การสร้างแบบจำลองควรเป็นโอกาสทดสอบสมมติฐานของคุณไม่ใช่แค่ยืนยัน Shutterstock

แผนพลังงานเรือธงของรัฐบาล Turnbull การรับประกันพลังงานแห่งชาติมีจุดประสงค์เพื่อสิ้นสุดนโยบายทางด้านพลังงานและสภาพภูมิอากาศในออสเตรเลีย

แดกดันตั้งแต่มัน เปิดตัวในเดือนตุลาคม 2017การอภิปรายได้ ที่ทำเป็นแข็งแรงขึ้น อย่างมากกับผลลัพธ์ที่รัฐบาลมีในขณะนี้ เดินออกไปจากองค์ประกอบการลดการปล่อยก๊าซของนโยบาย.

ความสนใจมากมายได้ไปถึงบทละครทางการเมืองระดับสูงและความขัดแย้งพื้นฐานเกี่ยวกับความสำคัญของการลดการปล่อยก๊าซ แต่ปัญหาสำคัญอีกอย่างคือ ขาดความไว้วางใจ ในรูปแบบของรัฐบาลทำนายผลของนโยบายของพวกเขา

ตัวอย่างเช่นรัฐบาลอ้างในเดือนนี้ว่า NEG จะลดค่าใช้จ่ายในครัวเรือนลง A $ 150 ต่อปี นักวิเคราะห์อิสระเช่นเดียวกับ แรงงาน และ ผักใบเขียว นักการเมืองได้ถามตัวเลขนี้ พวกเขาชี้ให้เห็นว่าอื่น ๆ โมเดล แนะนำผลลัพธ์ที่แตกต่าง - โดยเฉพาะอย่างยิ่งประกาศโดยรัฐมนตรีพลังงานของรัฐบาลกลาง Josh Frydenberg ในเดือนตุลาคม 2017 ซึ่งคาดการณ์การลดลง A $ 100 กลุ่มทั้งหมดเหล่านี้เรียกร้องให้มีการเผยแพร่แบบจำลองการทำงานของรัฐบาลอย่างเต็มที่

แต่ถ้าการสร้างแบบจำลองเป็นรูปแบบของการวิเคราะห์ทางวิทยาศาสตร์ทำไมแบบจำลองที่แตกต่างกันจึงให้ผลลัพธ์ที่แตกต่างเช่นนั้น

แบบจำลองคืออะไร

แบบจำลองเป็นการแสดงถึงความเป็นจริงที่เรียบง่าย แต่ "ความจริง" นั้นถูกกำหนดโดย modeller เราให้รูปแบบชุดของอินพุตและสร้างชุดของเอาต์พุต

กระบวนการสร้างแบบจำลองนั้นเกี่ยวข้องกับลำดับของ "ตัวเลือก" ซึ่ง modeller ทำเกี่ยวกับวิธีการใช้ข้อมูลอินพุตเพื่อป้อนเข้าและความสัมพันธ์ระหว่างข้อมูลเหล่านี้ (นั่นคือสิ่งที่ส่งผลกระทบต่ออะไร)

โดยให้ปัจจัยบางอย่างน้ำหนักมากขึ้น - ไม่ว่าจะโดยเจตนาหรือ โดยไม่ตั้งใจ - modeller สามารถทำให้ผลลัพธ์หนึ่งดูน่าดึงดูดน่าจะเป็นหรือสำคัญกว่าผลอื่น ๆ

ลองนึกภาพการขอให้ 100 ทำอาหารจากต่างประเทศทำซุปก๋วยเตี๋ยวที่ดีที่สุดในโลก พวกเขาทั้งหมดจะเลือกส่วนผสมที่แตกต่างกันประเภทของบะหมี่และวิธีการปรุงอาหาร

ตัวเลือกเหล่านี้จะสะท้อนให้เห็นถึงสูตรที่พวกเขารู้อยู่แล้วรสนิยมที่พวกเขาชอบหรือไม่ชอบและส่วนผสมที่พวกเขาคุ้นเคย รูปแบบเหล่านี้มีอคติของพวกเขาเกี่ยวกับสิ่งที่ซุปก๋วยเตี๋ยวที่ดีควรจะเป็น คุณจะไม่แปลกใจถ้าคุณเห็นบะหมี่ 100 ที่แตกต่างกันมากในตอนท้ายของการแข่งขันนี้!

