A közlekedési infrastruktúra-fejlesztés gazdasági hatásainak vizsgálata a GMR modellekben
Járosi Péter Pécsi Tudományegyetem Közgazdaságtudományi Kar
Bevezetés • A fejlesztéspolitika eszközrendszere (NFT – EU): – Beruházás támogatások – Infrastruktúrafejlesztés – Humán tőke fejlesztés (oktatás-képzés és K+F)
Fejlesztéspolitikai hatáselemző modellek az EU-ban • HERMIN (makro - „egy pont gazdaság”)) • QUEST (makro – „egy pont gazdaság”) • EcoMod (van regionális változat, de nem „földrajzi”)
A GMR-irányzat • GMR-Hungary: A II. Nemzeti Fejlesztési Terv során felhasznált Strukturális és Kohéziós Alapok makroés regionális hatásainak ex-ante elemzése
GMR-Magyarország • GMR-Magyarország: nemzetközi kutatási együttműködés eredménye – PTE KTK GKK – Varga Attila – University of Münster, Germany – Hans Joachim Schalk – Tottori University, Japan – Atsushi Koike – TNO, Delft, The Netherlands – Lori Tavasszy – Transman Ltd., Hungary – Monigl János
GMR: Földrajzi Makro és Regionális Modell
Miért „Földrajzi”? • Térbeliség és a fejlesztéspolitika hatékonysága:
1. A beavatkozások a tér egy pontján történnek és a hatások nagy valószínűséggel tovagyűrűznek a térben. 2. A kezdeti hatások erősségét jelentősen meghatározhatják az agglomerációs hatások. 3. A tőke és munka migrációja kumulatív hosszútávú hatásokat eredményez - a kezdeti hatások további erősödése vagy éppen gyengülése - a gazdaság térbeli szerkezete jelentősen megváltozhat. 4. Térben különböző pontokon történt beavatkozások növekedési és térbeli konvergencia hatásokat eredményeznek.
különböző
Miért ”Regionális”?
Miért „Makro”?
A GMR szerkezete • A GMR három rész-modellből áll: - a TFP rész-modell (statikus agglomerációs termelékenységi hatások) - a számítható általános egyensúlyelméleti részmodell (SCGE) (dinamikus agglomerációs termelékenységi és regionális hatások) - a makroökonometriai rész-modell (a fejlesztéspolitika makroökonómiai hatásai)
• A GMR-megközelítés főbb sajátosságai: – a kínálati oldal modellezése – a termelékenység/technológia változásának modellezése – a földrajzi hatások modellezése – makro- és regionális hatáselemzés – négy szektor: ipar, mezőgazdaság, szolgáltatások, kormányzat – felhasználóbarát szoftver környezet
GMR-irodalom
A közlekedési infrastruktúra gazdasági hatásmechanizmusai
• Kínálat oldali regionális hatások
• Kereslet oldali regionális hatások • Hosszútávú migrációs hatások • Hatások országos szinten
A kínálat oldali hatások
Inrastruktúra beruházás támogatás
Beruházások
+
Foglalkoztatás
+
+
-
Oktatási-képzési támogatás
+
Növekedés és munkatermelékenység Termelési költségek
Teljes tényező termelékenység (TFP) K+F támogatás
+ -
+
Árak, infláció
-
Statikus kínálati hatás: a termelékenység (TFP) változása
A TFP modell-blokk szerepe:
• STATIKUS TFP-változások modellezése • NEM előrejelzésre, hanem hatáselemzésre készült
A statikus földrajzi hatások modellezése: A TFP rész-modell • A TFP egyenlet (tudás-termelési modell) TFPGRi,t = a0 + a1KNATt + a2RDi,t + a3KIMPi,t + a4INFRAINVi,t + a5HUMCAPINVi,t + ei,t, TFPGR: a teljes tényezotermelékenység (TFP) éves növekedési üteme, KNAT: az országos szinten rendelkezésre álló technológiai tudás térbeli korlátok nélkül elérheto nagysága (mérés: a szabadalmak kumulált mennyisége), RD: ipari és egyetemi kutatási kiadások, KIMP: technológia import (a külfödi tokebefektetések értéke), INFRAINV: infrastrukturális beruházások, HUMCAPINV: emberi toke beruházások (oktatási és képzési kiadások), e: sztochasztikus hiba régió „i” és ido „t” a1 a belföldi tudás szpillover becsült értéke a2 a helyi tudás szpillover becsült értéke a3 a nemzetközi tudás szpillover becsült értéke
Dependent Variable: DTFP2? Method: Pooled EGLS (Period SUR) Date: 11/20/11 Time: 11:52 Sample (adjusted): 2000 2008 Included observations: 9 after adjustments Cross-sections included: 20 Total pool (balanced) observations: 180 Linear estimation after one-step weighting matrix White diagonal standard errors & covariance (d.f. corrected) Variable
Coefficient
Std. Error
t-Statistic
Prob.
