استفاده از مدل: تجربه‌ها و چشم‌اندازها

1- اساس مدل
پیشنهاد من این است که در این سخنرانی به بحث درباره تجربه ما در روش‌های ساخت مدل و سهمی که ساخت مدل در علم اقتصاد و چشم‌انداز پیش روی آن دارد بپردازیم. اول از همه می‌خواهم ویژگی‌های اساسی مدل را به شما یادآوری کنم، به نظر من این ویژگی‌ها عبارتند از: 1- تهیه لیستی از متغیرها 2- تهیه لیستی از روابط و معادلاتی که متغیرها از آنها پیروی می‌کنند. 3- تست اعتبار معادلات که همراه با برآورد ضرایب است. برای رسیدن به شماره 3 ما باید حتماً در موارد 1 و 2 بارها تجدیدنظر کنیم تا به درجه رضایت‌بخش واقع‌گرایی نظریه‌ای که می‌خواهیم آن را نشان دهیم برسیم. مدل ممکن است برای اهداف مختلفی استفاده شود و در پی پاسخ دادن به سوالات گوناگونی باشد. از مزایای استفاده از مدل‌ها این است که از یک‌سو، آنها ما را مجبور به ارائه یک نظریه «کامل» می‌کنند، یعنی نظریه‌ای که تمام پدیده‌های مرتبط و روابط را در نظر می‌گیرد و از سوی دیگر، مطابقت نظریه با مشاهده یعنی واقعی بودن نظریه.
در زمان مدل‌سازی‌ها اغلب، اقتصادسنجی‌دانان مجبور می‌شدند نظریه‌شان را در قالب یک جمله در آورند در حالی که این جمله لزوماً تمام روابطی را که مدل توضیح می‌دهد بیان نمی‌کند.
مدل‌ها برای مقاصد مختلفی ساخته شده‌اند؛ اول از همه، به منظور توضیح تحولات واقعی و بعد از آن برای یافتن راه‌های توسعه در زمینه مورد نظر. یکی دیگر از مقاصدشان یافتن روش‌های کوتاه‌مدت یا بلندمدت برای رسیدن به آن اهداف یا سیاست‌هاست. اهداف مختلف دیگری هم وجود دارد که در ادامه درباره‌شان حرف خواهیم زد.

2- برخی از تجربیات
ابتدا می‌خواهم از تعدادی از تجربیات اقتصادسنجی‌‌دانان درباره مدل‌سازی بگویم. برخی از ما استاد شکار روابط با همبستگی بالا که با مشاهدات ما سازگاری دارند، هستیم و این هنر ماست. برخی از منتقدان اقتصادسنجی‌دانان فکر می‌کنند این کار آسانی است در حالی که همیشه هم این طور نیست. برخی از روابط با مدل‌های ما خوب نمی‌خوانند یا اگر در نهایت به دلیل همبستگی بالا مجبور شویم آنها را در مدل بگنجانیم، چند سال بعد ممکن است مدل را با اخلال مواجه کنند. به طور مثال در حال حاضر نگرانی من این است که اولین موضوعی که در سطح بین‌المللی برای توضیح نوسانات در سرمایه‌گذاری روی آن کار کردم موفقیت‌آمیز نباشد. در دفتر برنامه‌ریزی مرکزی هلند ما دریافتیم آسان‌تر این است که از صاحبان صنایع درباره برنامه‌های سرمایه‌گذاری‌شان بپرسیم به جای اینکه تنها به نتایج اقتصادسنجی اعتماد کنیم. همچنین مخارج دولت از متغیرهایی بود که به سختی توضیح داده می‌شد. در هر دو مورد احتمال موفق نشدن وجود دارد چون ممکن است تصمیم‌گیرندگان اهدافی را مشخص کرده باشند که رسیدن به آنها ممکن نشود.
در یک راه کلی‌تر بسیاری از ما می‌دانیم مدل‌های چرخه کسب و کار کمی وجود دارد که بتوانند نقطه عطف کسب و کار را کمی بعد از راه افتادن آن پیش‌بینی کنند. حق با راگنار فریش بود زمانی که، در مراحل اولیه مدل‌سازی، شوک‌های تصادفی را به عنوان یک عنصر ضروری از چرخه کسب و کار معرفی کرد و توانست روند تجمعی بین نقاط عطف را کنار گذارد و به خود متغیرها به عنوان چیزی که واقعاً با مدل‌ها می‌توانند توضیح داده شوند، پرداخت. با این حال نقاط عطف بسیاری را می‌توان با پویایی درونی سیستم اقتصادی توضیح داد.
