” Het is moeilijk om voorspellingen te doen, vooral over de toekomst ” – zo luidt het gezegde. Hetzelfde geldt voor economische modellen. Dit is niet alleen het banale punt dat het moeilijk is om voorspellingen te doen over dingen die onzeker zijn, hoewel je verbaasd zou zijn hoeveel economische modellen worden uitgedrukt als deterministisch, dat wil zeggen, zonder waarschijnlijkheidsgrenzen., Pindyck wijst er terecht op dat de belangrijkste ingangen vaak willekeurig worden gekozen; zelfs het beste model spuugt afval uit als je afval erin pompt . Maar Ik wil me concentreren op het iets subtielere punt dat de dingen die het interessantst zijn als het gaat om het maken van voorspellingen die decennia voor ons liggen, die dingen zijn die het moeilijkst te modelleren zijn., Het resultaat is dat ze meestal niet worden gemodelleerd en dat de modellen ons dan ook weinig vertellen over hoe de toekomst zal evolueren en nog minder over de werkelijke kosten en baten van langetermijnbeleid, zoals het beleid ter bevordering van hernieuwbare technologieën en efficiënt gebruik van hulpbronnen.
een economisch model is in wezen een vereenvoudigd kader om de werking van de economie te beschrijven. Het oefent de discipline uit om de modelbouwer te dwingen om formeel veronderstellingen te verwoorden en relaties achter die veronderstellingen te plagen. Modellen worden gebruikt voor twee hoofddoeleinden: simuleren (bijv., hoe zou de wereld veranderen ten opzichte van een contrafeitelijke als we uitgaan van een verandering in deze of gene variabele) en prognoses (bijvoorbeeld hoe de wereld eruit zou kunnen zien in 2030). Economische modellen zijn geweldige instrumenten voor simulaties-gezien wat we weten over de gedragsmatige werking van de economie, en als we deze meestal als gegeven nemen, hoe zou de economie reageren op, laten we zeggen, een energieprijspiek? Maar modellen zijn veel minder effectief in het verstrekken van voorspellingen juist niet in de laatste plaats omdat bij het maken van prognoses, zeer weinig kan worden genomen als gegeven., Hoe verder de prognose, hoe groter de structurele onzekerheden, waardoor modelprognoses in het beste geval illustratief zijn, vooral wanneer wordt geprobeerd de impact van niet-marginale impulsen zoals de gevolgen van klimaatverandering of de transformatie van het mondiale energiesysteem te voorspellen.
door ministeries van Financiën, banken en centrale banken gebruikte modellen nemen de onderliggende structuur van de economie als gegeven en analyseren verstoringen van de marges door middel van geschatte gedragsvergelijkingen., Zowel geschatte ‘nieuwe Keynesiaanse’ als berekenbare algemene evenwichtsmodellen zijn gebaseerd op veronderstellingen over vooraf bepaalde langetermijntrends of ‘convexiteit’ geassocieerd met afnemende marginale rendementen en afnemende marginale producten, om te convergeren op een steady state. Omdat ze zelden verder kijken dan een horizon van vier jaar, zorgen dergelijke vereenvoudigende veronderstellingen voor een goede benadering van de werkelijkheid. In feite hebben we bij de Schatkist eerst de belangrijkste voorspellingsvariabelen (BBP-groei, werkloosheid, handelsbalans, inflatie, enz…) vastgesteld en vervolgens het model uitgevoerd ., Dit is eigenlijk de norm voor macro – economische prognoses-het model wordt hoofdzakelijk gebruikt als consistentiecontrole en niet als bron van prognoses. Op voorwaarde dat de voorspelde reststoffen in overeenstemming zijn met vroegere patronen, wordt het vooraf vaststellen van het voorspellingstraject gevalideerd omdat de prognoses verenigbaar zijn met het in het verleden geraamde gedrag. Maar als we verder kijken, groeien de onzekerheden en ook de kans dat structurele breuken de economie op nieuwe wegen duwen gedreven door nieuwe technologieën, instellingen en gedragingen., Het karakteriseren van belangrijke variabelen, zoals output, als terugkeren naar een deterministisch gemiddelde is handig, maar onrealistisch hoe verder je kijkt.
