...

PDF

by user

on
Category: Documents
1

views

Report

Comments

Description

Transcript

PDF
Entwicklung eines Modells
zur Projektion des Wirtschaftswachstums und der
langfristigen Nachfrage nach
Produktionsfaktoren in
Deutschland
unter besonderer Berücksichtigung des informationstechnologischen Innovationsprozesses
Rudolf-Ferdinand Danckwerts
Wolf Dieter Grossmann
Wolfgang Henne
HWWA DISCUSSION PAPER
237
Hamburgisches Welt-Wirtschafts-Archiv (HWWA)
Hamburg Institute of International Economics
2003
ISSN 1616-4814
Hamburgisches Welt-Wirtschafts-Archiv (HWWA)
Hamburg Institute of International Economics
Neuer Jungfernstieg 21 - 20347 Hamburg, Germany
Telefon: 040/428 34 355
Telefax: 040/428 34 451
e-mail: [email protected]
Internet: http://www.hwwa.de
The HWWA is a member of:
• Wissenschaftsgemeinschaft Gottfried Wilhelm Leibniz (WGL)
• Arbeitsgemeinschaft deutscher wirtschaftswissenschaftlicher Forschungsinstitute
(ARGE)
• Association d’Instituts Européens de Conjoncture Economique (AIECE)
HWWA Discussion Paper
Entwicklung eines Modells
zur Projektion des
Wirtschaftswachstums und
der langfristigen Nachfrage
nach Produktionsfaktoren
in Deutschland
unter besonderer Berücksichtigung des
informationstechnologischen Innovationsprozesses
Rudolf-Ferdinand Danckwerts*
Wolf Dieter Grossmann**
Wolfgang Henne***
HWWA Discussion Paper 237
http://www.hwwa.de
Hamburg Institute of International Economics (HWWA)
Neuer Jungfernstieg 21 - 20347 Hamburg, Germany
e-mail: [email protected]
* HWWA Hamburg Institute of International Economics
** UFZ Centre for Environmental Research Leipzig-Halle and GKSS Gesthacht
*** HWWA Hamburg Institute of International Economics
Dieses Diskussionspapier entstand im Rahmen des HWWA-Schwerpunktes “Konjunkturforschung”.
Herausgegeben von der Abteilung Internationale Makroökonomie
Abteilungsleiter: Dr. Eckhardt Wohlers
HWWA DISCUSSION PAPER 237
June 2003
Entwicklung eines Modells
zur Projektion des
Wirtschaftswachstums und
der langfristigen Nachfrage
nach Produktionsfaktoren
in Deutschland
unter besonderer Berücksichtigung des
informationstechnologischen Innovationsprozesses
ZUSAMMENFASSUNG
Es wird das Konzept für ein makroökonomisches Strukturmodell mit integriertem Innovationsprozesskern zur Analyse und Projektion der Wirtschaftsentwicklung in
Deutschland vorgestellt. Das geplante Modell soll explizit die Auswirkungen des immer
bedeutsamer werdenden IuK-technologischen Innovationsprozesses auf das Wirtschaftswachstum erfassen. Das Modell besteht aus einem makroökonometrischen Teil
zur Darstellung der gesamtwirtschaftlichen Entwicklung und einem systemdynamischen Teil zur Erfassung des Innovationsprozesses auf mikroökonomischer Ebene. Als Modellteile sind zwei bereits existierende Modelle, das HWWA-Modell und das
ISIS-Modell, nach ihrer Erweiterung und Anpassung vorgesehen. Die erforderlichen
Modifizierungen, das Verfahren zur Kopplung der beiden Partialmodelle mit unterschiedlicher Periodisierung und die nötigen Arbeitsschritte werden beschrieben.
JEL-Classification: C32, C53, C61, E17, O33
Keywords: Zeitreihenmodelle, dynamische Analyse, Prognose und Simulation, Neue
Ökonomie, Technischer Wandel.
Kontakt:
Wolfgang Henne
Hamburgisches Welt-Wirtschafts-Archiv (HWWA)
Neuer Jungfernstieg 21
20347 Hamburg
Telefon: 040-42834-456
Telefax: 040-42834-451
e-mail: [email protected]
1
Ziel des Projekts
Vor dem Hintergrund der neuesten technologischen Entwicklungen zeichnet sich deutlich ab,
dass das Wirtschaftswachstum in den nächsten Jahren wie schon in der jüngsten
Vergangenheit wesentlich von dem weiteren Vordringen der neuen Informations- und
Kommunikationstechnologien (IuK) sowohl in den Produktionsprozess als auch in den
Konsumbereich getragen wird. Dieses Vordringen der neuen IuK ist dabei zwar nur eine von
verschiedenen Bestimmungsgrößen des Wachstums, jedoch kann man die Rolle der neuen
IuK als einer universell einsetzbaren Schlüsseltechnologie durchaus mit der Bedeutung der
Dampfmaschine, der Eisenbahn, der Elektrizität oder des Automobils vergleichen. Aufgrund
ihres
universellen
Charakters,
der
im
Gegensatz
zu
einigen
dieser
älteren
Schlüsseltechnologien alle Lebensbereiche von der Produktion bis zum Verbrauch umfasst,
wird im folgenden die Hypothese unterstellt, dass der neuen IuK eine große und noch
zunehmende Bedeutung für Wachstum, Beschäftigung und den damit verbundenen
Strukturwandel zukommt.
Mit dem weiteren Vordringen der IuK wird vermutlich auch ein beschleunigter
Strukturwandel einhergehen, der in der Gesellschaft zu gravierenden Spannungen führen
kann, wenn die Wirtschafts- und Sozialpolitik nicht rechtzeitig Maßnahmen zur
sozialverträglichen Abfederung der Anpassungsfriktionen einleitet. Die Herausforderung an
die Politik sollte aber weniger darin bestehen, die sozialen Probleme als Folge des verstärkten
Strukturwandels im nachhinein zu korrigieren, als vielmehr darin, das Wachstum des
Produktionspotentials
vorausschauende
(Arbeit,
Ausgestaltung
Kapital,
der
Technologie
und
gesamtwirtschaftlichen
Know-how)
durch
Rahmenbedingungen
eine
zu
erleichtern. Ein zentrales Ergebnis der Strukturberichterstattung der Wirtschaftsforschungsinstitute besagt zwar, dass eine vorausschauende Strukturpolitik im Sinne einer aktiven
Gestaltung des Strukturwandels zum Scheitern verurteilt ist (Krakowski u.a., 1992). Möglich
erscheint jedoch, Hemmnisse abzubauen und im weitesten Sinne die Voraussetzungen für das
weitere Vordringen der Informationstechnologie zu verbessern. Hierzu zählen insbesondere
auch entsprechende Infrastrukturinvestitionen sowie eine innovationsfreundliche Steuer- und
Abgabenpolitik. Der Abbau von Wachstumshindernissen und die Erleichterung umfassender
Innovationen bedeuten im Gegensatz zu einem nicht realistischen Gestaltungsansatz
1
Unterstützung und Ermunterung statt Kontrolle (Jürgen Fuchs (1999), Die lebendige
Unternehmung). Damit dieser Förderungsansatz in erfolgversprechende Richtungen zielt,
benötigt er laufend Orientierungsinformation darüber, wohin die Entwicklung derzeit führt
und welche Politik-Maßnahmen erfolgversprechend sind. Für diese Orientierung soll das
geplante Modell eine Grundlage bilden.
Die Realisierung dieses Zieles setzt eine sorgfältige Analyse und Projektion des von der
modernen
Informationstechnik
getragenen
Teils
des
gesamtwirtschaftlichen
Innovationsprozesses voraus. Das vom HWWA in Kooperation mit der Gruppe Regionale
Zukunftsmodelle des UFZ Umweltforschungszentrum Leipzig-Halle unter Leitung von Wolf
Dieter Grossmann zu entwickelnde Projektionsmodell soll hierzu einen fundierten Beitrag
liefern. Seine Konzeption wird auf die Nutzung des Modells als Instrument zur Erfassung und
Bewertung möglicher wirtschaftspolitischer Strategien ausgerichtet sein. Ein Hauptanliegen
ist
dabei
die
Wiedergabe
kommunikationstechnologischen
der
Implikationen
Innovationsprozesses
des
im
informations-
und
gesamtwirtschaftlichen
Zusammenhang für alternative wirtschaftspolitische Szenarien. Das Wirtschaftswachstum und
der damit verbundene Strukturwandel werden darüber hinaus aber auch von weiteren Kräften
und Faktoren getrieben, die im Rahmen des Modells nicht differenziert, sondern nur pauschal
als Trend erfasst werden sollen.
2
Methodisches Vorgehen
Die Aufgabenstellung lässt wissenschaftstheoretisch den kombinierten Einsatz verschiedener
Analysemethoden als zweckmäßig erscheinen. Es sind sowohl der gesamtwirtschaftliche
Ablaufprozess auf makroökonomischer Ebene als auch der informationstechnologische
Innovationsprozess auf der mikroökonomischen Ebene modellmäßig zu erfassen. Dabei tritt
das
Problem
auf,
einen
wichtigen
Teil
des
gesamten
mikroökonomischen
Innovationsprozesses im Modell möglichst realistisch wiedergeben zu müssen, ohne dass
hinreichend verlässliche empirisch-statistische Daten über diesen Prozess verfügbar sind. Der
gesamtwirtschaftliche Ablaufprozess lässt sich dagegen gut statistisch belegen. Bei der
Modellbildung bietet sich deshalb die Kombination eines empirisch-statistisch basierten
2
ökonometrischen Verfahrens mit einem simulationstechnischen Vorgehen auf der Basis
statistisch plausibler Annahmen an.
Soweit es möglich ist, werden ökonometrische Verfahren zur Analyse und Projektion des
Wirtschaftsprozesses genutzt. Sie verlangen nicht nur eine gute Datenbasis, sondern sind bei
der Verwendung als Prognoseinstrument auch an die Voraussetzung gebunden, dass die in der
jüngeren Vergangenheit beobachteten Regelmäßigkeiten im Wirtschaftsablauf fortbestehen
werden. Beide Bedingungen gelten nach den bisherigen Erfahrungen bei einer
gesamtwirtschaftlichen Analyse der deutschen Wirtschaft auf makroökonomischer Ebene als
ausreichend erfüllt. Das Gegenteil trifft für eine Analyse des informationstechnologischen
Innovationsprozesses auf mikroökonomischer Ebene zu. Es fehlen nicht nur verlässliche
empirisch-statistische Daten, sondern es sind neben gleichbleibenden Regelmäßigkeiten auch
weiterhin unstetige und sogar sprunghafte Entwicklungen im Ablauf des Prozesses zu
erwarten. Als geeignetes Modellierungsverfahren kann hier die Methode der dynamischen
Simulation eingesetzt werden. Dynamische Simulationstechniken vermögen auf analytischem
Wege ein realistisch erscheinendes Bild von der zu erwartenden Entwicklung des
informationstechnologischen Innovationsprozesses, von seinen treibenden Kräften und von
dem ausgelösten Strukturwandel in der Wirtschaft zu geben.
Die unterschiedlichen Analyseanforderungen des Untersuchungsgegenstandes auf der Makround der Mikroebene verlangen die Entwicklung eines Hybrid-Modells als Basis der Analyse.
Dieses Modell besteht aus einem ökonometrischen und aus einem simulationstechnischen
Teil. Der ökonometrische Modellteil umfasst die gesamte deutsche Wirtschaft auf
makroökonomischer
Ebene
und
der
simulationstechnische
mikroökonomischen
informationstechnologischen
Modellteil
Innovationsprozess
gibt
wieder.
den
Das
Simulationsmodell wird durch eine wechselseitige Verknüpfung als Kern in das
makroökonometrische Modell eingebettet.
Im Mittelpunkt des geplanten Modells („Econometric and System Projection Model“ oder
kurz ESP-Model) stehen die Komponenten des Produktionspotentials sowie die erwartete
gesamtwirtschaftliche Nachfrage in Deutschland, so dass das nachgefragte Volumen und das
Anforderungsprofil des Arbeitskräftepotentials sowie die Kapitalausstattung projiziert werden
3
können. Dabei erhalten die Anforderungen der New Economy an die Arbeitskräfte- und
Kapitalausstattung infolge des besonders dynamischen Innovationsprozesses einen hohen
Stellenwert. Der Zeithorizont des Modells wird sich bis zum Jahre 2010 erstrecken.
Als Vorarbeiten können das vom HWWA zur Prognose der deutschen gesamtwirtschaftlichen
Entwicklung verwendete ökonometrische Modell (HWWA-Modell) sowie das von der
Gruppe Regionale Zukunftsmodelle für den Wirtschaftsraum Hamburg entwickelte regionale
dynamische Simulationsmodell des Innovationsprozesses (ISIS-Modell, Information Society
Integrated Systems) herangezogen werden. Das ökonometrische Modell bildet den
gesamtwirtschaftlichen
Rahmen
ab,
während
das
Simulationsmodell
den
produktionstechnischen Wandel in der etablierten Industrie und das Entstehen der Neuen
Wirtschaft im Beziehungszusammenhang zum Know-how und zum Expertenpotential auf
mikroökonomischer Ebene beschreibt. Dazu weist dieses Modell auch das sogenannte
Informationspotential als einen Haupteinflussfaktor der sich vollziehenden Veränderungen
aus. Damit wird die technische und personelle Perspektive des IT-getriebenen Innovationsund Produktionsprozesses unter langfristigem Aspekt erfasst.
