REGIONÁLIS GAZDASÁGTAN

(1)

REGIONÁLIS GAZDASÁGTAN

(2)

(3)

(4)

ELTE TáTK Közgazdaságtudományi Tanszék

Regionális gazdaságtan

10. hét

FÖLDRAJZI KÖZGAZDASÁGTAN: EMPÍRIA Készítette: Békés Gábor és Rózsás Sarolta

Szakmai felel®s: Békés Gábor

2011. július

(5)

10. hét Békés - Rózsás

Krugman-típusú modellek és empirikus eredmények

Eredmények, hipotézisek AKrugman-modell és a valóság A sokkok hatása

Vázlat

1 Krugman-típusú modellek és empirikus eredmények Eredmények, hipotézisek

A Krugman-modell és a valóság A sokkok hatása

(6)

Empirikus eredmények

Földrajzi Közgazdaságtan Krugman típusú modellek empírikus eredmények

BGM 5.4, 5,5, 6.2.1, 6.5 Box

Head, K., and T. Mayer (2004), The empirics of

agglomeration and trade, in J. V. Henderson and J.-F. Thisse (eds.), The Handbook of Regional and Urban Economics, vol.

IV, Cities and Geography, Amsterdam: North Holland, 260965.

Mai témák

1 tesztelhet® hipotézisek

2 modell és valóság

3 sokkok hatása Vállalatok jöv® hét

(7)

Tesztelhet® hipotézisek

Öt tesztelhet® eredmény

1 Hazai piac méret hatás (HME) nagyobb hazai kereslet (növekv® skálahozadékú iparágban az arányosnál magasabb arányú kínálat, nettó export

2 Magas piaci potenciál emeli a helyi tényez®árakat ha közelben magas jövedelm¶ régiók vannak, relatív árak alacsonyabbak, és magasabb (reál)bér

3 Magas piaci potenciál termelési tényez® (pl. munkaer®) áramláshoz vezet, és a cégek is odaköltöznek

4 Nem lineráris reakció a változásra, érzékenység sokkokra

5 Szállítási költség változása (csökkenése) meghatározza az agglomerációs egyensúlyakat. (i) T csökkenése (B(T)után) agglomerációhoz vezet. (ii) T csökkenése agglomeráció majd megosztott egyensúly

(8)

Fontosabb cikkek

1 Hazai piac méret hatás (HME) Davis D.R. D.E Weinstein (1999), Economic geography and regional production

structure: an empirical investigation, European Economic Review, 43: 379407 és Hanson, G.H (2005), Market

potential, increasing returns, and geographic concentration, J.

of International Economics, 67: 124.

2 Bér egyenlet: Head, K., and T. Mayer (2004), The empirics of agglomeration and trade, in J. V. Henderson and J.-F. Thisse (eds.), The Handbook of Regional and Urban Economics

3 Sokkok hatása: Davis Weinstein (2002), Bones, bombs and breakpoints: the geography of economic activity, American Economic Review, 92: 126989.

4 Szállítási költségek csökkentése több régiós modellben Krugman, P- A.Venables (1995) Globalization and the inequality of nations, Quarterly Journal of Economics, 110:

85780.

5 Adózás: Baldwin, R. E., and P. R. Krugman (2004),

Agglomeration, integration and tax harmonization, Eur Econ Rev 48: 123.

(9)

Tesztek (1): HME

HME (5.4)

Komparatív el®nyök vs. növekv® skálahozadék megkülönböztet korábbi modellekt®l

HME: Egy ország/régió magas kereslet egy termékb®l, akkor nemcsak nettó export®r lesz, de a méretaránynál jobban n® a kibocsátása

Iparágon belüli specializáció (Krugman video)

Davis D.R. D.E Weinstein (1999), Economic geography and regional production structure: an empirical investigation, European Economic Review, 43: 379407

Becslés alapja: r ország, n iparág g termék

(10)

DaviesWeinstein-modell

X_gnr =_k_gnr+α₁SH_gnr+α₂IDIODEM_gnr +_END+_err_gnr (1) X = kibocsátás (r,n,g)

SH=r ország részesedése a világ (_n,g)kibocsátásában ez az alapfeltevés

IDIODEM= országspecikus kereslet = keresleti különbség r vs többi ország (_n,g) ez a HME változó

END= tényez® ellátottság (r) * g termék input együtthatója n iparágban ez a neoklasszikus kereskedelem elmélet k a konstans, err a hibatag

(11)

DaviesWeinstein

X_gnr =_k_gnr+α₁SH_gnr+α₂IDIODEM_gnr +_END+_err_gnr (2) Els® menet (1996, 1997)

OECD országok földrajz semmi!

gyenge eredmények Második menet (1999)

Japán régiók, országok helyett közepes eredmények

Harmadik menet (2003)

OECD országok, de IDIODEM már földrajzi változókkal is kiegészül: szállítási költségek gyelembe véve

elég jó eredmények

(12)

Tesztek : HME értékelés

Vegyes és gyenge eredmények

Modell gyenge? feltételezések fontosak...

Szállítási költség, valós földrajz fontos ... kutatás folyamatban van...

(13)

Tesztek: bérek és lokáció

BGM 5.5

Neoklasszikus kereskedelem-/növekedés-elméletben nincs erre vonatkozó el®rejelzés

Agglomeráció externália amely lehet®vé tesz magasabb béreket

Hanson (1997) Mexico

nagy területi különbségek (Észak vs. Dél 3x) Agglomeráció 1: Mexico City a központ Agglomeráció 2: USA

Id®beni hatás: NAFTA

(14)

Mexikó

(15)

Tesztek: bérek Hanson Mexikó

A béregyenlet egyszer¶ modell csak a szállítási költség számít

ln(_W_it_/W_ct) =α+α₁ln(_t_it) +α₂ln(_tf_it) +_err_it ₍₃₎ W_it i-régió, W_ct a központ Mexico City bére

t_it régió-Mexico City szállítási költsége =f(távolság)

tf_it USA határMexico City szállítási költsége = f(távolság) Teszt:

a nem központi régiók relatív bére (Mexico City) alacsonyabb, amikor az USA-Mexikó kereskedelmi költség magas (α₁<_0,_α₂<₀₎

Kereskedelmi liberalizáció csökkentette a bér különbségeket id®beni hatás nem nulla

(16)

Tesztek: bérek Hanson Mexikó

Hanson (1997) eredmények

a terület számít, a távolság csökkenti a béreket de a nyolcvanas/kilencvenes évek intergációja csak a határmenti régióra hat

20 év integráció, er®sebb hatás

(17)

Tesztek: bérek piaci potenciál

Piaci potenciál nemcsak a hazai piac mérete, hanem a szomszédos/környez® piacok mérete is számít

Béregyenlet a modellb®l, k régióra:

W_j =

∑

k

(_Y_k_I_k^e−¹_T_jk¹^−e)^1/e ₍₄₎ Mit jelent ez?

Ha közelebb (alacsony T ) lév® Y_k magasabb, n® W is Hogyan lehet tesztelni? Egyszer¶bb verzió kell T_jk =_T^D^jk

log(Wj) =α₀+α₁log(

∑

k

(Y_ke⁻^α²^D^jk) +err_j (5)

= Nominális piaci potenciál (árindex nincs benne)

(18)

Tesztek: bérek piaci potenciál (folyt.)

Nominális piaci potenciál fv árindex nincs benne könnyen becsülhet®

földrajzi gazdaságtanra épül (távolság, költség) de nem kapcsolható direkt a modellhez Brakman et al. (2005), EU régiók 19922000

van területi bér hatás

α₁ magas er®s keresleti hatás

α₂ alacsony vagyis a hatás a távolsággal er®sen csökken

(19)

Tesztek: bérek Hanson-becslés

Vissza a modellbeli béregyenletre hogyan lehet becsülni?

Hanson (2005)

mez®gazdaság helyett lakások ez segít elkerülni a nagyon er®s koncentrációt

árszintek belülr®l becsülve A modellb®l következ® feltételek

Y_j =λ_jLW_j (6)

P_jH= (₁−δ)_Y_j ₍₇₎ W_j/(P_j¹^−δI_j^δ) =W_k/(P_k¹^−δI_k^δ) (8) Vagyis:

(i) a jövedelem = a munkajövedelem összege

(ii) lakásra költött összes forrás = nem-ipari termékre költött jövedelem

(iii) a reálbérek kiegyenlít®dnek (hosszú távon)

(20)

Tesztek: bérek Hanson-becslés

Béregyenlet továbbra is W_j =

∑

k

(_Y_k_I_k^e−¹_T_jk¹^−e)¹^/e ₍₉₎ A modellb®l következ® feltételek

P_jH= (₁−δ)_Y_j ₍₁₀₎ W_j/(P_j¹^−δI_j^δ) =W_k/(P_k¹^−δI_k^δ) (11) Árindex helyett lakásmennyiség:

log(_Wj) =α₀+¹ elog(

∑

k Y_k^e+(¹^−e)/δH_k⁽¹^−δ)(e−¹^)/δW_k^(e−¹^)/δT⁽¹^−e)^D^jk) +_e_j Bérek= f(jövedelmek, lakások mennyisége, bérek távolsággal(12)

súlyovba)

(21)

Tesztek: bérek Hanson-becslés (folyt.)

USA adatok, megyeszint (3 ezer megye), 197080 vs.

198090. Adatok: bérek, lakások mennyisége, távolság

(22)

Tesztek: bérek Hanson-becslés (folyt.)

USA adatok, megye szint (3 ezer megye), 197080 vs.

198090. Adatok: bérek, lakások mennyisége, távolság A modellb®l három paraméter: δ,e,T mindegyik szignikáns.

T emelkedett (agglomerációs el®nyök n®ttek)

ecsökkent monopolisztikus ereje a vállalatoknak/markup n®tt

Nincs feketelyuk-feltétel és a Hanson-eredmény

(23)

Tesztek: bérek Hanson-becslés (folyt.)

A fenti becslés szerint T magas, vagyis 200 km számít a bérek esetében

Nominális piaci potenciál becslés ua. adatokon 400600 km ...összességében a keresleti földrajzi hatása nem magas Sokféle kritika lehet (l. BGM 5.5.4 )

(24)

Tesztek: bérek piaci potenciál távolság

Németország, 10% GDP növekedés Münchenben

0.8% béremelkedes Münchenben, 0.81% a környezetben, 0.2 2-300 km, 400 km után 0

(25)

A modell, szállítási költségek és a valóság

Láttuk a modellben a szállítási költség többféle módon meghatározza az ipar megoszlásást. Többféle alakzat is lehet...

A modell függvénye, pl:

a régiók egyformák-e

a munkaer® mobilitás milyen (szektor/régiók között) a mez®gazdaságban milyen a mérethozadék

vertikális kapcsolatok paramétere értéke mennyi régió van

(26)

A világ története egy történet

KrugmanVenables 1995 textil Anglia és India

A történet alapja a szállítási költségek csökkenése (vitorlás, g®zhajó, nagy hajó, vasút, konténer hajó, repül®gép stb.) A XIX. század el®tt a szállítási költségek magasak, jelent®s indiai textilipar (nagyobb mint Anglia)

A szállítási költségek csökkennek agglomeráció Angliában Véletlen >_innováció

India textil-/ruhaimport®r lesz

XX század a szállítási költségek csökkennek India elég olcsó, megéri onnan importálni Angliába Kiegyenlít®dés

(27)

Haranggörbe

Puga (1999) továbbfejlesztette a Krugma modellt

Becslések Head, K., and T. Mayer (2004), The empirics of agglomeration and trade

Hogyan lehet adatokat szerezni: (l. HeadMayer 2004 Appendix)

φ:Kereskedelem szabadása a szállítási költség függvénye, φ=_T¹^−σ _ahol:

(teljes izolácó) 0<φ<1 (nincs költség)

Becsül modelladatokat, vissza a modellbe, és egyes iparágra megmutatja, hol lehetnek az ábrán

vonal, ahol agglomeráció várható

Pontbecslés, ahol most vagyunk francianémet (pont) és USACanada adatok (háromszög)

(28)

Haranggörbe (folyt.)

Puga (1999) b®vített modell, vertikális kapcsolatok és munkaer®piaci módosítok:

megosztott egyensúly agglomeráció megosztott egyensúly

(29)

HeadMayer (2004) adatok

µ=δ(ipar arány),σ=e(helyettesítés),αfélkész termékek aránya

(30)

Haranggörbe (folyt.)

(31)

Haranggörbe eredmények

Mit mutat az ábra?

Modell elég magas T (alacsony φ) esetén már agglomerációt mond, amely a legtöbb iparágban T '_{1 tart}

Legtöbb iparágra magas költség nincs agglomeráció USACanada kisebb becsült költség

Gépgyártás, repül®gép, autó USACanada már agglomeráció

(32)

Becslés valóság

Az eredményeket meghatározhatja az adatok kezelése és az egyes alkalmazott függvényforma is. Pl.

meggyelési egység deálás

kontrollváltozók

ökonometria (logs, OLS, panel, dif-in-dif, nem lineáris tagok, stb.)

szállítási költség modellezése

(33)

Becslés valóság (folyt)

Szállítási költség modellezése (box 9.4)

(34)

Becslés valóság (folyt.)

A szállítási költség modellezése (box 9.4) D = két f®város, középpont közötti távolság utazási id®

a területek közötti átlagos távolság + border dummy

Függvényforma milyen kapcsolat: lineáris, log.

Gravity

Eredmények eltérhetnek

(35)

Sokkok hatása

BGM 6.2.1

Sokkok hatása a város/régió méretére. Kiindulás 1

városi gazdaságtan (von Thünen) van egy optimális méret, mean reversion

földrajzi gazdaságtan (Krugman) növekv® skálahozadék + externáliák, agglomerációs er®k egy sokk új egyensúlyba vezethet

Kiindulás 2 többféle egyensúly van, ezekb®l van nem stabil.

Hogyan lehet ilyet találni?

Vegyünk egy egyensúlyi helyzete és eresszünk rá egy (i) nagy, (ii) exogén és (iii) átmeneti sokkot.

hogyan lehet ilyet találni?

(36)

Sokkok hatása: DavisWeinstein (2002)

Japán városok szövetségesek általi bombázása a 2. VH-ban Lehetséges reakciók:

küls® hatás/földrajz meghatározza az optimális funkciókat (pl. kiköt®, klíma)

Növelv® mérethozadék lehet permanens hatás új egyensúly

Véletlen növekedési modell megváltozó pálya Kérdés: a sokk után visszatér-e az eredeti egyensúlyba

ha nem: Krugman igaz

ha igen: akkor vagy Krugman igaz, és egy stabil egyensúly volt, vagy Krugman nem igaz

(37)

Sokkok hatása: DavisWeinstein (2002) (folyt.)

Teszt: eltünt-e a 2. világháború hatása 15-20 év alatt Japán: nincs hatás, teljen visszatértek az eredeti pályára Németország (hasonló modell)

Nyugat-Németország részleges visszatérés Kelet-Németország nincs visszatérés l. BGM 6.2.1

Extra kérdés: Mennyi egyensúly van? (ez már egy másik cikk témája, akit érdekel 6.2.2.)