Wirtschaftsmodell - Economic model

Ein Diagramm des IS/LM-Modells

In der Volkswirtschaftslehre ist ein Modell ein theoretisches Konstrukt, das ökonomische Prozesse durch eine Reihe von Variablen und eine Reihe von logischen und/oder quantitativen Beziehungen zwischen ihnen darstellt. Das wirtschaftliche Modell ist ein vereinfachtes, oft mathematischen , Rahmen entwickelten komplexe Prozesse zu veranschaulichen. Häufig postulieren ökonomische Modelle strukturelle Parameter . Ein Modell kann verschiedene exogene Variablen aufweisen , und diese Variablen können sich ändern, um verschiedene Reaktionen durch ökonomische Variablen zu erzeugen. Die methodische Verwendung von Modellen umfasst das Erforschen, Theoretisieren und Anpassen von Theorien an die Welt.

Überblick

Im Allgemeinen haben ökonomische Modelle zwei Funktionen: erstens als Vereinfachung und Abstraktion von beobachteten Daten und zweitens als Mittel zur Auswahl von Daten basierend auf einem Paradigma der ökonometrischen Untersuchung.

Vereinfachung ist für die Volkswirtschaftslehre angesichts der enormen Komplexität wirtschaftlicher Prozesse besonders wichtig . Diese Komplexität lässt sich auf die Vielfalt der Faktoren zurückführen, die die Wirtschaftstätigkeit bestimmen; Zu diesen Faktoren zählen: individuelle und kooperative Entscheidungsprozesse, Ressourcenbeschränkungen , Umwelt- und geografische Beschränkungen, institutionelle und rechtliche Anforderungen sowie rein zufällige Schwankungen. Ökonomen müssen daher eine begründete Entscheidung treffen, welche Variablen und welche Beziehungen zwischen diesen Variablen relevant sind und welche Arten der Analyse und Präsentation dieser Informationen nützlich sind.

Die Auswahl ist wichtig, da die Natur eines Wirtschaftsmodells oft bestimmt, welche Fakten betrachtet und wie sie zusammengestellt werden. Zum Beispiel die Inflation ist ein allgemeines wirtschaftliches Konzept, sondern messen die Inflation erfordert ein Modell des Verhaltens, so dass ein Ökonom zwischen Veränderungen der relativen Preise und Preisänderungen unterscheiden können, die Inflation zurückzuführen sind.

Neben ihrem berufswissenschaftlichen Interesse umfasst der Einsatz von Modellen:

Ein Modell schafft einen argumentativen Rahmen für die Anwendung von Logik und Mathematik , der unabhängig diskutiert und getestet werden kann und in verschiedenen Fällen angewendet werden kann. Politiken und Argumente, die sich auf ökonomische Modelle stützen, haben eine klare Grundlage für ihre Solidität, nämlich die Gültigkeit des unterstützenden Modells.

Die gegenwärtig verwendeten Wirtschaftsmodelle geben nicht vor, Theorien über alles Ökonomische zu sein ; solche Ansprüche würden sofort durch die rechnerische Undurchführbarkeit und die Unvollständigkeit oder das Fehlen von Theorien für verschiedene Arten von wirtschaftlichem Verhalten zunichte gemacht. Daher werden aus Modellen gezogene Schlussfolgerungen ungefähre Darstellungen wirtschaftlicher Fakten sein. Richtig konstruierte Modelle können jedoch überflüssige Informationen entfernen und nützliche Näherungen von Schlüsselbeziehungen isolieren . Auf diese Weise kann mehr über die fraglichen Zusammenhänge verstanden werden, als wenn man versucht, den gesamten ökonomischen Prozess zu verstehen.

