Seminar SE 2 st. Uni Klagenfurt: und TU Wien: Mathematische Modellbildung und Simulation Ökonometrische, systemdynamische, Input-Output Modelle sowie agent-based systems Peter Fleissner

Termine immer mittwochs, ab 14:00-17:30 (pünktlich) Vorbesprechung: Mittwoch 5. Okt 2011, ab 15:00 Uhr 1. Block: Mittwoch, :00 bis 18:00 Uhr, SR 4a 2. Block: Mittwoch, :00 bis 18:00 Uhr, SR 6 3. Block: Mittwoch, :00 bis 17:00 Uhr, SR 6 4. Block: Mittwoch, :00 bis 19:00 Uhr, SR 4c 5. Block: Mittwoch, :00 bis 19:00 Uhr, SR 5 6. Block: Mittwoch, , 15:00 bis 19:00 Uhr, SR 5 (Ersatztermin für !) 7. Block: Mittwoch, :00 bis 19:00 Uhr, SR 4a, Prüfung Alle Termine finden am IFF, Schottenfeldgasse 29, 1070 Wien, statt.

Inhalt des Seminars (optional) Teil 1 Grundzüge der mathematischen Modellierung (Sozialkybernetik) Modellierungspraxis mit dem Softwarepaket STELLA anhand kleiner Projekte Teil 2 Agent-based modelling Praktische Beispiele Teil 3 Grundzüge der Input-Output-Analyse, Mehrebenenökonomie Anwendungen auf volkswirtschaftliche Modelle, Stoffstromrechnung Teil 4 Datensammlung/Parameterschätzung (Ökonometrie; neuronale Netze) Praktische Übungen anhand ökonometrischer Modelle Abschluss Prüfung

websites Allgemeines Laufende Ereignisse, Skripten, Termine Meine persönliche website

Fachgebiete/Projektvorschläge der TeilnehmerInnen (2011) Volker: Bach Soz, Master Sozoek, Landnutzung, Landwirtschaft, Landnutzung und Landbedeckung,Lebensstil Bevstrukt im Waldviertel Julia: Master Soz humanök, Bach Kultur und Technik, Landnutzungskonflikt. Maria: Wiss Mitarb SOZOEK, Historische Landnutzung für Italien, 1861 (Einigung des KG Italiens), returning forest, carbon sequestrierung. Kristine: Wiss Mitarb SOZOEK, Ökonomin, Wirtschaftsstat, Globales Modell Fleischproduktion und Landnutzung. Ulli: Wiss Mitarb SOZOEK, I-O Analyse, Einblick in AB, Materialfluss, Nachhaltigkeitsmonitoring f Krankenhausstationen, sektoral matflussanalyse, Carbon footprint des Osterr. Gesundheitswesens. Diss Nachh und Gesundheit Christiane:Soziologin, Master Sozökol. Geplante Obsoleszenz. Guelay: Soziologie, Diss: strukturiert und nichtstrukt Doktoratsprogramme im Vergleich. Verhältnis: Abschlüsse zu Arbeitsplätzen Armin: Master Humanök. Heizkosten Pellets/Öl, Amortisierung, Preise Panos: Biologie, Doktorrat Sozökol,: Touristflows in Samotraki Gerda:TU Stadtplanung. Doktorrat: Stadt als Prozess Ausgefallen: Bernadette: Master Sozoek, Theor. Modellbildung unklar, Landnutzung, lokale biophyse Studien Philip: bach Soz, Master Soz humanök, mathem Modellbildung in der Praxis fehlt, Caroline: Bachelor Soz, Master Sozoek, Umwelt- und Bioressourcenmanagement. Michael: Soz- und Humanökologie, Landschaftsplanung, Stoffkreisläufe,

Tourist flow model of Samothraki island, Greece Panos Petridis Projekt A:

Materials used by locals and by tourists Some depend on the maximum nmbr, some depend on the total nmbrs What will be the effect on infrastructure by various kinds of tourists? Auxiliary variables: flow of materials, rate of use. SD-model

Tourist Variables Number of tourists Age/gender/nationality/education level Month of visitation Length of stay Type of accommodation Spending per day Food requirements Waste accumulation Energy required, incl. transportation

