a közlekedési infrastruktúra fejlesztés gazdasági ...€¦ · – tno, delft, the netherlands...
Post on 14-Jun-2020
0 Views
Preview:
TRANSCRIPT
Járosi Péter
Pécsi Tudományegyetem
Közgazdaságtudományi Kar
A közlekedési infrastruktúra-fejlesztés
gazdasági hatásainak vizsgálata a GMR
modellekben
Bevezetés
• A fejlesztéspolitika eszközrendszere
(NFT – EU):
– Beruházás támogatások
– Infrastruktúrafejlesztés
– Humán tőke fejlesztés (oktatás-képzés és K+F)
Fejlesztéspolitikai hatáselemző modellek az EU-ban
• HERMIN (makro - „egy pont gazdaság”))
• QUEST (makro – „egy pont gazdaság”)
• EcoMod (van regionális változat, de nem „földrajzi”)
A GMR-irányzat
• GMR-Hungary: A II. Nemzeti Fejlesztési Terv során
felhasznált Strukturális és Kohéziós Alapok makro-
és regionális hatásainak ex-ante elemzése
GMR-Magyarország
• GMR-Magyarország: nemzetközi kutatási együttműködés eredménye
– PTE KTK GKK – Varga Attila
– University of Münster, Germany – Hans Joachim Schalk
– Tottori University, Japan – Atsushi Koike
– TNO, Delft, The Netherlands – Lori Tavasszy
– Transman Ltd., Hungary – Monigl János
GMR: Földrajzi Makro és Regionális
Modell
Miért „Földrajzi”?
• Térbeliség és a fejlesztéspolitika hatékonysága:
1. A beavatkozások a tér egy pontján történnek és a hatások nagy valószínűséggel tovagyűrűznek a térben.
2. A kezdeti hatások erősségét jelentősen meghatározhatják az agglomerációs hatások.
3. A tőke és munka migrációja kumulatív hosszútávú hatásokat eredményez
- a kezdeti hatások további erősödése vagy éppen gyengülése - a gazdaság térbeli szerkezete jelentősen megváltozhat.
4. Térben különböző pontokon történt beavatkozások különböző növekedési és térbeli konvergencia hatásokat eredményeznek.
Miért ”Regionális”?
Miért „Makro”?
A GMR szerkezete
• A GMR három rész-modellből áll:
- a TFP rész-modell (statikus agglomerációs
termelékenységi hatások)
- a számítható általános egyensúlyelméleti rész-
modell (SCGE) (dinamikus agglomerációs
termelékenységi és regionális hatások)
- a makroökonometriai rész-modell (a
fejlesztéspolitika makroökonómiai hatásai)
• A GMR-megközelítés főbb sajátosságai:
– a kínálati oldal modellezése
– a termelékenység/technológia változásának
modellezése
– a földrajzi hatások modellezése
– makro- és regionális hatáselemzés
– négy szektor: ipar, mezőgazdaság, szolgáltatások,
kormányzat
– felhasználóbarát szoftver környezet
GMR-irodalom
A közlekedési infrastruktúra gazdasági hatásmechanizmusai
• Kínálat oldali regionális hatások
• Kereslet oldali regionális hatások
• Hosszútávú migrációs hatások
• Hatások országos szinten
A kínálat oldali hatások
Termelési költségek
Oktatási-képzési
támogatás
K+F támogatás
Teljes tényező
termelékenység (TFP)
Növekedés és munka-
termelékenység
Foglalkoztatás
Beruházások
- +
-
-
+
+ Inrastruktúra
beruházás támogatás
+
+
+
Árak, infláció
-
Statikus kínálati hatás: a termelékenység (TFP) változása
A TFP modell-blokk szerepe:
• STATIKUS TFP-változások modellezése
• NEM előrejelzésre, hanem hatáselemzésre készült
A statikus földrajzi hatások modellezése: A TFP rész-modell
• A TFP egyenlet (tudás-termelési modell)
TFPGRi,t = a0 + a1KNATt + a2RDi,t + a3KIMPi,t + a4INFRAINVi,t + a5HUMCAPINVi,t + ei,t,
TFPGR: a teljes tényezotermelékenység (TFP) éves növekedési üteme,
KNAT: az országos szinten rendelkezésre álló technológiai tudás térbeli korlátok nélkül elérhetonagysága (mérés: a szabadalmak kumulált mennyisége),
RD: ipari és egyetemi kutatási kiadások,
KIMP: technológia import (a külfödi tokebefektetések értéke),
INFRAINV: infrastrukturális beruházások,
HUMCAPINV: emberi toke beruházások (oktatási és képzési kiadások),
e: sztochasztikus hiba
régió „i” és ido „t”
a1 a belföldi tudás szpillover becsült értéke
a2 a helyi tudás szpillover becsült értéke
a3 a nemzetközi tudás szpillover becsült értéke
Dependent Variable: DTFP2?