In
verschiedenen
Szenarien
Informationspotentials
z.B.
kann
im
untersucht
Hinblick
auf
werden,
wie
die
wirtschaftspolitische
Nutzung
Ziele
des
wie
„Vollbeschäftigung“ sowie „stetiges und angemessenes Wirtschaftswachstum“1 durch
flankierende wirtschaftspolitische Maßnahmen verbessert werden könnte. Da diese Ziele in
Deutschland im Rahmen der marktwirtschaftlichen Ordnung verfolgt werden sollen, müssten
verschiedene
Politikoptionen
bei
der
Ausgestaltung
der
gesamtwirtschaftlichen
Rahmenbedingungen ansetzen, zum Beispiel bei der Verbesserung der IT-bezogenen
Ausbildung, bei der Ausgestaltung der Einwanderungspolitik, bei der Erleichterung von
Firmengründungen, bei dem Abbau von unnötigen Regulierungen, bei der Vereinfachung des
Steuer- und Abgabensystems sowie bei der grundlegenden Bildungspolitik.
1
4
Vgl. Deutscher Bundestag, Stabilitäts- und Wachstumsgesetz, § 1.
3
Makroökonometrisches HWWA-Modell
Das HWWA-Modell ist ein gesamtwirtschaftliches ökonometrisches Modell, das das
theoretisch begründete und mathematisch formulierte stochastische Beziehungssystem des
Wirtschaftsprozesses in Deutschland auf makroökonomischer Ebene darstellt. Erfasst werden
die Aggregate der Volkswirtschaftlichen Gesamtrechnung (VGR) sowie ihre Abhängigkeiten
auf der Angebots- und der Nachfrageseite des Prozesses, wobei die Quartalsdaten der VGR
Deutschlands als statistische Basis dienen. Wegen des hohen Aggregationsniveaus und der
makroökonomischen Theorieorientierung ist das Beziehungssystem des Prozesses nach
ökonometrischer Tradition als ein dynamisches simultanes Strukturmodell abgebildet. In
teilweiser Anlehnung an die Unterteilung der VGR lassen sich die endogenen (gemeinsam
abhängigen) Variablen des Modells in die Gruppen gliedern (s. Abbildung 1):
-
Arbeitsmarkt
-
Güterangebot und Güternachfrage (Einkommensverwendung)
-
Preisbildung
-
Einkommensentstehung
-
Einkommensverteilung
-
Einkommensumverteilung
-
Staatliche Einnahmen und Ausgaben
-
Geld- und Kapitalmarkt.
Die exogenen (unverzögerten unabhängigen) Variablen des Modells werden teilweise in
Abhängigkeit vom Verwendungszweck des Modells festgelegt. Bei kurzfristigen Prognosen
gelten als exogen im wesentlichen die vorgegebenen Faktoren
-
der Wirtschaftspolitik, wie Steuersätze, Sozialtarife und staatliche Investitionen,
-
der Lohnfpolitik, wie Tariflohnsatz, tägliche Normarbeitszeit,
-
der Weltwirtschaft, wie Importpreise, Weltexport als Indikator der Weltnachfrage,
kurz- und langfristige Zinsen im Eurogebiet und Euro-Dollar-Wechselkurs.
Bei langfristigen Prognosen wird insbesondere der Tariflohnsatz endogenisiert.
5
Abbildung 1: Blockdiagramm des HWWA-Modells
Formal besteht das HWWA-Modell aus einem nicht-linearen System von 128
Differenzengleichungen der Ordnung 8, unter denen 58 stochastischer Art sind, d.h. eine
Zufallsvariable enthalten. Die Variablen des Systems geben die Werte von statistischen
Zeitreihen wieder. Entsprechend ist der Differenzoperator ∆ als die Differenz zwischen zwei
aufeinander folgenden Werten einer diskreten Zeitreihe definiert. Das System lässt sich in
funktionaler Darstellung nach Auflösung der Differenzen schreiben als
(G 3-1)
gi(y, z, ui, ai) = 0,
i = 1, 2, … , 128,
mit
y der (unverzögerte) abhängige Vektor aus 128 Elementen (gemeinsamen abhängigen
Variablen des Gleichungssystems),
z der unabhängige Vektor aus etwa 120 Elementen (unabhängigen Variablen des Systems),
ui der realisierte Wert einer stochastischen Zufallsvariablen Ui oder definitorisch gleich
Null,
ai ein Parametervektor (nur in den Gleichungen mit einer Zufallsvariablen enthalten).
6
Der Vektor z umfasst als Elemente auch die verzögerten abhängigen Variablen der
Differenzengleichungen. Stellt man diese verzögerten Variablen geeignet geordnet zu einer
Matrix Y sowie die übrigen Elemente von z zu einem Vektor x zusammen, ergibt sich als
Darstellung
(G 3-2)
i = 1, 2, … , 128.
gi(y, Y , x, ui, ai ) = 0 ,
Betrachtet man gi als das i-te Element eines Vektors g aus 128 Elementen und fasst man die
Größen ui zu einem Vektor u sowie ai zum Vektor a zusammen, lässt sich das System
wiedergeben als
(G 3-3)
g(y, Y , x, u, a) = 0.
Das Gleichungssystem ist in dem Sinne vollständig, dass es einen Vektor y bei Vorgabe der
Größen Y, x, u und a bestimmt. Als stochastischer Erwartungswert des Zufallsvektors U wird
definiert E(U) = 0.
Die durch g beschriebene Form des Gleichungssystems erlaubt eine Umformung des Systems
zu
i = 1, 2, … , 128,
yi = fi (y-i, Y, x, ai) + ui ,
(G 3-4)
wobei y-i ein Vektor ist, der aus Elementen von y ohne das Element yi besteht. Diese Form
des Systems wird zur Bestimmung von y über das Iterationsverfahren nach Gauß-Seidel unter
Vorgabe von Y, x, u und a benutzt. Für u setzt man dabei den Null-Vektor als Erwartungswert
des Zufallsvariablenvektors U ein. Die Funktionsformen fi des Systems sind so beschaffen,
dass
eine
eindeutige
Fixpunktbestimmung
von
y
trotz
der
Nichtlinearität
des
7
Gleichungssystems in bezug auf y möglich ist. Die Komponenten von y und Y sind die
endogenen Variablen und die Komponenten von x die exogenen Variablen des Modells (s.
Variablenliste im Anhang). Das Modell mit fixierten Parametern a bestimmt die
Zeitreihenwerte der unverzögerten endogenen Variablen yi bei Vorgabe der Zeitreihenwerte
für die verzögerten endogenen Variablen Y und für die exogenen Variablen x. Für die
verzögerten endogenen Variablen sind nur die Zeitreihenwerte zur Ermittlung der jeweils
ersten Zeitreihenwerte der unverzögerten endogenen Variablen komplett als sog.
Ausgangswerte vorzugeben. Bei der Bestimmung der folgenden Zeitreihenwerte der
endogenen Variablen kann auf ihre zuvor ermittelten Werte, die jetzt Werte der verzögerten
endogenen Variablen sind, zurückgegriffen werden.
Die Parameter des Modells werden gleichungsweise auf der Basis der für eine vergangene
Periode (Basisperiode oder Stützperiode) vorliegenden Zeitreihenwerte der endogenen und
der exogenen Variablen durch das OLS-Optimierungsverfahren festgelegt. Dafür betrachtet
man den realisierten Wert ui einer Modellgleichung als Funktion des Parametervektors ai :
(G 3-5)
ui = yi - fi (y-i, Y, x, ai) .
Die Komponenten des Parametervektors werden derart bestimmt, dass die Summe der
quadrierten Werte von ui in der Basisperiode bei vorgegebenen Größen y-i, Y und x den
kleinsten möglichen Wert hat. Alle Variablen des Modells repräsentieren Quartalswerte von
Zeitreihen. Die Ausrichtung des Modells auf Quartalswerte impliziert die Aufnahme von
stationären Saisonvariablen in die Modellgleichungen zur Erfassung von saisonalen
Entwicklungsregelmäßigkeiten.
Die Form des HWWA-Modells ist komplexer als die der bekannten VAR-Modelle (vektorautoregressive Modelle), die sich – in rekursiver Form – bezüglich der abhängigen Variablen2
2
8
Die abhängigen Variablen können jedoch beliebige Transformationen statistischer Zeitreihen
repräsentieren.
mit einer linearen Struktur begnügen. Das HWWA-Modell lässt sich linear weder in eine
reduzierte oder autoregressive Form noch in eine fehlerkorrigierende Form (Error Correction
Model, ECM) transformieren. Es stellt ein theorieorientiertes interdependentes Strukturmodell
dar. Die theorieorientierte Strukturform des Modells ermöglicht nicht nur eine verständliche
und eindeutige Wiedergabe komplexer theoretischer Zusammenhänge in der Wirtschaft,
sondern auch seine theoriegerechte Erweiterung durch Verknüpfung mit anderen
Strukturmodellen. Diese Modelleigenschaft ist eine Voraussetzung für die vorgesehene
Einbettung des
Simulationsmodells
der
Innovationsentwicklung.
Einfache
Modelle
beispielsweise in der univariaten autoregressiven Form, die als Funktion der Zeit häufig für
kurzfristige Prognosen verwendet werden, bieten solche Möglichkeiten meist nicht. Sie sind
wirtschaftstheoretisch nur schwach fundiert und gelten somit als eine Art „Measurement
without Theory“.
Mit der Vorgabe der Gleichungsformen gi, der abhängigen und der unabhängigen Variablen y,
z, der Parameter ai sowie mit der Zuordnung ökonomischer statistischer Reihen zu den
Variablen ist noch nicht die wirtschaftstheoretische Konzeption des Modells festgelegt,
sondern erst die Modellklasse bestimmt, aus der das zu spezifizierende Modell ausgewählt
werden
soll.
Diese
Auswahl
geschieht
durch
die
Parameterberechnung
-
auch
Parameterschätzung genannt - in Abhängigkeit von den beobachteten Variablenwerten in der
Stützperiode des Modells. Dabei verlässt man sich allerdings nicht nur auf das Ergebnis des
OLS-Optimierungsverfahrens,
sondern
berücksichtigt
sowohl
wirtschaftstheoretische
Plausibilitätsanforderungen hinsichtlich der Parameterwerte als auch die Ergebnisse
durchzuführender statistischer Tests3. Im Bedarfsfall werden die Gleichungsformen gi so
lange geändert, bis das OLS-Verfahren theoretisch und statistisch befriedigende Resultate
liefert.
Die Stützperiode erstreckt sich bei Modellprognosen über einen Zeitraum von mindestens 10
Jahren und wird bei Vorliegen neuer empirisch-statistischer Zeitreihenwerte gleitend
3
Unter der plausiblen Annahme, dass die nichtstationären Variablen des Modells die
Integrationseigenschaft der Ordnung Eins aufweisen und gleichungsweise kointegriert sind, gelten
9
verschoben (Moving-Window-Technik). Die Art der Parameterbestimmung gewährleistet,
dass das spezifizierte Modell die sich in den statistischen Daten widerspiegelnden
ökonomischen Beziehungen in der Basisperiode meist gut beschreibt. Die Nutzung des
Modells für Prognosen oder Simulationen beruht auf der Hypothese gleichbleibender
Beziehungszusammenhänge.
Mit der Parameterbestimmung wird zugleich die wirtschaftstheoretische Konzeption des
spezifizierten Modells festgelegt. Die unterstellte Modellklasse umfasst sehr unterschiedliche
Modelle. Dazu gehören sowohl Modelle der Neuen Klassischen Makroökonomie als auch
Modelle der Neuen Keynesianischen Makroökonomie. Trotz dieser Vielfalt wird in der Regel
aufgrund der statistischen Daten für die Basisperiode ein Modell spezifiziert, das hinsichtlich
des Zusammenwirkens der Prozessdeterminanten mehr keynesianische als neoklassische
Merkmale aufweist. Eine Erklärung hierfür könnte zum einen in der differenzierteren
Erfassung der Nachfrageseite im Vergleich zur Angebotsseite und zum anderen in der
grundsätzlichen Schwierigkeit liegen, angebotswirksame Faktoren wie Erwartungen der
Unternehmer ökonometrisch wegen fehlender verlässlicher statistischer Daten realistisch
abzubilden. Die Erweiterung des Modells um eine Kernkomponente zur Wiedergabe eines
IuK-Innovationsprozesses ermöglicht vermutlich eine ausgewogenere Erfassung von Faktoren
auf der Angebotsseite der Wirtschaft.
die einzelparameterbezogenen statistischen Standardtests der Regressionsanalyse
asymptotischer Annäherung (s. Jack Johnston, John DiNardo (1997), S 261-263, 294, 317).