C DTFP2?(-2) D(EDRDXV?(-3)) PAT?(-4) FDISH?(-2) D(INFRAV?(-1)) DUM2006?
-0.380519 -0.330157 4.27E-06 3.09E-05 0.050065 1.09E-06 -0.068125
0.048706 0.031505 4.79E-07 4.61E-06 0.010135 2.97E-07 0.007328
-7.812488 -10.47951 8.918383 6.700010 4.939991 3.670852 -9.296003
0.0000 0.0000 0.0000 0.0000 0.0000 0.0003 0.0000
Weighted Statistics R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)
0.724407 0.714849 1.010778 75.78960 0.000000
Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat
-0.965331 1.892860 176.7494 1.997614
Unweighted Statistics R-squared Sum squared resid
0.360632 0.409129
Mean dependent var Durbin-Watson stat
-0.023514 2.421116
A statikus földrajzi hatások modellezése: A TFP rész-modell
• Adatrendszer: KSH, Magyar Szabadalmi Hivatal • Az 1996 – 2008-as időperiódusra • A megfigyelési egységek: - megyék (Budapest Pest megyétől külön kezelve: 20 megye) • Paraméterbecslés: - panel becslés, térökonometriai tesztek
A statikus földrajzi hatások modellezése: A TFP rész-modell
• A modellben kiszámított rugalmassági mutatók a nemzetközi irodalomban közöltekhez közel állnak. - Infrastrukturális hatás a növekedésre: 0,1- 0,8 (irodalom), GMR: 0,40 - Oktatás-képzés hatásai a növekedésre: 0,15-0,40 (irodalom) GMR: 0,30
Az SCGE rész-modell szerepe 1
• A STATIKUS TFP változások regionális gazdasági hatásainak modellezése
A kínálat oldali hatások
Inrastruktúra beruházás támogatás
Beruházások
+
Foglalkoztatás
+
+
-
Oktatási-képzési támogatás
+
Növekedés és munkatermelékenység Termelési költségek
Teljes tényező termelékenység (TFP) K+F támogatás
+ -
+
Árak, infláció
-
Az SCGE rész-modell • A RAEM-Light magyarországi adaptációja (Koike, Thissen 2005) • Cobb-Douglas termelési függvény, költség minimalizálás, hasznosság maximalizálás, interregionális kereskedelem, migráció • Egyensúlyi állapotok: - rövid táv (regionális egyensúly) - hosszabb táv (interregionális egyensúly)
Az SCGE rész-modell
• NEM előrejelzésre szolgál • Cél: a sokkok (NFT beavatkozások) regionális hatásainak szimulációja • A beavatkozások nélküli állapot: regionális és interregionális egyensúly (nincs migráció) • A sokk hatása: – az egyensúlyi állapot megbomlása – a modell a térbeli egyensúly felé mozgó rendszert szimulálja
SCGE és infrastruktúra: Külföldi Példák • Hollandia: RAEM modell az Amszterdam és Groningen közötti új vasúti kapcsolat alternatíváinak vizsgálata. • Norvégia: PINGO modell az interregionális áruszállítási igények előrejelzése. • Japán: Épülő autópálya projekt jövőbeli gazdasági hatásainak elemzése.
