ORANI-G Mô hình chung cho các Mô hình Cân bằng Tổng thể Quốc Gia

1




Dự án Hậu WTO

KHÓA HUẤN LUYỆN CƠ BẢN VỀ
MÔ HÌNH CÂN BẰNG TỔNG THỂ


TÀI LIỆU SỐ 1

LÝ THUYẾT CỦA
MÔ HÌNH ORANI-G






Hà Nội, Việt Nam
24-26 Tháng 6 năm 2013
 Centre of Policy Studies, Monash University, All rights reserved.
2

The Centre of Policy Studies
ABN No 12 377 614 012

PO Box 11E
Monash University
Victoria 3800
Web address:












Contacts:

Dr. James A. Giesecke
Tel: 61-3- 9905 9756


Dr. Nhi Tran
Tel: 61-3- 9905 9244

ORANI-G: Mô hình chung cho các
Mô hình Cân bằng Tổng thể Quốc Gia





Mark Horridge

Trung Tâm Nghiên Cứu Chính Sách và Dự án Impact,
Viện Đại học Monash, Australia



Khái lược: Mô hình cân bằng tổng quát ORANI của nền kinh tế Australia đã được
sử dụng rộng rãi bởi giới học thuật cũng như các nhà kinh tế làm việc trong cả khu vực
chính phủ và tư nhân. Chúng tôi mô tả một phiên bản khái quát của mô hình, gọi là
ORANI-G, được thiết kế nhằm mục đích trình bày và có thể điều chỉnh để áp dụng cho
các quốc gia khác.
Mô tả của chúng tôi về các phương trình và cơ sở dữ liệu của mô hình được liên hệ
chặt chẽ với việc giải thích cách giải mô hình bằng hệ thống GEMPACK. Ý định của
chúng tôi là cung cấp một điểm khởi đầu thuận tiện cho những ai muốn sử dụng hoặc
xây dựng một mô hình cân bằng tổng thể có tính ứng dụng tương tự. Chúng tôi cũng
cung cấp các tập tin máy tính có chứa toàn bộ mô hình và cơ sở dữ liệu.
ORANI-G là cơ sở của các khóa đào tạo về mô hình hàng năm, và đã được điều
chỉnh để xây dựng mô hình cho Nam Phi, Brazil, Ireland, Pakistan, Sri Lanka, Fiji,

South Korea, Denmark, Vietnam, Thailand, Indonesia, Philippines, Trung Quốc cũng
như Hồng Kông. .

Chú thích: tài liệu này có xuất xứ là bài viết "ORANI-F: Mô hình Cân bằng Tổng
thể cho nền kinh tế Australia", của J.M. Horridge, B.R. Parmenter and K.R. Pearson
(tất cả đều thuộc Trung tâm Nghiên cứu Chính sách), đã được đăng trên tạp chí Eco-
nomic and Financial Computing (vol.3,no.2,Summer 1993).Sau đó, Mark Horridge đã
thay đổi bài viết khá nhiều để phục vụ cho mục đích giảng dạy, vì vậy không còn đề cập
đến phần đóng góp của các tác giả khác.

Phiên bản biên soạn cho
Các Khóa Huấn luyện Cơ bản về GE
Tổ chức năm 2009
Phiên bản này đã được hiệu đính theo các phương trình của
ORANIG06, phiên bản mới nhất của ORANI-G.

ii

ORANI-G được thiết kế cho mọi người tự do sử dụng và điều chỉnh để áp dụng cho các quốc gia
khác nhau và các mục đích khác nhau. Tài liệu này cũng vậy. Xin mời các bạn sử dụng hoặc thay đổi
một phần hoặc toàn bộ tài liệu này để soạn tài liệu cho mô hình dựa trên ORANI-G của bạn. Tuy nhiên,
nếu các bạn sử dụng tài liệu này thì chúng tôi đề nghị các bạn ghi nhận các tác giả của tài liệu theo cách
sau:
Horridge (2000), ORANI-G: A General Equilibrium Model of the Australian Economy, CoPS/IMPACT
Working Paper Number OP-93, Centre of Policy Studies, Monash University, downloadable from:
Translated from English into Vietnamese by Nguyen
Quoc Trung, Department of Management, Monash University. Translation edited by Nhi Tran, Centre of Policy
Studies, Monash University.

Có thể tiếp cận các tài liệu mới nhất liên quan đến ORANI-G tại:


iii

Nội Dung
1. Giới thiệu 1
2. Cấu trúc mô hình và giải thích kết quả 2
2.1 Cách giải thích so sánh tĩnh của kết quả mô hình 2
3. Phương pháp giải mô hình dưới dạng phần trăm thay đổi 3
3.1 Hệ chưa tuyến tính hóa và đã tuyến tính hóa: một ví dụ nhỏ 6
3.2 Nghiệm ban đầu 7
4. Các phương trình của mô hình ORANI-G 7
4.1. Ngôn ngữ TABLO 8
4.2. Cơ sở dữ liệu của mô hình 9
4.3. Kích thước của mô hình 11
4.4. Hệ thống đặt tên trong mô hình ORANI-G 12
4.5. Các hệ số số liệu chính và các biến liên quan 14
4.6. Hệ phương trình 19
4.7. Cơ cấu sản xuất 19
4.8. Cầu đối với các yếu tố sản xuất 21
4.9. Nguồn của các đầu vào trung gian 24
4.11. Chi phí sản xuất của các ngành và các loại thuế sản xuất 26
4.12. Từ sản lượng của ngành đến sản lượng hàng hóa 27
4.13. Các loại hàng xuất khẩu và tiêu thụ nội địa của mỗi loại hàng hóa 29
4.14. Cầu đối với hàng hóa dùng trong đầu tư 30
4.15. Cầu của hộ gia đình 32
4.16. Cầu đối với xuất khẩu 36
4.17. Các loại cầu cuối cùng khác 38
4.18. Cầu đối với dịch vụ lưu thông 39

4.19 Công thức tính doanh thu gộp 40
4.20. Các phương trình cân bằng thị trường (market-clearing equations) 40
4.21. Các mức giá của người mua 41
4.22. Các loại thuế gián thu 43
4.23. GDP tính theo thu nhập và theo chi tiêu 46
4.24. Cán cân mậu dịch và các chỉ số vĩ mô khác 50
4.25. Các biến gộp của các yếu tố sản xuất 51
4.26. Tỉ suất lợi nhuận và đầu tư 51
4.27. Thị trường lao động 54
4.28. Các phương trình khác 55
4.29. Đưa thêm biến để giải thích kết quả 56
4.30. Tách các thành phần của doanh thu 56
4.31. Phương pháp tách các thành phần doanh thu của Fan 57
4.32. Phân tích thành phần của GDP chi tiêu 58
4.33. Kiểm tra số liệu 61
4.34. Tóm tắt số liệu 62
4.35. Tỷ phần xuất khẩu và các hệ số co giãn của đường cung ngắn hạn 64
4.36. Lưu trữ số liệu cho các tính toán khác 64
5. Phần bổ sung phân tích theo vùng từ trên xuống (Top-down regional extension) 66
7. Sử dụng GEMPACK để giải mô hình 71
8. Kết luận 73
Tài liệu tham khảo 76

iv
Phụ lục

Phụ lục A: Các phương trình phần trăm thay đổi của một tổ CES 77
Phụ lục B: Mô hình ORANI-G trên World Wide Web 79
Phụ lục C: Các yêu cầu về phần cứng và phần mềm để sử dụng GEMPACK 79
Phụ lục D: Khác biệt chính giữa mô hình ORANI đầy đủ và phiên bản trong tài liệu này 80

Phụ lục E: Tính công thức các dạng phần trăm thay đổi 81
Phụ Lục F: Các phép tính đại số dẫn đến hệ chi tiêu tuyến tính 81
Phụ lục G: Xây mô hình AGE của chính bạn từ mô hình ORANI-G 84
Phụ lục H: Bổ sung và thay đổi của phiên bản 1998 85
Phụ lục I: Các kiểm định chính về tính hợp lý của mô hình: Các chiến lược khắc phục lỗi 85
Phụ lục J: Hệ số co giãn của cung trong ngắn hạn 87
1
1. Giới thiệu
ORANI- mô hình cân bằng tổng thể (AGE) cho nền kinh Australia- được xây dựng lần đầu tiên
vào cuối thập niên 70. Đây là một phần trong dự án IMPACT được chính phủ tài trợ
1
. Mô hình đã và
đang được sử dụng rộng rãi ở Australia như một công cụ hữu hiệu mà các học giả, các nhà kinh tế làm
việc trong các cơ quan nhà nước và cả trong khư vực tư sử dụng để phân tích thực tế các chính sách
2
.
Những phiên bản đầu của ORANI là các mô hình tĩnh, với các ứng dụng chỉ giới hạn trong phân tích
so sánh tĩnh. Những phiên bản sau (như ORANI-F và MONASH) có thêm các yếu tố động, thể hiện mối
quan hệ dự trữ/luân chuyển: giữa vốn dự trữ và đầu tư, giữa nợ nước ngoài và thâm hụt mậu dịch. Những
cải tiến, bổ sung khác vào mô hình gốc bao gồm hệ thống ngân sách nhà nước, và phân tích các kết quả
của mô hình từ cấp quốc gia xuống đến các vùng.
Phiên bản ORANI mô tả trong tài liệu này là ORANI-G. Nó giống với phiên bản ORANI gốc, và
được xây dựng để vừa giới thiệu phương pháp ORANI, vừa làm cơ sở để xây dựng các mô hình mới.
Trên thực tế, mô hình này đã là nền tảng cho các mô hình ở Nam Phi, Việt Nam, Indonesia, Hàn Quốc,
Thái Lan, Philippines, Pakistan, Đan Mạch, Trung Quốc, Đài Loan, và Fiji.
GEMPACK là một hệ thống phần mềm linh hoạt để giải các mô hình AGE. Nó được sử dụng để xây
dựng và giải mô hình ORANI-G (Harrison and Pearson, 1994). GEMPACK tự động hóa quy trình
chuyển đổi các đặc tính của mô hình thành một chương trình giải pháp. Người sử dụng GEMPACK
không đòi hỏi phải có kỹ năng lập trình. Thay vào đó, chỉ cần tạo một văn bản trong đó liệt kê các
phương trình của mô hình. Các cú pháp trong văn bản này tương tự như cú pháp đại số thông thường.

