📈 economie

Spillovers, Innovation Difficulty, and the Dynamics of Productivity

Met behulp van een middelgroot DSGE-model dat is geschat op basis van Amerikaanse gegevens van 1984 tot 2019, stelt dit artikel vast dat hoewel innovatie-moeilijkheidsgraad een persistente factor is die de waarschijnlijkheid van succesvolle innovatie beïnvloedt, fluctuaties in de totale productiviteit primair worden gedreven door spillover-schokken in plaats van door veranderingen in de moeilijkheidsgraad van het innoveren.

Oorspronkelijke auteurs: Alice Albonico, Marco Guerzoni

Gepubliceerd 2026-09-30

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Alice Albonico, Marco Guerzoni

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://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

Decennialang is de Verenigde Staten een machtsfactor van uitvindingen geweest. Nieuwe technologieën, van digitale platforms tot kunstmatige intelligentie, zijn met een adembenemend tempo opgekomen en beloven de manier waarop we leven en werken te hervormen. Toch heeft zich een verwarrende tegenstrijdigheid gevestigd in de economie: terwijl de snelheid van nieuwe ideeën en investeringen is toegenomen, is de algehele snelheid waarmee de economie goederen en diensten produceert, vertraagd. Dit contrast heeft economen op zoek gestuurd naar een verklaring. Is de motor van groei simpelweg aan het leegraken, of bereikt de brandstof gewoon niet de juiste plekken? Om dit te begrijpen, moet men kijken naar twee verschillende manieren waarop onderzoek en ontwikkeling, of R&D, daadwerkelijk vertaald worden naar vooruitgang in de echte wereld. De eerste is de pure kracht van collectieve inspanning: hoe goed duwt de totale hoeveelheid geld en tijd die aan onderzoek wordt besteed de uiterste grens van wat mogelijk is vooruit? De tweede is de uitdaging van de individuele poging: hoe groot is de kans dat het onderzoek van een specifiek bedrijf er daadwerkelijk in slaagt om een nieuw, nuttig product te creëren? Het onderscheid tussen deze twee krachten is cruciaal, omdat een vertraging in de ene niet noodzakelijkerwijs een vertraging in de andere betekent, en de oplossing voor het economische raadselel volledig afhangt van welke van de twee het probleem is.

Een team van onderzoekers aan de Universiteit van Milano-Bicocca zette zich schouders onder om deze twee krachten te ontrafelen met behulp van een gedetailleerd computermodel van de Amerikaanse economie. Ze bouwden een simulatie die bijhoudt hoe geld naar onderzoek stroomt, hoe dat onderzoek nieuwe technologieën creëert, en hoe die technologieën zich door de markt verspreiden. Het model scheidt het proces in twee kanalen. Eén kanaal meet het "spillover"-effect, wat het idee is dat wanneer veel bedrijven samen onderzoek doen, ze gezamenlijk de technologische grens vooruit duwen, waardoor de volgende grote doorbraak voor iedereen gemakkelijker wordt. Het andere kanaal meet "innovatiedificult": dit vertegenwoordigt de waarschijnlijkheid dat de onderzoeksinspanning van een enkel bedrijf er daadwerkelijk in slaagt om een nieuw product te creëren. De onderzoekers voerden hun model gegevens uit de periode 1984 tot 2019, inclusie standaard economische cijfers zoals BBP en investeringen, evenals een unieke, recent ontwikkelde maatstaf voor technologische creativiteit afgeleid uit de tekst van patenten. Deze patentgegevens fungeren als een direct venster naar hoe vaak nieuwe ideeën daadwerkelijk succesvol worden gegenereerd, in plaats van alleen hoeveel pogingen er worden ondernomen.