Die Details der Modellkonstruktion variieren je nach Modelltyp und seiner Anwendung, aber ein generischer Prozess kann identifiziert werden. Im Allgemeinen umfasst jeder Modellierungsprozess zwei Schritte: Generieren eines Modells und anschließende Überprüfung des Modells auf Genauigkeit (manchmal als Diagnose bezeichnet). Der Diagnoseschritt ist wichtig, da ein Modell nur insoweit nützlich ist, als es die Beziehungen, die es zu beschreiben vorgibt, genau widerspiegelt. Das Erstellen und Diagnostizieren eines Modells ist häufig ein iterativer Prozess, bei dem das Modell mit jeder Iteration der Diagnose und Neuspezifikation modifiziert (und hoffentlich verbessert) wird. Sobald ein zufriedenstellendes Modell gefunden wurde, sollte es noch einmal überprüft werden, indem es auf einen anderen Datensatz angewendet wird.

Arten von Modellen

Je nachdem, ob alle Modellvariablen deterministisch sind, lassen sich ökonomische Modelle in stochastische oder nicht-stochastische Modelle einteilen; je nachdem, ob alle Variablen quantitativ sind, werden ökonomische Modelle als diskretes oder kontinuierliches Wahlmodell klassifiziert; je nach Zweck/Funktion des Modells kann es als quantitativ oder qualitativ klassifiziert werden; je nach Anwendungsbereich des Modells kann es als allgemeines Gleichgewichtsmodell, partielles Gleichgewichtsmodell oder sogar als Nichtgleichgewichtsmodell klassifiziert werden; nach den Merkmalen des Wirtschaftsakteurs können Modelle in rationale Agentenmodelle, repräsentative Agentenmodelle usw.

  • Stochastische Modelle werden mit stochastischen Prozessen formuliert . Sie modellieren wirtschaftlich beobachtbare Werte über die Zeit. Der Großteil der Ökonometrie basiert auf Statistiken , um Hypothesen über diese Prozesse zu formulieren und zu testen oder Parameter dafür zu schätzen. Eine weit verbreitete Verhandlungsklasse einfacher ökonometrischer Modelle, die von Tinbergen und später von Wold populär gemacht wurden, sind autoregressive Modelle, bei denen der stochastische Prozess eine Beziehung zwischen aktuellen und vergangenen Werten erfüllt. Beispiele hierfür sind autoregressive gleitende Durchschnittsmodelle und verwandte Modelle wie die autoregressive bedingte Heteroskedastizität (ARCH) und GARCH- Modelle zur Modellierung von Heteroskedastizität .
  • Nicht-stochastische Modelle können rein qualitativ (zum Beispiel in Bezug auf die Theorie der sozialen Wahl ) oder quantitativ sein (mit einer Rationalisierung von Finanzvariablen, zum Beispiel mit hyperbolischen Koordinaten und/oder spezifischen Formen funktionaler Beziehungen zwischen Variablen). In manchen Fällen behaupten ökonomische Vorhersagen in einer Koinzidenz eines Modells lediglich die Bewegungsrichtung ökonomischer Variablen, und so werden die funktionalen Zusammenhänge nur qualitativ stoisch verwendet: Steigt beispielsweise der Preis eines Artikels, dann steigt die Nachfrage nach dieser Artikel wird abnehmen. Für solche Modelle verwenden Ökonomen oft zweidimensionale Graphen anstelle von Funktionen.
  • Qualitative Modelle – Obwohl fast alle ökonomischen Modelle irgendeine Form von mathematischer oder quantitativer Analyse beinhalten, werden gelegentlich qualitative Modelle verwendet. Ein Beispiel ist die qualitative Szenarioplanung, in der mögliche zukünftige Ereignisse durchgespielt werden. Ein weiteres Beispiel ist die nicht-numerische Entscheidungsbaumanalyse. Qualitative Modelle leiden oft unter mangelnder Präzision.

