我们使用美国管理和预算办公室(OMB) 2018年9月的CBSA定义。当我们创建一个“非cbsa”类别来计算度量时，我们在Eq。gydF4y2Ba2．2gydF4y2Ba因为它是一个极端的，不符合标准的，异常值。gydF4y2Ba

第三，我们使用Fowler和Jensen定义的劳动力市场区域(LMA)gydF4y2Ba2020gydF4y2Ba)．这些定义最初由美国农业部经济研究局(ERS)制定，并定义了包括美国所有县在内的劳动力市场。我们使用更新的“OUT10”描述，修复了ERS发布的原始定义中的差异。县域虽然地理位置相对稳定，但在经济活动方面实际上是任意的。这是有问题的，因为这里使用的紧密度指标的理论基础是衡量自给自足的劳动力市场，它很少对应于县的边界。因此，使用劳动力市场区域是为了覆盖美国的所有县，并符合紧密度计算的理论基础。gydF4y2Ba

方法gydF4y2Ba

这里定义的行业和技能紧密度指标遵循几乎相同的公式(Shutters等人。gydF4y2Ba2015 bgydF4y2Ba)．作为概述，我们计算了经济活动(包括技能或行业)的两两相互依赖关系，并在各个活动之间进行汇总，以衡量三个地理级别的“紧密度”。gydF4y2Ba

技能紧密性需要一个额外的步骤，而不是行业紧密性所需要的。遵循Shutters和Waters的符号(gydF4y2Ba2020年,一个gydF4y2Ba，gydF4y2BabgydF4y2Ba)，我们将O*Net数据按每个地区的就业水平加权，从而汇总技能。在形式上,gydF4y2Ba

在哪里gydF4y2BalgydF4y2Ba是技术水平gydF4y2Ba我gydF4y2Ba这一技能水平被用来衡量就业，gydF4y2BaegydF4y2Ba因此，总技能水平是所考虑的地理中技能加权就业的总和。gydF4y2Ba

然后我们计算常用的区位商，包括技能和行业。对于技能，我们计算技能的相对丰度gydF4y2Ba我gydF4y2Ba在地理上gydF4y2BaggydF4y2Ba．gydF4y2Ba

对于工业，我们使用相同的公式，但改变了概念。我们计算了工业中就业的相对充裕度gydF4y2BakgydF4y2Ba在地理学中;gydF4y2Ba

对于技能和行业，我们将按活动划分的地理矩阵转换为存在-缺席矩阵。二进制矩阵为1，其中经济活动(技能或行业)在地理上是专门的，否则为0。我们使用LQ阈值1作为专门化的截断点。在计算CBSA紧密度时，此时将删除非CBSA区域。gydF4y2Ba

使用存在-缺席矩阵，然后使用共现公式计算相互依赖值。这是两个经济活动的概率gydF4y2Ba一个gydF4y2Ba而且gydF4y2BajgydF4y2Ba(无论是技能还是行业)都是在一个地理上被活动随机同时发生的概率所划分的。我们减去1使测量值在0附近平衡。gydF4y2Ba

如果两个活动同时发生的频率高于随机预期，则相互依赖度量值大于零。如果它们随机出现的频率低于预期，则测量值小于零。因此，相互依赖值等于或接近于零表明两个活动的共现模式基本上是随机的。gydF4y2Ba

接下来，我们计算由Shutters等人定义的经济紧度的总度量(gydF4y2Ba2015年,一个gydF4y2Ba，gydF4y2BabgydF4y2Ba)．要做到这一点，我们首先要对区域经济活动进行加权gydF4y2Ba一个gydF4y2Ba而且gydF4y2BajgydF4y2Ba通过相互依赖的价值观，gydF4y2Ba\ \ (x)gydF4y2Ba．正式:gydF4y2Ba

