ORANI-G Mô hình chung cho các Mô hình Cân bằng Tổng thể Quốc Gia

Phụ lục Phụ lục A: Các phương trình phần trăm thay đổi của một tổ CES 77 Phụ lục C: Các yêu cầu về phần cứng và phần mềm để sử dụng GEMPACK 79 Phụ lục D: Khác biệt chính giữa mô hình ORA

The Centre of Policy Studies

ABN No 12 377 614 012

PO Box 11E Monash University Victoria 3800 Web address:

http://www.monash.edu.au/policy/

Contacts:

Dr James A Giesecke Tel: 61-3- 9905 9756 James.Giesecke@monash.edu

Dr Nhi Tran Tel: 61-3- 9905 9244 Nhi.Tran@monash.edu

ORANI-G: Mô hình chung cho các

Mô hình Cân bằng Tổng thể Quốc Gia

Mark Horridge

Trung Tâm Nghiên Cứu Chính Sách và Dự án Impact,

Viện Đại học Monash, Australia

Khái lược: Mô hình cân bằng tổng quát ORANI của nền kinh tế Australia đã được

sử dụng rộng rãi bởi giới học thuật cũng như các nhà kinh tế làm việc trong cả khu vực

chính phủ và tư nhân Chúng tôi mô tả một phiên bản khái quát của mô hình, gọi là

ORANI-G, được thiết kế nhằm mục đích trình bày và có thể điều chỉnh để áp dụng cho

các quốc gia khác

Mô tả của chúng tôi về các phương trình và cơ sở dữ liệu của mô hình được liên hệ chặt chẽ với việc giải thích cách giải mô hình bằng hệ thống GEMPACK Ý định của

chúng tôi là cung cấp một điểm khởi đầu thuận tiện cho những ai muốn sử dụng hoặc

xây dựng một mô hình cân bằng tổng thể có tính ứng dụng tương tự Chúng tôi cũng

cung cấp các tập tin máy tính có chứa toàn bộ mô hình và cơ sở dữ liệu

ORANI-G là cơ sở của các khóa đào tạo về mô hình hàng năm, và đã được điều chỉnh để xây dựng mô hình cho Nam Phi, Brazil, Ireland, Pakistan, Sri Lanka, Fiji,

South Korea, Denmark, Vietnam, Thailand, Indonesia, Philippines, Trung Quốc cũng

như Hồng Kông

Chú thích: tài liệu này có xuất xứ là bài viết "ORANI-F: Mô hình Cân bằng Tổng thể cho nền kinh tế Australia", của J.M Horridge, B.R Parmenter and K.R Pearson

(tất cả đều thuộc Trung tâm Nghiên cứu Chính sách), đã được đăng trên tạp chí

Eco-nomic and Financial Computing (vol.3,no.2,Summer 1993).Sau đó, Mark Horridge đã

thay đổi bài viết khá nhiều để phục vụ cho mục đích giảng dạy, vì vậy không còn đề cập

đến phần đóng góp của các tác giả khác

Phiên bản biên soạn cho

Các Khóa Huấn luyện Cơ bản về GE

Tổ chức năm 2009 Phiên bản này đã được hiệu đính theo các phương trình của ORANIG06, phiên bản mới nhất của ORANI-G

ORANI-G được thiết kế cho mọi người tự do sử dụng và điều chỉnh để áp dụng cho các quốc gia khác nhau và các mục đích khác nhau Tài liệu này cũng vậy Xin mời các bạn sử dụng hoặc thay đổi một phần hoặc toàn bộ tài liệu này để soạn tài liệu cho mô hình dựa trên ORANI-G của bạn Tuy nhiên, nếu các bạn sử dụng tài liệu này thì chúng tôi đề nghị các bạn ghi nhận các tác giả của tài liệu theo cách sau:

Horridge (2000), ORANI-G: A General Equilibrium Model of the Australian Economy, CoPS/IMPACT

Working Paper Number OP-93, Centre of Policy Studies, Monash University, downloadable from:

http://www.monash.edu.au/policy/elecpapr/op-93.htm Translated from English into Vietnamese by Nguyen Quoc Trung, Department of Management, Monash University Translation edited by Nhi Tran, Centre of Policy Studies, Monash University

Có thể tiếp cận các tài liệu mới nhất liên quan đến ORANI-G tại:

http://www.monash.edu.au/policy/oranig.htm

Nội Dung

3.1 Hệ chưa tuyến tính hóa và đã tuyến tính hóa: một ví dụ nhỏ 6

4.11 Chi phí sản xuất của các ngành và các loại thuế sản xuất 26

4.13 Các loại hàng xuất khẩu và tiêu thụ nội địa của mỗi loại hàng hóa 29

4.20 Các phương trình cân bằng thị trường (market-clearing equations) 40

4.31 Phương pháp tách các thành phần doanh thu của Fan 57

4.35 Tỷ phần xuất khẩu và các hệ số co giãn của đường cung ngắn hạn 64

5 Phần bổ sung phân tích theo vùng từ trên xuống (Top-down regional extension) 66

Phụ lục

Phụ lục A: Các phương trình phần trăm thay đổi của một tổ CES 77

Phụ lục C: Các yêu cầu về phần cứng và phần mềm để sử dụng GEMPACK 79 Phụ lục D: Khác biệt chính giữa mô hình ORANI đầy đủ và phiên bản trong tài liệu này 80

Phụ Lục F: Các phép tính đại số dẫn đến hệ chi tiêu tuyến tính 81 Phụ lục G: Xây mô hình AGE của chính bạn từ mô hình ORANI-G 84

Phụ lục I: Các kiểm định chính về tính hợp lý của mô hình: Các chiến lược khắc phục lỗi 85

1 Giới thiệu

ORANI- mô hình cân bằng tổng thể (AGE) cho nền kinh Australia- được xây dựng lần đầu tiên vào cuối thập niên 70 Đây là một phần trong dự án IMPACT được chính phủ tài trợ1

Mô hình đã và đang được sử dụng rộng rãi ở Australia như một công cụ hữu hiệu mà các học giả, các nhà kinh tế làm việc trong các cơ quan nhà nước và cả trong khư vực tư sử dụng để phân tích thực tế các chính sách2

Những phiên bản đầu của ORANI là các mô hình tĩnh, với các ứng dụng chỉ giới hạn trong phân tích

so sánh tĩnh Những phiên bản sau (như ORANI-F và MONASH) có thêm các yếu tố động, thể hiện mối quan hệ dự trữ/luân chuyển: giữa vốn dự trữ và đầu tư, giữa nợ nước ngoài và thâm hụt mậu dịch Những cải tiến, bổ sung khác vào mô hình gốc bao gồm hệ thống ngân sách nhà nước, và phân tích các kết quả của mô hình từ cấp quốc gia xuống đến các vùng

Phiên bản ORANI mô tả trong tài liệu này là ORANI-G Nó giống với phiên bản ORANI gốc, và được xây dựng để vừa giới thiệu phương pháp ORANI, vừa làm cơ sở để xây dựng các mô hình mới Trên thực tế, mô hình này đã là nền tảng cho các mô hình ở Nam Phi, Việt Nam, Indonesia, Hàn Quốc, Thái Lan, Philippines, Pakistan, Đan Mạch, Trung Quốc, Đài Loan, và Fiji

GEMPACK là một hệ thống phần mềm linh hoạt để giải các mô hình AGE Nó được sử dụng để xây dựng và giải mô hình ORANI-G (Harrison and Pearson, 1994) GEMPACK tự động hóa quy trình chuyển đổi các đặc tính của mô hình thành một chương trình giải pháp Người sử dụng GEMPACK không đòi hỏi phải có kỹ năng lập trình Thay vào đó, chỉ cần tạo một văn bản trong đó liệt kê các phương trình của mô hình Các cú pháp trong văn bản này tương tự như cú pháp đại số thông thường Chương trình TABLO của GEMPACK sau đó sẽ dịch văn bản này thành chương trình tương ứng để giải

 Mô tả quy trình tìm nghiệm;

 Mô tả ngắn gọn về số liệu, nhấn mạnh các đặc tính chung của cấu trúc số liệu cần cho một mô hình;

 Mô tả đầy đủ về cơ sở lý thuyết của mô hình, được trình bày theo file TABLO Input dùng để chạy mô hình trong GEMPACK;

 Hướng dẫn về hệ thống GEMPACK cho cả máy tính cá nhân và máy tính lớn; và

 Minh họa ứng dụng

Tài liệu này đi kèm với nhiều tập tin máy tính Chúng có thể được tải xuống từ mạng Internet – xin xem phụ lục B Các tập tin này bao gồm TABLO Input file của mô hình ORGANI-G và một cơ sở dữ liệu cho 22 ngành Quý vị cần phải có phần mềm GEMPACK để giải mô hình Để có GEMPACK, xin xem phụ lục C

2 Cấu trúc mô hình và giải thích kết quả

Mô hình ORANI-G có nền tảng lý thuyết đặc trưng của một mô hình cân bằng tổng thể tĩnh Nó bao gồm các phương trình mô tả, cho một giai đoạn cụ thể nào đó, về:

 Cầu của nhà sản xuất về các đầu vào trung gian và các yếu tố sản xuất

 Cung hàng hóa của nhà sản xuất

 Cầu đầu vào để tạo vốn

 Cầu của hộ gia đình

 Cầu của xuất khẩu

 Cầu của chính phủ

 Mối quan hệ giữa giá cơ bản với chi phí sản xuất và với giá của người mua

 Các điều kiện cân bằng trên thị trường hàng hóa và thị trường tư liệu sản xuất; và

 Nhiều biến kinh tế vĩ mô và các chỉ số giá

Các phương trình cầu và cung của đối tượng mua thuộc khu vực tư được suy ra từ nghiệm của các bài toán tối ưu hóa (như tối thiểu hóa chi phí, tối đa hóa độ thỏa dụng,.v.v) Tối ưu hóa được coi là nền tảng quy định hành vi của người tiêu dùng trong kinh tế học vi mô, trường phái tân cổ điển Người mua được giả định là người chấp nhận giá, và nhà sản xuất hoạt động trong thị trường cạnh tranh, không có lợi nhuận thuần túy

2.1 Cách giải thích so sánh tĩnh của kết quả mô hình

Giống như đa phần các mô hình cân bằng tổng thể, ORANI-G được xây dựng để mô phỏng các so sánh tĩnh Các phương trình và biến, sẽ được mô tả chi tiết trong Phần 4, ngầm đề cập đến nền kinh tế cho một giai đoạn trong tương lai

Cách giải thích này được miêu tả trong Hình 1; nó diễn tả giá trị của một biến nào đó, ví dụ như việc làm, theo thời gian A là mức việc làm tại giai đoạn gốc (giai đoạn 0), B là mức việc làm có thể tạo ra

trong thời gian T năm nếu không có sự thay đổi trong một chính sách nào đó – ví dụ như thuế nhập khẩu

Trong trường hợp có thay đổi thuế nhập khẩu, mức việc làm có thể đạt đến C, nếu mọi yếu tố khác không đổi Trong mô phỏng so sánh tĩnh, mô hình ORANI-G tính ra phần trăm biến động trong mức

việc làm, 100(C-B)/B, cho thấy trong giai đoạn T mức việc làm sẽ bị tác động như thế nào nếu như chỉ

có chính sách thuế nhập khẩu là thay đổi mà thôi

C

Hình 1 Giải thích kết quả phân thích so sánh tĩnh

Nhiều mô phỏng so sánh tĩnh của mô hình ORANI đã phân tích những tác động ngắn hạn của thay đổi chính sách Ở những mô phỏng này, vốn (capital stocks) thường được giữ ở mức trước khi có cú sốc được phân tích (pre-shock levels) Các chứng cứ từ kinh tế lượng cho thấy rằng điểm cân bằng ngắn hạn

có thể đạt được trong khoảng hai năm, nghĩa là T = 2 (Cooper, McLaren and Powell, 1985) Những mô phỏng khác sử dụng giả định rằng trong dài hạn, vốn sẽ được điều chỉnh để khôi phục lại tỷ suất sinh lợi (ngoại sinh) Quá trình này có thể cần đến 10-20 năm, nghĩa là T= 10 hoặc 20 Trong cả hai trường hợp, chỉ có việc chọn biến ngoại sinh và việc giải thích các kết quả là liên quan đến thời gian phân tích tác động của cú sốc Bản thân mô hình là trung tính về thời gian Vì vậy, nó không cho chúng ta biết gì về con đường điều chỉnh của nền kinh tế, như được thể hiện bằng các đường đứt khúc trên Hình 1

Có nhiều phiên bản động của mô hình ORANI, nhưng tài liệu này chỉ đề cập thoáng qua Các kết quả từ phiên bản động cũng được nêu dưới dạng phần trăm thay đổi Tuy nhiên ở đây, những thay đổi

chỉ so sánh giữa hai thời điểm Ví dụ, trong Hình 1, các kết quả từ một dự báo cơ sở có thể đề cập đến sự

thay đổi từ A đến B Những kết quả khác, sau khi đưa vào thay đổi chính sách thuế, có thể đề cập đến sự thay đổi từ A đến C