Chương trình TABLO của GEMPACK sau đó sẽ dịch văn bản này thành chương trình tương ứng để giải
mô hình.
Tài liệu này được soạn thảo làm bản mẫu để giúp các nhà nghiên cứu sử dụng hoặc xây dựng các mô
hình tương tự như ORANI-G, dựa trên phần mềm GEMPACK. Nội dung bao gồm:
 Tóm tắt cấu trúc của mô hình và cách giải thích các kết quả phân tích so sánh tĩnh và các mô
phỏng dự báo;
 Mô tả quy trình tìm nghiệm;
 Mô tả ngắn gọn về số liệu, nhấn mạnh các đặc tính chung của cấu trúc số liệu cần cho một mô
hình;
 Mô tả đầy đủ về cơ sở lý thuyết của mô hình, được trình bày theo file TABLO Input dùng để
chạy mô hình trong GEMPACK;
 Hướng dẫn về hệ thống GEMPACK cho cả máy tính cá nhân và máy tính lớn; và
 Minh họa ứng dụng
Tài liệu này đi kèm với nhiều tập tin máy tính. Chúng có thể được tải xuống từ mạng Internet – xin
xem phụ lục B. Các tập tin này bao gồm TABLO Input file của mô hình ORGANI-G và một cơ sở dữ
liệu cho 22 ngành. Quý vị cần phải có phần mềm GEMPACK để giải mô hình. Để có GEMPACK, xin
xem phụ lục C.

1
Xem: Powell, 1977; Dixon, Parmenter, Ryland và Sutton, 1977; Dixon, Parmenter, Sutton and Vincent
(DPSV/Green Book), 1982
2
Xem: Parmenter và Meagher, 1985; Powell và Lawson, 1989, Powell, 1991; Vincent, 1989
2
2. Cấu trúc mô hình và giải thích kết quả
Mô hình ORANI-G có nền tảng lý thuyết đặc trưng của một mô hình cân bằng tổng thể tĩnh. Nó bao
gồm các phương trình mô tả, cho một giai đoạn cụ thể nào đó, về:
 Cầu của nhà sản xuất về các đầu vào trung gian và các yếu tố sản xuất
 Cung hàng hóa của nhà sản xuất
 Cầu đầu vào để tạo vốn

 Cầu của hộ gia đình
 Cầu của xuất khẩu
 Cầu của chính phủ
 Mối quan hệ giữa giá cơ bản với chi phí sản xuất và với giá của người mua
 Các điều kiện cân bằng trên thị trường hàng hóa và thị trường tư liệu sản xuất; và
 Nhiều biến kinh tế vĩ mô và các chỉ số giá
Các phương trình cầu và cung của đối tượng mua thuộc khu vực tư được suy ra từ nghiệm của các
bài toán tối ưu hóa (như tối thiểu hóa chi phí, tối đa hóa độ thỏa dụng,.v.v). Tối ưu hóa được coi là nền
tảng quy định hành vi của người tiêu dùng trong kinh tế học vi mô, trường phái tân cổ điển. Người mua
được giả định là người chấp nhận giá, và nhà sản xuất hoạt động trong thị trường cạnh tranh, không có
lợi nhuận thuần túy.
2.1 Cách giải thích so sánh tĩnh của kết quả mô hình
Giống như đa phần các mô hình cân bằng tổng thể, ORANI-G được xây dựng để mô phỏng các so
sánh tĩnh. Các phương trình và biến, sẽ được mô tả chi tiết trong Phần 4, ngầm đề cập đến nền kinh tế
cho một giai đoạn trong tương lai.
Cách giải thích này được miêu tả trong Hình 1; nó diễn tả giá trị của một biến nào đó, ví dụ như việc
làm, theo thời gian. A là mức việc làm tại giai đoạn gốc (giai đoạn 0), B là mức việc làm có thể tạo ra
trong thời gian T năm nếu không có sự thay đổi trong một chính sách nào đó – ví dụ như thuế nhập khẩu.
Trong trường hợp có thay đổi thuế nhập khẩu, mức việc làm có thể đạt đến C, nếu mọi yếu tố khác
không đổi. Trong mô phỏng so sánh tĩnh, mô hình ORANI-G tính ra phần trăm biến động trong mức
việc làm, 100(C-B)/B, cho thấy trong giai đoạn T mức việc làm sẽ bị tác động như thế nào nếu như chỉ
có chính sách thuế nhập khẩu là thay đổi mà thôi.
Employment
0 T
Change
A
years
B
C

Hình 1. Giải thích kết quả phân thích so sánh tĩnh
3
Nhiều mô phỏng so sánh tĩnh của mô hình ORANI đã phân tích những tác động ngắn hạn của thay
đổi chính sách. Ở những mô phỏng này, vốn (capital stocks) thường được giữ ở mức trước khi có cú sốc
được phân tích (pre-shock levels). Các chứng cứ từ kinh tế lượng cho thấy rằng điểm cân bằng ngắn hạn
có thể đạt được trong khoảng hai năm, nghĩa là T = 2 (Cooper, McLaren and Powell, 1985). Những mô
phỏng khác sử dụng giả định rằng trong dài hạn, vốn sẽ được điều chỉnh để khôi phục lại tỷ suất sinh lợi
(ngoại sinh). Quá trình này có thể cần đến 10-20 năm, nghĩa là T= 10 hoặc 20. Trong cả hai trường hợp,
chỉ có việc chọn biến ngoại sinh và việc giải thích các kết quả là liên quan đến thời gian phân tích tác
động của cú sốc. Bản thân mô hình là trung tính về thời gian. Vì vậy, nó không cho chúng ta biết gì về
con đường điều chỉnh của nền kinh tế, như được thể hiện bằng các đường đứt khúc trên Hình 1.
Có nhiều phiên bản động của mô hình ORANI, nhưng tài liệu này chỉ đề cập thoáng qua. Các kết
quả từ phiên bản động cũng được nêu dưới dạng phần trăm thay đổi. Tuy nhiên ở đây, những thay đổi
chỉ so sánh giữa hai thời điểm. Ví dụ, trong Hình 1, các kết quả từ một dự báo cơ sở có thể đề cập đến sự
thay đổi từ A đến B. Những kết quả khác, sau khi đưa vào thay đổi chính sách thuế, có thể đề cập đến sự
thay đổi từ A đến C.
Thông thường, các phiên bản động của ORANI
3
có thêm các mối quan hệ giữa đầu tư và vốn, và nêu
rõ độ dài của giai đoạn T. Một điểm khác biệt quan trọng hơn giữa các ứng dụng so sánh động và tĩnh là
các mô hình động đòi hỏi nhiều thông tin hơn rất nhiều về những thay đổi của biến ngoại sinh. Để mô
phỏng sự thay đổi từ B đến C, ngoài cơ sở dữ liệu ban đầu, phân tích so sánh tĩnh chỉ đòi hỏi phải biết
giá trị thay đổi của biến ngoại sinh thuế. Còn trong mô phỏng động, chúng ta phải xác định sự thay đổi ở
tất cả các biến ngoại sinh. Vì thế, chúng ta cần phải có dự báo những thay đổi của giá cả ở nước ngoài,
thay đổi của nhiều loại thuế khác nhau, của công nghệ và thị hiếu.
MONASH là mô hình tiên tiến nhất trong dòng mô hình ORANI. Đây là một mô hình động có quy
mô lớn, trong đó T thường là 1 năm. Các lời giải của MONASH được kết nối với nhau, sao cho một mô
phỏng dự báo hoàn chỉnh bao gồm một loạt các thay đổi từ năm này qua năm khác của hàng ngàn biến
trong mô hình. Bằng cách giải mô hình cho từng năm một, chúng ta có thể cho thấy rõ các quá trình điều
chỉnh trong nền kinh tế. Tuy nhiên nhược điểm ở đây, như đã đề cập trên, là người sử dụng buộc phải

đưa ra dự báo cho con đường biến động trong tương lai của rất nhiều biến ngoại sinh.
3. Phương pháp giải mô hình dưới dạng phần trăm thay đổi
Nhiều phương trình của ORANI-G có dạng phi tuyến (non-linear), ví dụ như cầu phụ thuộc vào các
tỉ lệ giá. Tuy nhiên, theo Johansen (1960), mô hình có thể được giải bằng cách thể hiện nó như một hệ
phương trình tuyến tính kết nối phần trăm thay đổi trong các biến của mô hình. Phần tài liệu này giải
thích cách sử dụng dạng tuyến tính hóa (linearised form) để tìm chính xác nghiệm cho các phương trình
phi tuyến, cũng như việc xác định dạng tuyến tính gần đúng cho các nghiệm này
4
.
Một mô hình AGE tiêu biểu có thể được viết dưới dạng nguyên thể (levels, chưa tuyến tính hóa) như
sau:
F(Y,X) = 0, (1)
trong đó Y là vec-tơ của các biến nội sinh, X là vec-tơ của các biến ngoại sinh và F là hệ các hàm
phi tuyến tính. Bài toán của chúng ta là tính Y khi biết X. Thông thường, chúng ta không thể viết Y như
một hàm cụ thể của X.
Nhiều phương pháp đã được đưa ra để tính Y. Trong đó, phương pháp tuyến tính hóa sử dụng giả
định rằng chúng ta đã có một nghiệm {Y
0
,X
0
} cho hệ, nghĩa là,
F(Y
0
,X
0
) = 0. (2)

3
ORANIG-RD, một phiên bản động của ORANI-G, có thể tải từ ORANI-G website
4

Để biết chi tiết phương pháp tuyến tính hóa trong mô hình AGE, xem Black Book. Chương 3 có nội dung về
phương pháp Euler và phương pháp tính nhiều bước.
4
Thông thường, nghiệm ban đầu {Y
0
,X
0
} được suy ra từ số liệu trong quá khứ - bằng cách giả định
rằng hệ phương trình của ta là đúng cho một thời điểm nào đó trong quá khứ. Với các giả định thông
thường về dạng của hàm F, định thức sau đây là đúng cho những thay đổi nhỏ dY và dX:
F
Y
(Y,X)dY + F
X
(Y,X)dX = 0, (3)
Trong đó F
Y
và F
X
là các ma trận đạo hàm của hàm Y lần lượt theo Y và theo X, tính tại giá
trị{Y
0
,X
0
}. Vì những lý do sẽ giải thích sau đây, chúng ta sẽ thấy rằng thể hiện dY và dX dưới dạng
phần trăm thay đổi y và x là thuận tiện hơn. Theo đó, y và x, các phần tử của vector y và x, được cho như
sau:
y = 100dY/Y and x = 100dX/X. (4)
Tương ứng, ta định nghĩa:
G

