«Det er vanskelig å spå, særlig om fremtiden» – så blir det sagt. Det samme gjelder økonomisk modellering. Dette er ikke bare en banal punktet at det er vanskelig å spå om ting som er usikkert, selv om du vil bli overrasket over hvor mange økonomiske modeller er uttrykt som deterministisk, det er, uten sannsynlighet grenser., Pindyck gjør gyldig punktet at inndata er ofte vilkårlig valgt, selv den beste modellen spytter søppel ut hvis du pumpe søppel i . Men jeg ønsker å fokusere på den litt mer subtile poenget at de tingene som er mest interessant når det kommer til å gjøre spådommer tiår fremover er de som er vanskeligst å modell., Resultatet er at mer ofte enn ikke, de er rett og slett ikke modellert, og følgelig modeller kan fortelle oss litt om hvordan fremtiden vil utvikle seg, og enda mindre om den sanne kostnader og gevinster på lang sikt politikk slik som de til å fremme fornybar teknologi og ressurseffektivitet.
En økonomisk modell er i hovedsak en forenklet rammeverk for å beskrive hvordan økonomien. Den har den disiplin for å tvinge modeller formelt å formulere forutsetninger og lokke ut relasjoner bak disse forutsetninger. Modeller brukes til to hovedformål: å simulere (f.eks., hvordan ville verden endring i forhold til noen sistnevnte hvis vi antar at en endring i dette, eller at variabel) og prognoser (f.eks. hvordan verden kan se ut i 2030). Økonomiske modeller er gode verktøy for simuleringer, gitt det vi vet om de atferdsmessige arbeidet i økonomien, og å ta disse for det meste som er gitt, hvordan kan økonomien svare på, si, en energi-pris spike? Men modellene er mye mindre effektiv på å gi prognoser nettopp ikke minst fordi når du gjør prognoser, svært lite kan tas som gitt., Jo lenger ut prognosen, jo større strukturell usikkerhet å gjøre modellberegninger på beste måte, spesielt når du prøver å forutsi virkningen av ikke-marginale impulser, for eksempel konsekvenser av klimaendringer eller transformasjon av den globale energi-systemet.
Modeller som benyttes ved finans departementer, banker og sentralbanker ta den underliggende strukturen i økonomien som er gitt og analysere forstyrrelsene på marginer gjennom estimert atferdsmessige ligninger., Både estimerte ‘ny-Keynesiansk» og beregnbare generell likevekt modeller stole på forutsetninger om forhåndsbestemt langsiktige trender eller ‘convexity’ assosiert med avtagende marginal avkastning og avtagende marginal produkter, for å samles på et steady state. Fordi de sjelden ser frem over en fire-års horisont, slik forenkling gjøre forutsetninger for god tilnærming til virkeligheten. Faktisk på Egne, vi løst de viktigste prognose variabler (BNP-vekst, arbeidsledighet, trade balanserer, inflasjon, etc…) først og deretter kjørte modell ., Dette er faktisk normen for makroøkonomiske prognoser – modellen er i hovedsak brukt som en sjekk for konsistens og ikke en kilde til anslag. Forutsatt at prognosen restene er i tråd med tidligere mønstre, så fikse prognose banen på forhånd er godkjent fordi anslagene er kompatibel med tidligere anslått atferd. Men leter videre ut, usikkerheten vokser og det gjør sjansene for at strukturelle bryter presse økonomien på nye veier drevet av nye teknologier, institusjoner og atferd., Beskrive sentrale variabler, som utgang, som å vende tilbake til en deterministisk mener er praktisk, men urealistisk jo lenger ut du ser.
