„trudno jest przewidywać, zwłaszcza przyszłość” – tak mówi powiedzenie. To samo dotyczy modelowania Ekonomicznego. Nie jest to tylko banalny punkt, że trudno jest przewidywać rzeczy, które są niepewne, choć zdziwiłbyś się, jak wiele modeli ekonomicznych jest wyrażonych jako deterministyczne, to znaczy bez ograniczeń prawdopodobieństwa., Pindyck podkreśla, że kluczowe wejścia są często wybierane arbitralnie; nawet najlepszy model wypluwa śmieci, jeśli pompujesz śmieci . Ale chcę skupić się na nieco bardziej subtelnym punkcie, że to, co jest najbardziej interesujące, jeśli chodzi o przewidywanie dziesięcioleci do przodu, to te, które są najtrudniejsze do modelowania., W rezultacie często nie są one po prostu modelowane i w związku z tym modele mówią nam niewiele o tym, jak zmieni się przyszłość, a jeszcze mniej o rzeczywistych kosztach i korzyściach długofalowych polityk, takich jak te promujące technologie odnawialne i efektywne gospodarowanie zasobami.
model ekonomiczny to zasadniczo uproszczone ramy opisu funkcjonowania gospodarki. Wywiera dyscyplinę zmuszania moderatora do formalnego artykułowania założeń i drażnienia relacji za tymi założeniami. Modele są używane do dwóch głównych celów: symulowania (np., jak zmieniłby się świat w stosunku do jakiejś kontrfaktycznej, gdybyśmy zakładali zmianę tej czy innej zmiennej) i prognozowania (np. jak świat mógłby wyglądać w 2030 roku). Modele ekonomiczne są świetnymi narzędziami do symulacji-biorąc pod uwagę to, co wiemy o behawioralnym funkcjonowaniu gospodarki i biorąc je głównie pod uwagę, jak gospodarka może zareagować na, powiedzmy, wzrost cen energii? Ale modele są znacznie mniej skuteczne w dostarczaniu prognoz precyzyjnie, nie tylko dlatego, że przy sporządzaniu prognoz, bardzo niewiele można wziąć pod uwagę., Im dalsza prognoza, tym większa jest niepewność strukturalna, która najlepiej ilustruje prognozy modelowe, zwłaszcza w przypadku próby prognozowania wpływu impulsów niemajątkowych, takich jak skutki zmian klimatu lub transformacja globalnego systemu energetycznego.
modele stosowane przez ministerstwa finansów, banki i banki centralne przyjmują podaną strukturę gospodarki i analizują perturbacje na marżach za pomocą szacunkowych równań behawioralnych., Zarówno szacowane „nowe Keynesowskie”, jak i obliczalne modele równowagi ogólnej opierają się na założeniach dotyczących wstępnie ustalonych trendów długoterminowych lub „wypukłości” związanych z malejącymi zwrotami krańcowymi i malejącymi produktami krańcowymi, aby zbiegać się w stanie ustalonym. Ponieważ rzadko spoglądają w przyszłość poza Czteroletni horyzont, takie uproszczone założenia pozwalają na dobre przybliżenie rzeczywistości. W rzeczywistości w skarbcu najpierw ustaliliśmy główne zmienne prognozowane (wzrost PKB, bezrobocie ,salda handlowe, inflacja itp.), a następnie uruchomiliśmy model., Jest to w rzeczywistości norma dla prognozowania makroekonomicznego-model jest zasadniczo używany jako kontrola spójności, a nie Źródło prognoz. Pod warunkiem, że przewidywane pozostałości są zgodne z przeszłymi wzorami, ustalenie ścieżki prognozy z wyprzedzeniem jest zatwierdzane, ponieważ prognozy są zgodne z przeszłymi szacowanymi zachowaniami. Ale patrząc dalej, niepewność rośnie, podobnie jak szanse, że zerwania strukturalne popchną gospodarkę na nowe ścieżki napędzane nowymi technologiami, instytucjami i zachowaniami., Charakteryzowanie kluczowych zmiennych, takich jak output, jako powrót do średniej deterministycznej jest wygodne, ale nierealne im dalej patrzysz.