最后，我们对所有活动对求平均值以生成紧密度值，gydF4y2BaTgydF4y2Ba．gydF4y2Ba

在哪里gydF4y2Bag \ (p {} _ {} \)gydF4y2Ba经济活动(技能或行业)的总数是否在地理上gydF4y2BaggydF4y2Ba．考虑到技能紧密度和行业紧密度是使用不同的技术计算的，并且技能是基于调查的任意水平，我们将紧密度归一化为可比性的z分数。gydF4y2Ba

经济表现的衡量标准gydF4y2Ba

为了进行分析，我们将三个不同级别的密封性度量与几个经济绩效度量进行了比较。业绩数据来自BEA，包括国内生产总值(GDP)、按工作地点划分的收入和就业变化。对于所有的衡量标准，我们都使用县级BEA数据。BEA县数据汇总到2018年cbsa和更新的ERS lma进行分析。gydF4y2Ba

虽然我们只衡量经济产出，但这项工作可以扩展到许多领域。例如，人们普遍认为，GDP并不一定是改善福祉的指标，各种“超越GDP”的措施可能被证明是富有成效的(卡瓦莱蒂和科西)gydF4y2Ba2018gydF4y2Ba)．有关这些指标的完整列表，请参见(OECDgydF4y2Ba2013gydF4y2Ba)．类似地，虽然目前的研究只考察了经济效率，但它可以扩展到以各种不同的方式考察经济弹性(Martin和SunleygydF4y2Ba2015gydF4y2Ba)．最后，这项工作可以进一步扩展到可持续性领域，这可能有时与弹性不一致(Elmqvist等人)。gydF4y2Ba2019gydF4y2Ba)．对于目前的分析，我们将自己限制在国内生产总值、收入和就业。gydF4y2Ba

我们研究了与农村地区相关的紧密性的四个方面。首先，我们研究了改变地理单位对技能和产业对相互依赖的影响。其次，我们考察了两种经济紧度指标与区域经济表现之间的相关性。第三，我们以人口十分位数明确考察了人口对技能和行业紧度的影响。最后，在研究农村地区可能的驱动因素之前，我们通过分析技能空间内人口和职位之间的关系来扩展农村分析。gydF4y2Ba

地理单位与相互依存gydF4y2Ba

为了检查地理单位的选择如何影响我们的分析，我们比较了使用不同地理单位计算的相互依赖值。在补充的在线材料中提供了散点图和相关性(SOM图)。gydF4y2Ba1gydF4y2Ba)．gydF4y2Ba

总体而言，地理单位的选择对技能对和产业对的相互依赖值影响不大。各地理对下技能相互依赖的Pearson相关系数均大于或等于0.983，且均在1%水平上显著。不同地理位置下行业对的Pearson相关系数在0.83 ~ 0.88之间，均在1%水平上显著。gydF4y2Ba

使用不同地理位置计算的相互依赖值的强正相关意味着所生成的值不是地理单元的人工制品。gydF4y2Ba

区域经济紧度与区域经济绩效gydF4y2Ba

为了检验紧度与经济绩效之间的关系，表中提供了紧度、使用三种不同地理单位的技能和产业与人口以及区域经济绩效指标之间的相关性gydF4y2Ba1gydF4y2Ba．gydF4y2Ba

虽然技能紧密度与所有地理水平的人口对数呈显著正相关，但相关强度从CBSA水平的0.438降至LMA水平的0.247，再降至县域水平的0.084。产业紧度与人口的相关系数在CBSA和县域水平上大于LMA水平。gydF4y2Ba

在经济生产率方面，技能紧度和行业紧度与人均GDP对数和工作场所收入对数均呈显著正相关，LMA和CBSA的地理单位越大，相关性一般越强。关于GDP和就业对数的逐年变化，技能紧张的证据是不确定的。2018年至2019年人均GDP变化与就业变化之间的行业紧度相关性的证据好坏参半。gydF4y2Ba

总体而言，当地理单位改变时，松紧度与人口之间的相关性显著变化，而松紧度与经济产出之间的相关性相对稳定。松紧度与人均原木GDP之间的相关性比松紧度与地理水平之间的人口之间的相关性更稳定，这表明松紧度与经济产出之间的相关性是稳健的。gydF4y2Ba

