Mikropodstawy dla znormalizowanej funkcji produkcji CES z postępem technicznym nakierowanym na poszczególne czynniki produkcji

Podobne dokumenty
Plan wykładu. Dlaczego wzrost gospodarczy? Model wzrostu Harroda-Domara.

Ekonometria. Model nieliniowe i funkcja produkcji. Jakub Mućk. Katedra Ekonomii Ilościowej. Modele nieliniowe Funkcja produkcji

WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 4 - zagadnienie estymacji, metody wyznaczania estymatorów

Ekonometria. Model nieliniowe i funkcja produkcji. Jakub Mućk. Katedra Ekonomii Ilościowej

Metoda momentów i kwantyli próbkowych. Wrocław, 7 listopada 2014

zadania z rachunku prawdopodobieństwa zapożyczone z egzaminów aktuarialnych

b) Niech: - wśród trzech wylosowanych opakowań jest co najwyżej jedno o dawce 15 mg. Wówczas:

Statystyka matematyczna. Wykład III. Estymacja przedziałowa

Matematyka ubezpieczeń majątkowych r.

Detekcja rozkładów o ciężkich ogonach

W3 - Niezawodność elementu nienaprawialnego

2. Wykaż, że moment pierwszego skoku w procesie Poissona. S 1 := inf{t : N t > 0} jest zmienną losową o rozkładzie wykładniczym z parametrem λ.

... i statystyka testowa przyjmuje wartość..., zatem ODRZUCAMY /NIE MA POD- STAW DO ODRZUCENIA HIPOTEZY H 0 (właściwe podkreślić).

Excel: niektóre rozkłady ciągłe (1)

Matematyka ubezpieczeń majątkowych r.

Przychody skali. Proporcjonalne zwiększenie czynników = zwiększenie produkcji, ale czy również proporcjonalne? W zależności od odpowiedzi:

Ważne rozkłady i twierdzenia c.d.

Statystyka matematyczna

Ekonometria Wykład 7 Modele nieliniowe, funkcja produkcji. Dr Michał Gradzewicz Katedra Ekonomii I KAE

WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 4 Przekształcenia zmiennej losowej, momenty

Zagregowana funkcja produkcji w ekonomii wzrostu gospodarczego i konwergencji

Zadanie 1. Liczba szkód N w ciągu roku z pewnego ryzyka ma rozkład geometryczny: k =

Modelowanie zależności. Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski

Statystyka. Wykład 2. Krzysztof Topolski. Wrocław, 11 października 2012

Hipotezy proste. (1 + a)x a, dla 0 < x < 1, 0, poza tym.

Szkice do zajęć z Przedmiotu Wyrównawczego

Zadanie 1. Ilość szkód N ma rozkład o prawdopodobieństwach spełniających zależność rekurencyjną:

Przykład 1 W przypadku jednokrotnego rzutu kostką przestrzeń zdarzeń elementarnych

ZESTAW 5 FUNKCJA PRODUKCJI. MODEL SOLOWA (Z ROZSZERZENIAMI)

N ma rozkład Poissona z wartością oczekiwaną równą 100 M, M M mają ten sam rozkład dwupunktowy o prawdopodobieństwach:

VII. Elementy teorii stabilności. Funkcja Lapunowa. 1. Stabilność w sensie Lapunowa.

Modele długości trwania

Testowanie hipotez statystycznych. Wprowadzenie

Prawdopodobieństwo i statystyka

Ekonometria. Modelowanie zmiennej jakościowej. Jakub Mućk. Katedra Ekonomii Ilościowej

Matematyka ubezpieczeń majątkowych r.

Jeśli wszystkie wartości, jakie może przyjmować zmienna można wypisać w postaci ciągu {x 1, x 2,...}, to mówimy, że jest to zmienna dyskretna.

Parametr Λ w populacji ubezpieczonych ma rozkład dany na półosi dodatniej gęstością: 3 f

Prawdopodobieństwo i statystyka r.

Zmienne losowe ciągłe i ich rozkłady

Metody Rozmyte i Algorytmy Ewolucyjne

Rozkłady prawdopodobieństwa

Minimalizacja kosztu

Zmienne losowe ciągłe i ich rozkłady

2. Wykaż, że moment pierwszego skoku w procesie Poissona. S 1 := inf{t : N t > 0} jest zmienną losową o rozkładzie wykładniczym z parametrem λ.

WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 11 i 12 - Weryfikacja hipotez statystycznych

Prawdopodobieństwo i rozkład normalny cd.

Matematyka z el. statystyki, # 3 /Geodezja i kartografia II/

1 Warunkowe wartości oczekiwane

Prawdopodobieństwo i statystyka

Metoda najmniejszych kwadratów

czyli o szukaniu miejsc zerowych, których nie ma

Zadania do Rozdziału X

Rozkłady i ich dystrybuanty 16 marca F X (t) = P (X < t) 0, gdy t 0, F X (t) = 1, gdy t > c, 0, gdy t x 1, 1, gdy t > x 2,

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory

Matematyka dla biologów Zajęcia nr 13.

Biostatystyka, # 3 /Weterynaria I/

Zagadnienia brzegowe dla równań eliptycznych

n=0 (n + r)a n x n+r 1 (n + r)(n + r 1)a n x n+r 2. Wykorzystując te obliczenia otrzymujemy, że lewa strona równania (1) jest równa

WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 7 i 8 - Efektywność estymatorów, przedziały ufności

Zbiór zadań Makroekonomia II ćwiczenia

Wykład 3 Jednowymiarowe zmienne losowe

Stopę zbieżności ciagu zmiennych losowych a n, takiego, że E (a n ) < oznaczamy jako a n = o p (1) prawdopodobieństwa szybciej niż n α.

