区域间投入产出模型（精选四篇）
区域间投入产出模型 篇1
区域间投入产出表 (Interregional Input-Output Table) 描述产品和服务在区域内和区域间的流动情况, 是区域经济分析和空间经济实证研究的重要工具。 但由于目前大多数国家的统计体系都不包含区域间各类产品流动的详细数据, 重新调查又需耗费大量资源, 这在很大程度上限制了区域间投入产出表的应用和推广。因此, 国外一些经济学家致力于利用以数学模型为基础的非调查法和以局部小规模调查与数学模型相结合的半调查法 (混合法) 来研究区域间投入产出模型 (Interregional Input-Output Model) , 并在实践中取得了一定的成果。
我国的区域间投入产出表编制起步相对较晚, 但我国参与国家间LINK模型和国家间投入产出模型的研究却相对较早。 国家间LINK模型和国家间投入产出模型理论的提出均晚于区域间投产出模型, 前两者在区域间产品贸易的矩阵估算方面都明显借鉴了区域间投入产出模型的思想, 之后三种模型的发展相互联系、相互支持。我国于1986年加入了与联合国世界LINK模型的数据对接, 1988年参与了日本亚洲经济研究所 (IDE) 关于亚洲国家间投入产出模型的研制。在这些经验和成果的基础上, 国务院发展研究中心与日本国际东亚经济研究中心于1995年合作完成了1987年中国7区域10部门区域间投入产出表的估算[1]。2003年, 国家信息中心又与IDE合作研制了我国第一个基于半调查法编制的1997年中国8区域30部门的中国区域间投入产出模型[2]。这些表格的编制耗时较长, 数据更新速度较慢, 不利于利用其数据分析近期的经济现象。对此, 一些学者采用国外已有的区域间投入产出模型对中国其它年份的区域间投入产出情况进行了初步估算[3,4,5], 并以此数据为基础研究了其关注的经济问题。国外的区域间投入产出模型往往建立在该国区域结构、贸易形式及统计数据等基础上, 未必完全适应我国的实际情况, 而目前针对我国具体情况的建模方法研究还相对较少[6,7], 同时无论国外已有的还是我国学者研发的区域间投入产出模型, 涉及其误差情况的实证研究均较少, 仅发现刘强和冈本信广 (2002) [7]对推算的总产出误差进行了简单分析。因此, 适用于我国的区域间投入产出模型及其实证效果非常值得进一步研究。
鉴于此, 本文在相关研究的基础上, 综合考虑我国统计数据的可获得性和模型的可行性, 提出一种以多个单一区域投入产出数据为基础的区域间投入产出模型, 并采用1997年中国8区域7部门的投入产出数据对该模型进行试算, 将估算结果与国家信息中心 (2005) 发布的数据进行对比, 采用非参数方法分析并检验模型的误差大小、误差产生的可能原因及其对估算结果的影响。
2 区域间投入产出模型的相关研究
非调查法或半调查法编制的区域间投入产出表是区域间投入产出模型运算的结果, 其表现形式为多个区域投入产出表的扩展和联结。我国常用的区域 (地区) 投入产出表以竞争型表格为主, 其结构与果家投入产出表相似, 仅以区域流入项 (Nli) 和流出项 (Uli) 替换了国家的进口项和出口项。 而区域间投入产出表则要求更全面地反映多个区域之间、各种产品相互依赖的数量关系, 表格的行和列存在以下平衡关系:
其中, m和n分别表示区域数量和部门数量;Xli表示区域l部门i产品的总产出; Xkj表示区域k部门j产品的总投入; xlkij表示由区域l部门i的产品供给区域k部门j的使用量; Ylki表示区域l部门i的产品供给区域k的最终需求量; Vlj为区域l第j部门的附加值。由此可见, 将多个区域投入产出表的Uli和Nli细分到具体的区域间产品流动, 即xlkij和Ylki, 是区域间投入产出模型建立的关键问题。
由于采用的简化假设和基础数据不同, 目前主要区域间投入产出模型有行系数模型[8]、列系数模型[8]、Pool-Approach模型[9]等。这些模型在确定区域间产品流量矩阵时, 又常与其它非调查估算方法结合, 如区位商、供需比、引力方程等。Richardson (1972) [10]对这三种模型进行了详细研究, 指出行系数模型从供给角度建模, 没有考虑任何区域的需求水平, 与现实情况不符, 同时也违背了Walrasian的投入-产出假定, 故行系数模型本身存在经济原理的冲突Polenske (1980) [11]研制的美国51个区域79个部门的区域间投入产出模型, 中国国家信息中心 (2005) [2]研制的8区域30部门的区域间投入产出模型等。
各种区域间产品流量矩阵的估算方法中, 区位商和供需比法对数据要求较低, 简单易行。Akita、Kawanura和Xie (1999) [3]利用区位商法估算了我国东北地区与全国其它区域的区域间投入产出数据; 引力方程的应用较为广泛, 但需要其它额外数据作补充, 例如刘强和冈本信广 (2002) [7]便采用引力方程并结合我国区域间铁路货运量, 估算了我国1997年3个区域10个部门的区域间投入产出数据。更进一步的研究发现区位商、供需比等方法, 实际上都与一种称为区域购买力系数 (Regional Purchase Coefficients, RPC) 的思想类似, RPC主要体现该区域生产满足该区域对产品和服务的需求或供给的比例[12]。该比例越小意味着该区域向其他区域购买产品或服务的可能性越大。Stevens (1989) [13]指出区位商是该RPC的代理值, 而供需比更接近该RPC本身, 故区位商的估计效果不如后者。