为了检验技能严密性和行业严密性对控制人口的产出的影响，模型1到12将技能和行业严密性回归到人均GDP的对数上，在模型2、4、6、8、10和12中控制人口gydF4y2Ba2gydF4y2Ba)．总的来说，控制人口数量对行业和技能紧张程度的估计值影响最小。这些结果证明，技能和行业紧密度都是衡量区域经济结构的一个独立于人口的方面。虽然松紧度的估计相对稳定，但模型的解释能力较低。型号10的R值最高gydF4y2Ba^2gydF4y2Ba0.207。gydF4y2Ba

人口和松紧程度gydF4y2Ba

为了明确地分析人口和紧度之间的关系，我们以人口十分位数来检查县。与相关性和回归得出的相互矛盾的结果相反，通过人口十分位数检验技能紧密度和行业紧密度得出了明确的结果(图1)。gydF4y2Ba2gydF4y2Ba)．按人口划分，排名靠后和靠前十分位数的县，在十分位数内的技能紧度平均值最高。gydF4y2Ba2gydF4y2BaA)人口最小的县平均技能紧张程度高。也就是说，当地劳动力的技能是相对相互依赖的。第四名中的县gydF4y2Ba^thgydF4y2Ba到6gydF4y2Ba^thgydF4y2Ba十分位数的平均技能紧密度最低，表明当地劳动力的技能相互依赖程度低于最低和最高十分位数的技能。人口最多的县平均技能紧缺程度最高。这表明，最大的国家的技能是最相互依赖的。此外，从最低十分位数到最高十分位数的过渡相对平稳，处于第5十分位数的县的平均技能紧张程度最低。虽然分析的数据是横断面的，但这些数据表明，随着县从农村向城市转变，它们经历了技能紧张度下降的过渡。gydF4y2Ba

实际上，这意味着大多数农村县的经济具有高度相互依赖的技能。考察第二大地区可以发现，该地区现有的技能相互依赖程度较低。最后，人口最多的国家拥有最相互依赖的技能组合。对此，一个看似合理的解释是，处于中间十分位数的县的经济活动并没有围绕着一种经济活动结合起来。也就是说，中间十分位数的县可能仍在寻找一种决定性的经济活动，将各地区的技能结合在一起。虽然这些十分位数的县可能拥有高技能劳动力，但这些技能似乎是脱节的。在经济冲击的情况下，脱节的技能可能导致工人外流，迁移到具有互补技能的地区。然而，这种脱节的活动也可能提供经济弹性，因为这些国家的技能并不完全集中在经历冲击的经济活动上。gydF4y2Ba

通过人口十分位数来检查行业的紧张度也会得到明确的结果(图1)。gydF4y2Ba2gydF4y2BaB).中位数用于表示由于大多数农村类别的极端离群值而导致的行业紧张程度。第二低十分位数的县的密封性得分中位数最低。排名前十分之一的县拥有最高的行业紧缩中位数。这些横断面数据表明，随着人口的增加，县的紧度几乎是单调增加的。gydF4y2Ba

同样的一般模式也适用于检查lma和cbsa (SOM图)。gydF4y2Ba2gydF4y2Ba)．最大的lma和cbsa的行业和技能得分最高。虽然最小的lma也比中等大小的lma具有更高的平均技能紧密度，但在使用cbsa时不会出现这种结果。在最小的十分位数中，高紧密度的消失可能是由于最小的cbsa明显比最小的lma更城市化。最小的CBSA的平均人口是21,959人，而最小的LMA的平均人口只有8,299人。gydF4y2Ba

