Modelli di Microsimulazione Matteo Richiardi (Università Politecnica delle Marche and Collegio...
-
Upload
federigo-diana -
Category
Documents
-
view
217 -
download
0
Transcript of Modelli di Microsimulazione Matteo Richiardi (Università Politecnica delle Marche and Collegio...
Modelli di Microsimulazione
Matteo Richiardi (Università Politecnica delle Marche and Collegio Carlo Alberto – LABOR)
Corso per il personale della Direzione centrale preposta alla rilevazione, elaborazione e validazione dei dati statistici per il coordinamento statistico attuariale
Collegio Carlo Alberto – LABORatorio R. Revelli18 ottobre 2007
indice
I modelli di previsione1. Modelli di cella
2. Modelli di coorte
3. Modelli econometrici
I modelli di microsimulazione1. Microsimulazione statica
2. Microsimulazione dinamica
3. Sviluppo storico
4. Elementi base
5. Stima e validazione
tassi di occupazione – 2 fotogrammi
tassi di occupazione – il film
tassi di occupazione – i processi sottostanti
Modelli di previsione
modelli cell-based modelli di coorte modelli con tipi rappresentativi modelli microeconometrici
modelli macroeconometrici modelli CGE
approccio micro
approccio macro
modelli di microsimulazione
modelli cell-based
estrapolazioni di medie di celle, tenendo conto di
previsioni esterne (es. proiezioni demografiche)
sulll’evoluzione della composizione delle diverse
celle nella popolazione
modelli cell-based
“constant” scenario
i tassi di participazione per coorti quinquennali e genere rimangono constanti al livello del 2000
Un esempio – oss. 2004
35
45
55
65
75
85
95
20 21 22 23 24 age
%
2004 (true)
Hp: oss. 2003-2004
35
45
55
65
75
85
95
20 21 22 23 24 age
%2004 (true)
2003 (true)
Proiezione di trend (dati
aggregati)
Proiezione di trend (dati
aggregati)
50
55
60
65
70
75
80
85
90
95
100
20 21 22 23 24 age
%
2004 (true)
2003 (true)
2008 (molt. trend)
2008 (add. trend)
Hp: tassi di entry ed exit costanti
(micro dati)
Hp: tassi di entry ed exit costanti
(micro dati)
Hp: tassi di entry ed exit costanti
(micro dati)
50
55
60
65
70
75
80
85
90
95
100
20 21 22 23 24 age
%
2004 (true)
2003 (true)
2008 (molt. trend)
2008 (add. trend)
2008 (cohort mdl.)
Il vero processo con effetti di
coorte
Il vero processo con effetti di
coorte
50
55
60
65
70
75
80
85
90
95
100
20 21 22 23 24 age
%
2004 (true)
2003 (true)
2008 (molt. trend)
2008 (add. trend)
2008 (cohort mdl.)
2008 (true)
morale della storia …
… diffidare di chi promette di stimare effetti di
coorte a partire da una base dati con scarsa
componente longitudinale !!!
modelli macroeconometrici
stima nei dati aggregati della domanda e
dell’offerta, nonché dei ritardi di aggiustamento
dell’equilibrio a seguito di shock esogeni /
specifiche politiche
modelli microeconometrici
stima del comportamento individuale,
eventualmente condizionale a specifiche
politiche, nei dati reali si considera generalmente un numero molto
limitato di eventi
microsimulazione
Simulazione dell’evoluzione delle storie (stati,
comportamenti) di unità individuali (persone,
famiglie, imprese …) in specifici contesti (di
mercato, istituzionali …) Interesse di policy: analisi degli effetti aggregati e
distributivi di politiche / scenari, per mezzo della
simulazione della loro implementazione su di un
campione rappresentativo di individui
evidence-based policy making
L’evidenza è nei dati reali, viene manipolata dal
modello di microsimulazione, produce altra
evidenza nei dati artificiali
evidence-based policy making
Quali sono le conseguenze di uno specifico
scenario? Quali politiche possono essere attuate? Chi ci guadagnerà e chi ci perderà? Quanto costa implementare queste politiche? Quali incentivi / disincentivi creeranno? Come si modificheranno i comportamenti
individuali?