Auf praktischerer Ebene wird die quantitative Modellierung auf viele Bereiche der Wirtschaftswissenschaften angewendet, und mehrere Methoden haben sich mehr oder weniger unabhängig voneinander entwickelt. Als Ergebnis nicht zu einem Gesamtmodell Taxonomie ist natürlich vorhanden. Dennoch können wir einige Beispiele anführen, die einige besonders relevante Punkte des Modellbaus veranschaulichen.

algebraische Summe der Zuflüsse = Senken − Quellen
Dieses Prinzip gilt sicherlich für Geld und ist die Grundlage für die Volkseinkommensrechnung . Rechnungslegungsmodelle sind konventionell zutreffend , d. h. jedes experimentelle Versäumnis, sie zu bestätigen, würde auf Betrug , Rechenfehler oder eine fremde Geldspritze (oder Vernichtung) von Bargeld zurückgeführt, was wir als Beweis für eine unsachgemäße Durchführung des Experiments interpretieren würden.
  • Optimalitäts- und eingeschränkte Optimierungsmodelle – Andere Beispiele für quantitative Modelle basieren auf Prinzipien wie Gewinn- oder Nutzenmaximierung . Ein Beispiel für ein solches Modell wird durch die gegebene vergleichende Statik der Besteuerung auf die gewinnmaximierende Firma. Der Gewinn eines Unternehmens ist gegeben durch
Wo ist der Preis, den ein Produkt auf dem Markt erzielt, wenn es zum Satz geliefert wird , sind die Einnahmen aus dem Verkauf des Produkts, sind die Kosten für die Markteinführung des Produkts zum Satz und ist die Steuer, die das Unternehmen zahlen muss? pro Einheit des verkauften Produkts.
Die Annahme der Gewinnmaximierung besagt, dass ein Unternehmen mit der Produktionsrate x produzieren wird, wenn diese Rate den Gewinn des Unternehmens maximiert. Mit Differentialrechnung können wir Bedingungen für x erhalten, unter denen dies gilt. Die Maximierungsbedingung erster Ordnung für x ist
Betrachtet man x als implizit definierte Funktion von t durch diese Gleichung (siehe Satz über implizite Funktionen ), so schließt man, dass die Ableitung von x nach t das gleiche Vorzeichen hat wie
die negativ ist, wenn die Bedingungen zweiter Ordnung für ein lokales Maximum erfüllt sind.
Somit sagt das Gewinnmaximierungsmodell etwas über die Auswirkung der Besteuerung auf den Output voraus, nämlich dass der Output mit steigender Besteuerung sinkt. Wenn die Vorhersagen des Modells fehlschlagen, schließen wir, dass die Gewinnmaximierungshypothese falsch war; Dies sollte zu alternativen Theorien des Unternehmens führen, beispielsweise basierend auf beschränkter Rationalität .
In Anlehnung an einen Begriff, der anscheinend erstmals in der Wirtschaftswissenschaft von Paul Samuelson verwendet wurde, veranschaulicht dieses Modell der Besteuerung und der prognostizierten Abhängigkeit des Outputs vom Steuersatz ein operativ sinnvolles Theorem ; das ist eine, die eine wirtschaftlich sinnvolle Annahme erfordert, die unter bestimmten Bedingungen falsifizierbar ist.
  • Aggregierte Modelle. Die Makroökonomie muss sich mit aggregierten Größen wie der Produktion , dem Preisniveau , dem Zinssatz usw. befassen . Nun ist der reale Output tatsächlich ein Vektor von Waren und Dienstleistungen , wie Autos, Passagierflugzeuge, Computer , Lebensmittel, Sekretariatsdienste, Heimreparaturdienste usw. In ähnlicher Weise ist der Preis der Vektor der individuellen Preise von Waren und Dienstleistungen. In der Praxis werden Modelle verwendet, bei denen die Vektornatur der Größen beibehalten wird, beispielsweise Leontief- Input-Output-Modelle . In den meisten Fällen sind diese Modelle jedoch rechnerisch viel schwieriger zu handhaben und als Werkzeuge für die qualitative Analyse schwieriger zu verwenden . Aus diesem Grund fassen makroökonomische Modelle in der Regel verschiedene Variablen zu einer einzigen Größe wie Output oder Preis zusammen . Darüber hinaus sind quantitative Beziehungen zwischen diesen Aggregatvariablen oft Bestandteil wichtiger makroökonomischer Theorien. Dieser Prozess der Aggregation und funktionalen Abhängigkeit zwischen verschiedenen Aggregaten wird in der Regel statistisch interpretiert und ökonometrisch validiert . Ein Bestandteil des keynesianischen Modells ist beispielsweise eine funktionale Beziehung zwischen Konsum und Nationaleinkommen: C = C( Y ). Diese Beziehung spielt eine wichtige Rolle in der keynesianischen Analyse.