人口和技能空间位置gydF4y2Ba

进一步关注人口，我们分析了县域人口十分位数与技能空间位置之间可能存在的关系。之前已经发现，当技能被视为一个网络时，技能空间采用双叶结构(Alabdulkareem et al.)。gydF4y2Ba2018gydF4y2Ba)．这一点在这里得到了证实(图。gydF4y2Ba3.gydF4y2BaA).也就是说，网络中有两个不同的社区，彼此相对独立，但内部高度联系。网络的两个叶被称为“社会认知”(黄色)和“感觉物理”(蓝色)。网络的社会认知叶是本质上的社交或高度认知技能。例如，出现在下面的县网络的感觉-物理叶中的三种技能包括“可视化”、“耐力”和“建筑和建设”。出现在社会认知叶的三项技能包括“经济与会计”、“地理”、“分析数据或信息”。使用行业相互依赖性(Shutters和Waters)没有发现这种结构gydF4y2Ba2020年,一个gydF4y2Ba)．我们在这三个地理位置上都发现了相同的双叶状结构(SOM图)。gydF4y2Ba3.gydF4y2Ba)．这些发现表明，社会认知技能倾向于在地理空间中彼此共存，无论所检查的地理单位是县、LMA还是CBSA。此外，感觉-物理也倾向于相互搭配。如果区域规划者正在寻求改变其区域经济的技能，那么在其区域经济主要所在的区域内实现多元化可能会取得丰硕成果。如果该区域没有互补的技能，从主要的感官-物质经济转变为社会-认知经济可能既不可能实现，也不可取。将区域经济转变为创造性经济的能力(Shutters等。gydF4y2Ba2016gydF4y2Ba)和绿色经济(Shutters等。gydF4y2Ba2015年,一个gydF4y2Ba)，并已被探索过。gydF4y2Ba

为了检验人口对这些网络中地理“位置”的影响，我们比较了一个县的社会认知叶专业技能的百分比与技能紧度(图2)。gydF4y2Ba3.gydF4y2BaB).每个观察结果都表征了该县的技能紧张度和该县专业技能的份额(从式;gydF4y2Ba2.1gydF4y2Ba)．县域技能紧度与县域专业技能占比呈高度相关，但呈非线性关系。总体而言，专业技能在社会认知叶的比重越高，县域的技能紧度越高。gydF4y2Ba

事实上，较高的紧密度与一个县在社会认知叶中专业技能的较大份额有关，再加上大多数农村县的高平均紧密度表明，大多数农村地区在社会认知叶中专业技能的份额相对较大。为了检验这种可能性，按人口十分位数划分的技能平均份额如图所示。gydF4y2Ba4gydF4y2Ba．无花果。gydF4y2Ba3.gydF4y2Ba揭示了紧密度与社会认知技能的份额呈正相关，因此，图。gydF4y2Ba4gydF4y2Ba与图大体相似。gydF4y2Ba2gydF4y2BaA，它显示了人口十分位数的平均紧张程度。最农村和最城市的县平均有gydF4y2Ba更高的gydF4y2Ba他们的专业技能在社会认知叶的部分高于中等城市县。gydF4y2Ba

虽然导致中等城市县社会认知技能比例较低的潜在原因尚不清楚，但社会认知技能比例较低可能是这些县技能紧张程度较低的根本原因。因此，中等城市的县努力提高其地区的经济紧密度，以提高生产力，可能会在激励社会认知经济活动方面遇到困难。在中等城市的县，社会认知技能的比例较低，至少有两个合理的原因。首先，社会认知技能可能受益于接近尽可能多的其他社会认知活动。接近多样性可以激励这些活动聚集在人口最多的县。其次，感官-物理活动可能需要更大的空间要求，如在商品制造和分销中。这样的空间需求可能会导致感觉-身体活动位于中等城市县，那里的空间不那么昂贵，从而将社会认知逐出这些地区。这种动态值得在未来的时间分析中进行探索。gydF4y2Ba