Dette fører til problemer for økonomiske prognoser i oppgave å undersøke virkningen av stor total endring som en overgang til et ressurseffektivt global økonomi over lengre perioder. Kravet om at en modell tenderer i retning av en steady-state likevekt betyr at mange viktige dynamics er modellert som tendenser mot at likevekt, snarere enn påvirkningsfaktorer for det. ‘Endre’ og mangfold er modellert som forbigående tilstander., Men den virkelige verden er det som økonomer kaller endogen – det er, i henhold til systemiske endringer som oppstår i systemet. Heterogene prosesser rasen feedback-looper som blir permanente funksjoner i systemet, som krever en teori om det lange løp preget av slike prosesser. Økonomiske faktorer som er gjenstand for stordriftsfordeler, kapital og institusjonell lock-in, irreversibilities, nye nettverk og sti-avhengighet er vanskelig å anslå empirisk (i noen tilfeller de har aldri skjedd, ennå) og det er enda vanskeligere å modellere på grunn av ikke-lineær dynamikk., Støt vil ha vedvarende effekter (tror 9/11), politiske valg vil ha store og forsterket betydning (tror forsvarsutgifter og internett), noe som gjør prediksjon stadig vanskeligere. Ulike meteorologiske modeller og prognose går lage konsistente og nøyaktige globale prognoser over en to ukers periode, men deretter begynne å avvike på grunn av den beryktede ‘butterfly wing» – effekten. Utover en måned eller så, slike prognoser avviker vilt og er vurdert til neste ubrukelig. Det samme er tilfelle med økonomiske modeller over lange perioder.
Ta noen virkelige verden eksempler., Å investere i fornybar energi-teknologier som presser prisen ned som et resultat av eksperimentering og læring av feil; såkalt «learning-by-doing». Disse faller prisen deretter gjøre investeringer stadig mer attraktivt i forhold til konvensjonelle teknologier hvor gevinster fra ytterligere læring eller skalering er mindre. Som kostnader kommer ned, investering øker og ingeniører lære hvordan du billig installere, koble til og reparere teknologi (en grunn til at solar PV er betydelig billigere i Tyskland enn i USA), planlegging institusjoner er oppdatert og nye nettverk er bygget eller forklaret., Forbrukerne endre atferd og etterspørsel effektivitet, resirkulering og pedestrianisation.
Veldig raskt, en region kan bytte fra én teknologi nettverk til et annet som læring og erfaring som gjør den mer attraktiv enn den etablerte. Men en slik iboende bi-polar bane-avhengige dynamikk er vanskelig—om ikke umulig—å-modellen. Byer planlagt på en modell av tette utvikling med integrert offentlig transport bli mange størrelsesordener mindre ressurskrevende enn byer basert på en viltvoksende bil basert modell, til tross for å ha samme nivå av inntekt., Når bygget, de er vanskelig å endre i ettertid som atferd og infrastrukturer for å bli låst inn. Valgkretser lobbyen for lavere bensinpriser og mer highway kjørefelt i den viltvoksende byen og sykling baner, offentlig transport og congestion charging i tett effektiv en. Beslutningene foretatt av planleggere i Kina, India og andre steder vil gå en lang vei å bestemme effektiviteten og ressurs-sikkerheten av sine økonomier som en helhet. De skaper også betydelig i nye markeder som stimulerer innovatører og investorer over hele verden.,
Men ingenting av dette er innarbeidet i standard modeller fordi full interaksjon av en endogen system er utrolig komplisert å replikere og eventuelle feil som sprer seg gjennom modellen som en ondartet sykdom. Modellering derfor krever abstraksjon. Ikke alle variabler kan inkluderes og ikke alle kausale prosesser simulert. Men abstracting er fint inntil du sammendrag fra de viktige egenskapene til systemet og deretter gir seg ut for å forutsi at systemet som helhet., I de fleste modeller, innovasjon som driver langsiktige økonomiske utsiktene er antatt å skje og viktige funksjoner i kapitalismen, slik som tendensen til at det blir få leverandører er antatt bort i favør av de mer føyelig forutsetning av konkurransen.
Malthus er feil var kjent for å ta strukturen av den globale økonomien som gitt. Hans modellen antatt at teknologier og prosesser ville forbli uendret, slik at verden ville bli lite ressurser i møte med voksende befolkning og etterspørsel. Faktisk, hver ekstra menneskelige munn kom med en menneskelig hjerne., Og det var menneskelig innovasjon som tillatt jordbruksavlinger til rakett og industrialisering å gi en enestående utvalg av forbrukernes muligheter. Modellering innovasjon krever forståelse utilsiktede konsekvenser som følge av kunnskap søl-overs fra en sektor til en annen. Mariana Mazzucatto forteller en spennende historie om hvordan nesten alle de radikale teknologi bak iPhone var finansiert av regjeringen, for det meste gjennom forsvar forskningsfond: dette inkluderer internett, GPS, berøringsskjerm, og til og med den nye stemme-aktivert Siri personlig assistent ., Disse underliggende dynamikk er kjent og forutsigbar som prosesser, men ikke i form av konkrete resultater. Derfor nesten alle modeller abstrakt disse viktige relasjoner unna.
