Seminar SE 2 st. Uni Klagenfurt: 814.515 und TU Wien: 187.234 Mathematische Modellbildung und...
-
Upload
kristen-rector -
Category
Documents
-
view
107 -
download
0
Transcript of Seminar SE 2 st. Uni Klagenfurt: 814.515 und TU Wien: 187.234 Mathematische Modellbildung und...
Seminar SE 2 st.Uni Klagenfurt: 814.515 und TU Wien: 187.234
Mathematische Modellbildung und Simulation
Ökonometrische, systemdynamische, Input-Output
Modelle sowie agent-based systems
Peter Fleissner
websites
Allgemeines
• http://www.iff.ac.at/socec/lehre/lehre_aktuell.php
Laufende Ereignisse, Skripten, Termine
• http://cartoon.iguw.tuwien.ac.at/zope/lvas/MathMod
Termine immer montags, 9:15-13:00
• 1. Block: Montag, 23. Okt 2006 TU• 2. Block: Montag, 06. Nov 2006 IFF Seminarraum 4c• 3. Block: Montag, 13. Nov 2006 IFF Seminarraum 6• 4. Block: Montag, 20. Nov 2006 IFF Seminarraum 4c• 5. Block: Montag, 27. Nov 2006 IFF Seminarraum 6• 6. Block: Montag, 11. Dez 2006 IFF Seminarraum 4c• 7. Block: Montag, 18. Dez 2006 IFF Seminarraum 6• 8. Block: Montag, 15. Jänner 2007: Prüfung A• 9. Block: Montag, 22. Jänner 2007: Prüfung B
• Die Termine finden im Seminarraum 187-2 bzw. im Computerlabor des IGW oder am IFF, Schottenfeldgasse 29, Stiege 1/I-506, A-1070 Wien, statt.
Was wir heute machen werden:
• Fortsetzung der Mehrebenenökonomie und der Input-Output-Analyse: – Ein konkretes Transformationsproblem– Effekte des technischen Fortschritts
• Einführung in agent based modelling– the blind and the lame– Predator-prey-model (LSD)– The Product Life Cycle Model (Anylogic)
Anwendung von Input-Output-Modellen
Effekte technischer
Veränderungen
Effekte technischer Veränderungen
Input-Output-Grundformel: x = (E-A)-1yLösung in erster Näherung
x = (E-A)-1(Ax + y)
• Veränderungen der A-Matrix ...… A und/oder• veränderungen der Nachfrage … y ->• Veränderungen im Output ……… x ->• Veränderungen der Beschäftigtenzahlen ->• Veränderungen der Lohnsumme ->• Veränderungen der Nachfrage …………. y(t+1)
Wie komme ich dazu?
….ein wenig Mathematik
x0 = (E-A0)-1y0x1 = (E-A1)-1y1
y1 = y0 + y; A1 = A0 + A; x1 = x0 + x
Substitution ergibt
x1 = (E-A1)-1y1 = [E - (A0+A)]-1(y0 + y) =….
[E - (A0+A)]-1 = (Von Neumann Reihe) =
E+(A0+A)+(A0+A)2+(A0+A)3+…Substitution: B anstelle von A
E+(A+B)+(A+B)2+(A+B)3+…=
• E +• A + BE • A2 + BA + ABE + B2
• A3 + BA2 + ABA + A2BE + AB2 + B2A+ BAB+ B3
• A4 + BA3 + ABA2 + A2BA + A3BE + ….• A5 + BA4 + ABA3 + A2BA2 + A3BA + A4BE +• +….
=(E-A)-1+B(E-A)-1+AB(E-A)-1+A2B(E-A)-1 + …
Terme von B höher als erster Ordung werden vernachlässigt
(E-A)-1+B(E-A)-1+AB(E-A)-1+A2B(E-A)-1+…=
= (E + B + AB + A2B + A3B +…) (E-A)-1 =
= [E + (E + A + A2 + A3 +…….)B] (E-A)-1 =
= [E + (E-A)-1 B] (E-A)-1
Rücksubstitution: A anstelle von B ergibt
[E-(A+A)]-1= (E-A1)-1 ~ [E + (E-A)-1A](E-A)-1
Zu zeigen war, dass aus x1 = (E-A1)-1y1
in erster Näherungx = (E-A)-1(Ax + y) folgt.
x1 = x0 + x = [E-(A0 + A)]-1(y0 + y) == [E + (E-A0)-1A] (E-A0)-1(y0 + y) == x0 + (E-A0)-1A x0 + (E-A0)-1y + (E-A0)-1A (E-A0)-1y
=>x = (E-A0)-1 (A x0 + y)
q.e.d.
Effekte technischer Veränderungen
Input-Output-Grundformel: x = (E-A)-1yLösung in erster Näherung
x = (E-A)-1(Ax + y)
• Veränderungen der A-Matrix ...… A und/oder• veränderungen der Nachfrage … y ->• Veränderungen im Output ……… x ->• Veränderungen der Beschäftigtenzahlen ->• Veränderungen der Lohnsumme ->• Veränderungen der Nachfrage …………. y(t+1)
Beispiele auf der Mikroebene
• Selbstorganisierende Systeme(Beispiel: „the blind and the lame“)
http://members.chello.at/gre/springer/
• Agentenbasierte Simulationen(Einführende Literatur:
http://www.econ.iastate.edu/tesfatsi/abmread.htm)
Simulationsmethoden
„The blind and the lame“
Zwei interagierende Welten …
• Welt A: die physische Welt
(klassische Mechanik)
• Welt B: die Welt der Symbole
(Alphabet ohne Bedeutung)
Simulationsmethoden
…und zwei interagierende Akteure
Akteur 1: Der Blinde• kann
– springen– hören– die Töne, die er hört, interpretieren– und danach handeln (springen)
Akteur 2: Der Lahme• kann
– Die Länge des Hindernisses sehen– Töne verschiedener Höhe erzeugen (mit Trompete)– die Länge des Hindernisses mit der Tonhöhe verknüpfen– Und die Töne mit Bedeutung versehen
http://members.chello.at/gre/springer/
Simulationsmethoden
Agentenbasierte Simulationen
• Auf der Mikroebene spielen sich die Interaktionen der Individuen ab
• Auf der Meso/Makroebene kann neues Verhalten abgelesen werden,
• das nicht aus der bloßen Aggregation der Daten für die einzelnen Akteure gewonnen werden kann
Simulationsmethoden
Vier Arten von Verständnis durch ABS• Empirisch
– Warum haben sich bestimmte Makrophänomene entwickelt (auch wenn keine top-down-Kontrolle existiert)?