Y
(Y,X) = F
Y
(Y,X)Y
^
và G
X
(Y,X) = F
X
(Y,X)X
^
, (5)
trong đó Y
^
và X
^
là những ma trận chéo. Và hệ tuyến tính hóa trở thành:
G
Y
(Y,X)y + G
X
(Y,X)x = 0. (6)
Bằng các phương pháp đại số tuyến tính thông thường, những hệ như thế có thể được giải dễ dàng
bằng máy tính. Nhưng nó chỉ chính xác cho những thay đổi nhỏ của Y và X. Với những thay đổi lớn,
phương pháp tuyến tính hóa có thể có sai số. Sai số này được trình bày trong Hình 2. Hình này cho thấy
biến ngoại sinh Y thay đổi như thế nào khi biến nội sinh X dịch chuyển từ X
0
đến X
F
. Quan hệ đích thực

và phi tuyến giữa X và Y được thể hiện dưới dạng một đường cong. Uớc lượng tuyến tính, hay ước
lượng bậc nhất, có dạng:
y = - G
Y
(Y,X)
-1
G
X
(Y,X)x (7)
dẫn đến ước lượng Johansen Y
J
, một ước lượng gần đúng của nghiệm thực Y
exact

Y
1 step
Exact
X
X
0
X
Y
0
Y
exact
F
Y
J
dX
dY

Hình 2. Sai số do tuyến tính hóa
Hình 2 cho thấy rằng, khi x càng lớn thì tỉ lệ sai số ở y càng tăng. Quan sát này đã đưa đến ý tưởng
chia nhỏ các thay đổi của X thành nhiều bước, như trình bày trong Hình 3. Ứng với mỗi thay đổi nhỏ ở
X, ta sử dụng ước lượng tuyến tính để suy ra những thay đổi nhỏ tương ứng ở Y. Sau đó sử dụng giá trị
mới của X và Y, ta tính lại hệ số các ma trận G
Y
và G
X
. Tiến trình này được lặp lại ở mỗi bước. Nếu ta
sử dụng 3 bước (như trong hình 3), giá trị cuối của Y và Y
3
gần với Y
exact
hơn trong ước lượng Y
J
của
Johansen. Như thế, có thể chứng minh rằng, với những điều kiện ràng buộc hợp lý cho đạo hàm của
F(Y,X), ta có thể có được nghiệm chính xác tới bất kỳ mức nào bằng cách chia quá trình thành nhiều
bước đủ nhỏ.
Phương pháp trình bày ở Hình 3, gọi là phương pháp Euler, là phương pháp đơn giản nhất trong số
nhiều phép tích phân số học – một quá trình trong đó sử dụng các phương trình vi phân (công thức thay
đổi) để đi từ nghiệm này sang nghiệm khác. GEMPACK đưa ra nhiều sự chọn lựa của những kỹ thuật
này. Mỗi kỹ thuật đòi hỏi người dùng đưa ra một nghiệm ban đầu {Y
0
,X
0
}, để đưa vào ma trận đạo hàm
5
G

Y
và G
X
, và tổng phần trăm thay đổi của các biến ngoại sinh, x. Không cần phải nêu rõ dạng nguyên
thể của F(Y,X), mặc dù nó là cơ sở của G
Y
và G
X
.
Tính chính xác của các kỹ thuật tìm nghiệm bằng nhiều bước có thể cải thiện nhờ phép ngoại suy.
Giả sử ta giải cùng một bài toán, nhưng với các phương pháp Euler 4 bước, 8 bước và 16 bước. Kết quả
cho thấy tổng phần trăm thay đổi của biến nội sinh Y là:
y(4-bước) = 4.5%,
y(8-bước) = 4.3% (giảm 0.2%), và
y(16- bước) = 4.2% (giảm 0.1%).
Phép ngoại suy cho thấy nghiệm của cách tính với 32 bước sẽ là:
y(32- bước) = 4.15% (giảm 0.05%),
và nghiệm chính xác sẽ là: y(-bước) = 4.1%.
Y
1 step
3 step
Exact
X
X
0
X
1
X
2
X

3
Y
0
Y
1
Y
3
Y
exact
Y
2
X
F
Y
J

Hình 3: Quy trình nhiều bước để giảm thiểu sai số tuyến tính

Kết quả ngoại suy cần 28 (= 4+8+16) bước để tính, nhưng kết quả này thường sẽ chính xác hơn so
với cách giải một lần với 28 bước. Nói cách khác, phương pháp ngoại suy cho phép ta đạt cùng mức
chính xác với số bước ít hơn. Như đã lưu ý ở trên, mỗi bước trong quá trình tìm nghiệm bằng phương
pháp nhiều bước đòi hỏi: tính toán phần trăm thay đổi từ số liệu của các ma trận đạo hàm G
Y
và G
X
; tìm
nghiệm của hệ tuyến tính (6), và sử dụng nghiệm đó để cập nhật số liệu (X,Y).
Trên thực tế, trong các mô hình AGE tiêu biểu, khi tính toán bằng nhiều bước, việc lưu trữ (record)
các giá trị cho từng phần tử của X và Y là không cần thiết. Thay vào đó, ta có thể định nghĩa một tập
hợp các hệ số số liệu V là các hàm của X và Y, ví dụ V = H(X,Y). Hầu hết các phần tử của V chỉ đơn

giản là các dòng chi phí hay các chi tiêu, như trong các bảng cân đối liên ngành. Như vậy, G
Y
và G
X
là
những hàm đơn giản của V; nó thường giống với các phần tử của V. Sau mỗi thay đổi nhỏ, V được cập
nhật bằng công thức v = H
Y
(X,Y)y + H
X
(X,Y)x. Việc lưu trữ V thay cho X và Y có hai ưu điểm:
 Thể hiện G
Y
và G
X
như hàm của V thường là đơn giản, đặc biệt là đơn giản hơn nhiều so với các
hàm F gốc; và
 V bao gồm ít phần tử hơn X và Y (ví dụ, thay vì lưu trữ giá và sản lượng riêng biệt, ta có thể lưu
tích của chúng, là giá trị của hàng hóa hay yếu tố sản xuất)
6
3.1 Hệ chưa tuyến tính hóa và đã tuyến tính hóa: một ví dụ nhỏ
Để minh họa tính thuận tiện của phương pháp tuyến tính hóa
5
, ta xét một hệ phương trình nhỏ: các
phương trình cầu đầu vào dạng CES của một nhà sản xuất với sản lượng đầu ra là Z và các yếu tố đầu
vào là X
k
, trong đó k=1-N, và giá là P
k
. Dạng nguyên thể (levels) của hệ phương trình là (xem phục lục

A):

X
k
= Z 
/(
k
[
P
k
P
ave
]
/(
, k=1,N (8)
Trong đó: P
ave
= (
i=1
N

/(
i
P
/(
i
)

. (9)


k
and là các tham số hành vi. Để giải mô hình ở dạng nguyên thể (levels model), các giá trị của 
k

thường được suy ra từ các giá trị của dòng hàng hóa trong quá khứ, V
k
=P
k
X
k
, được xem là tương thích
với hệ phương trình và với một số giá trị  cho trước. Quá trình này được gọi là cân chỉnh mô hình
(calibration). Để tính giá trị cho X
k
, ta thường gán giá trị một nào đó cho P
k
, ví dụ như 1. Điều này sẽ
giúp tạo ra đơn vị cho X
k
(là lượng X
k
có giá trị bằng 1 đôla ở năm gốc). Tham số  thường được tính từ
hệ số co giãn thay thế  (= 1/(+1)), với được ước tính bằng phương pháp kinh tế lượng. Khi đã biết
các giá trị của P
k
, X
k
, Z và , ta có thể suy ra 
k
.

Trong giai đoạn tìm nghiệm của mô hình nguyên thể, 
k
và  được cố định tại các giá trị đã cân
chỉnh (calibrated values). Thuật toán sẽ cố gắng tìm ra các giá trị P
k
, X
k
và Z tương thích với các phương
trình nguyên thể và với cả các điều kiện ràng buộc ngoại sinh. Để làm được điều này, thông thường thuật
toán sẽ kiểm tra nhiều lần các phương trình (8) và (9) – tương thích với F(Y,X) - và các đạo hàm của
các phương trình này theo F
Y
và F
X
.
.
Phương pháp phần trăm thay đổi thì đơn giản hơn nhiều. Các phương trình tuyến tính hóa tương ứng
với phương trình (8) và (9) là (xem phụ lục A và E):
x
k
= z - (p
k
- p
ave
), k=1,N (10)
và p
ave
= 
i=1
N

S
i
p
i
, trong đó S
i
là các tỉ lệ chi phí, ví dụ, S
i
= V
i
/ 
k=1
N
V
k
(11)
Vì phần trăm thay đổi không có đơn vị nên không cần thiết phải có giai đọan cân chỉnh – là giai đoạn
chọn đơn vị cho các biến một cách võ đoán. Cũng vì lý do này, các tham số 
k
không xuất hiện nữa. Tuy
nhiên, các số liệu dòng V
k
vẫn sẽ là điểm khởi đầu. Sau mỗi thay đổi, các giá trị này sẽ được cập nhật
bằng phương trình:
V
k,mới
=V
k,cũ
+ V
k,cũ

(x
k
+ p
k
)/100 (12)
GEMPACK được xây dựng để đơn giản hóa quá trình tìm nghiệm tuyến tính. Người dùng thiết lập
các phương trình tuyến tính (10) và (11) và công thức để cập nhật (12) bằng ngôn ngữ TABLO. Ngôn
ngữ này cũng tương tự như các ký hiệu trong môn đại số bình thường. Sau đó, GEMPACK sẽ lặp đi lặp
lại quy trình sau:
 Tính giá trị của G
Y
và G
X
tại các giá trị cho trước của V
 Giải hệ phương trình tuyến tính để tìm y, tận dụng sự thưa thớt (sparsity) của các ma trận G
Y

and G
X
 và
 Cập nhật các hệ số V
Các chi tiết của việc tính toán bằng phương pháp nhiều bước và các phép suy nghiệm được thực hiện
tự động và ẩn (người dùng không thấy).
Ngoài tính đơn giản, phương pháp tuyến tính hóa còn có ba ưu điểm nữa.