Thông thường, các phiên bản động của ORANI3

có thêm các mối quan hệ giữa đầu tư và vốn, và nêu

rõ độ dài của giai đoạn T Một điểm khác biệt quan trọng hơn giữa các ứng dụng so sánh động và tĩnh là các mô hình động đòi hỏi nhiều thông tin hơn rất nhiều về những thay đổi của biến ngoại sinh Để mô phỏng sự thay đổi từ B đến C, ngoài cơ sở dữ liệu ban đầu, phân tích so sánh tĩnh chỉ đòi hỏi phải biết giá trị thay đổi của biến ngoại sinh thuế Còn trong mô phỏng động, chúng ta phải xác định sự thay đổi ở

tất cả các biến ngoại sinh Vì thế, chúng ta cần phải có dự báo những thay đổi của giá cả ở nước ngoài,

thay đổi của nhiều loại thuế khác nhau, của công nghệ và thị hiếu

MONASH là mô hình tiên tiến nhất trong dòng mô hình ORANI Đây là một mô hình động có quy

mô lớn, trong đó T thường là 1 năm Các lời giải của MONASH được kết nối với nhau, sao cho một mô phỏng dự báo hoàn chỉnh bao gồm một loạt các thay đổi từ năm này qua năm khác của hàng ngàn biến trong mô hình Bằng cách giải mô hình cho từng năm một, chúng ta có thể cho thấy rõ các quá trình điều chỉnh trong nền kinh tế Tuy nhiên nhược điểm ở đây, như đã đề cập trên, là người sử dụng buộc phải đưa ra dự báo cho con đường biến động trong tương lai của rất nhiều biến ngoại sinh

3 Phương pháp giải mô hình dưới dạng phần trăm thay đổi

Nhiều phương trình của ORANI-G có dạng phi tuyến (non-linear), ví dụ như cầu phụ thuộc vào các

tỉ lệ giá Tuy nhiên, theo Johansen (1960), mô hình có thể được giải bằng cách thể hiện nó như một hệ phương trình tuyến tính kết nối phần trăm thay đổi trong các biến của mô hình Phần tài liệu này giải thích cách sử dụng dạng tuyến tính hóa (linearised form) để tìm chính xác nghiệm cho các phương trình phi tuyến, cũng như việc xác định dạng tuyến tính gần đúng cho các nghiệm này4

Một mô hình AGE tiêu biểu có thể được viết dưới dạng nguyên thể (levels, chưa tuyến tính hóa) như sau:

trong đó Y là vec-tơ của các biến nội sinh, X là vec-tơ của các biến ngoại sinh và F là hệ các hàm phi tuyến tính Bài toán của chúng ta là tính Y khi biết X Thông thường, chúng ta không thể viết Y như một hàm cụ thể của X

Nhiều phương pháp đã được đưa ra để tính Y Trong đó, phương pháp tuyến tính hóa sử dụng giả định rằng chúng ta đã có một nghiệm {Y0,X0} cho hệ, nghĩa là,

Thông thường, nghiệm ban đầu {Y0,X0} được suy ra từ số liệu trong quá khứ - bằng cách giả định rằng hệ phương trình của ta là đúng cho một thời điểm nào đó trong quá khứ Với các giả định thông

thường về dạng của hàm F, định thức sau đây là đúng cho những thay đổi nhỏ dY và dX:

Trong đó FY và FX là các ma trận đạo hàm của hàm Y lần lượt theo Y và theo X, tính tại giá

trị{Y0,X0} Vì những lý do sẽ giải thích sau đây, chúng ta sẽ thấy rằng thể hiện dY và dX dưới dạng phần trăm thay đổi y và x là thuận tiện hơn Theo đó, y và x, các phần tử của vector y và x, được cho như

sau:

Tương ứng, ta định nghĩa:

trong đó Y^ và X^ là những ma trận chéo Và hệ tuyến tính hóa trở thành:

Bằng các phương pháp đại số tuyến tính thông thường, những hệ như thế có thể được giải dễ dàng

bằng máy tính Nhưng nó chỉ chính xác cho những thay đổi nhỏ của Y và X Với những thay đổi lớn,

phương pháp tuyến tính hóa có thể có sai số Sai số này được trình bày trong Hình 2 Hình này cho thấy biến ngoại sinh Y thay đổi như thế nào khi biến nội sinh X dịch chuyển từ X0

đến XF Quan hệ đích thực

và phi tuyến giữa X và Y được thể hiện dưới dạng một đường cong Uớc lượng tuyến tính, hay ước lượng bậc nhất, có dạng:

dẫn đến ước lượng Johansen YJ

, một ước lượng gần đúng của nghiệm thực Yexact

Hình 2 Sai số do tuyến tính hóa

Hình 2 cho thấy rằng, khi x càng lớn thì tỉ lệ sai số ở y càng tăng Quan sát này đã đưa đến ý tưởng chia nhỏ các thay đổi của X thành nhiều bước, như trình bày trong Hình 3 Ứng với mỗi thay đổi nhỏ ở

X, ta sử dụng ước lượng tuyến tính để suy ra những thay đổi nhỏ tương ứng ở Y Sau đó sử dụng giá trị

mới của X và Y, ta tính lại hệ số các ma trận GY và GX Tiến trình này được lặp lại ở mỗi bước Nếu ta

sử dụng 3 bước (như trong hình 3), giá trị cuối của Y và Y3

gần với Yexact hơn trong ước lượng YJ của Johansen Như thế, có thể chứng minh rằng, với những điều kiện ràng buộc hợp lý cho đạo hàm của

F(Y,X), ta có thể có được nghiệm chính xác tới bất kỳ mức nào bằng cách chia quá trình thành nhiều

bước đủ nhỏ

Phương pháp trình bày ở Hình 3, gọi là phương pháp Euler, là phương pháp đơn giản nhất trong số nhiều phép tích phân số học – một quá trình trong đó sử dụng các phương trình vi phân (công thức thay đổi) để đi từ nghiệm này sang nghiệm khác GEMPACK đưa ra nhiều sự chọn lựa của những kỹ thuật

này Mỗi kỹ thuật đòi hỏi người dùng đưa ra một nghiệm ban đầu {Y0,X0}, để đưa vào ma trận đạo hàm

GY và GX, và tổng phần trăm thay đổi của các biến ngoại sinh, x Không cần phải nêu rõ dạng nguyên

thể của F(Y,X), mặc dù nó là cơ sở của GY và GX

Tính chính xác của các kỹ thuật tìm nghiệm bằng nhiều bước có thể cải thiện nhờ phép ngoại suy Giả sử ta giải cùng một bài toán, nhưng với các phương pháp Euler 4 bước, 8 bước và 16 bước Kết quả cho thấy tổng phần trăm thay đổi của biến nội sinh Y là:

y(4-bước) = 4.5%,

y(8-bước) = 4.3% (giảm 0.2%), và

y(16- bước) = 4.2% (giảm 0.1%)

Phép ngoại suy cho thấy nghiệm của cách tính với 32 bước sẽ là:

y(32- bước) = 4.15% (giảm 0.05%),

Hình 3: Quy trình nhiều bước để giảm thiểu sai số tuyến tính

Kết quả ngoại suy cần 28 (= 4+8+16) bước để tính, nhưng kết quả này thường sẽ chính xác hơn so với cách giải một lần với 28 bước Nói cách khác, phương pháp ngoại suy cho phép ta đạt cùng mức chính xác với số bước ít hơn Như đã lưu ý ở trên, mỗi bước trong quá trình tìm nghiệm bằng phương

pháp nhiều bước đòi hỏi: tính toán phần trăm thay đổi từ số liệu của các ma trận đạo hàm GY và GX; tìm

nghiệm của hệ tuyến tính (6), và sử dụng nghiệm đó để cập nhật số liệu (X,Y)

Trên thực tế, trong các mô hình AGE tiêu biểu, khi tính toán bằng nhiều bước, việc lưu trữ (record)

các giá trị cho từng phần tử của X và Y là không cần thiết Thay vào đó, ta có thể định nghĩa một tập

hợp các hệ số số liệu V là các hàm của X và Y, ví dụ V = H(X,Y) Hầu hết các phần tử của V chỉ đơn

giản là các dòng chi phí hay các chi tiêu, như trong các bảng cân đối liên ngành Như vậy, GY và GX là

những hàm đơn giản của V; nó thường giống với các phần tử của V Sau mỗi thay đổi nhỏ, V được cập nhật bằng công thức v = HY(X,Y)y + HX(X,Y)x Việc lưu trữ V thay cho X và Y có hai ưu điểm:

 Thể hiện GY và GX như hàm của V thường là đơn giản, đặc biệt là đơn giản hơn nhiều so với các hàm F gốc; và

 V bao gồm ít phần tử hơn X và Y (ví dụ, thay vì lưu trữ giá và sản lượng riêng biệt, ta có thể lưu

tích của chúng, là giá trị của hàng hóa hay yếu tố sản xuất)

3.1 Hệ chưa tuyến tính hóa và đã tuyến tính hóa: một ví dụ nhỏ

Để minh họa tính thuận tiện của phương pháp tuyến tính hóa5, ta xét một hệ phương trình nhỏ: các phương trình cầu đầu vào dạng CES của một nhà sản xuất với sản lượng đầu ra là Z và các yếu tố đầu vào là Xk, trong đó k=1-N, và giá là Pk Dạng nguyên thể (levels) của hệ phương trình là (xem phục lục A):

k and là các tham số hành vi Để giải mô hình ở dạng nguyên thể (levels model), các giá trị của k

thường được suy ra từ các giá trị của dòng hàng hóa trong quá khứ, Vk=PkXk , được xem là tương thích với hệ phương trình và với một số giá trị  cho trước Quá trình này được gọi là cân chỉnh mô hình (calibration) Để tính giá trị cho Xk, ta thường gán giá trị một nào đó cho Pk, ví dụ như 1 Điều này sẽ giúp tạo ra đơn vị cho Xk (là lượng Xk có giá trị bằng 1 đôla ở năm gốc) Tham số  thường được tính từ

hệ số co giãn thay thế  (= 1/(+1)), với được ước tính bằng phương pháp kinh tế lượng Khi đã biết các giá trị của Pk, Xk, Z và , ta có thể suy ra k

Trong giai đoạn tìm nghiệm của mô hình nguyên thể, k và  được cố định tại các giá trị đã cân

chỉnh (calibrated values) Thuật toán sẽ cố gắng tìm ra các giá trị Pk, Xk và Z tương thích với các phương trình nguyên thể và với cả các điều kiện ràng buộc ngoại sinh Để làm được điều này, thông thường thuật

toán sẽ kiểm tra nhiều lần các phương trình (8) và (9) – tương thích với F(Y,X) - và các đạo hàm của các phương trình này theo FY và FX.

Phương pháp phần trăm thay đổi thì đơn giản hơn nhiều Các phương trình tuyến tính hóa tương ứng với phương trình (8) và (9) là (xem phụ lục A và E):

Vk,mới =Vk,cũ + Vk,cũ(xk + pk)/100 (12) GEMPACK được xây dựng để đơn giản hóa quá trình tìm nghiệm tuyến tính Người dùng thiết lập các phương trình tuyến tính (10) và (11) và công thức để cập nhật (12) bằng ngôn ngữ TABLO Ngôn ngữ này cũng tương tự như các ký hiệu trong môn đại số bình thường Sau đó, GEMPACK sẽ lặp đi lặp lại quy trình sau:

 Tính giá trị của GY và GX tại các giá trị cho trước của V

 Giải hệ phương trình tuyến tính để tìm y, tận dụng sự thưa thớt (sparsity) của các ma trận GYand GX và

 Cập nhật các hệ số V

Các chi tiết của việc tính toán bằng phương pháp nhiều bước và các phép suy nghiệm được thực hiện

tự động và ẩn (người dùng không thấy)

Ngoài tính đơn giản, phương pháp tuyến tính hóa còn có ba ưu điểm nữa

5

Để biết thêm và so sánh giữa các cách giải không tuyến tính hóa và tuyến tính hóa để giải các mô hình AGE, xem thêm Hertel, Horridge & Pearson (1992)

 Thứ nhất, nó cho phép linh hoạt lựa chọn các biến sẽ là nội sinh hay ngoại sinh Nhiều thuật toán giải hệ phương trình nguyên thể (không tuyến tính hóa) không có đặc điểm này

 Để thu nhỏ các mô hình AGE tới mức có thể kiểm soát được, ta thường phải dùng các phương trình của mô hình để thay thế (substitute out) các biến ma trận phức tạp Trong một hệ phương trình tuyến tính, chúng ta luôn có thể thể hiện một biến bằng một phương trình mà trong đó nó xuất hiện

Vì vậy, việc thay thế biến là khá đơn giản Trên thực tế, vì GEMPACK thực hiện phép biến đổi này thay cho con người, mô hình có thể được viết dưới dạng các phương trình ban đầu, thay vì dạng thu nhỏ theo cách vừa trình bày ở trên Điều này giúp giảm thiểu các lỗi có thể mắc phải và giúp dễ kiểm tra các phương trình trong mô hình hơn

 Thứ ba, và có lẽ là quan trọng nhất, là các phương trình tuyến tính giúp ta hiểu kết quả mô phỏng

Cụ thể, ta có thể dễ dàng thấy được phần đóng góp của mỗi biến ở vế phải lên về trái của từng phương trình Ví dụ, trong phương trình tính chỉ số giá CES:

3.2 Nghiệm ban đầu

Cho tới lúc này, quy trình tìm nghiệm của chúng ta dựa trên giả định rằng ta đã có một nghiệm ban

đầu của mô hình là {Y0,X0}, hoặc giá trị V0 tương ứng, và kết quả được thể hiện dưới dạng phần trăm thay đổi so với giá trị ban đầu này

Trên thực tế, cơ sở dữ liệu của ORANI không thể hiện được trạng thái mong đợi của nền kinh tại một thời điểm trong tương lai, như điểm B trên Hình 1 Thay vào đó, số liệu quá khứ gần nhất, điểm A, được sử dụng Như vậy, các số liệu tốt nhất cũng chỉ thể hiện được nền kinh tế hiện tại mà thôi Lưu ý rằng, với một mô hình tĩnh không mang tính thời gian, A được coi là nghiệm cho giai đoạn T Trong mô hình tĩnh, khi cho tất cả các biến ngoại sinh giá trị ở giai đoạn gốc thì tất cả các biến nội sinh cũng sẽ có giá trị như ở giai đoạn gốc Tuy nhiên, điểm A có thể không phải là trạng thái phù hợp để làm chuẩn so sánh cho nền kinh tế tại gia đoạn T, do đó câu hỏi đặt ra là: liệu các ước lượng về phần trăm thay đổi từ

