Die Erstellung der multiregionalen Input-Output Tabelle...

Mitg

lied

de

r H

elm

ho

ltz-G

em

ein

sch

aft

Die Erstellung der multiregionalen Input-Output Tabelle für Deutschland

Johannes Többen

4.4.2014

7. Input-Output Workshop Osnabrück

Institut für Energie- und Klimaforschung IEK-STE: Systemforschung und Technologische Entwicklung

Agenda

• Format und Eckwerte der deutschen MRIO-Tabelle

• Automated Integration System for Harmonized Accounts (AISHA)

• Initial Estimate

• Restriktionen und Rohdaten

• Schätzung des interregionalen Handels

• Datenunsicherheit

• Ausblick: Ein deutsches Industrial Ecology Laboratory (IELab)?

Mitg

lied

de

r H

elm

ho

ltz-G

em

ein

sch

aft

Format und Eckwerte

Format der Deutschen MRIO: Supply-Use

• Symmetrische Tabellen: entweder „product-by-product“ oder „industry-by-industry“ Format

• Aufkommens- und Verwendungstabellen umfassen beide Dimensionen

Vorteile:

• Bei der Regionalisierung: Daten liegen entweder für Produkte (z.B. Außenhandel, Konsum der HH) oder Industrien (z.B. BWS, Produktionswert) vor Keine Umrechnung nötig

• Bei der IO-Analyse: Symmetrisches Format bei vielen Anwendungen problematisch1. Bsp.: Effekt von Güternachfrage („product“) auf die Beschäftigung („industry“)

4

1

Rueda-Cantuche, J. M. 2011. The choice of type of input-output table revisited: moving towards the use of supply-use tables in impact analysis. SORT. 2011, vol. 35, núm. 1.

Lenzen, M. & Rueda-Cantuche, J. M. 2012. A note on the use of supply-use tables in impact analyses. SORT. 2012, vol. 36, núm. 2.

„Use-regionalized“ MRIO2

Region r Region s Exports

(row)

Total

Product Industry Final

Demand


Demand

Reg

ion

r

Product 𝑼𝒓𝒓 𝒅𝒓𝒓 𝑼𝒓𝒔 𝒅𝒓𝒔 𝒆𝒓 𝒑𝒓

Industry 𝑽𝒓 𝒈𝒓

Reg

ion

s

Product 𝑼𝒔𝒓 𝒅𝒔𝒓 𝑼𝒔𝒔 𝒅𝒔𝒔 𝒆𝒔 𝒑𝒔

Industry 𝑽𝒔 𝒈𝒔

Imports (row) 𝑼𝒓𝒐𝒘 𝒓 𝒅𝒓𝒐𝒘 𝒓 𝑼𝒓𝒐𝒘 𝒔 𝒅𝒓𝒐𝒘 𝒔

Value Added 𝒘𝒓 𝒘𝒔

Output 𝒑𝒓 𝒈𝒓 𝒑𝒔 𝒈𝒔

2

Oosterhaven, J. 1984. A family of square and rectangular interregional input-output tables and models. Regional Science and Urban Economics, 14:4, 565-582. Jackson, R. W. & Schwarm, W. R. 2011. Accounting foundations for interregional commodity-by-industry input-output models. Letters in Spatial and Resource Sciences, 4:3, 187-196.

Eckwerte der deutschen MRSUT:

• 16 Bundesländer + Rest der Welt

• 41 Wirtschaftszweige

• 63 Gütergruppen

• 10 Kategorien inländischer Endnachfrage (private Konsumausgaben nach 6 Einkommensarten)

• 4 Komponenten der BWS

Heatmap der deutschen MRIO-Tabelle:

Mitg

lied

de

r H

elm

ho

ltz-G

em

ein

sch

aft

Automated Integration System for Harmonized Accounts (AISHA)

Herausforderungen: MRIO-Erstellung

• Ergebnis von non-survey Verfahren oft nicht ‚balanced„ (z.B. Zeilensumme ≠ Spaltensumme):

• Balancing-Verfahren (z.B. RAS) notwendig

• Wegen zweifelhafter Qualität von nonsurvey Verfahren ist die Integration zusätzlicher Daten erstrebenswert (hybrides Verfahren)

• aber Rohdaten…

• …sind oft fragmentiert (z.B. durch Geheimhaltungsfälle)

• …liegen in unterschiedlichen Klassifikationen und Aggregationstiefen vor

• …können Informationskonflikte beinhalten (insb. bei Daten aus verschiedenen Quellen)