Couple with total material flows Tourist flows tourist impacts Compare the impact of tourists with that of local residents Find ways to expand the tourist season so reduce the burden on infrastructure etc

Projekt B:

Systemdynamische Modellierung von Spitzenbelastungen im Krankenhaus Ulli Weisz 18. Oktober 2011 LV MathMod 1. Block Projekt B

Kontext: Projekt MOKA Nachhaltigkeits-Monitoring für Krankenhaustationen Erhöhung der (Selbst)Beobachtung als Grundlage für (Nachhaltigkeits)Steuerung Institut für Soziale Ökologie, Ludwig Boltzmann Institut Health Promotion Research & Otto Wagner Spital, Respiratory Care Unit Auftraggeber FFG Bridge:

Abb.: System-Umwelt-Beziehungen der PatientInnenversorgung für eine Krankenhausstation MOKA-Ansatz

Systemdynamische Modellierung von Spitzenbelastungen/belastungszeiten im KH Ziel: Früherkennung von kritischen Zuständen Die Häufigkeit von Spitzenbelastungen an einer bestimmten Station sollen identifiziert/monitiert werden, um frühzeitig darauf reagieren zu können. Projektvorschlag für LV

Wie entstehen Spitzenbelastungen? Wenig und/oder unerfahrenes Personal Viele PatientInnen, hoher Pflegeaufwand Mehrere Aufnahmen/Entlassungen gleichzeitig Zusätzliche Belastungen: z.B. Reanimationen

System: Respiratory Care Unit (RCU) im OWS Einflussgrößen –Anzahl der PatientInnen; Aufnahmen/Entlassungen –Pflegeaufwand (nach Jones), Schweregrad der Erkrankung (TISS Score) –Anzahl der Pflegepersonen (Personalstand) –Qualifikation der Pflegepersonen Steuerungsmöglichkeiten –Bettensperre, Aufnahmesperre –Zusatzdienste Zeitlicher Rahmen: Tage? Datengrundlage: RCU Aufzeichnungen 2011 Erste Überlegungen

Anhang

Sustainable hospitals a socio-ecological approach FIGURE 1: Suggested sustainability triangle for hospitals. Health care – hospitals core business – and health promotion are at the centre of the triangle and should be considered in their dynamic interrelations with the objectives: social and ecological compatibility and economic efficiency. (Weisz et al. 2011, p:195)

Projekt C: Vergleich von Heizsystemen Kosten, Szenarien, Preissteigerungen von Öl und Pellets- Heizung. Sprunghafter Anstieg SD

Projekt D: Berufschancen auf eine Professur für Uni-AbsolventInnen DoktorandInnen, Habilitierte, Postdoc, Assis. Beschränkte Möglichkeiten einer Professur. Demograph Modell der ProfessorInnen Nur Volluniversitäten Ausländische BewerberInnen (> 50%) AgentInnenbasiert.

Projekt E: Peak-Oil Auswirkungen auf Wien und - umland Das Ende der Ressource Öl - Wirkung auf Zersiedelung und Stadtdichte, Klima, Mietpreise und Haushaltsbudgets Gerda Hartl

Was, wenn Mobilität mit dem PKW finanziell nicht mehr möglich ist für alle Wienpendler und es keine Alternative gibt außer dem dem ÖV

untersuchungsgegenstand –Wieviel Bevölkerung ist betroffen und immobil bei Peak-Oil? –Wieviel neuer Wohnraum wird innerstädtisch und im Speckgürtel in der Nähe von ÖV-Stationen benötigt? –Wie weit kann die Stadt verdichtet werden um den Bedarf zu decken? –Welche Stadtdichte kommt zustande bei vollständiger Nutzung der Wohnräumlichkeiten durch Sanierungsinvestitionen der Stadt? (Leerstände, Renovierungsbedürftige Lokalitäten) –Wie wird die Bevölkerung umverteilt nach dem Peak-Oil? –Wie entwickeln sich die Mietpreise in Wien und Umland –Wieviel mehr an Kapazitäten des ÖV müssen bereitgestellt werden? –Welche Kosten/Einnahmen entstehen den Kommunen zusätzlich? –Welche Auswirkungen hat das auf das Klima?