Method: Pooled EGLS (Period SUR)
Date: 11/20/11 Time: 11:52
Sample (adjusted): 2000 2008
Included observations: 9 after adjustments
Cross-sections included: 20
Total pool (balanced) observations: 180
Linear estimation after one-step weighting matrix
White diagonal standard errors & covariance (d.f. corrected)
Variable Coefficient Std. Error t-Statistic Prob.
C -0.380519 0.048706 -7.812488 0.0000
DTFP2?(-2) -0.330157 0.031505 -10.47951 0.0000
D(EDRDXV?(-3)) 4.27E-06 4.79E-07 8.918383 0.0000
PAT?(-4) 3.09E-05 4.61E-06 6.700010 0.0000
FDISH?(-2) 0.050065 0.010135 4.939991 0.0000
D(INFRAV?(-1)) 1.09E-06 2.97E-07 3.670852 0.0003
DUM2006? -0.068125 0.007328 -9.296003 0.0000
Weighted Statistics
R-squared 0.724407 Mean dependent var -0.965331
Adjusted R-squared 0.714849 S.D. dependent var 1.892860
S.E. of regression 1.010778 Sum squared resid 176.7494
F-statistic 75.78960 Durbin-Watson stat 1.997614
Prob(F-statistic) 0.000000
Unweighted Statistics
R-squared 0.360632 Mean dependent var -0.023514
Sum squared resid 0.409129 Durbin-Watson stat 2.421116
• Adatrendszer: KSH, Magyar Szabadalmi Hivatal
• Az 1996 – 2008-as időperiódusra
• A megfigyelési egységek:
- megyék (Budapest Pest megyétől külön kezelve: 20 megye)
• Paraméterbecslés:
- panel becslés, térökonometriai tesztek
A statikus földrajzi hatások modellezése: A TFP rész-modell
A statikus földrajzi hatások modellezése: A TFP rész-modell
• A modellben kiszámított rugalmassági mutatók a nemzetközi
irodalomban közöltekhez közel állnak.
- Infrastrukturális hatás a növekedésre: 0,1- 0,8 (irodalom), GMR: 0,40
- Oktatás-képzés hatásai a növekedésre: 0,15-0,40 (irodalom) GMR:
0,30
Az SCGE rész-modell szerepe 1
• A STATIKUS TFP változások regionális gazdasági hatásainak modellezése
A kínálat oldali hatások
Termelési költségek
Oktatási-képzési
támogatás
K+F támogatás
Teljes tényező
termelékenység (TFP)
Növekedés és munka-
termelékenység
Foglalkoztatás
Beruházások
- +
-
-
+
+ Inrastruktúra
beruházás támogatás
+
+
+
Árak, infláció
-
Az SCGE rész-modell
• A RAEM-Light magyarországi adaptációja (Koike, Thissen 2005)
• Cobb-Douglas termelési függvény, költség minimalizálás, hasznosság maximalizálás, interregionális kereskedelem, migráció
• Egyensúlyi állapotok:
- rövid táv (regionális egyensúly)
- hosszabb táv (interregionális egyensúly)
• NEM előrejelzésre szolgál
• Cél: a sokkok (NFT beavatkozások) regionális hatásainak szimulációja
• A beavatkozások nélküli állapot: regionális és interregionális egyensúly (nincs migráció)
• A sokk hatása: – az egyensúlyi állapot megbomlása
– a modell a térbeli egyensúly felé mozgó rendszert szimulálja
Az SCGE rész-modell
SCGE és infrastruktúra: Külföldi Példák
• Hollandia: RAEM modell az Amszterdam és Groningen közötti új vasúti kapcsolat alternatíváinak vizsgálata.
