Modelos económicos-ingenieriles, teoría económica, y política regulatoria

Seminario Internacional de Regulación de Servicios de Telecomunicación y de Información

Modelos económicos-ingenieriles, teoría económica, y política regulatoria

D. Mark Kennet, Ph.D.


Organización• ¿Qué es un modelo económico-ingenieril?

– Bottom-up v. Top-down– Ejemplos

• Usos de modelos de costo para probar teoría económica– Modelos de costos v. Econometría– Pruebas de propiedades teóricas (Gasmi, Kennet, Laffont,

Sharkey)• Usos de modelos de costo en regulación y política

– Resolución de disputas de acceso a redes.– Cálculo de subsidios de servicio universal.


Modelos económicos-ingenieriles

• Idea básica: Simular un proceso productivo “eficiente” para poder aislar preguntas de interés en un experimento controlado

• El concepto es particularmente útil en un entorno multiproducto cuando hay muchos costos en común

• Difieren de modelos top-down en que el costo total calculado depende de los parámetros bottom-up de diseño, que se pueden cambiar por el usuario del modelo; modelos top-down depende de información en una forma ya agregada que no se puede cambiar.


Propiedades de buenos modelos bottom-up

• “Optimizan” la planta de producción– Esto implica que el modelo es un ejercicio de simulación de la red en

la cual las rutas y tecnologías se escogen para minimizar costo• Permiten insumos de precios flexibles

– El modelo debe responder a cambios en los precios relativos de los insumos

• Permiten insumos de demanda flexibles– El modelo debe permitir la especificación de varios niveles de

cantidades de demanda– El modelo debe permitir la especificación de varios niveles de calidad

de servicio• Objetivo es aproximar adecuadamente la definición

económica de una función de costos.


Objetivo de modelo de costos bottom-up

• Aproximar, a través de la simulación, la definición de la función de costos económicos:

yxfas

xwywC

q

x

)(/

'min),(

dondeC = costo totalw = precios de insumosy = cantidades de productox = cantidades de insumofq() = función de producción asociada con nivel de calidad q


Contraste con modelos top-down

• Optimización es imposible.• Datos de costos unitarios de insumo son

autoreportados y agregados.• Demanda se fija al nivel y calidad de servicio

prestado por la infraestructura existente y no por una planta eficiente.


Ejemplos de modelos económicos-ingenieriles en Telecom

• LECOM – Local Exchange Cost Optimization Model (Gabel and Kennet (1991) )– Intenta optimizar el número, localización, y tipo de

conmutadores a través de rutinas de optimización en nido.– Modulos de localización de clientes y algoritmos de rutas algo

primitivo.• HCPM – Hybrid Cost Proxy Model (Bush, Gupta, Kennet, Prisbrey,

and Sharkey (1998) )– Toma localización de conmutador y tamaño como dado, pero

optimiza la estructura y tecnología de rutas.– Usa algoritmos sofisticados para manejar datos de localización

de clientes, que pueden presentarse a cualquier nivel de resolución deseado.


Resumen de HCPM• Datos de localización de clientes• Algoritmo de agrupación (CLUSTER)

• Metodología para agrupar clientes en áreas de servicio

• Módulo de Interfaz de Cluster (CLUSINTF) • Sobre impone una “malla” en cada área de servicio y asigna clientes a lotes

• Módulo de Distribución y Alimentación (FEEDDIST)• Usando técnicas explicitas de optimización, construye planta de distribución

y planta de alimentación desde el conmutador a cada área de servicio

• Módulos de Conmutación y Planta Entre Oficinas• Construye conmutadores y planta de transmisión

• Módulo de Gastos Anuales


Ejemplo de Datos de Localización de Clientes y Conmutador


CLUSTER crea una malla


Areas de servicio definido por CLUSTER


CLUSINTF sobre impone la malla sobre cada área de servicio


-28 -26 -24 -22 -20 -18 -16 -14 -12 -10 -8 -6 -4

kilofeet, east-west

-20

-10

0

10

20

kilo

feet

, nor

th-s

outh

Distribution routing calculated by HCPM

FEEDDIST construyela planta de distribución


-8.02 -8.00 -7.98 -7.96 -7.94 -7.92 -7.90 -7.88 -7.86 -7.84

degrees longitude

38.53

38.54

38.55

38.56

38.57

38.58

38.59

38.60

38.61

38.62

38.63

degr

ees

latit

ude

Feeder Route Map Produced by HCPM

FEEDDIST construye la planta de alimentación


Modelos de costo v. Econometría• Problemas con el uso de econometría

– Modelos econométricos depende de datos historicos, que en sectores regulados implica ponderar en exceso la tecnología antigua.

– Modelos econométricos asumen funciones de producción suavizadas.– Es difícil especificar outputs (productos) en las regresiones (Evans y

Heckman, Shin y Ying, etc., usan pocas y muy estilizadas medidas de output)

• Ventajas de modelos de costos– Se soluciona el problema de datos históricos, los costos y tecnologías son

actualizados– Se minimiza el problema de asimetría de información para propósitos

regulatorios– La función de producción es más realista– Se puede especificar explícitamente los outputs (productos)


Por supuesto, también hay desventajas...