در تعدادی از موارد برای نشان دادن موفقیت نیازی به مدل‌ها نداشتیم. به عنوان مثال به تازگی نتیجه یک مدل را دیدم که نوشته بود: «ژاپن یک مدل موفق در توسعه بوده است.» فکر کنم همه ما تا اینجایش را می‌دانستیم! البته باید اضافه کنم همین مدل در جزییات آن چیزهای بیشتری را هم توضیح می‌داد.
در شکارمان برای یافتن رابطه‌های خوب گاهی اوقات چیزهای جالبی را یاد می‌گرفتیم مثلاً اینکه، نوسانات سالانه قیمت گوشت گاو تنها می‌تواند با نشانه‌های منفی در قیمت علوفه پیش‌بینی شود. قیمت بالای علوفه دهقانان را مجبور می‌کند بخشی از دام خود را به کشتارگاه ببرند از این رو قیمت گوشت کاهش می‌یابد. این جنبه‌ای بود که من و همکارانم از آن اطلاعی نداشتیم و در کتاب‌های درسی اقتصاد کشاورزی هم به آن اشاره‌ای نشده است. یک مثال دیگر در توضیح نوسانات شاخص کلی دستمزد در بریتانیا در سال 1900 بود. نتوانستیم به رابطه معناداری برسیم تا اینکه یکی از متغیرهای توضیحی که مربوط به قیمت مواد معدنی بود را به مدل اضافه کردیم.
به نظر من در بخش‌هایی از علم ما و همچنین دیگر علوم، باید از روندهای معمول مطلع باشیم. مدل‌سازی باید تبدیل به یک روند مرسوم شود همان‌طور که برنامه‌ریزی خطی یا جبر ماتریسی تبدیل شده‌اند. البته هشدارها و نگرانی‌ها درباره مرسوم‌سازی این روندها وجود دارد.
یکی از نیازهایی که توسط مدل‌سازان احساس می‌شود، احساس نیاز به پالایش مدل است که برای معرفی متغیرهای بیشتر استفاده می‌شود. یکی از نمونه‌هایی که ما در بنلوکس تجربه کردیم نشان می‌داد برای انتخاب بهترین پروژه‌های سرمایه‌گذاری در کشورهای در حال توسعه، اطلاعات بسیار دقیق‌تری مورد نیاز است و آمارهای عادی کمک چندانی نمی‌کند. این یک تجربه شناخته‌شده است که داده‌های پروژه‌ها معمولاً کمک چندانی به طراحی سیاست‌هایی برای رسیدن به نقطه بهینه نمی‌کنند.
مثال دیگر در این باره به خوبی دلیل نیاز به پالایش مدل را نشان می‌دهد. یکی از آنها که اریک لوندبرگ معمولاً زیاد به آن اشاره می‌کند، در تحلیل سیاست‌های ضد ادواری، به خصوص سیاست‌های مالی است. بیشتر اوقات ما نیاز به اطلاعات مرتبط برای واحدهای زمانی مختلف داریم، در میان متغیرها، تعدادی از متغیرهای انتظاری حتی توسط دفاتر آماری یا گروه‌های آمار بانک مرکزی نیز جمع‌آوری نشده است.
پالایش داده‌های مدل در دو زمان مورد نیاز است، از یک‌سو زمانی که اطلاعات زیادی درباره جنبه‌های مختلفی از موضوع وجود داشته باشد. به عنوان مثال مساله آموزش و پرورش را در نظر بگیرید. اطلاعات که درباره تعداد ثبت‌نامی‌ها در مدرسه وجود دارد داده‌های خام هستند و باید با ممیزهایی مثل مکان جغرافی ثبت‌نامی‌ها یا مقطع ثبت‌نام پالایش شوند. و از سوی دیگر، زمانی که اطلاعات برای واحدهای جغرافیایی کوچک مورد نیاز است. عدم تجانس در اطلاعات خام دلیلی برای عدم موفقیت در منطقه اجتماعی است و از این رو پالایش داده‌ها امری ضروری به حساب می‌آید.

