💰 quantitative finance

The Software Complexity of Nations

Dit artikel breidt de theorie van economische complexiteit uit naar de digitale economie door gebruik te maken van data van open-source programmeertalen om een softwarecomplexiteitsindex te construeren die traditionele metrieken effectief aanvult in het verklaren van internationale variaties in bbp, ongelijkheid en emissies, terwijl het aantoont dat software-specialisatie het principe van verwantschap volgt.

Oorspronkelijke auteurs: Sándor Juhász, Johannes Wachs, Jermain Kaminski, César A. Hidalgo

Gepubliceerd 2026-01-23

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Sándor Juhász, Johannes Wachs, Jermain Kaminski, César A. Hidalgo

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je probeert te begrijpen hoe rijk en bekwaam verschillende landen zijn door te kijken naar wat ze verkopen op internationale markten. Decennialang hebben economen dit gedaan door zaken als geëxporteerde auto's, schepen en machines te tellen, of door patenten en wetenschappelijke artikelen te tellen. Ze noemen dit "Economische Complexiteit". Het is alsof je het vaardigheidsniveau van een chef probeert te raden door te kijken naar de ingrediënten die hij bij de supermarkt koopt.

Maar er is een probleem: deze methode mist de digitale wereld. Software reist niet in zeecontainers; het reist via het internet. Je kunt het niet zien op een douaneformulier. Dit artikel betoogt dat we een enorm deel van het plaatje missen, alsof je probeert een moderne stad te begrijpen terwijl je de elektriciteit en internetkabels negeert.

Het Nieuwe Instrument: Code Tellen in Plaats van Vracht

Om dit "blinde vlek" op te lossen, besloten de auteurs te kijken naar Open-Source Software (OSS). Denk aan dit als een gigantische, wereldwijde bibliotheek waar miljoenen programmeurs van over de hele wereld code schrijven en deze gratis delen op een platform genaamd GitHub.

In plaats van fysieke producten te tellen, telden de auteurs programmeertalen.

De Analogie: Stel je voor dat elk land een "gereedschapskist" heeft. Sommige landen hebben alleen hamers en schroevendraaiers (basis programmeervaardigheden). Anderen hebben hamers, schroevendraaiers, lasersnijders en 3D-printers (geavanceerde, complexe softwarestacks).
De auteurs keken welke "gereedschappen" (programmeertalen zoals Python, Java, C++) samen werden gebruikt in projecten. Ze realiseerden zich dat ontwikkelaars vaak specifieke groepen gereedschappen samen gebruiken, net zoals een timmerman een specifieke set gereedschappen gebruikt voor het bouwen van een huis. Ze groepeerden deze gereedschappen in "bundels" of "stacks".

Door in kaart te brengen welke landen welke bundels gereedschappen gebruiken, creëerden ze een nieuwe score genaamd ECIsoftware (Software Economic Complexity Index).

Wat Ze Ontdekten

De auteurs vergeleken deze nieuwe "Software Score" met de oude "Handels Score" en "Patent Score" om te zien of het een ander verhaal vertelde over landen. Dit is wat zij vonden:

1. Het Onthult Verborgen Talent
Sommige landen zien er arm uit op de oude "Handels Score", maar zien er tech-reuzen uit op de nieuwe "Software Score".

De Metafoor: Stel je een land voor dat veel olie exporteert (zoals Rusland). Op de oude score zien ze eruit als een eenvoudige grondstofexporteur. Maar op de nieuwe software score zien ze er ongelooflijk geavanceerd uit en scoren ze zeer hoog. Op dezelfde manier scoort India veel hoger in softwarecomplexiteit dan in wetenschappelijke publicaties.
De Bewering: De software score vangt een ander soort talent dat de oude scores missen. Het is niet slechts een herhaling van de oude data; het voegt nieuwe informatie toe.

2. Het Voorspelt Rijkdom en Rechtvaardigheid
De auteurs testten of deze nieuwe score kan verklaren hoe rijk een land is (BBP per hoofd van de bevolking) en hoe eerlijk de inkomensverdeling is (ongelijkheid).

De Bevinding: Landen met een hogere softwarecomplexiteit zijn de neiging hebben rijker te zijn. Belangrijker nog, ze hebben de neiging om minder inkomensongelijkheid te hebben.
De Analogie: Het is alsof het beheersen van complexe digitale tools helpt om rijkdom gelijkmatiger te verspreiden onder de bevolking, misschien omdat het banen met een hoge toegevoegde waarde creëert die niet alleen bedoeld zijn voor de eigenaren van fabrieken of land.

3. Het Is Misschien Groener
Ze keken ook naar vervuiling (CO2-uitstoot per dollar van het BBP).

De Bevinding: Landen met een hogere softwarecomplexiteit hebben de neiging om lagere emissies te hebben.
De Metafoor: Een land dat zijn economie bouwt op code en data, is waarschijnlijk minder "vies" dan een land dat zijn economie bouwt op zware productie en mijnbouw.