5
Để biết thêm và so sánh giữa các cách giải không tuyến tính hóa và tuyến tính hóa để giải các mô hình AGE,
xem thêm Hertel, Horridge & Pearson (1992).
7
 Thứ nhất, nó cho phép linh hoạt lựa chọn các biến sẽ là nội sinh hay ngoại sinh. Nhiều thuật toán

giải hệ phương trình nguyên thể (không tuyến tính hóa) không có đặc điểm này.
 Để thu nhỏ các mô hình AGE tới mức có thể kiểm soát được, ta thường phải dùng các phương trình
của mô hình để thay thế (substitute out) các biến ma trận phức tạp. Trong một hệ phương trình
tuyến tính, chúng ta luôn có thể thể hiện một biến bằng một phương trình mà trong đó nó xuất hiện.
Vì vậy, việc thay thế biến là khá đơn giản. Trên thực tế, vì GEMPACK thực hiện phép biến đổi này
thay cho con người, mô hình có thể được viết dưới dạng các phương trình ban đầu, thay vì dạng thu
nhỏ theo cách vừa trình bày ở trên. Điều này giúp giảm thiểu các lỗi có thể mắc phải và giúp dễ kiểm
tra các phương trình trong mô hình hơn.
 Thứ ba, và có lẽ là quan trọng nhất, là các phương trình tuyến tính giúp ta hiểu kết quả mô phỏng.
Cụ thể, ta có thể dễ dàng thấy được phần đóng góp của mỗi biến ở vế phải lên về trái của từng
phương trình. Ví dụ, trong phương trình tính chỉ số giá CES:
p
ave
= 
i=1
N
S
i
p
i

Ta có thể tính được phần đóng góp của từng mức giá p
i
trong chỉ số p
ave
. Chương trình AnalyseGE
của GEMPACK tự động hóa việc này.
3.2 Nghiệm ban đầu
Cho tới lúc này, quy trình tìm nghiệm của chúng ta dựa trên giả định rằng ta đã có một nghiệm ban
đầu của mô hình là {Y

0
,X
0
}, hoặc giá trị V
0
tương ứng, và kết quả được thể hiện dưới dạng phần trăm
thay đổi so với giá trị ban đầu này.
Trên thực tế, cơ sở dữ liệu của ORANI không thể hiện được trạng thái mong đợi của nền kinh tại
một thời điểm trong tương lai, như điểm B trên Hình 1. Thay vào đó, số liệu quá khứ gần nhất, điểm A,
được sử dụng. Như vậy, các số liệu tốt nhất cũng chỉ thể hiện được nền kinh tế hiện tại mà thôi. Lưu ý
rằng, với một mô hình tĩnh không mang tính thời gian, A được coi là nghiệm cho giai đoạn T. Trong mô
hình tĩnh, khi cho tất cả các biến ngoại sinh giá trị ở giai đoạn gốc thì tất cả các biến nội sinh cũng sẽ có
giá trị như ở giai đoạn gốc. Tuy nhiên, điểm A có thể không phải là trạng thái phù hợp để làm chuẩn so
sánh cho nền kinh tế tại gia đoạn T, do đó câu hỏi đặt ra là: liệu các ước lượng về phần trăm thay đổi từ
B đến C có bị tác động bởi xuất phát điểm là A thay vì B? Ví dụ, liệu các phần trăm thay đổi do việc
giảm thuế nhập khẩu ở năm 1994 gây ra có khác biệt nhiều so với các thay đổi nếu giảm thuế vào năm
2005? Có lẽ không! Vì trước hết, nếu nền kinh tế tăng trưởng cân bằng, nghĩa là cơ sở dữ liệu của mô
hình được gia tăng đồng đều, thì tất cả các hệ số của phương trình sẽ được nhân với cùng một tỉ lệ,
không ảnh hưởng đến kết quả của ORANI. Thứ hai, những thay đổi về cấu trúc của nền kinh tế mà có thể
làm biến đổi kết quả của mô hình lại thường diễn ra khá chậm. Do đó, trong các mô phỏng ở ngắn hoặc
trung hạn, điểm A có thể đại diện tương đối tốt cho B (Dixon, Parmenter and Rimmer, 1986)
6
.
4. Các phương trình của mô hình ORANI-G
Trong phần này chúng tôi sẽ mô tả mô hình ở dạng tuyến tính. Mô tả của chúng tôi xoay quanh file
TABLO, công cụ để chạy mô hình trong chương trình GEMPACK. Cụ thể, chúng tôi sẽ trình bày toàn
bộ TABLO Input file theo từng đoạn, cùng với bảng biểu, sơ đồ và các phần giải thích.
Ngôn ngữ sử dụng trong file TABLO rất giống như ngôn ngữ đại số thông thường, trong đó tên của
các biến và hệ số được chọn sao cho có thể truyền đạt ý nghĩa kinh tế của chúng. Người đọc cần qua

6
Ví dụ, kết quả mô phỏng cho thấy rằng nếu giảm thuế nhập khẩu đánh lên hàng dệt thì lượng việc làm trong
ngành dệt sẽ bị giảm 7% trong 5 năm tới. Ở đây, chúng tôi nói rằng kết quả này là không quá nhạy cảm với việc
chúng ta mô phỏng từ cơ sở dữ liệu của hôm nay chứ không phải từ cơ sở dữ liệu của 5 năm tới. Tuy nhiên, ảnh
hưởng về mặt xã hội của mức giảm 7% này phụ thuộc chặt chẽ vào việc lao động trong ngành dệt có tăng trưởng
hay không trong điều kiện không có cắt giảm thuế. Để xem xét vấn đề này, chúng ta cần một mô hình dự báo, như
mô hình MONASH. Nếu kết quả của kịch bản đối chiếu trong MONASH cho thấy việc làm trong ngành dệt sẽ tăng
trưởng 1.5% mỗi năm thì việc giảm 7% trong 5 năm có thể không dẫn đến tình trạng sa thải nhân công.
8
thực hành thì mới quen được với các ký hiệu trong TABLO, nhưng nó không hề khó hơn các cách thể
hiện mô hình khác, ví như ngôn ngữ sử dụng trong sách của DPSV (1982). Khi đã quen với ngôn ngữ
trong file này, ta có thể dễ dàng sử dụng các chương trình GEMPACK để thực hiện mô phỏng với mô
hình và chuyển kết quả thành dạng dễ đọc cho con người. Cả đầu ra và đầu vào của những chương trình
này đều sử dụng các ký hiệu của TABLO. Hơn nữa, việc thuần thục với dạng ngôn ngữ của TABLO là
điều cần thiết cho những ai muốn thay đổi cấu trúc của mô hình.
Một lý do quan trọng khác cho việc sử dụng TABLO Input file để mô tả mô hình là để đảm bảo các
mô tả của chúng tôi là đầy đủ và chính xác. Nó đầy đủ bởi vì số liệu duy nhất cần thêm để giải mô hình
bằng GEMPACK là số liệu số (cơ sở dữ liệu của mô hình và các giá trị cho biến ngoại sinh của mô
phỏng). Và nó chính xác bởi vì GEMPACK chỉ đơn giản là một hệ thống dùng để giải phương trình. Tự
nó không bao hàm các giả định về kinh tế.
Chúng tôi tiếp tục phần này với một đoạn giới thiệu ngắn về ngôn ngữ TABLO – những chi tiết khác
sẽ trình bày sau, khi cần thiết. Sau đó, chúng tôi mô tả cơ sở dữ liệu đầu vào đầu ra được dùng làm cơ sở
của mô hình. Đó là những nội dung chính trong phần trình bày sau đây.
4.1. Ngôn ngữ TABLO
Phần mô tả mô hình TABLO định nghĩa các phương trình thể hiện phần trăm thay đổi trong mô hình.
Ví dụ, các phương trình của hàm cầu CES, (10) và (11), xuất hiện dưới dạng sau:

Equation E_x # input demands #
(all, f, FAC) x(f) = z - SIGMA*[p(f) - p_f];
Equation E_p_f # input cost index #

V_F
*
p_f = sum{f,FAC, V(f)
*
p(f)};

Từ đầu tiên ―Equation‖ là từ khóa để định nghĩa câu lệnh. Tiếp theo là tên của phương trình, tên này
phải khác nhau cho các phương trình khác nhau. Lời mô tả giữa hai ký hiệu '#' là tùy chọn; nó thường
xuất hiện trong một số file báo cáo. Cụm từ '(all, f, FAC)' cho biết rằng phương trình là một ma trận chứa
phương trình vô hướng cho mỗi phần tử trong tập hợp FAC.
7

Trong từng phương trình, chúng tôi sử dụng một số quy ước như sau: các biến phần trăm thay đổi
được viết bằng chữ thường (ví dụ như x, z, p và p_f); các hệ số được viết bằng chữ in hoa (SIGMA, V
and V_F). Vì GEMPACK không phân biệt chữ viết thường hay viết hoa, nên quy ước này chỉ nhằm giúp
nguời đọc dễ phân biệt mà thôi. Một hệ quả của điều này là chúng ta không thể sử dụng cùng một chuỗi
ký tự, chỉ khác nhau bằng viết thường hay viết hoa, để xác định một biến và một hệ số. Phần đuôi ‗(f)‘
chỉ ra rằng các biến và hệ số là các vec-tơ, với các phần tử thuộc tập hợp FAC. Dấu chấm phẩy (;) báo
hiệu kết thúc một câu lệnh trong TABLO.
Để thuận lợi trong việc chuyển đổi giữa các môi trường điện toán, các ký tự được phép sử dụng
trong TABLO khá hạn chế. Chỉ được sử dụng các chữ cái La-tinh, các chữ số, và một vài loại dấu chấm
phảy. Không được sử dụng các ký tự Hy Lạp, các chữ viết dưới dòng (subscripts). Ngoài ra, dấu nhân
được thể hiện bằng dấu hoa thị '
*
' chứ không phải bằng dấu ''.

7
Đối với phương trình E_x ta có thể viết như sau: (all, j, FAC) x(j) = z - SIGMA*[p(j) - p_f] mà không làm
thay đổi kết quả mô phỏng. Chúng tôi thường sử dụng chỉ số (f) giống như ký tự đầu tiên của tập hợp mà nó đại
diện, nhằm giúp người học dễ hiểu hơn, nhưng GEMPACK không bắt buộc ta phải làm thế. Ngược lại, GAMS (một

phần mềm cạnh tranh) bắt buộc người dùng phải sử dụng một cách nhất quán các ký hiệu chỉ các tập hợp bằng cách
kết nối một cách cứng nhắc các ký hiệu này với các tập hợp tương ứng.
9
Các tập hợp, các hệ số và các biến số phải được định nghĩa rõ ràng thông qua các câu lệnh như:

Set FAC # inputs # (capital, labour, energy);
Coefficient
(all,f,FAC) V(f) # cost of inputs #;
V_F # total cost #;
SIGMA # substitution elasticity #;
Variable
(all,f,FAC) p(f) # price of inputs #;
(all,f,FAC) x(f) # demand for inputs #;
z # output #;
p_f # input cost index #;

Như có thể thấy từ hai câu cuối của phần 'Coefficient' và ba câu cuối của phần 'Variable‖, các từ
khóa (như 'Coefficient' and 'Variable') có thể được lược bỏ nếu như câu lệnh trước nó thuộc cùng một
dạng.
Các hệ số phải được gán các giá trị hoặc đọc từ file như:

Read V from file FLOWDATA;
Read SIGMA from file PARAMS;

Hoặc được xác định qua các hệ số khác bằng công thức:

Formula V_F = sum{f, FAC, V(f)}; ! used in cost index equation !

