Dual-Channel Technology Diffusion: Spatial Decay and Network Contagion in Supply Chain Networks
技术扩散的双通道机制：供应链网络中的空间衰减与网络传播AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究供应链网络与空间溢出，并讨论其对双重差分处理效应估计的影响。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
技术扩散的双通道机制：供应链网络中的空间衰减与网络传播
- 研究问题
- 企业技术采用如何同时经由地理邻近和供应链联系扩散，忽略这些空间与网络结构会如何影响处理效应分析？
- 方法与思路
- 作者将连续函数分析中的空间衰减机制与谱图理论中的网络传播结合，利用企业技术采用数据及疫情事件研究考察双通道扩散。
- 材料陈述的贡献
- 摘要报告地理指数衰减、采用扩散伴随网络连通性提升，以及忽略空间和网络结构的双重差分存在偏差，并提出政策作用范围。
- 阅读关注点
- 应核对数据来源、供应链边与采用时间定义、处理效应识别及偏差基准，尤其检查空间边界和网络放大倍数如何推得。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收均未核实；摘要中的高拟合度、相关性和偏差数字均为作者报告，识别及因果依据未说明。
原文摘要
This paper develops a dual-channel framework for analyzing technology diffusion that integrates spatial decay mechanisms from continuous functional analysis with network contagion dynamics from spectral graph theory. Building on our previous studies, which establish Navier-Stokes-based approaches to spatial treatment effects and financial network fragility, we demonstrate that technology adoption spreads simultaneously through both geographic proximity and supply chain connections. Using comprehensive data on six technologies adopted by 500 firms over 2010-2023, we document three key findings. First, technology adoption exhibits strong exponential geographic decay with spatial decay rate $κ\approx 0.043$ per kilometer, implying a spatial boundary of $d^* \approx 69$ kilometers beyond which spillovers are negligible (R-squared = 0.99). Second, supply chain connections create technology-specific networks whose algebraic connectivity ($λ_2$) increases 300-380 percent as adoption spreads, with correlation between $λ_2$ and adoption exceeding 0.95 across all technologies. Third, traditional difference-in-differences methods that ignore spatial and network structure exhibit 61 percent bias in estimated treatment effects. An event study around COVID-19 reveals that network fragility increased 24.5 percent post-shock, amplifying treatment effects through supply chain spillovers in a manner analogous to financial contagion documented in our recent study. Our framework provides micro-foundations for technology policy: interventions have spatial reach of 69 kilometers and network amplification factor of 10.8, requiring coordinated geographic and supply chain targeting for optimal effectiveness.