B đến C có bị tác động bởi xuất phát điểm là A thay vì B? Ví dụ, liệu các phần trăm thay đổi do việc giảm thuế nhập khẩu ở năm 1994 gây ra có khác biệt nhiều so với các thay đổi nếu giảm thuế vào năm 2005? Có lẽ không! Vì trước hết, nếu nền kinh tế tăng trưởng cân bằng, nghĩa là cơ sở dữ liệu của mô hình được gia tăng đồng đều, thì tất cả các hệ số của phương trình sẽ được nhân với cùng một tỉ lệ, không ảnh hưởng đến kết quả của ORANI Thứ hai, những thay đổi về cấu trúc của nền kinh tế mà có thể làm biến đổi kết quả của mô hình lại thường diễn ra khá chậm Do đó, trong các mô phỏng ở ngắn hoặc trung hạn, điểm A có thể đại diện tương đối tốt cho B (Dixon, Parmenter and Rimmer, 1986)6

4 Các phương trình của mô hình ORANI-G

Trong phần này chúng tôi sẽ mô tả mô hình ở dạng tuyến tính Mô tả của chúng tôi xoay quanh file TABLO, công cụ để chạy mô hình trong chương trình GEMPACK Cụ thể, chúng tôi sẽ trình bày toàn

bộ TABLO Input file theo từng đoạn, cùng với bảng biểu, sơ đồ và các phần giải thích

Ngôn ngữ sử dụng trong file TABLO rất giống như ngôn ngữ đại số thông thường, trong đó tên của các biến và hệ số được chọn sao cho có thể truyền đạt ý nghĩa kinh tế của chúng Người đọc cần qua

6

Ví dụ, kết quả mô phỏng cho thấy rằng nếu giảm thuế nhập khẩu đánh lên hàng dệt thì lượng việc làm trong ngành dệt sẽ bị giảm 7% trong 5 năm tới Ở đây, chúng tôi nói rằng kết quả này là không quá nhạy cảm với việc chúng ta mô phỏng từ cơ sở dữ liệu của hôm nay chứ không phải từ cơ sở dữ liệu của 5 năm tới Tuy nhiên, ảnh hưởng về mặt xã hội của mức giảm 7% này phụ thuộc chặt chẽ vào việc lao động trong ngành dệt có tăng trưởng hay không trong điều kiện không có cắt giảm thuế Để xem xét vấn đề này, chúng ta cần một mô hình dự báo, như

mô hình MONASH Nếu kết quả của kịch bản đối chiếu trong MONASH cho thấy việc làm trong ngành dệt sẽ tăng trưởng 1.5% mỗi năm thì việc giảm 7% trong 5 năm có thể không dẫn đến tình trạng sa thải nhân công

thực hành thì mới quen được với các ký hiệu trong TABLO, nhưng nó không hề khó hơn các cách thể hiện mô hình khác, ví như ngôn ngữ sử dụng trong sách của DPSV (1982) Khi đã quen với ngôn ngữ trong file này, ta có thể dễ dàng sử dụng các chương trình GEMPACK để thực hiện mô phỏng với mô hình và chuyển kết quả thành dạng dễ đọc cho con người Cả đầu ra và đầu vào của những chương trình này đều sử dụng các ký hiệu của TABLO Hơn nữa, việc thuần thục với dạng ngôn ngữ của TABLO là điều cần thiết cho những ai muốn thay đổi cấu trúc của mô hình

Một lý do quan trọng khác cho việc sử dụng TABLO Input file để mô tả mô hình là để đảm bảo các

mô tả của chúng tôi là đầy đủ và chính xác Nó đầy đủ bởi vì số liệu duy nhất cần thêm để giải mô hình bằng GEMPACK là số liệu số (cơ sở dữ liệu của mô hình và các giá trị cho biến ngoại sinh của mô phỏng) Và nó chính xác bởi vì GEMPACK chỉ đơn giản là một hệ thống dùng để giải phương trình Tự

nó không bao hàm các giả định về kinh tế

Chúng tôi tiếp tục phần này với một đoạn giới thiệu ngắn về ngôn ngữ TABLO – những chi tiết khác

sẽ trình bày sau, khi cần thiết Sau đó, chúng tôi mô tả cơ sở dữ liệu đầu vào đầu ra được dùng làm cơ sở của mô hình Đó là những nội dung chính trong phần trình bày sau đây

4.1 Ngôn ngữ TABLO

Phần mô tả mô hình TABLO định nghĩa các phương trình thể hiện phần trăm thay đổi trong mô hình

Ví dụ, các phương trình của hàm cầu CES, (10) và (11), xuất hiện dưới dạng sau:

Equation E_x # input demands #

(all, f, FAC) x(f) = z - SIGMA*[p(f) - p_f];

Equation E_p_f # input cost index #

V_F*p_f = sum{f,FAC, V(f)*p(f)};

Từ đầu tiên ―Equation‖ là từ khóa để định nghĩa câu lệnh Tiếp theo là tên của phương trình, tên này phải khác nhau cho các phương trình khác nhau Lời mô tả giữa hai ký hiệu '#' là tùy chọn; nó thường xuất hiện trong một số file báo cáo Cụm từ '(all, f, FAC)' cho biết rằng phương trình là một ma trận chứa phương trình vô hướng cho mỗi phần tử trong tập hợp FAC.7

Trong từng phương trình, chúng tôi sử dụng một số quy ước như sau: các biến phần trăm thay đổi được viết bằng chữ thường (ví dụ như x, z, p và p_f); các hệ số được viết bằng chữ in hoa (SIGMA, V and V_F) Vì GEMPACK không phân biệt chữ viết thường hay viết hoa, nên quy ước này chỉ nhằm giúp nguời đọc dễ phân biệt mà thôi Một hệ quả của điều này là chúng ta không thể sử dụng cùng một chuỗi

ký tự, chỉ khác nhau bằng viết thường hay viết hoa, để xác định một biến và một hệ số Phần đuôi ‗(f)‘ chỉ ra rằng các biến và hệ số là các vec-tơ, với các phần tử thuộc tập hợp FAC Dấu chấm phẩy (;) báo hiệu kết thúc một câu lệnh trong TABLO

Để thuận lợi trong việc chuyển đổi giữa các môi trường điện toán, các ký tự được phép sử dụng trong TABLO khá hạn chế Chỉ được sử dụng các chữ cái La-tinh, các chữ số, và một vài loại dấu chấm phảy Không được sử dụng các ký tự Hy Lạp, các chữ viết dưới dòng (subscripts) Ngoài ra, dấu nhân

được thể hiện bằng dấu hoa thị '*' chứ không phải bằng dấu ''

7

Đối với phương trình E_x ta có thể viết như sau: (all, j, FAC) x(j) = z - SIGMA*[p(j) - p_f] mà không làm thay đổi kết quả mô phỏng Chúng tôi thường sử dụng chỉ số (f) giống như ký tự đầu tiên của tập hợp mà nó đại diện, nhằm giúp người học dễ hiểu hơn, nhưng GEMPACK không bắt buộc ta phải làm thế Ngược lại, GAMS (một phần mềm cạnh tranh) bắt buộc người dùng phải sử dụng một cách nhất quán các ký hiệu chỉ các tập hợp bằng cách kết nối một cách cứng nhắc các ký hiệu này với các tập hợp tương ứng

Các tập hợp, các hệ số và các biến số phải được định nghĩa rõ ràng thông qua các câu lệnh như:

Set FAC # inputs # (capital, labour, energy);

(all,f,FAC) p(f) # price of inputs #;

(all,f,FAC) x(f) # demand for inputs #;

z # output #;

p_f # input cost index #;

Như có thể thấy từ hai câu cuối của phần 'Coefficient' và ba câu cuối của phần 'Variable‖, các từ khóa (như 'Coefficient' and 'Variable') có thể được lược bỏ nếu như câu lệnh trước nó thuộc cùng một dạng

Các hệ số phải được gán các giá trị hoặc đọc từ file như:

Read V from file FLOWDATA;

Read SIGMA from file PARAMS;

Hoặc được xác định qua các hệ số khác bằng công thức:

Formula V_F = sum{f, FAC, V(f)}; ! used in cost index equation !

Vế phải của câu lệnh cuối sử dụng ký hiệu tổng của TABLO, tương đương với ký hiệu  trong môn đại số Nó xác định tổng của các chỉ số f chạy trong tập hợp FAC của các hệ số chi phí đầu vào, V(f) Câu lệnh này cũng chứa phần giải thích hay nhận xét; đó là phần được đặt giữa hai dấu chấm than (!) TABLO không xử lý phần giải thích

Một số hệ số sẽ được cập nhật trong quá trình tính toán nhiều bước Và điều này đòi hỏi câu lệnh như:

 Định nghĩa các tập hợp

 Khai báo các biến

 Khai báo các hệ số thường sử dụng để đọc từ các files có các lệnh Read và Update

 Khai báo các hệ số thường dùng khác để tính toán số liệu trong các công thức; và

 Nhóm các phương trình có liên quan, trong đó một số nhóm có cả câu lệnh định nghĩa các hệ số chỉ

sử dụng trong nhóm đó thôi

4.2 Cơ sở dữ liệu của mô hình

Hình 4 là giản đồ của cơ sở dữ liệu đầu vào đầu ra của mô hình Giản đồ này thể hiện cấu trúc cơ bản của mô hình Các tựa đề của các cột trong phần chính của hình (ma trận hấp thu) xác định các tác nhân có nhu cầu tiêu dùng hàng hóa như sau:

(1) Các nhà sản xuất trong nước, được chia thành I ngành;

(2) Các nhà đầu tư, được chia thành I ngành;

(3) Một hộ gia đình đại diện;

(4) Một nhà nhập khẩu lớn mua các hàng hóa xuất khẩu;

(5) Nhu cầu của chính phủ; và

(6) Thay đổi của lượng tồn kho

Hình 3 Cơ sở dữ liệu ủa mô hình ORANI-G

Các giá trị trong mỗi cột là cơ cấu của của các khoản mua của các đối tượng ghi trên tiêu đề của cột Mỗi loại hàng hóa C trong mô hình có thể được mua trong nước hay nhập khẩu Các hàng hóa này có thể được sử dụng như nguyên vật liệu đầu vào cho các ngành sản xuất và tạo vốn tài sản, có thể được tiêu

V1LND M = Số lượng chủng loại hàng hóa sử dụng như

phương tiện lưu thông Thuế

thụ bởi các hộ gia đình và chính phủ, có thể được xuất khẩu hoặc được cộng vào hay trừ ra khỏi khoản tồn kho Chỉ có hàng hóa sản xuất trong nước được để ở cột xuất khẩu Một lượng M hàng hóa sản xuất trong nước được sử dụng như các dịch vụ lưu thông (bán buôn, bán lẻ và vận tải) cần thiết để chuyển hàng hóa từ nguồn cung cấp sang người sử dụng Thuế hàng hóa được đánh lên các khoản mua Cùng với đầu vào trung gian, việc sản xuất đòi hỏi phải có các yếu tố sản xuất: lao động (chia làm O ngành nghề), vốn cố định và đất nông nghiệp Thuế sản xuất bao gồm thuế đầu ra hoặc trợ cấp mà không phân biệt giữa người tiêu dùng Mục ‗chi phí khác‘ bao gồm các loại thuế khác đánh lên doanh nghiệp như các loại lệ phí hoặc phụ phí của địa phương

Mỗi ô trong ma trận minh họa trên Hình 4 chứa tên của một ma trận tương ứng trong số liệu Ví dụ, V2MAR là một ma trận 4 chiều cho thấy chi phí của M dịch vụ lưu thông cho việc lưu chuyển C chủng loại hàng hóa, cả hàng hóa sản xuất trong nước và nhập khẩu, đến I nhà đầu tư

Về nguyên tắc, mỗi ngành sản xuất có thể sản xuất bất kỳ loại nào trong C chủng loại hàng hóa Ma trận MAKE ở phía dưới của hình 4 thể hiện giá trị của đầu ra của mỗi hàng hóa từ mỗi ngành Sau cùng, thuế quan đánh lên hàng nhập khẩu được giả định là khác biệt đối với từng mặt hàng, nhưng không khác biệt đối với từng người sử dụng Doanh thu thuế nhập khẩu được được thể hiện bằng vec-tơ V0TAR

4.3 Kích thước của mô hình

Đoạn trích 1 của file TABLO Input bắt đầu bằng việc định nghĩa các tên gọi logic cho các file đầu vào và đầu ra Những số liệu ban đầu được lưu ở file đầu vào BASEDATA File đầu ra SUMMARY được dùng để lưu các thông tin tổng hợp và thông tin để chuẩn đoán lỗi Lưu ý rằng cả BASEDATA và

SUMMARY chỉ là các tên logic Địa điểm cụ thể của các files này (trong các thư mục, ổ đĩa) là do người

dùng mô hình chỉ định

Phần còn lại của Đoạn trích 1 định nghĩa các tập hợp: các danh sách mô tả các phần tử của các biến vec-tơ Tên của các tập hợp được viết dưới dạng chữ in hoa Ví dụ, câu lệnh của tập hợp đầu tiên được hiểu là để định nghĩa một tập hợp với tên ‗COM‘ có chứa các tên mô tả hàng hóa Các phần tử của COM (gồm một danh sách các tên hàng hóa) được đọc từ file đầu vào (điều này sẽ cho phép mô hình sử dụng các cơ sở dữ liệu với các số lượng ngành hàng khác nhau) Ngược lại, hai yếu tố của tập hợp SRC – dom

và imp – được viết thẳng vào câu lệnh

! Excerpt 1 of TABLO input file: !

! Files and sets !