powoduje to problemy dla prognoz gospodarczych, których zadaniem jest zbadanie wpływu dużych zmian transformacyjnych, takich jak przejście do zasobooszczędnej gospodarki światowej w dłuższych okresach. Wymóg, że model dąży do równowagi w stanie stacjonarnym oznacza wiele kluczowych dynamiki są modelowane jako tendencje do tej równowagi, a nie determinanty go. „Zmiana” i niejednorodność są modelowane jako stany przejściowe., Jednak realny świat jest tym, co ekonomiści nazywają endogennym – to znaczy podlegającym systemowym zmianom, które powstają w systemie. Procesy heterogeniczne wywołują pętle sprzężenia zwrotnego, które stają się trwałymi cechami układu, co wymaga teorii długookresowej charakteryzującej takie procesy. Czynniki ekonomiczne, które podlegają ekonomii skali, blokadzie kapitałowej i instytucjonalnej, nieodwracalności, nowym sieciom i zależnościom ścieżki, są trudne do empirycznego oszacowania (w niektórych przypadkach jeszcze nigdy nie miały miejsca), a jeszcze trudniejsze do modelowania ze względu na nieliniową dynamikę., Wstrząsy będą miały trwałe skutki (myśl 11 września), wybory polityczne będą miały duże i nasilone konsekwencje (myśl wydatki na obronność i internet), co utrudni przewidywanie. Różne modele meteorologiczne i przebieg prognoz tworzą spójne i dokładne prognozy globalne w okresie dwóch tygodni, ale potem zaczynają się różnić ze względu na niesławny efekt „skrzydła motyla”. Po upływie około miesiąca takie prognozy rozchodzą się szalenie i są uważane za bezużyteczne. To samo dotyczy modeli ekonomicznych w długim okresie.
weź kilka przykładów z prawdziwego świata., Inwestowanie w technologie energii odnawialnej obniża ich cenę w wyniku eksperymentów i uczenia się na błędach; tak zwane „uczenie się przez działanie”. Te spadki cen sprawiają, że inwestycja staje się coraz bardziej atrakcyjna w stosunku do konwencjonalnych technologii, w których zyski z dodatkowego uczenia się lub skalowania są mniejsze. Wraz ze spadkiem kosztów, wzrostem inwestycji, a inżynierowie uczą się, jak tanio zainstalować, podłączyć i naprawić technologię (jeden z powodów, dla których Fotowoltaika słoneczna jest znacznie tańsza w Niemczech niż w USA), instytucje planistyczne są aktualizowane, a nowe sieci są budowane lub przekształcane., Konsumenci zmieniają zachowania i wydajność popytu, recykling i piesze przemieszczanie.
bardzo szybko region może przełączyć się z jednej sieci technologicznej na inną, ponieważ nauka i doświadczenie sprawiają, że jest bardziej atrakcyjny niż obecny. Ale taka z natury dwubiegunowa, zależna od ścieżki dynamika jest trudna-jeśli nie niemożliwa-do modelowania. Miasta zaplanowane na modelu gęstego rozwoju ze zintegrowanym transportem publicznym stają się o wiele rzędów wielkości mniej zasobochłonne niż miasta oparte na rozległym modelu samochodowym, pomimo tego, że mają taki sam poziom dochodów., Po zbudowaniu trudno je zmienić wstecz, ponieważ zachowania i infrastruktura stają się zablokowane. Okręgi wyborcze lobbują za niższymi cenami benzyny i większymi pasami autostrad w rozległym mieście i ścieżkach rowerowych, transportem publicznym i opłatami za zatory w gęstym wydajnym. Decyzje podejmowane przez planistów w Chinach, Indiach i innych krajach będą miały duży wpływ na efektywność i bezpieczeństwo zasobów ich gospodarek jako całości. Tworzą one również duże nowe rynki, które stymulują innowatorów i inwestorów na całym świecie.,
ale nic z tego nie jest włączone do standardowych modeli, ponieważ pełna interakcja układu endogennego jest diabelsko skomplikowana do replikacji i każdy błąd rozprzestrzenia się przez model jak choroba złośliwa. Modelowanie wymaga zatem abstrakcji. Nie wszystkie zmienne mogą być uwzględnione i nie wszystkie procesy przyczynowe symulowane. Ale abstrakcja jest w porządku, dopóki nie wyodrębnisz z kluczowych właściwości systemu, a następnie zamierzasz prognozować ten system jako całość., W większości modeli zakłada się, że innowacje, które napędzają długoterminowe perspektywy gospodarcze, po prostu się zdarzają, a Kluczowe cechy kapitalizmu, takie jak tendencja do oligopolu, są odrzucane na rzecz bardziej wiarygodnego założenia konkurencji.
błędem Malthusa było przyjęcie struktury globalnej gospodarki jak podano. Jego model zakładał, że technologie i procesy pozostaną niezmienione, tak że w obliczu rosnącej populacji i popytu na świecie zabraknie zasobów. W rzeczywistości każde dodatkowe ludzkie usta miały ludzki mózg., I to właśnie Innowacje ludzkie pozwoliły na wzrost plonów rolnych i uprzemysłowienie, aby zapewnić bezprecedensowy wachlarz możliwości dla konsumentów. Modelowanie innowacji wymaga zrozumienia niezamierzonych konsekwencji wynikających z wycieków wiedzy z jednego sektora do drugiego. Mariana Mazzucatto opowiada fascynującą historię o tym, jak prawie wszystkie radykalne technologie stojące za iPhone ' em zostały sfinansowane przez rząd, głównie dzięki funduszom badań obronnych: obejmuje to internet, GPS, Ekran dotykowy, a nawet nowy osobisty asystent Siri aktywowany głosem ., Te podstawowe dynamiki są znane i przewidywalne jako procesy, ale nie pod względem konkretnych wyników. W związku z tym prawie wszystkie modele abstrakcji tych kluczowych relacji daleko.
