Niezbędne warunki umożliwiające wdrożenie dla Polski oceny

Niezbędne warunki umożliwiające wdrożenie dla Polski oceny

NIEZBĘDNE WARUNKI UMOŻLIWIAJĄCE
WDROŻENIE DLA POLSKI OCENY
SUMARYCZNEGO EFEKTU FUNDUSZY
STRUKTURALNYCH I FUNDUSZU SPÓJNOŚCI
ZA POMOCĄ MODELI EKONOMETRYCZNYCH
Prof. AE dr hab. Andrzej Sokołowski - e-mail: [email protected]
Prof. PWr dr hab. inż. Janusz Zaleski - e-mail: [email protected]
1 Ocena efektu Funduszy Strukturalnych i Funduszu Spójności
– podstawowe pojęcia
Od 1988 ocena każdego etapu zaangażowania się Wspólnoty Europejskiej stała się
istotnym elementem tzw. interwencji strukturalnych. Wpływ procesu oceny na poprawę
efektywności programów zależy niewątpliwie od jednolitości i przejrzystości stosowanych
metod i procedur oceny. W 1991 roku zainicjowano program MEANS (Methods of
Evaluating Structural Policies). Pod kierunkiem Komitetu Niezależnych Ekspertów, w toku
wieloletnich prac i kilku konferencji naukowców i praktyków, wypracowano w miarę spójny
system oceny. Podsumowanie programu MEANS zamieszczono w sześcioczęściowym
wydawnictwie „Ocena programów społeczno-ekonomicznych” (Evaluating socio-economic
programmes), opublikowanym w 1999 roku. Opracowanie to składa się z sześciu
następujących części:
1. „Projektowanie oceny i zarządzanie” – Zawiera wprowadzające informacje
dotyczące procesu oceny. Omawiane są wszystkie elementy, jakie należy uwzględnić
w procesie oceniania, a więc podział odpowiedzialności, ustalenie planu pracy i
budżetu, sposobu oceny przebiegu ewaluacji a wreszcie wykorzystaniem wniosków
płynących z przeprowadzonej oceny.
2. „Wybór i wykorzystanie wskaźników dla monitorowania i oceny” – Rozważa
zagadnienie wyboru właściwych wskaźników wykorzystywanych w monitoringu i
ocenie. Wskazuje jak wskaźniki te mogą być użyte w uzasadnianiu konkretnych
decyzji strategicznych, poprawie zarządzania i pomiarze makroekonomicznego i
społecznego efektu zastosowanych programów. W części tej zaproponowano
1
podstawy
metodologiczne
oraz
rady
praktyczne
dotyczące
wykorzystania
wskaźników na różnych etapach procesu oceny. Podano wiele przykładów
konkretnych wskaźników. Wskaźniki te mają opisywać zastosowane środki,
konkretne wyniki programu, rezultaty bezpośrednie oraz trwałe efekty długofalowe i
strategiczne. W związku z tym wyróżnia się: wskaźniki zasobów (finansowych,
ludzkich, materialnych, organizacyjnych itp.) wykorzystanych w programie,
wskaźniki produktu (np. kilometry nowych dróg), wskaźniki bezpośrednich korzyści
(np. skrócenie przeciętnego czasu podróży) oraz wskaźniki korzyści społecznoekonomicznych (np. poprawa jakości życia).
3. „Podstawowe techniki i narzędzia oceny” – Zaprezentowano metody wzięte z
różnych dziedzin nauki, takich jak ekonomia, socjologia, geografia itp. Wyróżniono
23 narzędzia oceny pokazując ich ogólny opis, zasady stosowania, dobre i słabe
strony, przykłady zastosowań oraz niezbędne odnośniki literaturowe.
4. „Rozwiązania techniczne dla oceny w ramach partnerstwa” – Przedstawiono tu
cztery nowe metody oceny: metoda odwzorowania wpływu, macierz wpływu, karty
ocen oraz analiza wielokryterialna.
5. „Poprzeczna ocena wpływu na środowisko, zatrudnienie i inne cele” - Zwraca się
tu uwagę na możliwość oceny wpływu programu na sfery nie będące w bezpośrednim
zainteresowaniu konkretnego projektu, ale ważne dla ogólnego rozwoju społecznoekonomicznego. Chodzi tu o takie zagadnienia jak na przykład wzrost efektywności
małych i średnich przedsiębiorstw, ochronę środowiska, równouprawnienie kobiet i
mężczyzn na rynku pracy. W tej części podano szereg przykładów konstrukcji
metodologii oceniania konkretnych projektów.
6. „Glosariusz 300 pojęć i terminów technicznych” – Ta część została opracowana z
myślą o ujednoliceniu i standaryzacji pojęć stosowanych w procesie oceny. Jest
rzeczą oczywistą, że również ocena programów dla Polski musi być prowadzona
zgodnie z tymi ustaleniami.
Wspomniany powyżej glosariusz pojęć dotyczy różnych etapów oceny, różnych metod i
praktycznie wszystkich jej aspektów. W niniejszym opracowaniu ograniczamy się do
zwrócenia uwagi - oprócz pewnych nielicznych zagadnień ogólnych - na te pojęcia, które
wiążą się z oceną dokonywaną przy pomocy modeli ekonometrycznych. Wydaje się, że nie
zawsze te definicje są precyzyjne, ale warto sobie uświadomić jak podstawowe pojęcia są
2
rozumiane i tłumaczone w dokumentach Komisji Europejskiej dotyczących procesu oceny.
Niektóre z omawianych tu pojęć wyjaśniane też są w „Słowniku rozwoju regionalnego”.
CEL ZASADNICZY POLITYKI STRUKTURALNEJ UE
Zgodnie z Traktatem Rzymskim jest nim wzmacnianie spójności i zmniejszenie różnic
gospodarczych oraz społecznych między najbiedniejszymi a najbogatszymi regionami UE.
Podstawowymi zasadami polityki służącej realizacji celu zasadniczego są : dodatkowość,
partnerstwo, programowanie i koncentracja środków. Unia zapewnia wsparcie dla działań
podejmowanych zgodnie z Celem Zasadniczym Polityki Strukturalnej oraz koordynuje jego
realizację z zamiarem osiągnięcia pełnej integracji wewnątrz organizmu Unii. Instrumentami
finansowania tej polityki są: Fundusze Strukturalne i Fundusz Kohezji oraz Europejski Bank
Inwestycyjny.
INTERWENCJA
Działania podejmowane przez władzę publiczną, takie jak: polityka, program, środek
działania, projekt. Interwencje są przedmiotem oceny.
CEL
Jasne, precyzyjne określenie efektów, jakie ma dać dana interwencja publiczna. Cele
jakościowe powinny być sformułowane w formie opisowej, zaś cele ilościowe w postaci
konkretnych wartości wskaźników. Cele szczegółowe dotyczą efektów interwencji w
odniesieniu do konkretnego adresata. Cel ogólny ma określać globalny wpływ interwencji.
Można formułować też cele pośrednie. Cele operacyjne określają konkretne „produkty”
programu.
FUNDUSZ KOHEZJI (SPÓJNOŚCI)
Powstał jako odpowiedź na włączenie do Unii Europejskiej słabiej rozwiniętych,
peryferyjnych państw (Portugalia, Hiszpania, Grecja, Irlandia), które wniosły ze sobą szereg
problemów wynikających z opóźnienia rozwoju. Zdaniem Funduszu Kohezji było ułatwienie
ich integracji poprzez stworzenie sieci infrastrukturalnych dla ułatwienia rozwoju tych państw
(usunięcia białych plam infrastrukturalnych) i ułatwienia rozwiązania bezpośrednich więzi z
gospodarczym centrum Unii. Środki Funduszu przeznaczono wyłącznie na inwestycje w
zakresie:
1. ochrony środowiska
3
2. transeuropejskich sieci komunikacyjnych (głównie autostrad).
Działania Funduszu zaplanowano początkowo na lata 1994 – 1999 (łączny budżet 15,1 mld
ECU). Fundusz Kohezji nie jest funduszem strukturalnym, lecz tzw. instrumentem
ekonomiczno – politycznym. Komisja Europejska przedłużyła działanie funduszu na lata
2000 – 2006, przeznaczając nań 18 mld euro.
W odróżnieniu od Funduszy Strukturalnych, Fundusz Spójności:
a) obejmuje całe państwa, nie regiony (kryterium formalne PNB poniżej 90% średniej Unii
Europejskiej)
b) finansuje poszczególne projekty inwestycyjne, bez konieczności ujmowania ich w ramy
szerszych programów
c) współfinansuje tylko wielkie projekty inwestycyjne (ponad 10 mld euro)
FUNDUSZE STRUKTURALNE
Zasób finansowy UE umożliwiający pomoc w restrukturyzacji i modernizacji gospodarki
krajów członkowskich drogą inwestycji w kluczowych sektorach i regionach (poprawa
struktury). Wyróżnia się następujące fundusze: Europejski Fundusz Rozwoju Regionalnego,
Europejski Fundusz Socjalny, Europejski Fundusz Orientacji i Gwarancji Rolnej, Finansowy
Instrument Wspierania Rybołówstwa. W wyniku przyjęcia tzw. Pakietów Delorsa dwukrotnie
podwajano budżet Funduszów Strukturalnych. Na lata 1994 – 1999 wynosił on 141,5 mld
ECU a na lata 2000 – 2006 planowana jest jego wysokość na poziomie 183,6 mld EURO.
58,07 mld EURO rezerwowane jest dla nowych krajów członkowskich (po ich wstąpieniu).
MONITORING
Proces systematycznego zbierania i analizowania ilościowych i jakościowych informacji na
temat wdrażania projektów w ramach całego programu. Informacje zbierane w systemie
monitoringu mogą dotyczyć zarówno finansowego, jak i rzeczowego aspektu implementacji.
Celem monitoringu jest zapewnienie zgodności realizacji projektów i programu z wcześniej
zatwierdzonymi założeniami realizacji projektów i programu. Dobrze funkcjonujący system
monitoringu pozwala na wczesne wykrywanie zagrożeń prawidłowej i terminowej realizacji
projektu i programu. Na podstawie informacji zebranych w ramach procesu monitoringu,
możliwe jest po zakończeniu wdrażania, dokonanie oceny projektów i programu według
wcześniej określonych kryteriów. Za monitoring odpowiedzialna jest zazwyczaj instytucja
zarządzania programem (projektem).
4
OCENA
Opinia na temat wartości interwencji publicznej sformułowania z uwzględnieniem przyjętych
kryteriów
OCENA EX-ANTE (WSTĘPNA)
Ta ocena prowadzona jest przed rozpoczęciem realizacji projektu. Do jej przeprowadzenia
potrzebny jest w miarę precyzyjny plan programu. Ta ocena ma pomóc w upewnieniu się, że
program jest spójny i odpowiedni dla danego celu. Zazwyczaj taki cel rozważa się w
szerszym kontekście. Ocena ex-ante powinna dostarczyć argumentów do dyskusji, próbować
stwierdzić czy właściwie zidentyfikowano podstawowe problemy rozwoju, czy program jest
zgodny z ogólnymi wytycznymi polityki Wspólnoty oraz czy spodziewane efekty są możliwe
do osiągnięcia. Przy właściwej ocenie ex-ante można w sposób odpowiedzialny podjąć
decyzję o rozpoczęciu realizacji programu. Dodatkowo ocena ta powinna wypracować
podstawy do przyszłego monitoringu i dalszych ocen formułowanych, jeżeli to możliwe, w
oparciu o precyzyjne kryteria ilościowe.
OCENA POŚREDNIA
Oceny tej dokonuje się mniej więcej w połowie okresu trwania programu. Obejmuje ocenę
pierwszych efektów podjętych działań, spójność z oceną wstępną (czy cele zachowują
ważność), jak też przejrzystość i rzetelność zarządzania finansowego oraz jakość monitoringu
i wdrażania. Wskazuje się ewentualne poprawki, jakie trzeba wprowadzić do listy celów
programu. Poprzez porównanie sytuacji obecnej z sytuacją wyjściową wskazuje się kierunek
zaistniałych zmian z uwzględnieniem ogólnego kontekstu społecznego i ekonomicznego.
Pozwala na zidentyfikowanie ewentualnych problemów koordynacji celów z innymi
programami, poprawę zarządzania programem oraz uzasadnia konieczność, (jeżeli takowa
zachodzi) wprowadzenia zmian w programie. Oceny cząstkowe, podobne jak ta pośrednia,
można przeprowadzać również w pierwszych latach trwania programu lub przy jego końcu.
OCENA CIĄGŁA
Ten proces oceniania ma miejsce w całym okresie realizowania programu. Towarzyszy
monitoringowi rezultatów i umożliwia dobrą współpracę pomiędzy zespołem oceniającym a
zarządzającymi programem. Ocena ciągła może być postrzegana jako ciąg dogłębnych
studiów obejmujących analizy kolejnych pytań dotyczących ogólnej oceny programów,
pojawiających się sukcesywnie w trakcie jego realizacji.
5
OCENA EX-POST
Ocena sporządzana po zakończeniu programu. Jej celem jest analiza wykorzystania źródeł
(również finansowych), efektów oczekiwanych i nieoczekiwanych i ogólnej efektywności
programu. Przy tej ocenie należy wskazać na czynniki, które zadecydowały o sukcesie (lub
niepowodzeniu) programu. Dobrze, jeżeli wnioski wynikające z kontroli mogą być
uogólnione również na inne programy. Ponieważ celem omawianej oceny są trwałe efekty
programu, zatem przeprowadza się ja zazwyczaj dwa, trzy lata po zakończeniu programu.
Ocena ex post będzie obowiązkiem Komisji Europejskiej we współpracy z krajem
członkowskim i odpowiednią instytucją wdrażającą. Ma zmierzać ku ocenie wykorzystania
środków wpływu, efektywności, skuteczności działań oraz ich zgodności z oceną ex ante.
Ocena ta zawierać będzie wnioski dotyczące spójności ekonomicznej i społecznej. Będzie
dokonana przez niezależną instytucję i dla okresu 2000 – 2006 ma zostać zakończona przed
31 grudnia 2009 r.
META OCENA
Jest to swego rodzaju ocena ocen. Jej celem jest stwierdzenie czy oceny przeprowadzono
prawidłowo, z zastosowaniem prawidłowych kryteriów i metod, w sposób profesjonalny.
OGÓLNE KRYTERIA OCENY:
1.
Odpowiedniość: stopień, w jakim cele programu odpowiadają zmieniającym się
potrzebom i priorytetom na szczeblu krajowym i unijnym (czy program przyczynia
się do rozwiązania problemu?)
2.
Efektywność: jak zasoby przetworzono w bezpośrednie produkty i rezultaty
3.
Skuteczność: w jakim stopniu program przyczynił się do osiągnięcia celów
szczegółowych i ogólnych.
4.
Użyteczność: czy program przyczynił się do zaspokojenia potrzeb grup docelowych
lub społeczeństw.
5.
Trwałość: czy program dał długookresowe i trwałe efekty
ANALIZA PRZYCZYNOWA
Studia relacji pomiędzy przyczyną i efektem. Ocenia się tu związki pomiędzy interwencją
publiczną, a rezultatami, które mogły być spowodowane ta interwencją. Jeżeli analiza
przyczynowa ma charakter indukcyjny to badamy mechanizmy, które miały wywołać
6
pojawienie
się
efektu,
biorąc
jednocześnie
pod
uwagę
działanie
czynników
współwystępujących, które nie wynikają z zastosowaniem interwencji, ale maja wpływ na
pojawienie się efektu. W dedukcyjnej analizie przyczynowej rozważamy czy fakty nie
przeczą założeniom o występowaniu wpływu interwencji na efekty. Pożądane jest, aby
analiza przyczynowa miała również aspekt ilościowy, a nie tylko jakościowy.
METODA
Kompletny plan pracy grupy oceniającej. Metoda to procedura, stworzona w zadanym
kontekście w celu odpowiedzi na jedno lub więcej pytań rozważanych w procesie oceny.
Niektóre metody oceny są stosunkowo proste, inne mogą zawierać wiele narzędzi
badawczych.
METODOLOGIA
Naukowe podstawy tworzenia metod oceny. Techniczny plan procesu oceny, zawiera nie
tylko czyste procedury naukowe, ale także wykorzystuje wiedzę o charakterze eksperckim.
Pojęcie metodologii używane jest często w rozumieniu metody określonej powyżej.
NARZĘDZIE
Standaryzowana procedura wykorzystywana w procesie oceniania (np. analiza regresji,
badania ankietowe). Narzędzie badawcze służy do zbierania danych ilościowych i
jakościowych, syntezy kryteriów oceny, opisywania celów, szacowaniu wpływu, itd.
Narzędzie ma swoją nazwę, jest opisane w podręcznikach i można się nauczyć jego
stosowania. Niekiedy jego wykorzystanie może być związane w dodatkowymi opłatami,
jeżeli dane narzędzie chronione jest prawem autorskim.
ANALIZA REGRESJI
Narzędzie statystyczne wykorzystywane do ilościowej oceny wpływu kilku zmiennych
objaśniających (interwencji publicznej oraz czynników współistniejących) na zmienną
objaśnianą (efekt). Analiza regresji jest narzędziem dedukcyjnego badania przyczynowości.
Jest oparta na logicznym modelu zjawiska oraz szeregu obserwacji empirycznych. Narzędzia
tego można używać w różny sposób, wykorzystując zmienne skokowe i ciągłe powiązane w
sposób liniowy lub nieliniowy.
7
MODEL MAKROEKONOMICZNY
Narzędzie wykorzystywane do symulacji zachowania się regionalnych, krajowych i
międzynarodowych systemów ekonomicznych. Istnieje wiele tego typu modeli opartych na
różnych teoriach makroekonomicznych. Modele makroekonomiczne są szeroko stosowane do
przewidywania przebiegu zjawisk ekonomicznych, ale mogą stanowić też ważne narzędzie
oceny. Pozwalają one na sformułowanie ilościowej oceny efektu netto, poprzez porównanie
wyników symulacji z uwzględnieniem interwencji publicznej z wynikami symulacji
zakładającej brak tej interwencji. Możemy przewidywać oczekiwane zmiany w zakresie na
przykład wzrostu gospodarczego, zatrudnienia, inwestycji, oszczędności, itp. Modele
makroekonomiczne pozwalają lepiej szacować efekty po stronie popytowej niż podażowej.
ANALIZA POGŁĘBIONA
W ramach tzw. analizy pogłębionej wyróżnia się cztery poziomy analizy wpływu programów:
Poziom 1 – Opisowe studium zmian
Poziom 2 – Porównawcze studium zmian
Poziom 3 – Indukcyjna analiza relacji przyczynowych
Poziom 4 – Ilościowa estymacja wpływu programu
Zwraca się uwagę, że trzy ostatnie poziomy analizy mogą dostarczyć bardzo wartościowych
rezultatów, ale istotnym ograniczeniem są tu koszty takich analiz. Ilościowa ocena efektów
może być wykonywana prostymi metodami, które wykorzystują przyrosty, zmiany udziałów,
przeliczenia prostymi współczynnikami. Zalecenia Komisji Europejskiej przestrzegają jednak
przed zbytnim upraszczaniem procesu ilościowej oceny efektów programów.
2 Modelowanie ekonometryczne – przegląd zagadnień
Jak pokazano w poprzedniej części opracowania modele ekonometryczne powinny
odgrywać istotną rolę w ocenianiu efektów interwencji publicznych. Wielu wybitnych
ekonometryków stwierdza w swych pracach i wypowiedziach publicznych, że modelowanie
ekonometryczne to domena zarówno nauki jak i sztuki. Istnieje ugruntowana teoria
modelowania, ciągle rozwijana i doskonalona, ale do zbudowania modelu ekonometrycznego,
