7.6. Integrated macro-micro approac

7.6. Integrated macro-micro approaches
Technical Characteristics
These models allow for working in a coherent macro and flexible prices context, also integrating information from the micro (household/individual) level (e.g. information from a Living Standards Measurement Survey – LSMS). These models represent a quite comprehensive framework for analysing policy impacts. In actual fact, they allow for taking into account direct (first order) and indirect effects induced by a change in the reference policy benchmark. Taking into consideration effects also at the micro level, they are particularly suitable for the analysis of policy impacts on poverty and income distribution.
There are different ways in which macro and micro models can be integrated. One possible approach implies the use of a CGE model together with another model that links changes at the macro level to changes of variables at the micro level (e.g. household income). Depending on the specification of the micro model and the way of modelling the household sector, it is possible to distinguish between three main alternatives: 1) CGEs with Representative Households Groups (RHG) with direct transfer of CGE results at micro level; 2) CGE directly embodying full household information; and 3) CGEs with Representative Households Groups (RHG) and with “Micro-simulation model”.
The first approach, based on the construction of a CGE with RHG uses data from household surveys to place households into different groups with homogenous characteristics. These RHGs are then inserted directly into the CGE module. Up to this level, the approach is the same as in the CGE described in the previous section. However, as a follow-up to the solution of the CGE, changes in the main variables resulting from the CGE and pertaining to specific household groups, are directly transferred at micro-level, associating changes in relevant variables (e.g. wages, incomes and/or prices) to all of the observations belonging to a given group. For example, if, according to the CGE, a given policy measure results in a 10% income increase for the RHG “poor rural households”, in the household database the income of all the households classified as “poor rural” will be increased by 10%, in order to generate the new income distribution.
The principal shortcoming of this approach is that it does not consider the heterogeneity within the same group of households, so that the simulated change in the income distribution for each group captures only the shift in the “between-groups” component of inequality without considering any change in the within-group component.
The second approach integrates all the household level information directly into the CGE, without making use of RHGs. It makes use of the full household information to directly simulate changes in the distribution of household income or expenditure with It makes use of the full household information to directly simulate changes in the distribution of household income or expenditure with the CGE, without using any specification for the ‘within’ or the ‘between-group’ component of inequality. The difficulties of this approach are mainly in the identification of all the relevant elasticities correctly describing the behaviour of all the households involved27. .
The third approach makes use of both an RHG-based CGE model and, in sequence, a “micro-simulation model” which is fed, along with other factors, to create the results of the CGE model (Bourguignon et al, 2003). The CGE side of this approach is identical to the CGE approach described in the previous section and also the first approach. The “micro-simulation model” consists of a “household income generating model”, i.e. a set of equations describing how income is generated by each household. This model allows: 1) attributing to each individual wage earner in the database a given wage level; determined on the basis of his/her socio-economic characteristics e.g. age, education, gender etc; 2) attributing to each household (or possibly, individual, depending on the structure of data) whose members carry out an entrepreneurial or self-employment activity a given level of earnings, determined on the basis of the household’s features, including the number of its members; 3) attributing to each individual a “model of occupational choice”, i.e. a model determining her/his working status (e.g. whether s/he is a waged worker, self-employed or inactive).
Most parameters of the micro-simulation model are estimated using econometric techniques of information contained in the household database. The others are “calibrated” on the database (i.e. determined in such a way that the micro-simulation model replicates the “benchmark” values for individual wages (w), total self-employment earnings (I) and occupational choices, specifically, number of wage workers (E) and number of self-employed (S). This is done by adjustment. In addition, the SAM is set in such a way that the total of wages per labour group, and the total of self-employment earnings correspond to the totals of the same variables in the survey.
Thanks to the calibration procedure of the CGE and to the consistency between the SAM and the household level data, the solution of the CGE model at benchmark level provides the construction of the same values of w, I, E and S which have been used to calibrate the micro-simulation model. This ensures full consistency between the CGE and the micro-simulation model.
When the CGE is ‘shocked’ for a policy simulation, it produces a new set of values for w, I, E and S. These new values are then used to “re-calibrate” the micro-simulation model28, in order to ensure its consistency with the new set of values for the macro-variables above.