istnieje również szereg dynamiki behawioralnej do uwzględnienia. Na przykład, globalne działania zbiorowe są przedmiotem gier, w których wypłaty za działania poszczególnych agentów (kraje, regiony, firmy) zależą od tego, jak działają inni. Jeśli odpowiednia Liczba Graczy działa, osiąga się masę krytyczną lub „zestaw napiwków”, w którym opłaca się działać., Na przykład może opłacić się firmie lub gospodarce, aby opóźnić koszty inwestycji zasobooszczędnych, ale gdy inni dokonują inwestycji, może coraz bardziej walczyć o sprzedaż na nowych rynkach, na których poprawiają się standardy wydajności (jak miało to miejsce w przypadku amerykańskich producentów samochodów). Takie dynamiki mogą być modelowane, ale są trudne do włączenia do istniejących modeli zintegrowanych. Kto mógłby deterministycznie modelować otwarcie handlu światowego w drugiej połowie ubiegłego wieku? Jednak te podstawowe dynamiki są znane i przewidywalne i ostatecznie to one będą kształtować świat.,
potencjalne korzyści płynące z polityki ukierunkowanej na zmiany strukturalne ostatecznie zmniejszą koszty pierwszej rundy związane z podatkiem od emisji dwutlenku węgla lub nowym standardem efektywności. Podobnie jak w przypadku wydatków na obronność, wspólny wysiłek na rzecz ekologiczności R&d prawdopodobnie zwielokrotni wpływ na innowacje w całej gospodarce., Oznacza to, że dla decydentów planowanie konkurencyjnej i zasobooszczędnej gospodarki dostosowanej do wyzwań XXI wieku może stać się ważniejszym priorytetem niż określenie krótkoterminowych kosztów określonych odnawialnych źródeł energii, chociaż jest to istotne. Jednak modele koncentrują się prawie wyłącznie na wąskich kwestiach tego drugiego typu, tylko dlatego, że mogą, generując zestaw kosztów dla każdego działania, przy niewielkim zrozumieniu pełnych potencjalnych korzyści., Wynikające z tego predyspozycje do odkładania zwarć działania powodują bardziej istotne pytania dotyczące sposobu, w jaki zmiany strukturalne mogą być wprowadzane w sposób przejrzysty i przyjazny dla rynku; takie, które sprzyjają konkurencji i wzrostowi oraz ograniczają możliwości poszukiwania najmu przez własne interesy.
czy to oznacza, że powinniśmy odrzucić modele ekonomiczne? Absolutnie nie. Nadal powinniśmy próbować oszacować i modelować znane złożone procesy. Modele są niezbędnymi narzędziami pomagającymi nam formułować, badać i rozumieć interaktywne relacje., Mimo że zintegrowane modele ekonomiczne stosowane w dłuższej perspektywie przyniosły cenne spostrzeżenia, nigdy nie zostały zaprojektowane tak, aby służyły jako szacunki całkowitego wpływu takich działań, jak polityka ograniczenia emisji i poprawy efektywnego gospodarowania zasobami. W pełni zintegrowane systemy endogenne sprawiają, że modelowanie długich okresów jest bardzo trudne, ponieważ nawet małe błędy utrzymują się i eksplodują i zmieniają wyniki Modelu jak choroba złośliwa. Modele próbują obejść ten problem, zakładając, że kluczowe części tej historii są z góry określone, ale to sprawia, że nie są bardziej realistyczne., Potrzebna jest spójna teoria stojąca za długofalowymi procesami zmian systemowych, które najlepiej modelować oddzielnie, a nie jako część w pełni zintegrowanego modelu, który przekazuje fałszywe pojęcia determinizmu i precyzji. Modele nie są całością historii; są jedynie zdaniami wspierającymi historię i muszą być rozumiane i traktowane jako takie. W wystarczająco złożonym systemie może być łatwiej prowadzić zmiany niż je przewidywać.
Dimitri Zenghelis jest Współkierownikiem polityki w Grantham Research Institute w LSE, a wcześniej był szefem prognoz ekonomicznych w HM Treasury., Ten artykuł został pierwotnie opublikowany w Business Green 18 września 2013.