Книги по разным темам Pages:     | 1 |   ...   | 5 | 6 | 7 | 8 | 9 |   ...   | 18 |

4. Devereux M., Engel C., Storgaard P. (2004) Endogenous exchange rate pass-through when nominal prices are set in advance. Journal of International Economics.

5. Dornbusch R. (1987) Exchange rates and Prices. The American Economic Review.

6. Engel C. (2005) Equivalence results for optimal pass-through, optimal indexing to exchange rates, and optimal choice of currency for export pricing. NBER working paper № 11209.

7. Feenstra R., Gagnon J., Knetter M. (1996) Market share and exchange rate pass-through in world automobile trade. Journal of International Economics.

8. Froot K., Klemperee P. (1989) Exchange rate pass-through when market share matters. The American Economic Review.

9. Goldberg P., Knetter M. (1997) Goods prices and exchange rates:

what have we learned Journal of Economic Literature.

10. Gross D., Schmitt N. (2000) Exchange rate pass-through and dynamic oligopoly: an empirical investigation. Journal of International Economics.

11. Marston R. (1990) Pricing to market in Japanese Manufacturing.

Journal of International Economics.

12. Sutherland A. (2005) Incomplete pass-through and the welfare effects of exchange rate variability. Journal of Iinternational Economics.

С. Буданова Оценка функции спроса населения на электроэнергию в России Введение В течение многих лет в России цены на электроэнергию для потребителей представляли собой фиксированный тариф за 1 кВтч потребленной электроэнергии. В настоящее время согласно действующему законодательству Российский Федерации тарифы на передачу электрической энергии устанавливаются раз в год государственным органом исполнительной власти в лице Комитета по тарифам и ценам в начале календарного года и действуют до конца года.

В последнее время в некоторых регионах России вводится альтернативный тариф с дифференциацией времени потребления, т.е.

цены за единицу потребленной электроэнергии различаются в зависимости от времени суток. В настоящей работе тариф принимается единым, поскольку нам была недоступна информация по количеству потребленной энергии в различное время суток, кроме того, дифференцированный тариф используется ограниченным числом абонентов.

В работе произведена оценка краткосрочных эластичностей спроса населения на электроэнергию для различных административных округов Российской Федерации. Расчеты производились на данных 9Ц11 раундов RLMS (Russia Longitudinal Monitoring Survey - российское лонгитюдное мониторинговое исследование) (конец 2000 г. - конец 2002 г.). RLMS - это исследование, охватывающее выборку в несколько тысяч человек из различных регионов России, опрос касается доходов домашних хозяйств, расходов на коммунальные услуги, наличия тех или иных бытовых приборов (в частности, черно-белых и цветных телевизоров, компьютеров, стиральных машин и холодильников), жилищных условий и пр. Оценка производилась с помощью логарифмической модели спроса на электроэнергию. Отдельно рассчитывались по округам ценовые эластичности для сельских и городских жителей, а также для домашних хозяйств, оборудованных электрическими и газовыми плитами.

Недостатком данных RLMS является отсутствие информации о наличии в домохозяйствах следующих электроприборов: кондиционеров, СВЧ-печей, электрообогревателей. Данные бытовые электроприборы потребляют много электроэнергии, и их наличие либо отсутствие должно существенным образом влиять на общее количество потребляемой домашними хозяйствами электроэнергии. Вместе с тем, как показывают результаты исследования НОБУС (Национальное обследование благосостояния домохозяйств и участия в социальных программах), количество кондиционеров на 100 домашних хозяйств в середине 2002 г. колебалось в районе 3Ц10 штук, примерно такие же данные и по микроволновым печам.

Обзор литературы по теме Анализируя методы решения данной проблемы, известные из научных источников, нельзя оставить без внимания подход, используемый в работе Reiss, White (2001). Краткий обзор этой работы представлен ниже.

Описание работы Reiss & White Работа Reiss, White (2001) посвящена случаю блочных тарифов.

Именно тарифы, состоящие из нескольких частей с уменьшающимися или увеличивающимися предельными ценами (рис. 1), наиболее распространены в западных странах.

Теоретическая модель в данной работе выводится для случая тарифа, состоящего из двух частей - с высокой и низкой предельными ценами pH и pL. Величина спроса на электроэнергию со стороны потребителя при такой тарифной сетке сталкивается с нелинейным бюджетным ограничением, из-за чего оптимальное потребление зависит не только от средней или предельной цены, но и от всей структуры тарифа. Чтобы разрешить эту проблему, использовался следующий подход: в качестве аппроксимации бюджетного множества была взята касательная плоскость к нему, в результате задача сводилась к нахождению спроса на товар при обычном бюджетном ограничении.