AISHA: MRIO-Erstellung als Optimierungsproblem unter Restriktionen

MRIO-Balancing: „Minimiere den Informationsverlust von der nonsurvey Tabelle

(Initial Estimate) unter Einhaltung der Restriktionen“

Rohdaten Nonsurvey Initial Estimate (IE)

Bilanzgleichungen

Konkordanz-Matrizen

Restriktionen

Daten(un)-sicherheit

Finale MRIO Tabelle

AIS

HA

Lösung von Informationskonflikten: ‚Holistic Accuracy4‘

• Bei Informationskonflikten: Optimierungsproblem unlösbar

• Lösung: Kompromisswert zwischen Datenpunkten auf Basis ihrer (Un)sicherheit5

• ‚Holistic Accuracy„: Ziel ist die großen und wichtigen Transaktionen möglichst genau abzubilden

4Jensen, R. C. 1980. The concept of accuracy in regional input-output models. International Regional Science Review, 5(2): 139-154.

5Lenzen, M., B. Gallego, and R. Wood 2009. Matrix Balancing under Conflicting Information. Economic Systems Research, 21, 23-44.

Mitg

lied

de

r H

elm

ho

ltz-G

em

ein

sch

aft

Die nonsurvey MRIO-Tabelle

Die nonsurvey MRIO Tabelle


demand

Exports

(row)

Exports

(roc)

Total

Product 𝑼𝒒 𝒅𝒒 𝒆𝒒 𝒕𝒒 𝒓𝒐𝒄 𝒔𝒒

Industry 𝑽𝒒 𝒈𝒒

Value Added 𝒘𝒒

Output 𝒑𝒒 𝒈𝒒

Imports (row) 𝒎𝒒

Imports (roc) 𝒕𝒓𝒐𝒄 𝒒

Total 𝒔𝒒


demand

Exports

(row)

Exports

(roc)

Total

Product 𝑼𝒓 𝒅𝒓 𝒆𝒓 𝒕𝒓 𝒓𝒐𝒄 𝒔𝒓


Value Added 𝒘𝒓

Output 𝒑𝒓 𝒈𝒓

Imports (row) 𝒎𝒓

Imports (roc) 𝒕𝒓𝒐𝒄 𝒓

Total 𝒔𝒓


demand

Exports

(row)

Exports

(roc)

Total

Product 𝑼𝒔 𝒅𝒔 𝒆𝒔 𝒕𝒔 𝒓𝒐𝒄 𝒔𝒔


Value Added 𝒘𝒔

Output 𝒑𝒔 𝒈𝒓

Imports (row) 𝒎𝒔

Imports (roc) 𝒕𝒓𝒐𝒄 𝒔

Total 𝒔𝒔

1. Erstellung von 16 einzelnen IO-Tabellen mit (modifiziert) CHARM


q r s Summe

q

0 𝑡𝑗𝑞 𝑟𝑜𝑐

r 0 𝑡𝑗𝑟 𝑟𝑜𝑐

s

0 𝑡𝑗𝑠 𝑟𝑜𝑐

Sum

me

𝑡𝑗𝑟𝑜𝑐 𝑞

𝑡𝑗𝑟𝑜𝑐 𝑟 𝑡𝑗

𝑟𝑜𝑐 𝑠

𝑡𝑗𝑝 𝑟𝑜𝑐

𝑝

= 𝑡𝑗𝑟𝑜𝑐 𝑝

𝑝


demand

Exports

(row)

Exports

(roc)

Total







Total 𝒔𝒒


demand

Exports

(row)

Exports

(roc)

Total







Total 𝒔𝒓


demand

Exports

(row)

Exports

(roc)

Total







Total 𝒔𝒔

2. CHARM liefert die Randwerte einer ‚Origin-Destination„-Matrix für jedes Gut


q r s Summe

q



s


Sum

me



𝑟𝑜𝑐 𝑠


𝑝


𝑝

q r s Summe

q

0 𝑡𝑗𝑞𝑟

𝑡𝑗𝑞𝑠

𝑡𝑗𝑞 𝑟𝑜𝑐

r 𝑡𝑗𝑟𝑞

0 𝑡𝑗𝑟𝑠 𝑡𝑗

𝑟 𝑟𝑜𝑐 s

𝑡𝑗𝑠𝑞

𝑡𝑗𝑠𝑟 0 𝑡𝑗

𝑠 𝑟𝑜𝑐

Sum

me



𝑟𝑜𝑐 𝑠


𝑝


𝑝


demand

Exports

(row)

Exports

(roc)

Total







Total 𝒔𝒒


demand

Exports

(row)

Exports

(roc)

Total







Total 𝒔𝒓


demand

Exports

(row)

