Niezbędne warunki umożliwiające wdrożenie dla Polski oceny
Transkrypt
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