MODELE MATEMATYCZNE W UBEZPIECZENIACH

METODY ESTYMACJI PUNKTOWEJ. nieznanym parametrem (lub wektorem parametrów). Przez X będziemy też oznaczać zmienną losową o rozkładzie

Prawdopodobieństwo i statystyka

Statystyka matematyczna dla leśników

Komputerowa Analiza Danych Doświadczalnych

Zawansowane modele wyborów dyskretnych

dla t ściślejsze ograniczenie na prawdopodobieństwo otrzymujemy przyjmując k = 1, zaś dla t > t ściślejsze ograniczenie otrzymujemy przyjmując k = 2.

Centralne twierdzenie graniczne

EGZAMIN MAGISTERSKI, czerwiec 2015 Biomatematyka

Rachunek prawdopodobieństwa i statystyka

STATYSTYKA MATEMATYCZNA. rachunek prawdopodobieństwa

Wykład 6 Estymatory efektywne. Własności asymptotyczne estym. estymatorów

1 Relacje i odwzorowania

WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 2 i 3 Zmienna losowa

Metoda największej wiarygodności

Testowanie hipotez statystycznych.

Matematyka ubezpieczeń majątkowych r.

Rozdział 1. Wektory losowe. 1.1 Wektor losowy i jego rozkład

Statystyka aktuarialna i teoria ryzyka, model indywidualny i zespołowy, rozkłady złożone

Prawa wielkich liczb, centralne twierdzenia graniczne

Agata Boratyńska Statystyka aktuarialna... 1

Komputerowa analiza danych doświadczalnych

Weryfikacja hipotez statystycznych. KG (CC) Statystyka 26 V / 1

Komputerowa analiza danych doświadczalnych

Statystyka aktuarialna i teoria ryzyka, rozkłady szkód

EGZAMIN MAGISTERSKI, Biomatematyka

Mikroekonomia B.2. Mikołaj Czajkowski

PODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA. Piotr Wiącek

Matematyka ubezpieczeń majątkowych r.

Modele DSGE. Jerzy Mycielski. Maj Jerzy Mycielski () Modele DSGE Maj / 11

Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT. Anna Rajfura 1

2. Definicja pochodnej w R n

REGRESJA LINIOWA Z UOGÓLNIONĄ MACIERZĄ KOWARIANCJI SKŁADNIKA LOSOWEGO. Aleksander Nosarzewski Ekonometria bayesowska, prowadzący: dr Andrzej Torój

W4 Eksperyment niezawodnościowy

Uogolnione modele liniowe

Statystyka matematyczna dla leśników

Ważne rozkłady i twierdzenia

Transkrypt:

Mikropodstawy dla znormalizowanej funkcji produkcji CES z postępem technicznym nakierowanym na poszczególne czynniki produkcji Jakub Growiec 1,2 1 Narodowy Bank Polski 2 Szkoła Główna Handlowa Seminarium NBP, 21 września 2011 Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 1 / 28

Plan prezentacji 1 Wprowadzenie 2 Mikropodstawy dla zagregowanej funkcji CES 3 Kierunek postępu technicznego 4 Przypadek funkcji Cobba Douglasa 5 Mikropodstawy dla rozkładu Weibulla 6 Podsumowanie Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 2 / 28

Geneza badania Jones (2005) oraz Growiec (2008 IJET, EL) przeanalizowali model endogenicznego wyboru technologii przez firmy, dostarczajacy mikropodstaw dla zagregowanej funkcji produkcji Cobba Douglasa (Jones) oraz CES. Kluczowe elementy tego modelu: zbiór możliwości technologicznych oraz lokalna funkcja produkcji (LFP). Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 3 / 28

Geneza badania Jones (2005) oraz Growiec (2008 IJET, EL) przeanalizowali model endogenicznego wyboru technologii przez firmy, dostarczajacy mikropodstaw dla zagregowanej funkcji produkcji Cobba Douglasa (Jones) oraz CES. Kluczowe elementy tego modelu: zbiór możliwości technologicznych oraz lokalna funkcja produkcji (LFP). Niniejszy artykuł rozważa trzy ważne rozszerzenia tych modeli: wykorzystujemy tu znormalizowane funkcje produkcji CES (La Grandville, 1989; Klump i La Grandville, 2000). Dzięki normalizacji możliwe jest powiazanie parametrów rozkładów produktywności czynników oraz LFP z parametrami zagregowanej funkcji produkcji; Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 3 / 28

Geneza badania Jones (2005) oraz Growiec (2008 IJET, EL) przeanalizowali model endogenicznego wyboru technologii przez firmy, dostarczajacy mikropodstaw dla zagregowanej funkcji produkcji Cobba Douglasa (Jones) oraz CES. Kluczowe elementy tego modelu: zbiór możliwości technologicznych oraz lokalna funkcja produkcji (LFP). Niniejszy artykuł rozważa trzy ważne rozszerzenia tych modeli: wykorzystujemy tu znormalizowane funkcje produkcji CES (La Grandville, 1989; Klump i La Grandville, 2000). Dzięki normalizacji możliwe jest powiazanie parametrów rozkładów produktywności czynników oraz LFP z parametrami zagregowanej funkcji produkcji; uchylamy założenie proporcjonalnego rozszerzania zbioru możliwości technologicznych dzięki B+R (obecnego w poprzedzajacej literaturze). Mamy więc factor-augmenting technical change (por. np. Li, 2001; Acemoglu, 2003); Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 3 / 28

Geneza badania Jones (2005) oraz Growiec (2008 IJET, EL) przeanalizowali model endogenicznego wyboru technologii przez firmy, dostarczajacy mikropodstaw dla zagregowanej funkcji produkcji Cobba Douglasa (Jones) oraz CES. Kluczowe elementy tego modelu: zbiór możliwości technologicznych oraz lokalna funkcja produkcji (LFP). Niniejszy artykuł rozważa trzy ważne rozszerzenia tych modeli: wykorzystujemy tu znormalizowane funkcje produkcji CES (La Grandville, 1989; Klump i La Grandville, 2000). Dzięki normalizacji możliwe jest powiazanie parametrów rozkładów produktywności czynników oraz LFP z parametrami zagregowanej funkcji produkcji; uchylamy założenie proporcjonalnego rozszerzania zbioru możliwości technologicznych dzięki B+R (obecnego w poprzedzajacej literaturze). Mamy więc factor-augmenting technical change (por. np. Li, 2001; Acemoglu, 2003); rozszerzamy też model na przypadek n czynników wytwórczych (w załaczniku). Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 3 / 28

