Spillovers, Innovation Difficulty, and the Dynamics of Productivity
1984 से 2019 तक के अमेरिकी डेटा पर अनुमानित एक मध्यम-स्तर के DSGE मॉडल का उपयोग करते हुए, यह शोध पत्र पाता है कि जबकि नवाचार की कठिनाई सफल नवाचार की संभावना को प्रभावित करने वाला एक निरंतर कारक है, कुल उत्पादकता में उतार-चढ़ाव मुख्य रूप से नवाचार की कठिनाई में परिवर्तन के बजाय स्पिलओवर झटकों (spillover shocks) द्वारा संचालित होते हैं।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
द दशकों से, संयुक्त राज्य अमेरिका आविष्कार का एक पावरहाउस रहा है। डिजिटल प्लेटफॉर्म से लेकर आर्टिफिशियल इंटेलिजेंस तक, नई प्रौद्योगिकियां सांस रोक देने वाली गति से उभरी हैं, जो हमारे जीने और काम करने के तरीके को बदलने का वादा करती हैं। फिर भी, अर्थव्यवस्था पर एक पहेली जैसा विरोधाभास बैठ गया है: जबकि नए विचारों और निवेशों की दर में उछाल आया है, वस्तुओं और सेवाओं के उत्पादन की समग्र गति धीमी हो गई है। इस विसंगति ने अर्थशास्त्रियों को एक स्पष्टीकरण खोजने के लिए मजबूर कर दिया है। क्या विकास का इंजन बस ईंधन खत्म होने के कारण धीमा हो रहा है, या ईंधन सही जगहों तक नहीं पहुँच पा रहा है? इसे समझने के लिए, यह देखना होगा कि अनुसंधान और विकास (R&D) वास्तव में दो अलग-अलग तरीकों से वास्तविक दुनिया की प्रगति में कैसे परिवर्तित होता है। पहला है सामूहिक प्रयास की शक्ति: अनुसंधान पर खर्च किया गया कुल पैसा और समय वास्तव में संभावनाओं की अंतिम सीमा को कितनी आगे धकेलता है? दूसरा है व्यक्तिगत प्रयास की चुनौती: इस बात की कितनी संभावना है कि किसी विशिष्ट कंपनी का अनुसंधान वास्तव में एक नया, उपयोगी उत्पाद बनाने में सफल होगा? इन दो बलों के बीच अंतर करना महत्वपूर्ण है क्योंकि एक में मंदी का मतलब दूसरे में मंदी नहीं है, और आर्थिक पहेली का समाधान पूरी तरह से इस पर निर्भर करता है कि समस्या कौन सी है।
मिलानो-बिकोका विश्वविद्यालय के शोधकर्ताओं की एक टीम ने अमेरिकी अर्थव्यवस्था के एक विस्तृत कंप्यूटर मॉडल का उपयोग करके इन दो बलों को सुलझाने का प्रयास किया। उन्होंने एक ऐसा सिमुलेशन बनाया जो ट्रैक करता है कि कैसे पैसा अनुसंधान में प्रवाहित होता है, कैसे वह अनुसंधान नई प्रौद्योगिकियां बनाता है, और कैसे वे प्रौद्योगिकियां बाजार में फैलती हैं। मॉडल इस प्रक्रिया को दो चैनलों में विभाजित करता है। एक चैनल "स्पिलओवर" प्रभाव को मापता है, जो यह विचार है कि जब कई फर्में मिलकर अनुसंधान करती हैं, तो वे सामूहिक रूप से तकनीकी सीमा को आगे बढ़ाने में मदद करती हैं, जिससे अगली बड़ी सफलता सभी के लिए आसान हो जाती है। दूसरा चैनल "नवाचार की कठिनाई" (innovation difficulty) को मापता है, जो इस बात का प्रतिनिधित्व करता है कि किसी एकल फर्म के अनुसंधान प्रयास के सफल होने और एक नया उत्पाद बनाने की संभावना कितनी है। शोधकर्ताओं ने अपने मॉडल में 1984 से 2019 तक का वास्तविक डेटा डाला, जिसमें सकल घरेलू उत्पाद (GDP) और निवेश जैसे मानक आर्थिक आंकड़े शामिल थे, साथ ही पेटेंट के टेक्स्ट से प्राप्त एक अनूरा, नव विकसित 'तकनीकी रचनात्मकता' का माप भी शामिल था। यह पेटेंट डेटा इस बात की सीधी खिड़की के रूप में कार्य करता है कि वास्तव में नए विचार कितनी बार सफलतापूर्वक उत्पन्न किए जा रहे हैं, न कि केवल कितने प्रयास किए जा रहे हैं।