Dit veroorzaakt problemen voor economische prognoses die belast zijn met het onderzoeken van het effect van grote transformatieve veranderingen, zoals de overgang naar een hulpbronnenefficiënte wereldeconomie over langere perioden. De eis dat een model neigt naar een evenwicht in de stationaire toestand betekent dat veel sleuteldynamieken worden gemodelleerd als tendensen naar dat evenwicht, in plaats van determinanten ervan. ‘Verandering’ en heterogeniteit worden gemodelleerd als transiënte toestanden., Maar de echte wereld is wat economen endogeen noemen-dat wil zeggen, onderhevig aan systemische veranderingen die binnen het systeem ontstaan. Heterogene processen fokken terugkoppelingslussen die permanente kenmerken van het systeem worden, die een theorie van de lange termijn vereisen die door dergelijke processen wordt gekenmerkt. Economische factoren die onderhevig zijn aan schaalvoordelen, kapitaal en institutionele lock-in, onomkeerbaarheid, nieuwe netwerken en path-afhankelijkheden zijn moeilijk empirisch in te schatten (in sommige gevallen zijn ze nog nooit gebeurd) en nog moeilijker te modelleren vanwege de niet-lineaire dynamiek., Schokken zullen aanhoudende effecten hebben (denk aan 9/11), beleidskeuzes zullen grote en versterkte implicaties hebben (denk aan defensie-uitgaven en het internet) waardoor voorspellingen steeds moeilijker worden. Verschillende meteorologische modellen en prognoseruns maken consistente en accurate globale voorspellingen over een periode van twee weken, maar beginnen dan uiteen te lopen vanwege het beruchte ‘vlindervleugel’ – effect. Meer dan een maand of zo, dergelijke prognoses verschillen wild en worden beschouwd als vrijwel nutteloos. Hetzelfde geldt voor economische modellen over lange perioden.
Neem Enkele voorbeelden uit de echte wereld., Door te investeren in technologieën voor hernieuwbare energie dalen de prijzen als gevolg van experimenten en het leren van fouten; het zogenaamde “al doende leren”. Deze prijsdalingen maken de investering dan steeds aantrekkelijker ten opzichte van conventionele technologieën waar de voordelen van extra leren of schaalvergroting kleiner zijn. Naarmate de kosten dalen, de investeringen stijgen en ingenieurs leren hoe ze de technologie goedkoop kunnen installeren, aansluiten en repareren (een van de redenen waarom zonne-energie in Duitsland aanzienlijk goedkoper is dan in de VS), planningsinstellingen worden bijgewerkt en nieuwe netwerken worden gebouwd of veranderd., Consumenten veranderen hun gedrag en eisen efficiëntie, recycling en voetgangersgebied.
zeer snel kan een regio overschakelen van het ene technologienetwerk naar het andere omdat leren en ervaring het aantrekkelijker maken dan de gevestigde exploitant. Maar zulke inherent bi-polaire pad-afhankelijke dynamica zijn moeilijk-zo niet onmogelijk-te modelleren. Steden die zijn gepland op basis van een model van dichte ontwikkeling met geïntegreerd openbaar vervoer worden veel ordes van grootte minder grondstoffenintensief dan steden die zijn gebaseerd op een uitgestrekte auto-gebaseerde model, ondanks het feit dat dezelfde niveaus van inkomsten., Eenmaal gebouwd, zijn ze moeilijk achteraf te veranderen als gedragingen en infrastructuren worden opgesloten-in. Kiesdistricten lobbyen voor lagere benzineprijzen en meer snelweg rijstroken in de uitgestrekte stad en fietspaden, openbaar vervoer en congestieheffing in de dichte efficiënte. De beslissingen van planners in China, India en elders zullen een grote bijdrage leveren aan het bepalen van de efficiëntie en de zekerheid van hulpbronnen van hun economieën als geheel. Ze creëren ook aanzienlijke nieuwe markten die innovators en investeerders over de hele wereld stimuleren.,
maar dit alles is niet opgenomen in standaardmodellen omdat de volledige interactie van een endogeen systeem duivels complex is om te repliceren en elke fout zich door het model verspreidt als een maligne ziekte. Modellering vereist daarom abstractie. Niet alle variabelen kunnen worden opgenomen en niet alle causale processen kunnen worden gesimuleerd. Maar abstraheren is prima totdat je abstraheert van de belangrijkste eigenschappen van het systeem en dan beweert dat het systeem als geheel te voorspellen., In de meeste modellen wordt ervan uitgegaan dat innovatie die de economische vooruitzichten op lange termijn drijft, gewoon gebeurt en worden belangrijke kenmerken van het kapitalisme, zoals de neiging tot oligopolie, weg genomen ten gunste van de meer hanteerbare veronderstelling van concurrentie.Malthus ‘ fout was om de structuur van de wereldeconomie als gegeven te beschouwen. Zijn model ging ervan uit dat technologieën en processen ongewijzigd zouden blijven, zodat de wereld weinig middelen zou hebben in het licht van de groeiende bevolking en vraag. In feite, elke extra menselijke mond kwam met een menselijk brein., En het was menselijke innovatie die de landbouwopbrengsten mogelijk maakte om te stijgen en industrialisatie om een ongekend scala aan consumentenmogelijkheden te bieden. Voor modellering van innovatie is inzicht nodig in de onbedoelde gevolgen van het weglekken van kennis van de ene sector naar de andere. Mariana Mazzucatto vertelt een boeiend verhaal over hoe bijna alle radicale technologieën achter de iPhone werden gefinancierd door de overheid, meestal via defensie onderzoeksfondsen: dit omvat het internet, GPS, touchscreen display, en zelfs de nieuwe stem-geactiveerde Siri persoonlijke assistent ., Deze onderliggende dynamiek is bekend en voorspelbaar als processen, maar niet in termen van specifieke resultaten. Bijgevolg abstraheren bijna alle modellen deze sleutelrelaties weg.