File BASEDATA # Input data file #;

(new) SUMMARY # Output for summary and checking data #;

Set !Index! COM # Commodities# read elements from file BASEDATA header "COM"; ! c ! SRC # Source of commodities # (dom,imp); ! s ! IND # Industries # read elements from file BASEDATA header "IND"; ! i ! OCC # Occupations # read elements from file BASEDATA header "OCC"; ! o ! MAR # Margin commodities # read elements from file BASEDATA header "MAR";! m ! Subset MAR is subset of COM;

Set NONMAR # Non-margin commodities # = COM - MAR; ! n !

Các hàng hóa, ngành sản xuất và nghề nghiệp trong phiên bản ORANI-G cho Australia được trình bày ở đây là phiên bản gộp (aggregated version) của các hàng hóa, ngành và nghề nghiệp được sử dụng trong mô hình gốc ORANI, gồm hơn 100 ngành và chủng loại hàng hóa, và 8 loại nghề nghiệp

Phân loại ngành có khác biệt nhỏ so với phân loại hàng hóa Cả hai đều được liệt kê trong Bảng 1 Trong phiên bản gộp này, việc sản xuất đa hàng hóa (multiproduction) chỉ giới hạn ở hai ngành sản xuất

ra ba loại hàng hóa Mỗi ngành còn lại chỉ sản xuất một loại hàng hóa Lao động được chia thành nhiều nghề nghiệp dựa trên kỹ năng, được mô tả trong tập hợp OCC

Cột giữa của Bảng 1 liệt kê các phần tử của tập hợp COM và có thể đọc từ file GEMPACK sử dụng tên các phần tử để định tên cho các cột và dòng của kết quả và các bảng số liệu Tên các phần tử không

được dài hơn 12 ký tự và không chứa khoảng trắng Các phần tử của IND giống như các phần tử 2-23 của COM

Các phần tử của tập hợp MAR là các dịch vụ lưu thông; cụ thể hơn, chúng được sử dụng để hỗ trợ quá trình lưu thông các hàng hóa khác từ nhà sản xuất đến người tiêu dùng Vì thế, chi phí của các dịch

vụ lưu thông, cùng với các loại thuế gián thu, tạo nên sự khác biệt giữa giá cơ bản (basic prices) (giá mà nhà sản xuất hoặc nhà nhập khẩu nhận được) và giá mà người mua phải trả (purchasers‘ prices)

TABLO không cấm các phần tử trong hai tập hợp có tên gọi giống nhau Nó cũng không tự động suy

ra bất kỳ mối liên hệ nào giữa các phần tử đó Câu lệnh Subset tiếp sau định nghĩa của tập hợp MAR là cần thiết để yêu cầu TABLO nhận ra rằng hai phần tử của MAR là Trade và Transport là giống với phần

tử thứ 18 và 19 của tập hợp COM

Bảng 1 phân loại hàng hóa và ngành

Mô tả hàng hóa Các phần tử của tập hợp COM Mô tả ngành sản xuất

1

2

3

Ngũ cốc

Nông nghiệp quảng canh

Nông nghiệp thâm canh

Cereals AgBroadacre AgIntensive

8 Dệt, quần áo & dày dép TCF 7 Dệt, quần áo & dày dép

9 Sản phẩm từ gỗ WoodProds 8 Wood related products

10 Hóa chất & sản phẩm từ dầu ChemProds 9 Hóa chất & sản phẩm từ dầu

11 Sản phẩm phi kim loại NonMetal 10 Sản phẩm phi kim loại

12 Sản phẩm kim loại MetalProds 11 Sản phẩm kim loại

13 Thiết bị vận tải TrnspEquip 12 Thiết bị vận tải

14 Máy móc khác OthMachnry 13 Máy móc khác

15 Sản xuất khác OthManufact 14 Sản xuất khác

16 Utilities Utilities 15 Utilities

17 Xây dựng Construction 16 Xây dựng

18 Bán buôn và bán lẻ Trade (margin) 17 Bán buôn và bán lẻ

19 Vận tải Transport (margin) 18 Vận tải

20 Tài chính, ngân hàng Finance 19 Tài chính, ngân hàng

21 Quyền sở hữu nhà Dwellings 20 Quyền sở hữu nhà

22 Dịch vụ công PublicServcs 21 Dịch vụ công

23 Dịch vụ tư PrivatServcs 22 Dịch vụ tư

4.4 Hệ thống đặt tên trong mô hình ORANI-G

File TABLO Input định nghĩa rất nhiều biến và nhiều hệ số sử dụng trong các phương trình của mô hình Rất khó để có thể nhớ hết được tên gọi của các biến và hệ số này8 Điều may mắn là tên của chúng tuân theo một quy luật Mặc dù GEMPACK không đòi hỏi hệ thống đặt tên phải thực hiện theo một quy

8

Chương trình TABmate của GEMPACK hỗ trợ việc nhớ lại tên các biến và hệ số Khi file TABLO Input chạy trong TABmate, bạn có thể nhấp chuột vào bất kỳ biến hoặc hệ số nào; sau đó, chọn nút Gloss, một danh sách sẽ xuất hiện với phần mô tả của biến đó, cùng với tất cả các câu lệnh trong file TABLO input có chứa nó

luật nào, nhưng chúng ta sẽ thấy rằng việc đặt tên có hệ thống sẽ giúp ta đáng kể trong việc nhớ chúng

Do đó, tên của các biến nên tuân theo một hệ thống gồm hai phần hoặc nhiều hơn như sau:

Đầu tiên, một ký tự hay nhiều ký tự thể hiện loại của biến, ví dụ:

a thay đổi công nghệ

del thay đổi thường thay vì thay đổi phần trăm

w phần trăm thay đổi của giá trị, tính bằng nội tệ

x số lượng đầu vào;

Thứ hai, một trong các chữ số từ 0 đến 6 thể hiện người sử dụng hàng hóa, nghĩa là:

1 sản xuất hiện tại

0 tất cả người tiêu dùng, hay không phân biệt người dùng

Thứ ba (tùy chọn), ba ký tự hoặc nhiều hơn cung cấp thêm thông tin, cụ thể như:

bas (thường bị lược bỏ) cơ bản —không bao gồm thuế và các chi phí lưu thông

cif giá nhập tại cửa khẩu

imp nhập khẩu (đã trả thuế nhập khẩu)

lab lao động

lnd đất đai

lux Hệ chi tiêu tuyến tính (phần xa xỉ)

mar chi phí lưu thông

oct các chi phí khác

prim tất cả các tư liệu sản xuất (đất, lao động hoặc vốn)

pur tại mức giá mua

sub hệ chi tiêu tuyến tính (phần thiết yếu)

tar thuế nhập khẩu

tax Thuế gián thu

tot Tổng hay trung bình cho tất cả các đầu vào của một người sử dụng nào đó

Thứ tư (tùy chọn), ký tự gạch chân (underscore character), cho biết biến này là một tổng hay trung bình, với các ký tự tiếp theo sau chỉ ra rằng biến gạch chân này là tổng hay trung bình của tập hợp nào, ví dụ:

_c cho tập hợp COM (hàng hóa),

_s cho tập hợp SRC (nội địa + nhập khẩu),

_i cho tập hợp IND (ngành),

_io cho tập hợp IND và OCC (kỹ năng)

Mặc dù GEMPACK không phân biệt giữa các ký tự dạng in thường hay in hoa, ta vẫn sử dụng:

Chữ in thường cho tên biến và chỉ số cho tập hợp

Chữ in hoa cho các tập hợp và tên các hệ số, và

Chữ in hoa cho ký tự đầu tiên của các từ khóa của TABLO

4.5 Các hệ số số liệu chính và các biến liên quan

Trong các đoạn trích kế tiếp của file TABLO có các câu lệnh thể hiện rằng số liệu sẽ được đọc từ file Các số liệu được định nghĩa trong những câu lệnh này xuất hiện dưới dạng các hệ số trong các phương trình của mô hình Các câu lệnh định nghĩa tên của các hệ số (ở dạng chữ in hoa), nơi (địa chỉ)

số liệu sẽ được đọc, tên của các biến (dưới dạng chữ in thường), và công thức để cập nhật số liệu – đây

là một bước cần thiết khi giải mô hình bằng nhiều bước (xem lại Phần 3)

4.5.1 Các dòng hàng hóa ở giá cơ bản

Các đoạn trích dưới đây sẽ nhóm các số liệu căn cứ theo hàng của Hình 4 Như vậy, Đoạn 2 bắt đầu bằng việc định nghĩa các hệ số đại diện cho các dòng hàng hóa cơ bản tương ứng với hàng 1 (các dòng trực tiếp) của hình, cụ thể là các ma trận V1BAS, V2BAS, v.v Đi trước tên của hệ số là kích thước của chúng, được xác định bằng từ "all" và các tập hợp đã được định nghĩa trong Đoạn trích 1 Ví dụ, 'Coeffi-cient' đầu tiên, (ở Đoạn trích 2), định nghĩa số liệu V1BAS(c,s,i), là giá trị cơ bản (thể hiện bằng BAS) của một dòng đầu vào trung gian (thể hiện bằng '1') của hàng hóa c từ nguồn s đến người tiêu dùng là ngành sản xuất i Câu lệnh 'Read' đầu tiên cho thấy rằng số liệu này được lưu trữ tại file BASEDATA với tiêu đề '1BAS' (Một file số liệu trong GEMPACK bao gồm nhiều mục số liệu, ví dụ như một chuỗi các số thực Mỗi số liệu được nhận dạng bằng một từ khóa hoặc một ‗tiêu đề‘ duy nhất

Mỗi một dòng hàng hóa là một tích số của giá và sản lượng Đoạn trích tiếp theo định nghĩa những biến này Trừ phi được khai báo khác đi, các biến này là phần trăm thay đổi Để ký hiệu điều này, tên của các biến này được viết dưới dạng chữ in thường Trước tên của biến là kích thước của chúng, được chỉ ra bằng các tập hợp đã định nghĩa trong Đoạn trích 1 Ví dụ, câu lệnh cho biến thứ nhất xác định một biến ma trận x1 (xác định theo hàng hóa, nguồn, và ngành) có các phần tử là phần trăm thay đổi của cầu trực tiếp từ nhà sản xuất đối với đầu vào trung gian từ các nguồn cụ thể Đây là biến số lượng tương ứng với V1BAS

! Excerpt 2 of TABLO input file: !

! Data coefficients and variables relating to basic commodity flows !

Coefficient ! Basic flows of commodities (excluding margin demands)!

(all,c,COM)(all,s,SRC)(all,i,IND) V1BAS(c,s,i) # Intermediate basic flows #; (all,c,COM)(all,s,SRC)(all,i,IND) V2BAS(c,s,i) # Investment basic flows #; (all,c,COM)(all,s,SRC) V3BAS(c,s) # Household basic flows #; (all,c,COM) V4BAS(c) # Export basic flows #;

(all,c,COM)(all,s,SRC) V5BAS(c,s) # Government basic flows #; (all,c,COM)(all,s,SRC) V6BAS(c,s) # Inventories basic flows #; Read

V1BAS from file BASEDATA header "1BAS";

V2BAS from file BASEDATA header "2BAS";

V3BAS from file BASEDATA header "3BAS";

V4BAS from file BASEDATA header "4BAS";

V5BAS from file BASEDATA header "5BAS";

V6BAS from file BASEDATA header "6BAS";

Variable ! Variables used to update above flows !

(all,c,COM)(all,s,SRC)(all,i,IND) x1(c,s,i) # Intermediate basic demands #; (all,c,COM)(all,s,SRC)(all,i,IND) x2(c,s,i) # Investment basic demands #; (all,c,COM)(all,s,SRC) x3(c,s) # Household basic demands #;

(all,c,COM) x4(c) # Export basic demands #;

(all,c,COM)(all,s,SRC) x5(c,s) # Government basic demands #; (change) (all,c,COM)(all,s,SRC) delx6(c,s) # Inventories demands #;

(all,c,COM)(all,s,SRC) p0(c,s) # Basic prices for local users #; (all,c,COM) pe(c) # Basic price of exportables #; (change)(all,c,COM)(all,s,SRC) delV6(c,s) # Value of inventories #;

Update

(all,c,COM)(all,s,SRC)(all,i,IND) V1BAS(c,s,i) = p0(c,s)*x1(c,s,i);

(all,c,COM)(all,s,SRC)(all,i,IND) V2BAS(c,s,i) = p0(c,s)*x2(c,s,i);

(all,c,COM)(all,s,SRC) V3BAS(c,s) = p0(c,s)*x3(c,s);

(all,c,COM) V4BAS(c) = pe(c)*x4(c);

(all,c,COM)(all,s,SRC) V5BAS(c,s) = p0(c,s)*x5(c,s);

(change)(all,c,COM)(all,s,SRC) V6BAS(c,s) = delV6(c,s);

Biến cuối cùng trong nhóm biến số lượng, delx6, được theo sau từ lệnh 'Change' để chỉ ra rằng đây là một thay đổi bình thường (ordinary change, chứ không phải là phần trăm thay đổi) Biến động trong mức tồn kho có thể âm hoặc dương Quy trình tìm nghiệm bằng nhiều bước yêu cầu các thay đổi lớn phải được chia thành nhiều thay đổi nhỏ Tuy nhiên, không có bất kỳ phần trăm thay đổi nhỏ nào có thể làm đổi dấu một con số– ít nhất phải có một lần thay đổi vượt quá -100% Vì thế, đối với những biến mà ở dạng nguyên thể có thể thay đổi dấu, ta nên sử dụng thay đổi thường Các tên của các biến thay đổi thường bắt đầu bằng từ "del"

Tiếp theo là hai biến của giá Biến ma trận p0 (xác định theo hàng hóa và nguồn) thể hiện phần trăm thay đổi trong các giá cơ bản được áp dụng cho tất cả mọi người sử dụng trong nước Giá cơ bản này chưa bao gồm chi phí lưu thông và thuế Hàng xuất khẩu có giá cơ bản là pe Thông thường, pe có thể khác với giá nội địa p09