Once this calibration is done, the micro-simulation model is used to generate a new income/expenditure distribution (based on modified occupational choices) from which the analyst can calculate new poverty, inequality and/or food security indicators to assess the socio-economic impacts of the policy measure under investigation.

Kết quả (Việt) 1:

7.6. tích hợp các phương pháp tiếp cận vĩ mô-viĐặc điểm kỹ thuậtCác mô hình này cho phép để làm việc trong một mạch lạc vĩ mô và bối cảnh linh hoạt giá cả, cũng tích hợp thông tin từ cấp độ vi mô (hộ gia đình/cá nhân) (ví dụ như thông tin từ một cuộc khảo sát đo lường mức sống-LSMS). Các mô hình đại diện cho một khuôn khổ khá toàn diện cho phân tích tác động chính sách. Trong thực tế, họ cho phép tham gia vào tài khoản trực tiếp (đặt hàng đầu tiên) và hậu quả gián tiếp gây ra bởi một sự thay đổi trong tài liệu tham khảo chính sách chuẩn. Có xem xét ảnh hưởng cũng ở cấp độ vi mô, họ là đặc biệt thích hợp cho việc phân tích chính sách tác động đến đói nghèo và thu nhập phân phối.Có rất nhiều cách khác nhau trong đó vĩ mô và vi mô hình có thể được tích hợp. Một cách tiếp cận có thể ngụ ý việc sử dụng của một mô hình CGE cùng với một mô hình liên kết thay đổi ở cấp độ vĩ mô để thay đổi biến tại vi cấp (ví dụ như thu nhập hộ gia đình). Tùy thuộc vào đặc điểm kỹ thuật của mô hình vi và cách của mô hình lĩnh vực gia dụng, ta có thể phân biệt giữa ba lựa chọn thay thế chính: 1) CGEs với đại diện hộ nhóm (RHG) với trực tiếp chuyển CGE kết quả ở cấp độ vi mô; 2) CGE thể hiện trực tiếp thông tin đầy đủ hộ gia đình; và 3) CGEs với đại diện hộ nhóm (RHG) và với "Micro-mô phỏng mô hình".Phương pháp tiếp cận đầu tiên, dựa trên việc xây dựng một CGE với RHG sử dụng dữ liệu từ cuộc điều tra hộ gia đình để đặt hộ vào nhóm khác nhau với những đặc tính đồng nhất. Các RHGs sau đó được chèn trực tiếp vào các mô-đun CGE. Đến mức này, phương pháp tiếp cận là giống như trong CGE được mô tả trong phần trước. Tuy nhiên, như theo dõi các giải pháp của CGE, thay đổi trong các yếu tố chính gây ra bởi CGE và liên quan đến nhóm gia dụng cụ thể, trực tiếp được chuyển giao ở cấp độ vi, kết hợp những thay đổi trong các biến có liên quan (ví dụ như tiền lương, thu nhập và/hoặc giá) cho tất cả các quan sát thuộc một nhóm nhất định. Ví dụ, nếu, theo CGE, một biện pháp chính sách cho kết quả trong một sự gia tăng 10% thu nhập cho RHG "hộ nông thôn nghèo", trong cơ sở dữ liệu hộ gia đình thu nhập tất cả các hộ gia đình được phân loại là "người nghèo nông thôn" sẽ được tăng lên 10%, để tạo ra phân phối thu nhập mới.Thiếu sót chính của phương pháp này là rằng nó không xem xét heterogeneity trong cùng một nhóm của hộ gia đình, do đó, rằng sự thay đổi mô phỏng trong việc phân phối thu nhập cho mỗi nhóm bắt chỉ là sự thay đổi trong thành phần "giữa nhóm" bất bình đẳng mà không xem xét bất kỳ thay đổi nào trong các thành phần trong nhóm.Thứ hai cách tiếp cận tích hợp tất cả thông tin cấp hộ gia đình trực tiếp vào CGE, mà không làm cho việc sử dụng RHGs. Nó làm cho sử dụng hộ gia đình đầy đủ thông tin để trực tiếp mô phỏng những thay đổi trong phân phối thu nhập hoặc chi tiêu với nó làm cho sử dụng hộ gia đình đầy đủ thông tin để mô