untersuchungsvariablen Betrachtungsraum Wien & Speckgürtel (Wiener Umland, Mödling, Gänserndorf, Mistelbach, Korneuburg, Tulln, St.Pölten, Bruck a.d.Leitha), Jahr 2040 (Peak-Oil: 2050) Nachfrage nach Wohnraum vs. Angebot von Wohnraum Nachfrage nach sozialer Infrastruktur (Kindergärten, Schulen,..) Haushaltsstruktur Wien & Speckgürtel (HH-Größe, m2 Wohnfläche) Haushaltsbudgets (s. Alonso) als Abgleich von Wohnungskosten & Mobilitätskosten Mietpreise Wien & Speckgürtel (geförderter Wohnbau, Genossenschaften, Privatvermietung) Verfügbarer Wohnraum Wien & Speckgürtel Leerstände Wohnraum Wien & Speckgürtel ÖV-Erschließung & Erreichbarkeit des Wohnraums (max.300m) Preisentwicklung Öl

Teil 3 Beispiel: Besselsche DifferenzialglchngBesselsche Differenzialglchng Input-Outputanalyse im Kontext der Widerspiegelungstheorie Grundelemente der Volkswirtschaftlichen Gesamtrechnung (optional: zur Krise)

Kontext: Widerspiegelungstheorie

Veränderungszyklus und Simulation die Welt §x?+ * ~$}[% Vergegenständlichung Versprachlichung Verbildlichung °^^#*.:->>| Vergegenständlichung Widerspiegelung Diffusion Widerspiegelung = Abbildung und Entwurf

Basic Relations in simulation models Strictly deterministic relations (inspired by Rainer Thiel) Definition equations Static balance equations Dynamic balance equations Behavioral equations Stochastic relations (inspired by Herbert Hörz) Randomness as residual/error, Randomness essential, but constant Randomness essential, but variable

Mathemathic codification 0: Definition equations Main element: variable with an associated quality/dimension and a certain quantity Types of definition equations: A: A new variable of same dimension is constructed by other variables of the same dimension, but different quantities Example: Circumference of a triangle is equal to the sum of the length of the three sides. B: A new variable of new dimension is constructed by other variables of the same dimension, but different quantities Example: Area of a rectangle is the product of its length and width. C: A new variable of new dimension is constructed by other variables of the different dimension and different quantities. wir Example: Labour is force times distance, turnover equals unit price times volumes. Although definition equations look simple, their identification was a cumbersome and erroneous process (like energy or force)

Mathemathic codification 1: Static Balance Equation conservation laws; e.g. input-output-tables, national accounting schemes l1 l3 l2 l4 r1 r2 r3 L = R L := l1 + l2 + l3 + l4R := r1 + r2 + r3 Only the unequal becomes equal Equal quantities must consist of unequal qualities Unequal quantities of equal qualities sum up to a quantity of equal quality

Mathemathic codification 2: Dynamic Balance Equation inventory equation, dynamic population balance, capital accumulation, dynamic accounting schemes x(t) t -> t + t x(t+ t) = x(t) + x(t, t+1) The only qualitative difference between left and right: Position in time reality is constructed by stocks and flows Basis for the mirroring of dynamic processes (difference and/or differential equations) x(t, t+1) x(t+ t)

Mathemathic codification 3: Behavioral equations cause-effect-schemes; e.g. multi-variate Blalock-model, econometric equations, neural networks x1 y x2 y(t) = f [ x1(t), x2(t),…] Modifications: linear nonlinear stochastic delays Feedback -> y x y x y x D D D + -

Causal Loop Diagrams Positive feedback: exponential growth Negative feedback: goal seeking, oscillations (D) wages Demand for higher wages prices cost pressure discrepancy Target value State value reaction D

Examples: Input-Output-Model Econometric model D D

Combined Example: Input-Output and Econometric Model BMWF (Ed.) Mikroelektronik - Anwendungen, Verbreitung und Auswirkungen am Beispiel Österreichs, Wien 1981

Wassily W. Leontief, Scientific American, Sept.1982, pp ; Nobelpreis für Ökonomie1973