Geneza badania Jones (2005) oraz Growiec (2008 IJET, EL) przeanalizowali model endogenicznego wyboru technologii przez firmy, dostarczajacy mikropodstaw dla zagregowanej funkcji produkcji Cobba Douglasa (Jones) oraz CES. Kluczowe elementy tego modelu: zbiór możliwości technologicznych oraz lokalna funkcja produkcji (LFP). Niniejszy artykuł rozważa trzy ważne rozszerzenia tych modeli: wykorzystujemy tu znormalizowane funkcje produkcji CES (La Grandville, 1989; Klump i La Grandville, 2000). Dzięki normalizacji możliwe jest powiazanie parametrów rozkładów produktywności czynników oraz LFP z parametrami zagregowanej funkcji produkcji; uchylamy założenie proporcjonalnego rozszerzania zbioru możliwości technologicznych dzięki B+R (obecnego w poprzedzajacej literaturze). Mamy więc factor-augmenting technical change (por. np. Li, 2001; Acemoglu, 2003); rozszerzamy też model na przypadek n czynników wytwórczych (w załaczniku). Przedstawiony zostaje teoretyczny argument uzasadniajacy założenie niezależnych rozkładów Weibulla jednostkowych produktywności kapitału i pracy (Growiec, 2008, EL). Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 3 / 28

Wyniki badania Normalizacja względem poczatkowych nakładów K 0, L 0, produktu Y 0 oraz poczatkowego udziału wynagrodzenia kapitału w produkcie π 0 może zostać utrzymana równocześnie na poziomie lokalnym i zagregowanym, wydatnie ułatwiajac interpretację parametrów zagregowanej funkcji produkcji. Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 4 / 28

Wyniki badania Normalizacja względem poczatkowych nakładów K 0, L 0, produktu Y 0 oraz poczatkowego udziału wynagrodzenia kapitału w produkcie π 0 może zostać utrzymana równocześnie na poziomie lokalnym i zagregowanym, wydatnie ułatwiajac interpretację parametrów zagregowanej funkcji produkcji. Zgodnie z wynikami pracy Growiec (2008, EL): jeśli technologie zwiększajace jednostkowa produktywność kapitału i pracy maja niezależne rozkłady Weibulla, to zagregowana funkcja produkcji jest funkcja CES. Zgodnie z wynikami Jonesa (2005), jeśli maja one niezależne rozkłady Pareto to zagregowana funkcja produkcji jest funkcja Cobba Douglasa. Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 4 / 28

Wyniki badania Normalizacja względem poczatkowych nakładów K 0, L 0, produktu Y 0 oraz poczatkowego udziału wynagrodzenia kapitału w produkcie π 0 może zostać utrzymana równocześnie na poziomie lokalnym i zagregowanym, wydatnie ułatwiajac interpretację parametrów zagregowanej funkcji produkcji. Zgodnie z wynikami pracy Growiec (2008, EL): jeśli technologie zwiększajace jednostkowa produktywność kapitału i pracy maja niezależne rozkłady Weibulla, to zagregowana funkcja produkcji jest funkcja CES. Zgodnie z wynikami Jonesa (2005), jeśli maja one niezależne rozkłady Pareto to zagregowana funkcja produkcji jest funkcja Cobba Douglasa. Oddzielajac wybór technologii przez firmy od wyników B+R, możemy wyraźnie rozgraniczyć kierunek postępu technicznego od kierunku B+R. Sa to odrębne koncepcje, które można utożsamić tylko w szczególnych, nietypowych przypadkach (m.in. przypadek LATC Acemoglu, 2003). W przypadku funkcji Cobba Douglasa kierunek B+R jest bez znaczenia. Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 4 / 28

Wyniki badania (cd.) Uzasadnienie dla zastosowania rozkładów Weibulla: jeśli technologie w swej istocie złożone i składaja się z n komplementarnych elementów, wówczas przy dość ogólnych założeniach, dla n powinny mieć one rozkład Weibulla, ze względu na twierdzenie o wartościach ekstremalnych (Fisher Tippett Gnedenko); rozkład Weibulla jest min stabilny. Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 5 / 28

Wyniki badania (cd.) Uzasadnienie dla zastosowania rozkładów Weibulla: jeśli technologie w swej istocie złożone i składaja się z n komplementarnych elementów, wówczas przy dość ogólnych założeniach, dla n powinny mieć one rozkład Weibulla, ze względu na twierdzenie o wartościach ekstremalnych (Fisher Tippett Gnedenko); rozkład Weibulla jest min stabilny. Koncepcja komplementarności poszczególnych składowych w złożonych technologiach: Kremer (1993) O ring theory, Blanchard i Kremer (1997), Jones (2010), itd. Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 5 / 28

Wyniki badania (cd.) Uzasadnienie dla zastosowania rozkładów Weibulla: jeśli technologie w swej istocie złożone i składaja się z n komplementarnych elementów, wówczas przy dość ogólnych założeniach, dla n powinny mieć one rozkład Weibulla, ze względu na twierdzenie o wartościach ekstremalnych (Fisher Tippett Gnedenko); rozkład Weibulla jest min stabilny. Koncepcja komplementarności poszczególnych składowych w złożonych technologiach: Kremer (1993) O ring theory, Blanchard i Kremer (1997), Jones (2010), itd. Załacznik: rozszerzenie modelu na przypadek n czynników wytwórczych. Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 5 / 28

Plan prezentacji 1 Wprowadzenie 2 Mikropodstawy dla zagregowanej funkcji CES 3 Kierunek postępu technicznego 4 Przypadek funkcji Cobba Douglasa 5 Mikropodstawy dla rozkładu Weibulla 6 Podsumowanie Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 6 / 28