który dobrze opisuje rzeczywistość ekonomiczną, czyni zadość warunkom formalnym oraz
daje niezłe prognozy, potrzeba doświadczenia, wiedzy, intuicji i talentu. Przy bardziej
skomplikowanych konstrukcjach niewątpliwie konieczna jest praca zespołowa i konsultacje
multidyscyplinarne.
8
Zasadniczym celem niniejszego opracowania jest wskazanie na możliwość
wykorzystania modeli ekonometrycznych do oceny sumarycznego efektu funduszy
strukturalnych i funduszu spójności dla gospodarki polskiej, oraz wskazanie warunków, które
trzeba spełnić, aby takie modele można zaprojektować, oszacować, przetestować i w końcu
zastosować. Zakres opracowania nie pozwala wchodzić w szczegóły „techniczne” modeli,
choć takich szczegółowych zagadnień jest wiele i mają one znaczenie dla końcowego
rezultatu modelowania.
Wyróżniająca cechą modeli ekonometryczny jest uwzględnianie w nich składnika
losowego, który reprezentuje pewną „losowość” obecną we wszystkich działaniach mikro i
makroekonomicznych, a także niektóre efekty oddziaływania tych czynników, które nie
zostały explicite umieszczone w modelu.
Można wyróżnić trzy typy modeli ekonometrycznych:
- modele szeregów czasowych
- jednorównaniowe modele regresji
- wielorównaniowe modele ekonometryczne
1.1 Modele szeregów czasowych
Modele tego typu opisują przebieg zjawisk w czasie. Szereg metod analizy szeregów
czasowych (np. modele ARIMA) nie może być zastosowanych do oceny efektu funduszy
strukturalnych ze względu na ograniczoną liczbę obserwacji, jakimi możemy dysponować.
Nawet gdyby przyjąć, że można uwzględnić dane z roku 1990, to w chwili obecnej mamy do
dyspozycji tylko 11 wartości rocznych. Tylko niektóre zmienne makroekonomiczne
publikowane są w ujęciu kwartalnym i przy takich danych liczba obserwacji przekracza
czterdzieści. Jest to w dalszym ciągu zbyt mało, aby można zastosować bardziej
zaawansowane metody modelowania i predykcji. Proste modele szeregów czasowych opierają
się na założeniu, że w całym analizowanym okresie działa ten sam „mechanizm” rozwoju
modelowanego zjawiska. W okresie intensywnej transformacji założenie to może być w wielu
przypadkach niesłuszne.
Dane roczne wykluczają możliwość oceny ewentualnych wahań sezonowych.
Pozostaje więc estymacja trendu, którego ogólny wzór można zapisać jako (2.1)
(2.1)
Yt = f (t ) + ξ t
9
Najprostszą funkcja trendu jest funkcja liniowa, ale dla kształtowania się zmian niektórych
wielkości bardziej właściwa może być funkcja nieliniowa. Po (ewentualnym) sprowadzeniu
modelu do postaci addytywnej estymujemy jego parametry metodą najmniejszych
kwadratów. W wyborze ostatecznej postaci modelu (np. stopnia wielomianu przy trendzie
wielomianowym) pomocne jest testowanie istotności parametrów i kolejne eliminowanie z
modelu tych transformacji zmiennej czasowej, które nie wykazują istotności statystycznej.
Przy ocenie dobroci dopasowania modelu niezmiernie ważne znaczenie ma liczba serii reszt
modelu, czyli odchyleń wartości rzeczywistych od wartości teoretycznych. Serią nazywamy
ciąg reszt o jednakowym znaku. Jeżeli serii takich jest zbyt mało to można sądzić, że
niewłaściwie wyspecyfikowano funkcję f w modelu (2.1).
Możliwość wykorzystania modeli trendu do oceny sumarycznego efektu interwencji
publicznej jest dość ograniczona. Po pierwsze, należy na drodze pozastatystycznej uzasadnić
występowanie związku pomiędzy interwencją a zmienną modelowaną. Skuteczne
oddziaływanie interwencji powinno spowodować „odstąpienie” w okresie prognozowanym
wartości rzeczywistych od modelu trendu. Odchylenia powinny mieć jednakowy znak, czyli
tworzyć serię. Wydaje się, że wystąpienie czterech odchyleń o jednakowym znaku, świadczy
o przyspieszeniu (lub zahamowaniu) wzrostu modelowanej wielkości, bądź powstrzymaniu
(lub pogłębieniu) tendencji spadkowej. Informacja ta może być wykorzystania przy ocenie ex
post. Widać, że dla otrzymania takiego wyniku konieczne jest, aby efekt był długookresowy i
trwały.
1.2 Jednorównaniowe modele regresji
Jednorównaniowe modele ekonometryczne opisują związek ilościowy pomiędzy
zmienną objaśnianą (Y), a zmiennymi objaśniającymi. Mamy więc
(2.2)
Y = f ( X 1 , X 2 ,..., X k ) + ξ
Typowe etapy budowy takiego modelu to:
1. Zdefiniowanie
problemu.
Ustalenie
zmiennej
objaśnianej,
która
ma
być
przedmiotem modelowania.
2. Poszukiwanie teorii ekonomicznej, z której może wynikać zarówno lista czynników
(zmiennych objaśniających) kształtujących zmienną Y, jak również analityczna postać
funkcji regresji (f)
10
3. Ustalenie listy potencjalnych zmiennych objaśniających. Lista ta powinna
obejmować zmienne objaśniające logicznie powiązane ze zmienną objaśnianą. Jeżeli
pewne czynniki są trudno mierzalne (lub praktycznie niemierzalne), mogą być one
reprezentowane pośrednio przez tzw. zmienne symptomatyczne. W modelu można
uwzględnić czynniki jakościowe poprzez wprowadzenie zmiennych jakościowych
kodujących poszczególne stany (warianty) zmiennych jakościowych. Zazwyczaj
staramy się, aby wstępna lista zmiennych objaśniających była jak najszersza.
Naturalnym ograniczeniem jest tu dostępność danych statystycznych. W modelach
opisujących zjawiska makroekonomiczne jesteśmy zdani na informacje zbierane i
publikowane przez państwowe organa statystyki.
4. Zbieranie danych statystycznych. Ogólnie rzecz biorąc jednowymiarowy model
ekonometryczny może być budowany przy wykorzystaniu danych:
a. pochodzących od indywidualnych obiektów ekonomicznych lub jednostek
terytorialnych (są to tzw. dane przestrzenne)
b. dotyczących jednego obiektu w czasie (są to dane czasowe)
c. pochodzących z wielu obiektów w różnych jednostkach czasu (dane
przestrzenno-czasowe)
Przy gromadzeniu danych należy koniecznie przestrzegać wymogu jednorodności.
Dane muszą dotyczyć obszaru lub okresu w których działa w przybliżeniu ten sam
„mechanizm” ekonomiczny Ważnym zagadnieniem jest też niezbędna liczba
obiektów (jednostek czasu) jakie zapewniają rozsądne oszacowanie modelu.
Absolutna granicą minimum, (która powinna też być przestrzegana przy
modelowaniu szeregów czasowych) to trzy obserwacje na jeden parametr
strukturalny modelu. Z drugiej strony trudno jest zapewnić przestrzeganie
ortodoksyjnych zaleceń wymagających setek obserwacji. Istnieją przecież pewne
ograniczenia naturalne dotyczące np. liczby jednostek terytorialnych, czy liczby lat
w okresie uznanym za jednorodny z punktu widzenia przedmiotu badań.
5. Ewentualna eliminacja pewnych zmiennych objaśniających. Jeżeli ściśle opieramy
się na konkretnej teorii ekonomicznej i budujemy model wykorzystujący zmienne
„przewidziane” w teorii wtedy w procesie badawczym nie ma etapu eliminowania
zmiennych objaśniających (eliminowanie to ma miejsce również w jednym z
kolejnych kroków typowej analizy regresji). Gdy do opisania zachowania się
zmiennej objaśnianej poszukujemy optymalnej listy zmiennych objaśniających wtedy
najprawdopodobniej na wstępnej liście tych zmiennych znajdą się zmienne mocno
11
skorelowane. „Dobra” zmienna objaśniająca powinna być skorelowana ze zmienną
objaśnianą a nieskorelowana z innymi zmiennymi objaśniającymi. Unikamy wtedy
zjawiska współliniowości, które między innymi powoduje kłopoty estymacyjne i
sztuczne podnoszenie ważności niektórych informacji. Jednym ze sposobów
uniknięcia tego zjawiska jest pogrupowanie zmiennych objaśniających ze wstępnej
listy w podgrupy (metodami analizy skupień), a następnie wybranie z każdej
podgrupy zmiennej reprezentantki.
6. Estymacja modelu wstępnego. Jeżeli model ma postać addytywną to do szacowania
parametrów strukturalnych modelu stosujemy Metodę Najmniejszych Kwadratów.
Wiele modeli multiplikatywnych da się poprzez proste przekształcenia doprowadzić
do postaci addytywnej. Jeżeli znalezienie transformacji linearyzującej jest niemożliwe
to model można oszacować w postaci oryginalnej stosując iteracyjne metody
estymacji nieliniowej..
7. Weryfikacja istotności parametrów strukturalnych modelu regresji. Etap ten ma
tylko znaczenie objaśniające i pomocnicze jeżeli budujemy model ilustrujący
konkretną teorię ekonomiczną. W innych przypadkach wydaje się rozsądne
umieszczenie w modelu tylko tych zmiennych, których znaczenie („istotność
statystyczna”) jest potwierdzona na drodze weryfikacji hipotezy statystycznej.
Dostępne obecnie pakiety statystyczne (np. STATISTICA PL) pozwalają łatwo
sprawdzić istotność statystyczną parametrów strukturalnych (a przez nie odpowiednich zmiennych objaśniających) poprzez bardzo łatwą interpretację tzw.
„wartości p”.
8. Regresja krokowa. Jej bardziej popularna – i bardziej skuteczna wersja – zwana
regresją krokową wsteczną (zstępującą) przewiduje kolejne eliminowanie nieistotnych
zmiennych objaśniających, (co bardzo ważne - po jednej!) aż do uzyskania modelu w
którym wszystkie zmienne są istotne statystycznie. Taki model nazywany bywa
modelem ostatecznym. W procesie eliminacji, do usunięcia wybiera się każdorazowo
tę zmienna objaśniającą, której współczynnik regresji cząstkowej ma największą
wartość p. Niekiedy zamiast wartości p, jako kryterium eliminowania zmiennych
wykorzystywana jest statystyka F.
9. Analiza reszt. W tym etapie – formalnie rzecz biorąc – sprawdzamy założenia
dotyczące składnika losowego modelu. Praktycznym celem jest też stwierdzenie czy
właściwości reszt nie wskazują na pominiecie w modelu jakiegoś ważnego składnika
systematycznego. Można też dodatkowo zweryfikować poprawność i jednorodność
12
danych statystycznych wykorzystywanych w estymacji. Typowa analiza reszt
obejmuje:
a. Estymację nieparametryczną rozkładu reszt i ocenę jego normalności Zazwyczaj wystarcza sporządzenie histogramu reszt i wzrokowa ocena jego
zgodności z rozkładem normalnym. Oczywiście można stosować tu bardziej
precyzyjne metody, jak Shapiro-Wilka test normalności rozkładu.
b. Ocenę autokorelacji reszt - Z tym problemem mamy do czynienia tylko w
przypadku wykorzystywania danych mających postać szeregów czasowych.
Zazwyczaj bada się tylko autokorelacje rzędu pierwszego (stosując statystykę
Durbina-Watsona). Gdy mamy relatywnie długi szereg czasowy wtedy można
oszacować funkcje autokorelacji dla większej liczby opóźnień, co pozwala
sprawdzić czy nie występują jakieś istotne okresowe wahania regularne.
c. Analizę losowości reszt - Sprawdzamy tu czy sekwencja reszt jest ciągiem
losowym. Oczywiście ta analiza ma sens tylko dla szeregów czasowych, gdzie
reszty maja naturalne uporządkowanie. Bada się wówczas liczbę serii, czyli
ciągów odchyleń o takim samym znaku. Zbyt mała liczba serii wskazuje na
niewłaściwą postać funkcji trendu lub nieuwzględnienie w modelu istotnych
wahań okresowych. Formalnym narzędziem oceny losowości reszt jest test
serii, ale często wystarcza analiza wykresu reszt.
d. Analizę reszt odstających - Na tym etapie identyfikuje się obserwacje, dla
których reszty modelu są szczególnie duże. Przyglądamy się baczniej tym
obserwacjom, dla których reszty są większe, (co do bezwzględnej wartości) niż
dwa odchylenia standardowe składnika resztowego.
Zidentyfikowanie
obserwacji odstającej nie oznacza konieczności jej usunięcia ze zbioru danych.
Jeżeli pominiemy błąd w danych jako źródło nadmiernego odchylenia, to taka
obserwacja
odstająca
może
dostarczyć
interesujących
informacji
o
analizowanym mechanizmie ekonomicznym zjawiska.
10. Ocena dobroci dopasowania modelu do danych empirycznych – Spośród
powszechnie stosowanych miar dobroci dopasowania godne polecenia są: odchylenie
standardowe składnika resztowego (średni błąd dopasowania) oraz współczynnik
zmienności losowej. Należy być bardzo ostrożnym w interpretacji popularnego
współczynnika determinacji R2 (nawet w wersji skorygowanej), gdyż jest on zależny
od wartości współczynników regresji, a nie tylko od rzeczywistej dobroci
dopasowania.
13
11. Kontrola koincydencji. Własność koincydencji polega na tym, że znak każdego
współczynnika regresji cząstkowej jest taki sam jak znak odpowiedniego
współczynnika korelacji. Chodzi o to, aby obydwie miary wskazywały taki sam
kierunek (wzrost lub spadek) zmiany wartości zmiennej objaśnianej powodowany
jednostkowym przyrostem danej zmiennej objaśniającej. Brak koincydencji jest
zazwyczaj spowodowany zbyt dużą liczbą zmiennych objaśniających w modelu lub
ich skorelowaniem.
12. Interpretacja modelu – Interpretacji podlega ogólna postać modelu, wartości
współczynników regresji cząstkowej, dobroć dopasowania, znaczenie składnika
losowego i ewentualna obecność obserwacji odstających.
13. Symulacja i prognozowanie – Jednowymiarowy model ekonometryczny pozwala
prognozować wartości zmiennej objaśnianej dla zadanych wartości zmiennych
objaśniających. W zagadnieniach ekonomicznych najczęściej nie znamy przyszłych
wartości zmiennych objaśniających, dlatego oszacowany model służy raczej jako
narzędzie
symulacji
i
oceny
spodziewanych
efektów
różnych
scenariuszy
ekonomicznych.
Jednorównaniowe modele ekonometryczne mogą być przydatne do oceny efektów
interwencji publicznych zarówno ex post jak i ex ante. Nieprzypadkowo wymieniamy te dwa
typy oceny właśnie w takiej kolejności. Do oszacowania modelu potrzebne są dane
statystyczne za okres, w którym „trwała” interwencja. Ta interwencja i jej rozmiar musi być
w modelu reprezentowana pośrednio lub bezpośrednio. Istotność statystyczna i wartość
odpowiedniego współczynnika regresji cząstkowej wskazuje czy interwencja wpłynęła na
kształtowanie się wartości zmiennej objaśnianej i ocenia wielkość tego wpływu. Dla
przypadku Polski, naturalne ograniczenie czasowe możliwości skorzystania z danych
rocznych sugeruje rozważenie ewentualnego wykorzystania modeli przestrzenno-czasowych,
oszacowanych na podstawie danych o województwach.
1.3 Wielorównaniowe modele ekonometryczne
Rzeczywistość ekonomiczna to zjawiska, które oddziaływają wzajemnie na siebie,
będąc jednocześnie przyczynami i skutkami. Powiązania są nie tylko jednoczesne, ale mają
też charakter relacji opóźnionych. Stąd próby opisania gospodarki przy pomocy modeli
wielorównaniowych. Problematyka ta jest stosunkowo skomplikowana, lecz dość szeroko
14
prezentowana w teoretycznej literaturze ekonometrycznej. W niniejszym opracowaniu
wskażemy na istotne zagadnienia, na które trzeba zwrócić przy budowie modelu
wielorównaniowego.
Wielorównaniowy model ekonometryczny składa się – jak sama nazwa wskazuje – z
wielu powiązanych ze sobą równań, z których przynajmniej cześć uwzględnia obecność
składnika
losowego.
Oto
kilka
podstawowych
pojęć
związanych
z
modelami
wielorównaniowymi.
Zmienne endogeniczne – to zmienne, które są przez model objaśniane i wchodzą w
interakcje z innymi zmiennymi. Zmiennym tym odpowiadają określone równania w modelu.
Zmienne egzogeniczne – wywierają wpływ na zmienne endogeniczne, ale same nie są
wyjaśniane przez model.
Zmienne z góry ustalone – to zmienne egzogeniczne oraz opóźnione zmienne endogeniczne
Funkcje stochastyczne – równania, które zawierają składnik losowy
Tożsamości – albo funkcje deterministyczne, to równania, które nie zawierają składnika
losowego.
Równania behawioralne – to funkcje, które opisują działanie podmiotów ekonomicznych i
wymagają podejmowania określonych decyzji. Równania te kwantyfikują zależności
strukturalne, jakie zachodzą pomiędzy zmiennymi endogenicznymi, z góry ustalonymi, z
uwzględnieniem składnika losowego.
Równania przejść – mają charakter aproksymacji stochastycznych i zastępują odpowiednie
tożsamości. Niektóre składniki tożsamości są pomijane, a w ich miejsce pojawia się składnik
losowy.
Równania instytucjonalne – dotyczą zjawisk, o których kształtowaniu się decydują
określone przepisy prawne
Równania definicyjne – wyrażają zależności rachunkowe zachodzące między zmiennymi
Równania równowagi – to pewien rodzaj tożsamości określających warunki bilansowania
się niektórych zmiennych
W
literaturze
ekonometrycznej
istnieje
wiele
konwencji
zapisu
modelu
wielorównaniowego i wiele sposobów oznaczania wspomnianych powyżej zmiennych. W
tym
opracowaniu
przyjmujemy
zapis
zaproponowany
w
pracy
Welfe
(1995).
Wielorównaniowy liniowy model ekonometryczny można zapisać następująco:
15
α 11 y1t + α 21 y 2t + ... + α M 1 y Mt + β 11 x1t + β 21 x 2t + ... + β K 1 x Kt = ξ 1t
(2.3)
α 12 y1t + α 22 y 2t + ... + α M 2 y Mt + β 21 x1t + β 22 x 2t + ... + β K 2 x Kt = ξ 2t
........................................................................................................
α 1M y1t + α 2 M y 2t + ... + α MM y Mt + β 1M x1t + β 2 M x 2t + ... + β KM x Kt = ξ Mt
gdzie subskrypt m numeruje zmienne endogeniczne (może ich być M), subskrypt k zmienne z
góry ustalone (jest ich K), a subskrypt t oznacza jednostki czasu (których jest T). Model (2.3)
można zapisać w postaci macierzowej (2.4)
(2.4)
YA + XB = Ξ ,
gdzie
 y11
y
Y =  12
 M