根据以上分析, 本文尝试运用对数据要求相对较低的RPC思想, 将多个区域视为一个系统, 定量分析系统中各部门产品输入输出的可能性及流量, 并根据区域间投入产出的综合平衡关系, 将已有的区域投入产出模型扩展成为区域间投入产出模型。
3 模型的建立
理论上, 区域间投入产出表可由相应的区域投入产出表叠加整理得 到, 因此区域间投入产出模型除了需满足一般投入产出模型同质性和线性假定外, 还应含以下假定:
假定1:考察的m个区域为一个经济系统, 该系统不与外界发生物质交换, 则系统中各个区域的总流出量等于总流入量, 区域l向其它区域的流出量等于其它区域从区域l的流入量。若以Ulki表示从区域l流出到区域k部门i的产品量, Nkli表示从区域k流入区域l部门i的产品量, 则:
该假设与Leonief和Strout于1963年提出的Pool-Approach模型关于区域产品供给池和需求池的假设非常相似[9]。从系统的思想出发, 相互联系的多区域产品流动关系也可以得出上述假定, 而Leontief和Strout的供给池和需求池则是该思想更为形象的表述。
本文模型以夏绍玮等 (2000) 的模型为基础。 夏绍玮等 (2000) 用净流入量和净流出量来体现区域间产品的供需关系。然而实际运算中, 该模型的结果存在较多负流量, 不满足区域间投入产出表中数据的要求。本文进一步改进该模型, 运用RPC思想和实际流入流出量许宪春和李善同 (2008) [14]整理并出版的1997年中国8区域的投入产出表许宪春和李善同 (2008) 整理的数据进行了调整和汇总, 力求模型估算的初始数据在区域划分和部门统计口径上与国家表保持一致。
本文整理得到的8区域分别是:东北区域 (黑龙江、吉林和辽宁) ; 京津区域 (北京和天津) ; 北部沿海区域 (河北和山东) ; 东部沿海区域 (江苏、上海和浙江) ; 南部沿海区域 (福建、广东和海南) ; 中部区域 (山西、河南、安徽、湖北、湖南和江西) ; 西北区域 (内蒙古、陕西、宁夏、甘肃、青海和新疆) ; 西南区域 (四川、重庆、广西、云南、贵州和西藏) [15]指出对单峰密度分布采用Epanechnikov核函数和Silverman’s插入法计算的最佳带宽 (optimal bandwidth) 进行估计, 实证效果较好, 故本文以此进行密度分布的非参数估计, 结果如图1和图2所示。三种总产出的密度分布直观上非常相似, 但明显可以看出国家模型和本文模型的总产出密度分布相对于实际总产出的密度分布都发生了一定程度的平移。
为了更精确地检验分布形态的一致性, 采用Li、Maasoumi和Racine (2009) [16]提出的内核一致密度相等性检验 (kernel consistent density equality test) 。该检验假设“令x= (X, Xn) ∈Rq×Sd, 对于任意x∈Rq×Sd, 密度函数F (x) =Fn (x) ”, 并用核平滑法改进了传统基于频数的密度相等性检验, 使其适用范围更具一般性。检验结果如表2所示, 三种总产出密度函数的P值都不能拒绝密度函数相等的原假设, 说明实际总产出、国家模型总产出和本文模型总产出的密度分布形状上一致。因此, 国家模型和本文模型都不具有非一致性误差, 两种模型都可用于估算我国区域间投入产出情况。
(2) 一致性误差分析
本文对一致性误差的估计沿用Park (2007) [17]的思路, 采用总产出的绝对误差率表示, 并从区域和产业的角度比较国家模型和本文模型, 以分析两种模型在估算我国区域间投入产出时的效果。 本文只获得了8区域7部门的数据, 样本数少于Park (2007) 的分析, 可能影响结果的可靠性。对此, 本文采用1000次Bootstrap抽样方法来模拟样本母体的经验分布, 并基于不需要假设统计量分布特征的Bootstrap抽样百分位数和偏误修正的方法 (种子值设为135) 来确定区域间投入产出模型误差率之差90%的置信区间, 结果如表3所示。
由表3可见, 国家模型的总产出相对于实际总产出的绝对总误差率约为12.49%, 而本文模型总产出的绝对总误差率约为18.85%, 差别为6.35%, 有90%的概率落在置信区间[0.0277, 0.0984]内, 即两种模型总体上一致性误差率的差别是显著的, 故国家模型的总体的估算效果相对较好。从区域和产业的角度来看, 国家模型的绝对误差率在4.50%～20.87%的区间范围内;本文模型的绝对误差率区间为5.41%～33.6%, 各绝对误差率出现了大于、等于及小于国家模型的情况, 但约80%的区域和产业的误差率之差置信区间都包含了0, 也就是说其绝对误差率的差异其实并不显著。本文模型的绝对误差率只有在中部地区、西南地区以及采选业显著地大于国家模型。因此, 国家模型的分区域和分产业估计效果也稍好于本文模型。
产生这一结果的原因, 可能源于两种模型使用的初始数据本身就存在准确性的差异。 由于目前能获取的公开数据有限, 本文的估算以许宪春和李善同 (2008) 整理发表的投入产出数据为基础。许宪春和李善同 (2008) 曾明确指出其整理的数据存在一定的误差, 并在表格最后一列中给出了误差的大小, 故本文在此基础上调整得到的初始数据首先存在数据整理误差, 然后模型估算又形成其估算误差。而国家模型由于其数据获取的便利性, 初始数据的整理误差可能较小, 此外该模型估算还采用了一定的典型抽样调查作辅助。因此, 本文模型的一致性误差较大也是可以理解的。
4.3 模型误差的影响分析
为了验证上述分析的原因, 本节进一步分析假如数据整理误差能够改善, 本文模型的准确性能否提高的问题。研究思路为分析数据整理误差对模型估算误差的影响, 检验该数据整理误差是否与两种区域间投入产出模型的估算误差显著相关;如果相关, 是何种关系。
本文采用非参数计量模型计算数据整理误差与模型估算误差之间的关系, 是考虑到没有足够的理由和理论支撑说明各种误差之间存在线性的关系, 如果错误设定计量模型的形式, 可能导致估计结果的有偏性和无效性。而非参数模型可以避免这一个问题, 直接以观测数据的结构来推测回归曲率, 即便在被解释变量分布不易判断或不符合正态假设的情况下, 仍然适用。本文误差的非参数模型设定为:
f (·) 表示未知函数形式的解释变量的函数; erroraki表示区域k部门i的数据整理误差; errormki表示区域k部门i的模型估计误差, 其对数形式表示这些误差的误差率; uki为模型的随机干扰项。
本文采用局部固定回归和局部线性回归分别对等式 (11) 的非参数模型进行估计, 两种估计方法均采用最小二乘交叉检验选择数据估计的带宽。近期的计量经济理论显示, 交叉检验带宽选择过程在模型含有不相关的变量时会增加带宽, 将不相关变量从样本中平滑掉, 故局部固定回归的带宽超过一定上限, 意味模型解释变量与被解释变量不存在相关性, 而局部线性回归的带宽超过一定上限, 则意味着模型解释变量与被解释变量存在线性关系。理论上连续变量的带宽上限为无穷大, 但实证中常采用经验值1.60×106作为判断依据[18]。式 (11) 的非参数估计结果如表4所示。
在局部固定回归模型中, 国家模型的整理误差率带宽超过了带宽上限, 表明本文的数据整理误差率与国家模型的估计误差率不相关, 而本文模型的整理误差率带宽则显示数据整理误差率与本文模型的估算误差率存在较强的相关性, 且非参数回归的决定系数R2也显示数据整理误差对解释本文模型的估计误差具有较高的拟合优度, 该结果与之前的猜测吻合。 局部线性回归中的带宽显示本文的数据整理误差率与国家模型、本文模型的估算误差率均呈非线性关系。Ib为Racine (1997) 提出的非参数回归显著性检验的概率, 其结果说明了在5%统计水平上, 数据整理误差率对本文模型估算误差率的影响显著不为0。图3描述了式 (11) 非参数模型斜率的逐点估计结果, 图中的垂直虚线阴影部分表示斜率估计值基于Bootstrap抽样的偏误修正置信区间 (种子值为42, 抽样次数399次) , 结果显示本文模型的数据整理对估算误差的边际影响始终为正值。当数据整理误差率较小时, 对模型估算误差率的边际影响较为平稳, 但随着数据整理误差率的增加, 边际影响逐渐递增。
模型的误差影响分析结果证实了上一节的猜测, 本文的数据整理误差与国家模型估算误差无关, 与本文模型的估算误差有关。总体上, 数据整理误差对估算误差具有正边际影响, 且随着其增加, 模型估算误差逐渐递增。这也意味着如果我们能够获得更高质量的原始数据, 本文模型的准确性是可能得到提高的。
5 总结
本文建立的区域间投入产出模型是一种依托现有统计数据估计区域间产品分布和流量的非调查方法。 与区位商等常用的比例估算方法相比, 本文建立的估计模型其假设条件比较接近现实情况, 推导也较为简单直观。与引力方程的区际产品流量估计法相比, 本文模型的计算量较小, 且不需要其他外部数据作为补充。
在模型的实证检验方面, 本文对模型计算得到的总产出进行误差分析, 间接地检验了区际产品流量估算式的拟合优度问题。这是根据目前仅能获取的有限数据采取的一种简化处理方式。从误差计算的结果来看, 本文建立的模型估算的总产出具有一致性误差, 不具有非一致性误差, 因此模型能够用于我国区域间投入产出情况的估算;本文模型的一致性误差率在整体上稍大于国家信息中心的模型的结果, 但由于国家信息中心模型采用了其他一些辅助的方法和数据, 这样的结果也在意料之中, 因此本文模型的拟合效果总体上还是令人满意的。 该结果也间接地说明了模型的假设条件是成立的, 是能够在一定程度上描述我国产品区域间流动关系的, 也说明本文建模的主要目的, 即方便研究者在国家权威机构没有发布区域间投入产出表的年份, 自行根据已发布的相关年份各区域的投入产出表进行相关数据的初步估算是有可能实现的。
区域间投入产出模型 篇2
关键词：区域投入产出法,溢出效应,反馈效应
引言
区域投入产出研究的核心问题是区域间投入产出表的编制。编制地区间投入产出表需要有地区间贸易流量数据的支持, 在缺乏完善统计系统情况下, 需耗费大量的人力和物力来完成这项工作;同时, 由于缺乏企业贸易往来的详尽情况, 一定程度上又会造成数据的失真, 因而世界上很少有国家完全通过统计数据来完成地区间投入产出表的编制。理论界的做法是, 在各种合理模型假设的帮助下, 对编表过程进行简化。
伊萨德 (Isard, 1951) 首先建立了区域间非竞争输入型投入产出模型, 称为IRIO模型, 该模型的基本形式要求把所有产业按区域进行划分, 将每一个区域的每一个部门的投入、产出结构都分别进行研制。基于IRIO模型基础上的溢出与反馈效应由此展开。Miller (1963) 首先提出了运用投入产出模型基于差分算法研究简单的两地区地区间经济反馈效应, 但并未给出溢出效应的算法和概念。Round (1985) , Sonis, Oosterhaven&Hewings (1993) , Sonis&Hewings (1999) , Erik Dietzenbacher (2002) , 先后在此基础上对于溢出与反馈效应的分解进行了深入研究。日本和欧美国家由于其理论的完备和基础数据的充足, 在地区间投入产出表的理论研究和实际应用方面走在了前列。其中日本凭借其数据丰富的优势, 子1960年其开始每5年编制详尽的地区间投入产出表。近年来其经济研究部门IDE-JETRO甚至开始编制世界部分地区和国家间的多区域间投入产出表。其中的一个项目是包含中国, 日本, ASEANS (印度尼西亚、马来西亚、菲律宾、新加坡、泰国) , 东亚 (南韩、台湾) , 美国的10部门地区间投入产出模型。欧美国家自20世纪后半期起开始关注各国之间的经济联系, Van der Linden和Ooterhaven (1995) 强调对国家间投入产出表编制的需求, 在区域和国家之间的研究溢出和反馈效应, 为欧盟的政策制定提供理论支持, 同时也开始积极研究世界国家间投入产出表的编制和应用。
我国自20世纪60年代引入投入产出技术, 在几十年的理论和实践相结合下, 成果颇丰。同时, 在方法和理论的创新上为投入产出界做出相当的贡献。然而地区间投入产出模型的编制和应用一直进展缓慢。日本亚洲经济研究所在利用和挖掘我国提供的现有资料基础上, 利用引力模型和回归分析方法测算出了地区间的交易矩阵, 并率先编制了中国1997年3地区10部门的地区间投入产出表。国务院发展研究中心课题组利用引力模型等估计出中国2002年省际间贸易矩阵。潘文卿 (2008) 对中国三大增长极—长三角, 珠三角与环渤海对中国内陆经济的外溢性影响, 解释了先富地区带动后富地区的实效, 及中央制定西部大开发政策的区域经济发展策略的必要性。陈平安 (2005) 通过分析贸易、要素流动、技术扩散等因素分析了我国经济增长溢出效应的传输机理。
一、投入产出法及区域投入产出模型的论述
地区间投入产出模型分为竞争型和非竞争型两种形式。竞争型指地区内提供的投入消耗品和地区外调入的投入消耗品之间没有差异, 可以相互替代。非竞争型之地区内提供的投入消耗品与地区外提供的投入消耗品之间存在差异, 不能相互替代。IRIO模型是较好的选择, 因为它包含了特定区域比较优势较全面的信息, 其次增加了区域间交易的详细情况, 再者它可以作为估计区域间溢出的工具, 这是其他模型方法所无法实现的。
IRIO模型为非竞争型投入产出模型, 其基本的产品矩阵形式如下:表1
如表1以简单的两区域 (r, s) 两部门为例, 其中:
xrriji, j=1, 2表示r区域内i部门对j部门的中间投入
xrsij表示r地区i部门对s地区j部门的中间投入
prrii=1, 2表示r地区1部门提供给本区域的最终需求
VArii=1, 2表示r地区i部门的增加值
Xrii=1, 2表示r地区i部门则总产出
erii=1, 2表示r地区i部门的对外出口
以矩阵形式表示多区域多本门形式为:
Arr为区域r对本区域的中间投入系数矩阵, aijrr=zrrij/xjr
Ars为区域r对区域s的中间投入系数矩阵, aijrs=aijrs/xjs
二、区域间贸易流量的数据处理
区域间贸易流量的估计分为直接估计法和间接估计方法。直接估计法基于大量的调查数据, 可靠性高但是需要花费大量的人力、物力, 皮尔、吉纳尤克斯和郎根 (2002) 曾经采用对各种商品和服务的区间流量的调查达到加拿大区域间投入产出模型。间接估计发则是根据可得到的相关数据, 采用一些估计方法进行推算, 例如, 卡尔洛斯·拉诺·维杜拉斯采用交通运输流量法来估计西班牙区域间的贸易流量, 许多经济学家关注如何基于不同的基础数据来进行区域间贸易流量的间接估计, 由此产生一些估计区域间贸易的模型。
众多的已有文献里尝试采用各种方法模型来解决这一问题。方法选择上Isard模型不仅需要知道一个部分的产品在全国各个地区的贸易情况, 而且需要知道各个地区不同部门间的贸易情况, 即, 这个模型需要庞大的原始数据作基础。然而, 在目前情况下我国的统计数据不够完善, 无法利用Isard模型估计我国的省际间贸易流量;行系数模型于列系数模型需要知道系数 (地区r产品输入到地区s的数量占该产品运往全国所有地区的数量的比例) 和供应系数 (表示地区r产品i输入到地区s的数量占全国所有地区产品i输入到地区s的数量的比例) 我们根据现有资料无法得到这两个系数;区位商法所需要的数据最少, 只知道各个地区的总产出和国家的投入系数矩阵既可以计算, 但有关他的计算结果的争议性很大;Leontief模型假设有较明显的计划部分, 规定全国性部门产品在各个地区的产出比例, 同时模型假设任何一种产品在不同地区间的直接消耗系数都是一定的, 但这与实际情况相差很大。目前, 投入产出届主要是利用引力模型来估计计算省际间贸易流量。
三、溢出效应与反馈效应的模型分解
溢出效应是指一个区域 (r) 最终需求的变动, 对另一区域 (s) 总产出的影响, 这种影响是直接的。反馈效应, 则指一个区域 (r) 最终需求的变动, 影响区域 (s) 的产出, 区域 (s) 进一步又对r产出造成影响, 这种影响是间接的。
Miller (1963) 首先提出利用区域投入产出模型分析反馈效应, 模型形式如下:
求解得:
公式右侧分别有两项, 第一项是由最终需求Yd1诱发的通过区域内和区域间的产业关联, 对区域1产出的全部需求, 包括了反馈效应对区域1产出的诱发。第二项是由最终需求Yd2诱发的对区域1的产出的全部需求, 即区域1产出的溢出。
Miller对反馈效应的研究提供了区域间经济联系的新方法, 但其认为区域间反馈效应在实际中可能很小, 导致对研制区域间投入产出模型必要性争论。
Erik (2010) 在Miller公式的基础上通过如下分解方式定义了溢出与反馈效应:
由出口引发的溢出与反馈效应:
由最终消费引发的溢出与反馈效应:
注:为增加值系数对角矩阵
Lrr为Arr的里昂惕夫逆矩阵
Erik (2010) 的分解方式, 分别测度出口和最终消费这两个最终产品的走向所引发的增加值, 并分解为区域内效应、区域间溢出效应与反馈效应。将这一方法结合到各区域的部门层面, 则可以进一步的在空间上做出横向的比较, 分析产业结构和效率的差异。
简单总结:
区域间投入产出模型 (IRIO模型) 的引入在很大程度上减小了对基础数据收集的负担。基于中国国家投入产出表, 以及省级投入产出表, 采用科学的模型估计, 可以成功地将整个区域间投入产出表补齐。这一项工作的完成对深入分析区域间产业结构关联, 部门经济的演变都具有相当重要的意义。溢出效应与反馈效应的成功测度可以用来测度中国各区域间产业的依存度关系, 对区域发展不平衡、地区间人均收入水平差距增加, 这一时下备受关注的问题的解释可以提出一个明晰的视角。
参考文献
[1]JAN OOSTERHAVENand ERIK DIETZENBACHER.Interregional Trade, Supply Chains and Regional Income Disparity[J].Eco-nomic systems Rearch, 2010, 12 (1) :50-51.
[2]John M.Hartwick.Notes on the Isard and Chenery-Moses Interenational Input-out ModelsJou[J].rnal of Regional Service, 1971, (11) :73-86.
[3]J.I.RoundOn Estamating Trade Flows in Interregional Input Output Models[J].Journal of Regional Science, 197811 (8) :289-302.
[4]Dr Hassan KalbasiThe Gravity Model and Spatial Effects:the Gravity Model Revisited[J].Open Economies Review, 2001, 12 (3) :265-280.
[5]Sherman Robinson, Andrea Cattaneo, Moataz El-Said.Estimating a social Accounting Matrix Using Cross Entropy Methods[J].E-conomics Systems Research, Vol.13, No.1, 2001, 13 (1) :47-64.
[6]张亚雄.区域间投入产出分析[M].北京:社会科学出版社, 2006.
[7]国家信息中心.中国区域间投入产出表[M].北京:社会科学院出版社, 2005.
[8]凯伦R普兰斯.美国多地区投入产出核算与技术模型[M].国家统计局办公室, 辽宁省投入产出协调小组办公室, 译校.沈阳:辽宁人民出版社, 1990.
[9]李善同, 侯永志, 等.中国区域协调发展与市场一体化[M].北京:经济科学出版社, 2008.
[10]刘强, 冈本信广.中国地区间投入产出模型的编制及问题[J].统计研究, 2002, (9) .
区域间投入产出模型 篇3
20世纪80年代后期,我国卫生向市场经济卫生体制过渡,天津市在经济转型期的大环境下,卫生事业也得到蓬勃发展。1994年之后,国家政府财政收入占GDP比例逐年提升,天津市从1996年开始,这一比例也不断上升,体现了政府对卫生事业的关注。
本研究以天津市的卫生资源为对象,运用区域卫生经费投入的优化模型,对天津市卫生经费资源的配置效率进行了实证分析,是课题的阶段性成果。
数据来源:《天津市统计年鉴(2014)》。
从表1的数据可以看出,天津市卫生总费用随着国民经济的增长也在不断地提升,近十八年来的统计数据显示,卫生总费用一直呈现上升的态势,2013年已经突破了550亿元,政府支出增长了近30%,人均卫生费用从1996年的418元增加到2013年的3 750元,增长了8倍多。居民个人现金卫生支出从1996年起不断增加,到2005年达到46.3%,之后逐年下降,到2013年减至35.2%,这同2003年SARS的影响有一定的关系,居民个人卫生现金支出的比例一直不小,也是“看病贵”问题的直接体现,值得重点关注。
从表2可以看出,2013年天津市卫生总费用流向城市医院56.8%,流向县医院5.3%,流向社区卫生服务中心6.2%,流向乡镇卫生院2.4%,流向门诊机构5.8%,流向公共卫生机构5.9%,流向药品零售机构10%,流向卫生行政管理机构1.5%。卫生费用明显集中城市医院,流向基层卫生服务机构及公共卫生机构比例明显偏低,卫生费用的分配结构不尽合理,卫生资源的流向改善不大。
数据来源:《天津市统计年鉴(2014)》。
二、模型与结果分析
本课题采用区域卫生经费投入优化模型,综合国内的研究和计算方法,抽取了天津市内某区6家医院,其中三级3个,二级2个,一级1个,分别记录为A1~A6,其主管机构对其经费投入的数据,选择经济效益和社会效益为评价指标,参考张鹭鹭教授的卫生资源配置论研究报告的方法,计算出的各个指标的熵权数据(如表3所示)。
限于篇幅,部分调研数据表格没有一一列出。综合相关政策和以往经验数据的计算分析,得到上述6家医院卫生经费投入优化的熵权系数模型为:
由模型可得,上级主管机构对这6家医院的卫生经费的投入比例分别为:A1是19%,A2是21%,A3是25%,A4是16%,A5是13%,A6是9%。因为卫生领域不同于其他宏观经济方面,公共卫生有很强的公共性和外部性,所以政府的主导作用不容忽视。各级政府对卫生方面的投入大小是其主导作用的直接表现,各级不同的投入水平也将影响天津市卫生事业的可持续发展。
三、对策建议
天津市人均卫生资源与全国其他发达城市相比较低,与天津的四大直辖之一及港口大都市的地位不相称。卫生投入也滞后于城市经济发展,卫生总费用占全市GDP的3.86%,低于全国平均水平5.13%,也没有达到WHO5%的基本要求。
全市面积20.5%的市内六区和滨海三区占有全市卫生机构、床位、卫生技术人员的60.57%、72.58%、73.13%,而占全市面积79.51%的环城四区和二区三县仅拥有床位和卫生技术人员不足全市资源总量的28%,优质卫生资源过多集中在城市和大医院。
在天津市卫生总费用中,不仅政府的总投入偏低,在天津市各区县之间的分配也不公平,市中心和滨海新区有严重的偏向。总量上看似市中心卫生总费用比远郊高出不多,但从人均的卫生费用上看,城乡间的差距还是很大的,基层卫生服务机构政府财政投入不足,尤其是这种资金的分配是严重影响整个天津市的卫生事业发展的。
参考文献
[1]薛靖.我国公共卫生投资效率时空差异及收敛检验[J].卫生经济研究,2015,(6).
[2]张春丽.新医改以来浙江省政府卫生支出研究[J].卫生经济研究,2015,(12).
[3]陆志方.卫生总费用和GDP的增长率关系[J].卫生经济研究,2014,(12).
[4]满晓玮.基于卫生总费用核算的北京市区县级政府卫生投入分析框架的构建[J].中国卫生经济,2014,(4).
区域间投入产出模型 篇4
随着我国经济社会的发展,我国能源供需矛盾日益突出,我国各能源产业节能减排压力日益增大,发展可再生能源是我国发电产业节能减排的必由之路。太阳能发电、风力发电、水力发电、生物质能发电等可再生能源发电已得到我国政府的强力扶持而得以迅速发展,作为一种新兴产业,可再生能源发电具有低污染、可再生、节能和减排的优势且开发潜力巨大,适合现代社会的发展理念,越来越多的投资机构开始投资建设可再生能源发电项目。因此,将投资者的风险偏好考虑在内,建立投资组合模型,对研究可再生能源投资者和投资机构投资项目的优选,可再生能源项目的风险识别与监控都有重要的理论和实践意义。
随着电改9号文的发布,可再生能源逐渐成为国内外学者研究关注的焦点所在,国内外学者认为,为了保证电力系统的安全稳定性,高比例风电并网需要匹配常规灵活电源[1,2]。文献[3,4]考虑了风电设备生产以及电力负荷相关因素,构建了风电投资的情景,并通过随机规划模型对风电投资进行规划。文献[5-7]运在考虑风电并网的条件下建立了新的发电容量投资组合优化模型,得到了现阶段我国最佳风电装机容量和投资规模。文献[8-10]基于风电投资不确定性的考虑,以风电机组的利润最大化为目标,构建风电投资的优化模型。文献[11]运用现代证券组合理论,提出了采用对投资项目进行组合的方法来规避投资风险。投资必伴随风险,考虑投资者风险偏好的可再生能源投资则更显价值,文献[12]针对电力市场中各种交易风险提出了一种用于发电公司电力交易的分层次风险管理框架。文献[13]提出了不确定的电力市场环境中发电企业的风险决策方法,该方法运用收益的期望值、标准差、无差异曲线与相应的效益函数来描述决策者不同的风险态度。
基于上述分析,本文将投资者的风险偏好考虑在内,利用风险管理和投资组合理论,建立计及风险偏好的可再生能源协同投资组合模型。为追求更优的综合价值,将可再生能源的投资收益与投资风险纳入可再生能源投资优化的目标函数,以投资份额,资源条件,发电机组增长,电力需求作为约束条件,构建投资组合模型。然后,假设各类能源机组在不计及碳排放成本下的利润水平以及燃煤机组的碳排放成本,各区域电力系统的相关参数等,进行算例分析。
1 投资组合模型
1.1 基本内涵
1952年,美国经济学家马柯维茨首次提出投资组合理论(Portfolio Theory),投资问题首先关注的是投资的预期收益以及投资风险,而投资组合模型则将二者有效地融合,从而实现投资效益的最大化[14]。一般而言,期望收益水平较高的投资对象风险程度较高,期望收益水平越低的投资对象风险程度也较低,为实现投资效用的最大化须均衡期望收益与风险。
假设共有N类投资项目可供投资者选择,各类投资项目相应收益率用向量表示为R=[R1,R2,…,RI]T,各类投资项目相应的投资比例为X=[X1,X2,…,XI]T,其中。则投资者的总投资收益期望值为:
对于一个稳定的投资对象而言,可假定其收益率的长期分布是相对稳定的,不随时间推移而发生显著的变化,可假定收益期望与投资结构也相对稳定。因此,可以用样本均值来代替预期收益率。投资的总体风险以投资组合收益率的离散程度来表示,即:
式(2)中,Σ 为协方差矩阵,其矩阵形式为:
式(3)中的元素为各投资对象之间的收益水平协方差:
1.2 典型模型
常规的投资组合模型主要可以划分为两大类,即以风险最小为目标的优化模型和以投资收益最高的目标的优化模型,这两种常规投资组合模型存在的问题,无非就是收益与风险不能平衡,仅追求单目标优化。下述模型(1),是以在既定收益下限或者风险上限约束下,以风险最小或收益最高为目标的优化模型。
式(7)中:C为常数项,表示投资者对投资收益的下限。
又或者是:
式(10)中:C为常数项,表示投资者对风险控制的上限。
模型(2)引入风险偏好系数,将受益最大与风险最小两个目标转换为单目标优化模型。
式(11)中:w1、w2为风险偏好系数;w1越大则w2相应越小,投资者对风险偏好程度越高,反之w1越小则w2相应越大,投资者对风险的偏好程度越低。风险偏好系数之和为1。
2 可再生能源投资组合模型
2.1 目标函数
为均衡可再生能源投资的收益与风险,追求更优综合价值,故选用模型(2)对可再生能源投资进行优化,将投资收益与投资风险同时纳入可再生能源投资优化的目标函数,即:
目标函数中收益水平R由收入与成本共同决定,即:
式(15)中:Xki为区域k内第i类能源的发电比例;ψki为区域k内第i类能源的单位电量发电上网电价;Cki为区域k内第i类能源的单位电能的发电成本。
2004年,国家发改委出台了标杆上网电价政策,其针对2004年起投产的燃煤机组,按区域的电站建设成本及运营成本的平均水平设定统一的发电上网价格;而对于可再生能源发电,相关的标杆上网电价已相继出台,可再生能源发电的上网电价相对稳定。然而,随着发电技术的成熟,电站建设成本呈现下降趋势,标杆上网电价也将进行相应的调整。
电厂的发电成本主要由电站建设的折旧成本(含还本付息费用)、运行成本、燃料成本,而长期来看,随着碳排放的推广与实施,未来电站的成本将包括碳排放成本。即:
式(16)中:CDki为折旧成本;CkiOM为运行成本;CFki为燃料成本;CCki为碳排放成本。
2.2 约束条件
(1)投资份额约束。各类可再生能源投资份额之和为1,在不考虑允许卖空的情况下,各投资份额均为正值,即:
(2)资源条件约束。各区域各发电项目的投资容量受区域内发电资源的约束,如风电装机容量受当地风力资源以及地理条件的影响,水力发电则受水电装机容量,水文因素的影响等等。即:
式(19)中:Pkall为区域k内新增发电装机容量的总需求;Pkimax为区域k内第i类能源的可开发发电装机容量上限;Pkipre为区域k内第i类能源已开发的发电装机容量水平。
(3)发电机组增长约束。诸如燃煤机组、水电机组这类相对成熟的发电机组发电出力的消纳相对容易,而风力发电、太阳能光伏发电机组的发电出力具有不稳定性、间歇性,此类机组装机容量的快速增长将增加区域内辅助服务的压力,如果区域内不具备相应的调节能力将造成弃风、弃光等现象,从而引起发电资源的严重浪费。因此,发电资源的投资须充分考虑区域内对风力发电、太阳能光伏发电的消纳能力,合理引导相关机组装机容量的投资。
式(20)中:λki为区域k内第i类能源的增长比例上限。
(4)电力需求约束。各类能源的年度发电量需要满足区域内总用电需求,保障区域内电力供应的可靠性,即:
式(21)中:χki为区域k内第i类能源发电机组的平均可用率;θki为区域k内第i类能源发电机组的厂用电率;lk为区域供电的综合线损率;Dk为用电侧新增的用电需求。
3 算例分析
3.1 基础数据
假设统计年限内各区域内各类能源机组在不计及碳排放成本下的利润水平如表1所示,统计年限内碳排放成本如表2所示,各类能源机组的相关参数如表3所示。
元/MWh
元/MWh
各区域电力系统的相关参数如表4所示。
3.2 结果分析
在权重系数、取值分别为0.7、0.3;在不考虑碳排放成本的情况下各区域各类能源机组的收益均值、收益标准差以及投资比例的优化结果如表5所示。
对比两个区域的投资结构,燃煤机组的投资份额均相对较高,原因首先在于燃煤机组的收益水平在所有类别的机组中处于中上水平,而投资的风险度(收益标准差)则在所有类别机组中处于中下水平;其次,可再生能源机组(风电、光伏发电)受增长约束的限制,投资比例不可能过高,激进的投资决策将致使可再生能源发电陷入并网困难、消纳困难的窘况;最后,燃煤机组的可用率较高,为保证需求侧电力供应的稳定性,须确保燃煤机组的投资比例。水电机组虽然收益的平均水平较低,但收益的稳定性较好,因此两个区域内的水电装机的投资均能保持在一定的份额。
在考虑碳排放成本的情况下,各区域投资结构如表6所示。
对比不考虑碳排放成本以及考虑碳排放成本的情景,引入碳排放机制后,燃煤机组的发电成本上升,发电利润水平随之下降,投资燃煤发电对整个投资效益的贡献将有所下降,对燃煤发电的投资也就相应减少。如表6所示,燃煤发电的投资比例均有所下降,区域A中燃煤机组的投资比例下降13.2%,区域B中燃煤机组的投资比例下降8.7%;相反可再生能源机组的投资比例在碳排放机制下将有所上升。
3.3 敏感性分析
基于投资组合模型的可再生能源协调投资优化的结果除了受各类机组收益分布以及碳排放成本的影响,还与投资者的风险偏好相关,投资者越追求风险效益则对发电利润波动的考虑程度较低,更看重各类能源发电的平均利润水平;反之,投资者若不愿意承担风险,则考虑的重心将向发电利润收益的稳定性偏移。
为研究投资者的风险偏好对投资决策的影响,针对投资期望效益与投资风险的权重系数作敏感性分析。以区域A为例,取不同权重下各类能源机组的投资比例如图1所示。
如果投资者不愿意承担过多的风险(减少k1的权重),那么投资者将减少燃煤机组与风电机组的投资比例,同时增加水电的投资比例;当k1≤0.68时,投资组合的优化处于稳定状态,不再随权重的变化而变化,即k1=0.68与k1=0时的投资组合一致,则k1=0.68下的投资组合(燃煤机组57.7%、风电机组4.3%、光伏发电机组2%、水电机组36%)是风险最小的投资组合。
相反,如果投资者追求风险收益(增加k1的权重),那么投资者将减少水电的投资比例,同时增加燃煤机组与风电机组的投资比例;当0.8≤k1<1时,投资组合的优化处于稳定状态,不再随权重的变化而变化,则k1=0.8下的投资组合(燃煤机组82%、风电机组16%、光伏发电机组2%、水电机组0%)是考虑风险条件下(k2≠0)效益最优的投资组合。当k1=1时,即完全不考虑风险因素的情景下,各类能源的发电投资组合为燃煤机组97.3%、风电机组0.7%、光伏发电机组2%、水电机组0%。
4 结语
可再生能源投资市场是一个比较复杂的系统,本文以投资者的风险偏好和投资组合选择理论为基础,以区域间可再生能源投资的特点及实际情况为依托,构建计及风险偏好的区域间可再生能源协同投资组合模型,实例分析表明:
(1)本文所提出的可再生能源协同投资组合模型能够兼顾发电项目的投资收益与投资风险,适用于可再生能源组合投资优化决策。同时,碳交易的引入能够提升可再生能源发电市场竞争力,降低燃煤机组装机容量,为可再生能源项目投资收益提供了保障。
【区域间投入产出模型】相关文章：
基于DEA模型的我国西部地区高等教育投入产出效率分析09-12
区域间贸易05-12
区域模型08-22
区域交通模型05-20
区域节点模型08-24
区域活动中民间艺术论文07-03
区域主动分割模型08-09
区域产业竞争力动态评价模型06-04
区域环境治理下政府间事权划分机制及影响研究——以云南为例11-12
投入产出效率05-03