一个简单的基于agent的经济空间模型：政策工具

与单一区域模型相比，具有七个区域的模型的可变性更高（表3和图4）。表2模拟参数（确定每次运行）和模型的外部参数。模拟参数值可能性的间隔观测天数5040（6312800）。该模型的运行时间长达50年，但会失去解释力。我们把这个模型运行了20年。代理数量1000（101000）代理数量的增长使模拟降低。家庭数量400（42000）内生性，用于确定每个家庭的平均药剂数量。建议每个家庭有2.5名代理人，平均住房数量为440（52200），必然高于家庭数量。巴西的空置率约为11%。公司数量110家（2100家），约占代理商数量的10%。区域数量1；4.7（1；4；7）运行模型的可选区域数。模型参数FirmSalpha 0.25（0，1）生产函数指数。当设置为“1”时，不会改变模型，当设置为“0”时，企业的产量为一个单位。β0.87（0，1）消耗函数指数。当设置为“1”时，消费从零到可用资金总额不等。改变价格的数量δ10（1002000）改变价格的阈值。进入劳动力市场的频率0.28（0，1）劳动力市场决策的时间频率。设置为“0”时，每月进行评估。当设置为“0.25”时，该公司平均每四个月进入市场三次。当需求较高时（库存上的productlevel低于“改变价格的数量”），价格上增加0.03（0，1）个百分点的加价。代理商市场规模Γ100（1100）代理商决定消费前检查的公司数量。

可在“1”和公司总数之间设置。消费满意度0.01[0，1）用于衡量通过消费获得的满意度。家庭房地产市场0.021（0，1）家庭进入房地产市场的百分比政府消费税0.21（0，1）消费税。图2：。一个地区的GDP增长结果，1000次迭代。图3：。七个地区的GDP增长结果，1000次迭代。考虑到劳动力市场，经济趋于充分就业，见图4。三个地区模拟最后一个月的GDP箱线图，1000次迭代。表3基尼系数、GDP、GDP模拟（1000次迭代）最后一个月的中间、第一和第三四分位数，每个地区设计的QLI和家庭财富0.25中位数0.751 0.890 0.916 0.9324 0.925 0.939 0.9467 0.935 0.944 0.950G预测0.25中位数0.751 1056341 1568746 23147514 2029562 2904486 38979037 2794786 3788903 4501469 QLI地区0.25中位数0.751 223.2 331.8 487.34 425.0 608.9 820.562.1 761.8 945.9家庭“富裕地区”0.25中位数0.751 589 197571158154 32126 253450 8937637 82190 573573 1645296在整个期间保持极低失业率的周期，因为三个区域设计显示了类似的结果（图5和图6）。在三个区域设计中，家庭收入差异很大，一个区域（图7）的变化幅度低于经过1000次迭代的七个区域（图8）的模型。图5。失业、1000次迭代和一个地区。图6：。失业率、1000次迭代次数和七个地区中位数、第一和第三四分位数在七个地区的模型中高于只有一个地区的模型（表3和图6）。

虽然有七个区域的模型的离散度较高，但第一个区域的值略小于单个区域的中值（图9）。基尼系数是根据家庭的效用计算的。效用和家庭的累计消费量成正比。与其他两个模型相比，基尼系数在有7个区域的模型中达到较高水平（图10）。此外，1000次迭代中系数的行为具有类似的可变性模式（图11和图12），标准偏差略高。最后，比较图7的基本指标。一个地区的家庭财富，1000次迭代。图8：。七个地区的家庭财富，1000次迭代。图9：。三个区域设计的模拟最后一个月的家庭财富箱线图，1000次迭代，如图10所示。三个区域设计模拟最后一个月的基尼系数箱线图，1000次迭代。图11：。基尼系数的结果，1000次迭代，一个区域。模型的性能是一个区域（图13）和七个区域（图14）的每个模拟设计的生命质量指数。与其他模型相比，具有七个区域的模型的中位数和四分位数更高（图15）。模型结果表明，行政边界的变化导致了三个考虑区域设计之间的稳健变化。根据所述程序，房地产市场的动态性，即多个地区模拟中的家庭流动性，与结果相关。图12：。基尼系数的结果，1000次迭代，七个区域。图13：。一个地区1000次迭代的生活质量指数（QLI）结果。图14：。