Det er også en rekke atferdsmessige dynamics til å redegjøre for. For eksempel global kollektiv handling er underlagt spill hvor utbetalinger til den enkelte aktørs handling (land, regioner, bedrifter), avhenger av hvordan andre akt. Hvis det er nok spillere act, en kritisk masse eller ‘tipping sett’ er nådd hvor det lønner seg å handle også., For eksempel kan det betale for et firma eller økonomi til å utsette kostnaden av ressurs-effektiv investering, men som andre gjør investeringen, kan det i økende grad sliter med å selge til nye markeder der effektivitet standarder forbedre (som tilfellet var med OSS bil produsenter). En slik dynamikk kan modelleres, men det er vanskelig å innlemme i eksisterende integrerte modeller. Hvem kunne ha deterministically modellert åpningen av world trade i andre halvdel av forrige århundre? Likevel er disse underliggende dynamikk er kjent og forutsigbar, og til syvende og sist er det disse som vil forme verden.,
De potensielle fordelene fra politikken som styrer strukturelle endringen vil til syvende og sist dverg første runde distortionary kostnader forbundet med et karbon-skatt her, eller en ny standard for effektivitet det. Som med forsvarsutgifter, en felles innsats for å presse grønn R&D er sannsynlig å ha multiplisert virkninger på innovasjon på tvers av økonomien., Dette betyr at for politikere, planlegger en konkurransedyktig og ressurseffektiv økonomi som passer for en utfordret tjueførste århundre kan gjøre en mer viktig prioritet enn å finne ut kort sikt kostnaden av et sett fornybar energi, relevante selv om det er. Ennå modeller fokuserer nesten utelukkende på smale spørsmål av den sistnevnte typen, bare fordi de kan, genererer et sett av kostnader for hver handling, med liten forståelse av det fulle potensialet fordeler., Den resulterende predisposisjon mot å utsette handling kort-kretser de mer kompliserte spørsmål om hvordan strukturelle endringer kan bli ført i en gjennomsiktig, markeds-vennlig måte; en som fremmer konkurranse og vekst, og som begrenser muligheten for rent-seeking av særinteresser.
betyr dette at vi bør overbordkasting økonomiske modeller? Absolutt ikke. Vi skal likevel prøve å estimere og modell kjente komplekse prosesser. Modellene er viktige verktøy i å hjelpe oss å formulere, undersøke og forstå interaktive relasjoner., Ennå mens integrert økonomiske modeller anvendt på lang sikt har gitt verdifull innsikt, de ble aldri designet for å fungere som estimater av de totale virkningene av ting som politikk for å redusere utslipp og øke ressurseffektiviteten. Fullt integrert endogene systemer gjør modellering lange perioder svært vanskelig fordi selv små feilene vedvarer og eksplodere og kan endre resultatene av modellen som en ondartet sykdom. Modeller forsøk på å komme rundt dette problemet ved å anta at sentrale deler av den historien er forhåndsbestemt, men dette gjør dem ikke mer realistisk., Hva som kreves er en sammenhengende teori bak lange løp prosesser av systemisk endring og disse er best modellert separat, og ikke som en del av en fullt integrert modell som gir falske oppfatninger av determinisme og presisjon. Modellene er ikke hele historien; de er bare med på å støtte setninger til historien, og må forstås og behandles som sådan. I et så komplekst system kan det faktisk være enklere å kjøre endring enn å forutsi det.
Dimitri Zenghelis er Co-leder for Personvern på Grantham Research Institute ved LSE og var tidligere Leder av Økonomiske Prognoser på HM Treasury., Denne artikkelen ble opprinnelig publisert i Virksomheten Grønt på den 18 September 2013.