10
in
4
Simulationsmodell ISIS
Das regionale ISIS-Modell entstand am UFZ in zwei Projekten einer interdisziplinären
Arbeitsgruppe, in einem BMBF-geförderten Projekt und einem EU-Projekt. Es wurde
zunächst für den Stadtstaat Hamburg entwickelt, weil er eine gute Datengrundlage bietet und
als Stadtstaat eine relativ abgeschlossene und überschaubare Einheit bildet. Erste
Untersuchungen zur Anwendung des Modells auf andere Regionen wurden im EU-Projekt
unternommen. Varianten des ISIS-Modells werden in internationaler Zusammenarbeit für
Untersuchungen
zur
Adaptation
und
Mitigation
in
der
Klimaproblematik
unter
Berücksichtigung der gegenwärtigen wirtschaftlichen und sozialen Innovation und
Transformation verwendet (Grossmann 2002, Grossmann et al. 2003).
4.1
Theoretischer Modellaufbau
Das Modell hat die Aufgabe, den von neuen Schlüsseltechnologien induzierten
wirtschaftlichen und sozialen Strukturwandel für eine Region abzubilden und dabei das
Zusammenwirken von Mensch, Wirtschaft, Wissen und Umwelt im Innovationsprozess zu
erfassen. Der Schwerpunkt des Modells liegt auf der Wiedergabe des Investitions- und
Produktionsprozesses in seiner Abhängigkeit von den wichtigsten langfristigen und
zeitabhängigen Determinanten unter Einschluss wirtschaftspolitisch steuerbarer Parameter auf
mikroökonomischer Ebene. Neue Schlüsseltechnologien, insbesondere die neuen IuK-, Genund Proteintechnologien, verändern allmählich alle Lebensbereiche. Sie werden nicht allein
als Technologie oder Element des Produktionsprozesses behandelt, sondern auch als
Einflussfaktoren auf Lebensführung und Kultur mit Rückkoppelungseffekten auf die
Wirtschaft. Das Modell in der vorliegenden Form für den Stadtstaat Hamburg ist nicht für
eine Analyse der Strukturwandlungen konzipiert, die von Faktoren außerhalb des
technologischen Innovationsprozesses ausgelöst werden, wie z.B. durch die Einführung der
Euro-Währung. Im Prinzip wäre es nicht schwierig, auch spezielle Strukturwandlungen dieser
Art in einem erweiterten Modell explizit abzubilden.
Dem ISIS-Modell liegt die Hypothese zugrunde, dass die Entwicklung einer neuen
Basisinnovation, wie derzeit der IuK-Technologien, in Prozessen erfolgt, die zwischen
Reifung und erneuten grundlegenden Innovationen iterieren. Es entsteht hierdurch ein neuer
11
Wirtschaftsbereich, der sich viele Jahre lang
sehr viel dynamischer entwickelt als die
„alten“ reifen Sektoren der Wirtschaft. Das Modell unterscheidet deshalb beim Ablaufprozess
zwischen dem Bereich der neuen und dem der reifen Wirtschaft, wobei Gegenstand der
Einteilung die Funktionseinheiten der Wirtschaft sind und nicht institutionell nach
Wirtschaftszweigen gegliederte Unternehmen. Hauptkennzeichen der neuen Wirtschaft sind
der Informationsreichtum und die ausgedehnte Vernetzung. Als bestimmendes Element in der
Entwicklung der neuen Wirtschaft gilt das Entstehen einer neuen Gruppe von innovativ
handelnden Personen. Hierdurch erhält das Modell des Innovationsprozesses eine
angebotsorientierte Ausrichtung. Schon Schumpeter (1939) hatte beschrieben, wie mit dem
Aufstieg einer neuen Basisinnovation auch eine neue Führungsschicht aufsteigt. Die Personen
dieser neuen Führungsschicht verfügen über neuartiges Know-how, das nur langsam
Allgemeingut wird. Dieses neue Know-how ist unerlässlich für die Entwicklung neuer
Produkte und den Erfolg neuer Firmen. Die Wechselwirkungen zwischen dieser
Personengruppe, der Gesellschaft und der neuen Wirtschaft sind nicht nur förderlich, sondern
wegen der Knappheit an innovativ handelnden Personen auch begrenzend für das Wachstum
der neuen Wirtschaft.
Sowohl im neuen als auch im alten Wirtschaftsbereich agieren Wirtschaftseinheiten in
unterschiedlichen Entwicklungsstadien. Das Modell gliedert die Entwicklung einer
Wirtschaftseinheit (Betriebseinheit, Unternehmenseinheit) von der Gründung bis zur
Auflösung in sieben Phasen, die die Entwicklung der Basisinnovation widerspiegeln: 1)
Gründung, 2) erstes Angebot neuer nachgefragter Produkte, 3) wechselseitige Anpassung
von Produktion, Bedarf und Umweltbedingungen
(Produktvielfalt,
Nebenprodukte,
Serviceleistung, Infrastruktur), 4) sehr rasches Wachstum der Produktion, des Absatzes, der
Mitarbeiterzahl, des investierten Kapitals, 5) stetige Reifephase, 6) Phase rasch zunehmender
globaler Konkurrenz mit Rationalisierung, Preissenkungen bei stark zunehmender
Produktqualität, fallweise Abstieg durch Verlust der Wettbewerbsfähigkeit, 7) relative
Bedeutungslosigkeit und fallweise sogar Auflösung. Die Phasen
kennzeichnen typische
Verhaltens- und Reaktionsweisen einer Wirtschaftseinheit bei ihren Produktions- und
Investitionsentscheidungen. Im Bereich der alten Wirtschaft bestimmen nach dem Modell die
Wirtschaftseinheiten der Entwicklungsphasen fünf bis sieben die Produktions- und
Investitionstätigkeit, während im Bereich der neuen Wirtschaft derzeit vor allem die Einheiten
der ersten vier Entwicklungsphasen den Hauptbeitrag zu diesen Tätigkeiten leisten. Der
12
Kapitalbestand und die Investitionen aller Einheiten derselben Entwicklungsphase werden in
dem Modell - gesondert nach den beiden unterschiedenen Wirtschaftsbereichen – jeweils zu
einem Aggregat, Cluster genannt, zusammengefasst und die Abhängigkeit dieser Aggregate
auf der mikroökonomischen Ebene dargestellt. Die Cluster eines Bereichs bilden, in der
Reihenfolge der Entwicklungsphasen eins bis sieben zu einem Modellmodul verbunden, eine
„Aging chain“ nach Sterman (Sterman (2000), pp 470). Die Cluster als Glieder der Kette
verändern sich durch (s. auch Abbildung 2)
- Zugang aus einem Cluster niedrigerer Entwicklungsphase bzw. durch Neugründung
- Übergang in ein Cluster höherer Entwicklungsstufe bzw. Auflösung
- interne Wachstums- oder Schrumpfungsvorgänge.
Diese Veränderungsprozesse in der „Aging chain“ werden durch die Investitionstätigkeiten
der Wirtschaftseinheiten des Bereichs bestimmt.
Previous
phase
transition to next phase
Abbildung 2: Die wesentlichen Elemente
einer Aging chain für investiertes Kapital
(„Phase“ in der Mitte der Zeichnung) in
ISIS
growth
inward
investment
obsolescence
Phase
outward
investment
transition to next phase
Next
phase
Als wichtige Determinanten für die innovativen Investitionen und damit auch für die
Produktion aller Wirtschaftseinheiten eines Bereichs in den einzelnen Entwicklungsphasen
gelten neben dem bereits vorhandenen Produktionskapital und der einkommensabhängigen
Nachfrage4 die Verfügbarkeit über neue Schlüsselpersonen, innovatives Know-how und
globales Informationspotential. Diese innovationsbezogenen Einflussfaktoren werden - analog
zur Investition und Produktion - für jede Entwicklungsphase der Wirtschaftseinheiten eines
13
Bereichs
gesondert
ausgewiesen.
Submodelle
(s.
Abbildung
3)
beschreiben
die
Abhängigkeiten und die zeitliche Entwicklung dieser Faktoren. Als weitere Gruppe von
Einflussgrößen für die Investition sowie die Produktion berücksichtigt das ISIS-Modell
regionsspezifische Standortfaktoren, wie z. B. Flächenverfügbarkeit, Infrastruktur und
wirtschaftspolitisches Szenario.
4
14
In dem Modell entspricht die Entwicklung das Einkommen der des potentiellen
Produktionsergebnisses, das wiederum von dem jeweiligen investierten Kapital abhängt.
Bevölkerungs-Submodell
Submodell Landnutzung u. Landschaft
Geburten, Sterbefälle
Arbeitskräfte
Qualifikation
Beschäftigungsquote
Schlüsselpersonen in reifer Wirtschaft
(Angebot, Nachfrage, Aus- und Fortbildung)
Schlüsselpersonen in neuer Wirtschaft (Angebot, Nachfrage, Aus- und Fortbildung, Zuund Wegwanderung, Qualifikationsverlust)
Siedlungs-, Landwirtschafts-, u. Waldfläche
Infrastruktur
Gärten, Parks, öffentliches Grün
Naturschutzflächen
Innovative ökologische Flächen („Urban
Nature Sanctuaries“)
Wandlungsraten von einem Landnutzungstyp
in andere
Regionale Standortfaktoren
Schlüsselpersonen (Anzahl), Ausbildung,
Steuern,
Bürokratie,
psychologische
Unterstützung für Neues, soziale Struktur,
Informationsinfrastruktur, wichtige andere
Infrastruktur, Fortbildung, Universitäten
Lebensqualität, regionale Attraktivität
Informationspotential
Regionale Indikatoren
Umfang
und
Geschwindigkeit
der
Informationsinfrastruktur
Zahl und Geschwindigkeit der Mikrochips
Verfügbare digitale Daten
Zahl der Datentypen
Beschäftigung
Zustand der Landwirtschaft
Verfügbarkeit (Knappheit) von Fläche
Lebensqualität
Einkommensniveau
Wissenssektor
Erzeugung neuen Know-hows (Cluster von
Basisinnovationen)
Phasen des etablierten Know-hows
Anwendung des neuen Know-hows mit
Forschung
und
Entwicklung;
seine
Förderung durch neue Schlüsselpersonen und
durch neue Wirtschaft
Fortbildung, Universitäten usw.
Märkte – Einkommen - Investitionen
Reife Wirtschaft (Submodell)
Unternehmensgründungen, Vitalität,
Wachstum,
Reifen, Entwicklungsphasen, Abstieg u.
Verlust der Wettbewerbsfähigkeit
Vertikale Konkurrenz durch reife Wirtschaft
Wettbewerb durch neue Wirtschaft
Schlüsselpersonen: Angebot und Nachfrage
Verfügbarkeit von Fläche und Infrastruktur
Neue Wirtschaft (Submodell)
Naherholungsangebot, Freizeitangebot
Bevölkerungsdichte
relatives Einkommensniveau
Zahl neuer Schlüsselpersonen
Aus- und Fortbildung, Schulen
Einkommen
Durch neue Produkte induzierte zusätzliche
Nachfrage
Attraktivität informationsbasierter Produkte
Produktion in reifer und neuer Wirtschaft
Produktivität
Rationalisierung
Unternehmensgründungen, Vitalität,
Wachstum,
Reifen, Entwicklungsphasen, Abstieg
Vertikale Konkurrenz durch neue Wirtschaft
Wettbewerb durch reife Wirtschaft
Schlüsselpersonen: Angebot und Nachfrage
Verfügbarkeit von Fläche und Infrastruktur
Abbildung 3: Übersicht über die Submodelle von ISIS
15
Bei den im Modell dargestellten Abhängigkeiten handelt es sich nicht nur um Beziehungen
innerhalb eines Wirtschaftsbereiches, sondern auch um Wechselwirkungen zwischen den
beiden Bereichen etablierte und neue Wirtschaft, die als Konkurrenz- und als
Kooperationsbeziehungen abgebildet werden. Entsprechend der Modellausrichtung auf eine
Wiedergabe der Prozessabläufe in kleinen Zeitschritten auf mikroökonomischer Ebene gelten
alle erfassten Beziehungen als kausale Relationen in dem Sinne, dass sie die Auswirkungen
eines Zustandes im Zeitschritt t auf den Zustand im Zeitschritt t+1 beschreiben, wobei nicht
nur unilaterale, sondern auch multilaterale und gekreuzte (kreuzkatalytische, cross-catalytical
networks, CCNs, Clarke (1980), s. Abbildung 4) zeitliche Verknüpfungen der erfassten
Zustandsmerkmale vorkommen. Das Modell hat somit einen rekursiven Aufbau, der die
Entwicklung der berücksichtigten Zustandsmerkmale von Zeitschritt zu Zeitschritt darstellt.
Es ist auf eine theoriegerechte Abbildung der Veränderungen des Prozessablaufs von
Zeitschritt zu Zeitschritt unter Einbeziehung komplexer nichtlinearer und zeitabhängiger
Relationen ohne stochastische Elemente und damit ohne genaue ökonometrische Absicherung
fokussiert5.