 y1T
y 21
y 22
M
y 2T
... y M 1 
... y M 2 
M 

... y MT 
to macierz zaobserwowanych wartości zmiennych endogenicznych,
 x11
x
X =  12
 M

 x1T
x 21
x 22
M
x 2T
... x K 1 
... x K 2 
M 

... x KT 
to macierz zaobserwowanych wartości zmiennych z góry ustalonych,
ξ 11
ξ
12
Ξ=
 M

ξ 1T
ξ 21
ξ 22
M
ξ 2T
... ξ M 1 
... ξ M 2 
M 

... ξ MT 
to macierz nieobserwowalnych składników losowych,
 α 11 α 12
α
α 22
21
A=
 M
M

α M 1 α M 2
... α 1M
... α 2 M
M





... α MM 
to macierz parametrów stojących przy zmiennych endogenicznych,
16
 β 11
β
21
B=
 M

β K1
β 12 ... β 1M 
β 22 ... β 2 M 
M
M 

β K 2 ... β KM 
to macierz parametrów związanych ze zmiennymi z góry ustalonymi.
Przy budowie modeli wielorównaniowych przyjmuje się następujące założenia:
- wartość przeciętna składników losowych jest równa zeru
- wariancja składników jest stała
- składniki losowe z różnych okresów są nieskorelowane
- macierz A jest macierzą nieosobliwą
- drugie momenty zwykłe zmiennych objaśniających istnieją i są skończone
W praktyce nie ma tak, aby we wszystkich równaniach składających się na model
wielorównaniowy były wszystkie zmienne endogeniczne i wszystkie zmienne z góry ustalone.
Stąd wiele elementów macierzy A i B jest równych zeru. Struktura macierzy A określa rodzaj
modelu. Modele takie mogą być następującego typu:
-
Modele proste – w takich modelach macierz A jest diagonalna, co oznacza, ze w
każdym równaniu występuje tylko jedna zmienna endogeniczna
-
Modele o strukturze niezintegrowanej – Model taki składa się z R podukładów o
równaniach współzależnych. Macierz A jest blokowo-diagonalna co można zapisać w
postaci (2.5)
(2.5)
-
A1
0
A=
 M

0
0
A2
M
0
0 
0 
M 

... A R 
...
...
Modele rekurencyjne – Macierz A jest trójkątna o postaci (2.6), czyli zmienne
endogeniczne są tak uporządkowane, że pierwsza z nich zależy tylko od zmiennych z
góry ustalonych, druga zależy od zmiennych z góry ustalonych i pierwszej zmiennej
endogenicznej, trzecia od zmiennych z góry ustalonych i dwóch pierwszych zmiennych
objaśniających, itd
17
(2.6)
-
0
 α 11
α
α 22
21
A=
 M
M