3- چشم‌انداز مدل‌سازی
اگر اجازه دهید نگاهی به آینده مدل‌سازی داشته باشیم. از گفته‌های قبلی ما ماهیت هنرگونه مدل‌سازی مشخص شد. ما در حال حاضر از برخی جهات نشان دادیم که کدام مدل‌ها باید گسترش یابند. موضوع کنونی ما، چشم‌انداز مدل‌سازی، با موضوع قبلی که درباره‌اش صحبت کردیم همپوشانی‌هایی دارد. بنابراین در نتیجه‌گیری از تکرار برخی موضوعات نمی‌توان اجتناب کرد. اما به این موضوع از زاویه متفاوتی نزدیک خواهیم شد. پرسش اصلی ما اکنون این خواهد بود: مدل‌سازی تا چه دامنه‌ای باید گسترش پیدا کند؟
نخستین موضوعی که با آن برخورد می‌کنیم ضرورت معرفی عناصر فضایی به مدل‌های اقتصادی اجتماعی است. این جنبه از علم اقتصاد برای مدت‌های طولانی نادیده گرفته می‌شد. تعداد نسبتاً کمی از نویسندگان به این موضوع پرداخته‌اند. از این رو شکاف روشنی میان مدل‌های اقتصادی از یک‌سو و آنچه در برنامه‌ریزی شهری و کشوری یا حمل و نقل شهری از دیگر سو استفاده می‌شود، وجود دارد.
برنامه‌ریزی شهر و کشور اغلب توسط مهندسان، معماران، جغرافی‌دانان و جامعه‌شناسان انجام شده تا توسط اقتصاددانان. علم اقتصاد باید بیش از این در امور مشارکت داشته باشد تا برخی هماهنگی‌ها را میان حوزه‌هایی که ذکر شد ایجاد کند. بس (Bos) در پایان‌نامه‌اش رویکردهای جالبی را برای حل مشکل پراکندگی فضایی مطلوب فعالیت‌های اقتصادی پیشنهاد داده است که در آن از تعدادی از دستاوردهای سرک هنسن (Serck Hanssen) هم استفاده کرده است. ورود نهادهای اصلی جدید به نام «مراکز» در شهرها مفهومی است که روستاها، شهرها و شهرستان‌ها در هر اندازه‌ای را پوشش می‌دهد. مراکز در واقع خوشه‌ای از واحدهای تولیدی و واحدهای مسکونی هستند. مشکل اصلی چگونگی تبدیل واحدهای تولیدی در اندازه‌های مختلف به یک گروه تولیدی و حداکثر کردن رفاه تحت محدودیت‌های موجود است. برخی از این محدودیت‌ها توابع تولید به معنای معمول هستند، برخی دیگر مشکلات مربوط به هزینه‌های حمل و نقل ناشی از تفاوت در محل است. اخیراً در نوشته‌ای منز و واردنبورگ این موضوع را به خصوص برای فضاهای بزرگ‌تر، که معمولاً منطقه، کشور و قاره نامیده می‌شوند، مورد بررسی قرار داده‌اند. در برخی از موارد آنها به تقریب رضایت‌بخشی از آنچه «تقریب دومرحله‌ای هیچکاک» نامیده می‌شوند، که نام ساده‌تر و تجاری برای برنامه‌ریزی خطی است، می‌رسند. همراه با هرمان (Herman) نویسندگان جای دیگری به تفصیل مثالی از یک مدل نیمه‌ورودی- خروجی چند سطح شرح داده‌اند. با این مدل آنها می‌توانند به وجود بیش از یک سطح «معامله‌پذیری» برسند. به این معنی که، برخی از محصولات ممکن است قابلیت معامله شدن بین مناطق یک کشور را داشته باشند اما قابلیت معامله شدن بین کشورها را ندارند. کالاهای دیگری ممکن است بین دو کشور از یک قاره قابل معامله باشند اما نه بین‌قاره‌ای. به عنوان نتیجه، گسترده‌سازی صنعت، در یک منطقه بین‌المللی الزامات و محدودیت‌هایی دارد، الزامات منطقه‌ای، ملی یا کشوری. تاثیر چنین گسترده‌سازی در صنعت بر اقتصادهای آن کشور و آن قاره که در تولید دخیل هستند مشابه ولی پیچیده‌تر از اثرات روش نیمه‌ورودی- خروجی، با سطحی از عدم معامله‌گری است.
در حالی که این نمونه‌های مختلف تصویری از فعالیت‌های پرجنب و جوش در زمینه اقتصاد فضا را نشان می‌دهد، روشن است که برخی از ویژگی‌های اساسی از موضوع به سختی می‌تواند در میان روش‌هایی باشد که اکنون استفاده می‌شود. از یک‌سو، در مواردی نظیر اثرات خارجی، داده‌های تجربی وجود ندارد و از سوی دیگر تکنیک‌های ریاضی وجود ندارد.