• Norvégia: PINGO modell az interregionális áruszállítási igények előrejelzése.
• Japán: Épülő autópálya projekt jövőbeli gazdasági hatásainak elemzése.
Norvégia, az interregionális áruszállítás előrejelzése
Forrás: Ivanova, O. – Vold, A. – Jean-Hansen, V. (2003) A SCGE approach to forecasting interurban transport flows in Norway. – Conference on National and International Freight Transport Models. http:// www.toi.no/toi_data/WWWOld/ arsberet/2003/toi_2003_fagrep.pdf 2004.12.10
Norvégia, az interregionális áruszállítás előrejelzése
Forrás: Ivanova, O. – Vold, A. – Jean-Hansen, V. (2003) A SCGE approach to forecasting interurban transport flows in Norway. – Conference on National and International Freight Transport Models. http:// www.toi.no/toi_data/WWWOld/ arsberet/2003/toi_2003_fagrep.pdf 2004.12.10
Japán, autópálya gazdasági hatásai
Toshihiko Miyagi (2001) Economic Appraisal for Multiregional Impacts by a Large Scale Expressway
Project. – TI 2001-066/3 Tinbergen Institute Discussion Paper.
http://www.tinbergen.nl/scripts/papers.pl?paper=01066.rdf 2004.12.10
Japán, autópálya gazdasági hatásai
Toshihiko Miyagi (2001) Economic Appraisal for Multiregional Impacts by a Large Scale Expressway
Project. – TI 2001-066/3 Tinbergen Institute Discussion Paper.
http://www.tinbergen.nl/scripts/papers.pl?paper=01066.rdf 2004.12.10
A GMR SCGE modelljének jellemzői
• 20 régió (megyék és Bp.), 4 szektor,
• Regionális output = hozzáadott érték,
• Input: a tőke és a munka,
• C-D hasznossági és termelési függvények,
• Haszonmaximalizáló háztartások és költségminimalizáló vállalatok,
• Szállítási költségek a „jéghegy-elv” alapján,
• A teljes tőkemennyiség a háztartások tulajdona,
• A háztartások száma rögzített rövidtávon,
• A lakások száma rögzített a modellben,
• Pozitív agglomerációs hatások - regionális TFP értékek,
• Negatív agglomerációs hatások - egy főre jutó lakásterület .
A modell bemeneti adatai
• A KSH 2006-os megyei (és Bp.) adatai: – bruttó átlagbér,
– beruházás,
– foglalkoztatás,
– népesség,
– hozzáadott érték,
– lakások száma;
• A regionális (szektoronkénti) tőkeállomány becslése a „perpetual inventory” módszerrel;
• A megyék közötti szállítási költségeket a TRANSMAN Kft. becsülte az út- és vasúthálózat alapján;
• A hasznossági és termelési függvények paramétereinek kalibrálásához a 2000-es nemzeti SAM táblát használtuk .
A modell rövid- és hosszútávú egyensúlyai
• A rövidtávú egyensúly: – minden régió külön-külön egyensúlyban van,
– a régiók között különbségek vannak a hasznossági szintekben;
• A hosszútávú egyensúly: – a munka (és az azt követő tőke) migráció a
regionális különbségekre reagál két rövid távú állapot között,
– a munka és a tőke migrációja hosszú távon egyensúlyhoz vezethet,
– eltűnhetnek a hasznossági különbségek,
– leállhat a migráció.