α M 1 α M 2





... α MM 
...
...
0
0
M
Modele blokowo-rekurencyjne – Macierz A ma w tych modelach strukturę blokowotrójkątną, analogiczną do (2.6), lecz z podmacierzami kwadratowymi w miejsce
pojedynczych parametrów α.
-
Modele o równaniach współzależnych – Z modelem takim mamy do czynienia
wówczas, gdy po uporządkowaniu układu równań macierz A nie jest ani diagonalna ani
trójkątna względem elementów lub bloków
W modelach o równaniach współzależnych ważnym problemem jest zagadnienie
identyfikacji równań modelu. Problem ten ukazuje się wyraźnie w tzw. formie zredukowanej
modelu. W tej postaci modelu każda zmienna objaśniana jest przedstawiona jako funkcja
zmiennych z góry ustalonych i składnika losowego. Postać zredukowaną modelu uzyskuje się
mnożąc równanie (2.4) przez macierz odwrotną A-1, co oczywiście wymaga, aby macierz A
była nieosobliwa. Problem identyfikacji (Por. Sadowski [1997]) polega na odpowiedzi na
pytanie czy na podstawie znajomości parametrów modelu zredukowanego da się
jednoznacznie wyznaczyć parametry modelu zapisanego w postaci strukturalnej (2.4). Dla
modeli rekurencyjnych można wykazać, że są one zawsze identyfikowalne. W modelach o
równaniach współzależnych część równań może być nieidentyfikowalnych. Oznacza to, że
równanie w modelu o postaci zredukowanej może odpowiadać różnym postaciom
odpowiedniego równania z postaci strukturalnej. Z kolei takie równanie w postaci
strukturalnej reprezentuje konkretną hipotezę (teorię) makroekonomiczną i jednoznaczność
jest tu niezbędna. Identyfikowalność równań można niekiedy umożliwić poprzez pewne
przekształcenia lub wykorzystanie dodatkowych informacji. Przekształceniem takim jest
normalizacja, która „sprowadza” parametr jednej ze zmiennych endogenicznych do jedynki.
Dodatkowa informacja może dotyczyć zerowania się niektórych parametrów, ich konkretnej
wartości (różnej od zera) lub sumowalności się kilku parametrów do stałej. Podstawowym
warunkiem identyfikowalności równania jest wymóg, aby liczba zmiennych egzogenicznych
nie występujących w równaniu była mniejsza od liczby zmiennych endogenicznych
występujących w tym równaniu.
Estymacja modeli wielorównaniowych nie jest zagadnieniem prostym. Klasyczna
Metoda Najmniejszych Kwadratów nie dostarcza estymatorów o pożądanych własnościach
18
dla modeli o równaniach współzależnych. Może jednak być stosowana z powodzeniem do
modeli prostych i rekurencyjnych. Ogólnie rzecz biorąc metody estymacji stosowane w
modelach wielorównianiowych o równaniach współzależnych dzielą się na metody estymacji
pojedynczych równań układu oraz metody łącznej estymacji całego układu równań. Bliższe
omówienie tych procedur jest niemożliwie w tym tekście, dlatego ograniczamy się tylko do
bardzo skrótowej ich charakterystyki.(Gujarati [1988], Welfe [1995])
Metody estymacji pojedynczych równań:
-
Pośrednia metoda najmniejszych kwadratów - Najpierw sprowadza się model do
postaci zredukowanej i do każdego równania takiego modelu stosuje się Klasyczną
Metodę Najmniejszych Kwadratów. Na podstawie tak otrzymanych ocen szacuje się
współczynniki strukturalne.
-
Metoda zmiennych instrumentalnych
-
Podwójna metoda najmniejszych kwadratów – Klasyczna Metoda Najmniejszych
Kwadratów jest tu używana dwukrotnie: raz do oszacowania parametrów modelu w
postaci zredukowanej i drugi raz do wyznaczenia parametrów modelu wyjściowego
-
Metoda największej wiarygodności z ograniczoną informacją – Maksymalizuje się tu
funkcję wiarygodności na zmiennych endogenicznych, które występują jako zmienne
objaśniające w konkretnym równaniu
-
Metoda estymatorów klasy k – Metoda ta jest uogólnieniem podwójnej metody
najmniejszych kwadratów
-
Metody łącznej estymacji układu równań:
-
Potrójna metoda najmniejszych kwadratów – W pierwszym kroku metody liczy się
każdej zmiennej endogenicznej względem wszystkich zmiennych z góry ustalonych , aby
otrzymać oszacowania parametrów postaci zredukowanej. W drugim kroku dokonuje się
powtórnej estymacji każdego równania oddzielnie, wykorzystując wcześniej otrzymane
oceny. W trzecim kroku estymowane są parametry modelu wyjściowego.
-
Metoda największej wiarygodności z pełną informacją – Estymatory otrzymuje się tu
maksymalizując funkcje wiarygodności za względu na macierze parametrów A i B oraz
macierz kowariancji składników losowych.
19
Stosując modele wielorównaniowe jesteśmy zainteresowani nie tylko poziomem
zmiennych endogenicznych w przyszłości, ale także kierunkiem i siłą reakcji tych zmiennych
na zmiany zmiennych egzogenicznych. (Goryl i in. [2000]). Informacji tej dostarczają
współczynniki tzw. końcowej postaci modelu wielorównaniowego. Postać ta przedstawia
bieżące zmienne endogeniczne jako funkcje zmiennych egzogenicznych i składnika
losowego. Uzyskuje się ją z postaci zredukowanej poprzez eliminacje opóźnionych
zmiennych
endogenicznych.
Parametry
stojące
przy
nieopóźnionych
zmiennych
egzogenicznych nazywane są mnożnikami bezpośrednimi. Eliminując z postaci zredukowanej
opóźnienia o jeden okres uzyskujemy informacje o wpływie zmiennych egzogenicznych z
okresu (t-1). Odpowiednie parametry przy tych zmiennych nazywane są mnożnikami
pośrednimi. Poprzez usuwanie kolejnych opóźnień otrzymujemy ciągi kolejnych mnożników
opóźnionych wyższych rzędów, które pozwalają ustalić mnożniki skumulowane dla
opóźnienia do zadanego rzędu.
Warto zwrócić uwagę na trzy podejścia do modelowania, jakie rozwinęły się w
ekonometrii (Pagan[1994]). Dla ich wyjaśnienia załóżmy, że obserwujemy zmienną losową
Yt. Dysponujemy pewnym „modelem” tej zmiennej g(Xt,θ) opisującym jej związek ze
zmiennymi egzogenicznymi Xt. Przy uwzględnieniu składnika losowego mamy
(2.7)
Yt = g ( X t ;θ ) + ξ t
W klasycznej ekonometrii (takiej, jaka prezentowana jest na przykład w podręczniku
Johnstona [1983] ) funkcja g(Xt;θ) ustalana jest na drodze pewnych rozważań teoretycznych.
Składnik losowy konsumuje niezgodności teorii z danymi rzeczywistymi i nakłada się na
niego pewne postulaty formalne, takie jak na przykład nieskorelowanie z funkcją g(Xt;θ). W
latach 70-tych i 80-tych to ujęcie zostało skrytykowane przez zwolenników podejścia
formalno-statystycznego. Dane są traktowane jako realizacja wielowymiarowej zmiennej
losowej, a g(Xt;θ) reprezentuje warunkową nadzieję matematyczną. Teoria ekonomiczna ma
tu mniejsze znaczenie, a często jest wprowadzana do modelu niejako ex post. W latach 90tych zarysowało się trzecie podejście do modelu (2.7). Funkcja g(Xt;θ) traktowana jest jako
formalny model ekonomiczny. Stochastyczne własności tracą na znaczeniu. Takie podejście
związane jest głównie z pojawieniem się szkoły makroekonomicznej określanej mianem Real
Business Cycle. Ta literatura spopularyzowała termin kalibracja. W tym podejściu nacisk
20
kładziony jest na funkcję g(Xt;θ) definiowaną przez formalny model teoretyczny, podczas
gdy nie dba się zbytnio o precyzję w zakresie oceny składnika losowego. Model teoretyczny
ma tu ważniejsze znaczenie niż procedury estymacyjne. W tym kontekście rozwinięto szereg
metod nieklasycznych pozwalających na znalezienie parametrów modelu na przykład poprzez
symulację.
W wielu dokumentach Komisji Europejskiej znajdujemy uwagi podkreślające
znaczenie
makroekonomicznych
modeli
ekonometrycznych
w
ocenie
efektów
wykorzystywania funduszy unijnych. Jednocześnie wskazuje się na skomplikowany charakter
tego narzędzia. Wskazuje na to na przykład tabela szacunkowych kosztów niektórych technik
oceny.
Szacunkowa ocena kosztów niektórych technik oceny
Koszty (na osobę na miesiąc)
Czas trwania w miesiącach
Badania ankietowe
Średnie
3
Badania z wykorzystaniem
indywidualnych wywiadów
Badania wyróżnionych grup
Średnie
2
Niskie
2
Analiza przypadków
Średnie
3
Analizy statystyczne
Niskie
2
Panele ekspertów
Średnie
4
Wykorzystanie modelu
Niskie
ekonometrycznego
Opracowanie modelu
Wysokie
ekonometrycznego
Źródło: Evaluating Socio-economic Programmes [1999 ], vol.1, str.80
2
6
Model makroekonomiczny ujmuje w pewien schemat funkcjonowanie gospodarki w
stanie równowagi. Pozwala symulować reakcję gospodarki na wpływy egzogeniczne, poprzez
obserwowanie teoretycznych reakcji zmiennych endogenicznych. Wielorównaniowy model
ekonometryczny jest bezcennym narzędziem do sporządzania ocen ex ante. Wyznaczamy
dwie prognozy. Jedna przy założeniu występowania konkretnej interwencji publicznej, a
druga bez niej i proste porównanie tych prognoz pozwala ocenić znaczenie interwencji.
Można także założyć postulowany efekt sumaryczny i poszukiwać takiej interwencji, która
ten efekt zagwarantuje.
21
Spośród dotychczas zbudowanych makromodeli ekonometrycznych szczególne
znaczenie teoretyczne zyskały modele HERMIN (Special Report [1998]). Zwraca się również
uwagę (Special Report [2000]) na możliwość zastosowania innych zaawansowanych metod
ekonometrycznych, jak modele VAR (vector autoregresion models), regionalnych modeli
równowagi ogólnej (CGE) oraz modeli dynamiki rozkładów (MEDD).
Modelowanie ekonometryczne musi być ściśle związane z ogólnym stanem i fazą
modelowanej gospodarki. W odniesieniu do modelowania gospodarek w okresie tran formacji
Welfe [2000] zwraca uwagę na występowanie trzech podokresów:
1.
komercjalizacja i prywatyzacja prowadzą do zwiększenia wrażliwości
przedsiębiorstw i innych podmiotów na zmiany relatywnych cen, co
dotyczy przede wszystkim relacji cen dóbr pochodzenia krajowego i
dóbr importowanych
2.
stabilizacja
gospodarcza
pociąga
za
sobą
wydłużenie
czasu
dostosowań, a także zmniejszenie ryzyka, co pobudza aktywność
inwestycyjną i przyciąga zagraniczne inwestycje bezpośrednie
3.
efekty wzrostu gospodarczego ujawniają się w formie nie tylko
przyrostu realnych wynagrodzeń i dochodów, ale także do
finansowania wydatków z kredytu konsumpcyjnego
3 Teoria makromodeli małej gospodarki otwartej ( small – open
–economy macromodels)
Kryzys lat 70’ przyczynia się do podważenia teorii Keynesa, w których gospodarką
kierował wyłącznie popyt. Zwrócono uwagę na koszty jako główny czynnik determinujący
produkcję. Takie podejście zostało przyjęte w jednosektorowym modelu małej gospodarki
otwartej, w którym zakłada się, że wszystkie dobra są zbywalne (T) na rynkach
międzynarodowych. Nie wyklucza to jednak zastosowania teorii Keynesa w innych
modelach. Zostaje ona wykorzystana w dwusektorowym modelu małej gospodarki otwartej,
w którym obok sektora dóbr zbywalnych jest wprowadzony sektor dóbr niezbywalnych (NT)
na rynkach międzynarodowych. W modelu tym pewną rolę dla gospodarki odgrywa popyt na
rynku krajowym.
22
3.1 Jednosektorowy model małej gospodarki otwartej ( small – open –
economy - SOE)
W modelu tym zakłada się, że wszystkie dobra są zbywalne, przedsiębiorstwa działają w
warunkach konkurencji doskonałej. Takie założenia niosą za sobą dwie konsekwencje. Po
pierwsze dobra produkowane w kraju
są substytucyjne wobec dóbr produkowanych za
granicą, tak więc ceny dóbr krajowych nie mogą odbiegać od cen na rynku
międzynarodowym. Po drugie, przedsiębiorstwa są w stanie sprzedać żądaną wielkość
wyprodukowanych dóbr przy zachowaniu aktualnych cen panujących na rynkach
międzynarodowych.
Zasadę „ jednej ceny” zakładającą arbitraż dóbr, opisuje następująca relacja:
pT t = et pTt*
(1)
gdzie:
T – indeks oznaczający dobra zbywalne na rynku międzynarodowym ( transferable )
t – indeks określający dany okres czasu
et- kurs walutowy
pt* - cena dobra zbywalnego na rynku międzynarodowym
pt – cena dobra na rynku krajowym
Przy przyjęciu określonego kursu wymiany, powyższe równanie oznacza, że inflacja
w danym kraju jest determinowana przez sytuację na rynkach międzynarodowych.
Model SOE, przy założeniu warunków konkurencji doskonałej, zawiera funkcje
nieskończonej elastyczności cenowej popytu na produkcję na rynkach międzynarodowych
(DT) i funkcję nieskończonej elastyczności cenowej podaży produkcji na rynku
międzynarodowym (ST). Przedstawia to rysunek 1. Zakładamy cenę początkowa na poziomie
pT0. Dla uproszczenia przyjmujemy, że inflacja równa się 0.
23
T
P
T
T
S (W/P )
p
T
0
DT
YT0
DT0
Rys. 1 Międzynarodowy rynek dóbr zbywalnych– funkcja popytu – podaży (D/S)
Optymalna wielkość produkcji może być określona poprzez maksymalizację funkcji
zysków (π) przedsiębiorstwa. Funkcja ta ukazuje związek pomiędzy korzyściami skali,
wielkością produkcji w równowadze i zyskiem. Aby obliczyć wielkość produkcji
przedsiębiorstwo powinno ustalić wielkość nakładów pracy (L) i wartość nakładów