در مورد گسترش دامنه مدل اقتصادی، موضوع دوم گنجاندن متغیرهای به اصطلاح اجتماعی و سیاسی است. همان‌گونه که قبلاً گفتم، قصد ندارم درباره اینکه کدام یک از سه تعریف متغیرهای اجتماعی باید ترجیح داده شود، بحث کنم. در همه این سه تعریف هم آموزش، فعالیت اجتماعی در نظر گرفته می‌شود. برخی از مدل‌های آموزش دیر توسعه یافته‌اند. به دلیل وقفه‌های طولانی که وجود دارد، فرآیند آموزش و پرورش بهترین نمونه از استفاده از معادلات متفاوت است. حتی اگر این موضوع را در نظر گیریم که کیفیت در این زمینه بسیار مهم است و با رشد فزاینده آگاهی در مورد نقش آموزش و پرورش در توسعه اقتصادی، بودجه بخش آموزش و پرورش در میان بزرگ‌ترین ارقام نسبت به سایر وزارتخانه‌هاست و نیاز به کار بیشتر در این زمینه به خوبی درک می‌شود.
یکی دیگر از موضوعات اجتماعی، توزیع درآمدهاست. مدل‌های زیادی برای توضیح آن و همچنین برای دستکاری آن ایجاد شده است که برخی از آنها عمری طولانی دارند. همان‌طور که در مدل‌های دیگر در اینجا نیز نیاز به متغیرهای زیادی داریم. به همین طریق، حجم زیادی از اطلاعات به خصوص با توجه به شرح شغل ارائه‌شده در فرآیند تولید و مهارت در دسترس جمعیت، وجود دارد.
در 30 سال گذشته با استفاده از برداری حدوداً 20 بعدی برای توصیف شغل‌ها، پیشرفت فوق‌العاده‌ای در ارزیابی مشاغل به وجود آمده است البته بیشتر برای کارگران و پرسنل اداری. رسیدن به یک بردار متناظر توصیف مهارت در دسترس باید ممکن باشد، هر چند برخی روانشناسان آن را انکار می‌کنند. در جایی دیگر من مدلی را توضیح دادم که به عنوان چارچوبی برای پیدا کردن توزیع درآمد حاصل از درآمد نیروی کار توصیف شده است. برای اطمینان بیشتر در بسط اصلی من تنها از دو بعد استفاده کردم. برخی دیگر از نویسندگان تنها از یک بعد استفاده می‌کنند. گاهی از اوقات IQ یا درجه رهبری فرد برای توصیف توانایی یک مرد برای تولید استفاده می‌شود. البته این کار به نوعی ساده‌سازی برای رسیدن به یک مدل منسجم است. این نوع مدل‌ها به زودی ممکن است همچنین برای مطالعه دقیق‌تر تغییر توزیع درآمد نیز مورد استفاده قرار گیرند. به عنوان مثال، برای پیدا کردن درجه نابرابری اجتناب‌ناپذیر.
مثال سوم از ورود متغیرهای اجتماعی و سیاسی به مدل‌ها، به ویژه برای کشورهای در حال توسعه، تلاش چشمگیر انجام‌شده توسط ایرما آدلمن و همکاران او با استفاده از تحلیل جز به جز و تفکیک توابع به منظور کشف برخی از عوامل عجیب و غریب است که به نظر می‌رسد نقش مهمی در روند توسعه داشته‌اند. ممکن است کسی این سوال را مطرح کند که آیا چنین اندازه‌گیری بدون تئوری، معنی‌دار است؟ به عنوان کشف یک سرزمین جدید علم من فکر می‌کنم که همین طور است. اما بحث‌های طولانی از همان نوعی که در حال حاضر برپاست، مورد نیاز است تا موضوعات پیچیده ساده‌سازی شوند.
موضوع سومی که باید تحت عنوان گسترش دامنه مدل مورد بحث واقع شود، رسیدن به سطح بهینه نظم اجتماعی و اقتصادی است، البته بهینه‌سازی موضوع تازه‌ای نیست. مدل‌های برنامه‌ریزی در حال حاضر به طور گسترده‌ای در هر دو سطح واحد تولید و در سطوح بالاتر استفاده می‌شوند. توسعه علمی همراه با گذر زمان اتفاق می‌افتد. در سال‌های اخیر، در میان بهترین‌ها مدل‌های پویا برای مدت زمانی طولانی یا حتی بی‌نهایت مورد استفاده واقع می‌شوند، مانند مدل‌های فلپس، تی‌جی کوپ‌منس و ایناجاکی. در میان نتایج به دست آمده از این نویسندگان، محدودیت‌هایی هستند که ما را مجبور به انتخاب پارامترهایی می‌کنند که ما ممکن است فکر کنیم در انتخاب‌شان آزاد بوده‌ایم. مانند تخفیف در زمان که در تابع ترجیحات وجود دارد. برای ارزش برخی از فواصل این پارامتر کوپمنز نشان داده است که هیچ نظم ترجیحی از مسیرهای مختلف توسعه امکان‌پذیر نیست. نتایجی از این جمله مربوط به ویژگی‌های اساسی علم اقتصاد است. اینجاکی (Ingaki) ایده اساسی دیگری را معرفی کرد که در برخی از مدل‌های قدیمی‌تر تنها درباره یک «جامعه جاودانه» استفاده می‌شد.