Cuối cùng, biến delV6 được dùng trong những câu lệnh cập nhật kế tiếp

Câu lệnh 'Update' đầu tiên chỉ ra rằng dòng V1BAS(c,s,i) phải được cập nhật bằng công thức mặc định Công thức này sử dụng cho loại số liệu là tích số của hai biến (hoặc nhiều hơn) của mô hình Đối với một mục số liệu có dạng V = PX, công thức của giá trị cập nhật VU

Trong đó, V0, P0 và X0là các giá trị trước khi cập nhật, p và x là các phần trăm thay đổi của các biến

P và X Đối với số liệu V1BAS(c,s,i), các biến phần trăm thay đổi liên quan là p0(c,s) (giá cơ bản của hàng hóa c từ nguồn s) và x1(c,s,i) (cầu của nhà sản xuất ngành i đối với các đầu vào trung gian của hàng hóa c từ nguồn s)

Không phải tất cả các số liệu của mô hình đều có thể được cập nhật thông qua công thức cập nhật mặc định Ví dụ, dòng tồn kho V6BAS có thể thay đổi dấu, cho nên nó không được phép cập nhật bằng các biến phần trăm thay đổi Trong trường hợp đó, câu lệnh Update phải chứa một công thức chính xác cho các thay đổi thường trong số liệu Điều này thể hiện bằng từ lệnh 'Change' ở trong dấu ngoặc đơn Với V6BAS, ta thể hiện sự thay đổi bằng một biến thay đổi thường là delV6 Công thức Update (13) sẽ trở nên đơn giản hơn như sau:

Một phương trình định nghĩa biến delV6 sẽ xuất hiện sau

4.5.2 Các dòng chi phí lưu thông

Các hệ số và biến trong Đoạn trích 3 tương ứng với dòng thứ 2 (chi phí lưu thông) trong Hình 4; nghĩa là các ma trận chi phí lưu thông V1MAR, V2MAR,v.v Đây là các lượng (quantity) của dịch vụ bán lẻ, bán buôn hoặc vận tải cần để đưa mỗi dòng hàng hóa cơ bản tới người tiêu dùng Ví dụ, V3MAR(c,s,m) là giá trị của loại dich vụ m sử dụng để đưa hàng hóa loại c từ nguồn s đến các hộ gia đình (người tiêu dùng 3) Mô hình giả định rằng các dịch vụ lưu thông được sản xuất trong nước và được tính theo giá cơ bản– đại diện bằng biến p0dom Sau này chúng ta sẽ thấy là biến này đơn giản chỉ là đồng nghĩa với phần nội địa trong ma trận giá cơ bản, p0[i.e., p0dom(c) = p0(c,"dom")]

! Excerpt 3 of TABLO input file: !

! Data coefficients and variables relating to margin flows !

Coefficient

(all,c,COM)(all,s,SRC)(all,i,IND)(all,m,MAR)

V1MAR(c,s,i,m) # Intermediate margins #; (all,c,COM)(all,s,SRC)(all,i,IND)(all,m,MAR)

V2MAR(c,s,i,m) # Investment margins #;

(all,c,COM)(all,s,SRC)(all,m,MAR) V3MAR(c,s,m) # Households margins #;

(all,c,COM)(all,m,MAR) V4MAR(c,m) # Export margins #;

(all,c,COM)(all,s,SRC)(all,m,MAR) V5MAR(c,s,m) # Government margins #;

Read

V1MAR from file BASEDATA header "1MAR";

V2MAR from file BASEDATA header "2MAR";

V3MAR from file BASEDATA header "3MAR";

V4MAR from file BASEDATA header "4MAR";

V5MAR from file BASEDATA header "5MAR";

Variable ! Variables used to update above flows !

(all,c,COM)(all,s,SRC)(all,m,MAR) x5mar(c,s,m) # Government margin demands #; (all,c,COM) p0dom(c) # Basic price of domestic goods = p0(c,"dom") #; Update

(all,c,COM)(all,s,SRC)(all,i,IND)(all,m,MAR)

V1MAR(c,s,i,m) = p0dom(m)*x1mar(c,s,i,m); (all,c,COM)(all,s,SRC)(all,i,IND)(all,m,MAR)

V2MAR(c,s,i,m) = p0dom(m)*x2mar(c,s,i,m); (all,c,COM)(all,s,SRC)(all,m,MAR) V3MAR(c,s,m) = p0dom(m)*x3mar(c,s,m);

(all,c,COM)(all,m,MAR) V4MAR(c,m) = p0dom(m)*x4mar(c,m);

(all,c,COM)(all,s,SRC)(all,m,MAR) V5MAR(c,s,m) = p0dom(m)*x5mar(c,s,m);

4.5.3 Các loại thuế hàng hóa cho người sử dụng cụ thể

Đoạn trích 4 chứa các hệ số và biến số tương ứng với hàng 3 (thuế hàng hóa) trong Hình 4, nghĩa là các ma trận V1TAX, V2TAX, Tất cả các ma trận này đều có cùng kích thước với các dòng cơ bản tương ứng

! Excerpt 4 of TABLO input file: !

! Data coefficients and variables relating to commodity taxes !

Coefficient ! Taxes on Basic Flows!

(all,c,COM)(all,s,SRC)(all,i,IND) V1TAX(c,s,i) # Taxes on intermediate #;

(all,c,COM)(all,s,SRC)(all,i,IND) V2TAX(c,s,i) # Taxes on investment #;

(all,c,COM)(all,s,SRC) V3TAX(c,s) # Taxes on households #;

(all,c,COM) V4TAX(c) # Taxes on export #;

(all,c,COM)(all,s,SRC) V5TAX(c,s) # Taxes on government #;

Read

V1TAX from file BASEDATA header "1TAX";

V2TAX from file BASEDATA header "2TAX";

V3TAX from file BASEDATA header "3TAX";

V4TAX from file BASEDATA header "4TAX";

V5TAX from file BASEDATA header "5TAX";

Variable

(change)(all,c,COM)(all,s,SRC)(all,i,IND) delV1TAX(c,s,i) # Interm tax rev #; (change)(all,c,COM)(all,s,SRC)(all,i,IND) delV2TAX(c,s,i) # Invest tax rev #; (change)(all,c,COM)(all,s,SRC) delV3TAX(c,s) # H'hold tax rev #; (change)(all,c,COM) delV4TAX(c) # Export tax rev #; (change)(all,c,COM)(all,s,SRC) delV5TAX(c,s) # Govmnt tax rev #; Update

(change)(all,c,COM)(all,s,SRC)(all,i,IND) V1TAX(c,s,i) = delV1TAX(c,s,i);

(change)(all,c,COM)(all,s,SRC)(all,i,IND) V2TAX(c,s,i) = delV2TAX(c,s,i);

(change)(all,c,COM)(all,s,SRC) V3TAX(c,s) = delV3TAX(c,s);

(change)(all,c,COM) V4TAX(c) = delV4TAX(c);

(change)(all,c,COM)(all,s,SRC) V5TAX(c,s) = delV5TAX(c,s);

ORANI-G xử lý các loại thuế hàng hóa rất chi tiết – mỗi loại thuế đánh lên mỗi dòng hàng hóa cơ bản được xác định riêng biệt Các bảng đầu vào đầu ra thường không chi tiết bằng Vì thế, để xây dựng

cơ sở dữ liệu ban đầu, ta phải đưa vào nhiều giả định: ví dụ như giả định là tất cả Than sử dụng làm đầu vào trung gian đều chịu cùng một mức thuế suất Tuy nhiên, cấu trúc số liệu chi tiết vẫn cho phép ta mô phỏng tác động của những thay đổi về thuế đánh lên hàng hóa và người tiêu dùng cụ thể Ví dụ như tăng thuế ở mặt hàng Than sử dụng trong ngành Luyện kim

Các dòng thuế được cập nhật bằng các biến thay đổi thường Các phương trình xác định các biến này

sẽ xuất hiện sau

4.5.4 Các khoản chi trả cho các yếu tố sản xuất và các số liệu dòng khác

Đoạn trích 5 của file TABLO Input tương ứng với các hàng còn lại của Hình 4 Đây là các ma trận

hệ số cho thấy các khoản chi trả cho lao động, vốn và đất đai cùng với hai loại thuế sản xuất Sau đó là phần liệt kê các biến về giá và số lượng tương ứng Đối với thuế sản xuất V1PTX, biến thay đổi tương ứng, delV1PTX, được sử dụng trong câu lệnh Change Update Một phương trình xác định biến này sẽ xuất hiện sau Những hệ số dòng khác trong nhóm này đơn giản chỉ là các tích số của giá và sản lượng

Vì thế chúng có thể được cập nhật thông qua câu lệnh Update mặc định

Đoạn trích 5 cũng định nghĩa vec-tơ thuế nhập khẩu V0TAR Mục cuối cùng trong cơ sở dữ liệu, ma trận sản xuất đa hàng hóa, MAKE, thể hiện sản lượng hàng hóa của mỗi ngành Nó sẽ được trình bày ở một phần sau

! Excerpt 5 of TABLO input file: !

! Data coefficients for primary-factor flows, other industry costs, and tariffs! Coefficient

(all,i,IND)(all,o,OCC) V1LAB(i,o) # Wage bill matrix #;

(all,i,IND) V1CAP(i) # Capital rentals #;

(all,i,IND) V1LND(i) # Land rentals #;

(all,i,IND) V1PTX(i) # Production tax #;

(all,i,IND) V1OCT(i) # Other cost tickets #;

Read

V1LAB from file BASEDATA header "1LAB";

V1CAP from file BASEDATA header "1CAP";

V1LND from file BASEDATA header "1LND";

V1PTX from file BASEDATA header "1PTX";

V1OCT from file BASEDATA header "1OCT";

Variable

(all,i,IND)(all,o,OCC) x1lab(i,o) # Employment by industry and occupation #; (all,i,IND)(all,o,OCC) p1lab(i,o) # Wages by industry and occupation #;

(all,i,IND) x1cap(i) # Current capital stock #;

(all,i,IND) p1cap(i) # Rental price of capital #;

(all,i,IND) x1lnd(i) # Use of land #;

(all,i,IND) p1lnd(i) # Rental price of land #;

(change)(all,i,IND) delV1PTX(i) # Ordinary change in production tax revenue #; (all,i,IND) x1oct(i) # Demand for "other cost" tickets #;

(all,i,IND) p1oct(i) # Price of "other cost" tickets #;

Update

(all,i,IND)(all,o,OCC) V1LAB(i,o) = p1lab(i,o)*x1lab(i,o);

(all,i,IND) V1CAP(i) = p1cap(i)*x1cap(i);

(all,i,IND) V1LND(i) = p1lnd(i)*x1lnd(i);

(change)(all,i,IND) V1PTX(i) = delV1PTX(i);

(all,i,IND) V1OCT(i) = p1oct(i)*x1oct(i);

! Data coefficients relating to import duties !

Coefficient (all,c,COM) V0TAR(c) # Tariff revenue #;

Read V0TAR from file BASEDATA header "0TAR";

Variable (all,c,COM) (change) delV0TAR(c) # Ordinary change in tariff revenue #; Update (change) (all,c,COM) V0TAR(c) = delV0TAR(c);

4.5.5 Giá trị tính theo giá người mua (Purchasers’ values)

Đoạn trích 6 xác định giá trị tại các mức giá mà người mua trả cho các dòng nêu trong Hình 4 Các giá trị tổng hợp này được sử dụng trong nhiều phương trình Các định nghĩa của chúng sử dụng ký hiệu tính tổng của TABLO, đã được giải thích ở Phần 4.1 Ví dụ, công thức đầu tiên trong đoạn 6 bao gồm:

sum{m,MAR, V1MAR(c,s,i,m) }

Câu lệnh này xác định tổng với chỉ số m chạy trong tập hợp các dịch vụ lưu thông của các số liệu đầu vào-đầu ra V1MAR(c,s,i,m) Đây là tổng giá trị của các dịch vụ lưu thông cần thiết để đưa các đầu vào trung gian của hàng hóa c từ nguồn s đến người tiêu dùng thuộc ngành i Cộng thêm tổng này vào giá trị cơ bản của dòng đầu vào trung gian và thuế gián thu sẽ cho ta giá trị tính theo giá của người mua Tiếp theo là định nghĩa của các biến thể hiện giá của người mua Giá này bao gồm giá cơ bản, chi phí lưu thông và thuế Các phương trình định nghĩa những biến này được trình bày trong Đoạn trích 22

! Excerpt 6 of TABLO input file: !

! Coefficients and variables for purchaser's prices (basic + margins + taxes) ! Coefficient ! Flows at purchasers prices !

(all,c,COM)(all,s,SRC)(all,i,IND) V1PUR(c,s,i) # Intermediate purch value #; (all,c,COM)(all,s,SRC)(all,i,IND) V2PUR(c,s,i) # Investment purch value #; (all,c,COM)(all,s,SRC) V3PUR(c,s) # Households purch value #; (all,c,COM) V4PUR(c) # Export purch value #;

(all,c,COM)(all,s,SRC) V5PUR(c,s) # Government purch value #; Formula

V5PUR(c,s) = V5BAS(c,s) + V5TAX(c,s) + sum{m,MAR, V5MAR(c,s,m)};

Variable ! Purchasers prices !