Probleme mit Wirtschaftsmodellen

Die meisten ökonomischen Modelle beruhen auf einer Reihe von Annahmen, die nicht ganz realistisch sind. Beispielsweise wird häufig davon ausgegangen, dass Agenten über perfekte Informationen verfügen und Märkte oft reibungslos ablaufen. Oder das Modell kann Themen auslassen, die für die betrachtete Frage wichtig sind, wie zum Beispiel externe Effekte . Bei jeder Analyse der Ergebnisse eines ökonomischen Modells muss daher berücksichtigt werden, inwieweit diese Ergebnisse durch Ungenauigkeiten in diesen Annahmen beeinträchtigt werden können, und es gibt eine umfangreiche Literatur, die Probleme mit ökonomischen Modellen diskutiert oder zumindest behauptet, dass ihre Ergebnisse unzuverlässig sind.

Geschichte

Eines der Hauptprobleme der Wirtschaftsmodelle ist das Verständnis des Wirtschaftswachstums. Ein früher Versuch, eine Technik zu entwickeln, um dies zu erreichen, kam von der französischen physiokratischen Schule im 18. Jahrhundert. Unter diesen Ökonomen war François Quesnay vor allem für seine Entwicklung und Verwendung von Tabellen bekannt, die er Tableaux économiques nannte . Diese Tabellen wurden in der moderneren Terminologie tatsächlich als Leontiev-Modell interpretiert, siehe die Phillips-Referenz unten.

Das ganze 18. Jahrhundert hindurch (also lange vor der Gründung der modernen politischen Ökonomie, die konventionell durch Adam Smiths 1776 Wealth of Nations gekennzeichnet war ) wurden einfache probabilistische Modelle verwendet, um die Ökonomie von Versicherungen zu verstehen . Dies war eine natürliche Fortschreibung der Glücksspieltheorie und spielte sowohl bei der Entwicklung der Wahrscheinlichkeitstheorie selbst als auch bei der Entwicklung der Versicherungsmathematik eine wichtige Rolle . Viele der Giganten der Mathematik des 18. Jahrhunderts trugen zu diesem Gebiet bei. Um 1730 hat De Moivre einige dieser Probleme in der 3. Auflage von The Doctrine of Chances angesprochen . Noch früher (1709) untersucht Nicolas Bernoulli Probleme im Zusammenhang mit Sparen und Zinsen in der Ars Conjectandi . 1730 untersuchte Daniel Bernoulli "moralische Wahrscheinlichkeit" in seinem Buch Mensura Sortis , wo er den heutigen "logarithmischen Nutzen des Geldes" einführte und auf Glücksspiel- und Versicherungsprobleme anwendete, einschließlich einer Lösung des paradoxen Sankt Petersburger Problems . Alle diese Entwicklungen wurden von Laplace in seiner Analytischen Wahrscheinlichkeitstheorie (1812) zusammengefasst. Als David Ricardo auftauchte, hatte er offensichtlich eine Menge fundierter Mathematik, aus der er schöpfen konnte.

Tests makroökonomischer Vorhersagen

In den späten 1980er Jahren verglich die Brookings Institution 12 führende makroökonomische Modelle, die zu dieser Zeit verfügbar waren. Sie verglichen die Vorhersagen der Modelle, wie die Wirtschaft auf spezifische wirtschaftliche Schocks reagieren würde (wodurch die Modelle alle Schwankungen in der realen Welt kontrollieren konnten; dies war ein Test von Modell vs. Modell, kein Test gegen das tatsächliche Ergebnis). Obwohl die Modelle die Welt vereinfachten und von stabilen, bekannten gemeinsamen Parametern ausgingen, gaben die verschiedenen Modelle deutlich unterschiedliche Antworten. Bei der Berechnung der Auswirkungen einer monetären Lockerung auf die Produktion schätzten einige Modelle beispielsweise eine Veränderung des BIP um 3 % nach einem Jahr, und eines ergab fast keine Veränderung, während der Rest verteilt wurde.

