„Es ist schwierig, Vorhersagen zu treffen, besonders über die Zukunft“ – so lautet das Sprichwort. Gleiches gilt für die Wirtschaftsmodellierung. Dies ist nicht nur der banale Punkt, dass es schwierig ist, Vorhersagen über unsichere Dinge zu treffen, obwohl Sie überrascht wären, wie viele Wirtschaftsmodelle als deterministisch ausgedrückt werden, dh ohne Wahrscheinlichkeitsgrenzen., Pindyck macht den gültigen Punkt, dass Schlüsseleingaben oft willkürlich gewählt werden; Selbst das beste Modell spuckt Müll aus, wenn Sie Müll einpumpen . Aber ich möchte mich auf den etwas subtileren Punkt konzentrieren, dass genau die Dinge, die am interessantesten sind, wenn es darum geht, Vorhersagen für die nächsten Jahrzehnte zu treffen, diejenigen sind, die am schwierigsten zu modellieren sind., Das Ergebnis ist, dass sie meistens einfach nicht modelliert werden, und folglich erzählen uns die Modelle wenig darüber, wie sich die Zukunft entwickeln wird, und noch weniger über die wahren Kosten und Vorteile langfristiger Politiken wie der Förderung erneuerbarer Technologien und Ressourceneffizienz.
Ein Wirtschaftsmodell ist im Wesentlichen ein vereinfachter Rahmen für die Beschreibung der Funktionsweise der Wirtschaft. Es übt die Disziplin aus, den Modellierer dazu zu zwingen, Annahmen formell zu artikulieren und Beziehungen hinter diesen Annahmen auszuloten. Die Modelle werden hauptsächlich für zwei Zwecke verwendet: Simulieren (z., wie würde sich die Welt relativ zu einem kontrafaktischen ändern, wenn wir von einer Änderung dieser oder jener Variablen ausgehen) und Prognosen (z. B. wie die Welt im Jahr 2030 aussehen könnte). Wirtschaftsmodelle sind großartige Werkzeuge für Simulationen – angesichts dessen, was wir über das Verhalten der Wirtschaft wissen, und wenn wir diese Informationen als gegeben betrachten, wie könnte die Wirtschaft beispielsweise auf einen Energiepreisanstieg reagieren? Aber Modelle sind viel weniger effektiv bei der Bereitstellung von Prognosen, nicht zuletzt, weil bei Prognosen sehr wenig als gegeben angesehen werden kann., Je weiter die Prognose hinausgeht, desto größer sind die strukturellen Unsicherheiten, die Modellprojektionen bestenfalls veranschaulichen, insbesondere wenn versucht wird, die Auswirkungen nicht marginaler Impulse wie die Auswirkungen des Klimawandels oder die Transformation des globalen Energiesystems vorherzusagen.
Modelle von Finanzministerien, Banken und Zentralbanken nehmen die zugrunde liegende Struktur der Wirtschaft als gegeben und analysieren Störungen an den Rändern durch geschätzte Verhaltensgleichungen., Sowohl geschätzte „new keynesianische“ als auch berechenbare allgemeine Gleichgewichtsmodelle stützen sich auf Annahmen über vorbestimmte langfristige Trends oder „Konvexitäten“, die mit abnehmenden Grenzrenditen und abnehmenden Grenzprodukten verbunden sind, um in einem stetigen Zustand zu konvergieren. Weil sie selten über einen Vierjahreshorizont hinausschauen, sorgen solche vereinfachenden Annahmen für gute Annäherungen an die Realität. Tatsächlich haben wir beim Finanzministerium zuerst die wichtigsten Prognosevariablen (BIP-Wachstum, Arbeitslosigkeit, Handelsbilanzen, Inflation usw.) festgelegt und dann das Modell ausgeführt ., Dies ist eigentlich die Norm für makroökonomische Prognosen – das Modell wird im Wesentlichen als Konsistenzprüfung und nicht als Quelle von Projektionen verwendet. Vorausgesetzt, die Prognoseresiduen stimmen mit früheren Mustern überein, wird die vorherige Festlegung des Prognosepfads validiert, da die Projektionen mit dem geschätzten Verhalten der Vergangenheit kompatibel sind. Aber wenn man weiter nach außen schaut, wachsen die Unsicherheiten und auch die Chancen, dass strukturelle Brüche die Wirtschaft auf neue Wege bringen, die von neuen Technologien, Institutionen und Verhaltensweisen angetrieben werden., Die Charakterisierung von Schlüsselvariablen wie output als Rückkehr zu einem deterministischen Mittel ist praktisch, aber unrealistisch, je weiter Sie schauen.
