Measuring Services Complexity: A Novel Machine Learning Approach Using U.S. Input–Output Data

Abstract

A stylized fact in modern economies is that the more developed a country is, the greater the weight of the service sector. The economics of complexity has provided a new perspective that explains this growth in modern economies. However, the study of economic complexity through the standard measure of the complexity index presents an increasingly relevant omission in understanding the economic process and its growth. In general, the data used to measure the Economic Complexity Index (ECI) are based on information about goods; however, there is a lack of information on services. This paper proposes a new methodology to retrieve information on the economic complexity in services. For this purpose, the US input-output matrix is used. This work is novel because, thanks to the structure of the data as a network, it is possible to infer the missing information on the complexity of services. Using a machine learning method, it is possible to impute the complexity index for 146 services, a level of disaggregation, that is strikingly higher than in other works. The index recovered by this method is consistent with previous results that found service sectors to be more complex than goods. The second result shows that the more restricted the core is in the center of the network, the greater the centrality of services and their complexity. Finally, the results confirm the relevance of the economic complexity index. However, the ECI for services is better than the ECI for goods for predicting growth; a one-unit increase in the ECI of services increases GDP growth by more than 1 percentage point.

Un hecho estilizado en las economías modernas es que cuanto más desarrollado está un país, mayor es el peso del sector servicios. La economía de la complejidad ha proporcionado una nueva perspectiva que explica este crecimiento en las economías modernas. Sin embargo, el estudio de la complejidad económica a través de la medida estándar del índice de complejidad presenta una omisión cada vez más relevante para comprender el proceso económico y su crecimiento. En general, los datos utilizados para medir el Índice de Complejidad Económica (ICE) se basan en información sobre bienes; sin embargo, hay una falta de información sobre los servicios. Este artículo propone una nueva metodología para recuperar información sobre la complejidad económica en los servicios. Para ello, se utiliza la matriz de insumo-producto de Estados Unidos. Este trabajo es novedoso porque, gracias a la estructura de los datos como red, es posible inferir la información que falta sobre la complejidad de los servicios. Mediante un método de aprendizaje automático, es posible imputar el índice de complejidad para 146 servicios, un nivel de desagregación notablemente superior al de otros trabajos. El índice recuperado por este método es coherente con resultados anteriores que consideraban que los sectores de servicios eran más complejos que los de bienes. El segundo resultado muestra que cuanto más restringido es el núcleo en el centro de la red, mayor es la centralidad de los servicios y su complejidad. Por último, los resultados confirman la relevancia del índice de complejidad económica. Sin embargo, el ECI para los servicios es mejor que el ECI para los bienes a la hora de predecir el crecimiento; un aumento de una unidad en el ECI de los servicios aumenta el crecimiento del PIB en más de un punto porcentual.