Założenia modelu lokalna funkcja produkcji Założenie Lokalna funkcja produkcji (LFP) przyjmuje postać znormalizowanej funkcji CES: ( ( ) θ ( ) ) 1 θ θ bk al Y = Y 0 π 0 +(1 π 0 ), (1) b 0 K 0 a 0 L 0 gdzie θ [, 0) jest parametrem substytucyjności, σ LPF = 1 1 θ. Parametr π 0 = r 0K 0 Y 0 jest udziałem wynagrodzenia kapitału w okresie t 0. LFP ma stałe korzyści skali. Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 7 / 28

Założenia modelu granica możliwości technologicznych Założenie Granica możliwości technologicznych zadana jest w przestrzeni (a, b) równościa ( ) α ( ) α a b H(a, b) = + = N, λ a,λ b,α, N > 0. (2) λ a λ b Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 8 / 28

Założenia modelu granica możliwości technologicznych Założenie Granica możliwości technologicznych zadana jest w przestrzeni (a, b) równościa ( ) α ( ) α a b H(a, b) = + = N, λ a,λ b,α, N > 0. (2) λ a λ b Mamy: (( ) α ) (( ) α ) a b H(a, b) = N exp exp = e N. λ a λ b Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 8 / 28

Założenia modelu granica możliwości technologicznych Założenie Granica możliwości technologicznych zadana jest w przestrzeni (a, b) równościa ( ) α ( ) α a b H(a, b) = + = N, λ a,λ b,α, N > 0. (2) λ a λ b Mamy: (( ) α ) (( ) α ) a b H(a, b) = N exp exp = e N. λ a λ b Granicę możliwości technologicznych interpretujemy więc jako warstwicę rozkładu łacznego jednostkowych produktywności kapitału i pracy. Uzasadnienie w dalszej części prezentacji. Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 8 / 28

Założenia modelu statyczny problem decyzyjny firm Założenie W każdej chwili t, firmy wybieraja parę jednostkowych produktywności czynników (a, b) optymalnie spośród konfiguracji dostępnych na granicy możliwości technologicznych: max a,b ( ( ) θ ( ) ) 1 θ θ bk al ( a Y 0 π 0 +(1 π 0 ) b 0 K 0 a 0 L 0 p.w. λ a ) α ( ) α b + = N. λ b (3) Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 9 / 28

Optymalny wybór technologii W chwili t 0 : a 0 = (N(1 π 0 )) 1 α λ a0, b 0 = (Nπ 0 ) 1 α λb0. (4) Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 10 / 28

Optymalny wybór technologii W chwili t 0 : a 0 = (N(1 π 0 )) 1 α λ a0, b 0 = (Nπ 0 ) 1 α λb0. (4) W chwili t t 0 : ( ) ( a = λ a a 0 λ a0 π 0 ( λb λ a λ a0 λ b0 KL 0 LK 0 ) αθ α θ + 1 π0 ) 1 α, (5) ( ) ( b = λ ( ) αθ ) 1 α b λb α θ λ a0 KL 0 π 0 +(1 π 0 ). (6) b 0 λ b0 λ a λ b0 LK 0 Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 10 / 28

Wyprowadzona zagregowana funkcja produkcji Twierdzenie Zagregowana funkcja produkcji przyjmuje postać znormalizowanej funkcji CES: ( ( ) αθ ( ) αθ ) α θ αθ λb α θ K λa α θ L Y = Y 0 π 0 +(1 π0 ). (7) λ b0 K 0 λ a0 L 0 Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 11 / 28

Wyprowadzona zagregowana funkcja produkcji Twierdzenie Zagregowana funkcja produkcji przyjmuje postać znormalizowanej funkcji CES: ( ( ) αθ ( ) αθ ) α θ αθ λb α θ K λa α θ L Y = Y 0 π 0 +(1 π0 ). (7) λ b0 K 0 λ a0 L 0 Parametr substytucyjności: ρ = αθ α θ. Elastyczność substytucji σ = 1 1 ρ = α θ α θ αθ > 0. Zauważmy, że ρ > θ, a więc σ > σ LPF = 1 1 θ. Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 11 / 28

Wyprowadzona zagregowana funkcja produkcji Twierdzenie Zagregowana funkcja produkcji przyjmuje postać znormalizowanej funkcji CES: ( ( ) αθ ( ) αθ ) α θ αθ λb α θ K λa α θ L Y = Y 0 π 0 +(1 π0 ). (7) λ b0 K 0 λ a0 L 0 Parametr substytucyjności: ρ = αθ α θ. Elastyczność substytucji σ = 1 1 ρ = α θ α θ αθ > 0. Zauważmy, że ρ > θ, a więc σ > σ LPF = 1 1 θ. Parametr rozkładu: π 0 = r 0K 0 Y 0, multiplikatywna stała to Y 0. Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 11 / 28

Wyprowadzona zagregowana funkcja produkcji Twierdzenie Zagregowana funkcja produkcji przyjmuje postać znormalizowanej funkcji CES: ( ( ) αθ ( ) αθ ) α θ αθ λb α θ K λa α θ L Y = Y 0 π 0 +(1 π0 ). (7) λ b0 K 0 λ a0 L 0 Parametr substytucyjności: ρ = αθ α θ. Elastyczność substytucji σ = 1 1 ρ = α θ α θ αθ > 0. Zauważmy, że ρ > θ, a więc σ > σ LPF = 1 1 θ. Parametr rozkładu: π 0 = r 0K 0 Y 0, multiplikatywna stała to Y 0. Parametr N znika. Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 11 / 28