เช่นเดียวกับซุปก๋วยเตี๋ยวแบบจำลองนโยบายนั้นถูกสร้างขึ้นด้วยส่วนผสมที่หลากหลายซึ่งมีรูปทรงตามตัวเลือกและอคติของผู้ดัดแปลงและผู้มีส่วนได้ส่วนเสีย ผลสะสมของตัวเลือกเหล่านี้จะสร้างแบบจำลองที่แตกต่างกันดังนั้นผลลัพธ์ที่ต่างกัน

นั่นเป็นเหตุผลว่าทำไม modellers และนักวิเคราะห์บางคนยืนยันว่าไม่มีรูปแบบที่เป็น "รูปแบบที่ถูกต้อง" เช่นเดียวกับที่ไม่มีก๋วยเตี๋ยวซุปเป็นบะหมี่ที่ถูกต้องและไม่มีรูปแบบเดียวที่จะส่งผลให้ "จัดตั้งขึ้นจริง"

ดังนั้นเราจะออกแบบนโยบายโดยใช้แบบจำลองที่เต็มไปด้วยอคติและความสนใจได้อย่างไร

การสำรวจไม่ใช่การทำนาย

ที่นี่คือ คำตอบของเรา: เราไม่ควรพิจารณาเครื่องมือจำลองสำหรับ "การทำนาย" แต่สำหรับ "การสำรวจ" เราไม่ควรคาดหวังให้นางแบบเพื่อตอบคำถามนโยบายของเรา เราต้องการแบบจำลองเพื่อสำรวจสถานการณ์ต่างๆเพื่อแจ้งการอภิปรายนโยบาย

ลองใช้ตัวอย่างของการลดการปล่อยก๊าซเรือนกระจก มีหลายวิธีในการทำเช่นนี้ เราสามารถเปลี่ยนระบบผลิตไฟฟ้าเพื่อเพิ่มปริมาณพลังงานทดแทน เราสามารถปรับปรุงประสิทธิภาพอาคาร เราสามารถใช้วิธีการขนส่งที่สะอาดกว่า

แต่ละเส้นทางมีคู่ต่อสู้และผู้สนับสนุน พวกเขาอาจโต้เถียงในเรื่องผลประโยชน์ผลที่ตามมาและการลงทุนแต่ละครั้งที่สมควรได้รับจากเงินจำนวน จำกัด

ในแนวทางการคาดการณ์ทั่วไปเราจะจำลองแบบตัวเลือกนโยบายแต่ละตัว (หรือการรวมกันของตัวเลือก) และประเมินผลกระทบต่อการปล่อยมลพิษ (และอาจเป็นไปได้ที่แต่ละฝ่ายจะทำแบบจำลองของตัวเองโดยมีข้อสันนิษฐานของตนเอง)

แต่ด้วยวิธีการสำรวจเราถือว่าแบบจำลองเป็นสิ่งที่เล่นได้เพื่อ“ ทดสอบ” ตัวเลือกนโยบาย เราเปลี่ยนสมมติฐานที่เป็นต้นแบบและดูว่าผลลัพธ์เปลี่ยนแปลงอย่างไร เราเปลี่ยนสถานการณ์ในอนาคตและเรียกใช้หลาย ๆ สถานการณ์และดูว่าตัวเลือกนโยบายดำเนินการอย่างไรภายใต้สถานการณ์ต่างๆ และในตอนท้ายของการออกกำลังกายขี้เล่นนี้ไม่มีคำตอบเดียว! ผลลัพธ์แต่ละรายการขึ้นอยู่กับสมมติฐานและสถานการณ์ที่ผลิตขึ้นและ - สำคัญมาก - สมมติฐานเหล่านี้ล้วนมีการบันทึกและทำให้โปร่งใส

เราใช้วิธีนี้ในการตรวจสอบของอินเดีย เปลี่ยนไปใช้พลังงานสะอาด. พวกเขาเช่นออสเตรเลียกำลังเผชิญกับปัญหาทางการเมืองและสังคมที่มีความซับซ้อนสูงซึ่งไม่ได้เป็นแบบอย่างในการจัดทำแบบอย่างที่เป็นระเบียบซึ่งมุ่งมั่นที่จะให้คำตอบเดียว

เราไม่แนะนำว่าการสร้างแบบจำลองเชิงสำรวจเป็น bullet เงินสำหรับการแก้ไขความแตกต่างทางการเมืองในประเด็นนโยบายที่ซับซ้อนอย่างไรก็ตามมันสามารถเปลี่ยนความเข้าใจของเราเกี่ยวกับแบบจำลองจากกระบวนการ "กล่องดำ" เป็นกระบวนการที่โปร่งใส มันสามารถเปลี่ยนสมมติฐานโดยนัยในสถานการณ์ที่ชัดเจนซึ่งสามารถทดสอบและอภิปรายได้ ด้วยวิธีนี้เราอาจมีนโยบายมากขึ้นซึ่งจะส่งมอบสิ่งที่พวกเขาสัญญา - และเป็นรากฐานของข้อมูลที่ตกลงกันโดยทั่วไปที่จะโต้แย้ง

เกี่ยวกับผู้เขียน

Shirin Malekpour ผู้นำการวิจัยด้านการวางแผนกลยุทธ์และการศึกษาอนาคตสถาบันการพัฒนาที่ยั่งยืน Monash Monash University และ Enayat A. Moallemi ผู้ร่วมงานวิจัย UNSW

บทความนี้ถูกเผยแพร่เมื่อวันที่ สนทนา. อ่าน บทความต้นฉบับ.

หนังสือที่เกี่ยวข้อง

ตลาด InnerSelf

อเมซอน