Modellierung sollte eine Chance sein, Ihre Annahmen zu testen und nicht nur zu bestätigen. Shutterstock
Der Flaggschiff-Energieplan der Turnbull-Regierung, der Nationale Energiegarantie, sollte eine jahrzehntelange Pattsituation in der Energie- und Klimapolitik in Australien beenden.
Ironischerweise seit seiner Enthüllung im Oktober 2017hat die Debatte verschärft beträchtlich, mit dem Ergebnis, dass die Regierung jetzt hat weggegangen von der Emissionsminderungskomponente der Politik.
Dem hohen politischen Drama ist viel Aufmerksamkeit gewidmet - und grundlegenden Konflikten über die Bedeutung von Emissionsreduktionen. Ein weiteres zentrales Thema ist die Mangel an Vertrauen in Regierungsmodellen, die die Ergebnisse ihrer Politik vorhersagen.
Zum Beispiel behauptete die Regierung in diesem Monat, dass die NEG Haushaltsrechnungen um A $ 150 pro Jahr reduzieren wird. Unabhängige AnalystenSPACE Arbeit funktioniert Grünen Politiker haben diese Zahl in Frage gestellt. Sie weisen darauf hin, dass andere für schlagen unterschiedliche Ergebnisse vor - insbesondere eines, das von Bundes-Energieminister Josh Frydenberg im Oktober 2017 angekündigt wurde, der eine A $ 100-Reduzierung vorhersagte. Alle diese Gruppen haben die vollständige Veröffentlichung der Modellierungsarbeit der Regierung gefordert.
Aber wenn Modellierung eine Form der wissenschaftlichen Analyse ist, warum geben unterschiedliche Modelle so unterschiedliche Ergebnisse?
Was ist ein Modell?
Ein Modell ist eine vereinfachte Darstellung der Realität, aber diese "Realität" wird vom Modellierer definiert. Wir geben einem Modell einen Satz von Eingängen und es erzeugt einen Satz von Ausgaben.
Der Modellierungsprozess beinhaltet eine Abfolge von "Auswahlen", die der Modellierer über die zu verwendenden Methoden, die Eingabedaten zur Einspeisung und die Beziehungen zwischen diesen Daten (das heißt, was sich auf was auswirkt) macht.
Indem man einigen Faktoren mehr Gewicht gibt - ob absichtlich oder unbeabsichtigt - Der Modellierer kann ein Ergebnis attraktiver, wahrscheinlicher oder wichtiger erscheinen lassen als die anderen.
Stellen Sie sich vor, Sie würden 100-Köche aus verschiedenen Ländern bitten, die beste Nudelsuppe der Welt zuzubereiten. Sie würden alle verschiedene Zutaten, Arten von Nudeln und Arten des Kochens wählen.
Diese Entscheidungen würden die Rezepte widerspiegeln, die sie bereits kennen, die Geschmäcke, die sie persönlich mögen oder nicht mögen, und die Zutaten, mit denen sie vertraut sind. Diese bilden ihre Vorurteile bezüglich was eine gute Nudelsuppe sein sollte. Sie würden nicht überrascht sein, wenn Sie am Ende dieses Wettbewerbs 100 sehr unterschiedliche Nudelsuppen sehen würden!
Wie Nudelsuppen werden auch politische Modelle mit einer Vielzahl von Zutaten hergestellt, die von den Entscheidungen und Voreingenommenheiten ihrer Modellierer und Interessengruppen geprägt sind. Der kumulative Effekt dieser Auswahl erzeugt unterschiedliche Modelle und daher unterschiedliche Ergebnisse.
Aus diesem Grund argumentieren einige Modellierer und Analysten, dass kein Modell das "richtige" Modell ist, genauso wie keine Nudelsuppe die richtige Nudelsuppe ist und dass kein einzelnes Modell zu einem "etablierte Wahrhaftigkeit".
Wie können wir also Richtlinien entwerfen, die Modelle verwenden, die mit Vorurteilen und Interessengruppen gefüllt sind?
Exploration, keine Vorhersage
Hier ist unsere Antwort: Wir sollten nicht Modelle Werkzeuge für "Vorhersage", sondern eher für "Exploration" betrachten. Wir sollten nicht erwarten, dass Modelle uns die "Antwort" auf unsere politischen Fragen geben. Wir brauchen Modelle, um eine Reihe von Szenarien zu erkunden, um politische Diskussionen zu unterstützen.
Nehmen wir das Beispiel der Reduzierung der Treibhausgasemissionen. Es gibt viele Möglichkeiten, dies zu tun. Wir können unsere Stromerzeugungssysteme so umstellen, dass erneuerbare Energien gefördert werden. wir können die Gebäudeeffizienz verbessern; wir können sauberere Transportmittel benutzen.
Jeder Weg hat seine Gegner und Befürworter. Sie könnten über ihre Vorteile, ihre Konsequenzen und darüber, wie viel Investition jeder aus einem endlichen Geldpool verdient, streiten.
Im konventionellen prädiktiven Ansatz würden wir jede politische Option (oder eine Kombination von Optionen) modellieren und ihre Auswirkungen auf Emissionen bewerten. (Und wahrscheinlich würde jede Seite ihre eigene Modellierung mit ihren eigenen impliziten Annahmen vornehmen.)
Aber in einem explorativen Ansatz behandeln wir das Modell als etwas, mit dem man spielen kann, um politische Optionen zu "testen". Wir ändern die dem Modell zugrunde liegenden Annahmen und sehen, wie sich die Ergebnisse ändern. Wir ändern Zukunftsszenarien und führen zahlreiche Szenarien durch und sehen, wie Richtlinienoptionen in verschiedenen Szenarien funktionieren. Und am Ende dieser spielerischen Übung gibt es keine einzige Antwort! Jedes Ergebnis hängt von den Annahmen und den Szenarien ab, aus denen es erstellt wurde, und - im Wesentlichen - werden diese Annahmen dokumentiert und transparent gemacht.
Wir haben diesen Ansatz verwendet, um Indien zu untersuchen Übergang zu sauberer Energie. Sie haben, genau wie Australien, mit hochkomplizierten politischen und sozialen Fragen zu tun, die sich nicht gut in herkömmliche Modellierungsmethoden einfügen, die danach streben, eine einzige Antwort zu geben.
Wir schlagen sicherlich nicht vor, dass explorative Modellierung ein Königsweg ist, um politische Differenzen in komplexen politischen Fragen zu lösen. Es kann jedoch unser Verständnis von Modellen von einem "Blackbox" -Prozess in einen transparenten Prozess umwandeln, der einer genauen Untersuchung zugänglich ist. Es kann implizite Annahmen in explizite Szenarien umwandeln, die getestet und diskutiert werden können. Auf diese Weise haben wir möglicherweise mehr Richtlinien, die das bringen, was sie versprechen - und eine gemeinsam vereinbarte Grundlage von Informationen, über die man streiten kann.
Über den Autor
Shirin Malekpour, Forschungsleiterin für strategische Planung und Zukunftsforschung, Monash Sustainable Development Institute, Monash Universität und Enayat A. Moallemi, wissenschaftlicher Mitarbeiter, UNSW
Dieser Artikel wurde ursprünglich veröffentlicht am Das Gespräch.. Lies das Original Artikel.
Bücher zum Thema