Wyprowadzona zagregowana funkcja produkcji Twierdzenie Zagregowana funkcja produkcji przyjmuje postać znormalizowanej funkcji CES: ( ( ) αθ ( ) αθ ) α θ αθ λb α θ K λa α θ L Y = Y 0 π 0 +(1 π0 ). (7) λ b0 K 0 λ a0 L 0 Parametr substytucyjności: ρ = αθ α θ. Elastyczność substytucji σ = 1 1 ρ = α θ α θ αθ > 0. Zauważmy, że ρ > θ, a więc σ > σ LPF = 1 1 θ. Parametr rozkładu: π 0 = r 0K 0 Y 0, multiplikatywna stała to Y 0. Parametr N znika. Czynnik b w LFP zastępujemy λ b, czynnik a zastępujemy λ a. Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 11 / 28

Wynagrodzenia czynników Wniosek Zakładajac, że czynniki produkcji sa wynagradzane na poziomie ich produktu krańcowego, udziały wynagrodzenia kapitału i pracy w produkcie wynosza odpowiednio: π = rk Y = π 0 ( λb λ b0 ) αθ α θ K K 0 ( ) αθ π λb α θ K 0 λ b0 K 0 +(1 π 0 )( λa λ a0 1 π = wl (1 π 0 ) Y = ( π λb 0 λ b0 ( λa λ a0 ) αθ α θ L L 0 ) αθ α θ K K 0 +(1 π 0 )( λa λ a0 ) αθ, (8) α θ L L 0 ) αθ. (9) α θ L L 0 Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 12 / 28

Plan prezentacji 1 Wprowadzenie 2 Mikropodstawy dla zagregowanej funkcji CES 3 Kierunek postępu technicznego 4 Przypadek funkcji Cobba Douglasa 5 Mikropodstawy dla rozkładu Weibulla 6 Podsumowanie Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 13 / 28

Nietypowy przypadek I: LATC Przykład specyfikacji równań B+R (Acemoglu, 2003): λ a = f a (l a )λ a (10) λ b = f b (l b )λ b (11) l a i l b sa odsetkami populacji zaangażowanej w sektorach B+R. f a, f b sa gładkimi funkcjami rosnacymi. Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 14 / 28

Nietypowy przypadek I: LATC Przykład specyfikacji równań B+R (Acemoglu, 2003): λ a = f a (l a )λ a (10) λ b = f b (l b )λ b (11) l a i l b sa odsetkami populacji zaangażowanej w sektorach B+R. f a, f b sa gładkimi funkcjami rosnacymi. Gospodarka daży wówczas do ścieżki zrównoważonego wzrostu, gdzie: ŷ = ˆk = â = ˆλ a = f(l a), (12) ˆb = ˆλ b = 0. (13) Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 14 / 28

Nietypowy przypadek I: LATC Przykład specyfikacji równań B+R (Acemoglu, 2003): λ a = f a (l a )λ a (10) λ b = f b (l b )λ b (11) l a i l b sa odsetkami populacji zaangażowanej w sektorach B+R. f a, f b sa gładkimi funkcjami rosnacymi. Gospodarka daży wówczas do ścieżki zrównoważonego wzrostu, gdzie: ŷ = ˆk = â = ˆλ a = f(l a), (12) ˆb = ˆλ b = 0. (13) B+R jest neutralne w sensie Harroda (LATC, ˆλ b = 0), postęp techniczny (technologie wybierane przez firmy) jest również neutralny w sensie Harroda (ˆb = 0), udziały wynagrodzenia poszczególnych czynników w produkcie sa stałe i wynosza π 0 oraz 1 π 0. Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 14 / 28

Nietypowy przypadek II: postęp techniczny neutralny w sensie Hicksa Założenie przyjęte w pracach: Caselli i Coleman (2006), Growiec (2008 IJET). Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 15 / 28

Nietypowy przypadek II: postęp techniczny neutralny w sensie Hicksa Założenie przyjęte w pracach: Caselli i Coleman (2006), Growiec (2008 IJET). Przykład specyfikacji równań B+R spójny z tym założeniem (λ a /λ b const): λ a = f(l a,l b )λ α+1 a λ β b (14) λ b = f(l a,l b )λ α aλ β+1 b (15) Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 15 / 28

Nietypowy przypadek II: postęp techniczny neutralny w sensie Hicksa Założenie przyjęte w pracach: Caselli i Coleman (2006), Growiec (2008 IJET). Przykład specyfikacji równań B+R spójny z tym założeniem (λ a /λ b const): λ a = f(l a,l b )λ α+1 a λ β b (14) λ b = f(l a,l b )λ α aλ β+1 b (15) W długim okresie będziemy mieć ˆλ a = ˆλ b = g > 0. Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 15 / 28

Nietypowy przypadek II: postęp techniczny neutralny w sensie Hicksa Założenie przyjęte w pracach: Caselli i Coleman (2006), Growiec (2008 IJET). Przykład specyfikacji równań B+R spójny z tym założeniem (λ a /λ b const): λ a = f(l a,l b )λ α+1 a λ β b (14) λ b = f(l a,l b )λ α aλ β+1 b (15) W długim okresie będziemy mieć ˆλ a = ˆλ b = g > 0. Gdy t, mamy k +, a w konsekwencji: lim ŷ(t) = g, t â(t) = g, lim t lim ˆb(t) = g + θ t α θ lim ˆk(t) t (16) (17) [( ) ) α lim g, g.(18) t ˆb(t) α θ Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 15 / 28

Przypadek ogólny We wszystkich pozostałych przypadkach skierowanego B+R, implikujacego ˆλ a ˆλ b oraz ˆλ b 0 w długim okresie, mamy: Jeśli λ b K rośnie szybciej niż λ a L, to ŷ(t) ˆλ a (t), â(t) ˆλ a (t) i ˆb(t) ˆλ b (t)+ θ α θˆk(t) wraz z t. Udział wynagrodzenia kapitału spada do zera. Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 16 / 28