• La parte dinámica de la evolución de redes se ignora

• La modelación de los insumos laborales es débil (se nota que los modelos económicos también comparten este problema)


Pruebas de la teoría con modelos de costo

• Ejemplo: Gabel y Kennet (1994)• Idea básica: Buscar economías de alcance y escala

usando LECOM a través de variar cantidades de outputs y optimizar costos, incluyendo calcular costos “stand alone” (aislados) de “coaliciones” de combinaciones de outputs

• Resultados muestran economías de alcance significativas, excepto en el caso de servicios de líneas privadas alquiladas.


Resultados para economías de alcance

NIVELES x1 = tráfico en la hora pico (CCS) = 402,530 x2 = tráfico de LD en hora pico = 55,932 x3 = líneas alquiladas locales = 17,308 x4 = líneas alquiladas de LD = 4,685 líneas de acceso = 157,007

Costo Nivel de Stand- economías de alone alcance*

c(1,2,3,4) 25,549,965 ---c(1) + c(2,3,4) 42,385,760 0.6589c(2)+ c(1,3,4) 42,946,616 0.6809c(3)+ c(1,2,4) 25,342,285 -0.0081c(4)+ c(1,2,3) 26,237,616 0.0269c(1) + c(2) + c(3) + c(4) 43,357,093 0.6970c(1,2) + c(3,4) 25,097,995 -0.0177c(1,3) + c(2,4) 42,622,810 0.6682c(1,4)+ c(2,3) 42,165,522 0.6503c(1,2) + c(3) + c(4) 25,749,839 0.0078c(1,3) + c(2) + c(4) 43,370,601 0.6975c(1,4)+ c(2) + c(3) 42,575,029 0.6663c(2,3) + c(1) + c(4) 42,947,586 0.6809c(2,4)+ c(1) + c(3) 42,609,303 0.6677c(3,4)+ c(1) + c(2) 42,705,249 0.6714


Repitiendo el experimento

• Varios tamaños y densidades de ciudades probados.

• En la mayoría de casos, los resultados iniciales fueron replicados.

• Estos resultados se contrastan con varios estudios econométricos usados para justificar la desagregación del sistema Bell en los EE.UU.


Otras exploraciones teóricas

• Gasmi, Kennet, Laffont, y Sharkey (2002) desarrollan un enfoque basados en modelos de costos económicos-ingenieriles (cost proxy) como una forma de tratar la regulación bajo información incompleta, buscar una regulación optima, calcular los montos de servicio universal y subsidios estratégicos.

• Papers escritos por varios de estos autores sirven como base para capítulos en el libro.


Regulación optima

• Idea básica: la regulación se ve como un mecanismo que busca revelar la verdad sobre parámetros no observables: esfuerzo y parámetros primitivos de la función de costos.

• Se puede modelar el esfuerzo a través del simulador de costos al cambiar el precio de la mano de obra y volver a simular, generando el costo en función del esfuerzo.

• La “desutilidad” del esfuerzo se asume como una función cuadrática.

• Ahora es posible calcular el nivel óptimo de esfuerzo.• Todavía falta: Como calcular esquemas lineales simples

para compartir costos entre la empresa y sus clientes.


Uso de modelos en la regulación

• Pregunta básica: ¿En un mercado competitivo, realmente se necesita un modelo de costos?

• Respuesta básica #1: No, si realmente hay competencia

• Respuesta básica #2: Aún así, el gobierno quizá todavía desea tener una herramienta de último recurso para manejar la resolución de disputas, por ejemplo en el acceso a redes (nuevamente, para reducir la asimetría de información).


Aplicando un modelo de costos a una disputa de acceso a redes

• Ver Kennet y Pérez-Reyes (2002)• Dos paradigmas

– TELRIC– TSLRIC

• Ejercicio básico: Simular la red mirando hacia el futuro para calcular o costos de elementos o costos incrementales de los servicios

• La selección de parámetros insumos garantiza una tarifa socialmente eficiente

• El modelo también puede convencer al regulador a adoptar una ESTRUCTURA de tarifas socialmente eficiente (el cargo por capacidad en lugar del cargo por uso)


Usando un modelo de costos para determinar los subsidios de servicio universal

• En general hay dos tipos de programas de servicio universal (SU) en todos los países:– Subsidio rural y zonas de alto costo– Subsidio de clientes de bajo ingreso

• Es posible solucionar el segundo tipo de SU a través de un modelo de costos, pero es más frecuente utilizarlos para el primer tipo de SU.

• Idea básica: Buscar áreas de servicio donde los costos sean más altos que algún benchmark, y calcular el monto necesario para compensar al proveedor de servicio


Comentarios sobre la aplicación en EE.UU.

• No se define bien el objetivo político.– ¿Cuál es el estándar de calidad de servicio?– ¿A quién se dirige el subsidio? ¿Empresas o usuarios?

• Mientras los modelos son muy sofisticados, la aplicación es cuestionable– El benchmark no debería ser un percentil de la distribución

calculada de costos, sino un valor determinado independientemente.

– Muchos de los parámetros de insumos se ha determinado de manera poco rigurosa.

– No queda claro que la política eficiente sea subsidiar empresas y no usuarios.

Documents

Modelos económicos-ingenieriles, teoría económica, y política regulatoria