De resultaten van deze simulatie bieden een duidelijk antwoord op het mysterie van de productiviteitsvertraging. De studie concludeert dat de afname in de snelheid van economische groei niet primair wordt veroorzaakt door een daling in het succespercentage van individuele uitvindingen. In plaats daarvan is de belangrijkste drijfveer van de vertraging een verzwakking in het spillover-kanaal. In simpelere termen: de collectieve inspanning van al het onderzoek dat in het land plaatsvindt, is minder efficiënt geworden in het vooruit duwen van de absolute technologische grens. Het model laat zien dat schokken in deze collectieve efficiëntie verantwoordelijk zijn voor het overgrote deel van de fluctuaties in de productiviteitsgroei, waarbij zij ongeveer 88 tot 97 procent van de variantie in TFP-groei in het uitgebreide model verklaren. In contrast hiermee speelt de moeilijkheid van het laten slagen van een enkele uitvinding een veel kleinere rol in de algehele snelheid van de economie. Hoewel de waarschijnlijkheid van succes fluctueert, drijven deze veranderingen de grote trends in productiviteit niet aan.

Echter, het verhaal verandert licht wanneer de onderzoekers kijken naar de aard van de moeilijkheid zelf. Toen zij de patentgebaseerde creativiteitsgegevens toevoegden, onthulde het model dat de "moeilijkheid" van innovatie geen snel bewegende, nerveuze kracht is die elke paar maanden verandert. In plaats daarvan gedraagt het zich als een traag bewegende stroom. Zodra het model rekening houdt met de succespercentages uit de echte wereld die in patenten worden gevonden, blijkt de moeilijkheidsschok een persistente, langdurige kracht te zijn die het landschap van innovatie over jaren heen vormgeeft, in plaats van een kortstondige verstoring van de bedrijfscyclus. Dit suggereert dat hoewel het maken van een nieuwe uitvinding in de loop der tijd moeilijker is geworden, deze toegenomen moeilijkheid een gestage, langzame druk is in plaats van de plotselinge schok die de recente economische vertraging veroorzaakte. De studie geeft aan dat de productiviteitsvertraging niet primair wordt gedreven door een afname van succesvolle innovatie. De gegevens wijzen erop dat bedrijven nog steeds manieren vinden om te innoveren, maar de collectieve motor die die innovaties omzet in brede economische groei, heeft wat van zijn momentum verloren.

De implicaties van deze bevinding zijn significant voor hoe we naar de economie kijken en hoe we deze mogelijk kunnen herstellen. Het onderzoek suggft dat het simpelweg aanmoedigen van meer bedrijven om nieuwe dingen te gaan verzinnen, of het pompen van meer geld in onderzoek zonder aandacht te besteden aan hoe dat onderzoek verbonden is met de bredere economie, mogelijk niet voldoende is. Als het probleem is dat de collectieve spillover van kennis zwak is, dan moeten beleidsmaatregelen zich richten op hoe ideeën zich verspreiden en hoe de technologische grens voor iedereen vordert, en niet alleen op hoeveel individuele pogingen er worden ondernomen. De studie concludeert dat de vertraging in productiviteit niet een falen is van de innovators zelf, maar een falen in het mechanisme dat hun collectieve werk vertaalt naar snellere economische groei. Door de twee kanalen te scheiden, hebben de onderzoekers aangetoond dat de economie niet op zoek is naar nieuwe ideeën, maar dat het pad van die ideeën naar brede welvaart moeilijker te navigeren is geworden.

Technische Samenvatting: Spillovers, Innovatiecomplexiteit en de Dynamiek van Productiviteit

Probleemstelling
Het artikel behandelt het centrale macro-economische raadsel van de schijnbare discrepantie tussen de snelle technologische verandering (bijv. digitale technologieën, AI) en de opvallende vertraging in de aggregatieve productiviteitsgroei in de VS sinds het begin van de jaren 2000. Hoewel de bestaande literatuur diverse verklaringen biedt—variërend van trage diffusie en implementatievertragingen tot het idee dat "ideeën moeilijker te vinden zijn" (Bloom et al., 2020)—verwarren deze hypothesen vaak verschillende economische mechanismen. De auteurs stellen dat het debat een structureel onderscheid vereist tussen twee innovatiekanalen:

Het Spillover-kanaal: De efficiëntie waarmee de aggregatieve R&D-inspanning de technologische grens vooruit helpt.
Het Complexiteitskanaal: De waarschijnlijkheid dat sectorale R&D-inspanningen er succesvol in slagen om innovatie te genereren en leiden tot de adoptie van frontierechnologieën (creatieve destructie).