phỏng các thay đổi trong phân phối thu nhập hoặc chi tiêu với CGE, trực tiếp mà không sử dụng bất kỳ đặc điểm kỹ thuật cho các 'bên trong' hoặc các thành phần 'giữa nhóm' bất bình đẳng. Những khó khăn của phương pháp này là chủ yếu là trong việc xác định tất cả các elasticities có liên quan một cách chính xác mô tả các hành vi của tất cả hộ gia đình involved27. .Cách tiếp cận thứ ba sử dụng cả hai mô hình dựa trên RHG CGE một, và theo thứ tự, một mô hình vi mô phỏng"" mà được cho ăn, cùng với các yếu tố khác, để tạo ra các kết quả của các mô hình CGE (Bourguignon và ctv., 2003). Phía CGE của cách tiếp cận này là giống hệt nhau để phương pháp tiếp cận CGE được mô tả trong phần trước và cũng có thể là phương pháp đầu tiên. Các mô hình mô phỏng vi"" bao gồm một "thu nhập tạo ra các mô hình", tức là một tập hợp các phương trình mô tả làm thế nào thu nhập được tạo ra bởi mỗi hộ gia đình. Mô hình này cho phép: 1) attributing cho mỗi nguồn thu tiền lương cá nhân trong cơ sở dữ liệu một mức độ nhất định mức lương; xác định trên cơ sở anh/cô ấy đặc điểm kinh tế xã hội ví dụ như tuổi tác, giáo dục, giới tính vv; 2) attributing cho mỗi hộ gia đình (hoặc có thể, cá nhân, tùy thuộc vào cấu trúc dữ liệu) mà các thành viên thực hiện một hoạt động kinh doanh hoặc tự tạo việc làm một mức độ nhất định của thu nhập, xác định trên cơ sở tính năng của hộ gia đình, bao gồm số lượng các thành viên; 3) attributing cho mỗi cá nhân một "mô hình của sự lựa chọn nghề nghiệp", tức là một mô hình xác định cô tình trạng làm việc (ví dụ như cho dù s/ông là một nhân viên kỳ, tự làm chủ hoặc không hoạt động).Hầu hết các thông số của mô hình mô phỏng vi được ước tính bằng cách sử dụng các kỹ thuật kinh tế lượng thông tin chứa trong cơ sở dữ liệu hộ gia đình. Những người khác "hiệu chỉnh" trên cơ sở dữ liệu (tức là xác định theo những cách rằng các mô hình mô phỏng vi sao chép các giá trị "chuẩn" cho cá nhân lương (w), tất cả tự tạo việc làm thu nhập (I) và lựa chọn nghề nghiệp, cụ thể một, số lượng công nhân lương (E) và số tự làm chủ (S). Điều này được thực hiện bởi điều chỉnh. Ngoài ra, SAM được đặt trong một cách tổng cộng tiền lương cho mỗi nhóm lao động, và tổng cộng tự tạo việc làm thu nhập tương ứng với tổng số của các biến cùng trong cuộc khảo sát.Nhờ vào thủ tục cân chỉnh CGE và sự thống nhất giữa SAM và dữ liệu cấp hộ gia đình, các giải pháp của các mô hình CGE mức điểm chuẩn cung cấp xây dựng cùng các giá trị của w, tôi, E và S đã được sử dụng để hiệu chỉnh mô hình vi mô phỏng. Điều này đảm bảo đầy đủ nhất quán giữa CGE và mô hình vi mô phỏng.Khi CGE 'sốc' nhất một mô phỏng chính sách, nó tạo ra một tập mới của các giá trị cho w, tôi, E và S. Các giá trị mới sau đó được sử dụng để "tái hiệu chỉnh" vi mô phỏng model28, để đảm bảo tính nhất quán của nó với các thiết lập mới của các giá trị cho các vĩ mô-biến ở trên.Sau khi hiệu chuẩn này được thực hiện, mô hình vi mô phỏng được sử dụng để tạo ra một phân phối thu nhập/chi tiêu mới (dựa trên sự lựa chọn nghề nghiệp lần) mà từ đó các nhà phân tích có thể tính toán mới nghèo, bất bình đẳng và/hoặc các thực phẩm an ninh chỉ để đánh giá những tác động kinh tế xã hội của các biện pháp chính sách đang bị điều tra.