Przypadek ogólny We wszystkich pozostałych przypadkach skierowanego B+R, implikujacego ˆλ a ˆλ b oraz ˆλ b 0 w długim okresie, mamy: Jeśli λ b K rośnie szybciej niż λ a L, to ŷ(t) ˆλ a (t), â(t) ˆλ a (t) i ˆb(t) ˆλ b (t)+ θ α θˆk(t) wraz z t. Udział wynagrodzenia kapitału spada do zera. Jeśli λ b K rośnie wolniej niż λ a L, to ŷ(t) ˆλ b (t)+ ˆk(t), â(t) ˆλ a (t) α θˆk(t) θ i ˆb(t) ˆλ b (t) wraz z t. Udział wynagrodzenia kapitału wzrasta do jedności. Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 16 / 28

Przypadek ogólny We wszystkich pozostałych przypadkach skierowanego B+R, implikujacego ˆλ a ˆλ b oraz ˆλ b 0 w długim okresie, mamy: Jeśli λ b K rośnie szybciej niż λ a L, to ŷ(t) ˆλ a (t), â(t) ˆλ a (t) i ˆb(t) ˆλ b (t)+ θ α θˆk(t) wraz z t. Udział wynagrodzenia kapitału spada do zera. Jeśli λ b K rośnie wolniej niż λ a L, to ŷ(t) ˆλ b (t)+ ˆk(t), â(t) ˆλ a (t) α θˆk(t) θ i ˆb(t) ˆλ b (t) wraz z t. Udział wynagrodzenia kapitału wzrasta do jedności. Jeśli λ b K rośnie asymptotycznie w tym samym tempie co λ a L, to ŷ(t) ˆλ a (t) = ˆλ b (t)+ ˆk(t), â(t) ˆλ a (t) i ˆb(t) ˆλ b (t) wraz z t. Jeśli dodatkowo ˆk(t) = ŷ(t) w długim okresie, to może to mieć miejsce tylko, gdy ˆλ b (t) 0, co sprowadza się do przypadku LATC omówionego wcześniej. Udział wynagrodzenia kapitału daży do stałej (pomiędzy 0 a 1). Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 16 / 28

Plan prezentacji 1 Wprowadzenie 2 Mikropodstawy dla zagregowanej funkcji CES 3 Kierunek postępu technicznego 4 Przypadek funkcji Cobba Douglasa 5 Mikropodstawy dla rozkładu Weibulla 6 Podsumowanie Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 17 / 28

Przypadek funkcji Cobba Douglasa Założenie Przyjmujemy, że granica możliwości technologicznych przyjmuje tym razem postać ( ) α ( ) β a b H(a, b) = = N. (19) λ a Jest to zgodne z założeniem, że jednostkowe produktywności kapitału i pracy maja niezależne rozkłady Pareto (Jones, 2005). λ b Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 18 / 28

Przypadek funkcji Cobba Douglasa Założenie Przyjmujemy, że granica możliwości technologicznych przyjmuje tym razem postać ( ) α ( ) β a b H(a, b) = = N. (19) λ a Jest to zgodne z założeniem, że jednostkowe produktywności kapitału i pracy maja niezależne rozkłady Pareto (Jones, 2005). λ b Twierdzenie Zagregowana funkcja produkcji spełnia: ( ) α ( ) β λa α+β λ ( ) β α+β b K ( ) α α+β α+β L Y = Y 0. (20) λ a0 λ b0 K 0 L 0 Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 18 / 28

Przypadek funkcji Cobba Douglasa: optymalny wybór technologii Dla t 0 : optymalny wybór technologii jest niezdeterminowany, przy założeniu, że π 0 = r 0K 0 Y 0 = β α+β. (21) Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 19 / 28

Przypadek funkcji Cobba Douglasa: optymalny wybór technologii Dla t 0 : optymalny wybór technologii jest niezdeterminowany, przy założeniu, że π 0 = r 0K 0 Y 0 = β α+β. (21) Dla t t 0 : ( ) a = a 0 ( ) b = b 0 ( λa λ a0 ( λa λ a0 ) α α+β ( λ b ) α α+β ( λ b λ b0 ) β λ b0 ) β α+β ( KL 0 LK 0 α+β ( KL 0 LK 0 ) β α+β (22) ) α α+β. (23) Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 19 / 28

Kierunek postępu technicznego Jeśli zagregowana funkcja produkcji przyjmuje postać funkcji Cobba Douglasa, to mamy: â ˆb = ŷ = α α+βˆλ a + β α+βˆλ b + β α+βˆk, (24) = ŷ ˆk = α α+βˆλ a + β α+βˆλ b α α+βˆk. (25) Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 20 / 28

Kierunek postępu technicznego Jeśli zagregowana funkcja produkcji przyjmuje postać funkcji Cobba Douglasa, to mamy: â ˆb = ŷ = α α+βˆλ a + β α+βˆλ b + β α+βˆk, (24) = ŷ ˆk = α α+βˆλ a + β α+βˆλ b α α+βˆk. (25) Jeśli ŷ = ˆk (jak ma to miejsce na ścieżce zrównoważonego wzrostu), to mamy LATC: niezależnie od ˆλ a i ˆλ b. â = ŷ = ˆk, (26) ˆb = ŷ ˆk = 0, (27) Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 20 / 28

Plan prezentacji 1 Wprowadzenie 2 Mikropodstawy dla zagregowanej funkcji CES 3 Kierunek postępu technicznego 4 Przypadek funkcji Cobba Douglasa 5 Mikropodstawy dla rozkładu Weibulla 6 Podsumowanie Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 21 / 28

Model innowacji i sektora B+R Założenie Sektory B+R (zwiększajace jednostkowa produktywność kapitału badź pracy) złożone sa z continuum badaczy na odcinku I = [0, 1]. W każdej chwili t, badacz i I określa niezależnie jakość swej innowacji ( b i lub ã i ) jako minimum n niezależnych zmiennych losowych o tym samym rozkładzie z dystrybuanta F. Rozkład F ma dodatnia gęstość w przedziale [w, v), gdzie v może być nieskończone, i zerowa gęstość w przeciwnym przypadku. Spełnia on warunek: F(w + px) lim p 0 + F(w + p) = xα dla wszystkich x > 0 i pewnego α > 0. Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 22 / 28