Vế phải của câu lệnh cuối sử dụng ký hiệu tổng của TABLO, tương đương với ký hiệu  trong môn
đại số. Nó xác định tổng của các chỉ số f chạy trong tập hợp FAC của các hệ số chi phí đầu vào, V(f).

Câu lệnh này cũng chứa phần giải thích hay nhận xét; đó là phần được đặt giữa hai dấu chấm than (!).
TABLO không xử lý phần giải thích.
Một số hệ số sẽ được cập nhật trong quá trình tính toán nhiều bước. Và điều này đòi hỏi câu lệnh
như:

Update (all,f,FAC) V(f) = x(f)
*
p(f);

Đây là câu lệnh cập nhật mặc định nhằm tăng V(f) sau mỗi bước bằng một lượng [x(f) + p(f)]%;
trong đó, x(f) và p(f) là các phần trăm thay đổi tính tại bước trước đó.
Các câu lệnh mẫu trình bày ở trên đã giới thiệu hầu hết các câu lệnh cần có trong mô hình. Nhưng vì
tất cả các tập hợp, các hệ số và các biến cần phải được định nghĩa trước khi chúng được sử dụng, và vì
các hệ số phải được gán các giá trị trước khi chúng xuất hiện trong các phương trình, nên trình tự của
các câu lệnh TABLO gần như đảo ngược so với đoạn trích trên. File ORANI-G TABLO Input được sắp
xếp theo trình tự sau:
 Định nghĩa các tập hợp
 Khai báo các biến
 Khai báo các hệ số thường sử dụng để đọc từ các files có các lệnh Read và Update
 Khai báo các hệ số thường dùng khác để tính toán số liệu trong các công thức; và
 Nhóm các phương trình có liên quan, trong đó một số nhóm có cả câu lệnh định nghĩa các hệ số chỉ
sử dụng trong nhóm đó thôi.
4.2. Cơ sở dữ liệu của mô hình
Hình 4 là giản đồ của cơ sở dữ liệu đầu vào đầu ra của mô hình. Giản đồ này thể hiện cấu trúc cơ
bản của mô hình. Các tựa đề của các cột trong phần chính của hình (ma trận hấp thu) xác định các tác
nhân có nhu cầu tiêu dùng hàng hóa như sau:
(1) Các nhà sản xuất trong nước, được chia thành I ngành;
(2) Các nhà đầu tư, được chia thành I ngành;
(3) Một hộ gia đình đại diện;
10

(4) Một nhà nhập khẩu lớn mua các hàng hóa xuất khẩu;
(5) Nhu cầu của chính phủ; và
(6) Thay đổi của lượng tồn kho


Hình 3. Cơ sở dữ liệu ủa mô hình ORANI-G
Các giá trị trong mỗi cột là cơ cấu của của các khoản mua của các đối tượng ghi trên tiêu đề của cột.
Mỗi loại hàng hóa C trong mô hình có thể được mua trong nước hay nhập khẩu. Các hàng hóa này có thể
được sử dụng như nguyên vật liệu đầu vào cho các ngành sản xuất và tạo vốn tài sản, có thể được tiêu


Ma trận Hấp thu


1
2
3
4
5
6



Nhà SX

Nhà ĐTư

Hộ GĐ

Xuất khẩu

Chính phủ
Thay đổi
Tồn kho

Độ lớn
I
I
1
1
1
1
Dòng
cơ bản

CS


V1BAS

V2BAS

V3BAS

V4BAS

V5BAS

V6BAS

Lưu thông

CSM


V1MAR

V2MAR

V3MAR

V4MAR

V5MAR

n/a

Thuế

CS


V1TAX

V2TAX

V3TAX

V4TAX

V5TAX

n/a

Lao động

O


V1LAB
C = Số lượng chủng loại hàng hóa
I = Số lượng ngành

Vốn

1


V1CAP
S = 2: Nội địa, nhập khẩu,
O = Số loại nghề nghiệp

Đất đai

1


V1LND
M = Số lượng chủng loại hàng hóa sử dụng như
phương tiện lưu thông

Thuế
sản xuất

1


V1PTX

Chi phí
khác

1


V1OCT



Ma trận phối
hợp sản xuất



Thuế nhập
khẩu

Độ
lớn
I


Độ
lớn
 1


C


MAKE


C


V0TAR


11
thụ bởi các hộ gia đình và chính phủ, có thể được xuất khẩu hoặc được cộng vào hay trừ ra khỏi khoản
tồn kho. Chỉ có hàng hóa sản xuất trong nước được để ở cột xuất khẩu. Một lượng M hàng hóa sản xuất
trong nước được sử dụng như các dịch vụ lưu thông (bán buôn, bán lẻ và vận tải) cần thiết để chuyển
hàng hóa từ nguồn cung cấp sang người sử dụng. Thuế hàng hóa được đánh lên các khoản mua. Cùng
với đầu vào trung gian, việc sản xuất đòi hỏi phải có các yếu tố sản xuất: lao động (chia làm O ngành
nghề), vốn cố định và đất nông nghiệp. Thuế sản xuất bao gồm thuế đầu ra hoặc trợ cấp mà không phân
biệt giữa người tiêu dùng. Mục ‗chi phí khác‘ bao gồm các loại thuế khác đánh lên doanh nghiệp như các
loại lệ phí hoặc phụ phí của địa phương.
Mỗi ô trong ma trận minh họa trên Hình 4 chứa tên của một ma trận tương ứng trong số liệu. Ví dụ,
V2MAR là một ma trận 4 chiều cho thấy chi phí của M dịch vụ lưu thông cho việc lưu chuyển C chủng
loại hàng hóa, cả hàng hóa sản xuất trong nước và nhập khẩu, đến I nhà đầu tư.
Về nguyên tắc, mỗi ngành sản xuất có thể sản xuất bất kỳ loại nào trong C chủng loại hàng hóa. Ma

trận MAKE ở phía dưới của hình 4 thể hiện giá trị của đầu ra của mỗi hàng hóa từ mỗi ngành. Sau cùng,
thuế quan đánh lên hàng nhập khẩu được giả định là khác biệt đối với từng mặt hàng, nhưng không khác
biệt đối với từng người sử dụng. Doanh thu thuế nhập khẩu được được thể hiện bằng vec-tơ V0TAR.
4.3. Kích thước của mô hình
Đoạn trích 1 của file TABLO Input bắt đầu bằng việc định nghĩa các tên gọi logic cho các file đầu
vào và đầu ra. Những số liệu ban đầu được lưu ở file đầu vào BASEDATA. File đầu ra SUMMARY
được dùng để lưu các thông tin tổng hợp và thông tin để chuẩn đoán lỗi. Lưu ý rằng cả BASEDATA và
SUMMARY chỉ là các tên logic. Địa điểm cụ thể của các files này (trong các thư mục, ổ đĩa) là do người
dùng mô hình chỉ định.
Phần còn lại của Đoạn trích 1 định nghĩa các tập hợp: các danh sách mô tả các phần tử của các biến
vec-tơ. Tên của các tập hợp được viết dưới dạng chữ in hoa. Ví dụ, câu lệnh của tập hợp đầu tiên được
hiểu là để định nghĩa một tập hợp với tên ‗COM‘ có chứa các tên mô tả hàng hóa. Các phần tử của COM
(gồm một danh sách các tên hàng hóa) được đọc từ file đầu vào (điều này sẽ cho phép mô hình sử dụng
các cơ sở dữ liệu với các số lượng ngành hàng khác nhau). Ngược lại, hai yếu tố của tập hợp SRC – dom
và imp – được viết thẳng vào câu lệnh.

! Excerpt 1 of TABLO input file: !
! Files and sets !

File BASEDATA # Input data file #;
(new) SUMMARY # Output for summary and checking data #;

Set !Index!
COM # Commodities# read elements from file BASEDATA header "COM"; ! c !
SRC # Source of commodities # (dom,imp); ! s !
IND # Industries # read elements from file BASEDATA header "IND"; ! i !
OCC # Occupations # read elements from file BASEDATA header "OCC"; ! o !
MAR # Margin commodities # read elements from file BASEDATA header "MAR";! m !
Subset MAR is subset of COM;
Set NONMAR # Non-margin commodities # = COM - MAR; ! n !

Các hàng hóa, ngành sản xuất và nghề nghiệp trong phiên bản ORANI-G cho Australia được trình
bày ở đây là phiên bản gộp (aggregated version) của các hàng hóa, ngành và nghề nghiệp được sử dụng
trong mô hình gốc ORANI, gồm hơn 100 ngành và chủng loại hàng hóa, và 8 loại nghề nghiệp.
Phân loại ngành có khác biệt nhỏ so với phân loại hàng hóa. Cả hai đều được liệt kê trong Bảng 1.
Trong phiên bản gộp này, việc sản xuất đa hàng hóa (multiproduction) chỉ giới hạn ở hai ngành sản xuất
ra ba loại hàng hóa. Mỗi ngành còn lại chỉ sản xuất một loại hàng hóa. Lao động được chia thành nhiều
nghề nghiệp dựa trên kỹ năng, được mô tả trong tập hợp OCC.
Cột giữa của Bảng 1 liệt kê các phần tử của tập hợp COM và có thể đọc từ file. GEMPACK sử dụng
tên các phần tử để định tên cho các cột và dòng của kết quả và các bảng số liệu. Tên các phần tử không
12
được dài hơn 12 ký tự và không chứa khoảng trắng. Các phần tử của IND giống như các phần tử 2-23
của COM.
Các phần tử của tập hợp MAR là các dịch vụ lưu thông; cụ thể hơn, chúng được sử dụng để hỗ trợ
quá trình lưu thông các hàng hóa khác từ nhà sản xuất đến người tiêu dùng. Vì thế, chi phí của các dịch
vụ lưu thông, cùng với các loại thuế gián thu, tạo nên sự khác biệt giữa giá cơ bản (basic prices) (giá mà
nhà sản xuất hoặc nhà nhập khẩu nhận được) và giá mà người mua phải trả (purchasers‘ prices).
TABLO không cấm các phần tử trong hai tập hợp có tên gọi giống nhau. Nó cũng không tự động suy
ra bất kỳ mối liên hệ nào giữa các phần tử đó. Câu lệnh Subset tiếp sau định nghĩa của tập hợp MAR là
cần thiết để yêu cầu TABLO nhận ra rằng hai phần tử của MAR là Trade và Transport là giống với phần
tử thứ 18 và 19 của tập hợp COM.
Bảng 1 phân loại hàng hóa và ngành