Dies führt zu Problemen für Wirtschaftsprognosen, die mit der Untersuchung der Auswirkungen großer transformativer Veränderungen wie dem Übergang zu einer ressourceneffizienten Weltwirtschaft über längere Zeiträume beauftragt sind. Die Anforderung, dass ein Modell zu einem Steady-State-Gleichgewicht neigt, bedeutet, dass viele Schlüsseldynamiken eher als Tendenzen zu diesem Gleichgewicht als als Determinanten davon modelliert werden. „Veränderung“ und Heterogenität werden als transiente Zustände modelliert., Die reale Welt ist jedoch das, was Ökonomen als endogen bezeichnen-das heißt, sie unterliegt systemischen Veränderungen, die ihren Ursprung im System haben. Heterogene Prozesse erzeugen Rückkopplungsschleifen, die zu permanenten Merkmalen des Systems werden und eine Theorie erfordern, die auf lange Sicht durch solche Prozesse gekennzeichnet ist. Wirtschaftliche Faktoren, die Skaleneffekten, Kapital-und institutionellen Einsperren, Irreversibilitäten, neuen Netzwerken und Pfadabhängigkeiten unterliegen, sind empirisch schwer abzuschätzen (in einigen Fällen sind sie noch nie passiert) und aufgrund der nichtlinearen Dynamik noch schwieriger zu modellieren., Schocks werden anhaltende Auswirkungen haben (denken Sie an 9/11), politische Entscheidungen werden große und verstärkte Auswirkungen haben (denken Sie an Verteidigungsausgaben und das Internet), was die Vorhersage immer schwieriger macht. Verschiedene meteorologische Modelle und Prognoseläufe erstellen konsistente und genaue globale Prognosen über einen Zeitraum von zwei Wochen, beginnen dann jedoch aufgrund des berüchtigten Schmetterlingsflügeleffekts zu divergieren. Über einen Monat hinaus gehen solche Prognosen stark auseinander und gelten als nahezu nutzlos. Gleiches gilt für Wirtschaftsmodelle über lange Zeiträume.
Nehmen Sie einige Beispiele aus der realen Welt., Investitionen in erneuerbare Energietechnologien drücken ihren Preis als Ergebnis von Experimenten und Lernen aus Fehlern; sogenanntes „Learning-by-Doing“. Diese Preissenkungen machen die Investition dann im Vergleich zu herkömmlichen Technologien, bei denen die Gewinne aus zusätzlichem Lernen oder Skalieren geringer sind, attraktiver. Wenn die Kosten sinken, steigen die Investitionen und Ingenieure lernen, die Technologie kostengünstig zu installieren, anzuschließen und zu reparieren (ein Grund, warum Solar-PV in Deutschland wesentlich billiger ist als in den USA), Planungsinstitutionen werden aktualisiert und neue Netzwerke werden gebaut oder verklärt., Verbraucher ändern ihr Verhalten und fordern Effizienz, Recycling und Fußgängerfreundlichkeit.