De kernvraag is of de productiviteitsvertraging primair wordt gedreven door een daling van het succespercentage van innovatie (complexiteit) of door een verzwakking in de vertaling van aggregatieve onderzoek naar frontiereprogressie (spillovers).

Methodologie
De auteurs ontwikkelen en schatten een medium-schaal Dynamic Stochastic General Equilibrium (DSGE) model met endogene technologische verandering, voortbouwend op het kader van Cozzi et al. (2021). Het model incorporeert standaard New Keynesian fricties (gewoontevorming, prijsrigiditeit, investeringsaanpassingskosten) naast een Schumpeteriaanse innovatieblok.

Modelstructuur:
- Frontièregroei: De groei van de technologische grens ( $g^{A_{max}}$ ) is semi-endogeen, gedreven door aggregatieve R&D en kennisspillovers. Het is onderhevig aan een spillover-schok ( $\sigma^{RD}_t$ ), die de efficiëntie van het omzetten van R&D in frontierevoortgang verandert.
- Innovatiesucces: Sectorale productiviteit springt naar de frontiere met een waarschijnlijkheid ( $n_t$ ) die wordt bepaald door R&D-investeringen en een complexiteitsschok ( $\varepsilon^{n,RD}_t$ ). Deze schok reguleert de waarschijnlijkheid van succesvolle innovatie bij een gegeven niveau van R&D.
- Aggregatieve Productiviteit: Totale Factor Productiviteit (TFP) hangt af van zowel het tempo van de expansie van de frontiere als de snelheid waarmee bedrijven succesvol innoveren en frontieretechnologieën adopteren.
Schattingstrategie:
- Het model wordt geschat met behulp van Bayesiaanse technieken op basis van Amerikaanse kwartaalgegevens van 1984Q1 tot 2019Q4.
- Baseline Specificatie: Maakt gebruik van acht macro-economische variabelen (BBP, consumptie, investeringen, R&D, lonen, gewerkte uren, rentestanden, inflatie).
- Geaugmenteerde Specificatie: Integreert een nieuwe, op patentteksten gebaseerde maatstaf voor "technologische creativiteit" (Kalyani, 2024) als een aanvullende variabele. Deze index is ontworpen om de waarschijnlijkheid van innovatiesucces directer te vangen dan traditionele entry/exit-ratio's, die worden beïnvloed door niet-technologische factoren.
- De schatting bevat tien fundamentele schokprocessen, waarbij expliciet onderscheid wordt gemaakt tussen spillover- en complexiteitsschokken.

Belangrijkste Bijdragen

Structurele Identificatie: Dit artikel is het eerste dat expliciet en in staat is om spillover-schokken en complexiteitsschokken te scheiden en te identificeren binnen één geschat DSGE-kader. Het toont aan dat dit niet louter andere namen zijn voor een algemene daling in innovatie-efficiëntie, maar dat ze verschillende marges vertegenwoordigen met verschillende macro-economische transmissiemechanismen.
Nieuwe Datadiscipline: De auteurs introduceren een op patentteksten gebaseerde maatstaf voor technologische creativiteit in de schatting van een DSGE-model. Dit maakt het mogelijk om de innovatie-waarschijnlijkheidsblok direct te disciplineren, wat een robuustere identificatie van de complexiteitsschok biedt vergeleken met modellen die enkel vertrouwen op aggregatieve macro-data of bedrijfsomloopratio's.
Kwantitatieve Decompositie: De studie biedt een kwantitatieve beoordeling van het relatieve belang van deze twee kanalen bij het verklaren van de Amerikaanse TFP-fluctuaties, waarbij theoretische speculatie wordt overstegen door empirisch bewijs.

