Bringing Regional Detail to a CGE Model using Census Data
Glyn Wittwer and
Mark Horridge
Spatial Economic Analysis, 2010, vol. 5, issue 2, 229-255
Abstract:
Abstract The number of regions and sectors in most regional CGE models is small, due to data and computing limitations. The uses of such models will broaden if they have larger CGE databases. The TERM model combines a massive database with a variable aggregation facility and techniques to economize on computing capacity. This paper goes further, by outlining the use of small-region census data to devise a CGE database with an unprecedented number of regions. Already, the original TERM methodology has been used to devise multi-regional models for a number of countries. Census detail could enhance the detail in these models. Here we group small regions of Australia to develop the first bottom-up regional CGE model which distinguishes all 150 Federal single-seat electoral districts. Introduire des détails à l’échelle régionale dans un modèle CGE en utilisant les données de recensements Rèsumè Le nombre de régions et de secteurs dans la plupart des modèles CGE régionaux est limité, en raison des limitations des données et du calcul. Il est possible de généraliser les applications de ces modèles en les dotant de bases de données de CGE plus importantes. Le modèle TERM allie une base de données considérable à une fonction et des techniques d'agrégation variables permettant d’économiser sur la capacité de calcul. Cette communication va plus loin, et décrit l'application de données découlant de recensements pour des petites régions pour concevoir une base de données CGE avec un nombre de régions sans précédent. La méthodologie initiale TERM a déjà été utilisée pour concevoir des modèles multirégionaux pour un certain nombre de pays. Le détail de ce recensement pourrait renforcer le détail de ces modèles. Nous groupons ici de petites régions de l'Australie pour créer le premier modèle CGE régional du bas en haut qui distingue toutes les circonscriptions électorales fédérales à siège unique. Agregando detalle regional a un modelo CGE mediante datos de censo Extracto El número de regiones y sectores en la mayoría de los modelos CGE regionales es pequeño, debido a limitaciones de datos e informáticas. Los usos de dichos modelos se ampliarán si cuentan con bases de datos CGE mayores. El modelo TERM combina una base de datos masiva con una facilidad y técnicas de agregación variable para economizar en capacidad informática. Este estudio se extiende aún más perfilando el uso de datos de censo de regiones pequeñas para crear una base de datos CGE con un número de regiones sin precedentes. La metodología TERM original ya se ha empleado para crear modelos de regiones múltiples aplicables a varios países. Los datos de censo podrían mejorar el detalle en dichos modelos. Aquí, agrupamos regiones pequeñas de Australia para desarrollar el primer modelo CGE regional ascendente que distingue los 150 distritos electorales federales de un solo escaño.
Keywords: Regional modelling; CGE modelling; database development; C68; R13; R15 (search for similar items in EconPapers)
Date: 2010
References: View references in EconPapers View complete reference list from CitEc
Citations: View citations in EconPapers (39)
Downloads: (external link)
http://www.taylorandfrancisonline.com/doi/abs/10.1080/17421771003730695 (text/html)
Access to full text is restricted to subscribers.
Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.
Export reference: BibTeX
RIS (EndNote, ProCite, RefMan)
HTML/Text
Persistent link: https://EconPapers.repec.org/RePEc:taf:specan:v:5:y:2010:i:2:p:229-255
Ordering information: This journal article can be ordered from
http://www.tandfonline.com/pricing/journal/RSEA20
DOI: 10.1080/17421771003730695
Access Statistics for this article
Spatial Economic Analysis is currently edited by Bernie Fingleton and Danilo Igliori
More articles in Spatial Economic Analysis from Taylor & Francis Journals
Bibliographic data for series maintained by Chris Longhurst ().