Exports

(roc)

Total







Total 𝒔𝒔

3. Verteilung der Gesamtimporte auf Herkunftsregionen. Annahme: Proportionalität zum Marktanteil der liefernden Region für ein Gut im interregionalen Handel


q r s Summe

q



s


Sum

me



𝑟𝑜𝑐 𝑠


𝑝


𝑝

q r s Summe

q

0 𝑡𝑗𝑞𝑟

𝑡𝑗𝑞𝑠

𝑡𝑗𝑞 𝑟𝑜𝑐

r 𝑡𝑗𝑟𝑞

0 𝑡𝑗𝑟𝑠 𝑡𝑗

𝑟 𝑟𝑜𝑐 s

𝑡𝑗𝑠𝑞

𝑡𝑗𝑠𝑟 0 𝑡𝑗

𝑠 𝑟𝑜𝑐

Sum

me



𝑟𝑜𝑐 𝑠


𝑝


𝑝


demand

Exports

(row)

Exports

(roc)

Total







Total 𝒔𝒒


demand

Exports

(row)

Exports

(roc)

Total







Total 𝒔𝒓


demand

Exports

(row)

Exports

(roc)

Total







Total 𝒔𝒔

4. Verteilung der lokalisierten Importe auf die Sektoren Annahme: Jeder Sektor in einer Region hat die gleiche Importneigung für ein Gut

Mitg

lied

de

r H

elm

ho

ltz-G

em

ein

sch

aft

Restriktionen und Rohdaten

Überblick: Verwendete Rohdaten und Restriktionen

Restriktion Rohdaten Datenverarbeitung bzw.

Schätzverfahren

Restriktionstyp

Nationale Aufkommens-

und Verwendungstabellen

WIOD - Absolutwerte

Regionale BWS VGR der Länder - Absolutwerte

Regionale

Arbeitnehmerentgelte

VGR der Länder - Absolutwerte

Regionale

Produktionswerte

VGR der Länder - Absolutwerte

Regionaler Außenhandel VGR der Länder - Absolutwerte

Konsumausgaben der

privaten Haushalte

Einkommens- und

Verbrauchsstichprobe

Hochrechnung, Umrechnung von

Verwendungszwecken in Gütergruppen

und von von Anschaffungs- in

Herstellungspreise.

Verhältnis

Interregionaler Handel Güterverkehrverflechtung

(KBA),

Außenhandelsdaten

‚Spatial interaction model„, Umrechnung

von Tonnen in Geldeinheiten mittels

Regressionsmodell

Verhältnis

Regionale

Kostenstrukturen

Kostenstrukturerhebung

und Jahresberichte im

Bergbau und

verarbeitenden Gewerbe

Hochrechnung. Regionale Allokation für

Mehrländer-Unternehmen. Aggregation

und Umrechnung von Anschaffungs- in

Herstellungspreise.

Verhältnis

Regionale

Umsatzstrukturen

Verhältnis

Mitg

lied

de

r H

elm

ho

ltz-G

em

ein

sch

aft

Schätzung des interregionalen Handels

Beispiel: Schätzung des Interregionalen Handels

• Daten:

• Güterverkehrsverflechtung:

• Eisenbahn und Binnenschifffahrt für 58 Güter in Tonnen

• LKW für 10 Güter in Tonnen

• Zu- und Abflüsse der Bundesländer:

• LKW für 15 Güter in Tonnen, verarbeitete Güter stärker disaggregiert

• Grundsätzliches Vorgehen bei Verkehrsverflechtung:

• Aggregation von Eisbahn und Schifffahrt auf 15 Güter

• Disaggregation von LKW auf 15 Güter und Berechnung fehlender Werte

• Umrechnung von transportierten Tonnen in Handelsströme in Geldeinheiten

Schätzung des interregionalen Handels

• Zweistufiges Verfahren:

1. Schätzung fehlender Werte und Disaggregation der Transportverflechtung

2. Umrechnung von Tonnen in Geldeinheiten

nach BW BY BE BB BR HH H MV NI NRW RP SL S SA SH T zusammen

von 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

BW 6021 1176 / / / / 199 - / 537 249 / / / / / 8708

BY 859 5097 / / / / / / / 493 / / / / / / 7358

BE / / / / - / - / / / - - / / / / 269

BB / / / 517 / / / / / 513 / / / / / / 2341

BR / / / / / / / / 299 440 / - / / / / 1695

HH / / / / / / / / / / - / / / / / 1256

H 317 269 / / / / / - / / / / / / / / 2802

MV / / - / / / / / / / / - / / / / 800

NI / / / / / 184 233 / 2494 1550 / / / 259 / / 5944

NRW 1885 1384 / / 239 338 944 / 1814 28317 1210 266 624 301 361 626 38704

RP 336 / / / / / / - 165 824 / / / / / / 3177

SL 162 / - / / / / - / 401 / / / / - / 1912

S / / / / / / / / / / - / 1400 / / / 3333

SA / / / / / / / / / 196 / / 242 / / / 1839

SH / / / / / / / / / / - - / / 242 / 734

T / / / / / / / / / / / / / / / / 1324

Zusammen 10301 9199 601 1351 1333 1275 3207 948 5896 34680 3152 1616 3351 2085 1160 2043 82197

Straßengüterverkehrsverflechtung 2007: Eisen, Stahl, NE-Metalle (tsd. t)

Ansatz: Entropy Maximizing Model6

• Grundidee: Unterscheidung zwischen Mikro- und Makrozustand eines räumlichen Systems

1 Makrozustand 𝑻

2 Mikrozustände

Region 1 Region 2

Region

1 0 3

Region

2 1 0

• Allgemein ist die Anzahl der Mikrozustände, die einen Makrozustand reproduzieren:

𝐸 𝑻 =𝑇!

𝑡𝑟𝑠!𝑠𝑟

• Annahme: Jeder Mikro ist gleich wahrscheinlich.

Regio

n 2

Regio

n 1

Regio

n 2

Regio

n 1

6

Wilson, A. G. 1967. A statistical theory of spatial distribution models. Transportation research, 1:3, 253-269.

Wilson, A. G. 1970. Inter‐regional Commodity Flows: Entropy Maximizing Approaches. Geographical analysis, 2:3, 255-282..

• Ziel: Finde den Makrozustand, der durch maximale Anzahl von Mikrozuständen reproduziert wird.

Zielfunktion: max𝑡𝑗

𝑟𝑠ln 𝐸 𝑻 = − 𝑡𝑗

𝑟𝑠 ln 𝑡𝑗𝑟𝑠 − 𝑡𝑗

𝑟𝑠𝑠𝑟

Nebenbedingungen:

1. Zeilen- und Spaltensummen der Verflechtungsmatrix:

𝑡𝑗𝑟𝑠

𝑟 = 𝑇𝑗∙𝑠 und 𝑡𝑗

𝑟𝑠𝑠 = 𝑇𝑗

𝑟∙

2. Proxys für Transportkosten pro Tonne und „Gesamtkosten“ des Systems:

𝑡𝑗𝑟𝑠 ∗ 𝑑𝑖𝑠𝑡𝑟𝑠 =𝑟 𝑇𝐾𝑗

∙𝑠 und 𝑡𝑗𝑟𝑠 ∗ 𝑑𝑖𝑠𝑡𝑟𝑠 =𝑠 𝑇𝐾𝑗

𝑟∙

Umrechnung in Geldeinheiten

• Vorgehen i.d.R.: Durchschnittspreise pro Tonne aus Außenhandelsdaten

• Aber: In der Außenhandels-Literatur7 wird beobachtet dass innerhalb einer Gütergruppe:

• Handelsströme über weite Distanzen höhere Preise pro Tonne aufweisen

• Hohe Tonnenströme einen niedrigen Preis pro Tonne aufweisen

Ökonomische Interpretation: Johnson (2012) Alchian-Allen Effect: Bei zwei Substitutionsgütern (hohe und niedrige Qualität) senkt eine fixe Transportmarge pro Tonne den Relativpreis für hohe Qualität

7

Johnson, R. C. 2012. Trade and prices with heterogeneous firms. Journal of International Economics, 86:1, 43-56.

Baldwin, R. & Harrigan, J. 2011. Zeros, Quality, and Space: Trade Theory and Trade Evidence. American Economic Journal: Microeconomics, 3:2, 60-88.

Ansatz:

• Zusammenhang zwischen Wert eines Handelsstroms, seinem Gewicht und der Distanz aus Exportdaten der Länder in 40 Europäische Staaten schätzen