Norvégia, az interregionális áruszállítás előrejelzése
Forrás: Ivanova, O. – Vold, A. – Jean-Hansen, V. (2003) A SCGE approach to forecasting interurban transport flows in Norway. – Conference on National and International Freight Transport Models. http:// www.toi.no/toi_data/WWWOld/ arsberet/2003/toi_2003_fagrep.pdf 2004.12.10
Norvégia, az interregionális áruszállítás előrejelzése
Forrás: Ivanova, O. – Vold, A. – Jean-Hansen, V. (2003) A SCGE approach to forecasting interurban transport flows in Norway. – Conference on National and International Freight Transport Models. http:// www.toi.no/toi_data/WWWOld/ arsberet/2003/toi_2003_fagrep.pdf 2004.12.10
Japán, autópálya gazdasági hatásai
Toshihiko Miyagi (2001) Economic Appraisal for Multiregional Impacts by a Large Scale Expressway Project. – TI 2001-066/3 Tinbergen Institute Discussion Paper. http://www.tinbergen.nl/scripts/papers.pl?paper=01066.rdf 2004.12.10
Japán, autópálya gazdasági hatásai
Toshihiko Miyagi (2001) Economic Appraisal for Multiregional Impacts by a Large Scale Expressway Project. – TI 2001-066/3 Tinbergen Institute Discussion Paper. http://www.tinbergen.nl/scripts/papers.pl?paper=01066.rdf 2004.12.10
A GMR SCGE modelljének jellemzői • • • • • • • • • •
•
20 régió (megyék és Bp.), 4 szektor, Regionális output = hozzáadott érték, Input: a tőke és a munka, C-D hasznossági és termelési függvények, Haszonmaximalizáló háztartások és költségminimalizáló vállalatok, Szállítási költségek a „jéghegy-elv” alapján, A teljes tőkemennyiség a háztartások tulajdona, A háztartások száma rögzített rövidtávon, A lakások száma rögzített a modellben, Pozitív agglomerációs hatások - regionális TFP értékek, Negatív agglomerációs hatások - egy főre jutó lakásterület .
A modell bemeneti adatai • A KSH 2006-os megyei (és Bp.) adatai: – – – – – –
bruttó átlagbér, beruházás, foglalkoztatás, népesség, hozzáadott érték, lakások száma;
• A regionális (szektoronkénti) tőkeállomány becslése a „perpetual inventory” módszerrel; • A megyék közötti szállítási költségeket a TRANSMAN Kft. becsülte az út- és vasúthálózat alapján; • A hasznossági és termelési függvények paramétereinek kalibrálásához a 2000-es nemzeti SAM táblát használtuk .
A modell rövid- és hosszútávú egyensúlyai
• A rövidtávú egyensúly: – minden régió külön-külön egyensúlyban van, – a régiók között különbségek vannak a hasznossági szintekben;
• A hosszútávú egyensúly: – a munka (és az azt követő tőke) migráció a regionális különbségekre reagál két rövid távú állapot között, – a munka és a tőke migrációja hosszú távon egyensúlyhoz vezethet, – eltűnhetnek a hasznossági különbségek, – leállhat a migráció.