最后，考虑到农村地区和城市地区经济结构之间的普遍差异，可能出现的情况是，城市较少的地区比城市较多的县专注于不同的社会认知技能。通过研究这些技能在社会认知叶中的位置，可以发现在人口排名前十分位数和后十分位数的县之间几乎没有差别。然而，在最少和最多的城市地区考察最多的专业技能，就能发现一些差异。城市化程度最低的县似乎拥有面向教育和培训的技能，而城市化程度最高的县似乎在技能应用方面需要更多技能(SOM表格)gydF4y2Ba1gydF4y2Ba而且gydF4y2Ba2gydF4y2Ba)．在人口最少的县，最多的专业技能包括“教育和培训”、“指导和发展他人”、“指导和发展他人”等技能。排名前十的其他技能还包括“地理”、“历史与考古学”、“美术”、“哲学与神学”等广泛的学术领域。相比之下，在人口排名前十分位数的县，最多的专业技能包括应用技能，如“客户和个人服务”、“服务导向”、“语音识别”、“为公众表演或直接与公众合作”、“谈判”、“协调”和“说服”。这些技能表明，农村和城市地区在经济中执行的任务可能明显不同，尽管它们都位于社会认知叶。gydF4y2Ba

为了破译农村和城市地区之间的经济任务有哪些不同，我们按职业检查了最低和最高十分位数的社会经济技能的贡献(SOM表)gydF4y2Ba3.gydF4y2Ba)．具体地说，我们检查由Eq产生的矩阵。gydF4y2Ba1gydF4y2Ba在技能gydF4y2Ba我gydF4y2Ba在社会认知叶，地理g，是县中排名靠后或靠前的十分位数。我们简单地考察了职业对社会认知技能的贡献在最少和最多的城市县之间的差异。gydF4y2Ba

首先考察农村县，在技能贡献方面最大的四个差异来自教师。也就是说，在城市程度最低的县，教师对社会认知技能的贡献更大。这与技能调查结果一致，表明农村地区的培训活动更高。我们还看到，卡车司机、农场工人、肉类和家禽修剪工等农业职业的贡献显著更高。gydF4y2Ba

在城市地区，对社会认知技能贡献最大的职业往往是服务业的工作，如零售人员、个人护理助理、家庭健康助理和保安。需要指出的重要一点是，在城市最多或最少的县，对社会认知叶做出不成比例贡献的大多数职业似乎都是支持性职业。也就是说，它们不是基本经济活动，而是支持初级经济活动。然而，值得注意的例外，如上文提到的农业经营，主要是农村活动。这些职业虽然可能不常与社会认知活动联系在一起，但对农村地区的社会认知活动都有贡献，有助于提高技能紧张程度和区域经济产出。gydF4y2Ba

我们使用基于共现的相关性度量来推断不同技能之间和不同行业之间的关系。然后，这些关系被用来衡量区域经济的相互联系或紧密程度。技能紧密度和行业紧密度与人均产出相关。虽然行业紧张程度通常随着人口的增加而增加，但在农村最偏远、人口最多的县，技能紧张程度平均最高。更深入地考察县域的技能紧密度，可以发现县域的专业技能在社会认知叶中的份额与县域的技能紧密度之间存在着一定的关系。按人口十分位数划分的县级专业技能在社会经济叶的平均份额显示，最农村和最城市的国家在社会认知叶的专业技能份额最高。虽然这些位于城乡连续体末端的县在社会认知叶具有较高的专业技能，但农村地区的技能往往集中在培训上，如“指导和发展他人”，而城市地区的技能往往集中在应用上，如“客户和个人服务”。gydF4y2Ba

一个县的专业技能在社会认知叶中所占份额与县级紧密度之间的关联，以及紧密度与人均产出之间的相关性，可能表明规划者应该努力提高社会认知叶中经济活动的份额。提高社会认知叶的专业技能可能会增加紧张程度，最终提高人均GDP。例如，劳动力规划者首先会检查哪些职业具有最高水平的社会认知技能。然后，规划者可以进一步激励在该地区已经具有专门技能的职业，或者确定通常在同一地点的技能，从而以某种方式相关，以便在建立已知优势的同时使该地区多样化。(Waters and Shutters)讨论了类似策略工具的应用gydF4y2Ba2022gydF4y2Ba)．gydF4y2Ba

