Modellering bør være en chance for at teste dine antagelser, ikke bare bekræfte dem. Shutterstock

Turnbull-regeringens energiplan for flagskibe, the National energegaranti, var beregnet til at afslutte et årti lang lammelse af energi- og klimapolitikken i Australien.

Ironisk nok, siden det afsløring i oktober 2017, har debatten øget betydeligt med det resultat, som regeringen har nu gik væk fra emissionen til reduktion af politikken.

Der er lagt megen opmærksomhed mod det høje politiske drama - og grundlæggende konflikter om betydningen af ​​reduktion af emissioner. Men et andet vigtigt spørgsmål er mangel på tillid i regeringsmodeller, der forudsiger resultaterne af deres politikker.

F.eks. Hævdede regeringen i denne måned, at NEG vil reducere husholdningsregningerne med $ 150 pr. År. Uafhængige analytikere, såvel som Labor , Grønne politikere, har sat spørgsmålstegn ved dette tal. De påpeger den anden modeller foreslå forskellige resultater - især et annonceret af den føderale energiminister Josh Frydenberg i oktober 2017, der forudsagde en reduktion på $ 100. Alle disse grupper har opfordret til fuld frigivelse af regeringens modelleringsarbejde.

Men hvis modellering er en form for videnskabelig analyse, hvorfor giver forskellige modeller så forskellige resultater?

Hvad er en model?

En model er en forenklet repræsentation af virkeligheden, men ”virkeligheden” defineres af modellerne. Vi giver en model et sæt input og den producerer et sæt output.

Modelleringsprocessen involverer en sekvens af "valg", som modellerne foretager sig om metoderne til at bruge, inputdataene, der skal føjes, og forholdet mellem disse data (det vil sige, hvad der påvirker hvad).

Ved at give nogle faktorer mere vægt - uanset om det er bevidst eller utilsigtet - modellerne kan få det ene resultat til at se mere tiltalende, sandsynligt eller vigtigt ud end de andre.

Forestil dig at bede 100-kokke fra forskellige lande om at lave den bedste nudelsuppe i verden. De ville alle vælge forskellige ingredienser, typer nudler og måder at tilberede på.

Disse valg afspejler de opskrifter, de allerede kender, den smag, de personligt kan lide eller ikke lide, og ingredienserne, som de er kendte med. Disse danner deres partier med hensyn til, hvad en god nudelsuppe skal være. Du vil ikke blive overrasket, hvis du ser 100 meget forskellige nudelsupper i slutningen af ​​denne konkurrence!

Ligesom nudelsuppe er politiske modeller også lavet med en række ingredienser, der er formet af valg og forudindstillinger for deres modeller og interessenter. Den kumulative effekt af disse valg skaber forskellige modeller og derfor forskellige resultater.

Derfor argumenterer nogle modeller og analytikere nu for, at ingen model er den "rigtige model, ligesom ingen nudelsuppe er den rigtige nudelsuppe, og at ingen enkelt model ville resultere i en"etableret sandfærdighed".

Så hvordan kan vi designe politikker ved hjælp af modeller, der er fyldt med forudindtægter og interesserede interesser?

Undersøgelse, ikke forudsigelse

Her er vores svar: vi bør ikke overveje modeller værktøjer til "forudsigelse", men snarere til "udforskning". Vi skal ikke forvente, at modeller giver os ”svaret” på vores politiske spørgsmål. Vi har brug for modeller til at udforske en række scenarier for at informere politiske diskussioner.

Lad os bruge eksemplet på reduktion af drivhusgasemissioner. Der er mange måder at gøre dette på. Vi kan transformere vores elproduktionssystemer for at øge mængden af ​​vedvarende energi; vi kan forbedre bygningseffektiviteten; vi kan bruge renere transportmidler.

Hver vej har sine modstandere og fortalere. De kan måske argumentere for deres fordele, deres konsekvenser og hvor meget investering hver fortjener fra en endelig pulje af penge.

I den konventionelle forudsigelige tilgang ville vi modellere hver politisk mulighed (eller en kombination af optioner) og vurdere dens indvirkning på emissioner. (Og sandsynligvis ville hver side foretage deres egen modellering med deres egne implicit antagelser.)

Men i en sonderende fremgangsmåde behandler vi modellen som noget at lege med, for at "teste" politiske muligheder. Vi ændrer antagelser, der ligger til grund for modellen og ser, hvordan resultaterne ændres. Vi ændrer fremtidige scenarier og kører adskillige scenarier og ser, hvordan politiske muligheder fungerer under forskellige scenarier. Og i slutningen af ​​denne legende øvelse findes der ikke et enkelt svar! Hvert resultat afhænger af antagelserne og scenarierne, hvorfra det blev produceret, og - afgørende - alle disse antagelser er dokumenteret og gjort gennemsigtige.

Vi brugte denne tilgang til at undersøge Indiens overgang til ren energi. De behandler ligesom Australien meget komplicerede politiske og sociale spørgsmål, der ikke foldes pænt ind i konventionelle måder at modellere på, som stræber efter at give et enkelt svar.

Vi antyder bestemt ikke, at sonderende modellering er en sølvkugle til løsning af politiske forskelle i komplekse politiske spørgsmål. Det kan dog omdanne vores forståelse af modeller fra en "blackbox" -proces til en gennemsigtig proces, der er åben for kontrol. Det kan omdanne implicit antagelser til eksplicitte scenarier, der kan testes og diskuteres. På denne måde kan vi have flere politikker, der leverer det, de lover - og et almindeligt aftalt fundament for information, som vi skal diskutere.

Om forfatteren

Shirin Malekpour, forskningsleder inden for strategisk planlægning og fremtidsstudier, Monash Institute for Sustainable Development, Monash University og Enayat A. Moallemi, forskningsassistent, UNSW

Denne artikel blev oprindeligt offentliggjort den The Conversation. Læs oprindelige artikel.

Relaterede bøger

at InnerSelf Market og Amazon