(all,c,COM)(all,s,SRC)(all,i,IND) p1(c,s,i)# Purchaser's price, intermediate #; (all,c,COM)(all,s,SRC)(all,i,IND) p2(c,s,i)# Purchaser's price, investment #; (all,c,COM)(all,s,SRC) p3(c,s) # Purchaser's price, household #; (all,c,COM) p4(c) # Purchaser's price, exports,loc$ #; (all,c,COM)(all,s,SRC) p5(c,s) # Purchaser's price, government #;

4.6 Hệ phương trình

Phần còn lại của file TABLO là dạng tuyến tính của mô hình, trong đó các phương trình được sắp xếp thành nhiều nhóm (block) Câu lệnh của mỗi phương trình bắt đầu bằng một cái tên và có thể có một đoạn mô tả (tùy chọn) Đối với ORANI-G, tên của phương trình thường chứa ký tự E_ và theo sau là tên của biến ở vế bên trái Trừ những trường hợp nêu cụ thể, các biến này là các biến phần trăm thay đổi Các biến được viết bằng các ký tự dạng in thường, còn hệ số được viết dạng in hoa Các biến và hệ số được định nghĩa khi cần Những người đã theo dõi file TABLO từ đầu đến giờ chắc sẽ không gặp khó khăn nào khi đọc các phương trình trong ngôn ngữ TABLO Chúng tôi sẽ cung cấp một số lời bàn về các

lý thuyết làm nền tảng cho từng nhóm phương trình này

4.7 Cơ cấu sản xuất

ORANI-G cho phép mỗi ngành sản xuất nhiều loại hàng hóa, sử dụng đầu vào nội địa và nhập khẩu, cũng như lao động với nhiều loại nghề nghiệp, đất đai và vốn Ngoài ra, hàng hóa dành để xuất khẩu được phân biệt với hàng dùng trong thị trường nội địa Việc thể hiện các ngành sản xuất sử dụng nhiều đầu vào và cho ra nhiều đầu ra được giữ ở mức có thể kiểm soát được bằng cách sử dụng giả định về tính tách biệt (separability assumption), như được minh hoạ trong Hình 5 Ví dụ, giả định về sự tách biệt đầu vào, đầu ra ngụ ý rằng hàm sản xuất tổng quát cho một ngành nào đó:

có thể được viết thành:

Trong đó, X1TOT là chỉ số của hoạt động ngành Các giả định loại này giúp giảm số lượng tham số ước lượng cần cho mô hình Hình 5 cho thấy rằng hàm H trong phương trình (16) được suy ra từ hai hàm CET (hàm với hệ số co giãn chuyển đổi cố định) trong khi đó hàm G được chia thành nhiều tổ (nest) Tại mức cao nhất, hàng hóa tổng hợp (composite commodity), các yếu tố sản xuất chính và chi phí khác được kết hợp bằng hàm sản xuất Leontief Kết quả là cầu với chúng đều tỉ lệ thuận với X1TOT Mỗi hàng hóa tổng hợp là một hàm CES (hàm có hệ số co giãn thay thế cố định) của một loại hàng hóa nội địa và một loại hàng nhập khẩu tương đương Yếu tố sản xuất tổng hợp là một hàm tổng CES của đất đai, vốn và lao động tổng hợp Trong đó, lao động tổng hợp là hàm CES của các loại loại động thuộc

các nghề nghiệp khác nhau Mặc dù tất cả các ngành đều sử dụng cấu trúc sản xuất này, tỉ lệ đầu vào và các tham số có thể khác biệt giữa các ngành

Cấu trúc theo tổ này được thể hiện trong các phương trình của TABLO – mỗi tổ cần hai tập hợp các phương trình Ta bắt đầu từ dưới của Hình 5 trở lên

KEY

Inputs or Outputs

Functional Form

CESCES

CET

Leontief

CESCES

up to

up to

up to

Labour type O

Labour type 2

Labour type 1

Good G Good 2

Good 1

CapitalLabour

Land

'Other Costs'

Primary Factors

Imported Good G

Domestic Good G

Imported Good 1

Domestic

Good 1

Good G Good 1

Activity Level

CET

Local Market

Export Market

CET

Local Market

Export Market

Hình 4 Cấu trúc sản xuất

4.8 Cầu đối với các yếu tố sản xuất

Đoạn trích 7 trình bày các phương trình xác định cầu đối với các loại lao động thuộc các nghề nghiệp khác nhau trong mỗi ngành Với mỗi ngành i, các phương trình được suy ra từ bài toán tối ưu sau:

CES

up to Labour

type O

Labour type 2

Labour type 1

Labour

V1LAB(i,o) p1lab(i,o) x1lab(i,o)

V1LAB_O(i) p1lab_o(i) x1lab_o(i) Boxes show

VALUE price % quantity %

Hình 5 Cầu của lao động thuộc nghề nghiệp khác nhau

Chọn đầu vào là các lao động thuộc các nghề nghiệp cụ thể,

X1LAB(i,o),

để tối thiểu hóa tổng chi phí lao động,

Sum{o,OCC, P1LAB(i,o)*X1LAB(i,o)},

trong đó,

X1LAB_O(i) = CES[ All,o,OCC: X1LAB(i,o)],

với P1LAB(i,o) và X1LAB_O(i) được xem như là biến ngoại sinh của bài toán

Lưu ý rằng bài toán được thiết lập dựa trên dạng nguyên thể của biến Vì thế nên ta viết tên biến bằng dạng chữ in hoa Câu lệnh CES[ ] thể hiện hàm CES xác định trong tập hợp các biến trong dấu ngoặc vuông

! Excerpt 7 of TABLO input file: !

! Occupational composition of labour demand !

(all,i,IND) p1lab_o(i) # Price to each industry of labour composite #;

(all,i,IND) x1lab_o(i) # Effective labour input #;

E_p1lab_o # Price to each industry of labour composite #

(all,i,IND) [TINY+V1LAB_O(i)]*p1lab_o(i) = sum{o,OCC, V1LAB(i,o)*p1lab(i,o)};

Nghiệm của bài toán trên, dưới dạng phần trăm thay đổi, được thể hiện bằng các phương trình E_x1lab và E_p1lab_o (xem lời giải ở phụ lục A) Phương trình thứ nhất chỉ ra rằng cầu đối với lao động loại o tỉ lệ với tổng cầu lao động X1LAB_O và với điều kiện giá Ở dạng thay đổi, điều kiện giá được tính bằng cách lấy hệ số co giãn thay thế SIGMA1LAB(i) nhân với phần trăm thay đổi trong tỉ số giá lao động [p1lab(i,o)-p1lab_o(i)] thể hiện mức lương của nghề nghiệp o so với mức lương trung bình của lao động trong ngành i Khi có thay đổi tương đối trong mức lương của các ngành thì cầu sẽ gia tăng đối với các ngành nghề có mức lương thấp hơn Phần trăm thay đổi của mức lương trung bình, p1lab_o(i), được cho trong phương trình thứ hai Phương trình này có thể được viết lại như sau:

p1lab_o(i) = sum{o,OCC, S1LAB(i,o)*p1lab(i,o)},

nếu S1LAB(i,o) là tỉ phần giá trị của nghề nghiệp o trong tổng quỹ lương phải trả của ngành i Nói cách khác, p1lab_o(i) là chỉ số Divisia của p1lab(i,o)

Cần lưu ý rằng nếu từng phương trình trong E_x1lab được nhân tương ứng với các thành phần của S1LAB(i,o), và sau đó cộng hết lại thì tất cả các điều kiện giá sẽ biến mất và cho ra:

x1lab_o(i) = sum{o,OCC, S1LAB(i,o)*x1lab(i,o)}

Đây là dạng phần trăm thay đổi của hàm tổng CES về lao động

Đối với những ngành không sử dụng lao động (ví dụ như dịch vụ nhà ở), V1LAB(i,o) bằng zero và p1lab_o(i) sẽ rơi vào tình trạng không xác định Để tránh trường hợp này, ta đưa hệ số TINY (có giá trị rất nhỏ) vào bên trái của của phương trình E_p1lab_o Khi V1LAB_O(i) là zero, phương trình E_p1lab_o trở thành:

p1lab_o(i) = 0

Quy trình tương tự như vậy sẽ được sử dụng rộng rãi trong các phương trình sau này

CES

CapitalLabour

Land

Primary Factors

V1CAP(i) p1cap(i) x1cap(i)

V1PRIM(i) p1prim(i) x1prim(i)

V1LAB_O(i) p1lab_o(i) x1lab_o(i)

V1LND(i) p1lnd(i) x1lnd(i)

Hình 6 Cầu đối với các yếu tố sản xuất

Đoạn trích 8 chứa các phương trình xác định thành phần của cầu đối với các yếu tố sản xuất Dạng của chúng cũng giống như ở tổ trước Ở đây, tổng chi phí các yếu tố sản xuất được tối thiểu hóa theo hàm sản xuất:

X1PRIM(i) = CES[X1LAB_O(i)

A1LAB_O(i) , X1CAP(i)A1CAP(i) , X1LND(i)A1LND(i)]

Vì ta có thể muốn đưa vào những tiến bộ công nghệ để tiết kiệm nguồn lực, nên ta đưa vào các hệ số A1LAB_O(i), A1CAP(i), và A1LND(i)

Nghiệm của bài toán này, ở dạng phần trăm thay đổi, được đưa ra dưới dạng các phương trình E_x1lab_o, E_x1cap và E_x1lnd, và E_p1prim Nếu bỏ qua thay đổi công nghệ, ta thấy rằng cầu đối với từng yếu tố sẽ tỉ lệ với tổng cầu của các yếu tố X1PRIM và tỉ lệ với điều kiện giá Ở dạng thay đổi, điều

kiện giá bằng hệ số co giãn thay thế SIGMA1PRIM(i) nhân với phần trăm thay đổi trong tỉ số giá thể hiện chi phí của một đơn vị hữu dụng của yếu tố đó so với chi phí thực tế chung của các yếu tố sản xuất trong ngành i Sự thay đổi giá tương đối giữa các yếu tố sẽ dẫn đến việc thay thế thiên về các yếu tố rẻ hơn Phần trăm thay đổi của chi phí hữu dụng trung bình p1prim(i), được cho trong phương trình E_p1prim, là chỉ số Divisia của các mức giá riêng và thay đổi công nghệ, với trọng số là tỉ phần trong chi phí

! Excerpt 8 of TABLO input file: !

! Tỉ lệ giữa các yếu tố sản xuất!

Coefficient

(parameter)(all,i,IND) SIGMA1PRIM(i) # CES substitution, primary factors #;

Read SIGMA1PRIM from file BASEDATA header "P028";

Coefficient (all,i,IND) V1PRIM(i) # Total factor input to industry i#;

Formula (all,i,IND) V1PRIM(i) = V1LAB_O(i)+ V1CAP(i) + V1LND(i);

Variable

(all,i,IND) p1prim(i) # Effective price of primary factor composite #;

(all,i,IND) x1prim(i) # Primary factor composite #;

(all,i,IND) a1lab_o(i) # Labor-augmenting technical change #;

(all,i,IND) a1cap(i) # Capital-augmenting technical change #;

(all,i,IND) a1lnd(i) # Land-augmenting technical change #;

(change)(all,i,IND) delV1PRIM(i)# Ordinary change in cost of primary factors #;

Equation

E_x1lab_o # Industry demands for effective labour #

(all,i,IND) x1lab_o(i) - a1lab_o(i) =

x1prim(i) - SIGMA1PRIM(i)*[p1lab_o(i) + a1lab_o(i) - p1prim(i)];

E_p1cap # Industry demands for capital #

(all,i,IND) x1cap(i) - a1cap(i) =

x1prim(i) - SIGMA1PRIM(i)*[p1cap(i) + a1cap(i) - p1prim(i)];

E_p1lnd # Industry demands for land #

(all,i,IND) x1lnd(i) - a1lnd(i) =

x1prim(i) - SIGMA1PRIM(i)*[p1lnd(i) + a1lnd(i) - p1prim(i)];

E_p1prim # Effective price term for factor demand equations #

(all,i,IND) V1PRIM(i)*p1prim(i) = V1LAB_O(i)*[p1lab_o(i) + a1lab_o(i)]

+ V1CAP(i)*[p1cap(i) + a1cap(i)] + V1LND(i)*[p1lnd(i) + a1lnd(i)];

E_delV1PRIM # Ordinary change in total cost of primary factors #

(all,i,IND) 100*delV1PRIM(i) = V1CAP(i) * [p1cap(i) + x1cap(i)]

+ V1LND(i) * [p1lnd(i) + x1lnd(i)]

+ sum{o,OCC, V1LAB(i,o)* [p1lab(i,o) + x1lab(i,o)]};

Phụ lục A giải các phương trình hàm cầu CES trong điều kiện có thay đổi công nghệ Các biến thay đổi công nghệ xuất hiện theo một dạng dễ nhận biết Giả sử ban đầu các phương trình phần trăm thay đổi không có biến thay đổi công nghệ, ta có thể đưa chúng vào bằng cách:

thay mỗi biến số lượng (x) bằng (x-a);

thay mỗi biến giá (p) bằng (p+a); và

sắp xếp lại các số hạng

Phương trình cuối cùng xác định DelV1PRIM Đây là thay đổi thường trong tổng chi phí của các yếu

tố sản xuất trong mỗi ngành Biến này về sau sẽ được sử dụng trong việc tính toán tổng chi phí sản xuất của các ngành

4.9 Nguồn của các đầu vào trung gian

Chúng tôi áp dụng giả định của Armington (1969; 1970) rằng hàng nhập khẩu không phải là hàng thay thế hoàn hảo cho hàng nội địa Đoạn trích 9 đưa ra các phương trình nhằm xác định sự kết hợp của hàng nhập khẩu và hàng nội địa trong cầu đối với hàng hóa trung gian Chúng có dạng tương tự như tổ nhóm trước đó Ở đây, tổng chi phí của hàng nhập khẩu và hàng nội địa i được tối thiểu hóa theo hàm sản xuất:

CES CES

up to

Imported Good C

Domestic Good C

Imported Good 1

Domestic Good 1

Good C Good 1

V1PUR_S(c,i) p1_s(c,i) x1_s(c,i)

V1PUR(c,s,i) p1(c,s,i) x1(c,s,i)

Boxes show VALUE price % quantity %

Hình 7 Lựa chọn về nguồn của các đầu vào trung gian

Cầu hàng hóa từ mỗi nguồn tỉ lệ với cầu của hàng tổng hợp X1_S(c,i), và tỉ lệ với điều kiện giá Dạng thay đổi của điều kiện giá bằng hệ số co giãn thay thế SIGMA1(i) nhân với phần trăm thay đổi trong tỉ số của giá thực tế từ mỗi nguồn so với giá thực tế (effective price) của hàng tổng hợp Khi giá của một nguồn nào đó giảm so với giá trung bình thì sẽ có sự thay thế của cầu thiên về nguồn đó Phần trăm thay đổi trong giá thực tế trung bình p1_s(i) cũng là chỉ số Divisia được tính trung bình có trọng số

là chi phí của các mức giá riêng và thay đổi công nghệ

! Excerpt 9 of TABLO input file: !