applicazioni
Sistema fiscale (tasse e trasferimenti) Pensioni Previsioni di bilancio Pianificazione urbana Gestione del traffico Gestione delle risorse naturali …
caratteristiche
Analisi distributiva Possibilità di scelta ex-post del livello di analisi
desiderato, purché la numerosità sia sufficiente Interazione di diversi livelli:
- micro (caratteristiche individuali)
- macro (evoluzione demografica, trend nel mk
del lavoro …)
- istituzionale (leggi, norme, convenzioni …)
Microsimulazione statica
l’obiettivo è ricostuire la distribuzione fY(Y|X,P) di
una variabile endogena Y, condizionale alle variabili esogene X e ai parametri istituzionali P
2 soli periodi: popolazione iniziale e popolazione finale (“1st round effects”)
no cambiamenti nei comportamenti, o nella composizione della popolazione
es. tax & benefit: il modello contiene tutte le regole per il calcolo delle tasse e dei benefici e calcola il reddito disponibile di tutti gli individui nella popolazione iniziale
Microsimulazione statica
modelli statici sono talvolta utilizzati per proiezioni di breve periodo
in questo caso la popolazione iniziale viene fatta evolvere attraverso il cosiddetto static ageing, una riponderazione delle unità individuali per tenere conto del cambiamento nella composizione della popolazione, così come previsto da proiezioni esterne al modello
se l’analisi viene svolta a differenti livelli (es. individui e famiglie) pesi diversi possono essere utilizzati (grossing)
EUROMOD
microsimulazione statica tax-benefit multi-paese, che copre i 15 paesi UE pre-2004 (in corso di estensione)
reddito disponibile = = A. stipendi e salari+ B. redditi da lavoro autonomo+ C. redditi da proprietà+ D. altri redditi+ E. pensioni+ F. benefici monetari (assegni familiari, assistenza sociale…) – G. tasse e contributi sociali e previdenziali
EUROMOD
Microsimulazione dinamica
2 elementi dinamici:
1. (alcune) variabili X2 sono considerate endogene
rispetto ad (alcune) politiche P2
fX,Y(Y,X2|X1,P) = fY|X(Y|X1,X2,P1) fX(X2|P2)
es. cambiamenti nell’offerta di lavoro in risposta a cambiamenti nel sistema fiscale
2. Le probabilità di transizione dipendono da variabili
ritardate: X2 include Yt-j
produce un panel di storie simulate
Microsimulazione dinamica
Moduli più comuni: cambiamenti demografici (fertilità, migrazione…) formazione e dissoluzione di unità famigliari scelte di istruzione determinazione del livello di salute determinazione dello status occupazionale determinazione del reddito /reddito disponibile determinazione dei risparmi e della ricchezza scelte di pensionamento
storia
Guy Orcutt (1957), “A new type of socio-
economic system”: se esiste una relazione non
lineare tra gli input (Xi) e gli output (Yi), il valore
aggregato di Y dipende da tutta la distribuzione
degli input, e non solo dal valore aggregato (o
medio) di X
“In microsimulation modeling there is no need to
make assumptions about the average economic
man. Although unpractical, we can in principle
model every man.” (Klevmarken, 2001)
storia
Anni ’70: sviluppo di modelli di microsimulazione
(dinamica) su larga scala: DYNASIM (Orcutt)
CORSIM (Caldwell) richiedevano però risorse troppo ingenti in
termini di hw, sw, data, in particolare rispetto alla
mancanza di microdati del tempo Anni ’80: ripiegamento su modelli (statici) più
compatti: modelli contabili con poche o nulle
retroazioni in termini di cambiamento nei
comportamenti, che si concentrano sugli effetti di
breve periodo, ceteris paribus, delle politiche
storia
Anni ’90: “rinascita” dei modelli dinamici, causata
dalla diminuzione dei costi di calcolo e dalla
maggiore disponibilità di dati Esperienze di cooperazione e trasferimento di
conoscenza:
- EUROMOD, sviluppato da un consorzio di
ricercatori di 15 paesi
- “migrazione” di CORSIM in Canada e Svezia
diffusione
principi di fondo
approccio micro analisi di equilibrio parziale stima microeconometrica dei diversi moduli che
compongono la microsimulazione (dinamica) feedback assenti o limitati tra i diversi moduli
elementi base
popolazione iniziale regole di transizione (contabili, di
comportamento), deterministiche o
probabilistiche popolazione simulata
dati necessari
1. popolazione iniziale (cross-section)2. stima delle equazioni di comportamento non necessariamente coincidono, ma tutte le
variabili utilizzate in 2. devono essere presenti in 1.
se la specificazione dei modelli di comportamento prevede effetti di coorte, 1.e 2. non coincidono
le stime possono essere effettuate su- cross-section- collezione di cross-section- panel data
Probabilità di transizione
quando sono stimate nei dati, possono essere utilizzate “grezze” (Montecarlo simulation) o “aggiustate” per allineare le distribuzioni risultanti a previsioni esterne (alignment). Quest’ultima procedura è equivalente a stimare dei differenziali della probabilità di transizione
Algoritmi
per ogni periodo deve essere specificata la sequenza di applicazione delle diverse probabilità di transizione (ordine degli eventi)
questo ordine determina la successione dell’esecuzione dei diversi moduli
ciascun modulo può contemplare più eventi questi eventi possono essere diversi a seconda
degli individui
Stima
Modelli statici: niente da stimare Modelli dinamici: stima congiunta vs. separata dei
diversi moduli. La stima separata è giustificata solo se vi è mancanza di correlazione tra i diversi moduli
Calcolo degli intervalli di confidenza: la variabilità dipende da (i) estrazione dei numeri casuali, (ii) campionamento della popolazione iniziale, (iii) imprecisione delle stime
Bootstrapping
Validazione
In-sample: verifica del potere predittivo del modello nel descrivere i dati su cui è stato stimato
Out-of-sample: i dati reali disponibili vengono partizionati in 2: una parte (es. 2/3 del periodo) viene utilizzata per la stima e la rimanente (es. 1/3 del periodo) viene riservata per il test dei risultati
grazie !