📈 economics

Industry Aware Firm Level Network Reconstruction

تقترح هذه الورقة طريقة محسنة لإعادة بناء شبكة الإنتاج على مستوى الشركات تدمج قيود المدخلات والمخرجات القطاعية لتحقيق تطابق شبه تام مع البيانات الاقتصادية الكلية، متفوقة بشكل كبير على النهج القياسي القائم على الحجم في محاكاة هياكل المدخلات والمخرجات.

المؤلفون الأصليون: Mitja Devetak, Antoine Mandel

نُشر 2026-03-24

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Mitja Devetak, Antoine Mandel

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل الاقتصاد كشبكة ضخمة وغير مرئية من الروابط. كل شركة هي "عقدة" في هذه الشبكة، وفي كل مرة تبيع فيها شركة شيئاً لشركة أخرى، يتم شد خيط بينهما. تشكل هذه الخيوط ما يسمى بـ شبكة الإنتاج.

فهم هذه الشبكة أمر بالغ الأهمية. فإذا انقطع خيط رئيسي (بإفلاس شركة كبرى)، فقد يؤدي ذلك إلى تأثير الدومينو، مما يزعزع الاقتصاد بأكره. ويسمي الاقتصاديون هذا بـ "المخاطر النظامية".

المشكلة: الخريطة مفقودة
المشكلة هي أننا لا نملك خريطة كاملة لهذه الشبكة. نحن نعرف مقدار المال الذي تجنيه كل شركة (مبيعاتها) ومقدار ما تنفقه (تكاليفها). ونعرف أيضاً التدفقات الكلية بين الصناعات (على سبيل المثال، كم تشتري "صناعة السيارات" من "صناعة الصلب").

لكننا لا نعرف الروابط الصغيرة المحددة التي تربط الشركة (أ) بالشركة (ب). الأمر يشبه معرفة إجمالي حركة المرور على نظام الطرق السريعة وعدد السيارات في كل مدينة، ولكن دون معرفة أي سيارة تحديداً خرجت من أي مرآب وإلى أي وجهة.

الحل: إعادة بناء الشبكة
المؤلفون في هذه الورقة البحثية هم بمثابة محققين رقميين يحاولون إعادة بناء الخريطة المفقودة. إنهم يستخدمون طريقة تسمى إعادة بناء الشبكة (Network Reconstruction). يأخذون البيانات المعروفة (المبيعات، التكاليات، وإجماليات الصناعة) ويستخدمون الرياضيات لتخمين الروابط المفقودة.

فكر في الأمر كأنك تحاول تخمين ترتيب الجلوس في حفل زفاف ضخم. أنت تعرف:

عدد الأشخاص عند كل طاولة (إجماليات الصناعة).
من يقدم هدية لمن (المبيعات/القوة).
لكنك لا تعرف بالضبط من يجلس بجانب من.

الطريقة القديمة مقابل الطريقة الجديدة

الطريقة القديمة (الأساليب القياسية): حاولت الأساليب السابقة تخمين الروابط بناءً على حجم الشركة بشكل أساسي. "الشركات الكبيرة غالباً ما تتاجر مع شركات كبيرة أخرى". يشبه هذا تخمين جلوس الحفل بمجرد مطابقة الأشخاص الطوال مع الأشخاص الطوال. هي طريقة جيدة، لكنها غالباً ما تخطئ في تحديد "الأحياء" أو المناطق. قد تضع شركة غابات بجانب مصنع سيارات لمجرد أنهما كلاهما كبيران، رغم أنهما نادراً ما يتواصلان.
الطريقة الجديدة (المدركة للصناعة): أضاف المؤلفون قاعدة جديدة: احترام الأحياء. استخدموا جداول المدخلات والمخرجات (وهي بمثابة تعداد للتجارة بين الصناعات) ليقولوا: "حسناً، صناعة السيارات تشتري الكثير من صناعة الصلب، لذا يجب أن نتأكد من وجود العديد من الخيوط التي تربط شركات السيارات بشركات الصلب".

الأدوات التي استخدموها
لبناء هذه الخريطة، استخدموا أداتين:

نموذج "الجاذبية" (لرسم الخطوط): تخيل الشركات ككواكب. كلما كانت أكبر، زادت جاذبيتها. تضيف الطريقة الجديدة لمسة جديدة: الكواكب في نفس "المجموعة الشمسية" (الصناعة) لديها قوة جذب مغناطيسية خاصة. وهذا يساعد في رسم الخطوط (الروابط) في الأماكن الصحيحة أولاً.
"عملية التوازن" (لتعبئة الأرقام): بمجرد رسم الخطوط، يحتاجون لتحديد مقدار المال الذي يتدفق عبر كل خط.
- الطريقة (أ) (الاعتلاج الأقصى - Maximum Entropy): تشبه محاولة توزيع المياه عبر نظام أنابيب من خلال تخمين الطريقة الأكثر "عشوائية" التي تتوافق مع الحجم الإجمالي. وجد المؤلفون أن هذه الطريقة كانت فوضوية بعض الشيء؛ حيث تباين ضغط المياه (الأوزان) بشكل هائل ولم يتوافق مع الواقع بشكل جيد.
- الطة (ب) (الملاءمة التناسبية التكرارية - Iterative Proportional Fitting - IPF): تشبه المحاسب الدقيق. يبدأ بتخمين، ثم يتحقق من الإجماليات، ثم يعدل الأرقام، ثم يتحقق مجدداً، ثم يضبطها حتى تتوازن الأرقام تماماً. وجد المؤلفون أن طريقة "المحاسب" هذه كانت أفضل بكثير في ضبط المبالغ المحددة، خاصة عند إضافة قواعد الصناعة.

ماذا وجدوا؟
لقد اختبروا طريقتهم الجديدة باستخدام بيانات حقيقية من المجر.

الأخبار الجيدة: كانت طريقتهم الجديدة مطابقة شبه مثالية للبيانات الكلية. إذا قالت جداول المدخلات والمخرجات إن "الصناعة (أ) ترسل 100 دولار إلى الصناعة (ب)"، فإن خريطتهم المعاد بناؤها أظهرت ذلك بالضبط. أما الطرق القديمة فكانت بعيدة جداً عن الصواب، وأحياناً كانت تخطئ بنسبة 100%.
الأخبار السيئة: بينما نجحوا في تصوير الصورة الكبيرة، إلا أنهم لا يزالون يواجهون صعوبة في التفاصيل الدقيقة.
- لم يستطيعوا التنبؤ بشكل الشبكة بدقة (مثل عدد أصدقاء كل شركة).
- لم يستطيعوا تحديد "الموصلين الفائقين" (Super-Connectors) بدقة—وهم الشركات الصغيرة المحددة التي إذا فشلت، قد تنهار المنظومة بأكملها. الخريطة الجديدة أظهرت الحجم الصحيح لحركة المرور بين الصناعات، لكنها لم تستطع تحديد أي الشركات الصغيرة هي الشركات الحرجة بدقة.

الخلاصة
هذه الورقة البحثية هي خطوة كبيرة للأمام في رسم خريطة الاقتصاد. إنها تثبت أنه إذا كنت تريد فهم كيفية تدفق الأموال بين الشركات، فيجب عليك استخدام بيانات مستوى الصناعة (جداول المدخلات والمخرطات) لتوجيه تخميناتك.

ومع ذلك، فهي تذكير متواضع بأنه حتى مع أفضل الرياضيات وأفضل البيانات، لا يمكننا رؤية الصورة كاملة بدقة. يمكننا بناء خريطة تظهر الطرق السريعة وأحجام حركة المرور الصحيحة، لكننا لا نستطيع دائماً إخبارك أي سيارة تحديداً تسير على أي طريق. وهذا يعني أننا بحاجة لمواصلة صقل أدواتنا لفهم المخاطر الخفية في شبكتنا الاقتصادية بشكل أفضل.

فيما يلي ملخص تقني مفصل لورقة البحث بعنوان "إعادة بناء شبكات مستوى الشركات الواعية بالصناعة" (Industry Aware Firm Level Network Reconstruction) للباحثين ميتجا ديفيتاك وأنتوان ماندل.

1. بيان المشكلة

تتناول الورقة تحدي إعادة بناء شبكات الإنتاج من شركة إلى أخرى عندما لا تتوفر البيانات المباشرة للعلاقات (من يبيع لمن). وبينما تتوفر غالباً بيانات على المستوى الكلي (جداول المدخلات والمخرجات - Input-Output tables) وبيانات غير علاقاتية على مستوى الشركة (المبيعات/الإيرادات)، فإن الطوبولوجيا والأوزان المحددة للشبكة التي تربط الشركات الفردية تكون مفقودة.

تعتمد طرق إعادة البناء الحالية عادةً على:

حجم الشركة (القوة): استخدام قوة الداخل (إجمالي المشتريات) وقوة الخارج (إجمالي المبيعات) لاستنتاج الروابط.
الإنتروبيا القصوى (MaxEnt) أو الملاءمة التناسبية التكرارية (IPF): لتوليد مجموعة من الشبكات المتسقة مع هذه القيود.

الفجوة: تتجاهل الطرق القياسية غالباً القيود القطاعية المقدمة من جداول المدخلات والمخرجات (IO). ونتيجة لذلك، قد تنجح الشبكات المعاد بناؤها في مطابقة إجماليات مستوى الشركة، لكنها تفشل في إعادة إنتاج هيكل التدفقات بين الصناعات (على سبيل المثال، تخصيص احتمالات تجارة عالية بين قطاعات نادراً ما تتفاعل، مثل الغابات وصناعة السيارات). وهذا يحد من التطبيق التجريبي لهذه النماذج في تحليل المخاطر النظامية.