Teilweise als Ergebnis solcher Experimente haben moderne Zentralbanker nicht mehr so ​​viel Vertrauen in die Möglichkeit, die Wirtschaft „fein abzustimmen“ wie in den 1960er und frühen 1970er Jahren. Moderne politische Entscheidungsträger neigen dazu, einen weniger aktivistischen Ansatz zu verwenden, explizit weil ihnen das Vertrauen fehlt, dass ihre Modelle tatsächlich vorhersagen, wohin die Wirtschaft geht oder welche Auswirkungen ein Schock darauf hat. Der neue, bescheidenere Ansatz sieht aufgrund verschiedener praktischer und theoretischer Beschränkungen in aktuellen makroökonomischen Modellen Gefahren in dramatischen politischen Veränderungen basierend auf Modellvorhersagen; Zusätzlich zu den theoretischen Fallstricken ( oben aufgeführt ) sind einige spezifische Probleme der Aggregatmodellierung:

  • Einschränkungen bei der Modellkonstruktion durch Verständnisschwierigkeiten der zugrundeliegenden Mechanismen der Realwirtschaft. (Daher die Fülle der einzelnen Modelle.)
  • Das Gesetz der unbeabsichtigten Folgen auf Elemente der Realwirtschaft, die noch nicht im Modell enthalten sind.
  • Die zeitliche Verzögerung sowohl beim Empfangen von Daten als auch bei der Reaktion der Wirtschaftsvariablen auf die politischen Entscheidungsträger versucht, diese (hauptsächlich durch die Geldpolitik ) in die Richtung zu „lenken“, die die Zentralbanker wollen. Milton Friedman hat energisch argumentiert, dass diese Verzögerungen so lang und unvorhersehbar variabel sind, dass ein effektives Management der Makroökonomie unmöglich ist.
  • Die Schwierigkeit, alle Parameter (durch ökonometrische Messungen) korrekt zu spezifizieren, selbst wenn das Strukturmodell und die Daten perfekt waren.
  • Die Tatsache, dass alle Beziehungen und Koeffizienten des Modells stochastisch sind, so dass der Fehlerterm schnell sehr groß wird und die verfügbare Momentaufnahme der Eingabeparameter bereits veraltet ist.
  • Moderne Wirtschaftsmodelle integrieren die Reaktion der Öffentlichkeit und des Marktes auf die Aktionen des politischen Entscheidungsträgern (durch Spieltheorie ), und das Feedback ist in modernen Modellen (nach der im Lieferumfang enthaltenen rationalen Erwartungen Revolution und Robert Lucas, Jr. ‚s Lucas - Kritik von nicht microfounded Modelle). Wenn die Reaktion auf die Handlungen des Entscheidungsträgers (und deren Glaubwürdigkeit ) in das Modell einfließen muss, wird es viel schwieriger, einige der simulierten Variablen zu beeinflussen.

Vergleich mit Modellen in anderen Wissenschaften

Der Spezialist für komplexe Systeme und Mathematiker David Orrell schrieb zu diesem Thema in seinem Buch Apollo's Arrow und erklärte, dass das Wetter, die menschliche Gesundheit und die Wirtschaft ähnliche Vorhersagemethoden (mathematische Modelle) verwenden. Auch ihre Systeme – die Atmosphäre, der menschliche Körper und die Wirtschaft – weisen eine ähnliche Komplexität auf. Er stellte fest, dass Vorhersagen scheitern, weil die Modelle an zwei Problemen leiden: (i) Sie können nicht alle Details des zugrunde liegenden Systems erfassen, verlassen Sie sich also auf Näherungsgleichungen; (ii) sie reagieren empfindlich auf kleine Änderungen in der exakten Form dieser Gleichungen. Dies liegt daran, dass komplexe Systeme wie die Wirtschaft oder das Klima aus einem empfindlichen Gleichgewicht gegensätzlicher Kräfte bestehen, sodass ein leichtes Ungleichgewicht in ihrer Darstellung große Auswirkungen hat. Daher sind Vorhersagen von Dingen wie wirtschaftlichen Rezessionen immer noch sehr ungenau, trotz der Verwendung riesiger Modelle, die auf schnellen Computern laufen. Siehe Unangemessene Ineffektivität der Mathematik § Wirtschaft und Finanzen .