10-years forecast/comparison with actual data 1990 fast diffusion of micro-electronics in Austria Indikator1990 actual 1990 standard 1990 forecast with electronics GDP prices Mrd ATS1113 Mrd ATS1190 Mrd ATS unemployed ! Wage labour male female Working hours Hours/week 39,439,639,9 Exports526 Bill ATS619 Bill ATS624! Bill ATS Imports470 Bill ATS631 Bill ATS648! Bill ATS

Mathematical Simulation Models: Paradigm Shifts and Reification Cybernetics 0. OrderCybernetics 1. OrderCybernetics 2. Order linearnonlinear staticdynamic unidirectionalfeedback aggregated individuals (variable numbers of agents) deterministicdeterministic/non- essential randomness essential randomness/changing prob distributions very abstractless abstractmore realistic

Mathematical Simulation Models: Paradigm Shifts and Reification Cybernetics 0. OrderCybernetics 1. OrderCybernetics 2. Order linearnonlinear staticdynamic unidirectionalfeedback aggregated individuals (variable numbers of agents) deterministicdeterministic/non- essential randomness essential randomness/changing prob distributions very abstractless abstractmore realistic

How to treat Randomness? Zero Order Cybernetics First Order Cybernetics Second Order Cybernetics Randomness essential No randomness Randomness non- essential Statistical laws of nature (H. Hörz) In econometrics/ regression analysis treated as residual or error term

Equation y = y + e Randomness in Regression Analysis y(x) x y e y

How to treat Randomness? Zero Order Cybernetics First Order Cybernetics Second Order Cybernetics Randomness essential No randomness Randomness non- essential Statistical laws of nature (H. Hörz): In econometrics/ regression analysis treated as residual or error term forecast y deterministic part. e residual stochastic part true y y

How to treat Randomness? Zero Order Cybernetics First Order Cybernetics Second Order Cybernetics Randomness essential Emergence of stable structures by changing the properties of randomness (prob. distr. variable) No randomness Randomness non- essential Statistical laws of nature (H. Hörz): In econometrics/ regression analysis treated as residual or error term true y. forecast y deterministic part y e residual stochastic part true y

Austrian Pension Schemes in Comparison Creation Of Individuals Social Insurance Pension schemes Demographic data and Sccial statistics Individual cases Amount/type of pension Private pension schemes Amount of pension HTML-files

Transition diagram Status 0neither employed not retired Status 1blue collar Status 2white collar Status 11blue collar ret by invalidity Status 12 blue collar ret by age Status 21 white collar ret by invalidity Status 22 white collar ret by age 02 dead birth abroad

Total Population Austria Yellow line: life expectancy up to 90 yrs by 2050

Retirement Age (Invalidity) White Collar Workers, male

How to treat Randomness? Zero Order Cybernetics First Order Cybernetics Second Order Cybernetics Randomness essential Emergence of stable structures by changing the properties of randomness (prob. distr. variable) No randomness Randomness non- essential Statistical laws of nature (H. Hörz): In econometrics/ regression analysis treated as residual or error term true y. forecast y deterministic part y e residual stochastic part true y

Einsteins explanation of Brownian motion The big particle can be considered as a dust particle while the smaller particles can be considered as molecules of a gas. On the left is the view one would see through a microscope. To the right is the supposed explanation for the jittering of the dust particle wnian/brownian.htmlhttp://galileoandeinstein.physics.virginia.edu/more_stuff/Applets/bro wnian/brownian.html

People leave a room Leaving a room without panic: velocity v 0 = 1 m/s. Efficient because of good coordination Leaving a room with panic: velocity v 0 = 5 m/s. Irregular and inefficient due to arching and clogging at the bottleneck (door) Leaving a room with injured (Stampede): velocity v 0 = 5 m/s. If a critical "squeezing" force of 1600N/m is exerted, a person is injured. (The squeezing force is measured as the sum of the magnitudes of radial forces acting on the pedestrian). Injured people block the exit. An asymmetrically placed column in front of the door can avoid injuries.