七个地区1000次迭代的生活质量指数（QLI）结果。在没有信贷市场的情况下，家庭如图15所示。QLI的箱线图，模拟的最后一个月，三个区域设计的1000次迭代。收入水平低于中位数的人成为房地产市场的卖家。因此，这些家庭利用房价随着该地区生活质量的提高而提高的房屋销售，并迁往质量较差的地区。这一运动在一定程度上被试图迁移以寻求更好质量的家庭所抵消。因此，带有细分的模型适用于人口较少、生活质量较好的地区，同时适用于人口较多、生活质量较差的地区（表4）。表4按区域设计划分的QLI和总体1000次迭代每次模拟的最大和最小区域值的中间和标准偏差。区域QLI MedianQlistdop。MedianPop。Std1最大333.5 210.9 1000min 333.5 210.9 10004最大860.2 430.2 207 30.3Min 423.2 198 288 29.27最大1499.2 2047.7 40 70.2Min 343.9 195.3 83 89.9最后，值得注意的是三种模型的结果之间的权衡。虽然有七个地区的模式更具活力、更具生产力和更富有，但它也更具异质性。只有一个区域（inturn）的模型更加和谐，但活力较弱。作者的基本假设是，从城市区域的角度来看，只有一个区域的模型会更有效，但在现有配置中没有观察到这一假设。特别是考虑到房地产市场的实力和流动性，房地产市场将人口较少的地区集中在质量较高的地区，而人口较多的地区集中在质量较差的地区。

然而，研究问题是，如果行政边界影响区域的经济和规模动态，则可以得到证实。然而，研究结果表明，在一个不断变化的环境中，异质代理人和企业对经济系统进行分析的可能性巨大。最后，考虑到创建艺术经济的过程，在每个循环迭代中，代理和企业是完全不同的。因此，下一阶段的研究，即对实际数据的模型应用，将实际数据作为经济属性输入，从而减少结果的可变性。3.1敏感性分析和稳健性敏感性分析是构建模拟模型的核心，以确保模型在结构上是一致的，而不仅仅取决于特定参数，该参数会根据特定值进行调整。此外，敏感性分析可以作为一种分析工具，显示某些配置和模型过程如何以及如何改变趋势和结果。敏感性分析基于模型参数在最小值和最大值之间的10个不同值的变化（表5）。由于随机数影响模型结果，只有使用相同的种子，才能比较不同迭代（模型运行）的结果。因此，如果使用相同的参数和相同的种子多次运行模型，将产生相同的结果。

因此，当模型改变参数时，变化不敏感分析结果将是模型结构的结果，而不是随机数发生器的结果。参数的变化是单独进行的（一次一个参数），其他参数保持在第一次勘探分析中确定的默认值。假设前提是创建一个模型（或模拟机），敏感性分析将加深我们对模型的理解。当然，我们还改变了区域的数量（1、4、7）。3.1.1α每个参数的变化对模拟结果的影响不同。例如，用于评估工人生产率的阿尔法参数在0.32到0.37之间时会导致总GDP的更高值。考虑到失业，alpha参数提供充分就业，条件是其他参数的默认值。图16和图17显示，失业率迅速向充分就业靠拢。所有区域的行为都相似。生产率和失业率的变化表明，当工人的生产率非常高时，就存在着市场无法吸收的过剩供给。当α较小时，公司的利润变化较大；当α较高时，公司的稳定性更高（图18）。平均而言，对于所有区域设计，阿尔法值为0.35时，企业和家庭之间的经济资源平衡良好。阿尔法值越高，基尼系数越高。最后，价格略微上涨至更高的阿尔法值。3.1.2 beta参数，用于控制对经济产生重大影响的家庭消费倾向。事实上，beta的值越高（最大值为11时的折扣越低）。

敏感性分析的结果是使用固定种子获得的。表5敏感性分析中使用的模拟参数值参数值PHA 0.1 0.14 0.19 0.23 0.28 0.32 0.37 0.41 0.46 0.5 Beta 0.5 0.55 0.61 0.66 0.72 0.77 0.83 0.88 0.94 0.99改变价格的数量10 42 74 107 139 171 203 235 268 300马克0.01 0.04 0.06 0.09 0.12 0.14 0.17 0.2 0.22 0.25劳动力市场准入0.1 0.14 0.19 0.23 0.28 0.32 0.37 0.41 0.46 0.5市场规模1 3 5 7 10 1530 50 70 110房地产条目0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.1税收消费0.01 0.06 0.11 0.16 0.21 0.25 0.3 0.35 0.4 0.45图16。失业阿尔法变化结果，ONERGION。图17：。七个地区失业率α变化的结果。家庭支出）或限制消费的较低贝塔值会导致失业率居高不下（图19和图20），尤其是在具有oneregion的模型中，动态更依赖于图18。公司的利润变化结果为α0.1和0.9，一个地区如图19所示。一个地区失业率参数β变化的结果。在商品市场上。低值也会使公司的利润接近于零。贝塔系数对基尼系数的影响在所使用的区域设计中具有相关性和相似性。对于beta和lowFigure 20的低值。七个地区失业率参数β变化的结果。家庭消费，基尼逐渐上升，达到最大值约0.5。然而，当beta的值为0.99时，不平等程度会上升，在该时期结束时达到接近0.90的值（图21）。3.1.3消费税正如预期的那样，税率的价值在多个层面上影响着经济。较低的失业率导致较低的失业率，但低于0.5时影响不大（图22和图23）。

极高的税率带来了过度膨胀、广泛就业以及企业收入和利润的大幅下降。然而，鉴于税收征收的金额适用于征收的相同地区，QLI有所改善，因此，房地产价格也相应上涨。税率中间值的家庭收入（图24和图25）和GDP较高3.1.4其他参数对模型的每个成因参数进行了敏感性分析，与参数α、β和税率相比，相对影响较小。例如，引发价格变动的库存水平似乎对价格指数的演变影响不大，从而延缓了价格指数的增长。企业进入劳动力市场的频率会影响调整的速度图21。一个地区0.1和0.9倍的基尼系数结果的变化。图22：。一个地区不同消费税率值的失业结果。图23：。七个地区不同消费税率值的失业率结果。在劳动力市场。当参数值如图24所示时。一个地区不同消费税率的家庭财富结果。图25：。七个地区不同消费税率的家庭财富结果。进入劳动力市场所需的时间越长，失业率在这一时期结束时就越低。当企业频繁进入时，几个月内即可实现充分就业。加价值的变化，即当企业的库存较低时，产品价格的百分比增长，不会极大地改变企业的利润水平。

然而，极高的加价率会导致一段时间后不受控制的通货膨胀。消费者在购物时检查的市场规模不会影响结果，当规模仅限于一家公司时，几乎不会损失时间。最后，进入住房市场的家庭比例似乎没有什么影响。当所有的家庭都在市场上时，家庭收入会略有减少。因此，我们理解，由参数变化给出的模型结果变化符合基本理论。此外，参数的变化不会导致模型的不同或意外行为。因此，我们认为这表明了所述模型的稳健性。4理论方法学方法：未来研究的可能性本节描述了对模型的各种补充，这些补充可以通过对当前代码进行相对较小且简单的更改来实现。考虑到本文的开创性方法论，我们认为该模型应该以尽可能简单的形式开发，遵循KISS逻辑（“保持简单，愚蠢”）。最终，它可以演变成孩子们的形式（“保持描述性，愚蠢”），由Edmonds和Moss制定【77】。为了作者的切身利益，将其应用于巴西联邦区。经验数据将用于模型的初步构建，即：实际的城市边界、特定的空间分布人口模式、实际的公司属性和位置以及熟练劳动力的供应。下面的步骤是验证给定时间线的经验模型，寻找观察到的指标和模型产生的指标之间的相关性或相似性。

最后，经过验证，该模型可以有效地用于实施公共政策替代方案。下面详细介绍了研究可能性的实际领域，遵循了埃德蒙兹和莫斯的儿童观点[77]。1） 实施人口变化，通过描述出生、死亡和家庭创建的过程，以成为更具动态性和真实性的模型，同时实现特定人口队列的结果。此外，还可以测试涉及继承（财富或社会资本）的跨期分析；2） 另一个相对简单的选择是包括更新工人资格（学习年限），从他们的资源中扣除投资；3） 信贷市场，以及生产和消费者融资的可能性，对于使模型更接近经济现实也很重要。文献已提供[19]、[20]、[21]；4） 目前，商品市场仅限于国内市场的企业和消费者。然而，它还可以包括作为买方（和卖方）的企业和ZF，以便对中间部门进行分析，以及允许纳入出口和贸易平衡经济指标的外国买方；5） 虽然模型中已经包括了距离，但可以对公式进行简化，以有效地包括研究对象所在城市的可用交通系统。因此，可达性分析将系统化地与其他经济体相结合，作为运输系统的需求和供给（用于就业目的）。6） 对每日通勤施加时间或距离限制的过程将极大地支持创建多个区域的系统，从而使研究城市等级分析变得简单。