inwestycyjnych (I). Funkcja zysków ma następującą postać:
(2)
πT t= pTt YTt – rTtpTt (KTt + ITt + bITt 2) – wTtLTt
gdzie:
Lt- roboczogodziny, nakłady pracy
wt- stawka płac za godzinę, płace nominalne
Kt – godziny pracy maszyn, nakłady kapitału produkcyjnego
It – nakłady inwestycyjne
rt - rynkowa stopa procentowa
wtLt – poziom płac, wynagrodzenie za pracę
YTt = FTt (KTt + ITt + LT t ) – funkcja produkcji przedstawiająca stałe dochody skali, produkcja
rośnie proporcjonalnie do nakładów
Ft- mnożnik przedstawiający stopę płac realnych
24
rTt pTt (KTt + ITt + bIT t2) – koszt kapitału, cena wydzierżawienia ( wynajęcia ) kapitału
b – współczynnik wrażliwości wydatków inwestycyjnych na zmiany stopy procentowej
Optymalizacja prowadzi do określenia następujących funkcji nakładów pracy i nakładów
inwestycyjnych:
(3)
FTL, t = wTt/pTt
(4)
ITt = I(FTK, t/rTt )
Jeżeli określimy przychody skali, to krańcowe wartości kapitału i nakładów pracy
zależą tylko od relacji kapitał – praca. Przy danym poziomie nakładów kapitału, wzrost płac
realnych doprowadzi do spadku zatrudnienia i inwestycji. Podwyższenie stóp procentowych
przy przyjętym poziomie płac realnych również będzie prowadziło do redukcji inwestycji
i zatrudnienia. Powyższy model pokazuje więc, że wielkość produkcji jest zdeterminowana
przez poziom realnych płac i stóp procentowych. Zależność ta jest pokazana na rysunku 1.
Żądanie podwyższenia płac przez pracowników spowoduje przesunięcie krzywej podaży
produkcji (ST) w lewą stronę, a więc spadek produkcji.
W przedstawionym modelu należy również zwrócić uwagę na czynniki wpływające na
bilans handlowy. Deficyt handlowy zależy od nadwyżki wydatków ( C +I + G) nad
dochodami ( YT). Jeżeli na rysunku 1 wydatki są reprezentowane przez DT0, a dochody przez
YT0, to deficyt handlowy wynosi DT0 – YT0. W miarę zwiększania wydatków rządowych, przy
zachowaniu dochodów z produkcji na niezmienionym poziomie, deficyt handlowy ulega
zwiększeniu. W momencie, kiedy należy go finansować z dochodów z podatków pojawiają
się żądania pracowników o podwyższenie płac. W związku z tym zatrudnienie i produkcja
spadną.
Należy także rozpatrzyć dewaluację. Wzrost kursu wymiany waluty obcej na walutę
krajową spowoduje wzrost cen krajowych i przesunięcie krzywej podaży/popytu do góry.
Jeżeli płace w kraju nie ulegną zmianie to wielkość produkcji oraz i zatrudnienia wzrosną, a
deficyt handlowy spadnie.
25
4 Wady jednosektorowego modelu SOE
Główną wadą modelu jest założenie, że przedsiębiorstwa mogą sprzedaż całość
wytworzonej produkcji po aktualnych cenach. Założenie to jest nierealne. Podjęte zostały
próby weryfikacji tego założenia i dostosowania modelu do realiów rynkowych.
Zaproponowano model w którym dobra są produkowane przez niezależne firmy
międzynarodowe ( MNCs) ( multinarodowe ). Decyzje co do cen nie zależą od ograniczeń
przyjętych w modelu SOE. Kiedy światowa produkcja rośnie, MNCs również zwiększają
swoją produkcje we wszystkich przedsiębiorstwach w których dobra są produkowane,
niezależnie od ich lokalizacji. Wartość inwestycji każdego z MNC dokonywana w danym
sektorze, który odpowiada modelowi SOE, zależy od konkurencyjności tego sektora. Dzięki
temu na produkcję w każdym z sektorów odpowiadających modelowi SOE ma wpływ
poziom kosztów w danym kraju i popyt na rynkach międzynarodowych na określone
produkty.
Inną wadą modelu jest fakt, że Parytet Siły Nabywczej ( PPP), nie jest zachowany dla
konkretnych okresów czasu. PPP zakłada, że zależność pomiędzy poziomem cen na rynku
krajowym i międzynarodowym jest następująca:
(5)
pTt = et pTt*
Jeżeli niektóre dobra nie są zbywalne na rynkach międzynarodowych, więc arbitraż między
rynkami jest niemożliwy, PPP będzie utrzymany, tylko w sytuacji, gdy zmiany ( szoki ) na
rynkach będą nieznaczne i długookresowe.
Następną słabością modelu jest fakt, iż nie uwzględnia on możliwości opisania
wpływu wydatków rządowych na gospodarkę.
4.1 Dwusektorowy model małej gospodarki otwartej
Do jednosektorowego modelu SOE
został dodany drugi sektor - sektor dóbr
niezbywalnych na rynku międzynarodowym (NT). Założenia dotyczące produkcji
i zatrudnienia w warunkach rynku towarów zbywalnych pozostają takie, jak przyjęte
26
poprzednio, podczas, gdy sektor NT działa na zasadach modelu gospodarki zamkniętej. Cena
dóbr należących do sektora NT jest wyznaczana na podstawie zależności popytu i podaży na
te dobra.
PN
SN (W/PN)
DN
YN
Rys. 2. Sektor dóbr niezbywalnych na rynku międzynarodowym
Analogicznie do sytuacji z dobrami zbywalnymi, podaż na dobra niezbywalne (SN) zależy od
stopy płac realnych w sektorze (wNt/pNt), natomiast popyt na nie (DN), zależy od cen
względnych i realnych wydatków, co można przedstawić w następujący sposób:
DNt = DNt [ pNt/pTt ; YTt + ( pNt/pTt ) YNt ]
(6)
gdzie:
N - indeks oznaczający dobra niezbywalne na rynku międzynarodowym
pNt – cena dobra niezbywalnego na rynku międzynarodowym
Pierwsza pochodna jest ujemna, druga dodatnia. Zwiększenie popytu na dobra niezbywalne
powoduje przesunięcie krzywej popytu DN w prawo na rysunku 2. Ceny i produkcja w
sektorze ulegają wzrostowi.
Popyt na dobra zbywalne zależy od cen względnych i realnych wydatków w
następujący sposób:
27
DTt = DTt[ pNt/pTt ; YT t + ( pNt/pTt ) YNt ]
(7)
Obie pochodne w tym przypadku są dodatnie. Wzrost cen względnych dóbr niezbywalnych
oraz wzrost produkcji w sektorze NT zwiększają popyt na dobra zbywalne, przesuwając
prostą DT na prawo na rysunku 1.
Dewaluacja przesuwa linię popytu/podaży na rynkach międzynarodowych w górę i
zwiększa YT. Wzrost względnych cen dóbr zbywalnych zwiększa popyt na dobra niezbywalne
i prowadzi do ekspansji w tym sektorze.
Jeżeli przyjmujemy, że płace są sztywne i nadążają za odgórnie sterowanym poziomem
inflacji, to sztywność realnych płac możemy zapisać jako:
wt = Φ (pNt , pTt )
(8)
gdzie Φ jest liniową funkcją homogeniczną.
Jeżeli nawet założymy, że popyt na płace będzie liniowo homogeniczny w stosunku
do cen, to nawet niewielkie zmiany w polityce fiskalnej spowodują realne efekty dla
gospodarki. Przeanalizujmy te efekty. Z przyjętym w modelu SOE stałym kursem
walutowym, wartość pT pozostaje stała, tak więc jakikolwiek wzrost wartości pN powoduje
niższy od proporcjonalnego wzrost wartości krańcowych kosztów pracy (w). Wzrost
wydatków rządowych na dobra niewymienne, w tym scenariuszu, powoduje wzrost DN i pN.
Ponieważ w wzrasta wolniej niż pN, to spadek płac realnych stymuluje produkcję i
zatrudnienie w sektorze NT. Różnice w płacach (szok płacowy) są przemieszczane do sektora
dóbr wymiennych, więc stopa płacy realnej (wT/pT) wzrasta, natomiast YT i poziom
zatrudnienia maleją.
Zagregowane zatrudnienie może być w tym przypadku obliczane jako:
(9)
Lt=LNt ( pNt/wt ) + LTt ( pTt/wt )
28
oraz z równania (8).
Efekt fiskalnej ekspansji jest pozytywny, neutralny lub negatywny, w zależności od tego czy
poniższe wyrażenie jest większe, równe czy mniejsze od jednego:
[ε (LNt ; pNt/wt )/ ε (LTt; pTt/wt)][ ε (wt; pTt ) / ε (wt; pTt ) ][ LNt / LTt]
(10)
Funkcje po lewej stronie równania przedstawiają elastyczność popytu na zatrudnienie i na
płace. Całkowite zatrudnienie rośnie na skutek zwiększonych wydatków rządowych na dobra
niezbywalne, wyższej elastyczności popytu na zatrudnienie i wyższego poziomu zatrudnienia
początkowego w tym sektorze oraz mniejszego wpływu cen dóbr niezbywalnych na płace
nominalne.
Przyjmując warunek, iż w długim okresie zwrot na kapitale jest zrównoważony pomiędzy
sektorami, funkcje cen w modelu SOE możemy zapisać jako:
(11)
pNt = aLN,t w + aKN,t r
(12)
pTt = aLT,t w + aKT,t r
gdzie:
r- stopa dochodu
a ij,t - jednostki czynnika i przypadające na jednostkę produkcji dobra j w czasie t
zmienne w i pTt są stałe, pNt i r są niewiadomymi,.
Ze względu na możliwość nieelastyczności płac, dla zachowania równowagi w modelu, r
musi być endogeniczny dla regionu /SOE ( ponieważ pT, w oraz r nie mogą być jednocześnie
egzogeniczne ), czyli odpowiadająca danemu rynkowi.
Badania empiryczne przeprowadzone na podstawie Irlandii sugerują, że stopę zyskowności w
długim okresie możemy zapisać jako:
K= K( r – r *)
gdzie:
29
K- zasób kapitału krajowego
r* - stopa zyskowności na rynku międzynarodowym
Powyższe równanie wraz z równaniami (11), (12) pozwala na stworzenie układu trzech
równań z trzema niewiadomymi ( przy założeniu sztywności cen ). Jest to model równowagi
rynkowej.
W powyższym modelu zwrot na kapitale jest
uzależniony od czynników wewnętrznych,
ograniczenia fiskalne w zakresie sztywności płac są przyczyną realokacji kapitału z sektora
NT do sektora T, relacja kapitał- zatrudnienie pozostaje niezmienna w każdym sektorze,
zatrudnienie zależy od intensywności zmian w obu sektorach ( Helpman 1976).
Oprócz bardziej realnego wpływu polityki fiskalnej na gospodarkę, jedną z zalet
wprowadzenia sektora dóbr niezbywalnych na rynkach międzynarodowych jest to, iż
odchylenia od parytetu siły nabywczej stają się w tym kontekście łatwiejsze do analizy.
Parytet siły nabywczej zakłada, że powiązania: pTt = et pTt* są prawdziwe nie tylko dla cen
dóbr zbywalnych, ale także poziomów cen. Założenie to będzie prawdziwe jedynie w sytuacji
gdy ceny względne ( współczynnik cen dóbr niewymiennych do dóbr zbywalnych, realny
kurs wymiany ) są stałe. Należy przy tym zauważyć, że odnosi się to sytuacji gdy zmiany
gospodarcze mają naturę monetarną .
Poprzez wprowadzenie sektora dóbr niezbywalnych, możemy opisać rynek posługując
się łatwym do analizy, modelem keynesowskim, kierowanym popytem. Mając na uwadze
konkurencję panującą na rynku oraz możliwość arbitrażu, trudno jest wyobrazić sobie
długotrwałe odchylenia od zasady jednej ceny na rynku. Jakkolwiek jest możliwa
nierównowaga cen w krótkim okresie na rynku dóbr niezbywalnych.
Warunkami recesji w ujęciu Keynesa jest brak elastyczności płac nominalnych i cen
niektórych dóbr. W związku z tym, jeśli nastąpi spadek popytu na dobra niezbywalne na
rynkach międzynarodowych, produkcja w tym sektorze zostanie ograniczona, jednak nie
będzie to stymulujące dla ekspansji rynku dóbr zbywalnych. W ujęciu Keynesa spadek
wydatków rządowych będzie miał wpływ na produkcje i zatrudnienie, podczas , gdy płace
będą zamrożone.
Krótkookresowy brak elastyczności cen dóbr niezbywalnych oznacza, że dewaluacja
nominalnego kursu wymiany przekłada się na deprecjację kursu realnego. Wywołany tym
spadek płac realnych w stosunku do produkcji w sektorze dóbr zbywalnych pobudza do
30
ekspansji, podczas, gdy efekty domina ( reakcje łańcuchowe ) przedstawione w równaniu (7)
spowodują równoczesną ekspansję drugiego sektora.
Polityka fiskalna i kursów walutowych wywierają efekt pozytywny w krótkim okresie na
recesję w warunkach modelu Keynesa. Podobny wpływ ma również polityka monetarna.
5 Modele ekonometryczne gospodarki polskiej
Modelowanie procesów zachodzących w gosp0darce polskiej ma miejsce od wielu lat. Istotną
trudnością modelowania gospodarki polskiej
za pomocą modeli ekonometrycznych o
estymowanych parametrach są przebiegające w ostatnich 12 latach generalne zmiany i
przejście od gospodarki scentralizowanej charakterystycznej dla krajów należących do RWPG
do modelu gospodarki rynkowej dostosowanej do reguł i zasad obowiązujących w Unii
Europejskiej. Należy podkreślić, że proces tych zmian trwa w dalszym ciągu i to niewątpliwie
utrudnia modelowanie. Trudne jest również skalowanie modeli ekonometrycznych w takich
warunkach, gdyż dane historyczne, które na ogół są podstawą do kalibracji modelu, w
zasadzie ze względu na przebiegający proces transformacji gospodarki, mogą w bardzo mało
wiarygodny sposób odzwierciedlać trendy i aktualnie panujące w gospodarce.
Przykładowo, można wskazać trzy następujące modele, jako powszechnie znane
specjalistom tematu:
! Model KEMPO
! Model W8
! Model WIR 1
Obecnie w syntetyczny sposób zostaną one omówione.
1.1 Model KEMPO [1]
Model KEMPO jest makroekonomicznym modelem sektorowym gospodarki Polski.
Pierwsza wersja modelu powstała w roku 1994. Wyróżnia się w nim cztery sektory
gospodarki odpowiadające sektorom instytucjonalnym jakie wyodrębnia się w rachunkach
narodowych GUS:
! Sektor przedsiębiorstw (P)
! Sektor gospodarstw domowych (GD)
! Sektor instytucji rządowych, samorządowych i niekomercyjnych (R)
31
! Sektor usług finansowych (F)
Między sektorami następują przepływy dóbr i usług w ujęciu agregatowym oraz strumieni
