Uncertainty, Political Preferences, and Stabilization: Stochastic Control Using Dynamic CGE Models

Kim, Seung-Rae

doi:10.1023/b:csem.0000049438.56302.14

Cited by 6 publications

(3 citation statements)

References 30 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Approaches to quantifying model uncertainty include statistical sensitivity analysis (Abler et al 1999;Gerlagh and Van der Zwaan 2004) and stochastic parameter control (Kendrick 2005;Kim 2004). The statistical approach evaluates the CGE model using random samples drawn from distributions defined around the uncertain parameters.…”

Section: Methodsmentioning

confidence: 99%

Propagation of Data Error and Parametric Sensitivity in Computable General Equilibrium Models

et al. 2011

View full text Add to dashboard Cite

While computable general equilibrium (CGE) models are a well-established tool in economic analyses, it is often difficult to disentangle the effects of policies of interest from that of the assumptions made regarding the underlying calibration data and model parameters. To characterize the behavior of a CGE model of carbon output with respect to two of these assumptions, we perform a large-scale Monte Carlo experiment to examine its sensitivity to base year calibration data and elasticity of substitution parameters in the absence of a policy change. By examining a variety of output variables at different levels of economic and geographic aggregation, we assess how these forms of uncertainty impact the conclusions that can be drawn from the model simulations. We find greater sensitivity to uncertainty in the elasticity of substitution parameters than to uncertainty in the base-year data as the projection period increases. While many model simulations were conducted to generate large output samples, we find that few are required to capture the mean model response of the variables tested. However, characterizing standard errors and empirical probability distribution functions is not possible without a large number of simulations.

show abstract

Section: Methodsmentioning

confidence: 99%

Propagation of Data Error and Parametric Sensitivity in Computable General Equilibrium Models

et al. 2011

View full text Add to dashboard Cite

show abstract

“…This work began with static models and in recent years has moved to dynamic models, viz. Kim (2004). These models have been applied to national and regional economies.…”

Section: Microeconomicsmentioning

confidence: 99%

Teaching Computational Economics to Graduate Students

Kendrick

2007

Comput Econ

View full text Add to dashboard Cite

show abstract

“…En Böhringer y Rutherford (2002) se utiliza modelo de CGE estático multi-país para determinar impuestos ambientales óptimos, mientras que Bovenberg y Goulder (1996) realizan un análisis similar aplicado al caso de Estados Unidos. 34 Por su parte, Kim (2004) utiliza un modelo lineal de CGE en el contexto de un problema de control estocástico que incorpora la incertidumbre respecto del valor de ciertos parámetros del modelo.…”

Section: Optimizacion De Politicasunclassified

Un modelo de equilibrio general computado para la evaluación de políticas económicas en Argentina: construcción y aplicaciones

Cicowiez¹

View full text Add to dashboard Cite

A lo largo de su historia reciente, la economía argentina ha estado sujeta a shocks de diversas características, con efectos importantes sobre las variables macroeconómicas, el mercado de trabajo, y la distribución del ingreso. En consecuencia, tiene relevancia de política contar con una herramienta que brinde un marco consistente para cuantificar los efectos económicos que pueden tener distintas perturbaciones. El trabajo que aquí se presenta realiza una contribución metodológica en ese sentido. En los capítulos que siguen se presentan todos los componentes que permiten la implementación de un modelo de equilibrio general computado (CGE; del inglés, Computable General Equilibrium) dinámico recursivo para la Argentina. Luego, a fin de ejemplificar el potencial de la herramienta aquí desarrollada, se estudian varios escenarios contrafácticos, donde se analizan impactos tanto agregados como sectoriales, teniendo en cuenta las interrelaciones de equilibrio general. Como veremos, el modelo desarrollado permite hacer evaluaciones de los efectos macro y microeconómicos, de corto y largo plazo, dentro de un marco de consistencia analítica que no permiten enfoques alternativos de equilibrio parcial. La consistencia está asegurada al considerarse, de manera simultánea, los equilibrios macroeconómicos, los equilibrios sectoriales de oferta y demanda, y la igualdad entre ingresos y gastos de cada uno de los sectores institucionales (ver, entre otros, Shoven y Whalley (1984); Chisari et al. (2009). Así, la experimentación computacional que se realiza posibilita la consideración de distintos escenarios, tener en cuenta las reacciones de los agentes económicos, e identificar ganadores y perdedores.

show abstract

Uncertainty, Political Preferences, and Stabilization: Stochastic Control Using Dynamic CGE Models

Cited by 6 publications

References 30 publications

Propagation of Data Error and Parametric Sensitivity in Computable General Equilibrium Models

Propagation of Data Error and Parametric Sensitivity in Computable General Equilibrium Models

Teaching Computational Economics to Graduate Students

Un modelo de equilibrio general computado para la evaluación de políticas económicas en Argentina: construcción y aplicaciones

Contact Info

Product

Resources

About