基于印度公司注册与实缴资本构建州-行业二部图网络,本文计算了经济复杂性指数(ECI)与fitness指标,发现马哈拉施特拉、卡纳塔克邦与德里等州复杂性较高且与人均GSDP呈显著正相关;同时,活跃企业数呈年化约11.2%的指数增长,公司的实缴资本分布展示了中间段幂律特征,且按fitness排序的州-行业二元矩阵呈现典型三角形层级结构,说明能力累积具有层级性并可作为区域发展政策的度量工具
元数据与概览(引言与报告概览)
逐节深度解读
图表与图像逐一深度解读(关键图表逐图分析)
图 1(增长动态与企业规模分布,位于文档 page 6)展示了两部分:一是年度活跃公司数量 N(t) 的时间序列及其对数线性拟合,表明 N(t) 近年呈指数增长,拟合速率近似 11.2% 年增长率;二是 paid-up capital 的 CCDF,显示在中间区间近似幂律分布,拟合指数 α≈-1.808(图注给出 α≈-1.808/斜率≈-0.808),说明资本呈强右偏的重尾分布。对应图片如下以便核查原图细节: .
图 2(多样化—普及率关系,位于 page 8)绘制了州的多样化 k_{s,0} 与其行业的平均普遍度 k_{s,1} 的散点图并以线性回归展示负相关性,Pearson r=0.652(p=6×10^{-4}),并用虚线展示均值分位以划分象限,图中标注了州代码以便识别区域位置。对应图片如下: ,.
图 3(ECI 与人均 GSDP 关系,page 9)展示了 ECI 与 2023–24 年度人均 GSDP 的散点图与拟合曲线,Pearson 相关系数为 r=0.599(p=6×10^{-4}),并指出若干州(WB, CG, MP, UP)在人均收入上低于其复杂性所预测的趋势线,暗示存在“潜在增长空间”。对应图片如下: ,.
图 4(ECI 排名的时间演化,page 10)为各州 ECI 排名随时间的折线/流线图,显示马哈拉施特拉(MH)与德里(DL)长期高位稳定,而卡纳塔克(KA)与果阿(GA)近年上升,部分州如比哈尔(BR)与梅加拉亚(ML)长期处于低位。对应图片如下: ,.
图 5(有序二元矩阵,page 11)展示了按州 fitness 从高到低与行业复杂度从低到高排序后的二元矩阵,图形出现典型的“上三角/楔形”结构,表明高 fitness 州覆盖广泛行业,而低 fitness 州仅限于高普及率低复杂度行业。对应图片如下: ,.
图 6(fitness 与人均 GSDP 的关系,page 12)以对数尺度展示 fitness 与人均 GSDP 的幂律拟合,相关系数 r≈0.5362(p≈2.7×10^{-3}),再次证实 fitness 与收入水平具有显著正相关关系。对应图片如下: ,.
估算方法与模型解析(Valuation/Methodological clarity)
风险因素评估与方法局限
批判性视角与细微差别
结论性综合(要点汇总)
附:关键图像复现(便于查证)
如需我对某一节(例如 RCA 阈值稳健性、使用 paid-up capital 的替代指标比较、或将复杂性指标用于区域政策优先级排序)进行更深入的定量再分析或建议实验设计,欢迎告知需要侧重的部分,我可以基于原文数据描述与方法为你规划后续可执行的检验方案与数值实验步骤(例如如何构造阈值灵敏度图、如何用雇员数或营收做替代并计算差异等),.
2601.12356.pdf