pieniężnych. Rezultatem tych przepływów są zmiany zasobów rzeczowych i pieniężnych w
sektorach.
Model opiera się na danych od roku 1990, wynika z tego, że niektóre zmienne
egzogeniczne
nie
mogą
być
oszacowane
metodami
ekonometrycznymi
z
braku
wystarczających szeregów czasowych ustalane są na podstawie ogólnej wiedzy ekonomicznej
o kierunkach powiązań pomiędzy poszczególnymi zmiennymi modelu oraz przeprowadzaniu
symulacji przy konstruowaniu scenariusza bazowego. Opracowano kilka wersji modelu
KEMPO, między innymi KEMPO 94, 96, 97, 97A, w poszczególnych wariacjach modelu
KEMPO występuje kilkaset równań i zmiennych – w modelu KEMPO 97 A 200 równań
i 400 zmiennych.
Model KEMPO jest narzędziem do budowania scenariuszy rozwoju, procedura
budowy scenariusza jest następująca - buduje się scenariusz podstawowy, potem poprzez
zmianę poszczególnych danych egzogenicznych i zmiennych decyzyjnych bada się
wrażliwość gospodarki na poszczególne zmiany w stosunku do tzw. scenariusza bazowego.
Scenariusze bazowe zdeterminowane są przez:
! początkowe wartości zmiennych endo- i egzogenicznych dla roku bazowego (1995)
! założeniach o kształtowaniu się parametrów autonomicznych i decyzyjnych w latach
następnych po roku bazowym
! założeniami
o
wartościach
współczynników
elastyczności
w
równaniach
behawioralnych modelu
1.2 Model W8 [2,4]
Model W 8 jest modelem jednosektorowym, traktującym gospodarkę narodową jako
całość, tj. bez podziału według rodzajów działalności na sekcje (działy) gospodarki. Struktura
modelu została oparta na systemie rachunków narodowych.
Składa się on z czterech bloków równań. Generują one podstawowe składniki popytu
finalnego – na podstawie funkcji spożycia i inwestycji – oraz uwzględniają wyniki handlu
zagranicznego – produkt krajowy brutto (PKB). Kolejny blok równań generuje – przy użyciu
transformowanych funkcji produkcji – podaż dóbr i usług oraz potencjał produkcyjny.
32
Wielkości te są konfrontowane z popytem finalnym (stosuje się uogólniona zasadę
minimum). Pozwala to na analizę stopnia wykorzystania potencjału i czynników produkcji.
Zmiany potencjału produkcji są z kolei powiązane z działalnością inwestycyjną. Model
umożliwia także oszacowanie zapotrzebowanie na siłę roboczą i – poprzez porównanie go z
podażą – określenie stopy bezrobocia.
Model zawiera następnie blok równań generujących system cen i płace. Model
zamykają równania opisujące podstawowe składniki przepływów finansowych w układzie
zintegrowanych sektorów instytucjonalnych, tj. dochody, wydatki i oszczędności gospodarstw
domowych, przedsiębiorstw
i budżetu państwa
oraz zasobów pieniężnych i ich
wykorzystania.
W modelu uwzględniono podstawowe sprzężenia zwrotne występujące w sferze
realnej i finansowej. Może on stanowić dogodny punkt wyjścia do konstrukcji submodeli, np.
handlu zagranicznego lub sektora przedsiębiorstw według rodzajów działalności.
Model dopuszcza występowanie stanów niezrównoważenia gospodarki, zwłaszcza w
kontekście dostosowań średniookresowych.
Podstawowe równania modelu ( np. funkcje produkcji, popytu konsumpcyjnego i
inwestycyjnego, cen i płac) mają charakter stochastyczny. Ich parametry w związku z tym
były szacowane na podstawie długich szeregów czasowych. Szeregi te odnoszą się do danych
rocznych, obejmujących lata 1960 – 1993, które zostały sprowadzone do porównywalności.
Jako wiodącą przyjęto koncepcję rachunków narodowych (SNA). Wymagało to między
innymi przeszacowania makrokategorii dla lat 1960 – 1979 z układu bilansów gospodarki
narodowej (MPS) w układ SNA, tj. oszacowania produktu krajowego brutto oraz jego
składowych.
Model W 8 należy do rodziny modeli W.
1.3 Model WIR [3]
Model WIR jest makroekonomicznym modelem sektorowym gospodarki Polski..
Wyróżnia się w nim trzy sektory gospodarki:
! sektor wysokiej techniki
! sektor infrastruktury
! sektor produkcji pozostałej
33
Podział ten jest umowny, gdyż nie ma żadnych danych statystycznych umożliwiający
dokonanie go w sposób w pełni miarodajny. W gromadzeniu informacji wejściowej oparto się
na uproszczonych szacunkach:
! Do sektora wysokiej techniki włączona została duża część działalności przemysłu
precyzyjnego i elektronicznego oraz część przemysłu chemicznego i innych gałęzi
przemysłu;
! Infrastruktura kojarzona jest z usługami łączności, transportu, części sektora
bankowego, części gospodarki komunalnej; nie jest włączona tu natomiast taka
tradycyjnie infrastrukturalna dziedzina jak „mieszkalnictwo”, starano się wyodrębnić
te „gałęzie infrastrukturalne”, które mają aktywny, bezpośredni wpływ na przebieg
procesów gospodarczych.
W rachunkach symulacyjnych założono apriorycznie, że na rynku dóbr i usług będzie
występować „coraz lepsza” równowaga.. Oznacza to coraz niższą inflację i dość szybkie
osiągnięcie optymalnego stopnia wykorzystania mocy produkcyjnych, co w konsekwencji
prowadzi do usunięcia sztucznych barier popytowych.
Implikacją tych założeń jest
wyznaczenie aktywności gospodarczej na podstawie zmian zdolności produkcyjnych.
Zdolności produkcyjne w poszczególnych sektorach są ograniczone przez zasoby majątku
(wraz ze stopniem ich wykorzystania) oraz przez powiązania z sektorem infrastruktury
Proces reprodukcji środków trwałych ujmuje wieloletnie cykle inwestycyjne (narastanie
nowych generacji majątku, sektorowo zróżnicowane) oraz likwidację części istniejącego
zasobu środków trwałych. Zmiany zdolności produkcyjnych zależeć więc będą m.in. od
intensywności i alokacyjnej struktury inwestowania. Będą również zależeć od powiązania z
sektorem infrastruktury, założono bowiem, że sektory charakteryzują się określoną
infrachłonnością, wyznaczającą zdolności produkcyjne w zależności od ogólnego rozwoju
infrastruktury. Istota tego założenia jest oczywista: nie jest możliwe, aby jakikolwiek sektor
aktywności gospodarczej wykazywał dynamiczny wzrost przy znaczącym niedorozwoju
usług infrastrukturalnych.
Szczególne wyróżnienie sektora wysokiej techniki ma znaczenie dla kształtowania się
eksportu. Założono bowiem, że konkurencyjność eksportu może być budowana w długim
okresie wyłącznie w związku z nasyceniem gospodarki wysoką techniką.
Model WIR jest również narzędziem do budowania scenariuszy rozwoju.
34
6 Model HERMIN
Model HERMIN – empiryczny model gospodarki opracowany przez Bradleya [7,8] został
zastosowany pierwotnie w Irlandii do modelowania zjawisk gospodarczych, a następnie do
modelowania wpływu transferów środków Unii Europejskiej na gospodarkę irlandzką. Model
ten został również zastosowany z sukcesem do opisu funkcjonowania gospodarki kraju
kandydującego do członkostwa w UE i jednocześnie kraju charakteryzującego się
transformacją gospodarki z systemem scentralizowanej gospodarki komunistycznej do
gospodarki wolnorynkowej. Model HERMIN adaptowano do warunków takiej gospodarki na
przykładzie Estonii [7]. Modele Bradleya wydają się być, jako akceptowane przez
administrację Komisji Europejskiej i zastosowane z sukcesem w krajach Unii i krajach
kandydujących, podstawowym punktem wyjściowym dla zbudowania modelu dla polskiej
gospodarki narodowej. Obecnie w syntetyczny sposób przedstawimy model HERMIN
bazując na jego estońskiej wersji, która z wielu względów wydaje się być najbardziej
interesująca dla polskich zastosowań.
Podstawowymi założeniami postawionymi modelowi były:
(i)
rozłożenie modelu na niezbyt dużą liczbę głównych sektorów, które jednak pozwalają
modelować kluczowe sektorowe zmiany w gospodarce i przesunięcia między tymi
sektorami na przestrzeni lat zmian systemowych w gospodarce,
(ii)
model powinien ujmować mechanizmy, przez które gospodarka będąca w
transformacji jest połączona z zewnętrznym światem gospodarczym,
(iii)
model musi dopuszczać możliwość występowania gwałtownych zmian wynikających
z charakteru ustrojowych zmian w gospodarkach krajów kandydujących związanych z
dostosowanie ich do wspólnego rynku.
Należy podkreślić, że drugie i trzecie założenie jest niezmiernie ważne i aktualne w sytuacji
Polski. Zewnętrzna gospodarka światowa ma coraz większy bezpośredni i pośredni wpływ na
gospodarkę w transformacji przez wymianę handlową towarów i usług, inflację, migrację
populacji, bezpośrednie inwestycje zagraniczne, zjawiska boomu i recesji gospodarczej w
skali całego świata i rynku europejskiego. W trzecim założeniu istotną kwestią jest
podkreślenie i zauważenie faktu wpływu zmian systemowych wynikających z procesu
dostosowania się do członkostwa w UE na kształt samego modelu, a zwłaszcza na jego
empiryczny, bazujący na historycznych obserwacjach, proces wyznaczania parametrów.
35
Z tego powodu model HERMIN koncentruje się na kluczowych sektorach gospodarek
będących w procesie zmian uwzględniając:
-
otwarcie ekonomiczne relacji do handlu światowego łącznie z reagowaniem na
wewnętrzne i zewnętrzne kryzysy gospodarcze,
-
relacje i charakter zmian między częścią gospodarki podlegającej wolnemu handlowi i nie
podlegającej łącznie ze zmianami strukturalnymi,
-
mechanizmy wyznaczające zarobki i ceny,
-
mechanizmy funkcjonowania rynku pracy i jego elastyczność wraz w miarę możliwości z
uwzględnieniem roli migracji pracowników między regionami w skali międzynarodowej,
-
rolę sektora publicznego i długu publicznego oraz interakcji między sektorem publicznym
i niepublicznym.
Model HERMIN jest makroekonomicznym modelem składającym się z czterech składowych
sektorowych: produkcja (głównie sektor handlowy) – OT
usługi (głównie sektor non – traded) – ON
rolnictwo – OA
usługi publiczne (nie będące rynkowymi) – OG
Struktura modelu jest trójdzielna i składa się z trzech głównych bloków:
-
strona zaopatrzenia i dostaw (supply side)
-
strona absorpcji
-
strona dystrybucji przychodów.
Z tego powodu model jest zintegrowanym układem równań i dodatkowymi zależnościami
opisującymi relacje między poszczególnymi składowymi. Stan definiują trzy wielkości:
GDP – produkt narodowy brutto jako wynik wyjściowy,
GDG – wydatki narodowe brutto,
GDI – dystrybucja przychodów.
Strona wydatków modelu HERMIN rozkłada się na 5 składowych:
-
konsumpcja prywatna (CONS),
-
konsumpcja publiczna (G),
-
inwestycje (I),
-
zmiany na giełdzie (DS),
-
bilans handlowy (NTS).
36
1.1 Opis strony podażowej w modelu
Strona podażowa modelu, czyli głównie produkcja OT, jest modelowana wykładniczo
zależnością, która po zlogarytmowaniu sprowadza się do prostej zależności liniowej
log(OT ) = a1 + a 2 log(OW ) + a 3 log(ULCT / POT ) + a 4 log(FDOT ) + a5 log(POT / PWORLD ) + a 6 t
gdzie:
OW – popyt zewnętrzny
FDOT - współczynnik wewnętrznego popytu (absorpcji)
ULCT / POT - koszty jednostkowe pracy
POT / PWORLD – względny poziom cen krajowych do światowych
t – czynnik czasu
Podobnie jest z modelem opisującym wartość usług ON
log(ON ) = a1 + a 2 log(FDON ) + a 3 log(OW ) + a 4 t
gdzie: FDON – miara krajowego popytu na usługi
OW – produkcja światowa
1.1.1 Czynniki popytu
W modelu HERMIN zastosowano dla produkcji jak i usług funkcję postaci:
[
−ρ
]
1
−ρ − 9
OT = A ⋅ exp(λt )δ {LT } + (1 − δ ){KT }
gdzie:
OT – wartość dodana,
LT – zatrudnienie,
KT – kapitał giełdowy,
A – parametr skali,
g – stała elastyczności,
s – czynnik intensywności parametru,
λ – współczynnik Hicksa,
37
Dla obu sektorów (produkcja i usługi) czynnik popytu jest uzyskany na podstawie
minimalizowania kosztów przy zadanej wartości wyjściowej.
 r
I = h1  Q, 
 w
 r
L = h2  Q, 
 w
gdzie:
w – koszt pracy
r – koszt kapitału
Q – wartość wyjściowa (OT lub ON)
I – inwestycje
L – zatrudnienie
Zasoby kapitału są generowane przez rekurencyjną formułę
K t = I t + (1 − δ )K t −1
oraz gdzie iloraz kapitału do wartości wyjściowej Q jest proporcjonalny do wzoru inwestycji
do wartości wyjściowej Q
I
a
= (δ + g )
K
Q
gdzie: g – jest wzrostem wartości wyjściowej Q
δ – współczynnik deprecjacji.
Należy pamiętać, że cały czas mamy do czynienia z dwoma sektorami: produkcji (T) i usług
(N) i choć równania opisujące popyt są funkcyjnie takie same, to inne będą jednak ich
parametry wyznaczone na podstawie dopasowania na bazie danych historycznych. W sektorze
produkcyjnym wartość wyjściowa OT jest uzależniona od światowego i krajowego popytu
oraz od międzynarodowej konkurencyjności. W sektorze usług wartość wyjściowa ON jest
uzależniona od ważonego całkowitego popytu.
1.1.2 Wyznaczenie poziomu wynagrodzeń
Równanie wyznaczające poziom wynagrodzeń ma również logarytmiczno – liniowy charakter
38
log(WT ) = a1 + a 2 log(POT ) + a 3 log(WEDGE ) + a 4 log(LPRT ) + a 5UR