Model innowacji i sektora B+R Założenie Sektory B+R (zwiększajace jednostkowa produktywność kapitału badź pracy) złożone sa z continuum badaczy na odcinku I = [0, 1]. W każdej chwili t, badacz i I określa niezależnie jakość swej innowacji ( b i lub ã i ) jako minimum n niezależnych zmiennych losowych o tym samym rozkładzie z dystrybuanta F. Rozkład F ma dodatnia gęstość w przedziale [w, v), gdzie v może być nieskończone, i zerowa gęstość w przeciwnym przypadku. Spełnia on warunek: F(w + px) lim p 0 + F(w + p) = xα dla wszystkich x > 0 i pewnego α > 0. Każda technologia składa się z n doskonale komplementarnych składowych (por. Kremer, 1993): efektywność całości jest efektywnościa najsłabszego ogniwa. Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 22 / 28

Model innowacji i sektora B+R Założenie Sektory B+R (zwiększajace jednostkowa produktywność kapitału badź pracy) złożone sa z continuum badaczy na odcinku I = [0, 1]. W każdej chwili t, badacz i I określa niezależnie jakość swej innowacji ( b i lub ã i ) jako minimum n niezależnych zmiennych losowych o tym samym rozkładzie z dystrybuanta F. Rozkład F ma dodatnia gęstość w przedziale [w, v), gdzie v może być nieskończone, i zerowa gęstość w przeciwnym przypadku. Spełnia on warunek: F(w + px) lim p 0 + F(w + p) = xα dla wszystkich x > 0 i pewnego α > 0. Każda technologia składa się z n doskonale komplementarnych składowych (por. Kremer, 1993): efektywność całości jest efektywnościa najsłabszego ogniwa. Rozkłady produktywności poszczególnych składowych sa niezależne oraz ograniczone z dołu. Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 22 / 28

Kluczowy wynik Twierdzenie Gdy n, minimum n niezależnych zmiennych losowych o dystrybuancie F zbiega wg rozkładu do rozkładu Weibulla z parametrem kształtu α: [1 F (xp n + w)] n d e ( λ) x α, (28) ( gdzie w = inf{x R : F(x) > 0}, p n = ( ) 1 λ F 1 1 n) w. Zakładamy, że wolny parametr λ > 0 jest proporcjonalny do średniej z rozkładu F. Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 23 / 28

Kluczowy wynik Twierdzenie Gdy n, minimum n niezależnych zmiennych losowych o dystrybuancie F zbiega wg rozkładu do rozkładu Weibulla z parametrem kształtu α: [1 F (xp n + w)] n d e ( λ) x α, (28) ( gdzie w = inf{x R : F(x) > 0}, p n = ( ) 1 λ F 1 1 n) w. Zakładamy, że wolny parametr λ > 0 jest proporcjonalny do średniej z rozkładu F. Dowód: bezpośrednia aplikacja jednowymiarowego wariantu twierdzenia Fishera Tippetta Gnedenki o wartościach ekstremalnych. Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 23 / 28

Kluczowy wynik Twierdzenie Gdy n, minimum n niezależnych zmiennych losowych o dystrybuancie F zbiega wg rozkładu do rozkładu Weibulla z parametrem kształtu α: [1 F (xp n + w)] n d e ( λ) x α, (28) ( gdzie w = inf{x R : F(x) > 0}, p n = ( ) 1 λ F 1 1 n) w. Zakładamy, że wolny parametr λ > 0 jest proporcjonalny do średniej z rozkładu F. Dowód: bezpośrednia aplikacja jednowymiarowego wariantu twierdzenia Fishera Tippetta Gnedenki o wartościach ekstremalnych. λ a determinuje średnia ã, zaś λ b determinuje średnia b: ( Eã = λ a Γ 1+ 1 ) (, E b = λ b Γ 1+ 1 ), (29) α α gdzie Γ(x) = t x 1 e t dt jest funkcja Gamma Eulera. 0 Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 23 / 28

Przykłady rozkładów Tablica: Wybrane rozkłady F takie, że dla X 1,..., X n F, min{x 1,..., X n} zbiega wg rozkładu do rozkładu Weibulla wraz z n. Rozkład F dla x [w, v) Ogr.dolne Postulowane pn Impl. λ Impl. α ( ) γx φ ( Pareto(φ) F(x) = 1 w = x γx pn = 1 n 1 ) 1 φ λ = γx α = 1 Jednostajny U([r, s]) F(x) = x r w = r s r pn = n 1 λ = s r α = 1 ( ) ( ) x µ w µ Obcięty N(µ,σ) F(x) = Φ Φ σ ( ) σ w µ dane w pn = pn λ = µ α = 1 1 Φ ( ) σ Weibull(α,λ) F(x) = 1 e xλ α w = 0 pn = α 1 ( ln 1 n 1 ) dane λ dane α Uwagi: (i) wystarczy wziać p n = 1 n dla rozkładu Pareto i p n = n 1 α dla rozkładu Weibulla; (ii) oznaczono p n = 1 w µ + σ ( )] w µ 1 ([1 Φ µ Φ 1 σ n +Φ ( w µ σ )). Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 24 / 28

Uzasadnienie założonego kształtu granicy możliwości technologicznych Wniosek Jeśli rozkłady F sa Pareto, jednostajne badź obcięte normalne, wówczas α = 1, przez co elastyczność substytucji zagregowanej funkcji CES jest równa σ = 1 θ 1 2θ [ 1 2, 1), wzrastajac od 1 2 w przypadku LFP Leontiewa do jedności w przypadku LFP Cobba Douglasa. Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 25 / 28

Uzasadnienie założonego kształtu granicy możliwości technologicznych Wniosek Jeśli rozkłady F sa Pareto, jednostajne badź obcięte normalne, wówczas α = 1, przez co elastyczność substytucji zagregowanej funkcji CES jest równa σ = 1 θ 1 2θ [ 1 2, 1), wzrastajac od 1 2 w przypadku LFP Leontiewa do jedności w przypadku LFP Cobba Douglasa. Granicę możliwości technologicznych można potraktować jako warstwicę łacznego rozkładu jednostkowych produktywności kapitału i pracy (ã, b), gdy spełnione jest: Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 25 / 28