! Import/domestic composition of intermediate demands!

Variable

(all,c,COM)(all,s,SRC)(all,i,IND) a1(c,s,i) # Intermediate basic tech change #; (all,c,COM)(all,i,IND) x1_s(c,i) # Intermediate use of imp/dom composite #; (all,c,COM)(all,i,IND) p1_s(c,i) # Price, intermediate imp/dom composite #; (all,i,IND) p1mat(i) # Intermediate cost price index #;

(all,i,IND) p1var(i) # Short-run variable cost price index #; Coefficient

(parameter)(all,c,COM) SIGMA1(c) # Armington elasticities: intermediate #; (all,c,COM)(all,i,IND) V1PUR_S(c,i) # Dom+imp intermediate purch value #;

(all,c,COM)(all,s,SRC)(all,i,IND) S1(c,s,i) # Intermediate source shares #; (all,i,IND) V1MAT(i) # Total intermediate cost for industry i #;

(all,i,IND) V1VAR(i) # Short-run variable cost for industry i #; Read SIGMA1 from file BASEDATA header "1ARM";

Zerodivide default 0.5;

Formula

(all,c,COM)(all,i,IND) V1PUR_S(c,i) = sum{s,SRC, V1PUR(c,s,i)};

(all,c,COM)(all,s,SRC)(all,i,IND) S1(c,s,i) = V1PUR(c,s,i) / V1PUR_S(c,i); (all,i,IND) V1MAT(i) = sum{c,COM, V1PUR_S(c,i)};

(all,i,IND) V1VAR(i) = V1MAT(i) + V1LAB_O(i);

Zerodivide off;

Equation E_x1 # Source-specific commodity demands #

(all,c,COM)(all,s,SRC)(all,i,IND)

x1(c,s,i)-a1(c,s,i) = x1_s(c,i) -SIGMA1(c)*[p1(c,s,i) +a1(c,s,i) -p1_s(c,i)];

Equation E_p1_s # Effective price of commodity composite #

(all,c,COM)(all,i,IND)

p1_s(c,i) = sum{s,SRC, S1(c,s,i)*[p1(c,s,i) + a1(c,s,i)]};

Equation E_p1mat # Intermediate cost price index #

(all,i,IND)

p1mat(i) = sum{c,COM, sum{s,SRC, (V1PUR(c,s,i)/ID01[V1MAT(i)])*p1(c,s,i)}};

Equation E_p1var # Short-run variable cost price index #

(all,i,IND)

p1var(i) = [1/V1VAR(i)]*[V1MAT(i)*p1mat(i) + V1LAB_O(i)*p1lab_o(i)];

Tương tự như công thức đã thiết lập cho hàm cầu đối với các yếu tố sản xuất, ta có thể viết phương E_p1_s như sau:

V1PUR_S(c,i)*p1_s(c,i)=Sum{s,SRC,V1PUR(c,s,i)*[p1(c,s,i)+a1(c,s,i)]};

trong đó, V1PUR_S(c,i) là tổng các nguồn nội địa và nhập khẩu của V1PUR(c,s,i) Tuy nhiên, trong phương trình này p1_s(c,i) là không xác định khi V1PUR_S(c,i) bằng zero, vì không phải tất cả các ngành đều sử dụng tất cả các chủng loại hàng hóa Trong những trường hợp đó, để tính tỷ phần:

S1(c,s,i) =V1PUR(c,s,i)/V1PUR_S(c,i),

(xem lại Đoạn trích 9), ta sử dụng câu lệnh Zerodivide để ra lệnh cho GEMPACK gán tỉ phần bằng 0.5 cho hàng nhập khẩu và hàng nội địa (tỉ phần này là tuỳ chọn) Công cụ này giúp ta tránh được các lỗi

về số học trong khi tính toán mà không gây ảnh hưởng gì đáng kể cho kết quả của mô hình

Hai phương trình cuối định nghĩa hai biến để sử dụng cho việc giải thích kết quả P1mat là chỉ số của giá các đầu vào trung gian của một ngành cụ thể10 P1var là một chỉ số của biến phí ngắn hạn; nó bao gồm tất cả chi phí của ngành ngoại trừ vốn và đất đai (được coi là cố định trong ngắn hạn) Thay đổi trong p1var tương ứng với việc dịch chuyển theo chiều dọc của biểu cung của ngành trong ngắn hạn Các phương trình của cả p1mat và p1var được viết dưới dạng không có hệ số ở vế trái - điều này giúp dễ sử dụng công cụ AnalyseGE của GEMPACK Công cụ AnalyseGE có thể phân tích vế phải của các phương trình này để cho thấy phần đóng góp của mỗi thay đổi giá vào tổng thay đổi trong p1mat và p1var

4.10 Tổ sản xuất trên cùng (Top production nest)

10

Phương trình E_p1mat sử dụng hàm ID01được viết sẵn trong GEMPACK: đây là một cách khác để trách tình trạng chia cho zero (mẫu số bằng không) Nếu x=0, ID01(x)=1; nếu không ID01(x)=x

Đoạn trích 10 thể hiện cầu đối với đầu vào ở tổ trên cùng của Hình 5 Hàng hóa tổng hợp, yếu tố sản xuất tổng hợp và ‗các chi phí khác‘ được kết hợp lại bằng hàm sản xuất Leontief:

X1TOT(i) = A1TOT(i)1 MIN[All,c,COM: X1_S(c,i)A1_S(c,i) , X1PRIM(i)

! Excerpt 10 of TABLO input file: !

! Top nest of industry input demands !

Variable

(all,i,IND) x1tot(i) # Activity level or value-added #;

(all,i,IND) a1prim(i) # All factor augmenting technical change #;

(all,i,IND) a1tot(i) # All input augmenting technical change #;

(all,i,IND) p1tot(i) # Average input/output price #;

(all,i,IND) a1oct(i) # "Other cost" ticket augmenting techncal change#; (all,c,COM)(all,i,IND) a1_s(c,i) # Tech change, int'mdiate imp/dom composite #;

Equation E_x1_s # Demands for commodity composites #

(all,c,COM)(all,i,IND) x1_s(c,i) - [a1_s(c,i) + a1tot(i)] = x1tot(i);

Equation E_x1prim # Demands for primary factor composite #

(all,i,IND) x1prim(i) - [a1prim(i) + a1tot(i)] = x1tot(i);

Equation E_x1oct # Demands for other cost tickets #

(all,i,IND) x1oct(i) - [a1oct(i) + a1tot(i)] = x1tot(i);

4.11 Chi phí sản xuất của các ngành và các loại thuế sản xuất

Đoạn trích 11 tính mức độ và những thay đổi trong tổng chi phí sản xuất trong cả trường hợp không bao gồm (V1CST) và bao gồm (V1TOT) một loại thuế sản xuất tỉ lệ với giá trị (ad valorem production tax), V1PTX Các phương trình được sắp xếp sao cho có thể dễ dàng thay đổi cơ sở thuế của thuế sản xuất Ví dụ, dòng giải thích dưới phương trình E_delV1PTX cho biết có thể thể hiện thuế giá trị gia tăng bằng cách lấy V1PRIM (thay vì V1CST) làm cơ sở thuế

! Excerpt 11 of TABLO input file: !

! Output cost inclusive of production tax !

Coefficient

(all,i,IND) V1CST(i) # Total cost of industry i #;

(all,i,IND) V1TOT(i) # Total industry cost plus tax #;

(all,i,IND) PTXRATE(i) # Rate of production tax #;

Formula

(all,i,IND) V1CST(i) = V1PRIM(i) + V1OCT(i) + V1MAT(i);

(all,i,IND) V1TOT(i) = V1CST(i) + V1PTX(i);

(all,i,IND) PTXRATE(i) = V1PTX(i)/V1CST(i); !VAT: V1PTX/V1PRIM !

Write PTXRATE to file SUMMARY header "PTXR";

Variable

(change)(all,i,IND) delV1CST(i) # Change in ex-tax cost of production #;

(change)(all,i,IND) delV1TOT(i) # Change in tax-inc cost of production #; (change)(all,i,IND) delPTXRATE(i) # Change in rate of production tax #;

Equation

E_delV1CST (all,i,IND) delV1CST(i) = delV1PRIM(i) +

sum{c,COM,sum{s,SRC, 0.01*V1PUR(c,s,i)*[p1(c,s,i) + x1(c,s,i)]}}

+ 0.01*V1OCT(i) *[p1oct(i) + x1oct(i)];

E_delV1PTX (all,i,IND) delV1PTX(i) =

PTXRATE(i)*delV1CST(i) + V1CST(i) * delPTXRATE(i);

! VAT alternative: PTXRATE(i)*delV1PRIM(i) + V1PRIM(i)* delPTXRATE(i); ! E_delV1TOT (all,i,IND) delV1TOT(i) = delV1CST(i) + delV1PTX(i);

E_p1tot (all,i,IND) V1TOT(i)*[p1tot(i) + x1tot(i)] = 100*delV1TOT(i);

Variable (all,i,IND) p1cst(i) # Index of production costs (for AnalyseGE) #; Equation E_p1cst (all,i,IND) p1cst(i) = [1/V1CST(i)]*[

sum{c,COM,sum{s,SRC, V1PUR(c,s,i)*p1(c,s,i)}}

+ V1OCT(i) *p1oct(i)

+ V1CAP(i) *p1cap(i)

+ V1LND(i) *p1lnd(i)

+ sum{o,OCC, V1LAB(i,o) *p1lab(i,o)}];

Phương trình áp chót trong đoạn trích trên định nghĩa p1tot(i) là phần trăm thay đổi trong chi phí sản xuất đơn vị của ngành i Trong điều kiện lợi nhuận theo quy mô không đổi, p1tot cũng là phần trăm thay đổi trong chi phí biên Ta áp dụng điều kiện cạnh tranh và không có lợi nhuận thuần túy (giá = chi phí biên) bằng cách giả định rằng p1tot cũng bằng giá trung bình nhận được của mỗi ngành

Trong điều kiện lợi tức không đổi theo quy mô, ta có thể kết hợp các phương trình đã nêu trên và suy ra:

p1tot(i) = Skpk + thuế và các thay đổi công nghệ

trong đó, Sk là tỉ phần của đầu vào k trong tổng chi phí, và pk là phần trăm thay đổi trong giá của k Phương trình cuối cùng định nghĩa một biến khác được sử dụng để giải thích kết quả P1cst là một chỉ số chi phí sản xuất; nó có thể được phân tích theo từng thành phần bằng AnalyseGE để cho thấy phần đóng góp của sự thay đổi trong từng loại giá vào tổng thay đổi của chi phí đầu vào Chỉ số này bỏ qua tác động của thay đổi công nghệ

4.12 Từ sản lượng của ngành đến sản lượng hàng hóa

ORANI-G cho phép mỗi ngành sản xuất nhiều hàng hóa Trong mỗi ngành, các chủng loại hàng được sản xuất ra khác nhau tùy theo mức giá tương đối của các loại hàng hóa11 Hai phương trình đầu của Đoạn trích 12 xác định thành phần của hàng hóa trong đầu ra của ngành –tổ nhóm cuối cùng trong

Hình 5 Ở đây, tổng doanh thu từ tất cả đầu ra được tối đa hóa theo hàm sản xuất:

Hàm CET (có hệ số co giãn chuyển đổi cố định) giống với hàm CES, chỉ trừ tham số chuyển đổi trong hàm CET có dấu ngược với tham số thay thế trong hàm CES Trong phương trình E_q1, khi giá của một mặt hàng nào đó gia tăng so với mức giá trung bình thì các nhà sản xuất sẽ chuyển sang sản xuất

11

Cho phép sản xuất đa hàng hóa có thể có lợi ngay cả trong trường hợp mỗi ngành chỉ sản xuất một loại hàng hóa Ví dụ, ta có thể chia việc sản xuất điện thành 2 phần: phần chạy bằng dầu và phần điện hạt nhân, cả hai phần này đều cho ra cùng sản phẩm là điện

mặt hàng đó nhiều hơn Ký hiệu p1tot được định nghĩa trong E_x1tot là doanh thu trung bình trên một đơn vị Ký hiệu này đã được sử dụng trong nhóm phương trình trước và nhằm để chỉ giá thực tế của một đơn vị đầu ra Điều này khẳng định phương trình E_p1tot là một điều kiện ở đó lợi nhuận thuần túy bằng zero

CET

Good 2 Good 1

Activity Level

CET

Local Market

Export Market

CET

Local Market

Export Market

V1TOT(i) p1tot(i) x1tot(i)

V4BAS(c) pe(c) x4(c,i)

Hình 8 Thần phần của sản lượng

Phương trình E_pq1 nói rằng tất cả các ngành sản xuất ra ngũ cốc chẳng hạn, sẽ nhận được cùng một mức đơn giá p0com("Cereals") cho ngũ cốc Ngũ cốc dù được sản xuất bởi những ngành khác nhau cũng được xem như sản phẩm có thể hoàn toàn thay thế12 Phương trình E_x0com chỉ đơn giản cộng dồn sản lượng hàng hóa của tất cả các ngành để có mức tổng cung x0com

Hầu hết các ứng dụng của mô hình ORANI-G ở các nước khác áp dụng mối quan hệ một –một giữa các ngành và các hàng hóa Quan hệ này được thể hiện khi tất cả phần tử không nằm trên đường chéo của ma trận MAKE bằng zero Trong trường hợp này, các phương trình của Đoạn trích 12 sẽ làm cho p0com và p1tot bằng nhau cho các phần tử tương ứng Tương tự như vậy, x1tot và x0com thực tế sẽ trở thành cùng một biến Chi phí để đưa thêm cơ chế của ma trận MAKE vào mô hình là rất nhỏ

12

Giả định thay thế hoàn hảo có thể không phù hợp khi ta có hai ngành cùng chỉ sản xuất một loại hàng hóa giống nhau và không ngành nào có yếu tố sản xuất cố định; ví dụ như trong dài hạn vốn có thể dịch chuyển, và hai ngành điện (nhiệt điện từ than và điện hạt nhân) đều cho ra sản phẩm điện Trong trường hợp này, mô hình sẽ gặp khó khăn khi quyết định phần điện nào nên là điện hạt nhân Để mô hình có thể bao hàm trường hợp này, file đầu vào TABLO chứa các phương trình (tùy chọn, không trình bày ở đây), cho phép điện hạt nhân là sản phẩm thay thế không hoàn hảo cho nhiệt điện từ than

! Excerpt 12 of TABLO input file: !