دو موضوع دیگر هم که دوست دارم مطرح کنم، یکی بحث درباره تابع رفاه اجتماعی یا تابع هدف است، فریش و برگسون این‌طور فکر می‌کردند که استراتژی علمی اقتصاد رفاه رسمی، بهینه نبوده است. منظور من از این گفته این است که به نظر ما بهتر است که ابتدا تابع رفاه اجتماعی را با بیشترین دقتی که ممکن است، مشخص کنیم و بعد با استفاده از آن به دنبال راهی برای پیدا کردن مطلوبیت اجتماعی-اقتصادی باشیم. در بحث با Kornai درباره کتاب ارزشمندش من به او گفتم که هر دو غرب و شرق به دنبال مشخص کردن تابع رفاه اجتماعی‌شان به طور دقیق هستند تا متوجه شوند آیا این توابع با یکدیگر متفاوت‌اند با خیر. امیدوارم در سال‌های پیش رو در این زمینه کارهای بیشتری انجام شود.
دومین مسیری که باید طی شود، اصلاح و فرمول‌سازی دوباره برای رسیدن به بهینه اجتماعی-اقتصادی است. تا پیش از این روش ما این طور بود که فرمول رسیدن به شرایط بهینه را به دست می‌آوردیم و بعد به سراغ موسساتی می‌رفتیم که معادلات رفتاری‌شان با نشانه‌هایی که ما می‌خواستیم هماهنگ بود. بنابراین وقتی در گذشته توابع تولید بیش از حد ساده می‌خواستند فرآیندهای تولید در دسترس را نشان دهند، مردانی مانند آدام اسمیت یا ویلفردو پارتو پیشنهاد کردند کار به شرکت‌های خصوصی و بازارهای رقابتی سپرده شود. امروز ما به این مسائل نگاه متفاوتی داریم و پیشنهادهای دیگری مطرح است. یکی از مشکلات فرعی که وجود دارد، مشکل ناشی از هزینه‌های فزاینده موسسات است. سوال این است که چگونه باید قبل از شکل‌گیری این موسسات با این هزینه‌ها مقابله کنیم؟ مساله هزینه‌های موسسات نیاز به فرمول‌سازی دوباره برای رسیدن به نقطه بهینه دارد. برخی از تلاش‌های اولیه در این موضوع توسط همکار من آقای واردنبورگ انجام شده است. کارهای او ما را امیدوار کرده است که راهی برای حل این مشکل پیدا خواهد شد.
همچنین ما امیدواریم که تفسیر درست مفهوم بهینه اجتماعی-اقتصادی در مجموعه‌ای از موسسات به پیشبرد بحث علمی درباره مزیت‌های نسبی در درجات مختلف اجتماعی-اقتصادی موجود کمک کند. به خصوص برای کشورهای شرق و غرب اروپا، از جمله سوئد، سوئیس و یوگوسلاوی. یکی از مواد لازم برای رتبه‌بندی سیستم‌های مختلف از نظر میزان شایستگی، دسترسی به میزان قابل‌توجهی از اطلاعات است. آرزوی من این است که در همین راستا همان‌طور که مارکس ادعا کرده بود، رسیدن به استدلال‌های علمی در رقابت بین سیستم‌های مختلف ممکن است، استدلال‌های علمی ما هم به روز باشد. به نظر من پژوهش اساسی در اقتصاد نسبت به دیگر نسخه‌های سطحی‌تر از تحقیقات اقتصادی نیازمند توجه و منابع بسیار بیشتری برای پیش‌بینی یا تجزیه تحلیل نوسانات کوتاه‌مدت قیمت‌ها در بازار است.
منبع:
1- www.nobelprize.org /nobel_prizes /economic-sciences /laureates /1969 /tinbergen-lecture.html