Overview of outcomes Simulation 200 Persons Escaped before t=45s Injured before t=45s No Panic: No column, No injured 90- Panic: No column, no injured 65- Stampede: No column, Injured do not move 445 With column:720

How to treat Randomness? Zero Order Cybernetics First Order Cybernetics Second Order Cybernetics Randomness essential Emergence of stable structures by changing the properties of randomness (prob. distr. variable) No randomness Randomness non- essential Statistical laws of nature (H. Hörz): In econometrics/ regression analysis treated as residual or error term true y. forecast y deterministic part y e residual stochastic part true y.

How to treat Randomness? Zero Order Cybernetics First Order Cybernetics Second Order Cybernetics Randomness essential Emergence of stable structures by changing the properties of randomness (prob. distr. variable) No randomness Randomness non- essential Statistical laws of nature (H. Hörz): In econometrics/ regression analysis treated as residual or error term true y. forecast y deterministic part y e residual stochastic part true y.

How to treat Randomness? Zero Order Cybernetics First Order Cybernetics Second Order Cybernetics Randomness essential Emergence of stable structures by changing the properties of randomness (prob. distr. variable) No randomness Randomness non- essential Statistical laws of nature (H. Hörz): In econometrics/ regression analysis treated as residual or error term true y. forecast y deterministic part y e residual stochastic part true y..

How to treat Randomness? Zero Order Cybernetics First Order Cybernetics Second Order Cybernetics Randomness essential Emergence of stable structures by changing the properties of randomness (prob. distr. variable) No randomness Randomness non- essential Statistical laws of nature (H. Hörz): In econometrics/ regression analysis treated as residual or error term true y. forecast y deterministic part y e residual stochastic part true y

How to treat Randomness? Zero Order Cybernetics First Order Cybernetics Second Order Cybernetics Randomness essential Emergence of stable structures by changing the properties of randomness (prob. distr. variable) No randomness Randomness non- essential Statistical laws of nature (H. Hörz): In econometrics/ regression analysis treated as residual or error term true y. forecast y deterministic part y e residual stochastic part true y

Example: The blind and the lame Two interacting worlds … world A: physical world (classical mechanics) world B: world of information and symbols (words without meaning) agent based models

…and two interacting agents agent 1: the blind Is able to –jump –hear –Interpret sound he/she hears –And act accordingly (jump) agent 2: the lame Is able to –See the width of the obstacle –Produce sound (with a trumpet) –Can link the width of the obstacle to the pitch of the sound agent based models

Grundelemente der Volkswirtschaftlichen Gesamtrechung

Multilevel Economics 1.How to look at the economy? 2.Appearance and Essence 3.A multilevel perspective 4.Labor values and price systems 5.Transformation of values into prices 6.How to handle services? 7.Three ways to understand productivity

Looking through the surface General rule –From empirical findings to abstractions –From appearance to essence –and back Application of the rule –From observed market prices to labor values and use-values –and back

Ökonomische Realität – eine komplexe Konstruktion Gebrauchswerte kollektive Produktion/Aneignung Tauschwerte/Arbeitswertpreise marktförmige Güter/Dienste Produktionspreise Arbeitsmarkt Steuern, Subv., Transfers,Sozialvers Kleine Waren- produktion Physische Basis Geld-, Kredit-, Aktien-, Finanzmärkte Staatsaktivitäten Gegenwärtiger Kapitalismus (beobachtet) Ist-Preise Konkurrenzkapitalismus mit fixem Kapital Informationsgesellschaft Information als Ware Finanzkapital Neoliberale Globalisierung

kleine Warenproduktion Physische Basis Kapitalismus mit vollkommener Konkurrenz und fixem Kapital Historisches: Emergenz Logisches: Dominanz älter jünger Inspiriert durch Hofkirchner, W. (2002): Projekt Eine Welt: Kognition – Kommunikation – Kooperation. LIT-Verlag Münster-Hamburg- London. S. 166 Ökonomische Realität – eine komplexe Konstruktion Geld-, Kredit-, Aktien-, Finanzmärkte Staatsaktivitäten Gegenwärtiger Kapitalismus Ist-Preise Informationsgesellschaft Information als Ware Finanzkapital Neoliberale Globalisierung

Danke für Ihre Aufmerksamkeit! Nächster Termin: 11. Jänner, 15:00 Uhr am IFF, Seminarraum 5