gdzie:
WT – poziom zarobków,
POT – cena wyrobów produkcyjnych,
WEDGE - poziom podatkowy,
LPRT – produkcyjność siły roboczej,
UR – poziom bezrobocia.
Równanie powyższe bazuje na tzw. modelu skandynawskim [4], uwzględniającym cztery
następujące zmienne objaśniające:
-
ceny wyjściowe: cena, którą producent może uzyskać za wynik w jasny sposób wpływa
na cenę, za którą czynniki wejściowe (np. w szczególności pracownicy) mogą być
uzyskane
-
poziom opodatkowania:
-
poziom bezrobocia: efekt krzywej bezrobocia generalnie wskazuje, że im więcej jest
bezrobotnych tym mniejsza presja na podnoszenie płac i poziom płac u zatrudnionych i
poszukujących pracy,
-
produktywność siły roboczej: pochodzi od uzyskiwanego efektu wartości dodanej oraz od
oczekiwań zatrudnionych, że też będą beneficjantami wzrostu tego parametru.
Rolnictwo: wielkości wyjściowe i czynniki wejściowe
Modelowanie sektora rolniczego ma miejsce całkowicie jako szeregu czasowego o
wyestymowanych na bazie historycznej parametrach dla wielkości wyjściowej OA,
zatrudnienia – LA oraz zasobów kapitału KA. Ze względu na brak wiarygodnych modeli dla
Estonii ceny wyjściowe POA też były zadawane zewnętrznie.
Sektor publiczny: wielkość wyjściowa i zatrudnienie
Zatrudnienie w sektorze publicznym oraz inwestycje są instrumentami polityki gospodarczej
w modelu. GDP w sektorze publicznym jest zadana jako równa wydatkom płacowym i
niepłacowym. Dalsze szczegóły związane z opodatkowaniem i wydatkami są zadane w bloku
opisującym dystrybucję przychodów.
39
Demografia i podaż siły roboczej
HERMIN wykorzystuje do wyznaczania wzrostu populacji wskaźniki wzrostu naturalnego
modyfikowane przez wskaźniki migracji. Wskaźniki migracyjne netto można modelować
podejściem Harris – Todoro, które uzależnia wielkość migracji od względnej atrakcyjności
rynku krajowego względem międzynarodowego rynku pracy w otoczeniu kraju, który jest
modelowany. Dla Estonii był to rynek fiński. Atrakcyjność jest zazwyczaj mierzona przez
wartość oczekiwanych zarobków (iloczyn prawdopodobieństwa zatrudnienia i przeciętnego
wynagrodzenia w regionie).
1.2 Absorpcja w stronie popytowej modelu HERMIN
Konsumpcja prywatna
Podobnie jak w rozwiniętych krajach, konsumpcja w gospodarstwach domowych stanowi
największą składową zagregowanego popytu również w gospodarkach krajów podlegających
zmianom systemu gospodarczego. W modelu HERMIN zastosowano najprostszy model
konsumpcji gospodarstw domowych CONS
CONS = a1 + a 2 YRPERD
gdzie: YRPERD - rzeczywisty dochód gospodarstw domowych. Z tego prostego modelu
wynika, że konsumpcja ograniczona jest przez płynność finansową.
Bilans handlowy netto
Model HERMIN nie uwzględnia w modelowaniu produkcji eksportowej i importu dla działań
produkcyjnych w jawnej postaci. Zamiast tego zastosowane jest wyznaczenie bilansu
handlowego netto (nadwyżki lub niedoboru) jako różnicy między GDP na podstawie wartości
wyjściowej GDPFC oraz absorpcji krajowej GDA (tj. konsumpcji gospodarstw domowych i
sfery publicznej, inwestycji i zmian na giełdzie).
Sektor publiczny
HERMIN
uwzględnia pewną liczbę parametrów umożliwiających modelowanie sektora
publicznego. W ramach sumarycznych wydatków publicznych rozróżnia się konsumpcję
40
sfery publicznej (głównie zarobki zatrudnionych w sektorze publicznym), transfery finansowe
(opieka społeczna, subwencje, dotacje, dopłaty do oprocentowania pożyczek) oraz wydatki
kapitałowe (mieszkania komunalne, na infrastrukturę, grunty dla przemysłu).
Sektor finansowy
W pierwszym modelu HERMIN dla Estonii nie ma sektora finansowego. Stąd kurs wymiany i
oprocentowanie kredytów są zmiennymi zewnętrznymi. Finansowanie zadłużenia sektora
publicznego jest dokonywane w najprostszy możliwy sposób, a więc przez dopisywanie
przyrostu netto pożyczek sektora publicznego do sumarycznego zadłużenia.
Dochód krajowy
Podstawowe równanie określające dochód YC ma następujący kształt:
YC = GDPFCV – YW,
gdzie GDPFCV oznaczone GDP at factor cost, YW – płace dla całej gospodarki.
Dochód sektora prywatnego jest wyznaczony z zależności:
YP = GDPFCV + GTR,
gdzie GTR jest sumarycznym transferem z sektora publicznego do prywatnego.
Dochody sektora gospodarstw domowych YPER są zdefiniowane przez
YPER = YP – YCU,
Gdzie YCU jest tą częścią globalnego dochodu YC, która jest reinwestowana i nie jest
dystrybuowana do gospodarstw domowych. Ostatecznie dochód dysponowany przez sektor
gospodarstw domowych YPERD określa zależność:
YPERD = YPER – GTY,
Gdzie GTY jest sumarycznym opodatkowaniem płaconym przez sektor gospodarstw
domowych. To prowadzi do prostej funkcji konsumpcji CONS:
41
CONS = a1 + a 2YPERD ,
która podlega kalibrowaniu (wyznaczeniu współczynników a1 i a 2 ) na podstawie danych
historycznych.
1.3 Kalibrowanie modelu HERMIN
W standardowym modelu HERMIN występuje blisko 200 równań, z których część jest
ujęta dla zwiększenia przejrzystości modelu oraz ułatwienia zadań symulacyjnych.
Podstawy modelu zawarte są w mniejszej liczbie równań, a z kolei tylko blisko 20 z nich ma
charakter behawioralny w sensie ekonomicznym. Z tego powodu mamy do czynienia z
procesem kalibracji równań. Należy jednak mieć na uwadze, że tak jak w przypadku Estonii
dostępne było 5-6 rocznych obserwacji dla zadanej zmiennej, tak w przypadku Polski będzie
to maksymalnie10 danych rocznych, gdyż dane sprzed 1990 roku należy uznać w wielu
przypadkach jako niewłaściwe do kalibracji modelu. Fakt tak niewielkiej liczby obserwacji
ma
znaczenie
dla
procesu
kalibracji,
gdyż
eliminuje
możliwość
zastosowania
wyrafinowanych technik statystycznych, które mogą być stosowane przy dostatecznie dużej
liczbie danych dostępnych.
W modelu HERMIN podstawową metodą kalibracji jest klasyczna metoda
najmniejszych kwadratów (OLS – ordinary least squares). W przypadku Estonii wyniki
kalibracji modyfikowano dodatkowo w oparciu o teoretyczne przesłanki oraz empiryczne
dane uzyskane wcześniej dla innych kandydackich krajów UE, takich jak Grecja, Irlandia i
Portugalia. Należy zatem stwierdzić, że sposób kalibracji modelu jest połączeniem
klasycznych zalgorytmizowanych metod kalibracji z wiedzą dodatkową wnoszoną przez
badacza do procesu kalibracji z analogicznych, aczkolwiek subiektywnie uznanych,
przesłanek.
Główne równania behawioralne, które podlegają kalibracji w modelu HEREMIN są
następujące:
•
GDP – produkt narodowy brutto powstający w przemyśle (OT)
•
wskaźnik popytu w przemyśle (dla zatrudnienia (LT) i inwestycji (IT))
•
wskaźnik deflacyjny GDP dla przemysłu (POT)
•
przeciętne roczne wynagrodzenie w przemyśle (WT)
•
GDP – produkt narodowy brutto powstający w usługach (ON)
•
wskaźnik popytu w sektorze usług (dla zatrudnienia (LN) i inwestycji (IN))
42
•
czynnik deflacyjny dla usług rynkowych (PON)
•
GDP powstający w rolnictwie, leśnictwie i rybołówstwie (OA)
•
Zatrudnienie w rolnictwie, leśnictwie i rybołówstwie (LA)
•
Ustalony capital stock w rolnictwie, leśnictwie i rybołówstwie (KA)
•
populacja w trzech przedziałach:
-
przedprodukcyjny wiek (NJUV)
-
produkcyjny wiek (NWORK)
-
poprodukcyjny wiek (NELD)
•
wskaźnik netto emigracji (NMRAT)
•
konsumpcja gospodarstw domowych (CONS)
•
współczynnik innowacyjności (DS)
•
ceny wydatków (inwestycyjnych (PI) i konsumpcyjnych (PCONS))
Powyższy zbiór równań behawioralnych jest włączony w zbiór innych równań
opisujących zachowanie się modelu, które jednak nie zawierają wartości liczbowych
parametrów, które muszą być kalibrowane. Łącznie, równania behawioralne i równania
modelu tworzą zintegrowany układ równań i żadne z nich nie powinno być rozpatrywane
odrębnie od pozostałych.
7. Dane wejściowe niezbędne dla zastosowania modelu HERMIN
Należy podkreślić, że układ zależności behawioralnych i niebehawioralnych
opisujących model HERMIN zostały opisane w punkcie 6. Punkt 7 opisuje bardzo generalnie
proces kalibracji modelu, który będzie miał swoją specyfikę w zależności od ilości i jakości
dostępnych danych wejściowych umożliwiających kalibrację. Z oczywistych względów musi
to nieco inaczej wyglądać dla przypadku Irlandii, gdy dostępne są stosunkowo długie szeregi
czasowe danych związanych z funkcjonowaniem w warunkach gospodarki rynkowej, inaczej
w przypadku Estonii, gdy szeregi czasowe są bardzo krótkie (5-6 lat), a jeszcze inaczej musi
to wyglądać dla Polski, gdy danych w szeregu czasowym będzie dwa razy więcej niż w
przypadku Estonii. Kalibracja modelu jest kwestią generalnie techniczną i do rozwiązania
43
specyficzną dla danego kraju. Podstawą jest dostępność danych wejściowych, występujących
w modelu HERMIN, bądź tez wskazanie ich adekwatnych substytutów. Dlatego obecnie
przedstawione będą pełne listy niezbędnych danych statystycznych, które są konieczne dla
zbudowania ilościowego modelu dla danego kraju. Na tej podstawie można będzie dokonać
wstępnej analizy możliwości zastosowania modelu w polskiej rzeczywistości
Tabela 1. Spis danych statystycznych potrzebnych dla modelu HERMIN w Estonii.
1.
2
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
31.
32.
33.
Dane
Produkt narodowy brutto: sektor przemysłowy (produkcja) w cenach
bieżących
Produkt narodowy brutto: sektor przemysłowy (produkcja) w cenach
stałych
Produkt narodowy brutto: sektor nieprzemysłowy (usługi) w cenach
bieżących
Produkt narodowy brutto: sektor nieprzemysłowy (usługi) w cenach
stałych
Produkt narodowy brutto: sektor rolnictwa w cenach bieżących
Produkt narodowy brutto: sektor rolnictwa w cenach stałych
Produkt narodowy brutto: sektor publiczny w cenach bieżących
Produkt narodowy brutto: sektor publiczny w cenach stałych
Podatki na towary, ceny bieżące
Podatki na towary, ceny stałe
Dotacja na towary, ceny stałe
Wskaźnik poziomu cen bieżących w sektorze usług
finansowych (FISIM)
Wskaźnik poziomu cen stałych w sektorze usług finansowych (FISIM)
Konsumpcja w gospodarstwach domowych, w cenach bieżących
Konsumpcja w gospodarstwach domowych, w cenach stałych
Konsumpcja w sektorze państwowym, w cenach bieżących
Konsumpcja w sektorze państwowym, w cenach stałych
Inwestycje ogółem, w cenach bieżących
Inwestycje ogółem, w stałych cenach
Giełda papierów wartościowych, ceny bieżące (zmiana zapasów)
Giełda papierów wartościowych, ceny stałe
Eksport dóbr i usług w cenach bieżących
Eksport dóbr i usług w cenach stałych
Import dóbr i usług w cenach bieżących
Import dóbr i usług w cenach stałych
Deprecjacja („Konsumpcja stałego kapitału”)
Dochody państwa z podatku: społeczne składki pracodawcy
Bieżące wydatki: ogółem dotacje
Dochody z podatku importowego i podatku w sektorze przemysłowym
Liczba osób zatrudnionych w sektorze przemysłowym
Liczba osób zatrudnionych w sektorze usługowym
Liczba osób zatrudnionych w sektorze rolniczym
Liczba osób zatrudnionych w sektorze państwowym
Skrót
OTV
OT
ONV
ON
OAV
OA
OGV
OG
GTE
GTRE
GSRUB
YAFS
YRAFS
CONSV
CONS
GV
G
ITOTV
ITOT
DSV
DS
XV
X
MV
M
DEP
GTYSOCE
GSUBTOT
GTPI
LT
LN
LA
LG
44
34.
35.
36.
37.
38.
39.
40.
41.
42.
43.
44.
45.
46.
47.
48.
49.
50.
51.
52.
53.
54.
55.
56.
57.
58.
59.
60.
61.
62.
63.
64.
65.
66.
67.
68.
69.
70.
71.
72.
73.
74.
75.
76.
77.
78.
79.
80.
81.
Zatrudnienie ogółem w tysiącach
Płace zatrudnionych w sektorze rolniczym
Płace zatrudnionych w sektorze przemysłowym
Płace zatrudnionych w sektorze usługowym
Płace zatrudnionych w sektorze państwowym
Ogółem liczba ludności (średnia)
Siła robocza (ludność w wieku produkcyjnym)
Liczba ludności w wieku przedprodukcyjnym
Liczba ludności w wieku poprodukcyjnym
Saldo migracji
Zarejestrowani bezrobotni
Beneficjanci zasiłku dla bezrobotnych
Dochody państwa z podatków - ogółem podatek dochodowy
Dochody państwa z podatków - podatek dochodowy od osób prawnych
Dochody państwa z podatków – z tytułu ubezpieczeń społecznych
Dochody państwa z podatków od własności
Dochody państwa – dochody nie-podatkowe
Państwowe dochody kapitałowe oraz z tytułu dotacji
Wydatki bieżące państwa – odsetki od zadłużenia
Wydatki bieżące państwa – transfery bieżące
Wydatki bieżące państwa – transfery PLUS
Zadłużenie narodowe
Wydatki bieżące państwa – transfery
Wydatki państwa – transfery debetowe za granicę
Dochody państwa – transfery z zagranicy - kredyty
Dochody netto z zagranicy
Współczynnik netto dochodu z zagranicy
Transfery kapitałowe z zagranicy
Udział inwestycji w przemyśle
Udział inwestycji usługowych
Udział inwestycji w rolnictwie
Udział inwestycji w sektorze państwowym
Udział maszyn i wyposażenia w inwestycjach w sektorze państwowym