β unterstützt
α
Abbildung 4: Struktur eines
CCN mit zwei Mitgliedern
Autokatalytsiches
Wachstum von
α
α
α unterstützt
β
β
Autokatalytsiches
Wachstum von
β
Obwohl sich in dem gegenwärtigen IuK-technologischen Innovationsprozess noch zahlreiche
Überraschungen ergeben können, die ein hohes Ausmaß an Unsicherheit verursachen, ist der
Rahmen dieser Entwicklung durch verschiedene sogenannte „Gesetze“ seit über zwei
Jahrzehnten gut prognostizierbar. Diese „Gesetze“ sind auch für die nächsten zehn Jahre als
recht verlässlich anzusehen (z.B. Lundstrom (2003)). Dagegen kann nur in geringem Maße
5
16
Hierin besteht ein wesentlicher Unterschied und zugleich eine partielle Erweiterung gegenüber den
VAR-Modellen.
abgeschätzt werden, welche spezifischen Technologien hieraus entstehen und welche
Produkte und Gewohnheiten sich durchsetzen werden.
Das ISIS-Modell bildet diese verschiedenen „Gesetze“ der informationstechnologischen
Entwicklung und den resultierenden wirtschaftlichen Strukturwandel ab. Damit erlaubt das
ISIS-Modell, theoriegestützt sowohl die Auswirkungen von Politik-Maßnahmen im Komplex
zusammenwirkender
Faktoren
zu
verfolgen
als
auch
zu
analysieren,
wo
Entwicklungsengpässe bestehen, wie sich Maßnahmen verbessern lassen und wie komplexe
Maßnahmenbündel in bestimmten Szenarien wirken (s. Abbildung 5).
A
Basic innovations of the 1930s
Knowl. Econ- Knowpeople
omy
how
Knowl.
people
Realms
Economy
Knowhow
CCNs
between
knowledgeable
people,
economy
and
knowhow
Phases
Competition
cooperation
transformation
rationalization
C
B
Basic innovations around new ICTs
Markets, production, income
D
Policies
Abbildung 5: Grundkonfiguration von ISIS für innovativen Strukturwandel
Das Modell besteht formal aus 56 mathematischen Gleichungen mit ebenso vielen abhängigen
Variablen (Zustandsvariablen, s. Anhang) sowie aus 125 zum Teil nichtlinearen Funktionen
zur Definition der Parameter und Koeffizienten der Modellgleichungen. Etwa die Hälfte
dieser Funktionen dient zur Darstellung möglicher Policies. Die funktionalen Beziehungen
des Modells werden aufgrund theoretischer Überlegungen, empirischer Erhebungen und
Analysen sowie des verfügbaren Expertenwissens unter Einsatz heuristischer Methoden der
Kalibrierung und
Validierung
festgelegt.
Als
einzige
unabhängige
Variable
des
17
Gleichungssystems tritt die Zeitvariable auf. Da die Modellgleichungen keine stochastischen
Komponenten enthalten, beschreiben sie deterministisch den zeitlichen Verlauf der
abhängigen Variablen unter der jeweiligen Koeffizienten- und Parameterkonstellation. Er ist
als Gleichgewichtspfad für die zeitliche Entwicklung der abhängigen Modellvariablen
anzusehen. Entsprechend theoretischer Anforderungen ist ein Teil der Modellgleichungen
beispielsweise durch Verwendung logistischer Funktionsformen so gestaltet, dass der
Gleichgewichtspfad ihrer jeweiligen abhängigen Variablen nach einer gewissen Zeit in ein
Stagnationsstadium einmündet, er sich also im Laufe der Zeit einem endlichen Grenzwert
nähert.
4.2
Mathematische Modellform
Formale Basis des ISIS-Modells ist ein System gewöhnlicher Differentialgleichungen:
(G 4-1)
dxi/dt = Gi( x1, x2, …, xm; t; k1, k2,…,kr; p1, p2,…,ps), i = 1, 2, …m;
mit den abhängigen Variablen x1, x2, …, xm, der einzigen unabhängigen Variablen t und mit
Konstanten k1, k2,…, kr sowie Parametern p1, p2,…,ps. Die abhängigen Variablen
bezeichnen Zustandsvariablen des dargestellten Ablaufprozesses wie z.B. investiertes
Kapital, Zahl der Arbeitskräfte, Bevölkerungszahlen, Know-how, Ausrüstung (s. Liste im
Anhang). Durch geeignete Gruppierung der Zustandsvariablen erhält man die bereits
erwähnten Submodelle. Für die Zustandsvariablen sind Anfangswerte vorgegeben. In dem
Modell für Hamburg hat m den Wert 56. Die Variable t repräsentiert die Zeit. Die k1, k2,…,
kr bezeichnen im Modell Konstanten und die p1, p2,…,ps
Policy-Parameter (Maßnahmen
oder Handlungsoptionen wie z.B. die Förderung der Ausbildung von hochqualifiziertem
Personal oder die Erstellung bzw. auch Behinderung von Informationsinfrastruktur - letzteres
beispielsweise durch Versteigerung der UMTS-Lizenzen).
Diese Differentialgleichungen lassen sich für die numerische Auswertung mit dem EulerVerfahren in ein rekursives Differenzengleichungssystem erster Ordnung überführen, wobei
die Zeitvariable in eine diskrete Zeitabschnittsreihe umgewandelt wird:
18
(G 4-2)
xij +1 = xij + ∆t × Fi j ( x1j , x2j ,... xmj ; k1 , k 2 ,...k r ; p1 , p2 ,... p s ), j = 0,1,...; i = 1,2,...m .
Mit xij wird der Wert der Zustandsvariablen xi am Ende des Zeitabschnittes j bezeichnet. Für
j = 0 werden die vorgegebenen Anfangswerte der Zustandsvariablen eingesetzt. ∆ t ist der
Zeitschritt der Euler-Integration, d. h. die Länge eines Zeitabschnittes der diskreten Zeitreihe,
typischerweise zwischen ¼ (Quartal) und 1/32 bei mathematisch weniger stabilen
Simulationsmodellen. Die Funktionsterme Fi j leiten sich aus Gi her durch Parametrisierung
der Zeitvariablen t und Einsetzen der Zeitvariablenwerte des Endes der jeweiligen diskreten
Zeitabschnitte j als Zeitparameterwerte. Verwendet man nach der Substitution der
Zeitvariablen das Symbol t in derselben Weise wie j zur Bezeichnung der diskreten
Zeitabschnittsreihe, erhält man aus (G 4-2) durch Summation die folgenden bestimmten
Euler-Integrale der Modellgleichungen:
t −1
(G 4-3)
xit = xi0 + ∆t × å Fi j ( x1j , x 2j ,... xmj ; k1 , k 2 ,...k r ; p1 , p2 ,... ps ), t = 1,2,...; i = 1,2,...m .
j =0
Die Integral-Gleichungen verdeutlichen, dass die Werte der abhängigen Variablen des
Modells für äquidistante Zeitpunkte, ausgehend von den vorgegebenen Anfangswerten xi0 ,
schrittweise rekursiv zu errechnen sind. Die Funktionsterme Fi j stellen
die Niveau-
Veränderungen der Zustandsvariablen des Modells während eines Zeitschritts in
Abhängigkeit von den Werten der Variablen am Ende des vorhergehenden Zeitschrittes dar.
Das durch diese Funktionsausdrücke wiedergegebene Beziehungsgefüge des Modells ist
somit auf die Erklärung der Veränderungen der Zustandsvariablen in den einzelnen
Zeitschritten ausgerichtet.
Im Interesse einer flexiblen Gestaltung setzt die Konstruktion des ISIS-Modells nicht bei den
Gleichungen (G 4-1) an, sondern im Sinne des „real structure modeling“ unmittelbar bei der
Definition der Funktionsterme
Fi j . Diese Terme sind sowohl für die zugeordneten
Zustandsvariablen als auch von Zeitschritt zu Zeitschritt sehr unterschiedlich gemäß den
theoretischen
Anforderungen
gestaltbar,
differenziert
nach
Wirtschaftsbereich
und
Entwicklungsphase der Wirtschaftseinheiten. Sie können einfache Variablen - Flussvariablen
oder Flow Variables genannt (Flussvariable halten die Entwicklung „in Fluss“). – oder auch
sehr komplexe Funktionsausdrücke repräsentieren. Beispiele für Flussvariablen sind Geburts19
und Sterbezahlen sowie Zu- und Wegzug für die Zustandsvariable Bevölkerung und
Abschreibung und Investitionen für die Zustandsvariable investiertes Kapital. Als
Funktionsformen der Terme werden häufig logistische Funktionsausdrücke
fij = aij xn(ij)/(bij + xn(ij))
(G 4-4)
mit Konstanten aij, bij, n(ij) >= 0
unter Einschluss von Parametern und zusätzlichen
Funktionen
(Auxiliaries)
zur
Berücksichtigung von Sättigungsgrenzen für die Entwicklung der Zustandsvariablen
verwendet. Auxiliaries genannte Ausdrücke sind abgeleitete Größen wie beispielsweise die
Bevölkerungsdichte, das Verhältnis von Schlüsselpersonen zur Nachfrage nach diesen
Schlüsselpersonen oder die Bereitschaft, Ausbildungen für die Tätigkeitsfelder der neuen
Wirtschaft zu durchlaufen. Die Werte der Funktionsterme
Fi j
für die einzelnen
Zustandsvariablen i und die einzelnen Zeitschritte j werden im ISIS-Modell nicht immer als
analytische Funktionsausdrücke dargestellt, sondern manchmal auch durch einfache
zweidimensionale Tabellen oder Matrizen -– Tabellenfunktionen genannt – bereitgestellt.
4.3
Produktionsfunktion
Die
im
Mittelpunkt
des
ISIS-Modells
stehende
Produktionsfunktion
wird
als
Potentialfunktion formuliert. Für sie bestimmend sind die realen Netto-Investitionen. Die
Investitionen eines Zeitschrittes hängen im Modell wiederum von folgenden Faktoren des
vorhergehenden Zeitschrittes ab:
1. Autokatalytisches Wachstum des investierten Kapitals der jeweiligen Phasen.
2. Verfügbarkeit von Schlüsselpersonen der Phase j: Funktion f11 (KPj vorhanden / KPj
Nachfrage) für reife und neue Wirtschaft, j= 1, 2,...7.
3. Funktion f12 als „enabling factor“, abhängig von innovativem Know-how NKHj der
Phase j.
4. Funktion f13 als weiterer „enabling factor“, abhängig vom Informationspotential (IP).
20
5. Funktion f14, abhängig von Nachfrage aufgrund des Einkommens im Verhältnis zur
vorhandenen Produktionskapazität.
6. Kaufkraftkonkurrenz f15, abhängig von der Variablen „Comparative attractiveness of
information offers“ im Verhältnis zur Attraktivität der Produkte der reifen Wirtschaft.
7. Anfängliche unterdrückende Wirkung der reifen Wirtschaft auf die Entwicklung der
neuen Wirtschaft f17(NE_total/MatInd_total). Zusätzlich gibt es in späteren Stadien
der Entwicklung der neuen Wirtschaft eine unterdrückende Wirkung der neuen auf die
reife Wirtschaft.
8. „Vertikale Konkurrenz“ f17([NE_1 + NE_2 + NE_3 + NE_4] / [NE_56 + NE_7]).
9. Verfügbarkeit von Fläche für die Wirtschaft.
10. Standortfaktoren, getrennt nach neuer und reifer Wirtschaft.
11. Wirkungen von Policies für die neue Wirtschaft und von Subventionen auf die reife
Wirtschaft. (Durch die vielfältigen Vernetzungen zwischen neuer und reifer Wirtschaft
wirken Policies stets auch auf den nicht direkt durch die Policies betroffenen
Wirtschaftsbereich.)
12. Abgabe von investiertem Kapital einer Phase an die nachfolgende Phase durch
Reifung in der Aging chain, bzw. Abgang von investiertem Kapital durch technische
Abschreibung in der letzten Phase.
Die nachfolgende Gleichung für die Veränderung des investierten Kapitals NE1 der ersten
Phase der neuen Wirtschaft
enthält die aufgezählten Faktoren in der angegebenen
Reihenfolge:
(G 4-5)
(d/dt)NE1 = (NE1 + NE2 + NE3) * σ * f11(KP_NE_123 / KP_NE_123_dmd_perc) *
f12(NKH1) * f13(IP) * f14(income) * f15 (IP) * f16(NE_total/MatInd_total) *
f17([NE_1 + NE_2 + NE_3 + NE_4] / [NE_56 + NE_7])
* f18(Flächennachfrage/Flächenangebot) * f19 (Standortfaktoren)
* f1,10(Policies)
- s11 * NE1
21
Aus Gleichung (G 4-5) für die Veränderung des investierten Kapital NE1 lässt sich die
Produktionsfunktion für diese Phase ableiten. Das investierte Kapital zum Zeitpunkt t ist die
Summe von Anfangswert des investierten Kapitals für die jeweilige Phase, z.B. hier NE1(t0),
plus Integral über die Veränderungen des investierten Kapitals (G 4-5) über den Zeitraum [t0,
t], d.h.
t
(G 4-6)
NE1(t) = NE1(t0) +
ò
{ (NE1 + NE2 + NE3) *σ * f11(KP_NE_123 /
t0
KP_NE_123_dmd_perc) * f12(NKH1) * f13(IP) * f14(income) * f15 (IP) *
f16(NE_total/MatInd_total) * f17([NE1 + NE2 + NE3 + NE4] / [NE56 + NE7]) *
f18(Flächennachfrage/Flächenangebot)
* f1,10(Policies) - s11 * NE1} dt
*
f19
(Standortfaktoren)
.
