Skip to content
Kembali ke hasil pencarian

Mikrosimulasi — Pemodelan Kebijakan Tingkat Individu

Diperkenalkan oleh
Guy Orcutt (concept, 1957); modern tax-transfer frameworks developed through EUROMOD and related projects
Tahun
1957
Jenis
Policy simulation / computational social science

Teks ini adalah terjemahan mesin dan belum ditinjau. Baca versi asli dalam bahasa Inggris

Ukuran huruf

Apa fungsinya?

Mikrosimulasi adalah metode komputasi yang mensimulasikan efek kebijakan dengan beroperasi langsung pada populasi unit mikro individual — rumah tangga, perusahaan, pasien — dan menerapkan aturan pada setiap unit sesuai dengan karakteristik demografis, ekonomi, dan perilaku masing-masing.

Dikembangkan secara konseptual oleh Guy Orcutt pada tahun 1957, metode ini telah menjadi alat standar untuk mengevaluasi reformasi pajak, sistem pensiun, dan kebijakan kesehatan sebelum implementasi.

Intuisi di balik metode

Sebagian besar pertanyaan kebijakan sebenarnya adalah pertanyaan tentang orang yang heterogen, bukan tentang rata-rata. Reformasi pajak tetap memengaruhi orang tua tunggal berpenghasilan rendah secara sangat berbeda dari pasangan berpenghasilan tinggi, dan perbedaan tersebut penting untuk memahami siapa yang diuntungkan, siapa yang dirugikan, dan berapa biaya agregatnya. Mikrosimulasi menangkap hal ini dengan menjaga populasi sebagai kumpulan data catatan individual dan menjalankan aturan kebijakan catatan demi catatan — persis seperti yang akan dilakukan otoritas pajak — daripada memasukkan total agregat ke dalam model makro. Hasilnya adalah gambaran dampak distributif yang kaya, unit demi unit, yang tidak dapat dihasilkan oleh model agregat.

Sejarah

Landasan konseptual mikrosimulasi diletakkan oleh Guy Orcutt dalam artikel American Economic Review tahun 1957, di mana ia berpendapat bahwa model ekonomi harus beroperasi pada rumah tangga dan perusahaan individual yang sebenarnya membuat keputusan, daripada pada kuantitas agregat. Mikrosimulasi pajak-tunjangan statis berkembang sepanjang tahun 1980-an dan 1990-an dengan model pemerintah di banyak negara. Model EUROMOD (Sutherland & Figari, 2013) menetapkan mikrosimulasi pajak-tunjangan lintas negara yang terharmonisasi untuk negara-negara Uni Eropa. Mikrosimulasi dinamis — yang memperbarui usia populasi dari waktu ke waktu menggunakan persamaan transisi demografis dan perilaku — berkembang secara paralel, dengan model seperti LIAM2 menyediakan infrastruktur sumber terbuka. Handbook of Microsimulation Modelling (O'Donoghue, 2014) memberikan survei komprehensif tentang kedua cabang tersebut.

Kapan digunakan

Mikrosimulasi sesuai ketika Anda memerlukan analisis distributif tingkat unit dari perubahan kebijakan dan memiliki akses ke kumpulan data mikro yang besar dan representatif (biasanya minimal 1.000 catatan, seringkali puluhan ribu). Ini adalah pilihan alami untuk analisis pajak-tunjangan, reformasi pensiun, pembiayaan kesehatan, dan desain asuransi sosial. Model statis berlaku ketika reformasi bersifat diskrit dan respons perilaku dapat diabaikan atau diperlakukan sebagai kasus sensitivitas; model dinamis diperlukan ketika jalur waktu transisi penuaan, pekerjaan, atau kesehatan penting. Metode ini tidak cocok untuk pengaturan di mana hanya data agregat yang tersedia, di mana populasi yang diminati tidak memiliki representasi catatan individual, atau di mana respons perilaku secara teoritis sentral tetapi tidak dapat diparameterisasi dari bukti.