Udział maszyn i wyposażenia w inwestycjach w sektorze prywatnym
Długoterminowa stopa procentowa w koronach
Krótkoterminowa stopa procentowa w koronach
Oprocentowanie obligacji państwowych (trzymiesięcznych)
Stopa bezrobocia w Finlandii
Wskaźnik eksportowy dla Finlandii
Wskaźnik eksportowy dla Szwecji
Wskaźnik eksportowy dla Niemiec
Wskaźnik eksportowy dla Anglii
Wskaźnik eksportowy dla Danii
Wskaźnik eksportowy dla Holandii
Wskaźnik eksportowy dla Stanów Zjednoczonych
Wskaźnik eksportowy dla Norwegii
Wskaźnik eksportowy dla Francji
Wskaźnik eksportowy dla Włoch
LTOT
YWA
YWT
YWN
YWG
N
LF
NJUV
NELD
NM
UOFF
UB
GTYTOT
GTYC
GTYSOC
GTPROP
GREVO
GREVK
GTRND
GTRCURR
GTRK
GND
GTRU
GTRABR
GREVABR
YFN
BPTPRNE
BPTCK
ITVSHR
INVSHR
IAVSHR
IGVSHR
WIGME
WIOME
RNL
RNS
RNG
URFN
XWFN
XWSD
XWGE
XWUK
XWDK
XWNL
XWUS
XWNW
XWFR
XWIT
45
82.
83.
84.
85.
86.
87.
88.
89.
90.
91.
92.
93.
94.
95.
96.
97.
98.
99.
100.
101.
102.
103.
104.
105.
106.
107.
108.
109.
110.
111.
112.
113.
114.
115.
116.
117.
Wskaźnik eksportowy dla Austrii
Wskaźnik eksportowy dla Łotwy
Wskaźnik eksportowy dla Litwy
Wskaźnik eksportowy dla WNP
Wskaźnik eksportowy dla innych państw
Wskaźnik importowy dla Finlandii
Wskaźnik importowy dla Szwecji
Wskaźnik importowy dla Niemiec
Wskaźnik importowy dla pozostałych krajów UE
Wskaźnik importowy dla Łotwy
Wskaźnik importowy dla Litwy
Wskaźnik importowy dla WNP
Wskaźnik importowy dla pozostałych krajów
Indeks produkcji przemysłowej w Litwie
Indeks produkcji przemysłowej w Łotwie
Indeks produkcji przemysłowej w WNP
Indeks produkcji przemysłowej w innych krajach Europy Wschodniej
Indeks produkcji przemysłowej w Finlandii
Indeks produkcji przemysłowej w Szwecji
Indeks produkcji przemysłowej w Niemczech
Indeks produkcji przemysłowej w Anglii
Indeks produkcji przemysłowej w Danii
Indeks produkcji przemysłowej w Holandii
Indeks produkcji przemysłowej w Stanach Zjednoczonych
Indeks produkcji przemysłowej w Norwegii
Indeks produkcji przemysłowej we Francji
Indeks produkcji przemysłowej we Włoszech
Indeks produkcji przemysłowej w Austrii
Ceny produkcji przemysłowej w Finlandii
Ceny produkcji przemysłowej w Szwecji
Ceny produkcji przemysłowej w Niemczech
Kurs wymiany korony estońskiej do korony fińskiej
Kurs wymiany korony estońskiej do korony szwedzkiej
Kurs wymiany korony estońskiej do marki niemieckiej
Kurs wymiany korony estońskiej do euro
Kurs wymiany korony estońskiej do dolara amerykańskiego
XWOE
XWLAT
XWLIT
XWCIS
XWOTH
MWFN
MWSD
MWGE
MWEUO
MWLAT
MWLIT
MWCIS
MWOTH
LATIP
LITHIP
CISIP
OTHIP
FNIP
SDIP
GEIP
UKIP
DKIP
NLIP
USIP
NWIP
FRIP
ITIP
OEIP
PFNFMK
PSDSWK
PGEDM
EEKFMK
EEKSWK
EEKDM
EEKEURO
EEKDOL
Analizując dane potrzebne do uruchomienia modelu HERMIN dla gospodarki Estonii należy
zauważyć, że zdecydowana większość danych
w grupie do pozycji 70 ma charakter
uniwersalny i jest dostępna do gospodarki polskiej w odpowiednich opracowaniach GUS.
Odrębnym problemem są dane opisujące interakcje gospodarki Estonii ze światem – pozycje
powyżej 70. W tym przypadku dla Polski konieczne jest opracowanie analogicznego modelu
wymiany gospodarczej z zagranicą, który z pewnością będzie inny, niż w przypadku Estonii.
Odmienne są bowiem uwarunkowania zewnętrzne polskiej gospodarki niż gospodarki Estonii.
46
Odrębnym problemem jest dostępność danych ogólnych w pozycjach 1-70 dla polskich
regionów. W przypadku całego kraju dane te wydają się być stosunkowo łatwe do
pozyskania. Przy rozdzielczości regionalnej konieczne może być dostosowanie programów
badawczych GUS do potrzeb modelowania ex ante.
Wnioski końcowe
1. Istnieją sprawdzone modele ekonometryczne gospodarki polskiej opracowane dla
różnych potrzeb badawczych przez polskie ośrodki badawcze, np. KEMPO, WIR, etc.,
lecz dla zastosowania ich na potrzeby oceny wpływu funduszy przedakcesyjnych i
strukturalnych UE na gospodarkę polską konieczne jest daleko idące ich
dostosowanie.
2. Modele polskie, po przeprowadzeniu takich modyfikacji nie gwarantują ich uznania i
akceptacji ze strony administracji Komisji Europejskiej jako narzędzie do monitoringu
i ewaluacji wykorzystania funduszy europejskich w Polsce.
3. Przedstawiony
model
Bradleya
jest
sprawdzonym
i
akceptowanym
przez
administrację brukselską narzędziem do monitorowania i ewaluacji wykorzystania
funduszy europejskich w krajach takich jak Irlandia, Grecja, Portugalia. Model też
może być w stosunkowo łatwy sposób dostosowany do warunków polskich. Dobrym
punktem wyjściowym jest jego udana implementacja dla Estonii, która jest podobnie
jak Polska przykładem gospodarki przekształcającej się z sytemu nierynkowego do
systemu zgodnego ze wspólnym rynkiem UE.
4. Dla zastosowania modelu Bradleya w warunkach polskich konieczne jest:
•
Pożądana jest szczegółowa weryfikacja struktury modelu Bradleya pod kątem jej
zgodności z realiami polskiej gospodarki.
•
prowadzenie w ścisłej współpracy z autorem wspólnych prac badawczych
w zakresie zmian i dostosowań modelu do warunków polskich, w tym
implementacji do województw,
•
ścisła współpraca z GUS w zakresie zgromadzenia niezbędnych danych
wejściowych umożliwiających identyfikację i kalibrację modelu, szczególności w
rozdzielczości wojewódzkiej.
5. Trzeba dokładnie zidentyfikować teoretyczne założenia makroekonomiczne modelu.
Ze względu na ograniczone możliwości zastosowania statystycznej weryfikacji
47
istotności parametrów strukturalnych właściwa struktura modelu ma decydujące
znaczenie dla poprawności wyników i trafności prognoz.
6. Dla zapewnienia właściwej implementacji modelu Bradleya w Polsce pożądane jest
powołanie interdyscyplinarnego zespołu badawczego, w którym reprezentowani będą
ekonomiści, statystycy, ekonometrycy, regionaliści oraz przedstawiciele administracji
publicznej.
7. Należy zwrócić uwagę na możliwość wykorzystania modelu Bradleya dla Polski
(w przypadku jego szybkiego zbudowania) w negocjacjach dotyczących kwot
funduszy przeznaczonych dla naszej gospodarki, a także w dyskusji publicznej w
sprawie konkretnych korzyści wynikających z przystąpienia Polski do Unii
Europejskiej
48
BIBLIOGRAFIA:
1. Czerwiński Z., Kiedrowski R., Panek E.: Model KEMPO 97 jako podstawa
scenariuszy rozwoju gospodarki polskiej w podziale na sektory instytucjonalne,
Modele i modelowanie makroekonomiczne – zastosowanie, IRiSS seria: „Raporty” z.
56, Warszawa 1997,
2. Welfe W., Welfe A., Florczak W., Symulacyjny makroekonometryczny model W8
gospodarki Polski, Gospodarka Narodowa, nr 12/1996, s.32-46,
3. Barteczko K., Bocian A., Wzrost gospodarczy Polski do 2010 roku (model WIR-1 –
symulacje makroekonomiczne), Gospodarka Narodowa nr 12/1996, s. 56-66,
4. Welfe W., The Macroeconomic Simulation Model W8 of the Polsih Economy, Courbis
R., Welfe W. (red.), Central and Eastern Europe on its Way to European Union.
Simulation Studies based on Macromodels, P. Lang, Frankfurt, s. 507-582,
5. Jarociński M., Jednosektorowy model realnego cyklu koniunkturalnego na przykładzie
Niemiec, Gospodarka Narodowa nr 9/1997, s. 15-26,
6. Wojtyna A., Nowy keynesizm w strukturze myśli ekonomicznej lat 80-tych i 90-tych
(cz. I i cz.II), Gospodarka Narodowa nr 9/1997 i 10/1997,
7. Bradley J., Kangur A., Kearney I., A medium-term macro-sectoral model of Estonia:
structure, properties and forecasts, ESRI report, 2001
8. Bradley J., Whelan K., HERMIN Ireland, Economic Modelling 12, special issue, s
249-274.
9. Barczak A.S., Biolik J., Podstawy ekonometrii, akademia Ekonomiczna im. Karola
Adamieckiego w Katowicach, Katowice1998
10. Ekonometria, Gruszczyński M., Podgórska M. (red.), Szkoła Główna Handlowa,
Warszawa 1996
11. Evaluating Socio-economic Programmes, Office for Official Publications of the
European Communities, European Communities, Luxembourg 1999
12. Gajda J.B., Wielorównaniowe modele ekonometryczne. Estymacja, symulacja,
sterowanie, Państwowe Wydawnictwo Naukowe, Warszawa 1988
13. Goryl A., Jedrzejczyk Z., Kukuła K., Osiewalski J., Walkosz A., Wprowadzenie do
Ekonometrii w przykładach i zadaniach, Wydawnictwo naukowe PWN, Warszawa
2000
49
14. Gurajati D.N., Basic Econometrics, McGraw-Hill, 1988
15. Johnston J., Econometric Methods, McGraw-Hill, New York 1983
16. Klein L.R., Welfe A., Welfe W., Principles of Macroeconometric Modelling, NorthHolland, Amsterdam 2000
17. Kozak M., Pyszkowski A., Szewczyk R., Słownik rozwoju regionalnego, Polska
Agencja Rozwoju Regionalnego, Warszawa 2001
18. Maddala G.S., Introduction to Econometrics, Macmillan, New York, 1988
19. Pagan A., Calibration and Econometric Research: An Overview, Journal of Applied
Econometrics, vol.9, 1994
20. Sadowski W., Ekonometria, Wyższa Szkoła Handlowa w Warszawie, Warszawa 1997
21. Special Report No 15/98 on the assessment of Structural Fund intervention for the
1989-1993 and 1994-1999 periods together with the Commission’s replies, Official
Journal C 347, 16/11/1998
22. Special Report No 15/2000 on the Cohesion Fund, together with the Commission’s
replies, Official Journal C 279, 02/10/2000
23. Welfe A., Ekonometria, Państwowe Wydawnictwo Ekonomiczne, Warszawa 1995
24.
Welfe W., Zasady makromodelowania gospodarki okresu transformacji. Główne
postulaty teoretyczne, w: Gospodarka Polski w okresie transformacji, Polskie
Wydawnictwo Ekonomiczne, Warszawa 2000
50
Spis Treści
1
2
Ocena efektu Funduszy Strukturalnych i Funduszu Spójności – podstawowe pojęcia ................................... 1
Modelowanie ekonometryczne – przegląd zagadnień..................................................................................... 8
2.1
Modele szeregów czasowych .................................................................................................................. 9
2.2
Jednorównaniowe modele regresji ........................................................................................................ 10
2.3
Wielorównaniowe modele ekonometryczne ......................................................................................... 14
3
Teoria makromodeli małej gospodarki otwartej - small – open –economy macromodels ............................ 22
3.1
Jednosektorowy model małej gospodarki otwartej ( small – open –economy - SOE) .......................... 23
4
Wady jednosektorowego modelu SOE.......................................................................................................... 26
4.1
Dwusektorowy model małej gospodarki otwartej ................................................................................. 26
5
Modele ekonometryczne gospodarki polskiej ............................................................................................... 31
5.1
Model KEMPO [1]................................................................................................................................ 31
5.2
Model W8 [2,4]..................................................................................................................................... 32
5.3
Model WIR [3]...................................................................................................................................... 33
6
Model HERMIN ........................................................................................................................................... 35
6.1
Opis strony podażowej w modelu ......................................................................................................... 37
6.1.1
Czynniki popytu ............................................................................................................................ 37
6.1.2
Wyznaczenie poziomu wynagrodzeń ............................................................................................ 38
6.2
Absorpcja w stronie popytowej modelu HERMIN ............................................................................... 40
6.3
Kalibrowanie modelu HERMIN ........................................................................................................... 42
6.4
Dane wejściowe niezbędne dla zastosowania modelu HERMIN.......................................................... 43
Wnioski końcowe.............................................................................................................................................. 47
Spis Treści............................................................................................................................................................. 51
51