Entsprechend sehen die Gleichungen für die Phasen der reifen Wirtschaft MIj aus, j = 4, 5, 6,
7. Hier ist MIj = 0 für j = 1, 2 und 3, d.h. die Annahme ist, dass seit der Anfangsphase der
reifen Wirtschaft in den 1970er und 1930er Jahren alle kleinen Pionierunternehmen
verschwunden sind. Der Term (NE1 + NE2 + NE3) *σ bedeutet die autokatalytischen
Gründungen, die noch durch die nachfolgenden Faktoren der Gleichung modifiziert werden.
Für NEj, mit j > 3 wird der Gründungsterm durch den jeweiligen Wachstumsterm ersetzt.
Das investierte Kapital wird mit der Produktivität multipliziert, um die Produktion zu
ergeben. Die Produktionsfunktion Y(t) von ISIS ist damit die Summe über alle Phasen der
reifen und der neuen Wirtschaft. Die Funktion lautet:
7
(G 4-7)
Y (t ) = å (γ j MI j (t ) + δ j NE j (t )) ,
j =1
mit Produktivitätsindizes γj and δj, d.h. die Produktion pro Einheit von investiertem Kapital
pro Zeit. Dabei bezeichnet MI das in der „Mature Industry“ investierte Kapital, NE das in
neuer, informationsintensiver Wirtschaft investierte Kapital. In diese Gleichung kann man
Gleichungen für MIj(t) bzw. NEj(t) einsetzen, wie sie durch (G 4-6) bzw. entsprechende
Gleichungen für die jeweiligen Phasen der reifen und der neuen Wirtschaft gegeben sind.
22
Die so gebildete Produktionsfunktion enthält als Elemente die drei Basiskomponenten der
Produktionskapazität aus Abbildung 5, d.h. erstens Schlüsselpersonen MKPj (in die reife
Wirtschaft) und neue Schlüsselpersonen NKPj (in der neuen Wirtschaft) für die Phasen j=1,
2,...,7, zweitens reife Wirtschaft MIj bzw. neue Wirtschaft NEj (für j= 1, 2,...,7) und drittens
Know-how in der reifen Wirtschaft KHj und neuen Wirtschaft KHNj (für j= 1, 2,...,7).
5
5.1
Aufbau des geplanten ESP-Hybridmodells
Struktur des Modells
Die Struktur des geplanten Hybridmodells ist auf den Modellzweck auszurichten, langfristige
Projektionen und Analysen des Wirtschaftswachstums in Deutschland unter verschiedenen
weltwirtschaftlichen und wirtschaftspolitischen Szenarien durchzuführen und dabei besonders
die
Effekte
des
IuK-technologischen
Innovationsprozesses
herauszuarbeiten.
Diese
Strukturvorgabe bestimmt, in welcher Form die beiden Ausgangsmodelle, HWWA- und ISISModell, als Bestandteile des neuen Modells verwendet werden können.
Das HWWA-Modell erscheint von seinem Umfang und seiner Struktur her geeignet, für die
vorgesehenen Projektionen das gesamtwirtschaftliche simultane Beziehungssystem als einen
Gleichgewichtsrahmen darzustellen, in dem sich der Innovationsprozess vollzieht. Neben den
ohnehin laufend vorzunehmenden Weiterentwicklungen des Modells sind nur einige
Anpassungen im Zusammenhang mit der Modellkopplung erforderlich. Sie bestehen in der
Aufnahme zusätzlicher unabhängiger Variablen zur expliziten Berücksichtigung des Sektors
der neuen Wirtschaft.
Das regionale ISIS-Modell muss dagegen erheblich erweitert und modifiziert werden, um als
Teilmodell zur Erfassung des langfristigen IuK-technologischen Innovationsprozess in
Deutschland dienen zu können. Nötig ist einmal der Ausbau zu einem nationalen Modell und
zum anderen die Einbeziehung weiterer ökonomischer Komponenten in das Wirkungsgefüge
der neuen Wirtschaft, insbesondere Preisindikatoren, Lohnkosten und Einkommensrelationen
einschließlich Arbeitnehmereinkommen. Hinzu kommen kleinere Anpassungen wie die
Eliminierung typischerweise nur regional wirkender Faktoren, z.B. Flächenverfügbarkeit oder
Freizeitangebote. Die theoretische und formale Grundkonzeption:
23
- Angebotsorientierung,
- Fokussierung auf das Produktionspotential der neuen Wirtschaft sowie
- kausaler Erklärungsansatz in Form der deterministischen kreuzkatalytischen Rekursivität
unter Aufgriff kurzer Zeitintervalle,
braucht dabei jedoch nicht geändert zu werden.
Wegen
der
Rekursivität
des
ISIS-Modells
können
auch
die
unterschiedlichen
Periodisierungen der beiden Ausgangsmodelle bei der Modellverknüpfung bestehen bleiben.
Die
angebotsorientierte
rekursive
Modellierung
des
IuK-technologischen
Innovationsprozesses mit kurzen Zeitschritten (1 – 8 Schritte pro Quartal) impliziert aufgrund
der kausalen Verknüpfung auch die Beibehaltung der Quartalsperiodisierung des HWWAModells als makroökonomischer Rahmen des Hybridmodells trotz seiner langfristigen
Ausrichtung.
Das ausgebaute ISIS-Modell und das angepasste HWWA-Modell sind über ihre gemeinsamen
Variablen - Schnittmenge der Variablen, die sogenannten Verbundvariablen - zum
Hybridmodell
zusammenzuschließen.
Nach
der
vorliegenden
Konzeption
beider
Partialmodelle treten als Verbundvariablen neben der Zeit im wesentlichen die folgenden
Aggregate der neue Wirtschaft auf:
- das Produktionspotential,
- der Kapitalbestand,
- Selbständige und unselbständig Erwerbstätige,
- die reale Produktion,
- der Preisindex oder Deflator der Produktion,
- die Lohnkosten je Arbeitsstunde,
- die nominalen und realen Investitionen, Abschreibungen sowie
- die Wertschöpfung (getrennt nach Arbeitnehmer-, Unternehmereinkommen,
Steuern).
Hinzu kommen die Vergleichsgrößen der übrigen Wirtschaft für
- die Produktpreise,
24
indirekte
- die Lohnkosten je Arbeitsstunde
und außerdem zumindest ein Aggregat
- der makroökonomischen Nachfrage.
Aus der kausal-rekursiven Ausrichtung des
ISIS-Partialmodells
ergibt
sich
eine
blockrekursive Form des Hybridmodells. Der ISIS-Modellblock ist dem HWWAModellblock vorgelagert. Sowohl die Schnittmenge der abhängigen Variablen beider
Teilmodelle als auch die Schnittmenge der abhängigen Variablen des HWWA-Teilmodells
und der unverzögerten exogenen Variablen des ISIS-Teilmodells ist leer.
Unter Nutzung der Darstellungen (G 4-2) und (G 3-3) für die beiden Modellblöcke lässt sich
die mathematische Form des ESP-Hybridmodells einschließlich der im nächsten Abschnitt
erläuterten Periodenumrechnung wie folgt wiedergeben:
(G 5-1)
y j = g1 (yj-1, t, k, p)
(ISIS-Block analog zu (G 4-2) ).
y t = h1 (y j , t, j)
(Periodenumrechnung).6
g2 (y t , Y , x, t, u, a) = 0 (HWWA-Block analog zu (G 3-3)).
y j = h2 (y t , t, j )
(Periodenumrechnung).
Zur Verdeutlichung des Zeitbezuges sind die abhängigen Variablen in den Gleichungen mit
einem hochgesetzten Zeitindex versehen; außerdem wird die unabhängige Zeitvariable t auch
im HWWA-Block gesondert ausgewiesen, sie ist also nicht mehr als Komponente in x
enthalten. Im übrigen gelten die Definitionen der Symbole aus den vorhergehenden
Abschnitten unverändert.
6
Ohne die Finalwertbestimmung der Verbundvariablen
Durchschnittsbildung, wie im folgenden Abschnitt beschrieben.
für
ein
Quartal
mittels
25
5.2
Kopplung der beiden Partialmodelle
Die Kopplung der beiden Partialmodelle zum Hybridmodell gestaltet sich aufgrund der
blockrekursiven Struktur einfach. Die abhängigen Verbundvariablen des ISIS-Partialmodells
stellen für das nachgelagerte HWWA-Partialmodell formal gleichsam unabhängige (exogene)
Variablen dar. Die im vorhergehenden Abschnitt genannten Aggregate der neuen Wirtschaft
repräsentieren solche rekursiven Verbundvariablen. Die erwähnten übrigen Verbundvariablen
ohne die Zeitvariable sind abhängige Variablen des HWWA-Partialmodells. Sie treten im
ISIS-Modellblock nur als verzögerte Variablen auf, wirken dort also nur als unabhängige
Variablen künftiger Zeitabschnitte und sind somit ebenfalls rekursive Verbundvariablen. Als
dritte Art von Verbundvariablen könnte neben der Zeit noch andere gemeinsame exogene
Variablen hinzukommen. Für die Modellkopplung sind sie problemlos, sie müssen nur in
beiden Teilmodellen gleichgesetzt werden.
Wegen der unterschiedlichen Periodisierung der beiden Teilmodelle verlangt die
Modellkopplung eine wechselseitige Periodenanpassung der Verbundvariablen. Sie ist
variablenspezifisch durch einfache Umrechnungen vorzunehmen. Besondere Probleme
entstehen dabei nicht. Bei Verbundvariablen, die in beiden Partialmodellen externe Variablen
sind, wie z. B. die Zeitvariable, kann man die unterschiedliche Periodisierung beibehalten.
Die blockrekursive Struktur des Hybridmodells ermöglicht eine Bestimmung der
Fixpunktwerte seiner abhängigen Variablen nach einem Zweischrittverfahren unter Vorgabe
der exogenen Variablen und der Anfangswerte für die endogenen Variablen (s. Abbildung 6).
Im ersten Schritt werden - auf der Basis der Variablenwerte vorhergehender Zeitabschnitte die Fixpunkte des ISIS-Modellblocks für den jeweils betrachteten Zeitabschnitt ermittelt und
erforderlichenfalls
periodengerecht
für
die
Verwendung
im
HWWA-Modellblock
umgerechnet. Im zweiten Schritt bestimmt man die Fixpunkte des HWWA-Blocks unter
Verwendung der Variablenwerte vorhergehender Perioden sowie der Fixpunktwerte aus
Schritt 1, soweit sie als Werte von unabhängigen Variablen des HWWA-Modellteils benötigt
werden. Der Schritt wird mit einer periodengerechten Umrechnung der Fixpunktwerte zur
Verwendung im ISIS-Modellblock bei der Berechnung der Fixpunktwerte des folgenden
Zeitabschnittes abgeschlossen.
Nach
dem
beschriebenen
Zweischrittverfahren
lassen
sich
die
Fixpunkte
der
Modellgleichungen für die einzelnen Zeitabschnitte der zehnjährigen Projektionsperiode,
ausgehend vom ersten Zeitabschnitt, nacheinander berechnen, indem fortschreitend
abwechselnd die Fixpunkte des ISIS-Modellteils und die des HWWA-Modellteils bestimmt
26
und jeweils - soweit benötigt - an den nächsten Rechenschritt weitergereicht werden. Da das
ISIS-Partialmodell ein Quartal in acht Zeitabschnitte unterteilt, während das HWWATeilmodell einen Zeitabschnitt einem Quartal gleichsetzt, werden für jeden Zeitabschnitt des
HWWA-Modellblocks acht Fixpunkte seiner abhängigen Variablen ermittelt. Als finaler
Quartalswert einer abhängigen Variablen diese Modellblocks gilt der Durchschnitt aus den
acht berechneten Variablenwerten für das Quartal. Die bisher eingesetzten Verfahren der
beiden Ausgangsmodelle zur Fixpunktbestimmung kann man grundsätzlich weiterhin nutzen.
Hinzuzufügen sind jeweils Module für die erforderlichen Periodenumrechnungen. Geeignete
Software hierfür ist auf dem Markt verfügbar.
Abbildung 6: Modellkopplung
27
6 Arbeitsschritte zur Aufstellung des ESP-Hybridmodells
Die praktische Arbeit der ESP-Modellbildung aus dem HWWA- und dem ISIS-Modell
umfasst die Anpassung des makroökonometrischen HWWA-Modells und den Ausbau des
regionalen ISIS-Modells zur Abbildung des IuK-technologischen Innovationsprozesses in
ganz Deutschland sowie die Kopplung der beiden Modelle.
6.1
Anpassung des HWWA-Modells
Die Anpassung des HWWA-Modells erstreckt sich einmal auf die Untergliederung der
Angebotsseite des Modells in den Bereich neue Wirtschaft und den Bereich übrige Wirtschaft
und zum anderen auf die Verbindung mit dem ISIS-Modell. Zur Untergliederung der
Angebotsseite müssen gemäß der Struktur des Hybridmodells zusätzliche unabhängige
Variablen als Verbundvariablen zur Erfassung der neuen Wirtschaft in das HWWA-Modell
einbezogen werden. Es handelt sich dabei um die Variablen der neuen Wirtschaft:
Produktionspotential, Kapitalbestand, selbständige und unselbständige Erwerbstätige, reale
Produktion, Preisindex oder Deflator der Produktion, Lohnkosten je Arbeitstunde, reale und
nominale Investitionen sowie Abschreibungen, Arbeitnehmereinkommen, Unternehmereinkommen und indirekte Steuern minus Subventionen. Die Einbeziehung dieser zusätzlichen
Variablen macht eine Änderung des gesamte Programmsystems für das Modell an vielen
Stellen nötig.