Mô tả hàng hóa
Các phần tử của tập hợp COM

Mô tả ngành sản xuất
1
2
3

Ngũ cốc
Nông nghiệp quảng canh
Nông nghiệp thâm canh
Cereals
AgBroadacre
AgIntensive

1
2
Nông nghiệp quảng canh
Nông nghiệp thâm canh
4
Mỏ, xuất khẩu
MiningExport
3
Mỏ, xuất khẩu
5
Mỏ, khác
MiningOther
4
Mỏ, khác
6
Thực phẩm & fibre, xuất khẩu
FoodFibre
5
Thực phẩm & fibre, xuất khẩu
7
Thực phẩm, khác
FoodOther
6

Thực phẩm, khác
8
Dệt, quần áo & dày dép
TCF
7
Dệt, quần áo & dày dép
9
Sản phẩm từ gỗ
WoodProds
8
Wood related products
10
Hóa chất & sản phẩm từ dầu
ChemProds
9
Hóa chất & sản phẩm từ dầu
11
Sản phẩm phi kim loại
NonMetal
10
Sản phẩm phi kim loại
12
Sản phẩm kim loại
MetalProds
11
Sản phẩm kim loại
13
Thiết bị vận tải
TrnspEquip
12

Thiết bị vận tải
14
Máy móc khác
OthMachnry
13
Máy móc khác
15
Sản xuất khác
OthManufact
14
Sản xuất khác
16
Utilities
Utilities
15
Utilities
17
Xây dựng
Construction
16
Xây dựng
18
Bán buôn và bán lẻ
Trade (margin)
17
Bán buôn và bán lẻ
19
Vận tải
Transport (margin)
18

Vận tải
20
Tài chính, ngân hàng
Finance
19
Tài chính, ngân hàng
21
Quyền sở hữu nhà
Dwellings
20
Quyền sở hữu nhà
22
Dịch vụ công
PublicServcs
21
Dịch vụ công
23
Dịch vụ tư
PrivatServcs
22
Dịch vụ tư

4.4. Hệ thống đặt tên trong mô hình ORANI-G
File TABLO Input định nghĩa rất nhiều biến và nhiều hệ số sử dụng trong các phương trình của mô
hình. Rất khó để có thể nhớ hết được tên gọi của các biến và hệ số này
8
. Điều may mắn là tên của chúng
tuân theo một quy luật. Mặc dù GEMPACK không đòi hỏi hệ thống đặt tên phải thực hiện theo một quy

8

Chương trình TABmate của GEMPACK hỗ trợ việc nhớ lại tên các biến và hệ số. Khi file TABLO Input chạy
trong TABmate, bạn có thể nhấp chuột vào bất kỳ biến hoặc hệ số nào; sau đó, chọn nút Gloss, một danh sách sẽ
xuất hiện với phần mô tả của biến đó, cùng với tất cả các câu lệnh trong file TABLO input có chứa nó.
13
luật nào, nhưng chúng ta sẽ thấy rằng việc đặt tên có hệ thống sẽ giúp ta đáng kể trong việc nhớ chúng.
Do đó, tên của các biến nên tuân theo một hệ thống gồm hai phần hoặc nhiều hơn như sau:
Đầu tiên, một ký tự hay nhiều ký tự thể hiện loại của biến, ví dụ:
a thay đổi công nghệ
del thay đổi thường thay vì thay đổi phần trăm
f biến dịch chuyển
H Tham số chỉ số
p giá, nội tệ
pf giá, ngoại tệ
S tỉ lệ đầu vào
SIGMA hệ số co giãn thay thế
t thuế
V hệ số chỉ giá trị, tính bằng nội tệ
w phần trăm thay đổi của giá trị, tính bằng nội tệ
x số lượng đầu vào;
Thứ hai, một trong các chữ số từ 0 đến 6 thể hiện người sử dụng hàng hóa, nghĩa là:
1 sản xuất hiện tại
2 đầu tư
3 tiêu dùng
4 xuất khẩu
5 chính phủ
6 mức tồn kho
0 tất cả người tiêu dùng, hay không phân biệt người dùng
Thứ ba (tùy chọn), ba ký tự hoặc nhiều hơn cung cấp thêm thông tin, cụ thể như:
bas (thường bị lược bỏ) cơ bản —không bao gồm thuế và các chi phí lưu thông
cap vốn

cif giá nhập tại cửa khẩu
imp nhập khẩu (đã trả thuế nhập khẩu)
lab lao động
lnd đất đai
lux Hệ chi tiêu tuyến tính (phần xa xỉ)
mar chi phí lưu thông
oct các chi phí khác
prim tất cả các tư liệu sản xuất (đất, lao động hoặc vốn)
pur tại mức giá mua
sub hệ chi tiêu tuyến tính (phần thiết yếu)
tar thuế nhập khẩu
tax Thuế gián thu
tot Tổng hay trung bình cho tất cả các đầu vào của một người sử dụng nào đó
Thứ tư (tùy chọn), ký tự gạch chân (underscore character), cho biết biến này là một tổng hay trung bình,
với các ký tự tiếp theo sau chỉ ra rằng biến gạch chân này là tổng hay trung bình của tập hợp nào, ví
dụ:
_c cho tập hợp COM (hàng hóa),
_s cho tập hợp SRC (nội địa + nhập khẩu),
_i cho tập hợp IND (ngành),
_io cho tập hợp IND và OCC (kỹ năng).
Mặc dù GEMPACK không phân biệt giữa các ký tự dạng in thường hay in hoa, ta vẫn sử dụng:
Chữ in thường cho tên biến và chỉ số cho tập hợp
Chữ in hoa cho các tập hợp và tên các hệ số, và
Chữ in hoa cho ký tự đầu tiên của các từ khóa của TABLO
14
4.5. Các hệ số số liệu chính và các biến liên quan
Trong các đoạn trích kế tiếp của file TABLO có các câu lệnh thể hiện rằng số liệu sẽ được đọc từ
file. Các số liệu được định nghĩa trong những câu lệnh này xuất hiện dưới dạng các hệ số trong các
phương trình của mô hình. Các câu lệnh định nghĩa tên của các hệ số (ở dạng chữ in hoa), nơi (địa chỉ)
số liệu sẽ được đọc, tên của các biến (dưới dạng chữ in thường), và công thức để cập nhật số liệu – đây

là một bước cần thiết khi giải mô hình bằng nhiều bước (xem lại Phần 3).
4.5.1 Các dòng hàng hóa ở giá cơ bản
Các đoạn trích dưới đây sẽ nhóm các số liệu căn cứ theo hàng của Hình 4. Như vậy, Đoạn 2 bắt đầu
bằng việc định nghĩa các hệ số đại diện cho các dòng hàng hóa cơ bản tương ứng với hàng 1 (các dòng
trực tiếp) của hình, cụ thể là các ma trận V1BAS, V2BAS, v.v. Đi trước tên của hệ số là kích thước của
chúng, được xác định bằng từ "all" và các tập hợp đã được định nghĩa trong Đoạn trích 1. Ví dụ, 'Coeffi-
cient' đầu tiên, (ở Đoạn trích 2), định nghĩa số liệu V1BAS(c,s,i), là giá trị cơ bản (thể hiện bằng BAS)
của một dòng đầu vào trung gian (thể hiện bằng '1') của hàng hóa c từ nguồn s đến người tiêu dùng là
ngành sản xuất i. Câu lệnh 'Read' đầu tiên cho thấy rằng số liệu này được lưu trữ tại file BASEDATA
với tiêu đề '1BAS'. (Một file số liệu trong GEMPACK bao gồm nhiều mục số liệu, ví dụ như một chuỗi
các số thực. Mỗi số liệu được nhận dạng bằng một từ khóa hoặc một ‗tiêu đề‘ duy nhất.
Mỗi một dòng hàng hóa là một tích số của giá và sản lượng. Đoạn trích tiếp theo định nghĩa những
biến này. Trừ phi được khai báo khác đi, các biến này là phần trăm thay đổi. Để ký hiệu điều này, tên
của các biến này được viết dưới dạng chữ in thường. Trước tên của biến là kích thước của chúng, được
chỉ ra bằng các tập hợp đã định nghĩa trong Đoạn trích 1. Ví dụ, câu lệnh cho biến thứ nhất xác định một
biến ma trận x1 (xác định theo hàng hóa, nguồn, và ngành) có các phần tử là phần trăm thay đổi của cầu
trực tiếp từ nhà sản xuất đối với đầu vào trung gian từ các nguồn cụ thể. Đây là biến số lượng tương ứng
với V1BAS.

15
! Excerpt 2 of TABLO input file: !
! Data coefficients and variables relating to basic commodity flows !