Kết quả (Việt) 2:

7.6. Tích hợp vĩ mô-vi tiếp cận
đặc điểm kỹ thuật
Những mô hình này cho phép làm việc trong một giá vĩ mô linh hoạt và bối cảnh mạch lạc, cũng tích hợp thông tin từ các vi sinh (hộ gia đình / cá nhân) cấp (ví dụ như thông tin từ một cuộc khảo sát mức sống Đo lường - LSMS). Những mô hình đại diện cho một khuôn khổ khá toàn diện để phân tích tác động chính sách. Trong thực tế, chúng cho phép tính trực tiếp (đặt hàng đầu tiên) và hiệu ứng gián tiếp gây ra bởi một sự thay đổi trong chính sách tài liệu tham khảo điểm chuẩn. Đi vào xem xét các hiệu ứng cũng ở cấp vi mô, họ đặc biệt thích hợp cho việc phân tích các tác động chính sách về đói nghèo và phân phối thu nhập.
Có nhiều cách khác nhau, trong đó mô hình vĩ mô và vi mô có thể được tích hợp. Một phương pháp có thể bao hàm việc sử dụng một mô hình CGE cùng với một mô hình liên kết thay đổi ở cấp độ vĩ mô với những thay đổi của các biến ở cấp vi mô (ví dụ như thu nhập của hộ gia đình). Tùy thuộc vào các đặc điểm kỹ thuật của mô hình vi mô và cách mô hình hóa các lĩnh vực hộ gia đình, nó có thể phân biệt giữa ba lựa chọn thay thế chính: 1) CGEs với hộ gia đình đại diện Groups (LHG) với chuyển giao trực tiếp kết quả CGE ở cấp độ vi mô; 2) CGE trực tiếp thể hiện đầy đủ thông tin hộ gia đình; và 3) CGEs với hộ gia đình đại diện Groups (LHG) và với "Micro-mô phỏng mô hình".
Các phương pháp tiếp cận đầu tiên, dựa trên việc xây dựng một CGE với LHG sử dụng dữ liệu từ các cuộc điều tra hộ gia đình để đặt hộ thành các nhóm khác nhau với các đặc tính đồng nhất. Những RHGs sau đó được đưa trực tiếp vào các mô-đun CGE. Đến mức này, cách tiếp cận tương tự như trong các CGE được mô tả trong phần trước. Tuy nhiên, như một theo dõi các giải pháp của các CGE, những thay đổi trong các biến chính do các CGE và liên quan đến các nhóm hộ gia đình cụ thể, được chuyển trực tiếp ở cấp độ vi mô, kết hợp những thay đổi trong các biến có liên quan (ví dụ như tiền lương, thu nhập và / hoặc giá cả) cho tất cả các quan sát thuộc một nhóm nhất định. Ví dụ, nếu theo các CGE, một kết quả biện pháp chính sách được đưa ra trong một gia tăng thu nhập 10% cho các LHG "hộ gia đình nông thôn nghèo", trong cơ sở dữ liệu hộ gia đình thu nhập của tất cả các hộ gia đình được phân loại như là "người nghèo nông thôn" sẽ được tăng 10%, để tạo ra sự phân phối thu nhập mới.
Các thiếu sót chủ yếu của phương pháp này là nó không xem xét những bất đồng nhất trong cùng một nhóm các hộ gia đình, vì vậy mà thay đổi được mô phỏng trong việc phân phối thu nhập cho mỗi nhóm chỉ capture các thay đổi trong các thành phần "giữa nhóm" bất bình đẳng mà không xem xét bất kỳ sự thay đổi trong các thành phần trong nhóm.
Cách tiếp cận thứ hai tích hợp tất cả các thông tin hộ gia đình trực tiếp vào CGE, mà không làm việc sử dụng RHGs. Nó làm cho việc sử dụng các thông tin đầy đủ để hộ gia đình trực tiếp mô phỏng sự thay đổi trong phân phối thu nhập của hộ gia đình hoặc với chi Nó làm cho việc sử dụng các thông tin đầy đủ để hộ gia đình trực tiếp mô phỏng sự thay đổi trong phân phối thu nhập của hộ gia đình, chi phí với các CGE, mà không sử dụng bất kỳ đặc điểm kỹ thuật các 'bên trong' hoặc các thành phần của hệ giữa các nhóm 'bất bình đẳng. Những khó khăn của phương pháp này là chủ yếu trong việc xác định tất cả các độ co giãn phù hợp mô tả một cách chính xác hành vi của tất cả các hộ gia đình involved27. .