Batasan dan pertimbangan

  • Membutuhkan kumpulan data mikro berkualitas tinggi dan skala besar; hasil hanya se-representatif data yang mendasarinya.
  • Respons perilaku sulit dimodelkan secara andal; model statis mengasumsikan tidak ada respons, yang bisa menjadi asumsi kuat untuk reformasi besar.
  • Parameter elastisitas yang dibutuhkan untuk model dinamis harus diimpor dari studi eksternal dan menimbulkan ketidakpastian tambahan.
  • Membangun dan memvalidasi model mikrosimulasi membutuhkan banyak sumber daya: membutuhkan keahlian pemrograman, pengetahuan mendalam tentang aturan kebijakan, dan manajemen data yang cermat.

Syarat dari sumber tidak menggantikan tinjauan ilmiah independen atau validasi oleh mesin analisis.

Kelebihan

  • Menghasilkan profil dampak distributif penuh — bukan hanya efek rata-rata tetapi siapa yang diuntungkan dan siapa yang dirugikan, berdasarkan pendapatan, usia, jenis kelamin, atau karakteristik lain apa pun dalam data.
  • Menangani heterogenitas kebijakan secara alami: aturan pajak-tunjangan yang kompleks dan nonlinier yang tidak dapat diperkirakan dalam model makro diterapkan secara tepat di tingkat unit.
  • Hasilnya dapat langsung diinterpretasikan oleh pembuat kebijakan: biaya fiskal, perubahan jumlah kemiskinan, dan pergeseran koefisien Gini dilaporkan dalam unit yang familiar.
  • Model dinamis dapat memproyeksikan evolusi populasi dan menguji keberlanjutan kebijakan dalam jangka panjang.

Penerapan

  • Memperkirakan efek distributif dan fiskal dari reformasi pajak penghasilan di seluruh kelompok pendapatan rumah tangga sebelum undang-undang diberlakukan.
  • Memproyeksikan biaya jangka panjang dan kecukupan tunjangan dari reformasi sistem pensiun seiring bertambahnya usia populasi.
  • Menilai dampak kemiskinan dan ketidaksetaraan dari desain ulang tunjangan sosial, termasuk perubahan pengujian pendapatan dan batas tunjangan.
  • Mengevaluasi reformasi pembiayaan kesehatan — seperti perubahan biaya bersama atau perluasan cakupan asuransi — terhadap biaya pribadi pasien berdasarkan kelompok demografis.
  • Menghasilkan statistik distributif dasar untuk penelitian ketidaksetaraan ekonomi menggunakan kumpulan data administratif atau survei skala besar.

Cara kerjanya

Cara kerjanya

1

Disusun kumpulan data mikro representatif — biasanya survei rumah tangga skala besar atau register administratif — dan bobot sampel dipertahankan untuk memastikan populasi sintetis mewakili populasi sebenarnya. Variabel yang dibutuhkan oleh aturan kebijakan (komponen pendapatan, struktur keluarga, status pekerjaan, indikator kesehatan) dibersihkan, diselaraskan, dan divalidasi. Untuk model dinamis, populasi 'diperbarui usianya' ke depan menggunakan probabilitas transisi demografis sebelum kebijakan diterapkan.

2

Setiap instrumen kebijakan (jadwal pajak, hak tunjangan, tarif iuran) diterjemahkan menjadi aturan komputasi eksplisit. Dalam mikrosimulasi statis, aturan mencerminkan hukum saat ini dan reformasi kontrafaktual, dan tidak ada respons perilaku yang diasumsikan. Dalam model dinamis, elastisitas pasokan tenaga kerja, respons tabungan, atau perilaku pencarian kesehatan juga diparameterisasi dan dihubungkan ke set aturan.

3

Mesin aturan memproses setiap catatan dalam kumpulan data mikro: ia menghitung pajak yang dibayarkan, tunjangan yang diterima, atau hasil yang dialami di bawah skenario dasar dan reformasi untuk setiap unit. Untuk model dinamis, mesin melangkah melalui periode waktu diskrit, memperbarui karakteristik unit pada setiap periode sesuai dengan probabilitas transisi dan menerapkan aturan yang berlaku. Model stokastik menarik angka acak untuk menyelesaikan transisi; model deterministik menerapkan bobot nilai harapan.

4

Output tingkat unit dibobot dan diagregasi untuk menghasilkan perkiraan tingkat populasi: tabel distributif (berdasarkan desil pendapatan, kelompok usia, wilayah), biaya fiskal atau penghematan, indikator kemiskinan dan ketidaksetaraan, dan — dalam model dinamis — proyeksi jalur dari waktu ke waktu. Pemeriksaan sensitivitas memvariasikan parameter perilaku utama untuk membatasi ketidakpastian dalam perkiraan.