Sehr schnell kann eine Region von einem Technologienetzwerk zum anderen wechseln, da Lernen und Erfahrung es attraktiver machen als der etablierte. Eine solche inhärent bipolare wegabhängige Dynamik ist jedoch schwer-wenn nicht gar unmöglich-zu modellieren. Städte, die nach einem Modell einer dichten Entwicklung mit integriertem öffentlichen Verkehr geplant sind, werden um viele Größenordnungen weniger ressourcenintensiv als Städte, die auf einem weitläufigen Automodell basieren, obwohl sie das gleiche Einkommen haben., Einmal gebaut, sind sie schwer rückwirkend zu ändern, da Verhaltensweisen und Infrastrukturen gesperrt werden. Wahlkreise Lobby für niedrigere Benzinpreise und mehr Autobahnen in der weitläufigen Stadt und Radwege, öffentliche Verkehrsmittel und Staus in der dichten effizienten ein. Die Entscheidungen der Planer in China, Indien und anderswo werden die Effizienz und Ressourcensicherheit ihrer Volkswirtschaften insgesamt entscheidend beeinflussen. Sie schaffen auch beträchtliche neue Märkte, die Innovatoren und Investoren auf der ganzen Welt anregen.,
Aber nichts davon ist in Standardmodelle integriert, da die vollständige Interaktion eines endogenen Systems unglaublich komplex zu replizieren ist und sich jeder Fehler wie eine bösartige Krankheit durch das Modell ausbreitet. Modellierung erfordert daher Abstraktion. Nicht alle Variablen können einbezogen und nicht alle kausalen Prozesse simuliert werden. Abstrahieren ist jedoch in Ordnung, bis Sie von den Schlüsseleigenschaften des Systems abstrahieren und dann vorgeben, dieses System als Ganzes zu prognostizieren., In den meisten Modellen wird davon ausgegangen, dass Innovationen, die langfristige wirtschaftliche Perspektiven vorantreiben, nur stattfinden, und Schlüsselmerkmale des Kapitalismus wie die Tendenz zum Oligopol werden zugunsten der nachvollziehbareren Annahme des Wettbewerbs weggenommen.
Malthus ‚ Fehler war bekanntlich, die Struktur der Weltwirtschaft als gegeben zu betrachten. Sein Modell ging davon aus, dass Technologien und Prozesse unverändert bleiben würden, so dass die Welt angesichts der wachsenden Bevölkerung und Nachfrage ressourcenarm sein würde. Tatsächlich kam jeder zusätzliche menschliche Mund mit einem menschlichen Gehirn., Und es war die menschliche Innovation, die es ermöglichte, die landwirtschaftlichen Erträge zu steigern und die Industrialisierung zu ermöglichen, eine beispiellose Reihe von Verbrauchermöglichkeiten zu bieten. Die Modellierung von Innovation erfordert das Verständnis der unbeabsichtigten Folgen, die sich aus Wissensverschwendung von einem Sektor zum anderen ergeben. Mariana Mazzucatto erzählt eine überzeugende Geschichte darüber, wie fast alle radikalen Technologien hinter dem iPhone von der Regierung finanziert wurden, hauptsächlich aus Forschungsmitteln der Verteidigung: Dazu gehören das Internet, GPS, Touchscreen-Display und sogar der neue sprachaktivierte persönliche Assistent von Siri ., Diese zugrunde liegenden Dynamiken sind als Prozesse bekannt und vorhersehbar, jedoch nicht in Bezug auf spezifische Ergebnisse. Folglich abstrahieren fast alle Modelle diese Schlüsselbeziehungen.
