Spillovers, Innovation Difficulty, and the Dynamics of Productivity

テクニカル・サマリー：スピルオーバー、イノベーションの困難性、および生産性のダイナミクス

問題提起
本論文は、急速な技術変化（デジタル技術やAIなど）と、2000年代初頭以降の米国における総アグリゲート生産性成長の著しい減速との間にある、一見すると乖離したマクロ経済学的なパズルに対処している。既存の文献は、拡散の遅れや実装のラグ、あるいは「アイデアを見つけることが難しくなっている」（Bloom et al., 2020）という考え方など、さまざまな説明を提供してきたが、これらの仮説はしばしば異なる経済メカニズムを混同している。著者らは、この議論には2つの異なるイノベーション・チャネルに関する構造的な区別が必要であると主張する。

1. スピルオーバー・チャネル： 集計されたR&D努力がいかに効率的に技術的フロンティアを前進させるか。
2. 困難性（Difficulty）チャネル： セクターレベルのR&D努力が、イノベーションを成功させ、技術的フロンティアの採用（創造的破壊）へと導く確率。

核心となる問いは、生産性の減速が主にイノベーションの成功率の低下（困難性）によるものなのか、それとも集計された研究成果をフロンティアの前進へと変換する機能の弱体化（スピルオーバー）によるものなのか、という点である。

手法
著者らは、Cozzi et al. (2021) のフレームワークに基づき、内生的な技術変化を組み込んだ中規模の動学的確率的一般均衡（DSGE）モデルを開発し、推定を行っている。このモデルには、標準的なニュー・ケインジアン的な摩擦（習慣形成、価格の硬直性、投資調整コスト）とともに、シュンペーター的なイノベーション・ブロックが組み込まれている。

• モデル構造:

  • フロンティアの成長: 技術的フロンティアの成長（$g^{A_{max}}$）は、集計されたR&Dと知識のスピルオーバーによって駆動される半内生的である。これは、R&Dをフロンティアの前進へと変換する効率を変化させるスピルオーバー・ショック（$\sigma^{RD}_t$）の影響を受ける。
  • イノベーションの成功: セクター別の生産性は、R&D投資と困難性ショック（$\varepsilon^{n,RD}_t$）によって決定される確率（$n_t$）で、技術的フロンティアへと跳ね上がる。このショックは、一定レベルのR&Dに対するイノベーションの成功確率を制御する。
  • 総生産性: 全要素生産性（TFP）は、フロンティアの拡大速度と、企業が技術革新に成功し技術的フロンティアを採用する速度の両方に依存する。

• 推定戦略:

  • モデルは、1984年第1四半期から2019年第4四半期までの米国の四半期データを用いて、ベイズ統計学的手法により推定されている。
  • ベースライン仕様: 8つのマクロ経済観測量（GDP、消費、投資、R&D、賃金、労働時間、金利、インフレ率）を使用。
  • 拡張仕様: 新たな特許テキストに基づく「技術的創造性」の指標（Kalyani, 2024）を、追加の観測量として組み込んでいる。この指標は、非技術的な要因に影響を受ける従来の参入・退出率よりも、イノベーションの成功確率をより直接的に捉えるように設計されている。
  • 推定には、スピルオーバー・ショックと困難性ショックを明示的に区別する10個の基礎的なショック過程が含まれている。

主な貢献

1. 構造的な識別: 本論文は、単一の推定されたDSGEフレームワーク内で、スピルオーバー・ショックと困難性ショックを明示的に分離し、識別した初めての研究である。これらは単にイノベーション効率の一般的な低下を異なる名前で呼んでいるのではなく、異なるマクロ経済的波及メカニズムを持つ明確に異なるマージンであることを示している。
2. 新しいデータによる規律付け: 著者らは、特許テキストに基づく創造性の指標をDSGEモデルの推定に導入している。これにより、イノベーションの成功確率のブロックを直接的に規律付けることが可能となり、集計マクロデータや企業のターンオーバー率のみに依存するモデルと比較して、困難性ショックのより堅牢な識別を実現している。
3. 定量的分解: 本研究は、米国の生産性変動を説明する上でのこれら2つのチャネルの相対的重要性を、理論的な推測を超えた実証的証拠を通じて、定量的に評価している。

結果

• 波及メカニズム:

  • スピルオーバー・ショック: これらはフロンティア成長のマージンに直接作用する。負のスピルオーバー・ショックは、フロンティアの成長に即時的かつ持続的な低下をもたらし、その結果としてTFP、出力、投資、およびR&Dを低下させる。ショックは条件付きのR&D成功率を変化させないため、イノベーションの確率はほとんど影響を受けない。
  • 困難性ショック: これらはイノベーションの成功確率のマージンに直接作用する。負の困難性ショックは、成功的なイノベーションの確率（$n_t$）を減少させる。これにより、技術的フロンティアの普及が遅れ、平均的な生産性が低下し、TFPが低下する。興味深いことに、困難性ショックは、集計的な生産性が低下している一方で、創造的破壊（置換）のリスクを減少させることで、既存企業の価値を一時的に高めることがある。

• 定量的重要性（分散分解）:

  • TFP成長: スピルオーバー・ショックがTFPの変動の主要な要因である。拡張仕様において、これらは短期的および中期的ホライゾンにおけるTFP成長の分散の約88〜97%を説明する。
  • イノベーション確率: 困難性ショックは、イノベーションの成功確率の変動の主要な要因であり、その分散の約92〜97%を説明する。
  • 困難性の役割: 困難性ショックはイノベーションの「確率」を大きく左右するものの、TFPの変動に対する定量的な寄与度は、スピルオーバー・ショックと比較して大幅に小さい。

• 創造性観測量の影響:

  • 創造性の指標を含めても、定性的な波及メカニズムは変化しないが、困難性ショックの推定特性は大きく変化する。
  • 拡張仕様において、困難性ショックはボラティリティが低く、より持続的になる。これは、イノベーションの困難性が、高頻度の景気循環的な撹乱ではなく、緩やかに動く構造的な力であることを示唆している。
  • 歴史的な分解によれば、困難性ショックは2010年以降、持続的に上昇している（イノベーションが困難になっているという考えと一致する）ものの、スピルオーバー・ショックと比較すると、全体的な生産性減速を説明する上では二次的な要因にとどまっている。

意義と主張
本論文は、米国の総生産性の減速は、主にイノベーションの成功確率の低下によるものではないと結論付けている。むしろ、この減速は主にスピルオーバー・チャネルの弱体化、すなわち、集計されたR&Dが技術的フロンティアの前進へと変換されるメカニズムの弱体化に起因している。

著者らは、これら2つのチャネルを区別することが、測定と政策の両面で極めて重要であると主張している。

• 測定: 測定されたイノベーション・パフォーマンスの低下は、個々の研究の成功率の崩壊ではなく、より弱いスピルオーバーを反映している可能性がある。
• 政策: もしスピルオーバーと拡散のメカニズム（フロンティアの成長を駆動するもの）を同時に強化できなければ、R&Dの努力を増やすことやイノベーションの成功率を高めることだけに焦点を当てた政策は不十分である可能性がある。逆に、創造的破壊のペースに関わる政策は、TFP成長のダイナミクスの主要な要因ではないとしても、依然として重要である。

本論文は、イノベーションの困難性が、イノベーションの成功率を形作る現実的かつ持続的な力である一方で、測定された全要素生産性のダイナミクスを定量的に支配しているのはスピルオーバー・チャネルであると控えめに断言している。