Rövid távú egyensúly: A tényező keresleti függvények
• A Cobb-Douglas termelési függvény (1) i ,m
Yi , m Ai , m Li , m K
1 i ,m i,m
• A tényezőkeresleti függvények a költségminimum szerinti optimum pontban (2) és (3)
Li , m
i , mVAi , m wi , m
Ki , m
1 VA i,m
ri , m
i,m
Rövid távú egyensúly: A tényező keresleti függvények
• A hozzáadott érték (Value Added) (4)
VAi , m Yi , mqi , m • A (szállítási költség nélküli) egyensúlyi árak (5) i ,m 1 i ,m
qi , m
wi , m ri , m
Ai , m i , m 1 i , m i ,m
1 i ,m
Rövid távú egyensúly: A termék keresleti függvények
• A háztartások hasznossági függvénye (6) H M X i ,m ' i m ln u i h ln M L m 1 N i i ,m m 1
• A költségvetési korlát (7) I
M
w m 1
i,m
Ni
Li , m
M
r j 1 m 1 I
j ,m
N j 1
K j ,m j
M
X i,m
m 1
Ni
i,m
Rövid távú egyensúly: A termék keresleti függvények
• Az aggregált keresleti függvény (8) m 0 N j I M M I M 1 i 2,m 2 VAi 2,m 2 j ,m3VA j ,m3 m31 m1 N i1 i 21 m 21 i11 m11
X j ,m 0
Rövidebb alakban:
j ,m 0
M m 1 rK t rK t x l w li wi , t pi , m, t xi , m ,t i , m, t i i,t 1 pi , m,t Nt Nt m 1
Az általános egyensúlyt leíró egyenletek és a rövid távú modell megoldása
• Az interregionális kereskedelem (9) és (12)
(az i régió hány százalékban részesedik a j régióbeli összes eladásból),
sij ,m
•
1 ij ,m qi ,m ji ,m j ,m
I
s i 1
ij , m
1
Az árszínvonal a j régióban (10) és (13),
j ,m
ji , m 1 ij , m qi , m i 1
I
1
1 1
j , m qi , m 1 ij , m sij , m I
i 1
• Az i régió összes bevétele egyensúly esetén a egyenlő a regionális hozzáadott értékkel (11). I
VAi , m X j , m sij , m qi , m 1 ij , m j 1
Általános Egyensúly • A modell általános egyensúlyra való megoldása az inputpiacokra vonatkozó egyensúlykereső algoritmussal. – Newton érintő módszere, – 20*4 bér (w) és 20*4 tőkejövedelem (r) , – a tőke- és a munkapiacokon a kereslet megegyezik a kínálattal (Walras 2.)
• Az inputpiacok egyensúlya esetén a végtermék piacok is egyensúlyba kerülnek (Walras 1.) • A (2) és (3) egyenletek átrendezésével és összeadásával az egyensúlyi w-k és r-ek mellett érvényesül a szektorális-regionális jövedelmek összegének és a hozzáadott értéknek az egyenlősége (Walras 3.) • A (2)+(3) és a (11) együttesen igaz minden régióra és szektorra, ekkor az egész gazdaságra érvényes az inputjövedelmek és a végtermékek iránti kereslet megegyezése (Walras 4.)
Az SCGE rész-modell szerepe 2 • DINAMIKUS TFP változások modellezése az agglomerációs hatások által kiváltott munka-tőke migráción keresztül • Az agglomerációs hatásokat meghatározzák: - a centripetális erők: regionális tudás (TFP) - centrifugális erők: szállítási költség, zsúfoltság (lakáspiac) • A TFP, a tőke, a munka és a bérek regionális értékeinek kiszámítása
Hosszú távú egyensúly • A munkaerő migrációját a hasznosságbeli különbségek vezérlik (15)
Li , t 1
I L ( u i ,t c i ) i ,t I e i 1 Li ,t I Li ,t Gt ,t 1 I ( u i ,t c i ) i 1 e i 1
ahol (16):
M
Li ,t Li , m,t m 1
• A Gt,t+1 a munkaállomány nemzeti szintű növekedését (vagy csökkenését) kifejező tényező, amely a regionális modell I szempontjából külső adottság (17). L i ,t 1 Gt ,t 1 i 1I Li ,t i 1
A fejlesztéspolitikai beavatkozások hatásmechanizmusa
• A beavatkozás eredményeként megváltozott TFP értékek (18)
Ai , m,t TFPSHAREi , m 1 TFPGROWTH t
1 TFPSHAREi , m TFPSHOCKi , m,t
i A Li , m,t m 1
M
'
• az A’ és a γ regresszió-számítással becsült paraméterek, • az ωi értékek a maradéktagok e-ad hatványai, • a TFPSHARE az adott területi egységen belül a szektorok közötti termelékenységi különbségeket jeleníti meg, • a TFPGROWTH pedig a sokkok nélküli, állandó termelékenységbeli növekedési ütem.