4. De "Gerelateerdheid"-regel
Ten slotte keken ze naar hoe de vaardigheden van landen in de loop van de tijd veranderen. Springen landen willekeurig van de ene vaardigheid naar de andere?

De Bevinding: Nee. Landen volgen een pad van "gerelateerdheid". Als een land goed is in het bouwen van webapps, zullen ze waarschijnlijk als volgende overgaan op het bouwen van mobiele apps. Ze springen zelden van "webapps" naar "kwantumfysica" van de ene op de andere dag.
De Analogie: Het is als een boom die takken vormt. Een boom groeit niet plotseling een tak aan de tegenovergestelde kant van de stam; hij laat nieuwe takken groeien vlak naast de oude. Landen breiden hun softwarevaardigheden uit door voort te bouwen op wat ze al weten.

De Kern van de Zaak

Dit artikel vindt geen nieuwe wiskundige formule uit; het past simpelweg de bestaande "Economische Complexiteit"-kaart toe op een nieuw gebied: de digitale wereld.

Door naar de code te kijken die mensen schrijven in plaats van naar de goederen die ze verschepen, laten de auteurs zien dat:

Digitale vaardigheden een echte, meetbare vorm van economische macht zijn.
Deze macht is anders dan traditionele productiemacht.
Landen die complexe software-ecosystemen opbouwen, hebben de neiging rijker, eerlijker en schoner te zijn.
Landen ontwikkelen hun softwarevaardigheden door vast te houden aan wat ze al weten, stap voor stap.

Kortom, als je het toekomstige potentieel van een land in de 21e eeuw wilt begrijpen, kun je niet meer alleen naar hun fabrieken kijken. Je moet naar hun code kijken.

Technische Samenvatting: De Softwarecomplexiteit van Naties

Probleemstelling

Traditioneel onderzoek naar economische complexiteit heeft grotendeels vertrouwd op administratieve gegevens zoals internationale handelsdata, octrooiaanvragen en werkgelegenheidsstatistieken. Hoewel deze metrieken waardevol zijn, lijden ze aan een "digitaal blind vlek", omdat ze de nuances van de software-economie niet volledig vastleggen. Softwarecapaciteiten zijn vaak mobiel, worden overgedragen via clouddiensten en remote platforms in plaats van via de douane, en worden frequent verborgen door lokale dochterondernemingen of brede servicenota's (bijv. "computer- en informatievoorzieningen"). Gevolgelijk kunnen bestaande complexiteitsindices digitale activiteit systematisch onderschatten en er niet in slagen om te verklaren hoe softwarecapaciteiten macro-economische uitkomsten zoals het BBP per capita, inkomensongelijkheid en CO₂-emissies beïnvloeden. Er is een kritiek gat in het begrip van de vraag of softwarematige complexiteit traditionele complexiteitsmetrieken aanvult of vervangt, en hoe het principe van verwantschap (relatedness) van toepassing is op digitale diversificatie.

Methodologie

De auteurs construeren een nationale Software Economic Complexity Index ( $ECI_{software}$ ) met behulp van data uit de GitHub Innovation Graph (GHIG), die 163 landen en 150 programmeertalen beslaat van 2020 tot 2023.

Databron en Granulariteit: De studie maakt gebruik van de geografische distributie van open-source software (OSS)-bijdragen, waarbij code-pushes aan landen worden toegewezen op basis van de IP-adressen van ontwikkelaars om bias door zelfrapportage te vermijden.
Eenheid van Analyse (Softwarebundels): In plaats van individuele programmeertalen als onafhankelijke activiteiten te behandelen, aggregeren de auteurs deze tot softwarebundels (technologiestacks) op basis van de onthulde gezamenlijke het gebruik binnen repositories.
- Zij construeerden een gewogen co-occurrence matrix van talen over actieve GitHub-repositories.
- Door middel van hiërarchische agglomeratieve clustering op de cosinus-gelijkenis van taalparen, identificeerden zij 59 interpreteerbare clusters (bijv. front-end web stacks, data science stacks, low-level systemen).
Berekening van Complexiteit:
- Een land-bundel matrix ( $X_{ck}$ ) werd gecreëerd door de ontwikkelaaractiviteit binnen elk cluster op te tellen.
- De Revealed Comparative Advantage (RCA)-matrix werd gebinariseerd om een specialisatiematrix ( $M_{ck}$ ) te creëren.
- De $ECI_{software}$ werd berekend met behulp van het standaard iteratieve algoritme van Hidalgo en Hausmann (2009), dat complexiteit definieert als de steady state van een kaart tussen landcapaciteiten en activiteitscomplexiteit.
Vergelijkende Analyse: De auteurs vergeleken $ECI_{software}$ met multidimensionale complexiteitsindices afgeleid van handel ( $ECI_{trade}$ ), patenten ( $ECI_{technology}$ ) en onderzoekspublicaties ( $ECI_{research}$ ), samengesteld door Stojkoski et al. (2023b).
Empirische Testen:
- Macro-correlaties: Cross-sectionele OLS-regressies (met Instrumental Variable robuustheidscontroles) werden gebruikt om de verklarende kracht van $ECI_{software}$ op het BBP per capita, inkomensongelijkheid (Gini-coëfficiënt) en CO₂-emissies per BBP te testen.
- Verwantschap (Relatedness): Het principe van verwantschap werd getest door de entree van en exit uit softwarebundels door landen te modelleren als een functie van de "verwantschapsdichtheid" van de bundel ten opzichte van de bestaande portefeuille van het land.