Zur Verbindung mit dem ISIS-Modell sind Verfahren zur Periodenumrechnung zu bestimmen
und zu programmieren sowie das Programm-Modul der Modellkopplung zu schaffen.
Neben diesen speziellen Anpassungen im Zusammenhang mit der Modellkopplung sind die
ständig nötigen Anpassungen an neue Entwicklungen in der Wirtschaft fortzusetzen. Ein
Modifizierungsbedarf ergibt sich künftig insbesondere aus der EU-Erweiterung und der
zunehmenden Globalisierung der Wirtschaft. Bei Einsatz des Modells für langfristige
Projektionen empfiehlt sich auch eine Akzentverschiebung von der Modellierung kurzfristiger
Prozessabläufe
zu
langfristigen
Abläufen.
Eine
Kapitalmarktteils im Modell erscheint zweckmäßig.
28
Neugestaltung
des
Geld-
und
6.2
Ausbau und Anpassung des ISIS-Modells
Der Ausbau des regionalen ISIS-Modells zum Modell für ganz Deutschland ist mit folgenden
Arbeiten der Datenbereitstellung und der Modellgestaltung verbunden:
1. Erarbeitung einer Datenbasis für Deutschland, die den Sektor der IuK-intensiven
Wirtschaft - untergliedert nach den unterschiedenen Entwicklungsphasen -hinsichtlich der
Produktion, des Produktionspotentials, des Kapitalbestandes, der Erwerbstätigen, der
Investitionen, der Produktionspreise, der Lohnkosten, der Arbeitnehmer- und der
Unternehmereinkommen sowie der indirekten Steuern darstellt. Für die Sektorabgrenzung
ist das Funktionalprinzip auf der Basis von Funktions- oder Betriebseinheiten und nicht
die
institutionelle
Branchengliederung
der
Unternehmen
maßgebend.
Das
Simulationsmodell ISIS stellt – wie dargelegt - den unter dem Begriff New Economy
subsumierten neuen Innovationsprozess durch die Erfassung in einem eigenen
Wirtschaftsbereich heraus. Die Erstellung einer derartigen Datenbasis ist nicht ganz
einfach, weil keine klare Definition des neuen Wirtschaftssektors besteht und weil sich der
von den technologischen Potentialen getriebene Änderungsprozess auf weite Teile der
Wirtschaft erstreckt. Hierher gehören alle Produktionsprozesse und Produkte für den
Konsumbereich, die in hohem Maß informationsintensiv oder netzwerkintensiv oder
beides
sind.
Dies
bezieht
neben
dem
Informationssektor
auch
Multimedia,
Telekommunikationsnetze, die neue Gen- und Biotechnologie, die Nanotechnologie und
weite Teile der Erlebniswirtschaft (Unterhaltungsindustrie) ein.
Der Sektor besteht aus zwei unterschiedlichen Teilbereichen, zum einen aus den sich im
IuK-technologischen Umstrukturierungsprozess befindlichen Funktionseinheiten des
Bereichs der „mature industries“ (reifen Wirtschaft) und zum anderen aus dem Bereich
mit gänzlich neuen Produkten, der in institutioneller Abgrenzung oft als neue Wirtschaft
bezeichnet wird, in funktionaler Abgrenzung jedoch nur einen Teil der neuen Wirtschaft
umfasst. In der Umstrukturierung befinden sich beispielsweise der Banken- und
Versicherungssektor, der Logistiksektor und weite Teile der Güterproduktion. Als neue
Bereiche sind der Internetsektor, Handynetze, oder die neue Gentechnologie zu nennen.
Es gibt Mischbereiche, wie z. B. den Tourismus- und Freizeitsektor, die zum Teil einer
Umstrukturierung unterliegen und zum Teil sich mit neuen Produkten befassen müssen.
2. Aufbereitung der Daten nach den Wirtschaftsräumen Metropol- und NichtMetropolregionen in Deutschland. Metropolregionen unterscheiden sich deutlich von
Nicht-Metropolregionen in vielen für die Entstehung von HIC-Wirtschaft (High
29
Information Content) wichtigen Punkten. Global immer bedeutsamer wird das
vergleichsweise sehr hohe Innovationspotential der Metropolregionen. Ihre Bevölkerung
wächst durch Zuzug auf Kosten der Nicht-Metropolregionen, und die Wirtschaft von
Metropolregionen hat den bedeutendsten Anteil am BIP eines fortschrittlichen
Industriestaates.
Metropolregionen
sind
heutzutage
durch
sehr
differenzierte
Arbeitsteilung und komplexe Wirtschaft gekennzeichnet. In diesen Regionen entwickelt
sich die informations- und netzintensive Wirtschaft deutlich am besten, siehe HUD 1997.
3.
Das für die Metropolregion Hamburg gebildete ISIS-Modell ist auf die Gesamtheit der
Metropolregionen Deutschlands auszudehnen. Die ländlichen Gebiete bzw. die Nicht-
Metropolregionen sind angemessen einzubeziehen. Sie eignen sich wegen geringer
Bevölkerungszahl und -dichte zwar weniger für komplexe Arbeitsteilung7. Jedoch haben
sich in ihnen schon vielfältige, kleinteilige Produktionsprozesse auf der Basis der neuen
Informations- und Kommunikationstechnologien entwickelt. Auch haben diese Räume
wichtige
Aufgaben
in
den
Bereichen
Versorgung
und
Naherholung
sowie
Ausgleichsfunktionen.
Außer den Datenproblemen dürften die gesonderte Erfassung der Metropolregionen und
der Nicht- Metropolregionen innerhalb der New Economy bei der Modellerweiterung
keine besonderen Schwierigkeiten bereiten.
4. Erweiterung des Arbeitsmarktes im Modell um Arbeitskräfte, die nicht dem speziellen
Bereich der „neuen Schlüsselpersonen“ zuzurechnen sind. Im Strukturwandlungsprozess
sind zwar vor allem Personen mit Verständnis oder Kenntnis des Veränderungspotentials
(Schlüsselpersonen, „knowledgeable people“) für die Entwicklungsdynamik entscheidend,
die an der Wertschöpfung gemessene Bedeutung der neuen Wirtschaft hängt jedoch auch
von ihren übrigen Erwerbstätigen ab.
7
30
From HUD (1997): As the U.S. economy has shifted from the old to the new economy, the
dominant pattern of industrial organization has changed. Whereas before, the old economy gave
rise to many undiversified regions and "company towns", the new economy requires greater:
• specialization-- With greater specialization, of skills, technology, and services at the advanced
end of manufacturing, U.S. firms are now more highly competitive in the global marketplace.
• flexibility-- Businesses are taking steps to become more flexible in order to improve efficiency
and respond more rapidly to market signals.
• and diversification-- Creating a diverse group of producer and supplier businesses within a
region that complement each other working on specialized aspects of a broad industry cluster.
The new economy demands close connections between related businesses, public, and private
institutions. These connections are fostered by being located in close geographic proximity within
metropolitan regions.
5. Einfügung
ökonomischer
Preisindikatoren,
Komponenten
Lohnkosten
und
in
das
Modell,
wie
Einkommensrelationen
insbesondere
einschließlich
Arbeitnehmereinkommen.
6. Anfertigung der Programm-Module zur Verbindung des ISIS-Partialmodells mit dem
HWWA-Partialmodell über Verbundvariablen sowie zur Periodenumrechnung der
Verbundvariablen.
7 Szenarien für die Modellnutzung
Die Konzipierung des geplanten ESP-Hybridmodells als ein partial-system-dynamisches
theorieorientiertes Strukturmodell für die Wirtschaftsentwicklung in Deutschland ermöglicht
seinen vielseitigen Einsatz in der empirischen Wirtschaftsforschung. Das Modell kann nicht
nur Projektionen des deutschen Wirtschaftswachstums liefern, sondern – was wesentlich
wichtiger ist – es wird vor allem als Instrument zur Analyse der Wirtschaftsentwicklung unter
expliziter Erfassung der immer bedeutsamer werdenden Effekte des IuK-technologischen
Innovationsprozesses dienen. Aus dem Modell lassen sich direkt oder durch alternative
Simulationsrechnungen Antworten auf viele wirtschaftspolitisch sehr aktuelle Fragen ableiten,
z. B. auf Fragen nach der künftigen Arbeitsmarktentwicklung, nach dem Bedarf an
qualifizierten Arbeitskräften in der neuen Wirtschaft, nach der finanziellen Situation des
Staates, nach den Wirkungen finanzpolitischer Maßnahmen, nach den Möglichkeiten zur
Verbesserung der Rahmenbedingungen für die Wirtschaftsentwicklung durch die Beseitigung
von Hemmnissen des Innovationsprozesses. Die Liste ließe sich beliebig fortsetzen. Die
Strukturorientierung des Modells erlaubt eine einfache und flexible theoriegerechte
Erweiterung oder Modifizierung des Modells zur Analyse spezieller Probleme der
Wirtschaftsforschung und der Wirtschaftspolitik.
Als Modell einer offenen Volkswirtschaft, die stark von weltwirtschaftlichen Entwicklungen
und nicht nur von der eigenen Wirtschaftspolitik abhängt, erhebt das ESP-Modell nicht den
Anspruch, im Sinne eines komplett dynamischen und allumfassenden Systems Prognosen der
Wirtschaftsentwicklung in Deutschland zu liefern. Das Modell stützt sich bei der Darstellung
künftiger
Wirtschaftsabläufe
vielmehr
auf
ein
Bündel
von
Annahmen,
deren
Übereinstimmung mit der Realität in unterschiedlichem Grad unsicher ist und die ganz
31
erheblich die Modellergebnisse bestimmen. Jede Modellnutzung erfordert eine Festlegung der
Annahmen und ihre Eingabe in das Modell.
Um zu gewährleisten, dass das Bündel der Annahmen in sich konsistent ist und mit Blick auf
die Realität auch plausibel erscheint, geht man in der Praxis bei der Wahl der Annahmen von
einem bestimmten Szenario der globalen demographischen, politischen, soziologischen und
wirtschaftlichen Entwicklungen aus. Da es hierfür meist immer mehrere Möglichkeiten gibt,
empfiehlt es sich, die Spannweite der für möglich gehaltenen Alternativen durch die
Formulierung eines optimistischen und eines pessimistischen Szenarios deutlich zu machen.
Ein etwa in der Mitte dieser Grenzszenarien liegende Variante wird in der Regel als die
plausibelste Basis für die Wahl der Annahmen betrachtet.
Die Bindung der Modellannahmen an ein Szenario impliziert einerseits, dass die
Modellergebnisse nur für das jeweilige Szenario gelten. Dies ist bei der Auswertung der
Ergebnisse stets zu beachten. Anderseits wird dadurch ein Vergleich der Szenarien
hinsichtlich ihrer Bedeutung für die Auswirkungen bestimmter politischer, demographischer,
soziologischer und wirtschaftlicher Prozesse ermöglicht.
Die bei der Modellnutzung zu formulierenden Szenarien sind situations- und zeitabhängig.
Aus heutiger Sicht lässt sich die optimistische Variante generell durch ein starkes Wachstum
der Weltwirtschaft, ein recht reibungsloses Zusammenwachsen der EU-Länder sowie eine
rasche Umsetzung der sozialpolitischen und arbeitsrechtlichen Reformen in Deutschland,
gepaart mit wachsender Flexibilität am Arbeitsmarkt und gesteigerter Bereitschaft der
Arbeitskräfte zur Fortbildung, kennzeichnen. Im optimistischen Szenario werden die positiven
Effekte ins Zentrum gestellt, die sich aus dem gegenwärtig entstehenden Bündel neuer
Basisinnovationen ergeben können. Danach wächst das Informationspotential für weitere
zehn Jahre nach den bereits genannten „Gesetzen“. Es werden geeignete Maßnahmen
ergriffen, damit die Nutzung dieses Potentials mit zunehmender Breite und Geschwindigkeit
erfolgt.
Aus
empirischen
Analysen
der
Situation
in
langjährigen
Perioden
der
weltwirtschaftlichen Prosperität lassen sich Anhaltspunkte zu den Annahmen für das
optimistische Szenario gewinnen.
32
Das
mögliche
pessimistische
Szenario
ist
durch
zunehmende
kriegerische
Auseinandersetzungen (Kampf der Kulturen) mit Störungen des Welthandels, ein schwaches
Wachstum der Weltwirtschaft, gravierende Probleme in der EU infolge ihrer Ausweitung,
zögerlicher Einführung von sozialpolitischen und arbeitsrechtlichen Reformen in Deutschland
sowie durch Streik- und Protestwellen gekennzeichnet, die den Innovationsprozess stark
behindern. Es herrscht ein langjähriger allgemeiner Pessimismus, der sich durch die
ausgelöste Aktivitätsträgheit in der Bevölkerung selbst bestätigt. Er lähmt die für das
Wirtschaftswachstum nötige Investitions- und Innovationstätigkeit der Unternehmungen.