Rövid távú egyensúly: A tényező keresleti függvények
• A Cobb-Douglas termelési függvény (1)
• A tényezőkeresleti függvények a
költségminimum szerinti optimum pontban (2)
és (3)
mimi
mimimimi KLAY ,, 1
,,,,
mi
mimi
miw
VAL
,
,,
,
mi
mimi
mir
VAK
,
,,
,
1
Rövid távú egyensúly: A tényező keresleti függvények
• A hozzáadott érték (Value Added) (4)
• A (szállítási költség nélküli) egyensúlyi
árak (5)
mimimi qYVA ,,,
mimi
mimi
mimimi
mimi
miA
rwq
,,
,,
1
,,,
1
,,
,1
Rövid távú egyensúly: A termék keresleti függvények
• A háztartások hasznossági függvénye (6)
• A költségvetési korlát (7)
M
1m i
m,i
mM
1m
m,i
i'
hiN
Xln
L
Hlnu
M
m i
mi
miI
j
j
I
j
M
m
mjmj
i
M
m
mimi
N
X
N
Kr
N
Lw
1
,
,
1
1 1
,,
1
,,
• Az aggregált keresleti függvény (8)
Rövidebb alakban:
M
m
tmitmi
t
ttii xp
rwl
1
,,,,,N
K
t
ttii
tmi
mtmi
rwl
px
N
K,
,,
,,
1
1
0,
13
3,3,2,2
12 12
2,2
11
1
11
1
0
0,
1
mj
M
m
mjmjmi
I
i
M
m
miI
i
i
j
M
m
m
m
mj
VAVA
N
N
X
Rövid távú egyensúly: A termék keresleti függvények
Az általános egyensúlyt leíró egyenletek és a rövid távú modell megoldása
• Az interregionális kereskedelem (9) és (12) (az i régió hány százalékban részesedik a j régióbeli összes eladásból),
• Az árszínvonal a j régióban (10) és (13),
I
i
mijs1
, 1
I
i
mijmijmimj sq1
,,,, 1
mj
mimij
mjimij
qs
,
,,
,,
1
1
11
1
,,,, 1I
i
mimijmjimj q
• Az i régió összes bevétele egyensúly esetén a egyenlő a regionális
hozzáadott értékkel (11).
mijmi
I
j
mijmjmi qsXVA ,,
1
,,, 1
Általános Egyensúly
• A modell általános egyensúlyra való megoldása az inputpiacokra vonatkozó egyensúlykereső algoritmussal. – Newton érintő módszere,
– 20*4 bér (w) és 20*4 tőkejövedelem (r) ,
– a tőke- és a munkapiacokon a kereslet megegyezik a kínálattal (Walras 2.)
• Az inputpiacok egyensúlya esetén a végtermék piacok is egyensúlyba kerülnek (Walras 1.)
• A (2) és (3) egyenletek átrendezésével és összeadásával az egyensúlyi w-k és r-ek mellett érvényesül a szektorális-regionális jövedelmek összegének és a hozzáadott értéknek az egyenlősége (Walras 3.)
• A (2)+(3) és a (11) együttesen igaz minden régióra és szektorra, ekkor az egész gazdaságra érvényes az inputjövedelmek és a végtermékek iránti kereslet megegyezése (Walras 4.)
Az SCGE rész-modell szerepe 2
• DINAMIKUS TFP változások modellezése az agglomerációs hatások által kiváltott munka-tőke migráción keresztül
• Az agglomerációs hatásokat meghatározzák:
- a centripetális erők: regionális tudás (TFP)
- centrifugális erők: szállítási költség, zsúfoltság (lakáspiac)
• A TFP, a tőke, a munka és a bérek regionális értékeinek kiszámítása
Hosszú távú egyensúly • A munkaerő migrációját a hasznosságbeli különbségek vezérlik
(15)
• A Gt,t+1 a munkaállomány nemzeti szintű növekedését (vagy
csökkenését) kifejező tényező, amely a regionális modell
szempontjából külső adottság (17).