由于此分析是横断面数据，因此很难预测预期的长期结果。规划者通常寻求在当地对再技能工人进行再培训，以便他们为区域经济发展做出贡献。然而，再熟练工人可能会发现，移民到其他地区以实现他们新获得的技能的更高回报更有益。这种工人迁移是合理的，因为中等城市地区的社会认知叶的专业技能平均水平最低，所占比例最低。虽然这种动态可能会加强区域之间现有的差距，但区域规划者不妨进行投资以留住高技能工人，例如鼓励需要高技能工人的行业或开发高技能工人所需的便利设施。gydF4y2Ba

最后，重要的是要注意这项工作的几个局限性。首先，我们使用一种相对新颖的方法来构建我们的行业和技能空间。作为一个高度活跃的跨学科研究领域，我们承认没有普遍接受的方法来构建这些类型的网络建设，因此，有足够的机会进一步研究我们的方法的理论基础。例如，共生分析长期以来一直被用于生态学领域，以衡量物种之间的相互作用(GotelligydF4y2Ba2000gydF4y2Ba；VeechgydF4y2Ba2013gydF4y2Ba；格里菲斯等人。gydF4y2Ba2016gydF4y2Ba)．然而，还有其他衡量相互依存的方法，这些方法应与最近在经济地理学中提出的方法进行比较。其次，本研究中使用的紧密度度量是试图定义一个相互依赖、集成或交互强度的聚合的系统级度量。类似的测量方法也存在，如广义网络密度(TokuyamagydF4y2Ba2007gydF4y2Ba；Liu等。gydF4y2Ba2009gydF4y2Ba；百叶窗等。gydF4y2Ba2018gydF4y2Ba)和经济引力模型(Gómez-HerreragydF4y2Ba2013gydF4y2Ba)应与此紧密度度量进行比较，以确定两者如何与感兴趣的经济绩效度量相关联。最后，本研究检查了数据的横截面。虽然这提供了对区域系统当前结构的深入了解，但为了更充分地阐明动态，需要进行时间分析。gydF4y2Ba

随着对区域经济作为复杂系统的分析持续增长，人口较少的地区被忽视了。这可能是由于数据限制以及在缩放文献中的发现。尽管如此，人口较少和农村地区仍然是复杂的系统，通过分析它们可以学到很多东西。本文研究农村地区和复杂的适应系统，通过计算三个地理级别的经济紧度指标，特别检查人口的影响。这为区域经济转型提供了初步证据，因为它们变得更加城市化。gydF4y2Ba

在论文中，我们揭示了有关农村地区和经济紧缩的结果。首先，我们发现用于建立技能或行业之间相互依赖价值的地理单位并不影响相互依赖价值。其次，紧缩与经济产出相关。即使在控制人口的情况下，紧度和经济产出之间的相关性也很强。gydF4y2Ba

也许最重要的是，我们发现最农村和最城市的地区在技能空间的社会认知叶中具有最高的专业技能份额，与较高的技能紧密性相一致。中等城市地区，那些在4gydF4y2Ba^thgydF4y2Ba, 5gydF4y2Ba^thgydF4y2Ba和6gydF4y2Ba^thgydF4y2Ba人口十分位数在社会认知叶的专业技能份额最低，因此可能在技能紧张方面处于结构性劣势。虽然导致中等城市地区社会认知专业技能比例较低的原因尚不清楚，但造成这一劣势的可能原因包括推动和拉动因素。社会认知技能可能会被拉到人口更多的地区，在那里，这种技能可以从更多的经济活动中受益。如果感觉-身体活动对空间的要求更大，社会认知活动对空间的要求更高，社会认知技能也可能被挤出中等大小的区域。因此，努力将中等城市经济转变为更多的社会认知活动的规划者在结构上可能处于不利地位，在制定现实目标时可能要考虑到这种结果。gydF4y2Ba