• Geschätzt wird folgendes Model mittels Schrittweiser Regression:

ln 𝑝𝑗𝑟𝑞

= 𝛼 + 𝛽1 ln 𝑡𝑗𝑟𝑞

+ 𝛽2 ln 𝑑𝑖𝑠𝑡𝑟𝑞 + 𝜀𝑗

• Abschließend wird der Interregionale Handelsströme mit 𝛼 , 𝛽 1

und 𝛽 2 sowie Verflechtungsmatrizen berechnet

Ergebnisse der Schrittweisen Regression

Coefficients p-value

Product 𝜶 𝜷𝟏 𝜷𝟐 𝜶 𝜷𝟏 𝜷𝟐 Adj. R² VIF

Agriculture/Forestry - 0.7597 0.2475 - 0.0000 0.0000 0.8513 1.1077

Coal - 0.7632 - - 0.0000 - 0.9583 1.1826

Crude Oil - 0.8948 - - 0.0000 - 0.9941 1.0308

Ore 2.1383 0.8343 -0.2963 0.0877 0.0000 0.0991 0.8259 1.0009

Other mining - 0.7203 0.0358 - 0.0000 0.0026 0.8991 1.1472

Food/Tobacco - 0.8593 0.6326 - 0.0000 0.0000 0.2982 1.0855

Textile Products 0.9560 0.8947 0.2479 0.0927 0.0000 0.0012 0.8858 1.0947

Refined Petroleum - 0.8413 0.1837 - 0.0000 0.0000 0.9731 1.1167

Chemical Products - 0.8838 0.2856 - 0.0000 0.0000 0.9080 1.0916

Glass/Building Mt. - 0.7600 0.2635 - 0.0000 0.0000 0.8912 1.1753

Basic Metals - 0.8477 0.2912 - 0.0000 0.0000 0.9265 1.1111

Fabricated Metals 1.2004 0.9031 0.1629 0.0058 0.0000 0.0045 0.9397 1.1298

Machinery 2.6309 0.9133 0.1050 0.0000 0.0000 0.0426 0.9388 1.0777

Motor Vehicles 1.5019 0.9975 0.0999 0.0006 0.0000 0.0809 0.9375 1.0794

Other Manufact. - 0.8942 0.2213 - 0.0000 0.0000 0.9373 1.1342

Mitg

lied

de

r H

elm

ho

ltz-G

em

ein

sch

aft

Datenunsicherheit

Schätzung der Datenunsicherheit8

• Annahme Log-Normalverteilter Daten

• Große Datenpunkte i.d.R. sicherer, da sie meist aus vielen kleinen Beobachtungen bestehen

• Fehler eines Datenpunktes 𝑥 wird approximiert als:

∆log10(𝑥) ≈ log10(1 + 𝑟𝑥), mit 𝑟𝑥 = ∆𝑥 𝑥 relativer Standardfehler

• Datenunsicherheit wird dann geschätzt durch:

log10(1 + 𝑟𝑥) = 𝛼 + 𝛽 ∗ ln 𝑥 + 𝜀

• Problem: keine Daten zu 𝑟𝑥, daher Proxy für ∆𝑥:

• Differenzen zwischen WIOD SUT und offizieller SUT

• Abweichung nat. hochgerechneter KSE-Daten von VGR

• Für interreg. Handel nicht möglich daher Annahme von Untergrenzen

8

Wiedmann, T., Wood, R., Minx, J., Lenzen, M. & Harris, R. 2008. Emissions embedded in UK trade–UK-MRIO model results and error estimates. International Input–Output Meeting on Managing the Environment.

Mitg

lied

de

r H

elm

ho

ltz-G

em

ein

sch

aft

Ausblick: Ein deutsches Industrial Ecology

Laboratory (IELab)?

Das australische ‚virtual Industrial Ecology Laboratory’

• Kollaboration von 7 Australischen Universitäten für MRIO-Analysen zu Energie- und Umweltthemen

• Ziel: Zeitnahe Erstellung von MRIO-Tabellen, deren Regionen- und Sektorgliederung auf die Forschungsfrage der Nutzer zugeschnitten ist.

• Prinzipien:

• Cloud-Computing

• Automatisierung

• Gegenwärtiger Status: Aufbauphase abgeschlossen und erste Ergebnisse erziehlt9

6 Malik, A., M. Lenzen, R. Neves Ely and E. Dietzenbacher 2013). “Simulating the impact of new industries on the economy – The case of biorefining in Australia” Ecological Economics (submitted).

Mitg

lied

de

r H

elm

ho

ltz-G

em

ein

sch

aft

Vielen Dank für Ihre Aufmerksamkeit

Back-up: IELab

User-Interface

Nutzer stellt bereit: • Projektspezifische

Sektoren- und Regionengliederung

• Wahl der nonsurvey Methode

• Projektspezifische Daten • Konkordanzmatrizen

zwischen Projektspezifischer Gliederung und Root-Klassifikation

Die Erstellung der multiregionalen Input-Output Tabelle...

Documents

Transcript of Die Erstellung der multiregionalen Input-Output Tabelle...