Es gibt auch eine Reihe von Verhaltensdynamiken zu berücksichtigen. Zum Beispiel unterliegt globales kollektives Handeln einem Glücksspiel, bei dem die Auszahlungen für das Handeln einzelner Agenten (Länder, Regionen, Unternehmen) davon abhängen, wie andere handeln. Wenn genügend Spieler handeln, wird eine kritische Masse oder ein „Tipping-Set“ erreicht, bei dem es sich auszahlt, ebenfalls zu handeln., Zum Beispiel kann es sich lohnen, wenn ein Unternehmen oder eine Wirtschaft die Kosten für ressourceneffiziente Investitionen verzögert, aber da andere die Investition tätigen, kann es zunehmend Schwierigkeiten geben, in neue Märkte zu verkaufen, in denen sich die Effizienzstandards verbessern (wie dies bei US-Automobilherstellern der Fall war). Solche Dynamiken können modelliert werden, lassen sich aber nur schwer in bestehende integrierte Modelle integrieren. Wer hätte die Öffnung des Welthandels in der zweiten Hälfte des letzten Jahrhunderts deterministisch modellieren können? Diese zugrunde liegenden Dynamiken sind jedoch bekannt und vorhersehbar, und letztendlich werden sie die Welt prägen.,
Die potenziellen Vorteile einer Politik, die den Strukturwandel lenkt, werden letztendlich die ersten verzerrenden Kosten in den Schatten stellen, die mit einer Kohlenstoffsteuer hier oder einem neuen Effizienzstandard dort verbunden sind. Wie bei den Verteidigungsausgaben dürfte eine konzertierte Anstrengung, green R&D voranzutreiben, die Auswirkungen auf die Innovation in der gesamten Wirtschaft vervielfacht haben., Dies bedeutet, dass für die politischen Entscheidungsträger die Planung einer wettbewerbsfähigen und ressourceneffizienten Wirtschaft, die für ein herausforderndes einundzwanzigstes Jahrhundert geeignet ist, eine wichtigere Priorität haben könnte, als die kurzfristigen Kosten einer Reihe von erneuerbaren Energien herauszufinden, obwohl dies relevant ist. Modelle konzentrieren sich jedoch fast ausschließlich auf enge Fragen des letzteren Typs, nur weil sie für jede Aktion eine Reihe von Kosten verursachen können, ohne den vollen potenziellen Nutzen zu verstehen., Die daraus resultierende Veranlagung zur Verschiebung von Maßnahmen verkürzt die sachdienlicheren Fragen, wie der Strukturwandel transparent und marktfreundlich herbeigeführt werden kann; eine, die Wettbewerb und Wachstum fördert und den Spielraum für die Mietsuche durch Eigeninteressen einschränkt.
Heißt das, wir sollten Wirtschaftsmodelle über Bord werfen? Absolut nicht. Wir sollten immer noch versuchen, bekannte komplexe Prozesse abzuschätzen und zu modellieren. Modelle sind wesentliche Werkzeuge, um interaktive Beziehungen zu formulieren, zu untersuchen und zu verstehen., Während integrierte Wirtschaftsmodelle, die langfristig angewendet werden, wertvolle Erkenntnisse liefern, wurden sie nie als Schätzungen der Gesamtauswirkungen von Maßnahmen zur Reduzierung von Emissionen und zur Verbesserung der Ressourceneffizienz konzipiert. Voll integrierte endogene Systeme machen die Modellierung über lange Zeiträume sehr schwierig, da selbst kleine Fehler bestehen bleiben und explodieren und die Ergebnisse des Modells wie eine bösartige Erkrankung verändern. Modelle versuchen, dieses Problem zu umgehen, indem sie annehmen, dass wichtige Teile dieser Geschichte vorbestimmt sind, Dies macht sie jedoch nicht realistischer., Was erforderlich ist, ist eine kohärente Theorie hinter langfristigen Prozessen des systemischen Wandels, und diese werden am besten separat modelliert, und nicht als Teil eines vollständig integrierten Modells, das falsche Vorstellungen von Determinismus und Präzision vermittelt. Modelle sind nicht die ganze Geschichte; Sie sind nur unterstützende Sätze zur Geschichte und müssen als solche verstanden und behandelt werden. In einem ausreichend komplexen System kann es tatsächlich einfacher sein, Veränderungen voranzutreiben als vorherzusagen.
Dimitri Zenghelis ist Co-Head Policy am Grantham Research Institute der LSE und zuvor Head of Economic Forecasting am HM Treasury., Dieser Artikel wurde ursprünglich in Business Green am 18 September 2013 veröffentlicht.