Resultaten

Transmissiemechanismen:
- Spillover-schokken: Deze werken direct op de frontièregroei-marge. Een nadelige spillover-schok veroorzaakt een onmiddellijke en persistente daling in de frontièregroei, wat vervolgens de TFP, output, investeringen en R&D verlaagt. De innovatiekans blijft grotendeels onveranderd omdat de schok de conditionele succesratio van R&D niet verandert.
- Complexiteitsschokken: Deze werken direct op de innovatiekans-marge. Een nadelige complexiteitsschok vermindert de waarschijnlijkheid van succesvolle innovatie ( $n_t$ ). Dit vertraagt de diffusie van frontieretechnologie naar de gemiddelde productiviteit, waardoor de TFP daalt. Interessant genoeg kan een complexiteitsschok de waarde van zittende bedrijven tijdelijk verhogen door het risico op creatieve destructie (verplaatsing) te verminderen, zelfs terwijl de aggregatieve productiviteit daalt.
Kwantitatieve Belangrijkheid (Variantie-decompositie):
- TFP-groei: Spillover-schokken zijn de dominante drijfveer van TFP-fluctuaties. In de geaugmenteerde specificatie verklaren zij ongeveer 88–97% van de variantie van de TFP-groei op korte en middellange termijn.
- Innovatiekans: Complexiteitsschokken zijn de primaire drijfveer van de fluctuaties in de waarschijnlijkheid van succesvolle innovatie, waarbij zij ongeveer 92–97% van de variantie verklaren.
- Rol van Complexiteit: Hoewel complexiteitsschokken de waarschijnlijkheid van innovatie aanzienlijk vormgeven, is hun kwantitatieve bijdrage aan de TFP-fluctuaties substantieel kleiner dan die van spillover-schokken.
Impact van de Creativiteitsvariabele:
- Het opnemen van de creativiteitsmaatstaf verandert de kwalitatieve transmissiemechanismen niet, maar verandert wel de geschatte eigenschappen van de complexiteitsschok aanzienlijk.
- In de geaugmenteerde specificatie wordt de complexiteitsschok minder volatiel en meer persistent. Dit suggereert dat innovatiecomplexiteit een traag bewegende structurele kracht is in plaats van een hoogfrequente conjuncturele verstoring.
- Historische decomposities laten zien dat hoewel de complexiteitsschok na 2010 persistent is toegenomen (consistent met het idee dat innovatie moeilijker wordt), het een secundaire factor blijft in het verklaren van de algehele productiviteitsvertraging vergeleken met spillover-schokken.

Betekenis en Claims
Het artikel concludeert dat de aggregatieve productiviteitsvertraging in de VS niet primair wordt gedreven door een daling van de waarschijnlijkheid van succesvolle innovatie. In plaats daarvan is de vertraging grotendeels toe te schrijven aan een verzwakking van het spillover-kanaal—het mechanisme waarmee aggregatieve R&D zich vertaalt naar de vooruitgang van de technologische frontière.

De auteurs stellen dat het onderscheiden van deze kanalen cruciaal is voor zowel meting als beleid:

Meting: Een daling in de gemeten innovatieprestaties kan het gevolg zijn van zwakkere spillovers in plaats van een instorting van het succespercentage van individuele onderzoeksinspanningen.
Beleid: Beleid dat enkel gericht is op het vergroten van de R&D-inspanning of het verbeteren van het succespercentage van innovatie (het aanpakken van complexiteit) kan onvoldoende zijn als het niet gelijktijdig de spillover- en diffusiemechanismen versterkt die de frontièregroei aandrijven. Omgekeerd blijven beleidsmaatregelen die de barrières voor succesvolle innovatie verminderen relevant voor het tempo van creatieve destructie, zelfs als zij niet de primaire drijfveer zijn van de TFP-dynamiek.

Het artikel stelt bescheiden dat hoewel innovatiecomplexiteit een reële en persistente kracht is die het succespercentage van innovatie vormgeeft, het de spillover-kanaal is die kwantitatief domineert in de dynamiek van de gemeten Totale Factor Productiviteit.

Technische Samenvatting: Spillovers, Innovatiecomplexiteit en de Dynamiek van Productiviteit

Meer zoals dit