! Output mix of commodities !

Coefficient (all,c,COM)(all,i,IND) MAKE(c,i) # Multiproduction matrix #;

Variable

(all,c,COM)(all,i,IND) q1(c,i) # Output by commodity and industry #;

(all,c,COM)(all,i,IND) pq1(c,i) # Price of com c produced by ind i #;

(all,c,COM) p0com(c) # General output price of locally-produced commodity #; Read MAKE from file BASEDATA header "MAKE";

Update (all,c,COM)(all,i,IND) MAKE(c,i)= pq1(c,i)*q1(c,i);

Variable

(all,c,COM) x0com(c) # Output of commodities #;

Coefficient

(parameter)(all,i,IND) SIGMA1OUT(i) # CET transformation elasticities #;

Read SIGMA1OUT from file BASEDATA header "SCET";

Equation E_q1 # Supplies of commodities by industries #

(all,c,COM)(all,i,IND)

q1(c,i) = x1tot(i) + SIGMA1OUT(i)*[p0com(c) - p1tot(i)];

Coefficient

(all,i,IND) MAKE_C(i) # All production by industry i #;

(all,c,COM) MAKE_I(c) # Total production of commodities #;

Formula

(all,i,IND) MAKE_C(i) = sum{c,COM, MAKE(c,i)};

(all,c,COM) MAKE_I(c) = sum{i,IND, MAKE(c,i)};

Equation E_x1tot # Average price received by industries #

(all,i,IND) p1tot(i) = sum{c,COM, [MAKE(c,i)/MAKE_C(i)]*pq1(c,i)};

Equation

E_pq1 # Each industry gets the same price for a given commodity #

(all,c,COM)(all,i,IND) pq1(c,i) = p0com(c);

E_x0com # Total output of commodities (as simple addition) #

(all,c,COM) x0com(c) = sum{i,IND, [MAKE(c,i)/MAKE_I(c)]*q1(c,i)};

4.13 Các loại hàng xuất khẩu và tiêu thụ nội địa của mỗi loại hàng hóa

Đoạn trích 13 cho phép xảy ra trường hợp rằng hàng hóa dành cho xuất khẩu không giống với hàng hóa dành cho thị trường nội địa13 Việc hoán chuyển một loại hàng hóa thuần nhất thành hai mặt hàng cho hai thị trường (nội địa và xuất khẩu) được thực hiện bởi hàm chuyển đổi CET Về khái niệm, hệ thống này giống như trong Đoạn trích 12, nhưng được trình bày hơi khác đi; một phần là vì chỉ có hai đầu ra, phần khác nhằm giúp ta có thể tắt bỏ hệ thống này Điều này có thể đạt được bằng cách cho TAU bằng zero, làm cho p0com, p0dom và pe đều bằng nhau

! Excerpt 13 of TABLO input file: !

! CET between outputs for local and export markets !

Coefficient

(all, c,COM) EXPSHR(c) # Share going to exports #;

(all, c,COM) TAU(c) # 1/Elast of transformation, exportable/locally used #; Zerodivide default 0.5;

Formula

(all,c,COM) EXPSHR(c) = V4BAS(c)/MAKE_I(c);

(all,c,COM) TAU(c) = 0.0; ! if zero, p0dom = pe, and CET is nullified !

Zerodivide off;

Equation E_x0dom # Supply of commodities to export market #

(all,c,COM) TAU(c)*[x0dom(c) - x4(c)] = p0dom(c) - pe(c);

Equation E_pe # Supply of commodities to domestic market #

(all,c,COM) x0com(c) = [1.0-EXPSHR(c)]*x0dom(c) + EXPSHR(c)*x4(c);

Equation E_p0com # Zero pure profits in transformation #

(all,c,COM) p0com(c) = [1.0-EXPSHR(c)]*p0dom(c) + EXPSHR(c)*pe(c);

Tên các giá, các số lượng và các dòng trong hai tổ CET của Đoạn trích 12 được trình bày dưới đây:

Tổ sản xuất đa hàng hóa CET (Joint Production CET Nest) Loại biến Sản lượng

ngành

Sản lượng hàng hóa

Hàng hóa không phân biệt Tiêu thụ nội địa Xuất khẩu

p0(c,‖dom‖)

pe(c)

Tổ nhóm CET Xuất khẩu/nội địa Lưu ý rằng V1TOT(i) = cMAKE(c,i) và SALES(c) = iMAKE(c,i) = DOMSALES(c) + V4BAS(c)

4.14 Cầu đối với hàng hóa dùng trong đầu tư

Hình 10 thể hiện cấu trúc tổ nhóm cho quá trình sản xuất những đơn vị mới của vốn cố định Vốn được giả định là được sản xuất từ các đầu vào sản xuất trong nước và hàng hóa nhập khẩu Hàm sản xuất của vốn có cùng cấu trúc tổ nhóm như dạng cấu trúc sử dụng cho các đầu vào trung gian trong sản xuất hàng hóa Không có yếu tố sản xuất nào được sử dụng trực tiếp vào quá trình tạo vốn

CES CES

up to

Imported Good C

Domestic Good C

Imported Good 1

Domestic Good 1

Good C Good 1

New Capital for Industry i

V2TOT(i) p2tot(i) x2tot(i)

V2PUR_S(c,i) p2_s(c,i) x2_s(c,i)

V2PUR(c,s,i) p2(c,s,i) x2(c,s,i)

Hình 9 Cấu trúc của cầu đầu tư

Các phương trình cầu đầu tư (xem Đoạn trích 14) được suy từ nghiệm của bài toán tối thiểu hóa chi phí chia làm hai giai đoạn của nhà đầu tư Ở giai đoạn bên dưới, tổng phí của hàng nhập khẩu và hàng nội địa i được tối thiểu hóa theo hàm sản xuất CES:

của đơn vị mới của vốn, như là chi phí trung bình của việc sản xuất một đơn vị - một điều kiện lợi nhuận

thuần túy bằng không

! Excerpt 14 of TABLO input file: !

! Investment demands !

Variable

(all,c,COM)(all,i,IND) x2_s(c,i) # Investment use of imp/dom composite #; (all,c,COM)(all,i,IND) p2_s(c,i) # Price, investment imp/dom composite #;

(all,c,COM)(all,s,SRC)(all,i,IND) a2(c,s,i) # Investment basic tech change #; Coefficient

(parameter) (all,c,COM) SIGMA2(c) # Armington elasticities: investment #;

Read SIGMA2 from file BASEDATA header "2ARM";

Coefficient ! Source Shares in Flows at Purchaser's prices !

(all,c,COM)(all,i,IND) V2PUR_S(c,i) # Dom+imp investment purch value #; (all,c,COM)(all,s,SRC)(all,i,IND) S2(c,s,i) # Investment source shares #;

Zerodivide default 0.5;

Formula

(all,c,COM)(all,i,IND) V2PUR_S(c,i) = sum{s,SRC, V2PUR(c,s,i)};

(all,c,COM)(all,s,SRC)(all,i,IND) S2(c,s,i) = V2PUR(c,s,i) / V2PUR_S(c,i); Zerodivide off;

Equation E_x2 # Source-specific commodity demands #

(all,c,COM)(all,s,SRC)(all,i,IND)

x2(c,s,i)-a2(c,s,i) - x2_s(c,i) = - SIGMA2(c)*[p2(c,s,i)+a2(c,s,i) - p2_s(c,i)];

Equation E_p2_s # Effective price of commodity composite #

(all,c,COM)(all,i,IND)

p2_s(c,i) = sum{s,SRC, S2(c,s,i)*[p2(c,s,i)+a2(c,s,i)]};

! Investment top nest !

Variable

(all,i,IND) a2tot(i) # Neutral technical change - investment #;

(all,i,IND) p2tot(i) # Cost of unit of capital #;

(all,i,IND) x2tot(i) # Investment by using industry #;

(all,c,COM)(all,i,IND) a2_s(c,i) # Tech change, investment imp/dom composite #; Coefficient (all,i,IND) V2TOT(i) # Total capital created for industry i #;

Formula (all,i,IND) V2TOT(i) = sum{c,COM, V2PUR_S(c,i)};

Equation

E_x2_s (all,c,COM)(all,i,IND) x2_s(c,i) - [a2_s(c,i) + a2tot(i)] = x2tot(i); E_p2tot (all,i,IND) p2tot(i)

= sum{c,COM, (V2PUR_S(c,i)/ID01[V2TOT(i)])*[p2_s(c,i) +a2_s(c,i) +a2tot(i)]};

4.15 Cầu của hộ gia đình

Như Hình 11 cho thấy, cấu trúc tổ nhóm của nhu cầu của hộ gia đình gần như giống với cấu trúc của cầu đầu tư Điểm khác biệt duy nhất là hàng hóa tổng hợp được kết hợp bằng hàm Klein-Rubin, thay vì hàm Leontief, dẫn đến hệ chi tiêu tuyến tính (LES)

Các phương trình cho tổ nhóm bên dưới (lựa chọn giữa hàng nhập khẩu và nội địa, xem Đoạn trích 15), giống các phương trình tương ứng của hàm cầu đối với hàng hóa dùng trong đầu tư và sản xuất

Rubin

Klein-CES CES

up to

Imported Good C

Domestic Good C

Imported Good 1

Domestic Good 1

Good C Good 1

Household Utility

V3TOT p3tot x3tot

Subsistence V3SUB(c) p3_s(c) x3sub(c) x3tot

Luxury V3LUX(c) p3_s(c) x3lux(c) x3tot

Hình 10 Cấu trúc cầu của người tiêu dùng

! Excerpt 15 of TABLO input file: !

! Import/domestic composition of household demands !

Variable

(all,c,COM)(all,s,SRC) a3(c,s) # Household basic taste change #;

(all,c,COM) x3_s(c) # Household use of imp/dom composite #;

(all,c,COM) p3_s(c) # Price, household imp/dom composite #;

Coefficient

(parameter)(all,c,COM) SIGMA3(c) # Armington elasticities: households #;

Read SIGMA3 from file BASEDATA header "3ARM";

Coefficient ! Source Shares in Flows at Purchaser's prices !

(all,c,COM) V3PUR_S(c) # Dom+imp households purch value #;

(all,c,COM)(all,s,SRC) S3(c,s) # Household source shares #;

Zerodivide default 0.5;

Formula

(all,c,COM) V3PUR_S(c) = sum{s,SRC, V3PUR(c,s)};

(all,c,COM)(all,s,SRC) S3(c,s) = V3PUR(c,s) / V3PUR_S(c);

Zerodivide off;

Equation E_x3 # Source-specific commodity demands #

(all,c,COM)(all,s,SRC)

x3(c,s)-a3(c,s) = x3_s(c) - SIGMA3(c)*[ p3(c,s)+a3(c,s) - p3_s(c) ];

Equation E_p3_s # Effective price of commodity composite #

(all,c,COM) p3_s(c) = sum{s,SRC, S3(c,s)*[p3(c,s)+a3(c,s)]};

Đoạn trích 16 của file TABLO Input xác định cách thức phân bổ ngân sách chi tiêu của hộ gia đình cho các hàng hóa tổng hợp Nó được suy ra từ hàm thỏa dụng Klein-Rubin:

Mức thỏa dụng của mỗi hộ gia đình = 1

c {X3_S(c) - X3SUB(c)}S3LUX(c), (22) Các X3SUB and S3LUX là các hệ số hành vi – tổng của S3LUX phải bằng 1 Q là số hộ gia đình Các phương trình cầu phát sinh từ hàm thỏa dụng này bao gồm:

trong đó:

Tên của hệ chi tiêu tuyến tính bắt nguồn từ đặc điểm rằng chi tiêu cho mỗi hàng hóa là một hàm tuyến tính của giá (P3_S) và ngân sách chi tiêu (V3TOT) Dạng của các phương trình cầu dẫn đến sự giải thích sau X3SUB được gọi là các nhu cầu ―thiết yếu để tồn tại‖ đối với mỗi loại hàng hàng hóa – lượng X3SUB luôn được mua, bất kể giá là bao nhiêu V3LUX_C là phần còn lại của ngân sách của người tiêu dùng sau khi đã trừ phần chi tiêu cho các hàng hóa ―thiết yếu để tồn tại‖ Ta gọi phần này là khoản chi ‗xa xỉ‘ S3LUX là các tỷ phần của phần còn lại này được phân bổ cho từng loại hàng hóa– gọi

là các tỉ phần ngân sách biên Cách giải thích như trên giúp ta dễ dàng chuyển phương trình ở dạng nguyên thể sau đây sang dạng phần trăm thay đổi: