bilaga - Government Offices of Sweden
bilaga - Government Offices of Sweden
bilaga - Government Offices of Sweden
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Bilaga 9 till LU 2003<br />
Metod & Data<br />
I vissa modeller används en teknik där en individs hela liv<br />
simuleras innan simuleringen för nästa individ påbörjas, det vill<br />
säga en individvis simulering. Det vanligaste är dock att använda en<br />
periodvis simulering, där hela modellpopulationen genomlöps en<br />
gång per tidsintervall.<br />
Det primära syftet med de dynamiska modellerna är <strong>of</strong>ta att göra<br />
beräkningar på mycket lång sikt för att analysera system där<br />
tidsaspekten är avgörande. Ett viktigt exempel är analyser av ålderspensionssystem<br />
för vilka det krävs att beräkningar av individens<br />
årliga avsättning till systemet kan göras likväl som beräkningar av<br />
hur det totala pensionskapitalet växer över tiden fram till pensioneringen.<br />
För sådana systemanalyser har de dynamiska modellerna<br />
en fördel gentemot de statiska eftersom åldrandeprocessen mer<br />
efterliknar den i verkliga livet.<br />
För en mer detaljerad diskussion kring dynamisk mikrosimulering<br />
samt genomgång av ett antal befintliga modeller se Rake och<br />
Zaidi (2001) samt O´Donoghue (2001a).<br />
2.4 SESIM<br />
Samtliga beräkningsresultat som presenteras i rapporten baseras på<br />
den dynamiska mikrosimuleringsmodellen SESIM. Modellens basbefolkning<br />
utgörs av ett stickprov draget 1999 ur den svenska<br />
befolkningen med tillägg av ett motsvarande stickprov av utlandsboende<br />
individer med svensk pensionsrätt. Datakällan är en<br />
longitudinell databas vilket har gjort det möjligt att komplettera<br />
informationen i stickprovet med historiska uppgifter för urvalsindividerna.<br />
Modellpopulationens egenskaper uppdateras årligen i simuleringarna,<br />
det vill säga en periodvis simulering. Detta innebär att<br />
samtliga modellindividers egenskaper uppdateras under en beräkningsperiod<br />
innan nästa beräkningsperiod påbörjas. Uppdateringen<br />
sker genom simulering av ett antal statistiska modeller samt genom<br />
tillämpning av olika algoritmer. De senare används till exempel för<br />
att beskriva regelverk för skatte- och transfereringssystemen.<br />
Modellen är stokastisk och data från de ingående statistiska<br />
modellerna genereras genom Monte Carlo-simulering.<br />
SESIM har en rekursiv struktur med ett antal moduler som<br />
genomlöps i tur och ordning:<br />
19