A makro rész-modell szerepe • A dinamikus TFP-változások (infrastruktúra és emberi tőke támogatások), valamint a beruházás támogatás makro hatásainak becslése
A makro rész-modell • Komplett makro modell (kínálat, kereslet, jövedelem eloszlás) – az EcoRET modell (Schalk, Varga 2004) • Cobb-Douglas termelési technológia, költség minimalizálás • Kínálat- és kereslet oldali hatásai az NFT-nek – NEM előrejelzés! • Alapszcenárió: a gazdaság állapota NFT nélkül
GMR: kínálat oldali hatások infrastruktúra fejlesztés esetén
1. Regionális beavatkozás: változás a TFP-ben (statikus agglomerácós hatás) 2. Rövid távú hatások: - árcsökkenés - csökkenő K és L kereslet (feltéve: output nem változik) - növekvő output-kereslet – növekvő K és L kereslet - a növekvő regionális kereslet növeli a hasznosság szintjét a régióban 3. Hosszú távú hatások: - a növekvő regionális hasznosság munka, majd tőke migrációt indukál - további TFP növekedés (dinamikus agglomerációs hatások) - változás a térbeli gazdasági szerkezetben 4. A makrováltozók értékei a hosszú távú TFP értékek hatásait tükrözik
GMR: keresleti oldali hatások infrastruktúra fejlesztés esetén
1. Közlekedési infrastruktúra fejlesztés: a szállítási költség csökkenése 2. Rövid távú hatások: - árcsökkenés - növekvő regionális és interregionális kereslet 3. Hosszú távú hatások: - növekvő kereslet munka és tőke iránt: munka majd tőke migráció - további TFP növekedés (dinamikus agglomerációs hatások) - változás a térbeli gazdasági szerkezetben 4. A makrováltozók értékei a hosszú távú TFP értékek hatásait tükrözik
Regionális- és makro szintű fejlesztéspolitikai hatások a GMR modell rendszerben Térszerkezeti hatások
Makrogazdasági hatások
7
6
SCGE rész-modell (regionális modell)
MACRO rész-modell (kereslet, kínálat, jövedelemeloszlás) 5
Hosszú távú hatások Rövid távú hatások
TFP rész-modell (regionális modell)
4 3 2
1 Fejlesztéspolitikai eszközök: infrastruktúra, emberi tőke, K+F
A vonalas infrastruktúra értelmezése csomópontok sorozataként
Szimmetria: AB = BA Háromszög egyenlőtlenség: AC ≤ AB + BC
DE! AY > AX + XY illetve: AB > AY + YB
A megyék közötti átlagos időbeli távolságok percekben kifejezve az M6-M60 Dunaújváros-Pécs szakasza nélkül
BP
PE
FE
KE
VE
GY
VA
ZA
BR
SO
TL
BA
HE
NO
HB
JA
SZA BK
BP
23
42
52
53 102 102 171 134 166 124 109 127
78
83 144 101 162
PE
42
53
75
81 131 132 201 163 183 152 129 137
87
95 148
FE
52
75
37
71
KE
53
81
71
36 110
86 110
86 116 162 120 144 108
BE
CS
97 180 115
97 172 103 180 122
91 174 125 130 189 137 209 106 210 145
83 155 159 195 149 137 171 121 123 187 143 206 135 223 158
VE
102 131
GY
102 132 116
VA
171 201 162 155
97 100
34
87 243 156 213 294 245 251 310 262 330 244 339 274
ZA
134 163 120 159 103 154
87
39 172
BR
166 183 144 195 182 239 243 172
SO
124 152 108 149 118 185 156
TL
109 129
BA
127 137 174 171 226 225 294 258 286 247 230
83
41
98
97 103 182 118 138 226 176 182 241 192 261 169 268 204
98
44 100 154 239 185 184 225 176 181 241 193 260 182 270 206
29 102
86 102
91 137 138 184 213 152
86 152 258 208 214 273 223 293 196 300 236 70 286 238 243 300 239 322 137 271 194