Cách tiếp cận thứ ba làm cho sử dụng cả hai mô hình CGE LHG-based và, theo thứ tự, một "mô hình mô phỏng vi mô" mà được cho ăn, cùng với các yếu tố khác, để tạo ra các kết quả của các mô hình CGE (Bourguignon et al, 2003) . Phía CGE của phương pháp này là giống hệt với cách tiếp cận CGE được mô tả trong phần trước và cũng là phương pháp tiếp cận đầu tiên. Các "vi mô phỏng mô hình" bao gồm một "hộ gia đình thu nhập mô hình", tức là một tập hợp các phương trình mô tả như thế nào thu nhập được tạo ra bởi mỗi hộ gia đình. Mô hình này cho phép: 1) gán cho mỗi người kiếm tiền cá nhân trong cơ sở dữ liệu một mức lương nhất định; xác định trên cơ sở / đặc điểm kinh tế-xã hội của mình ví dụ như tuổi tác, giáo dục, giới tính, vv; 2) gán cho mỗi hộ gia đình (hoặc có thể, cá nhân, tùy thuộc vào cấu trúc của dữ liệu) mà các thành viên thực hiện một hoạt động kinh doanh hoặc tự làm một mức độ nhất định của thu nhập, xác định trên cơ sở các tính năng của hộ gia đình, bao gồm cả số lượng của nó thành viên; 3) gán cho mỗi một cá nhân "mô hình của sự lựa chọn nghề nghiệp", tức là một mô hình xác định / trạng thái làm việc của mình (ví dụ như việc anh / cô ấy là một người lao động hưởng lương, lao động tự do hoặc không hoạt động).
Hầu hết các thông số của mô hình mô phỏng vi mô là ước tính bằng cách sử dụng kỹ thuật kinh tế của thông tin chứa trong cơ sở dữ liệu hộ gia đình. Những người khác được "hiệu chuẩn" trên cơ sở dữ liệu (tức là xác định một cách như vậy mà các mô hình mô phỏng vi mô tái tạo "điểm chuẩn" giá trị cho lương của cá nhân (w), tổng thu nhập của lao động tự do (I) và lựa chọn nghề nghiệp, đặc biệt, số của người lao động tiền lương (E) và số lao động tự do (S). Điều này được thực hiện bằng cách điều chỉnh. Ngoài ra, SAM được đặt trong một cách mà tổng số tiền lương cho mỗi nhóm lao động, và tổng số thu nhập của lao động tự do tương ứng với tổng số của các biến tương tự trong các cuộc điều tra.
Nhờ hiệu chuẩn của CGE và sự thống nhất giữa các SAM và các dữ liệu hộ gia đình, các giải pháp của các mô hình CGE tại mức điểm chuẩn cung cấp cho việc xây dựng các giá trị tương tự của w, I, E và S đã được sử dụng để hiệu chỉnh các mô hình mô phỏng vi mô. Điều này đảm bảo tính thống nhất hoàn toàn giữa các CGE và mô hình mô phỏng vi mô.
Khi CGE được 'sốc' cho một mô phỏng chính sách, nó tạo ra một tập mới các giá trị cho w, I, E và S. Những giá trị mới này sau đó được sử dụng để "tái hiệu chỉnh" các model28 mô phỏng vi mô, để đảm bảo tính thống nhất của nó với các thiết lập mới của các giá trị cho các biến vĩ mô nêu trên.
Một khi điều này hiệu chuẩn được thực hiện, mô hình mô phỏng vi mô được sử dụng để tạo ra một phân phối thu nhập / chi tiêu mới (dựa trên sự lựa chọn nghề nghiệp sửa đổi) mà từ đó các nhà phân tích có thể tính toán nghèo mới, bất bình đẳng và / hoặc các chỉ số an ninh lương thực để đánh giá tác động kinh tế-xã hội của các biện pháp chính sách đang được điều tra.