1,
1
,
1
)(
)(
1
,
,1,
,
,
tt
I
i
tiI
i
cu
cu
I
i
ti
titi G
e
e
I iti
iti
L
L
LL
M
m
tmiti L1
,,,L ahol (16):
I
i
ti
I
i
ti
ttG
1
,
1
1,
1,
L
L
A fejlesztéspolitikai beavatkozások hatásmechanizmusa
• A beavatkozás eredményeként megváltozott TFP
értékek (18)
• az A’ és a γ regresszió-számítással becsült paraméterek,
• az ωi értékek a maradéktagok e-ad hatványai,
• a TFPSHARE az adott területi egységen belül a szektorok közötti
termelékenységi különbségeket jeleníti meg,
• a TFPGROWTH pedig a sokkok nélküli, állandó termelékenységbeli
növekedési ütem.
M
m
tmiitmimi
t
mitmi
LATFPSHOCKTFPSHARE
TFPGROWTHTFPSHAREA
1
,,
'
,,,
,,,
1
1
A makro rész-modell szerepe
• A dinamikus TFP-változások (infrastruktúra és emberi tőke
támogatások), valamint a beruházás támogatás makro hatásainak
becslése
A makro rész-modell
• Komplett makro modell (kínálat, kereslet, jövedelem eloszlás) – az EcoRET modell (Schalk, Varga 2004)
• Cobb-Douglas termelési technológia, költség minimalizálás
• Kínálat- és kereslet oldali hatásai az NFT-nek – NEM előrejelzés!
• Alapszcenárió: a gazdaság állapota NFT nélkül
1. Regionális beavatkozás: változás a TFP-ben (statikus agglomerácós hatás)
2. Rövid távú hatások:
- árcsökkenés
- csökkenő K és L kereslet (feltéve: output nem változik)
- növekvő output-kereslet – növekvő K és L kereslet
- a növekvő regionális kereslet növeli a hasznosság szintjét a régióban
3. Hosszú távú hatások:
- a növekvő regionális hasznosság munka, majd tőke migrációt indukál
- további TFP növekedés (dinamikus agglomerációs hatások)
- változás a térbeli gazdasági szerkezetben
4. A makrováltozók értékei a hosszú távú TFP értékek hatásait tükrözik
GMR: kínálat oldali hatások infrastruktúra fejlesztés esetén
1. Közlekedési infrastruktúra fejlesztés: a szállítási költség csökkenése
2. Rövid távú hatások:
- árcsökkenés
- növekvő regionális és interregionális kereslet
3. Hosszú távú hatások:
- növekvő kereslet munka és tőke iránt: munka majd tőke migráció
- további TFP növekedés (dinamikus agglomerációs hatások)
- változás a térbeli gazdasági szerkezetben
4. A makrováltozók értékei a hosszú távú TFP értékek hatásait tükrözik
GMR: keresleti oldali hatások infrastruktúra fejlesztés esetén
1
Térszerkezeti
hatások
Makrogazdasági
hatások
2
3
4
6 7
SCGE
rész-modell
(regionális
modell)
MACRO
rész-modell
(kereslet, kínálat,
jövedelemeloszlás)
TFP
rész-modell
(regionális modell)
Fejlesztéspolitikai eszközök:
infrastruktúra, emberi tőke,
K+F
Rövid távú hatások
Hosszú távú hatások
5
Regionális- és makro szintű fejlesztéspolitikai hatások a GMR modell
rendszerben
A vonalas infrastruktúra értelmezése csomópontok sorozataként
Szimmetria: AB = BA
Háromszög egyenlőtlenség: AC ≤ AB + BC
DE! AY > AX + XY
illetve: AB > AY + YB
A megyék közötti átlagos időbeli távolságok percekben kifejezve az M6-M60 Dunaújváros-Pécs
szakasza nélkül
BP PE FE KE VE GY VA ZA BR SO TL BA HE NO HB JA SZA BK BE CS
BP 23 42 52 53 102 102 171 134 166 124 109 127 78 83 144 101 162 97 180 115
PE 42 53 75 81 131 132 201 163 183 152 129 137 87 95 148 97 172 103 180 122
FE 52 75 37 71 86 116 162 120 144 108 91 174 125 130 189 137 209 106 210 145
KE 53 81 71 36 110 83 155 159 195 149 137 171 121 123 187 143 206 135 223 158
VE 102 131 86 110 41 98 97 103 182 118 138 226 176 182 241 192 261 169 268 204
GY 102 132 116 83 98 44 100 154 239 185 184 225 176 181 241 193 260 182 270 206
