集锦 | 北大经院工作坊（第854-858场）

主讲人：

陈杰（国家统计局国民经济核算司副司长）

讲座主题：

中国投入产出核算简介及国民经济核算新趋势

主持人：

韩晗（北京大学经济学院长聘副教授）

参与老师：

北京大学经济学院陈仪副教授、李伦助理教授，北京大学国家发展研究院赵波长聘副教授、余昌华长聘副教授、李明浩助理教授

讲座内容：

陈杰结合中国核算工作实践，介绍了中国投入产出表，特别是非竞争型表的编制情况及其意义。他结合目前国际上对2008年SNA开展修订的情况，简要介绍了国民经济核算理论新趋势和新发展。2020年3月，第51次联合国统计委员会会议通过了对2008年SNA进行全面修订的决议，将形成新一版的2025年SNA。陈杰详细介绍了目前修订工作开展情况以及修订的具体问题，并表示在SNA修订过程中，指导说明条目也在不断调整。

主讲人：

罗茸（中国人民大学经济学院副教授）

讲座主题：

CO2 Emission Regulations and Optimal Generation Allocation across Heterogeneous Coal-Fired Generators

主持人：

莫家伟（北京大学经济学院助理教授）

参与老师：

北京大学经济学院杨汝岱教授、刘冲长聘副教授、田巍长聘副教授、刘政文助理教授、吴群锋助理教授、曹光宇助理教授、庄晨助理教授，北京大学新结构经济学研究院王歆助理教授、徐铭梽助理教授

讲座内容：

罗茸利用2010年至2018年中国南方五省燃煤发电机的综合数据集研究了二氧化碳排放限制带来的影响。她从数据中发现，容量越大的发电机平均而言效率越高。因此，罗茸考虑了发电机在生产率和规模回报两方面的异质性，并采用了一种新的方法估计了发电机的生产函数。最后，她通过反事实分析表明，电厂可以通过尽可能给更大型号的发电机分配更多的发电量来实现成本最小化，最优的厂内发电分配可以分别降低1.78%和0.94%的煤炭成本和二氧化碳排放量。此外，为了实现将二氧化碳总排放量减少20%的目标，在最优化的厂内发电量分配下，总发电量将减少19%。

主讲人：

刘晨源（清华大学经济管理学院助理教授）

讲座主题：

Decentralized Policymaking and Market Distortions: Evidence from China's Drug Formulary Design

主持人：

潘聿航（北京大学全球健康发展研究院助理教授）

参与老师：

北京大学经济学院秦雪征教授、石菊长聘副教授、姚奕长聘副教授、王耀璟助理教授、袁野助理教授、梁远宁助理教授、庄晨助理教授、Kevin Devereux助理教授，北京大学全球健康发展研究院刘国恩教授、黄成教授、孙宇副研究员、吕蓓妮助理教授、杨佳楠助理教授、林昊翔助理研究员

讲座内容：

刘晨源探讨了分散的公共政策制定如何在中国的公共健康保险计划的药物清单设计中产生市场扭曲。通过探讨统一的国家药物清单的福利影响，她的报告提出了中央集中与地方分散政策制定之间的关键权衡。除了公平性问题之外，省级政府可能存在着偏离最优政策的扭曲激励。以中国的药物清单设计为例，文章揭示了分散化公共政策制定可能造成的市场失真。

研究结果表明，中国的药品市场是分割的，企业在当地市场享有更大的销售量。没有省级进入壁垒时，将药物加入清单对所有生产药物的企业都有益，但市场的分割意味着给本地企业额外的好处。此外，存在于省级药物清单设计中的扭曲，并未与需求变化相关联。

本地企业的存在影响了药物清单的设计。影响本地市场较大销售量的因素包括：本地企业的产品更有可能被加入到当地省份的保险清单中，以及一旦包含在保险覆盖中，本地产品就会有更高的销售量，这归因于家乡偏好、本地销售网络、与医生的联系等因素。传统中药的初步分析也呈现了类似的模式，并提出了关于2019年统一国家药物清单改革的福利影响的进一步研究方向，指出在省级政府决策中存在扭曲激励的证据，并且探讨了如何量化因不考虑需求异质性而产生的福利损失。

主讲人：

Balazs Szentes（HKU Business School, Chair of Economics）

讲座主题：

Natural Selection of Artificial Intelligence

主持人：

石凡奇（北京大学经济学院助理教授）

胡岠（北京大学国家发展研究院长聘副教授）

参与老师：

北京大学经济学院胡涛副教授，北京大学光华管理学院翁翕教授、刘烁副教授，中国人民大学邝仲弘讲师、赵玮讲师

讲座内容：

在本次报告中，Balazs Szentes分享了分散生产经济中的AI控制问题。在他的模型中有三种商品：硬件、电力和消费品。硬件和电力是投入品，消费品是产出，且消费品可以无损耗地转化成硬件。在没有AI时，瓦尔拉斯均衡下的分配是有效的。随后，他在模型中引入AI，他将AI描述为控制企业生产的硬件中嵌入的软件。具体来说，AI决定了最终产出中转化为消费品和硬件的比例。Balazs Szentes发现，如果AI参数是可被完全观测的，那么演化稳定的瓦尔拉斯均衡存在且在均衡下的分配是有效的。如果AI参数完全不可知，则可能有两种瓦尔拉斯均衡，但有效的那个瓦尔拉斯均衡是不稳定的。最后，他表示，如果可以通过观测AI的表现来部分地推断AI参数，那么在演化稳定的瓦尔拉斯均衡中只有硬件会被生产。这一结果说明不透明的AI会扭曲生产，使得那些能够不断生产硬件的AI留在生产过程中，而真正有效的AI会被淘汰，导向无效率的市场均衡。