Coefficient ! Basic flows of commodities (excluding margin demands)!
(all,c,COM)(all,s,SRC)(all,i,IND) V1BAS(c,s,i) # Intermediate basic flows #;
(all,c,COM)(all,s,SRC)(all,i,IND) V2BAS(c,s,i) # Investment basic flows #;
(all,c,COM)(all,s,SRC) V3BAS(c,s) # Household basic flows #;
(all,c,COM) V4BAS(c) # Export basic flows #;
(all,c,COM)(all,s,SRC) V5BAS(c,s) # Government basic flows #;
(all,c,COM)(all,s,SRC) V6BAS(c,s) # Inventories basic flows #;

Read
V1BAS from file BASEDATA header "1BAS";
V2BAS from file BASEDATA header "2BAS";
V3BAS from file BASEDATA header "3BAS";
V4BAS from file BASEDATA header "4BAS";
V5BAS from file BASEDATA header "5BAS";
V6BAS from file BASEDATA header "6BAS";
Variable ! Variables used to update above flows !
(all,c,COM)(all,s,SRC)(all,i,IND) x1(c,s,i) # Intermediate basic demands #;
(all,c,COM)(all,s,SRC)(all,i,IND) x2(c,s,i) # Investment basic demands #;
(all,c,COM)(all,s,SRC) x3(c,s) # Household basic demands #;
(all,c,COM) x4(c) # Export basic demands #;
(all,c,COM)(all,s,SRC) x5(c,s) # Government basic demands #;
(change) (all,c,COM)(all,s,SRC) delx6(c,s) # Inventories demands #;
(all,c,COM)(all,s,SRC) p0(c,s) # Basic prices for local users #;
(all,c,COM) pe(c) # Basic price of exportables #;
(change)(all,c,COM)(all,s,SRC) delV6(c,s) # Value of inventories #;
Update
(all,c,COM)(all,s,SRC)(all,i,IND) V1BAS(c,s,i) = p0(c,s)*x1(c,s,i);
(all,c,COM)(all,s,SRC)(all,i,IND) V2BAS(c,s,i) = p0(c,s)*x2(c,s,i);
(all,c,COM)(all,s,SRC) V3BAS(c,s) = p0(c,s)*x3(c,s);
(all,c,COM) V4BAS(c) = pe(c)*x4(c);
(all,c,COM)(all,s,SRC) V5BAS(c,s) = p0(c,s)*x5(c,s);
(change)(all,c,COM)(all,s,SRC) V6BAS(c,s) = delV6(c,s);

Biến cuối cùng trong nhóm biến số lượng, delx6, được theo sau từ lệnh 'Change' để chỉ ra rằng đây là
một thay đổi bình thường (ordinary change, chứ không phải là phần trăm thay đổi). Biến động trong mức
tồn kho có thể âm hoặc dương. Quy trình tìm nghiệm bằng nhiều bước yêu cầu các thay đổi lớn phải
được chia thành nhiều thay đổi nhỏ. Tuy nhiên, không có bất kỳ phần trăm thay đổi nhỏ nào có thể làm
đổi dấu một con số– ít nhất phải có một lần thay đổi vượt quá -100%. Vì thế, đối với những biến mà ở

dạng nguyên thể có thể thay đổi dấu, ta nên sử dụng thay đổi thường. Các tên của các biến thay đổi
thường bắt đầu bằng từ "del".
Tiếp theo là hai biến của giá. Biến ma trận p0 (xác định theo hàng hóa và nguồn) thể hiện phần trăm
thay đổi trong các giá cơ bản được áp dụng cho tất cả mọi người sử dụng trong nước. Giá cơ bản này
chưa bao gồm chi phí lưu thông và thuế. Hàng xuất khẩu có giá cơ bản là pe. Thông thường, pe có thể
khác với giá nội địa p0
9
.
Cuối cùng, biến delV6 được dùng trong những câu lệnh cập nhật kế tiếp.
Câu lệnh 'Update' đầu tiên chỉ ra rằng dòng V1BAS(c,s,i) phải được cập nhật bằng công thức mặc
định. Công thức này sử dụng cho loại số liệu là tích số của hai biến (hoặc nhiều hơn) của mô hình. Đối
với một mục số liệu có dạng V = PX, công thức của giá trị cập nhật V
U
là:
V
U
= V
0
+ (PX) = V
0
+ X
0
P + P
0
X
= V
0
+ P
0
X

0
(
P
P
0
+
X
X
0
) = V
0
+ V
0
(
p
100
+
x
100
) (13)

9
Giá trị xuất khẩu (V4BAS) được tính bằng ve-tơ giá pe. Trừ phi ta kích hoạt hàm chuyển đổi CET giữa hàng
hóa dành để xuất khẩu và hàng cho thị trường nội địa, pe sẽ giống với phần nội địa của p0. Xem Đoạn trích 13.

16
Trong đó, V
0
, P
0

và X
0

là các giá trị trước khi cập nhật, p và x là các phần trăm thay đổi của các biến
P và X. Đối với số liệu V1BAS(c,s,i), các biến phần trăm thay đổi liên quan là p0(c,s) (giá cơ bản của
hàng hóa c từ nguồn s) và x1(c,s,i) (cầu của nhà sản xuất ngành i đối với các đầu vào trung gian của hàng
hóa c từ nguồn s).
Không phải tất cả các số liệu của mô hình đều có thể được cập nhật thông qua công thức cập nhật
mặc định. Ví dụ, dòng tồn kho V6BAS có thể thay đổi dấu, cho nên nó không được phép cập nhật bằng
các biến phần trăm thay đổi. Trong trường hợp đó, câu lệnh Update phải chứa một công thức chính xác
cho các thay đổi thường trong số liệu. Điều này thể hiện bằng từ lệnh 'Change' ở trong dấu ngoặc đơn.
Với V6BAS, ta thể hiện sự thay đổi bằng một biến thay đổi thường là delV6. Công thức Update (13) sẽ
trở nên đơn giản hơn như sau:
V
U
= V
0
+ V. (14)
Một phương trình định nghĩa biến delV6 sẽ xuất hiện sau.
4.5.2 Các dòng chi phí lưu thông
Các hệ số và biến trong Đoạn trích 3 tương ứng với dòng thứ 2 (chi phí lưu thông) trong Hình 4;
nghĩa là các ma trận chi phí lưu thông V1MAR, V2MAR,v.v. Đây là các lượng (quantity) của dịch vụ
bán lẻ, bán buôn hoặc vận tải cần để đưa mỗi dòng hàng hóa cơ bản tới người tiêu dùng. Ví dụ,
V3MAR(c,s,m) là giá trị của loại dich vụ m sử dụng để đưa hàng hóa loại c từ nguồn s đến các hộ gia
đình (người tiêu dùng 3). Mô hình giả định rằng các dịch vụ lưu thông được sản xuất trong nước và được
tính theo giá cơ bản– đại diện bằng biến p0dom. Sau này chúng ta sẽ thấy là biến này đơn giản chỉ là
đồng nghĩa với phần nội địa trong ma trận giá cơ bản, p0[i.e., p0dom(c) = p0(c,"dom")].

! Excerpt 3 of TABLO input file: !
! Data coefficients and variables relating to margin flows !

Coefficient
(all,c,COM)(all,s,SRC)(all,i,IND)(all,m,MAR)
V1MAR(c,s,i,m) # Intermediate margins #;
(all,c,COM)(all,s,SRC)(all,i,IND)(all,m,MAR)
V2MAR(c,s,i,m) # Investment margins #;
(all,c,COM)(all,s,SRC)(all,m,MAR) V3MAR(c,s,m) # Households margins #;
(all,c,COM)(all,m,MAR) V4MAR(c,m) # Export margins #;
(all,c,COM)(all,s,SRC)(all,m,MAR) V5MAR(c,s,m) # Government margins #;
Read
V1MAR from file BASEDATA header "1MAR";
V2MAR from file BASEDATA header "2MAR";
V3MAR from file BASEDATA header "3MAR";
V4MAR from file BASEDATA header "4MAR";
V5MAR from file BASEDATA header "5MAR";
Variable ! Variables used to update above flows !
(all,c,COM)(all,s,SRC)(all,i,IND)(all,m,MAR)
x1mar(c,s,i,m)# Intermediate margin demand #;
(all,c,COM)(all,s,SRC)(all,i,IND)(all,m,MAR)
x2mar(c,s,i,m)# Investment margin demands #;
(all,c,COM)(all,s,SRC)(all,m,MAR) x3mar(c,s,m) # Household margin demands #;
(all,c,COM)(all,m,MAR) x4mar(c,m) # Export margin demands #;
(all,c,COM)(all,s,SRC)(all,m,MAR) x5mar(c,s,m) # Government margin demands #;
(all,c,COM) p0dom(c) # Basic price of domestic goods = p0(c,"dom") #;
Update
(all,c,COM)(all,s,SRC)(all,i,IND)(all,m,MAR)
V1MAR(c,s,i,m) = p0dom(m)*x1mar(c,s,i,m);
(all,c,COM)(all,s,SRC)(all,i,IND)(all,m,MAR)
V2MAR(c,s,i,m) = p0dom(m)*x2mar(c,s,i,m);
(all,c,COM)(all,s,SRC)(all,m,MAR) V3MAR(c,s,m) = p0dom(m)*x3mar(c,s,m);

(all,c,COM)(all,m,MAR) V4MAR(c,m) = p0dom(m)*x4mar(c,m);
(all,c,COM)(all,s,SRC)(all,m,MAR) V5MAR(c,s,m) = p0dom(m)*x5mar(c,s,m);

17
4.5.3 Các loại thuế hàng hóa cho người sử dụng cụ thể
Đoạn trích 4 chứa các hệ số và biến số tương ứng với hàng 3 (thuế hàng hóa) trong Hình 4, nghĩa là
các ma trận V1TAX, V2TAX, Tất cả các ma trận này đều có cùng kích thước với các dòng cơ bản
tương ứng.

! Excerpt 4 of TABLO input file: !
! Data coefficients and variables relating to commodity taxes !

Coefficient ! Taxes on Basic Flows!
(all,c,COM)(all,s,SRC)(all,i,IND) V1TAX(c,s,i) # Taxes on intermediate #;
(all,c,COM)(all,s,SRC)(all,i,IND) V2TAX(c,s,i) # Taxes on investment #;
(all,c,COM)(all,s,SRC) V3TAX(c,s) # Taxes on households #;
(all,c,COM) V4TAX(c) # Taxes on export #;
(all,c,COM)(all,s,SRC) V5TAX(c,s) # Taxes on government #;
Read
V1TAX from file BASEDATA header "1TAX";
V2TAX from file BASEDATA header "2TAX";
V3TAX from file BASEDATA header "3TAX";
V4TAX from file BASEDATA header "4TAX";
V5TAX from file BASEDATA header "5TAX";
Variable
(change)(all,c,COM)(all,s,SRC)(all,i,IND) delV1TAX(c,s,i) # Interm tax rev #;
(change)(all,c,COM)(all,s,SRC)(all,i,IND) delV2TAX(c,s,i) # Invest tax rev #;
(change)(all,c,COM)(all,s,SRC) delV3TAX(c,s) # H'hold tax rev #;
(change)(all,c,COM) delV4TAX(c) # Export tax rev #;
(change)(all,c,COM)(all,s,SRC) delV5TAX(c,s) # Govmnt tax rev #;

Update
(change)(all,c,COM)(all,s,SRC)(all,i,IND) V1TAX(c,s,i) = delV1TAX(c,s,i);
(change)(all,c,COM)(all,s,SRC)(all,i,IND) V2TAX(c,s,i) = delV2TAX(c,s,i);
(change)(all,c,COM)(all,s,SRC) V3TAX(c,s) = delV3TAX(c,s);
(change)(all,c,COM) V4TAX(c) = delV4TAX(c);
(change)(all,c,COM)(all,s,SRC) V5TAX(c,s) = delV5TAX(c,s);