Kesalahan umum

  • Kegagalan mempertahankan atau menerapkan bobot sampel dengan benar menghasilkan perkiraan yang tidak mewakili populasi sebenarnya — selalu sebarkan bobot melalui setiap langkah agregasi.
  • Memperlakukan model statis seolah-olah menangkap respons perilaku: asumsi 'pagi berikutnya' (tidak ada perubahan perilaku) adalah penyederhanaan yang disengaja, bukan temuan; komunikasikan hal ini dengan jelas dalam laporan apa pun.
  • Menggunakan data populasi tanpa memeriksa keterwakilan: non-respons survei dan kesenjangan cakupan administratif dapat membiaskan hasil distributif untuk subkelompok tertentu.
  • Menggabungkan presisi model dengan akurasi model — mikrosimulasi dapat menghasilkan jawaban yang sangat tepat tetapi salah jika parameter perilaku atau aturan kebijakan salah spesifikasi.
  • Untuk model dinamis, mengabaikan ketidakpastian yang menumpuk dari cakrawala proyeksi yang panjang; selalu laporkan rentang sensitivitas di sekitar proyeksi sentral.

Pertanyaan yang sering diajukan

Apa perbedaan antara mikrosimulasi statis dan dinamis?

Model statis menerapkan aturan kebijakan baru ke gambaran populasi dan menghitung perubahan distributif 'pagi berikutnya', dengan asumsi perilaku tidak berubah. Model dinamis memajukan populasi dari waktu ke waktu menggunakan probabilitas transisi demografis (kelahiran, kematian, perubahan pekerjaan, penurunan kesehatan) dan dapat menggabungkan respons perilaku seperti penyesuaian pasokan tenaga kerja. Model statis lebih sederhana dan membutuhkan lebih sedikit data; model dinamis diperlukan ketika jalur waktu perubahan penting, misalnya dalam proyeksi pensiun atau perawatan jangka panjang.

Seberapa besar ukuran kumpulan data mikro yang dibutuhkan?

Register statwise menetapkan minimum praktis 1.000 unit mikro, tetapi analisis distributif yang bermakna — terutama untuk subkelompok kecil — biasanya membutuhkan puluhan ribu catatan. Register administratif dengan cakupan populasi yang hampir lengkap lebih disukai daripada survei rumah tangga kecil, yang perkiraan subkelompoknya dapat memiliki interval kepercayaan yang lebar bahkan setelah pembobotan.

Bagaimana respons perilaku dimasukkan?

Dalam model statis, respons perilaku tidak dimasukkan: efek 'urutan pertama' atau 'pagi berikutnya' dilaporkan tanpa penyesuaian. Untuk menambahkan respons perilaku, analis memasukkan elastisitas pasokan tenaga kerja, tingkat tabungan, atau parameter pencarian kesehatan yang diperkirakan dari literatur atau dari eksperimen alami. Setiap parameter menimbulkan ketidakpastian tambahan, sehingga analisis sensitivitas di seluruh rentang parameter yang masuk akal sangat penting.

Apakah mikrosimulasi sama dengan pemodelan berbasis agen?

Keduanya berbagi prinsip beroperasi pada unit individual daripada agregat, tetapi berbeda dalam penekanannya. Mikrosimulasi biasanya menggunakan populasi empiris tetap dan aturan kebijakan deterministik (atau dikalibrasi secara statistik) untuk memperkirakan hasil distributif; model berbasis agen menekankan perilaku kolektif yang muncul dari interaksi agen dan cenderung menggunakan populasi yang bergaya, bukan yang mewakili secara empiris. Untuk pekerjaan pembiayaan pajak-tunjangan dan biaya kebijakan, mikrosimulasi adalah kerangka kerja standar.

Metode terkait

Sumber

  1. O'Donoghue, C. (Ed.) (2014). Handbook of Microsimulation Modelling. Emerald.

    Buka referensi DOI
    Disalin.
  2. Li, J. & O'Donoghue, C. (2013). A Survey of Dynamic Microsimulation Models: Uses, Model Structure and Methodology. International Journal of Microsimulation, 6(2), 3–55.

    Buka referensi publikasi
    Disalin.