Uzasadnienie założonego kształtu granicy możliwości technologicznych Wniosek Jeśli rozkłady F sa Pareto, jednostajne badź obcięte normalne, wówczas α = 1, przez co elastyczność substytucji zagregowanej funkcji CES jest równa σ = 1 θ 1 2θ [ 1 2, 1), wzrastajac od 1 2 w przypadku LFP Leontiewa do jedności w przypadku LFP Cobba Douglasa. Granicę możliwości technologicznych można potraktować jako warstwicę łacznego rozkładu jednostkowych produktywności kapitału i pracy (ã, b), gdy spełnione jest: Założenie Każda technologia zwiększajaca efektywność kapitału badź pracy jest dołaczana do zbioru możliwości technologicznych, jeśli została potwierdzona przez co najmniej zadany odsetek badaczy w I (z b i z a, odpowiednio). Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 25 / 28

Uzasadnienie założonego kształtu granicy możliwości technologicznych Wniosek Jeśli rozkłady F sa Pareto, jednostajne badź obcięte normalne, wówczas α = 1, przez co elastyczność substytucji zagregowanej funkcji CES jest równa σ = 1 θ 1 2θ [ 1 2, 1), wzrastajac od 1 2 w przypadku LFP Leontiewa do jedności w przypadku LFP Cobba Douglasa. Granicę możliwości technologicznych można potraktować jako warstwicę łacznego rozkładu jednostkowych produktywności kapitału i pracy (ã, b), gdy spełnione jest: Założenie Każda technologia zwiększajaca efektywność kapitału badź pracy jest dołaczana do zbioru możliwości technologicznych, jeśli została potwierdzona przez co najmniej zadany odsetek badaczy w I (z b i z a, odpowiednio). Mamy wtedy P(ã > a, b > b) = P(ã > a)p( b > b) z a z b e N. Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 25 / 28

Plan prezentacji 1 Wprowadzenie 2 Mikropodstawy dla zagregowanej funkcji CES 3 Kierunek postępu technicznego 4 Przypadek funkcji Cobba Douglasa 5 Mikropodstawy dla rozkładu Weibulla 6 Podsumowanie Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 26 / 28

Podsumowanie Celem artykułu było sformułowanie mikropodstaw dla znormalizowanej funkcji produkcji CES z postępem technicznym zwiększajacym jednostkowa produktywność kapitału i pracy. Została ona wyprowadzona jako obwiednia LFP przy założeniu, że zbiór możliwości technologicznych jest warstwica dwuwymiarowego rozkładu Weibulla. Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 27 / 28

Podsumowanie Celem artykułu było sformułowanie mikropodstaw dla znormalizowanej funkcji produkcji CES z postępem technicznym zwiększajacym jednostkowa produktywność kapitału i pracy. Została ona wyprowadzona jako obwiednia LFP przy założeniu, że zbiór możliwości technologicznych jest warstwica dwuwymiarowego rozkładu Weibulla. Normalizacja funkcji CES bardzo pomaga w uzyskaniu przejrzystości i interpretowalności wyników. Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 27 / 28

Podsumowanie Celem artykułu było sformułowanie mikropodstaw dla znormalizowanej funkcji produkcji CES z postępem technicznym zwiększajacym jednostkowa produktywność kapitału i pracy. Została ona wyprowadzona jako obwiednia LFP przy założeniu, że zbiór możliwości technologicznych jest warstwica dwuwymiarowego rozkładu Weibulla. Normalizacja funkcji CES bardzo pomaga w uzyskaniu przejrzystości i interpretowalności wyników. Wyprowadzono predykcje odnośnie kierunku postępu technicznego, odróżniajac go od kierunku B+R. Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 27 / 28

Podsumowanie Celem artykułu było sformułowanie mikropodstaw dla znormalizowanej funkcji produkcji CES z postępem technicznym zwiększajacym jednostkowa produktywność kapitału i pracy. Została ona wyprowadzona jako obwiednia LFP przy założeniu, że zbiór możliwości technologicznych jest warstwica dwuwymiarowego rozkładu Weibulla. Normalizacja funkcji CES bardzo pomaga w uzyskaniu przejrzystości i interpretowalności wyników. Wyprowadzono predykcje odnośnie kierunku postępu technicznego, odróżniajac go od kierunku B+R. Sformułowano argument teoretyczny potwierdzajacy zasadność modelowania rozkładów jednostkowych produktywności czynników jako rozkładów Weibulla. Argument ten oparto na fakcie, iż rozkład ten jest rozkładem min stabilnym. Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 27 / 28

Podsumowanie Celem artykułu było sformułowanie mikropodstaw dla znormalizowanej funkcji produkcji CES z postępem technicznym zwiększajacym jednostkowa produktywność kapitału i pracy. Została ona wyprowadzona jako obwiednia LFP przy założeniu, że zbiór możliwości technologicznych jest warstwica dwuwymiarowego rozkładu Weibulla. Normalizacja funkcji CES bardzo pomaga w uzyskaniu przejrzystości i interpretowalności wyników. Wyprowadzono predykcje odnośnie kierunku postępu technicznego, odróżniajac go od kierunku B+R. Sformułowano argument teoretyczny potwierdzajacy zasadność modelowania rozkładów jednostkowych produktywności czynników jako rozkładów Weibulla. Argument ten oparto na fakcie, iż rozkład ten jest rozkładem min stabilnym. Wykazano, że model wprost uogólnia się do przypadku n czynników wytwórczych. Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 27 / 28

Koniec prezentacji Dziękuję za uwagę. Jakub Growiec (NBP, SGH) Mikropodstawy dla znormalizowanej funkcji CES NBP, 21 września 2011 28 / 28