ORANI-G xử lý các loại thuế hàng hóa rất chi tiết – mỗi loại thuế đánh lên mỗi dòng hàng hóa cơ
bản được xác định riêng biệt. Các bảng đầu vào đầu ra thường không chi tiết bằng. Vì thế, để xây dựng
cơ sở dữ liệu ban đầu, ta phải đưa vào nhiều giả định: ví dụ như giả định là tất cả Than sử dụng làm đầu
vào trung gian đều chịu cùng một mức thuế suất. Tuy nhiên, cấu trúc số liệu chi tiết vẫn cho phép ta mô
phỏng tác động của những thay đổi về thuế đánh lên hàng hóa và người tiêu dùng cụ thể. Ví dụ như tăng
thuế ở mặt hàng Than sử dụng trong ngành Luyện kim.
Các dòng thuế được cập nhật bằng các biến thay đổi thường. Các phương trình xác định các biến này
sẽ xuất hiện sau.
4.5.4 Các khoản chi trả cho các yếu tố sản xuất và các số liệu dòng khác
Đoạn trích 5 của file TABLO Input tương ứng với các hàng còn lại của Hình 4. Đây là các ma trận
hệ số cho thấy các khoản chi trả cho lao động, vốn và đất đai cùng với hai loại thuế sản xuất. Sau đó là
phần liệt kê các biến về giá và số lượng tương ứng. Đối với thuế sản xuất V1PTX, biến thay đổi tương
ứng, delV1PTX, được sử dụng trong câu lệnh Change Update. Một phương trình xác định biến này sẽ
xuất hiện sau. Những hệ số dòng khác trong nhóm này đơn giản chỉ là các tích số của giá và sản lượng.
Vì thế chúng có thể được cập nhật thông qua câu lệnh Update mặc định.
Đoạn trích 5 cũng định nghĩa vec-tơ thuế nhập khẩu V0TAR. Mục cuối cùng trong cơ sở dữ liệu, ma
trận sản xuất đa hàng hóa, MAKE, thể hiện sản lượng hàng hóa của mỗi ngành. Nó sẽ được trình bày ở
một phần sau.

! Excerpt 5 of TABLO input file: !
! Data coefficients for primary-factor flows, other industry costs, and tariffs!

Coefficient

18
(all,i,IND)(all,o,OCC) V1LAB(i,o) # Wage bill matrix #;
(all,i,IND) V1CAP(i) # Capital rentals #;
(all,i,IND) V1LND(i) # Land rentals #;
(all,i,IND) V1PTX(i) # Production tax #;
(all,i,IND) V1OCT(i) # Other cost tickets #;
Read
V1LAB from file BASEDATA header "1LAB";
V1CAP from file BASEDATA header "1CAP";
V1LND from file BASEDATA header "1LND";
V1PTX from file BASEDATA header "1PTX";
V1OCT from file BASEDATA header "1OCT";
Variable
(all,i,IND)(all,o,OCC) x1lab(i,o) # Employment by industry and occupation #;
(all,i,IND)(all,o,OCC) p1lab(i,o) # Wages by industry and occupation #;
(all,i,IND) x1cap(i) # Current capital stock #;
(all,i,IND) p1cap(i) # Rental price of capital #;
(all,i,IND) x1lnd(i) # Use of land #;
(all,i,IND) p1lnd(i) # Rental price of land #;
(change)(all,i,IND) delV1PTX(i) # Ordinary change in production tax revenue #;
(all,i,IND) x1oct(i) # Demand for "other cost" tickets #;
(all,i,IND) p1oct(i) # Price of "other cost" tickets #;
Update
(all,i,IND)(all,o,OCC) V1LAB(i,o) = p1lab(i,o)*x1lab(i,o);
(all,i,IND) V1CAP(i) = p1cap(i)*x1cap(i);
(all,i,IND) V1LND(i) = p1lnd(i)*x1lnd(i);
(change)(all,i,IND) V1PTX(i) = delV1PTX(i);
(all,i,IND) V1OCT(i) = p1oct(i)*x1oct(i);

! Data coefficients relating to import duties !

Coefficient (all,c,COM) V0TAR(c) # Tariff revenue #;
Read V0TAR from file BASEDATA header "0TAR";
Variable (all,c,COM) (change) delV0TAR(c) # Ordinary change in tariff revenue #;
Update (change) (all,c,COM) V0TAR(c) = delV0TAR(c);

4.5.5 Giá trị tính theo giá người mua (Purchasers’ values)
Đoạn trích 6 xác định giá trị tại các mức giá mà người mua trả cho các dòng nêu trong Hình 4. Các
giá trị tổng hợp này được sử dụng trong nhiều phương trình. Các định nghĩa của chúng sử dụng ký hiệu
tính tổng của TABLO, đã được giải thích ở Phần 4.1. Ví dụ, công thức đầu tiên trong đoạn 6 bao gồm:
sum{m,MAR, V1MAR(c,s,i,m) }
Câu lệnh này xác định tổng với chỉ số m chạy trong tập hợp các dịch vụ lưu thông của các số liệu
đầu vào-đầu ra V1MAR(c,s,i,m). Đây là tổng giá trị của các dịch vụ lưu thông cần thiết để đưa các đầu
vào trung gian của hàng hóa c từ nguồn s đến người tiêu dùng thuộc ngành i. Cộng thêm tổng này vào
giá trị cơ bản của dòng đầu vào trung gian và thuế gián thu sẽ cho ta giá trị tính theo giá của người mua.
Tiếp theo là định nghĩa của các biến thể hiện giá của người mua. Giá này bao gồm giá cơ bản, chi
phí lưu thông và thuế. Các phương trình định nghĩa những biến này được trình bày trong Đoạn trích 22.
19

! Excerpt 6 of TABLO input file: !
! Coefficients and variables for purchaser's prices (basic + margins + taxes) !

Coefficient ! Flows at purchasers prices !
(all,c,COM)(all,s,SRC)(all,i,IND) V1PUR(c,s,i) # Intermediate purch. value #;
(all,c,COM)(all,s,SRC)(all,i,IND) V2PUR(c,s,i) # Investment purch. value #;
(all,c,COM)(all,s,SRC) V3PUR(c,s) # Households purch. value #;
(all,c,COM) V4PUR(c) # Export purch. value #;
(all,c,COM)(all,s,SRC) V5PUR(c,s) # Government purch. value #;
Formula
(all,c,COM)(all,s,SRC)(all,i,IND)
V1PUR(c,s,i) = V1BAS(c,s,i) + V1TAX(c,s,i) + sum{m,MAR, V1MAR(c,s,i,m)};

(all,c,COM)(all,s,SRC)(all,i,IND)
V2PUR(c,s,i) = V2BAS(c,s,i) + V2TAX(c,s,i) + sum{m,MAR, V2MAR(c,s,i,m)};
(all,c,COM)(all,s,SRC)
V3PUR(c,s) = V3BAS(c,s) + V3TAX(c,s) + sum{m,MAR, V3MAR(c,s,m)};
(all,c,COM)
V4PUR(c) = V4BAS(c) + V4TAX(c) + sum{m,MAR, V4MAR(c,m)};
(all,c,COM)(all,s,SRC)
V5PUR(c,s) = V5BAS(c,s) + V5TAX(c,s) + sum{m,MAR, V5MAR(c,s,m)};
Variable ! Purchasers prices !
(all,c,COM)(all,s,SRC)(all,i,IND) p1(c,s,i)# Purchaser's price, intermediate #;
(all,c,COM)(all,s,SRC)(all,i,IND) p2(c,s,i)# Purchaser's price, investment #;
(all,c,COM)(all,s,SRC) p3(c,s) # Purchaser's price, household #;
(all,c,COM) p4(c) # Purchaser's price, exports,loc$ #;
(all,c,COM)(all,s,SRC) p5(c,s) # Purchaser's price, government #;
4.6. Hệ phương trình
Phần còn lại của file TABLO là dạng tuyến tính của mô hình, trong đó các phương trình được sắp
xếp thành nhiều nhóm (block). Câu lệnh của mỗi phương trình bắt đầu bằng một cái tên và có thể có một
đoạn mô tả (tùy chọn). Đối với ORANI-G, tên của phương trình thường chứa ký tự E_ và theo sau là tên
của biến ở vế bên trái. Trừ những trường hợp nêu cụ thể, các biến này là các biến phần trăm thay đổi.
Các biến được viết bằng các ký tự dạng in thường, còn hệ số được viết dạng in hoa. Các biến và hệ số
được định nghĩa khi cần. Những người đã theo dõi file TABLO từ đầu đến giờ chắc sẽ không gặp khó
khăn nào khi đọc các phương trình trong ngôn ngữ TABLO. Chúng tôi sẽ cung cấp một số lời bàn về các
lý thuyết làm nền tảng cho từng nhóm phương trình này.
4.7. Cơ cấu sản xuất
ORANI-G cho phép mỗi ngành sản xuất nhiều loại hàng hóa, sử dụng đầu vào nội địa và nhập khẩu,
cũng như lao động với nhiều loại nghề nghiệp, đất đai và vốn. Ngoài ra, hàng hóa dành để xuất khẩu
được phân biệt với hàng dùng trong thị trường nội địa. Việc thể hiện các ngành sản xuất sử dụng nhiều
đầu vào và cho ra nhiều đầu ra được giữ ở mức có thể kiểm soát được bằng cách sử dụng giả định về tính
tách biệt (separability assumption), như được minh hoạ trong Hình 5. Ví dụ, giả định về sự tách biệt đầu
vào, đầu ra ngụ ý rằng hàm sản xuất tổng quát cho một ngành nào đó:

F(inputs,outputs) = 0 (15)
có thể được viết thành:
G(inputs) = X1TOT = H(outputs) (16)
Trong đó, X1TOT là chỉ số của hoạt động ngành. Các giả định loại này giúp giảm số lượng tham số
ước lượng cần cho mô hình. Hình 5 cho thấy rằng hàm H trong phương trình (16) được suy ra từ hai hàm
CET (hàm với hệ số co giãn chuyển đổi cố định) trong khi đó hàm G được chia thành nhiều tổ (nest). Tại
mức cao nhất, hàng hóa tổng hợp (composite commodity), các yếu tố sản xuất chính và chi phí khác
được kết hợp bằng hàm sản xuất Leontief. Kết quả là cầu với chúng đều tỉ lệ thuận với X1TOT. Mỗi
hàng hóa tổng hợp là một hàm CES (hàm có hệ số co giãn thay thế cố định) của một loại hàng hóa nội
địa và một loại hàng nhập khẩu tương đương. Yếu tố sản xuất tổng hợp là một hàm tổng CES của đất
đai, vốn và lao động tổng hợp. Trong đó, lao động tổng hợp là hàm CES của các loại loại động thuộc