VA 171 201 162 155 97 100 34 87 243 156 213 294 245 251 310 262 330 244 339 274
ZA 134 163 120 159 103 154 87 39 172 86 152 258 208 214 273 223 293 196 300 236
BR 166 183 144 195 182 239 243 172 29 102 70 286 238 243 300 239 322 137 271 194
SO 124 152 108 149 118 185 156 86 102 56 107 247 198 204 262 213 282 170 287 221
TL 109 129 91 137 138 184 213 152 70 107 39 230 180 187 244 186 265 97 229 158
BA 127 137 174 171 226 225 294 258 286 247 230 48 81 128 94 133 102 211 215 223
HE 78 87 125 121 176 176 245 208 238 198 180 81 37 75 102 96 120 160 197 172
NO 83 95 130 123 182 181 251 214 243 204 187 128 75 36 154 133 174 166 233 180
HB 144 148 189 187 241 241 310 273 300 262 244 94 102 154 28 108 81 212 133 199
JA 101 97 137 143 192 193 262 223 239 213 186 133 96 133 108 55 161 131 116 126
SZA 162 172 209 206 261 260 330 293 322 282 265 102 120 174 81 161 45 246 204 255
BK 97 103 106 135 169 182 244 196 137 170 97 211 160 166 212 131 246 58 153 85
BE 180 180 210 223 268 270 339 300 271 287 229 215 197 233 133 116 204 153 42 92
CS 115 122 145 158 204 206 274 236 194 221 158 223 172 180 199 126 255 85 92 31
A megyék közötti átlagos időbeli távolságok percekben kifejezve az M6-M60 Dunaújváros-Pécs
szakaszát figyelembe véve
BP PE FE KE VE GY VA ZA BR SO TL BA HE NO HB JA SZA BK BE CS
BP 23 42 52 53 102 102 171 134 145 124 99 127 78 83 144 101 162 94 180 115
PE 42 53 75 81 131 132 201 163 164 151 120 137 87 95 148 97 172 101 180 122
FE 52 75 37 71 86 116 161 120 131 108 84 174 125 130 189 137 209 102 208 144
KE 53 81 71 36 110 83 155 159 174 149 128 171 121 123 187 143 206 131 223 158
VE 102 131 86 110 41 98 97 103 178 118 136 226 176 182 241 192 261 166 268 204
GY 102 132 116 83 98 44 100 154 219 185 175 225 176 181 241 193 260 177 270 206
VA 171 201 161 155 97 100 34 87 239 156 208 294 245 251 310 262 330 238 339 274
ZA 134 163 120 159 103 154 87 39 172 86 152 258 208 214 273 223 293 196 300 236
BR 145 164 131 174 178 219 239 172 29 101 68 263 215 220 278 220 300 127 250 179
SO 124 151 108 149 118 185 156 86 101 56 107 247 198 203 262 212 282 167 283 217
TL 99 120 84 128 136 175 208 152 68 107 39 219 171 176 234 178 256 95 219 154
BA 127 137 174 171 226 225 294 258 263 247 219 48 81 128 94 133 102 207 215 223
HE 78 87 125 121 176 176 245 208 215 198 171 81 37 75 102 96 120 156 197 172
NO 83 95 130 123 182 181 251 214 220 203 176 128 75 36 154 133 174 162 233 180
HB 144 148 189 187 241 241 310 273 278 262 234 94 102 154 28 108 81 209 133 199
JA 101 97 137 143 192 193 262 223 220 212 178 133 96 133 108 55 161 131 116 126
SZA 162 172 209 206 261 260 330 293 300 282 256 102 120 174 81 161 45 242 204 255
BK 94 101 102 131 166 177 238 196 127 167 95 207 156 162 209 131 242 57 153 85
BE 180 180 208 223 268 270 339 300 250 283 219 215 197 233 133 116 204 153 42 92
CS 115 122 144 158 204 206 274 236 179 217 154 223 172 180 199 126 255 85 92 31
Az M6-M60 Dunaújváros-Pécs közötti szakaszának
átadása következtében a megyék
közötti átlagos időbeli távolságok csökkenése
percekben kifejezve
BP PE FE KE VE GY VA ZA BR SO TL BA HE NO HB JA SZA BK BE CS
BR 21 19 14 21 4 20 3 0 0 1 2 23 23 23 22 19 22 10 21 15
TL 10 8 7 9 2 10 6 0 2 1 0 10 10 11 10 8 10 3 10 4
Modell-szimulációk:
forgatókönyv elemzés
„Döntéstámogatás modell előrejelzésekkel”
• Alapvonal („Baseline”)
– nem tartalmazza az M6-M60 Dunaújváros-Pécs közötti szakaszát.