Aus Erfahrungswerten für Stagnationsphasen in der Vergangenheit erhält man Hinweise auf
ein konsistentes Bündel von Annahmen für das pessimistische Szenario.
Das sich in Zukunft tatsächlich einstellende Szenario wird mit hoher Wahrscheinlichkeit
zwischen den beiden extremen Varianten liegen. Eine genauere Kennzeichnung ist schwierig,
da bei den einzelnen Charakteristika eine breite Palette von moderat wirkenden Ausprägungen
als gleich möglich erscheint, deren Aufzählung hier wegen ihrer Fülle wenig aufschlussreich
ist. Es bleibt als Ausweg, entweder mit Alternativbündeln von Annahmen bei der
Modellnutzung zu arbeiten oder gänzlich auf spezielle Annahmen für ein realistisches
Szenario zu verzichten und stattdessen als Modellergebnisse für diese Szenariovariante eine
Art Durchschnitt der Ergebnisse für die beiden Extremfälle zu bilden. Wichtig ist, dass bei der
Modellnutzung das gewählte Verfahren zur Festlegung der Annahmen stets deutlich gemacht
wird.
33
8 Literatur
Berry, B.J.L. 1995. Long-Wave Rhythms in Economic Development and Political Behavior.
Baltimore: John Hopkins University Press
Business Week. 1997a. Bosten's Route 128: Complementing
http://www.businessweek.com/1997/34/b354197.htm
Business
Week.
1997b.
It
must
be
something
http://www.businessweek.com/1997/34/b354187.htm
in
Silicon
Valley.
the
water.
California Economic Strategy Panel. 1999. Collaborating to Compete in the New Economy:
An Economic Strategy for California. California Trade and Commerce Agency, 801 K
Street, Suite 1700, Sacramento, CA 95814, Internet: http://commerce.ca.gov
Christensen, C. M. 1997. The Innovator’s Dilemma. Boston: Harvard Business School Press
Clarke, B.L. 1980. Stability of Complex Reaction Networks. Advances in Chemical Physics
43, 1 - 217
Danckwerts, R.-F., Danckwerts, M., Das ökonometrische Modell des HWWA zur Prognose
der kurzfristigen Wirtschaftsentwicklung in Deutschland, HWWA-Report 197, Hamburg
1999
Deutscher Bundestag, 15. Wahlperiode, Drucksache 15/100, Jahresgutachten 2002/03 des
Sachverständigenrates zur Begutachtung der gesamtwirtschaftlichen Entwicklung,
Anhang II, Gesetz zur Förderung der Stabilität und des Wachstums der Wirtschaft
(Auszug), S. 359
Eigen, M., Schuster, P. 1978. The Hypercycle. A principle of Natural Self-Organisation. Part
B: The Abstract Hypercycle. Naturwissenschaften 65, p. 7-41, and: The Hypercycle. A
principle of Natural Self-Organisation. Part C: The Realistic Hypercycle.
Naturwissenschaften 65, p. 341-369
Forrester, J.W. 1969. Urban Dynamics. Cambridge: MIT-Press. 285 p.
Foster, I. 2002. The Grid: A New Infrastructure for 21st Century Science. Physics Today,
2/2002, see also http://www.physicstoday.org/pt/vol-55/iss-2/p42.html
Fränzle, S., W.D. Grossmann. 1999 Aufbau von Erfolgskonfigurationen in Wirtschaft und
Umwelt mit kreuzkatalytischen Netzen
Fuchs, Jürgen (Hrsg.). Wege zum vitalen Unternehmen, 2. Aufl., Wiesbaden 1999
Grossmann, B. 2002 (Björn Grossmann ist nicht identisch mit dem zweiten Autor dieses
Papers). Policy Optimisation in Dynamic Models with Genetic Algorithms. In: The XXth
International Conference of the System Dynamics Society/Palermo- Italy. The System
Dynamics Society
Grossmann, W.D. 2000. Realizing sustainable development with the information society - the
holistic Double G-Link approach. In: Landscape and Urban Planning 50, Palang, H. and
Z. Naveh (Edts.): Holistic Landscape Ecology in Action
Grossmann W. D. 2001. Entwicklungsstrategien in der Informationsgesellschaft. 350 pp.
Heidelberg, New York: Springer
Grossmann, W.D. 2002. Dynamics of the Information Society. 25 pages. The XXth
International Conference of the System Dynamics Society/Palermo- Italy. The System
Dynamics Society
34
Grossmann, W.D. 2003. Voraussetzungen und Entwicklungsverläufe des Entstehens neuer
Wirtschaft. Wird veröffentlicht in Jungnickel (Hrsg.): "Internationalisierung der
Arbeitsmärkte", Hamburgisches Welt-Wirtschafts-Archiv (HWWA), Hamburg und
Institut für Arbeitsmarkt- und Berufsforschung (IAB), Nürnberg
Grossmann W. D., L. Magaard, H. von Storch. 2003. Two-Region Analysis of Changing
Economic and Environmental Risks: a Modeling Study. Submitted to: Climatic Change
Hall, P., P. Preston. 1988. The carrier wave: new information technology and the geography of
information. London: Unwin Hyman Ltd, 305 pp.
HUD (Housing and Urban Development). 1997. America's New Economy And The
Challenge of The Cities. A HUD Report On Metropolitan Economic Strategy. Internet
www.hud.gov/nmesum.html
IBIS. 1982 7th Edition. Industry Lifecycles. The Phenomenon & Ramifications. Melbourne:
IBIS Corporate Services PTY Limited
Johnston, J., DiNardo, J. 1997, Econometric Methods, 4th ed., New York et al. (McGrawHill)
Krakowski, M. et al. 1992. Die Deutsche Wirtschaft im Anpassungsschock. - Strukturbericht
1995 -, Hamburg 2003
Lundstrom, M. 2003. Moore’s Law Forever? Science Vol 299, pp 210-211
Mann, C. C. 2003. The Year the Music Dies. Wired 2/2003
Mensch, G. 1975. Das technologische Patt. Frankfurt/Main
NAISC. 1997. North America Industrie Classification, US Bureau of the Census.
www.census.gov/
Plura, M., 2002, Der PC mit den zwei Gesichtern, Digital Rights Management, in: c't, Nr. 24,
2002, S. 186ff, Hrsg.: Heise Zeitschriften Verlag, Hannover,
http://www.heise.de/ct/02/24/186/
Schumpeter, J.A. 1939. Business Cycles. New York / London
Sterman, J. 2000. Business Dynamics. Irwin: Boston, 981 pp
US Bureau of the Census (Ed.) 1995. Statistical Abstract of the United States 1995, 115th
edition, Washington DC, sowie spätere Jahrbücher des US Bureau of the Census (die hier
berichtete Arbeitsplatzentwicklung hielt so auch für 2001 noch an), US Bureau of the
Census 2000, http://www.census.gov/
35
9
Anhang: Variablenlisten der beiden zu verbindenden Modelle
9.1
Makroökonometrisches HWWA-Modell
Endogene
Variablen
AB
ABST
AL
ARZ
AST
AV
BANB
BAUSN
BBAUN
BIP
BIP95
BIP95P
BLG
BLGA
BSP
BSP95
BYA
BYU
BYUST
CP
CP95
CST
CST95
DEF
EST
EW
EWA
EX
EX95
EXIM
EXIM95
GV
GV95
IAN
IAN95
IANNST
IANST
IAU
IAU95
IB
IB95
IBGE
IBGE95
IBST95
IBWO
IBWO95
IL
36
Abschreibungen
Abschreibungen des Staates
Registrierte Arbeitslose, in Tausend
Tägliche Arbeitszeit, geleistet, in Stunden
Staatsausgaben, insgesamt
Arbeitsvolumen, geleistet
Bargeldumlauf
Brutto-Ausrüstungsbestand, nominal
Brutto-Bautenbestand, nominal
Bruttoinlandsprodukt
Bruttoinlandsprodukt, real
Produktionspotential, gemessen am realen Bruttoinlandsprodukt
Bruttolohn- und -gehaltsumme
Bruttolohn- und -gehaltsumme je abhängigen Erwerbstätigen
Bruttosozialprodukt
Bruttosozialprodukt, real
Bruttoeinkommen aus Arbeitnehmertätigkeit
Bruttoeinkommen aus Unternehmertätigkeit und Vermögen
Erwerbseinkünfte des Staates
Privater Verbrauch
Privater Verbrauch, real
Staatsverbrauch
Staatsverbrauch, real
Finanzierungssaldo des Staates
Staatseinnahmen, insgesamt
Erwerbstätige, Mio
Abhängige Erwerbstätige, Mio., Inlandskonzept
Export
Export, real
Außenbeitrag
Außenbeitrag, real
Verteilte Gewinne
Verteilte Gewinne, real
Anlageinvestitionen
Anlageinvestitionen, real
Nettoinvestitionen des Staates
Investitionen des Staates, insgesamt
Ausrüstungsinvestitionen
Ausrüstungsinvestitionen, real
Bauinvestitionen
Bauinvestitionen, real
Gewerbliche Bauinvestitionen
Gewerbliche Bauinvestitionen, real
Öffentliche Bauinvestitionen, real
Wohnungsbauinvestitionen
Wohnungsbauinvestitionen, real
Lagerinvestitionen
IL95
ILBEST
ILBEST95
IM
IM95
KAP
KAPA
LDR
LIR
LSTK
LSTK95
M3
MINRES
NLG
NLG95
NYU
PBIP
PBIPJW
PCP
PCPJW
PCST
PDISKD
PEX
PIAN
PIAU
PIB
PIBGE
PIBST
PIBWO
PIL
PRODEW
PRODEWA
PRODEWAI
PRODH
S
SCHUST
SCHUSTV
SELB
SICHTE
SPARE
SUBVEN
SV
SVAN
SVSONST
SVU
SVUTATS
SVUUNT
SVVERS
T
TANKO
TDIR
TERMINE
TGEW
TIND
TINDSUB
TINDUE
Lagerinvestitionen, real
Lagerbestand
Lagerbestand, real
Import
Import, real
Gesamtwirtschaftliches Produktionskapital
Gesamtwirtschaftliche Kapazitätsauslastung (BIP95/BIP95P*100)
Lohndruck
Freie Liquiditätsreserven
Lohnstückkosten (BYA/BIP95)
Reale Lohnstückkosten = Lohnquote (BYA/BIP)
Geldmenge M3
Mindestreserven (bereinigt um reservepolitische Effekte)
Nettolohn- und -gehaltsumme
Nettolohn- und -gehaltsumme, real
Nettoeinkommen aus Unternehmertätigkeit und Vermögen
Preisindex (Deflator) des Bruttoinlandsprodukts, 1995=100
Preisindex (Deflator) des Bruttoinlandsprodukts, 1995=100, in vH gegenüber Vorjahr
Preisindex (Deflator) des privaten Verbrauchs, 1995=100
Preisindex (Deflator) des privaten Verbrauchs, 1995=100, in vH gegenüber Vorjahr
Preisindex (Deflator) des Staatsverbrauchs, 1995=100
Diskontsatz der Bundesbank (Quartalsdurchschnitt), in %
Preisindex (Deflator) der Exporte, 1995=100
Preisindex (Deflator) der Anlageinvestitionen, 1995=100
Preisindex (Deflator) der Ausrüstungsinvestitionen, 1995=100
Preisindex (Deflator) der Bauinvestitionen, 1995=100
Preisindex (Deflator) der gewerbl. Bauinvestitionen, 1995=100
Preisindex (Deflator) der öffentl. Bauinvestitionen, 1995=100
Preisindex (Deflator) der Wohnungsbauinvestitionen, 1995=100
Preisindex (Deflator) der Lagerbestände, 1995=100
Arbeitsproduktivität, Produktivität je Erwerbstätigen
Produktivität je abhängigen Erwerbstätigen
Index der Produktivität je abhängigen Erwerbstätigen, 1995=100
Gesamtwirtschaftliche Produktivität je Arbeitsstunde
Sozialversicherungsbeitäge, insgesamt, in der Abgrenzung des erweiterten öffentlichen Sektors
Schuldenbestand des Staates
Schuldenbestand des Staates, Veränderung
Selbständige, Mio.