Belangrijkste Resultaten

1. Distinctiviteit en Complementariteit

Verschillende Profielen: $ECI_{software}$ onthult een andere geografische rangschikking van naties vergeleken met traditionele metrieken. Zo scoort Rusland bijvoorbeeld aanzienlijk hoger op softwarecomplexiteit (0,872) dan op handelscomplexiteit (0,112), en scoort India hoger in software (0,606) dan in onderzoekscomplexiteit (-0,633).
Complementaire Informatie: Hoewel $ECI_{software}$ gecorreleerd is met traditionele indices ( $R^2 \approx 0,5-0,6$ ), biedt het niet-redundante informatie. In modellen die het BBP per capita voorspellen, blijft $ECI_{software}$ een sterke, significante voorspeller, zelfs wanneer er wordt gecontroleerd voor handels-, patent- en onderzoekscomplexiteit. In sommige specificaties presteert het even goed als $ECI_{trade}$ .

2. Macro-economische Correlaties

BBP per Capita: $ECI_{software}$ is positief en significant geassocieerd met het BBP per capita. Het legt een dimensie van digitale capaciteit vast die de internationale variantie in inkomen verklaart die niet door fysieke handel of patentdata wordt verklaard.
Inkomensongelijkheid: Er is een significante negatieve relatie tussen $ECI_{software}$ en de Gini-coëfficiënt. Landen met een hogere softwarecomplexiteit vertonen de neiging tot lagere inkomensongelijkheid, wat suggereert dat software-specialisatie een meer inclusieve groei kan ondersteunen.
Emissies: In eenvoudigere modellen is softwarecomplexiteit negatief geassocieerd met emissie-intensiteit (CO₂ per BBP). Echter, in volledige multidimensionale modellen wordt dit effect statistisch insignificant, waarschijnlijk omdat $ECI_{software}$ en $ECI_{research}$ overlappende verklarende kracht delen met betrekking tot koolstofarme, kennisintensieve economieën.

3. Het Principe van Verwantschap in Software

Entredynamiek: Landen zijn aanzienlijk eerder geneigd om softwarebundels te betreden (RCA te verkrijgen) die "verwant" zijn aan hun bestaande specialisaties. De kans op entree neemt met ongeveer 7,2 procentpunt toe bij een toename van één standaarddeviatie in verwantschap.
Exitdynamiek: Omgekeerd zijn landen minder geneigd om softwarebundels te verlaten (RCA te verliezen) die verwant zijn aan hun huidige portefeuille.
Casestudies: De analyse van China, Groot-Brittannië en Rusland illustreert deze dynamiek. China vertoont actieve diversificatie naar aangrenzende bundels; Groot-Brittannië vertoont stabiliteit; Rusland vertoont exits die consistent zijn met de emigratie van ontwikkelaars, met name vanuit bundels die minder verwant zijn aan de kernsterkten van het land.

Betekenis en Claims

Het artikel claimt het kader van economische complexiteit uit te breiden naar de digitale economie door een kosteneffectieve, reproduceerbare en granulaire maatstaf voor softwarecapaciteiten te bieden.

Beleidsrelevantie: De studie suggereert dat het bevorderen van digitale complexiteit meer rust op menselijke kapitaalontwikkeling en kennis-spillovers binnen software-ecosystemen dan op fysieke infrastructuur. De bevindingen impliceren dat beleidsmakers diversificatie naar softwarebundels moeten stimuleren die technologisch nabij liggen aan de huidige sterktes van een land, volgens het principe van verwantschap.
Theoretische Bijdrage: Het werk valideert dat het "principe van verwantschap", oorspronkelijk afgeleid van fysieke industrieën, ook de evolutie van digitale capaciteiten stuurt. Het toont aan dat softwarecomplexiteit niet louter een substituut is voor traditionele complexiteit, maar een complementaire dimensie die de hiaten in het begrip van de structuur van de digitale economie opvult.
Beperkingen: De auteurs erkennen dat het vertrouwen op GitHub-data de propriëtaire/gesloten bron-capaciteiten kan onderschatten en dat de korte tijdshorizon (2020–2023) het vermogen beperkt om langetermijn-groeidynamiek te modelleren, hoewel de stabiliteit van de index wijst op voorspellend potentieel over langere perioden.

Samenvattend stelt het artikel vast dat de geografie van open-source software een levensvatbaar, complementair perspectief biedt voor het analyseren van de economische structuur, waarbij het onderscheidende patronen van specialisatie onthult die correleren met inclusieve en duurzame economische uitkomsten.