Таким образом, если x(p, y) - функция спроса при постоянных цене р и доходе у, то оптимальный потребительский набор при нелинейной тарифной сетке удовлетворяет равенству:

x* = x(p*, y*), (1) где р* - тангенс угла наклона линейной аппроксимации бюджетного ограничения, а y* = y + x( p* - pL). (2) Поскольку предельная цена определяется одновременно и спросом, и предложением, то простой метод наименьших квадратов давал бы смещенную несостоятельную оценку. Можно обойти эту проблему, если рассмотреть, например, либо экзогенный косвенный показатель для предельной цены, либо инструментальные переменные. Но первый способ может привести к смещению искомой оценки из-за ошибочной спецификации предельной цены, а второй неудобен из-за проблем, вызванных поиском хороших инструментов.

Поэтому в работе предлагается использовать другой способ, а именно учитывать равенство спроса предложению в равновесном состоянии. В результате решения системы уравнений, в которую входят уравнения (1), (2) и структура тарифной сетки, была получена такая спецификация модели:

x( pL, y, z, ) + если < c x* = pH, yH, z, ) + если > cx( x если c1 < c где c1 = x - x( pL, y, z, ), а c2 = x - x( pH, yH, z, ) ; - набор параметров, которые надо оценить; z - наблюдаемые характеристики потребителя; - стохастический член.

Хотя для оценки такой модели обычно применяется метод максимального правдоподобия, предпочтительнее использовать оценку, основанную на методе моментов, чтобы иметь возможность оценить спрос не только при имеющихся тарифах, но и при альтернативных, с подобной структурой.

Пусть w = {pL, pH, x, y, z} - набор наблюдаемых характеристик, влияющих на потребление. Обозначим xL( ) = x( pL, y, z, ) и xH ( ) = x( pH, yH, z, ). Тогда ожидаемое значение потребления электроэнергии при заданном наборе параметров w можно записать так:

E(x* | w) = [xL( ) + E( | < c1( ),w)] P( < c1( )) + x P(c1( ) < c2( )) + +[xH ( ) + E( | > c2( ), w)] P( > c2( )), где Р - условная вероятность для распределения при заданном w.

Предполагая, что имеет нормальное распределение, получим:

E(x* | w) = [xL( ) -1]1 + x(2 - 1) +[xH ( ) +2](1- 2 ), 1 = 1 / 1, 2 = 2 /(1- 2) где - обратные отношения Миллса.

Таким образом, мы получили Probit-модель множественного выбора.

Спрос домашних хозяйств на электроэнергию Поскольку потребление электроэнергии домашними хозяйствами зависит от количества бытовых электроприборов, то спрос на электроэнергию в краткосрочном и долгосрочном периодах может значительно колебаться. В краткосрочном периоде количество потребляемой электроэнергии зависит от времени и объемов использования имеющихся в домашнем хозяйстве электроприборов, а в долгосрочном - от количества приборов.

На данных типа cross-section (именно такими располагали авторы работы) можно провести оценку только краткосрочной эластичности. Это и было сделано при следующей спецификации функции спроса.

Все электрические приборы разбивались на K категорий. Спрос на товар k-й категории зависит от цены на электроэнергию, дохода домашнего хозяйства и наблюдаемых и ненаблюдаемых характеристик хозяйства следующим образом:

' xk = k p + y + zkk + k.

k Тогда уровень потребления электроэнергии можно описать в виде:

K x = xk d k k =, где dk равно 1 или 0 в зависимости от того, есть или нет в домашнем хозяйстве электроприбор данной категории. С учетом информации о бытовых электроприборах домашних хозяйств получаем следующий результат:

' x = dkk p + dk y + dk zkk + dkk k kk k k, откуда:

x = p + y + z ' +, = dkk = dk = dkk k k k k где,,.

Несмотря на то что это уравнение выглядит как обычная линейная модель условного спроса, все коэффициенты,,, зависят от имеющихся в домашнем хозяйстве бытовых электроприборов. С учетом (1) видим, что авторы указанной работы оценивают не непосредственно,,, но, скорее, 1, 2,Е, K; 1, 2,Е, K; 1, 2,Е, K, и эти параметры характеризуют ценовую чувствительность каждой категории бытовых электроприборов. Таким образом, такая спецификация учитывает, что домохозяйства с многочисленными бытовыми приборами, которые потребляют много электроэнергии, могут иметь ценовую эластичность и эластичность по доходу, отличную от соответствующих эластичностей для домохозяйств без этих электроприборов.

Описание использованной модели Изначально за основу настоящей работы предполагалось взять подход, использованный в работе Reiss, White (2001). Но поскольку в России тариф является одноставочным, пропадает необходимость во всех методах, использованных в вышеуказанной работе для разрешения трудностей, связанных с нелинейностью бюджетного ограничения. Поэтому было решено использовать следующую спецификацию модели: предполагалось, что x = x(p, y, z,, ). Для удобства подсчета эластичностей была выбрана следующая функциональная форма зависимости:

, ln quant = 1 ln Price +2 ln Income +3 ln Space + где quant - количество потребленной электроэнергии;

Price - цена на электроэнергию;

Income - доход домашнего хозяйства;

Space - жилая площадь.