• Normativ– Welches Design ist für bestimmte Institutionen optimal?
• Heuristisch– Können Einsichten über die grundlegenden
Kausalmechanismen des Systems gewonnen werden?
• Methodisch– Wie können Theorien mit ABS getestet, erweitert und
verbessert werden (was bisher aus methodischen Beschränkungen nicht möglich war)?
Simulationsmethoden
Agentenbasierte SimulationenAgentenbasierte Simulationen
• Das GNU Softwarepaket von Marco Valente:http://www.business.aau.dk/~mv/Lsd/lsd.html
GNU is not UNIX !
Laboratory of Simulation Development -> LSD
• Anwendungsbeispiel: Schafe und Wölfe(50 Schafe, 20 Wölfe)
Simulationsmethoden
Phasendiagramm Phasendiagramm
Simulationsmethodentestlsd1
0
100
200
300
400
500
600
700
800
900
0 100 200 300 400 500 600 700 800
Agentenbasierte SimulationenAgentenbasierte Simulationen
Beispiel:• Räuber-Beute Modell (x…Schafe, y…Wölfe)
(Beschrieben auf der Makroebene mit der Lotka-Volterra-Differentialgleichung):
dx/dt = alfa*x + beta*y + gamma*x.ydy/dt = delta*x + epsilon*y + eta*x.y
-> Ökonometrische Schätzung der Parameter aus den Daten der ABS (beta = delta = 0)
Simulationsmethoden
RegressionsergebnisseRegressionsergebnisse
Simulation des korrespondierenden aggregierten Modells mit LSD mit den oben angeführten geschätzten Parametern
Simulationsmethoden
dy/dt (wolves) Term
Coefficient SE p
95% CI of Coefficient
y -0,0397 0,0013 <0.0001 -0,0423 to -0,0370
xy 0,0002 0,0000 <0.0001 0,0002 to 0,0002
dx/dt (sheep) Term
Coefficient SE p
95% CI of Coefficient
x 0,0129 0,0011 <0.0001 0,0107 to 0,0151
xy -0,0002 0,0000 <0.0001 -0,0002 to -0,0001
0
100
200
300
400
500
600
700
1 51 101 151 201 251 301 351 401 451 501 551 601 651 701 751 801 851 901 951
sheep R (0 1000)
w olves R (0 1000)
0,00
100,00
200,00
300,00
400,00
500,00
600,00
700,00
800,00
900,00
1 51 101 151 201 251 301 351 401 451 501 551 601 651 701 751 801 851 901 951
x
y
AgentenbasierteSimulation
Systemdynamik Simulation
SD-Modelle und ABSSD-Modelle und ABS
• Die Leistungsfähigkeit der Computertechnologie erlaubt es, Probleme, die bisher auf der Aggregatebene analysiert wurden, auf der Ebene der Individuen zu formulieren
• SD-Modelle und ABS können als Endpunkte eines ganzen Spektrums von Modellierungsmöglichkeiten angesehen werden
• Man hat im Prinzip die Wahl zwischen aggregierten und agent based Modellen und deren Kombinationen
• Was sind die Entscheidungskriterien?
Simulationsmethoden im Vergleich
• SD-Modelle und ökonometrische Modelle bestehen aus (nicht)linearen Differenzen- bzw. Differentialgleichungen, die numerisch gelöst werden.
• Relativ wenige Parameter beschreiben die Gleichungen• Positive und negative Rückkopplungsschleifen
bestimmen das Verhalten des Gesamtsystems• Die individuellen Akteure werden in eine (kleine) Zahl
von Clustern (compartments) integriert.• Innerhalb der compartments herrscht Homogenität, • Blindheit des Modells gegenüber dem einzelnen Akteur • Übergänge zwischen den compartments beruhen auf
Erwartungs- oder Durchschnitts (ev. durch stochastische Variablen gestört)
• Einfacher Vergleich mit Realität
Simulationsmethoden im Vergleich
• Beispiele für SD Modelle– Ansteckungsprozesse werden durch eine Diffusionsgleichung
beschrieben; – Räuber-Beute Modelle durch die nichtlineare Lotka-Volterra
Differentialgleichung– Mathematisches Modell einer Volkswirtschaft (siehe oben)
• ABS erlauben es, emergente Phänomene in vielen Anwendungsgebieten zu studieren
• ABS können sehr gut Heterogenität der Akteure und deren individuelle Interaktion abbilden
• Grosse Zahl von Parametern nötig• Hoher Rechenaufwand für die Simulation und
erschwerte Sensitivitätsanalyse• Erschwerter Vergleich mit der Realität
Simulationsmethoden im Vergleich
Danke für Ihre Aufmerksamkeit!