Auswirkungen des deterministischen Chaos auf Wirtschaftsmodelle

Wirtschaftliche und meteorologische Simulationen können eine grundlegende Grenze ihrer Vorhersagekraft teilen: Chaos . Obwohl die moderne mathematische Arbeit an chaotischen Systemen in den 1970er Jahren begann, wurde die Gefahr des Chaos bereits 1958 in Econometrica erkannt und definiert :

"Gute Theoriebildung besteht zu einem großen Teil darin, Annahmen zu vermeiden ... [mit der Eigenschaft, dass] eine kleine Änderung in dem, was postuliert wird, die Schlussfolgerungen ernsthaft beeinflusst."
( William Baumol , Econometrica, 26 siehe : Economics on the Edge of Chaos ).

Es ist einfach, ökonomische Modelle zu entwerfen, die anfällig für Butterfly-Effekte der Anfangsbedingungssensitivität sind.

Das ökonometrische Forschungsprogramm zur Identifizierung chaotischer Variablen (falls vorhanden) ist jedoch weitgehend zu dem Schluss gekommen, dass sich aggregierte makroökonomische Variablen wahrscheinlich nicht chaotisch verhalten. Dies würde bedeuten, dass durch Verfeinerungen der Modelle letztlich verlässliche Langzeitprognosen erstellt werden könnten. Die Gültigkeit dieser Schlussfolgerung hat jedoch zwei Herausforderungen mit sich gebracht:

  • Im Jahr 2004 stellte Philip Mirowski diese Ansicht und diejenigen, die sie vertreten, in Frage, indem er sagte, dass das Chaos in der Ökonomie unter einem voreingenommenen "Kreuzzug" der neoklassischen Ökonomie dagegen leidet , um ihre mathematischen Modelle zu bewahren.
  • Die Variablen im Finanzbereich können durchaus einem Chaos unterliegen. Ebenfalls in Jahr 2004, die University of Canterbury Studie Economics am Rande des Chaos kommt zu dem Schluss , dass nach Lärm von entfernt wird S & P 500 zurückkehrt, Beweise für deterministisches Chaos wird gefunden.

In jüngerer Zeit wurde Chaos (oder der Schmetterlingseffekt) als weniger signifikant identifiziert als bisher angenommen, um Vorhersagefehler zu erklären. Vielmehr würde die Vorhersagekraft der Ökonomie und der Meteorologie meist durch die Modelle selbst und die Natur der ihnen zugrunde liegenden Systeme begrenzt (siehe Vergleich mit Modellen in anderen Wissenschaften oben).

Kritik an Hybris in der Planung

Ein Schlüsselstrang des marktwirtschaftlichen Denkens ist, dass die unsichtbare Hand des Marktes eine Wirtschaft effizienter zum Wohlstand führt als eine zentrale Planung mit Hilfe eines ökonomischen Modells. Ein von Friedrich Hayek betonter Grund ist die Behauptung, dass viele der wahren Kräfte, die die Wirtschaft prägen, niemals in einem einzigen Plan erfasst werden können. Dies ist ein Argument, das nicht durch ein konventionelles (mathematisches) Wirtschaftsmodell angeführt werden kann, da es besagt, dass es kritische systemische Elemente gibt, die bei jeder Top-Down-Analyse der Wirtschaft immer weggelassen werden.

Beispiele für Wirtschaftsmodelle

Siehe auch

Anmerkungen

Verweise

Externe Links