56 107 247 198 204 262 213 282 170 287 221
70 107
39 230 180 187 244 186 265 48
81 128
97 229 158
94 133 102 211 215 223
HE
78
87 125 121 176 176 245 208 238 198 180
81
37
75 102
NO
83
95 130 123 182 181 251 214 243 204 187 128
75
36 154 133 174 166 233 180
HB
144 148 189 187 241 241 310 273 300 262 244
JA
101
SZA
162 172 209 206 261 260 330 293 322 282 265 102 120 174
BK
94 102 154
97 137 143 192 193 262 223 239 213 186 133
97 103 106 135 169 182 244 196 137 170
96 120 160 197 172
28 108
96 133 108
81 212 133 199
55 161 131 116 126
81 161
45 246 204 255
97 211 160 166 212 131 246
58 153
85
BE
180 180 210 223 268 270 339 300 271 287 229 215 197 233 133 116 204 153
42
92
CS
115 122 145 158 204 206 274 236 194 221 158 223 172 180 199 126 255
92
31
85
A megyék közötti átlagos időbeli távolságok percekben kifejezve az M6-M60 Dunaújváros-Pécs szakaszát figyelembe véve
BP
PE
FE
KE
VE
GY
VA
ZA
BR
SO
TL
BA
HE
NO
HB
JA
SZA BK
BP
23
42
52
53 102 102 171 134 145 124
99 127
78
83 144 101 162
PE
42
53
75
81 131 132 201 163 164 151 120 137
87
95 148
FE
52
75
37
71
KE
53
81
71
36 110
CS
94 180 115
97 172 101 180 122
84 174 125 130 189 137 209 102 208 144
83 155 159 174 149 128 171 121 123 187 143 206 131 223 158
VE
102 131
GY
102 132 116
VA
171 201 161 155
97 100
34
87 239 156 208 294 245 251 310 262 330 238 339 274
ZA
134 163 120 159 103 154
87
39 172
BR
145 164 131 174 178 219 239 172
SO
124 151 108 149 118 185 156
TL BA
99 120
86 110
86 116 161 120 131 108
BE
83
41
98
97 103 178 118 136 226 176 182 241 192 261 166 268 204
98
44 100 154 219 185 175 225 176 181 241 193 260 177 270 206
29 101
86 101
84 128 136 175 208 152
86 152 258 208 214 273 223 293 196 300 236 68 263 215 220 278 220 300 127 250 179
56 107 247 198 203 262 212 282 167 283 217
68 107
39 219 171 176 234 178 256
127 137 174 171 226 225 294 258 263 247 219
48
81 128
95 219 154
94 133 102 207 215 223
HE
78
87 125 121 176 176 245 208 215 198 171
81
37
75 102
NO
83
95 130 123 182 181 251 214 220 203 176 128
75
36 154 133 174 162 233 180
HB
144 148 189 187 241 241 310 273 278 262 234
JA
101
SZA
162 172 209 206 261 260 330 293 300 282 256 102 120 174
BK
94 102 154
97 137 143 192 193 262 223 220 212 178 133
94 101 102 131 166 177 238 196 127 167
96 120 156 197 172
28 108
96 133 108
81 209 133 199
55 161 131 116 126
81 161
45 242 204 255
95 207 156 162 209 131 242
57 153
85
BE
180 180 208 223 268 270 339 300 250 283 219 215 197 233 133 116 204 153
42
92
CS
115 122 144 158 204 206 274 236 179 217 154 223 172 180 199 126 255
92
31
85
Az M6-M60 Dunaújváros-Pécs közötti szakaszának átadása következtében a megyék közötti átlagos időbeli távolságok csökkenése percekben kifejezve
BP PE FE KE VE GY VA ZA BR SO TL BA HE NO HB JA SZA BK BE CS BR 21 19 14 21 4 20 3 0 0 1 2 23 23 23 22 19 22 10 21 15 TL 10 8 7 9 2 10 6 0 2 1 0 10 10 11 10 8 10 3 10 4
Modell-szimulációk: forgatókönyv elemzés „Döntéstámogatás modell előrejelzésekkel” • Alapvonal („Baseline”) – nem tartalmazza az M6-M60 Dunaújváros-Pécs közötti szakaszát. • Forgatókönyv („Scenario”) – a szállítási költségek mátrixa módosul az időbeli rövidüléseknek megfelelően.