Sichteinlagen
Spareinlagen
Subventionen
Sozialversicherungsbeiträge
Sozialversicherungsbeitäge der Arbeitnehmer
Sozialversicherungsbeiträge, sonstige einschl. unterstellte d. Staates
Sozialversicherungsbeiträge der Arbeitgeber, insgesamt
Sozialversicherungsbeiträge der Arbeitgeber, tatsächliche
Sozialversicherungsbeiträge der Arbeitgeber, unterstellte
Sozialversicherungsbeiträge an Versicherungsunternehmen
Steuern, insgesamt, in der Abgrenzung des erweiterten öffentlichen Sektors
Direkte Steuern der Arbeitnehmer (ohne Konjunkturzuschlag)
Direkte Steuern
Termineinlagen
Gewerbesteuer
Indirekte Steuern abzüglich Subventionen
Indirekte Steuern, insgesamt
Übrige indirekte Steuern
37
TLGH
TMOEL
TMWST
TSONST
TTAB
TTAB2
TUKOZ
VERM
Y
YPV
YPV95
YTRA
YTRA95
YTRALES
YTRALG
YTRALGOS
YTRAVE
YTRAVG
ZAST
ZBGA
ZDISKD
ZINSK
ZINSL
ZKONS
ZLPBIP
Index des Tariflohn- und -gehaltniveaus je Stunde, 1995=100
Mineralölsteuer
Umsatzsteuer
Lohnsteuern auf Pensionen und nicht zurechenbare Steuern
Tabaksteuer
Tabaksteuersatz, gewogener gleitender Zweierdurchschnitt für die Periode ab 1980 I. Quartal
direkte Steuern der Unternehmen (ohne Konjunkturzuschlag)
Vermögen als akkumulierte Sparsumme
Volkseinkommen
Verfügbares Einkommen der privaten Haushalte
Verfügbares Einkommen der privaten Haushalte, real
Transfereinkommen der privaten Haushalte
Transfereinkommen der privaten Haushalte, real
Sonstige laufende Übertragungen
Geleistete laufende Übertragungen des Staates
Geleistete laufende Übertragungen des Staates, ohne Subventionen und ohne Übertragungen
an private Haushalte
Empfangene Vermögensübertragungen
Geleistete Vermögensübertragungen
Zinsausgaben des Staates
Zentralbankgeldangebot (MINRES + BANB + LIR)
Diskontsatz der Bundesbank (Quartalsdurchschnitt), begrenzt, in %
Geldmarktzins (3-Monatsgeld in Frankfurt), in %
Kapitalmarktzins (Umlaufrendite inländischer festverzinslicher
Wertpapiere (Pfandbriefe)), in %
Zinszahlungen für Konsumentenschulden
Realzins (Kapitalmarktzins minus Preissteigerungsrate des BIP)
Exogene Variablen
ABAUS
ABAUSST
ABBAU
ABBAUST
ABBAUWO
ABST_ADD
AB_ADD
AL_ADD
ARZTAI
ARZ_ADD
AT
BANB_ADD
BBGEW
BIP95P_ADD
BLGA_ADD
BYUST_ADD
CP95_ADD
CST95_ADD
DD
DFITLAST
DIBGE
DS
DSD
DSTIND
38
Abgänge an Ausrüstungen zu Wiederbeschaffungspreisen
Abgänge an staatl. Ausrüstungen zu Wiederbeschaffungspreisen
Abgänge an Bauten zu Wiederbeschaffungspreisen
Abgänge an staatl. Bauten zu Wiederbeschaffungspreisen
Abgänge an Wohnbauten zu Wiederbeschaffungspreisen
Add-Faktor
Add-Faktor
Add-Faktor
Index der täglichen Arbeitszeit
Add-Faktor
Arbeitstage (geleistet)
Add-Faktor
Bundesbankgewinn, abgeführt an Staatshaushalt
Add-Faktor
Add-Faktor
Add-Faktor
Add-Faktor
Add-Faktor
Wiedervereinigungsdummy, ab 1991 I. Q. = 1
Dummy zur Niveauanpassung der Prognosewerte an den letzten Beobachtungswert
Dummy-Variable für Bauinvestitionen, Ende der besonderen Förderung, ab 1998 I. Q: = 1
Saisonvariable
Saisonvariable f. Periode ab 1991
Saisonvariable f. indirekte Steuern
DSTINDUE
DSTLGH
DTSONST
DWG
DWIT14
DYEXIM
DYEXIM95
EWA_ADD
EX95_ADD
GV_ADD
IAU95_ADD
IAUST
IBGE95_ADD
IBST
IBWO95_ADD
IL95_ADD
ILST
IM95_ADD
KOZUAG
KOZUAN
MINRES_ADD
MOELST
MWST
PCP_ADD
PCST_ADD
PDISKD_ADD
PEX_ADD
PIAU_ADD
PIBGE_ADD
PIBST_ADD
PIBWO_ADD
PIL_ADD
PIM
SCHUSTV_ADD
SELB_ADD
SICHTE_ADD
SPARE_ADD
SUBVEN_ADD
SVAN_ADD
SVSONST_ADD
SVUTATS_ADD
SVUUNT_ADD
SVVERS_ADD
T60I
T91I
TABST
TANKO_ADD
TERMINE_ADD
TGEW_ADD
TINDUE_ADD
TMOEL_ADD
TMWST_ADD
TSONST_ADD
TSV
TTAB_ADD
Saisonvariable f. übrige indirekte Steuern
Saisonvariable f. TLGH im Jahr 1991
Dummy "sonstige direkte Steuern"
Dummy "Weihnachtsgeld" (bis1971 im IV. Q. = 0.67 und ab 1972 im IV. Q. = 1, sonst = 0)
jeweils das 4.Quartal besetzt)
Dummy "Witterung, 1. und 4. Quartal"
Saldo der Einkommensübertragungen zwischen In- und Ausländern
Saldo der Einkommensübertragungen zwischen In- und Ausländern, real
Add-Faktor
Add-Faktor
Add-Faktor
Add-Faktor
Ausrüstungsinvestitionen des Staates
Add-Faktor
Öffentliche Bauinvestitionen
Add-Faktor
Add-Faktor
Lagerinvestitionen des Staates
Add-Faktor
Konjunkturzuschlag der Unternehmer
Konjunkturzuschlag der Arbeitnehmer
Add-Faktor
Mineralölsteuersatz
Mehrwertsteuersatz
Add-Faktor
Add-Faktor
Add-Faktor
Add-Faktor
Add-Faktor
Add-Faktor
Add-Faktor
Add-Faktor
Add-Faktor
Preisindex (Deflator) der Importe, 1995=100
Add-Faktor
Add-Faktor
Add-Faktor
Add-Faktor
Add-Faktor
Add-Faktor
Add-Faktor
Add-Faktor
Add-Faktor
Add-Faktor
Linearer Zeittrend (1960 I. Q. = 1)
Linearer Zeittrend ab 1991 I. Q. (1991 I. Q. = 1)
Tabaksteuersatz
Add-Faktor
Add-Faktor
Add-Faktor
Add-Faktor
Add-Faktor
Add-Faktor
Add-Faktor
Durchschnittlicher Beitragssatz zur Sozialversicherung, in vH
Add-Faktor
39
TUKOZ_ADD
WEX90R
WKDMDOL
YTRALES_ADD
YTRALGOS_ADD
YTRALG_ADD
YTRAVE_ADD
YTRAVG_ADD
YTRA_ADD
ZAST_ADD
ZBGA_ADD
ZDUSA
ZINSK_ADD
ZINSL_ADD
ZKONS_ADD
ZKUSA
ZLUSA
40
Add-Faktor
Index des realen Weltexports, 1990 = 100
Wechselkurs DM/US-$, Dezember 1972 = 3.2225
Add-Faktor
Add-Faktor
Add-Faktor
Add-Faktor
Add-Faktor
Add-Faktor
Add-Faktor
Add-Faktor
Diskontsatz der USA (Quartalsende), in %
Add-Faktor
Add-Faktor
Add-Faktor
Geldmarktzins in den USA, 3-Mon.-Schatzwechsel, in %
Kapitalmarktzins in den USA, Long-Term Govt. Bond Yield, in %
9.2
Simulationsmodell ISIS
Zustandsvariable mit ihren Anfangswerten
Variablenname
Agric_land
Agric_productivity
Applicable_new_KH
Applied_new_KH
Digital_information
Forest_land
Independent_Know_How
Info_pot_observed
Infrastr_land
KH_123_in_use
KH_4_in_use
KH_56_in_use
KH_7_in_use
KH_MatInd_123
KH_MatInd_4
KH_MatInd_56
KH_MatInd_7_in_use
KH_switch
KP_MatInd_123
KP_MatInd_4
KP_MatInd_56
KP_MatInd_7
KP_NE_123
KP_NE_123_dmd_perc
KP_NE_4
KP_NE_56
KP_NE_7
Lawns_parks_gardens
MatInd_123
MatInd_4
MatInd_56
MatInd_7
MatInd_dwarfs
Microchips_number
NE_1
NE_2
NE_3
NE_4
NE_56
NE_7
NE_dwarfs
pop_17:18
pop_19:25
pop_26:45
pop_4:5
pop_46:65
pop_6:16
Pop_retired
pop0:3
Protected_seminatural_land
Rate_of_progress
Release_memory
Settlement_area
SIGs
SIGs_for_NE
Urban_Nature_Sanctuary
Anfangswert/
Dimension
21900 [ha]
1 [dim. less]
100 [bits]
100 [bits]
30 [bits]
3400 [ha]
5e8 [bits]
5e12 [MP*bits3/sec2]
8800 [ha]
1e8 [bits]
1e8 [bits]
1e8 [bits]
1e8 [bits]
1e8 [bits]
1e8 [bits]
1e8 [bits]
1e8 [bits]
0 [dim. less]
40e3 [P]
7.5e4 [P]
5e4 [P]
6e4 [P]
20000 [P]
80000 [P]
3.5e3 [P]
660 [P]
140 [P]
6100 [ha]
90e9 [DM]
66e9 [DM]
200e9 [DM]
320e9 [DM]
110e9 [DM]
2e7 [MP]
10e9 [DM]
15e9 [DM]
20e9 [DM]
1e10 [DM]
1e10 [DM]
1e10 [DM]
18e9 [DM]
44000 [P]
160500 [P]
498000 [P]
25000 [P]
374000 [P]
197000 [P]
296000 [P]
50100 [P]
300 [ha]
1.2 [dim. less]
0 [dim. less]
18900 [ha]
5 [Zahl]
5 [Zahl]
7000 [ha]
Bedeutung
Landwirtschaftsfläche
Landwirtschaftliche Produktivität bezogen auf 1980
Wirtschaftlich verwendbares neues Know-how
Wirtschaftlich angewandtes neues Know-how
Digital in Netzen verfügbare Information
Waldfläche
Unabhängiges, noch nicht wirtschaftlich genutztes neues Wissen
Von der Öffentlichkeit wahrgenommenes Informationspotential
Infrastrukturfläche einschließlich Strassenfläche
Know-how Phasen 1, 2, 3 neue Wirtschaft
Know-how Phase 4 neue Wirtschaft
Know-how Phasen 5, 6 neue Wirtschaft
Know-how Phase 7 neue Wirtschaft
Know-how Phasen 1, 2, 3 reife Wirtschaft
Know-how Phasen 1, 2, 3 reife Wirtschaft
Know-how Phasen 1, 2, 3 reife Wirtschaft
Know-how Phasen 1, 2, 3 reife Wirtschaft
Steuerungsvariable für Nutzbarwerdung des neuen Wissens
Schlüsselpersonen Phasen 1, 2, 3 reife Wirtschaft
Schlüsselpersonen Phase 4 reife Wirtschaft
Schlüsselpersonen Phasen 5, 6 reife Wirtschaft
Schlüsselpersonen Phase 7 reife Wirtschaft
Schlüsselpersonen Phasen 1, 2, 3 neue Wirtschaft
Allgemein beobachtete Nachfrage nach Schlüsselpersonen Phasen
1, 2, 3 neue Wirtschaft
Schlüsselpersonen Phase 4 neue Wirtschaft
Schlüsselpersonen Phasen 5, 6 neue Wirtschaft
Schlüsselpersonen Phase 7 neue Wirtschaft
Städtische Parks, Grasflächen, Gärten
Reife Wirtschaft Phasen 1, 2, 3, investiertes Kapital
Reife Wirtschaft Phase 4 investiertes Kapital
Reife Wirtschaft Phasen 5, 6 investiertes Kapital
Reife Wirtschaft Phase 7 investiertes Kapital
Reife Wirtschaft Kleinbetriebe investiertes Kapital
Zahl der Mikrochips (ihre Leistung wird getrennt bewertet)
Neue Wirtschaft Phase 1 investiertes Kapital
Neue Wirtschaft Phase 2 investiertes Kapital
Neue Wirtschaft Phase 3 investiertes Kapital
Neue Wirtschaft Phase 4 investiertes Kapital
Neue Wirtschaft Phasen 5, 6 investiertes Kapital
Neue Wirtschaft Phase 7 investiertes Kapital
Neue Wirtschaft Kleinbetriebe investiertes Kapital
Bevölkerung 17 bis 18 Jahre
Bevölkerung 19 bis 25 Jahre
Bevölkerung 26 bis 45 Jahre
Bevölkerung 4
bis 5 Jahre
Bevölkerung 46 bis 65 Jahre
Bevölkerung 6
bis 16 Jahre
Rentner
Bevölkerung 0
bis 3 Jahre
Naturschutzgebiete
Steuerungsvariable für Nutzbarwerdung des neuen Wissens
Steuerungsvariable für Nutzbarwerdung des neuen Wissens
Siedlungs- und Gewerbefläche
Special Interest Groups (Facharbeitskreise)
Special Interest Groups neue Wirtschaft(Facharbeitskreise)
Naturschutzgebiete in zentralen Teilen der Stadt
41
Erläuterungen
[bits]
Maßeinheit für Information nach Shannon (bits)
[dim. less]Dimensionslos
[MP]
[P]
42
Mikroprocessoren
Personenzahl
Fly UP