इस सिमुलेशन के परिणाम उत्पादकता की मंदी के रहस्य पर एक स्पष्ट उत्तर देते हैं। अध्ययन से पता चलता है कि आर्थिक विकास की गति में गिरावट मुख्य रूप से व्यक्तिगत आविष्कारों की सफलता दर में कमी के कारण नहीं है। इसके बजाय, मंदी का मुख्य चालक "स्पिलओवर चैनल" में कमजोरी है। सरल शब्दों में, देश में हो रहे सभी शोधों का सामूहिक प्रयास तकनीक की पूर्ण सीमा को आगे बढ़ाने में कम कुशल हो गया है। मॉडल दिखाता है कि सामूहिक दक्षता में आए झटके उत्पादकता वृद्धि के उतार-चढ़ाव के लिए जिम्मेदार हैं, जो संवर्धित मॉडल में TFP (कुल कारक उत्पादकता) वृद्धि के विचरण का लगभग 88 से 97 प्रतिशत स्पष्ट करते हैं। इसके विपरीत, किसी एक आविष्कार के सफल होने की कठिनाई अर्थव्यवस्था की समग्र गति में बहुत छोटी भूमिका निभाती है। हालांकि सफलता की संभावना में उतार-चढ़ाव होता है, लेकिन ये परिवर्तन उत्पादकता के प्रमुख रुझानों को संचालित नहीं करते हैं।
हालांकि, कहानी थोड़ी बदल जाती है जब शोधकर्ता स्वयं कठिनाई की प्रकृति को देखते हैं। जब उन्होंने पेटेंट-आधारित रचनात्मकता डेटा को शामिल किया, तो मॉडल ने खुलासा किया कि नवाचार की "कठिनाई" कोई तेज़-तर्रार, अस्थिर बल नहीं है जो हर कुछ महीनों में बदलता है। इसके बजाय, यह एक धीमी गति से चलने वाली धारा की तरह व्यवहार करता है। एक बार जब मॉडल पेटेंट में पाए गए वास्तविक सफलता दरों को ध्यान में रखता है, तो कठिनाई का झटका एक निरंतर, दीर्घकालिक बल के रूप में दिखाई देता है जो वर्षों तक नवाचार के परिदृश्य को आकार देता है, न कि अल्पकालिक व्यावसायिक चक्र संबंधी व्यवधान के रूप में। यह सुझाव देता है कि हालांकि एक नया आविष्कार करना कठिन हो गया है, लेकिन यह बढ़ी हुई कठिनाई एक स्थिर, धीमी दबाव है न कि वह अचानक आया झटका जिसने हालिया आर्थिक मंदी पैदा की। अध्ययन संकेत देता है कि उत्पादकता की मंदी मुख्य रूप से सफल नवाचार में गिरावट से प्रेरित नहीं है। डेटा इंगित करता है कि फर्में अभी भी नवाचार के तरीके खोज रही हैं, लेकिन वह सामूहिक इंजन जो उन नवाचारों को व्यापक आर्थिक विकास में बदलता है, उसने अपनी कुछ गति खो दी है।
इस निष्कर्ष के निहितार्थ महत्वपूर्ण हैं कि हम अर्थव्यवस्था को कैसे देखते हैं और हम इसे कैसे ठीक कर सकते हैं। शोध बताता है कि केवल कंपनियों को नई चीजें आविष्कार करने के लिए प्रोत्साहित करना, या अनुसंधान में अधिक पैसा डालना बिना इस बात पर ध्यान दिए कि वह अनुसंधान व्यापक अर्थव्यवस्था के साथ कैसे जुड़ता है, पर्याप्त नहीं हो सकता है। यदि समस्या यह है कि ज्ञान का सामूहिक स्पिलओवर कमजोर है, तो नीतियों को इस पर ध्यान केंद्रित करने की आवश्यकता है कि विचार कैसे फैलते हैं और तकनीकी सीमा सभी के लिए कैसे आगे बढ़ती है, न कि केवल इस पर कि कितने व्यक्तिगत प्रयास किए जाते हैं। अध्ययन निष्कर्ष निकालता है कि उत्पादकता की मंदी नवाचारकर्ताओं की स्वयं की विफलता नहीं है, बल्कि उस तंत्र की विफलता है जो उनके सामूहिक कार्य को तेज़ आर्थिक विकास में परिवर्तित करता है। दोनों चैनलों को अलग करके, शोधकर्ताओं ने दिखाया है कि अर्थव्यवस्था विचारों की कमी से नहीं जूझ रही है, बल्कि उन विचारों से व्यापक समृद्धि तक का मार्ग अधिक कठिन हो गया है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।