• Forgatókönyv („Scenario”)
– a szállítási költségek mátrixa módosul az időbeli rövidüléseknek megfelelően.
A szimulációk szerepe az SCGE modellezésben
• Statikus illesztés…
…egy egyensúlyban levő gazdasági struktúra „ráfeszítése” a statisztikailag
megfigyelt adatokra.
• Dinamikus szimuláció…
…az adatokra ráillesztett modellstruktúra „dolgozik” tovább a beavatkozások
révén megváltozott feltételekkel mindaddig, amíg a rendszer rá nem talál
az új egyensúlyra.
• Hatásvizsgálat…
…az egyensúlyban levő modell endogén változóinak beavatkozás előtti és
utáni értékei kerülnek összehasonlításra.
• Előrejelzésre csak korlátozottan alkalmas…
…nem a mutatók abszolút értékei a lényegesek, hanem a relatív eltérések,
ezek mutatják meg a beavatkozások által a rendszert ért sokkok eredőjét,
eltekintve a vizsgálat tárgyát nem képező hatásoktól.
Az M6-M60 új szakaszának hatása Fejér (FE), Baranya (BR), Somogy (SO), Tolna
(TL) és Bács-Kiskun (BK) megyékre, illetve országosan 2006-tól 2018-ig.
A fogyasztói hasznok változása
ORFE
BR
SO
TL
BK
-1,0%
0,0%
1,0%
2,0%
3,0%
4,0%
2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
évben
OR
FE
BR
SO
TL
BK
Az M6-M60 új szakaszának hatása országosan,
Budapesten és a 19 megyére 2011. évben.
A fogyasztói hasznok változása 2011-ben
-0,5%
0,0%
0,5%
1,0%
1,5%
2,0%
2,5%
3,0%
3,5%
OR BP PE FE KE VE GY VA ZA BR SO TL BA HE NO HB JA SZA BK BE CS
2011
összegzés, következtetések
• A térbeli számszerűsített általános egyensúlyi modellezés egyfajta matematikai
vagy számítógépes példa, kísérletezés, tervezés, amely a verbális gondolkodást nem
helyettesíti, hanem kiegészíti, újabb szempontok szerint világítja meg a felvetett
problémát.
• Alkalmazási területek: például a közlekedési infrastruktúra fejlesztésének
hatásvizsgálata, a szállítási költség változásának (üzemanyagárak növekedése)
következményei a gazdaság térszerkezetére.
• A fejlesztéspolitikai döntések előkészítése során lényeges szempont, hogy ne csak
„verbális” vagy „elemi matematikai-statisztikai” módszerekkel vizsgáljuk meg a
lehetséges hatásokat, hanem kipróbáljunk olyan komplexebb modelleket is,
amelyek a modern közgazdaságtudomány legújabb eredményein alapulnak.
• Az SCGE modell nem csak a szállítási költségeken keresztül képes figyelembe venni
az infrastruktúra beruházások hatásait, hanem a TFP változásokon keresztül is,
döntően a kínálati oldalt ért sokkok formájában.
top related