2. المنهجية

يقترح المؤلفون إطار عمل لإعادة البناء يتكون من خطوتين، يدمج القيود على المستوى المتوسط (تدفقات المدخلات والمخرات القطاعية) في عملية إعادة البناء. يفصل النهج بين إعادة بناء الطوبولوجيا الثنائية (من متصل بمن) والأوزان (قيم التدفق النقدي).

أ. إعادة بناء الشبكة الثنائية (الطوبولوجيا)

الهدف هو توليد مصفوفة مجاورة عشوائية $A$ حيث توجد احتمالية وجود رابط $p_{ij}$ .

النهج القياسي (dcGM): يستخدم المؤلفون نموذج الجاذبية المصحح للكثافة (dcGM). يفترض هذا النموذج أن احتمال الرابط يعتمد على حاصل ضرب قوة الخارج للشركة $i$ $i$ وقوة الداخل للشركة $j$ $j$ ، ويتم معايرته لمطابقة متوسط درجة الشبكة.
- القصور: يتجاهل القطاعات الصناعية.
النهج المقترح (dcIAGM): يقترح المؤلفون نموذج الجاذبية الواعي بالصناعة والمصحح للكثافة (dcIAGM).
- يوسع هذا النموذج فرضية اللياقة (fitness ansatz) لتشمل عامل زوج القطاعات ( $S_i, S_j$ ).
- تكون الاحتمالية $p_{ij}$ متناسبة مع $z \cdot s_{S_i, S_j} \cdot s^{out}_i \cdot s^{in}_j$ ، حيث $s_{S_i, S_j}$ هو إجمالي التدفق بين القطاعين في جدول المدخلات والمخرجات.
- يضمن ذلك أن الروابط تكون أكثر احتمالاً بين الشركات في القطاعات التي تتداول بكثافة تاريخياً.

ب. إعادة بناء الشبكة الموزونة

بمجرد أخذ عينة من الطوبولوجيا الثنائية $A$ ، يتم تعيين الأوزان $W$ . تقارن الورقة بين طريقتين:

الملاءمة التناسبية التكرارية (IPF-industry):
- امتداد لخوارزمية IPF الكلاسيكية.
- تعمل بشكل تكراري على تغيير الأوزان لتلبية ثلاث مجموعات من القيود في آن واحد:
  1. قوة الخارج للشركة ( $s^{out}_i$ ).
  2. قوة الداخل للشركة ( $s^{in}_j$ ).
  3. تدفقات أزواج القطاعات ( $s_{S,B}$ من جدول المدخلات والمخرجات).
- صيغة الوزن هي $w_{ij} = a_{ij} u_i v_j g_{S_i, S_j}$ ، حيث $u, v$ عوامل على مستوى الشركة و $g$ عامل قياس لزوج القطاعات.
CReM-B (الإنتروبيا القصوى العشوائية الشرطية):
- نهج MaxEnt يقوم بتعيين الأوزان بناءً على توزيع أسي مشروط بوجود الحافة.
- وسع المؤلفون نموذج CReM-B ليشمل قيود أزواج القطاعات في مسألة تعظيم الإنتروبيا.
- النتيجة: اشتق المؤلفون تعبيرات تحليلية لحل MaxEnt، لكنهم وجدوا أنه يعاني من تباين عالٍ في الشبكات المتفرقة (sparse networks).

3. المساهمات الرئيسية

دمج قيود المدخلات والمخرجات (IO): تشتق الورقة رسمياً تعبيرات تحليلية لحلول MaxEnt التي تدمج قيود المدخلات والمخرات القطاعية لكل من إعادة البناء الثنائية والموزونة.
التوسيع الخوارزمي:
- تقترح نموذج dcIAGM لتوليد الطوبولوجيا.
- تقترح IPF-industry، وهو امتداد لـ IPF الذي يفرض قيود تدفق القطاعات جنباً إلى جنب مع قيود مستوى الشركة.
إطار مقارنة: يوفر مقارنة عددية صارمة بين الطرق القياسية (dcGM + CReM-B/IPF) والطرق الواعية بالصناعة المقترحة (dcIAGM + IPF/CReM-B) باستخدام بيانات من العالم الحقيقي.
القابلية للتوسع: الطرق المقترحة فعالة حسابياً بما يكفي للتعامل مع شبكات تضم حوالي 200,000 شركة، وهو تحسن كبير عن نماذج التكوين السابقة المحدودة بحوالي 5,000 شركة.

4. النتائج

تم اختبار الطرق باستخدام بيانات ضريبة القيمة المضافة للشركات المجرية (2021) المتوافقة مع جداول المدخلات والمخرات التابعة لمنظمة التعاون الاقتصادي والتنمية (OECD).