Также в модель были введены следующие фиктивные переменные:

BWTV - равно 1, если у домашнего хозяйства есть черно-белый телевизор, и 0 в противном случае;

СTV - равно 1, если у домашнего хозяйства есть цветной телевизор, и 0 в противном случае;

Comp - равно 1, если у домашнего хозяйства есть компьютер, и в противном случае;

Refr - равно 1, если у домашнего хозяйства есть холодильник, и в противном случае;

Wash - равна 1, если у домашнего хозяйства есть стиральная машина, и 0 в противном случае.

Итак, в конечном виде обсчитываемая модель выглядела так:

ln quant = 1 ln Price +2 ln Income +3 ln Space +4Refr +5BWTV + +6CTV +7Wash +8Comp + Оценка проводилась на данных RLMS отдельно по всем административным округам России.

О включении цены на газ в число объясняющих переменных Цена на газ довольно часто включается в число объясняющих переменных. Это обосновывается теми соображениями, что газ является субститутом электричества.

Возможно, для городского населения нет смысла включать цену на газ в регрессию, поскольку для них неочевидно, что газ и электричество являются субститутами. В пользу данного утверждения могут говорить такие соображения:

- городские жители не выбирают между электроплитами и газовыми плитами (дома изначально либо оснащены газом, либо нет, и этим практически полностью определяется наличие газовой плиты в доме);

- большинство бытовых приборов не могут работать на газе (например, телевизоры или холодильники; исключением могут быть обогреватели);

- для обладателей электроплит и газовых плит тарифы на электроэнергию различаются;

- большинство тарифов на газ имеют вид не фиксированной цены за какой-то базовый объем потребляемого газа (например, 1 м3), а фиксированной платы за потребление газа каждым членом семьи в течение месяца (т.е. руб./чел.). Соответственно домашнее хозяйство либо пользуется газом, либо не пользуется.

Во всяком случае, включение цены на газ в регрессию для городских жителей с электрическими плитами представляется совершенно неоправданным.

Для домашних хозяйств, оснащенных газовыми плитами, включение цены за газ в регрессию может быть оправдано, так как часть дохода домашнего хозяйства уходит на оплату потребляемого газа, и соответственно доля дохода, остающаяся для оплаты электроэнергии или для покупки бытовых электроприборов, уменьшается.

Как показали расчеты, цены на газ и электроэнергию являются высококоррелированными (коэффициент корреляции примерно равен 0,9), и включение цены на газ в регрессию влечет за собой неустойчивость коэффициентов регрессии. В связи с этим было решено не включать цену на газ в число объясняющих параметров.

Результаты В табл. 1 и на рис. 2 представлены результаты расчета эластичностей по цене и доходу для округов России.

Таблица Общее Электрические плиты Газовые плиты Округ Income Price El. Price El. Income El Price El. Income El El.

1 - Централь- -0,25 0,35 -0,17 0,28 -0,29 0,ный 2 - Северо- -0,29 0,27 -0,22 0,18 -0,31 0,Западный 3 - Южный -0,23 0,29 -0,2 0,48 -0,27 0,4 - Приволж- -0,27 0,29 -0,1 0,21 -0,32 0,ский 5 - Уральский -0,23 0,29 -0,13 0,31 -0,26 0,6 - Сибирский -0,28 0,49 -0,19 0,63 -0,32 0,7 - Дальнево- -0,35 0,2 -0,27 0,2 -0,41 0,сточный Рис. 2. Эластичности спроса на электроэнергию по доходу и цене для округов России Цена оказалась значимой переменной на 5%-м уровне для всех округов, кроме Южного. Отдельно была посчитана эластичность спроса для домашних хозяйств с газовыми и электрическими плита ми, а также для городского и сельского населения. Для большинства домашних хозяйств с электрическими плитами цена на электроэнергию оказалась незначимой на 10%-м уровне. Исключение составляет Дальневосточный округ, где цена на электроэнергию значима для всех 4 групп потребителей. Это, вероятно, связано с тем, что в Дальневосточном округе цены на электроэнергию наиболее высокие в стране. Для сельского населения эластичность по цене оказывалась больше, чем для городского. При этом цена была незначимой для всех регионов, кроме Центрального и Дальневосточного. Для всех регрессий жилая площадь оказалась незначимой переменной на 10%-м и более уровнях значимости. Также оказались незначимыми все фиктивные переменные.

Pages:     | 1 |   ...   | 5 | 6 | 7 | 8 | 9 |   ...   | 18 |    Книги по разным темам