A szimulációk szerepe az SCGE modellezésben •
•
•
•
Statikus illesztés… …egy egyensúlyban levő gazdasági struktúra „ráfeszítése” a statisztikailag megfigyelt adatokra. Dinamikus szimuláció… …az adatokra ráillesztett modellstruktúra „dolgozik” tovább a beavatkozások révén megváltozott feltételekkel mindaddig, amíg a rendszer rá nem talál az új egyensúlyra. Hatásvizsgálat… …az egyensúlyban levő modell endogén változóinak beavatkozás előtti és utáni értékei kerülnek összehasonlításra. Előrejelzésre csak korlátozottan alkalmas… …nem a mutatók abszolút értékei a lényegesek, hanem a relatív eltérések, ezek mutatják meg a beavatkozások által a rendszert ért sokkok eredőjét, eltekintve a vizsgálat tárgyát nem képező hatásoktól.
Az M6-M60 új szakaszának hatása Fejér (FE), Baranya (BR), Somogy (SO), Tolna (TL) és Bács-Kiskun (BK) megyékre, illetve országosan 2006-tól 2018-ig.
A fogyasztói hasznok változása 4,0% BR
OR FE
3,0%
BR SO 2,0%
TL
TL BK
1,0% BK 0,0% 2006
2007
2008
2009
2010
2011
2012
-1,0% évben
2013
2014
2015
2016
2017
OR FE SO 2018
Az M6-M60 új szakaszának hatása országosan, Budapesten és a 19 megyére 2011. évben.
A fogyasztói hasznok változása 2011-ben 3,5%
3,0%
2,5%
2,0%
1,5%
2011
1,0%
0,5%
0,0% OR -0,5%
BP
PE
FE
KE
VE
GY
VA
ZA
BR
SO
TL
BA
HE
NO
HB
JA
SZA
BK
BE
CS
összegzés, következtetések
•
•
•
•
A térbeli számszerűsített általános egyensúlyi modellezés egyfajta matematikai vagy számítógépes példa, kísérletezés, tervezés, amely a verbális gondolkodást nem helyettesíti, hanem kiegészíti, újabb szempontok szerint világítja meg a felvetett problémát. Alkalmazási területek: például a közlekedési infrastruktúra fejlesztésének hatásvizsgálata, a szállítási költség változásának (üzemanyagárak növekedése) következményei a gazdaság térszerkezetére. A fejlesztéspolitikai döntések előkészítése során lényeges szempont, hogy ne csak „verbális” vagy „elemi matematikai-statisztikai” módszerekkel vizsgáljuk meg a lehetséges hatásokat, hanem kipróbáljunk olyan komplexebb modelleket is, amelyek a modern közgazdaságtudomány legújabb eredményein alapulnak. Az SCGE modell nem csak a szállítási költségeken keresztül képes figyelembe venni az infrastruktúra beruházások hatásait, hanem a TFP változásokon keresztül is, döntően a kínálati oldalt ért sokkok formájában.