أ. دقة إعادة بناء التدفق

التدفقات القطاعية: حقق مسار dcIAGM + IPF-industry "مطابقة شبه مثالية" لبيانات جدول المدخلات والمخرات.
- تقليل الخطأ: انخفض إجمالي الخطأ المطلق في تدفقات جدول المدخلات والمخرات من 110% (الطرق القياسية) إلى **4.1%** (dcIAGM + IPF).
- فشلت الطرق القياسية (dcGM) في إعادة إنتاج الهياكل القطاعية، مما أدى إلى انحرافات هائلة (أكثر من 100%+ خطأ).
قوة الشركات: تفوقت الطرق القائمة على IPF بشكل كبير على CReM-B في إعادة بناء التدفقات الداخلة والخارجة الدقيقة لكل شركة.

ب. الإحصاءات الهيكلية (على المستوى الجزئي)

على الرغم من النجاح على المستوى الكلي، واجهت جميع الطرق صعوبة في إعادة إنتاج الخصائص الهيكلية المحددة على المستوى الجزئي:

توزيعات الدرجة: لم يتم التقاط أسس الذيل (tail exponents) لدرجات الداخل/الخارج بدقة (الأسس المعاد بناؤها كانت ~2.0، بينما تتراوح النطاقات التجريبية بين 1.4–1.6 لدرجة الخارج و 2–3 لدرجة الداخل).
الارتباطات: تم تسطيح الارتباط بين القوة والدرجة في الشبكات المعاد بناؤها، مما فشل في مطابقة منحدرات المربعات الصغرى (OLS) التجريبية.
التكتل والتبادلية (Clustering & Reciprocity): بينما كانت بعض المقاييس (مثل التبادلية) قريبة من النطاقات التجريبية، تفاوتت مقاييس أخرى (مثل التكتل المحلي) بشكل كبير اعتماداً على الطريقة المستخدمة.

ج. مؤشر المخاطر النظامية الاقتصادية (ESRI)

قيم المؤلفون الشبكات المعاد بناؤها باستخدام ESRI، وهو مقياس يحدد الشركات ذات الأهمية النظامية.

المبالغة في التقدير: أعطت الشبكات المعاد بناؤها درجات ESRI متوسطة أعلى بكثير ( $5 \times 10^{-4}$ ) مقارنة بالشبكة التجريبية ( $3 \times 10^{-5}$ ).
تحديد الشركات العليا: أدت جميع الطرق أداءً ضعيفاً في تحديد الشركات الأكثر أهمية من الناحية النظامية. تم استرداد ~36-37% فقط من أفضل 100 شركة تجريبية، و 0% من أفضل 10 شركات تم تحديدها باستمرار عبر عمليات المحاكاة المختلفة.
الاستنتاج: في حين أن إضافة قيود المدخلات والمخرات يحسن استرداد التدفقات الإجمالية، إلا أنه لا يحل مشكلة تحديد العقد الحرجة المحددة (المخاطر النظامية) دون بيانات أكثر تفصيلاً.

5. الأهمية والخاتمة

ضرورة القيود القطاعية: تثبت الورقة أن تجاهل قيود المدخلات والمخرات يؤدي إلى شبكات إنتاج غير صالحة هيكلياً لا يمكن استخدامها في النمذجة الاقتصادية الكلية الموثوقة.
التفضيل المنهجي: بالنسبة لإعادة بناء الأوزان في ظل وجود قيود المدخلات والمخرات، فإن IPF-industry يتفوق على CReM-B القائم على MaxEnt بسبب انخفاض التباين والالتزام الأفضل بالقيود.
القصور: تسلط الدراسة الضوء على فجوة جوهرية: بينما يمكن إعادة بناء التدفقات الإجمالية بدقة، فإن التباين الجزئي (توزيعات الدرجة المحددة وأهمية العقد المحددة) يظل بعيد المنال باستخدام البيانات العامة ومجموعات القيود الحالية.
العمل المستقبلي: يقترح المؤلفون أن التحسينات المستقبلية تتطلب بيانات أفضل (مثل جداه المدخلات والمخرات الخاصة بسلاسل التوريد) أو طرقاً يمكنها التقاط التباين على مستوى الشركة بما يتجاوز مجرد القوة والقطاع.

باختصار، تقدم هذه الورقة إطار عمل قوياً وواعياً بالصناعة لإعادة بناء شبكات الإنتاج، ينجح في التوافق مع التدفقات القطاعية للاقتصاد الكلي، مما يمثل تحسناً كبياً عن نماذج الجاذبية القياسية، رغم بقاء بعض التحديات في نمذجة الطوبولوجيا الدقيقة المطلوبة لتقييم المخاطر النظامية بدقة.