最后，虽然农村地区比中等规模的城市拥有更多的社会认知专业技能，但在大多数农村地区发现的专业技能往往与在大多数城市地区发现的专业技能有质的不同。城市地区往往具有应用性质的专业社会认知技能，而农村地区的社会认知技能更多地面向培训和农业活动。因此，可能的情况是，农村地区正在培训劳动力，然后投入到人口最多的地区。无论如何，我们已经发现，在大多数农村地区，农业活动对技能空间的社会认知叶有显著贡献，这种农村职业可能是创新的来源，不应被规划者或创新学者忽视。尽管存在这样的可能性，但需要进一步分析时间动态来回答这些问题。gydF4y2Ba

我们没有获得复制原始就业数据的许可，但印第安纳商业研究中心的研究人员可能会要求这样做。所有其他数据(O*NET)如文中所述均可公开获取。gydF4y2Ba

东亚银行:gydF4y2Ba

经济分析局gydF4y2Ba

美国劳工统计局:gydF4y2Ba

劳工统计局gydF4y2Ba

CBSA:gydF4y2Ba

基于核心的统计领域gydF4y2Ba

人:gydF4y2Ba

经济研究处gydF4y2Ba

IBRC:gydF4y2Ba

印第安纳商业研究中心gydF4y2Ba

MSA:gydF4y2Ba

都市统计区gydF4y2Ba

NAICS:gydF4y2Ba

北美工业分类系统gydF4y2Ba

NECTA:gydF4y2Ba

新英格兰城市和城镇地区gydF4y2Ba

管理预算办公室:gydF4y2Ba

美国管理和预算办公室gydF4y2Ba

SOC:gydF4y2Ba

标准职业分类gydF4y2Ba

作者要感谢Tim Slaper, Riley Zipper和Ping (Claire) Zheng的数据支持和讨论。gydF4y2Ba

本出版物由乔治梅森大学的Keith Waters和亚利桑那州立大学的Shade T. Shutters编写，使用授予印第安纳大学受托人的联邦基金，并作为美国商务部经济发展局ED17HDQ3120040号奖项的子组成部分。本声明、调查结果、结论和建议仅代表作者个人观点，并不代表美国经济发展局或美国商务部的观点。gydF4y2Ba

作者及隶属关系gydF4y2Ba

1. 亚利桑那州立大学复杂自适应系统学院，美国华盛顿特区gydF4y2Ba

   基斯水域gydF4y2Ba

2. 亚利桑那州立大学复杂适应系统学院，坦佩，AZ，美国gydF4y2Ba

   遮阳t型百叶窗gydF4y2Ba

贡献gydF4y2Ba

概念化，K.W.和S.T.S.;方法论，K.W.和S.T.S.;调查，K.W.和S.T.S.;写作-初稿准备，K.W.和S.T.S.;K.W.和S.T.S.的写作评论和编辑;所有作者都已阅读并同意已出版的手稿版本。gydF4y2Ba

相应的作者gydF4y2Ba

对应到gydF4y2Ba基斯水域gydF4y2Ba．gydF4y2Ba

相互竞争的利益gydF4y2Ba

作者声明他们没有相互竞争的利益。gydF4y2Ba

出版商的注意gydF4y2Ba

伟德体育在线施普林格自然对出版的地图和机构从属关系中的管辖权主张保持中立。gydF4y2Ba

开放获取gydF4y2Ba本文遵循知识共享署名4.0国际许可协议，允许以任何媒介或格式使用、分享、改编、分发和复制，只要您对原作者和来源给予适当的署名，提供知识共享许可协议的链接，并注明是否有更改。本文中的图像或其他第三方材料包含在文章的创作共用许可协议中，除非在材料的信用额度中另有说明。如果材料未包含在文章的创作共用许可协议中，并且您的预期使用不被法定法规所允许或超出了允许的使用范围，您将需要直接获得版权所有者的许可。如欲查看本牌照的副本，请浏览gydF4y2Bahttp://creativecommons.org/licenses/by/4.0/gydF4y2Ba．gydF4y2Ba

转载及权限gydF4y2Ba