Er zijn ook een aantal gedragsdynamieken om rekening mee te houden. Bijvoorbeeld, wereldwijde collectieve actie is onderworpen aan gaming waarbij de pay-offs van de actie van individuele agent (landen, regio ‘ s, bedrijven) afhankelijk is van hoe anderen handelen. Als er genoeg spelers handelen, wordt een kritische massa of ‘tipping set’ bereikt waar het loont om ook te handelen., Het kan bijvoorbeeld betalen voor een bedrijf of economie om de kosten van investeringen die efficiënt zijn met hulpbronnen uit te stellen, maar naarmate anderen investeren, kan het steeds moeilijker worden om te verkopen op nieuwe markten waar de efficiëntienormen verbeteren (zoals het geval was met Amerikaanse autofabrikanten). Dergelijke dynamiek kan worden gemodelleerd, maar zijn moeilijk te integreren in bestaande geïntegreerde modellen. Wie had de opening van de wereldhandel in de tweede helft van de vorige eeuw op deterministische wijze kunnen modelleren? Toch zijn deze onderliggende drijfveren bekend en voorspelbaar en uiteindelijk zijn het deze die de wereld zullen vormen.,
De potentiële voordelen van een beleid dat structurele veranderingen aanstuurt, zullen uiteindelijk de eerste ronde verstorende kosten in verband met een koolstofbelasting hier, of een nieuwe norm voor efficiëntie daar, overstijgen. Net als bij de defensie-uitgaven zal een gezamenlijke inspanning om groene R&D te stimuleren waarschijnlijk de impact op innovatie in de hele economie hebben vermenigvuldigd., Dit betekent dat Voor beleidsmakers het plannen van een concurrerende en hulpbronnenefficiënte economie die geschikt is voor een uitdagende 21e eeuw een belangrijker prioriteit zou kunnen zijn dan het uitwerken van de kosten op korte termijn van een reeks hernieuwbare energiebronnen, hoe relevant dat ook is. Maar modellen richten zich bijna uitsluitend op enge vragen van het laatste type, alleen maar omdat ze kunnen, het genereren van een reeks kosten voor elke actie, met weinig begrip van de volledige potentiële voordelen., De daaruit voortvloeiende neiging tot uitstel van de actie leidt tot kortsluiting van de meer pertinente vragen over de wijze waarop structurele veranderingen op een transparante, marktvriendelijke manier tot stand kunnen worden gebracht; een manier die de concurrentie en de groei bevordert en de mogelijkheden voor het zoeken naar huur door gevestigde belangen beperkt.
betekent dit dat we economische modellen moeten verwerpen? Absoluut niet. We moeten nog steeds proberen bekende complexe processen in te schatten en te modelleren. Modellen zijn essentiële hulpmiddelen om ons te helpen bij het formuleren, onderzoeken en begrijpen van interactieve relaties., Terwijl geïntegreerde economische modellen die op de lange termijn worden toegepast waardevolle inzichten hebben opgeleverd, zijn ze nooit ontworpen om te dienen als schattingen van de totale impact van zaken als beleid om emissies te verminderen en hulpbronnenefficiëntie te verbeteren. Volledig geïntegreerde endogene systemen maken het modelleren van lange perioden zeer moeilijk omdat zelfs kleine fouten blijven bestaan en exploderen en de output van het model veranderen als een kwaadaardige ziekte. Modellen proberen dit probleem te omzeilen door aan te nemen dat belangrijke delen van dat verhaal vooraf bepaald zijn, maar dit maakt ze niet realistischer., Wat nodig is, is een coherente theorie achter processen van systemische verandering op lange termijn en deze worden het best afzonderlijk gemodelleerd, en niet als onderdeel van een volledig geïntegreerd model dat valse noties van determinisme en precisie geeft. Modellen zijn niet het hele verhaal; ze ondersteunen slechts zinnen in het verhaal en moeten als zodanig worden begrepen en behandeld. In een voldoende complex systeem kan het eigenlijk gemakkelijker zijn om verandering aan te sturen dan om het te voorspellen.Dimitri Zenghelis is mededirecteur beleid bij het Grantham Research Institute van de LSE en was voorheen hoofd economische prognoses bij HM Treasury., Dit artikel is oorspronkelijk gepubliceerd in Business Green op 18 September 2013.