Modellering bør være en sjanse til å teste antagelsene dine, ikke bare bekrefte dem. Shutterstock

Turnbull regjeringens flaggskip energiplan, The National Energy Guarantee, var ment å avslutte et tiår langt dødvann på energi- og klimapolitikken i Australia.

Ironisk nok, siden det avslører i oktober 2017, debatten har økt betydelig, med resultatet som regjeringen har nå gikk bort fra utslippsreduksjonskomponenten i politikken.

Det har vært mye oppmerksomhet på det høye politiske dramaet - og grunnleggende konflikter om viktigheten av utslippsreduksjoner. Men et annet sentralt tema er mangel på tillit I regjeringens modeller spårer resultatene av deres politikk.

For eksempel hevdet regjeringen denne måneden at NEG vil redusere husholdningsregninger med A $ 150 per år. Uavhengige analytikere, i tillegg til Arbeiderpartiet og Grønt politikere, har stilt spørsmålstegn ved denne figuren. De påpeker at andre modeller foreslå forskjellige resultater - spesielt en annonsert av føderal energiminister Josh Frydenberg i oktober 2017, som forutslo en A $ 100 reduksjon. Alle disse gruppene har bedt om fullstendig frigjøring av regjeringens modelleringsarbeid.

Men hvis modellering er en form for vitenskapelig analyse, hvorfor gir forskjellige modeller så forskjellige resultater?

Hva er en modell?

En modell er en forenklet representasjon av virkeligheten, men at "virkeligheten" er definert av modellen. Vi gir en modell et sett med innganger og det produserer et sett med utganger.

Modelleringsprosessen innebærer en sekvens av "valg" som modellen gjør om metodene som skal brukes, inngangsdataene som skal mate inn, og forholdet mellom disse dataene (det vil si hva påvirker hva).

Ved å gi noen faktorer mer vekt - enten bevisst eller utilsiktet - Modellen kan gjøre et utfall ser mer tiltalende, sannsynlig eller viktig enn de andre.

Tenk deg å spørre 100 kokker fra forskjellige land for å lage den beste nudelsuppe i verden. De ville alle velge forskjellige ingredienser, typer nudler og måter å lage mat på.

Disse valgene ville gjenspeile de oppskrifter de allerede kjenner, smaker de personlig liker eller misliker, og ingrediensene som de er kjent med. Disse danner deres forspenninger med hensyn til hva en god nudelsuppe skal være. Du ville ikke bli overrasket om du ser 100 veldig forskjellige nudelsupper på slutten av denne konkurransen!

Som nudelsuppe blir policymodeller også laget med en rekke ingredienser, som er formet av valgene og forspillene til sine modeller og interessenter. Den kumulative effekten av disse valgene skaper forskjellige modeller, og derfor forskjellige resultater.

Derfor argumenterer noen modeller og analytikere for at ingen modell er "den" rette modellen, akkurat som ingen nudelsuppe er riktig nudelsuppe, og at ingen enkeltmodell ville føre til en "etablert sannhet".

Så hvordan kan vi utforme retningslinjer ved hjelp av modeller som er fylt med forstyrrelser og interesser?

Leting, ikke prognose

Her er vårt svar: Vi bør ikke vurdere modellverktøy for "prediksjon", men heller for "leting". Vi bør ikke forvente modeller for å gi oss "svaret" på våre politiske spørsmål. Vi trenger modeller for å utforske en rekke scenarier for å informere politiske diskusjoner.

La oss bruke eksemplet på å redusere klimagassutslippene. Det er mange måter å gjøre dette på. Vi kan transformere våre elektrisitetsgenereringssystemer for å øke mengden fornybare energikilder; vi kan forbedre bygg effektiviteten; Vi kan bruke renere transportmidler.

Hver vei har sine motstandere og tilhengere. De kan argumentere for sine fordeler, deres konsekvenser, og hvor mye investering hver fortjener fra en fin pengepeng.

I den konvensjonelle prediktive tilnærmingen vil vi modellere hvert politisk alternativ (eller en kombinasjon av alternativer) og vurdere dens innvirkning på utslippene. (Og sannsynligvis vil hver side foreta sin egen modellering, med sine egne implisitte antagelser.)

Men i en utforskende tilnærming behandler vi modellen som noe å leke med, for å "teste" policyalternativer. Vi forandrer antagelser som ligger bak modellen og ser hvordan resultatene endres. Vi forandrer fremtidige scenarier og driver mange scenarier og ser hvordan policyalternativer utfører under ulike scenarier. Og i slutten av denne lekne øvelsen er det ingen enkelt svar! Hvert resultat avhenger av forutsetningene og scenariene hvorfra det ble produsert, og - viktig - disse forutsetningene er alle dokumentert og gjort gjennomsiktige.

Vi brukte denne tilnærmingen til å undersøke Indias overgang til ren energi. De, som Australia, arbeider med svært kompliserte politiske og sosiale problemer som ikke bretter seg pent inn i konvensjonelle måter å modellere, som forsøker å gi et enkelt svar.

Vi foreslår absolutt ikke at eksplorativ modellering er en sølvkule for å løse politiske forskjeller på komplekse politiske problemstillinger. Det kan imidlertid forandre forståelsen av modeller fra en "blackbox" -prosess til en gjennomsiktig prosess åpen for granskning. Det kan gjøre implisitte antagelser til eksplisitte scenarier som kan testes og diskuteres. På denne måten kan vi ha flere politikker som vil levere det de lover - og en felles avtalt grunnlag for informasjon som de skal argumentere for.

Om forfatteren

Shirin Malekpour, forskningsleder i strategisk planlegging og fremtidens studier, Monash Sustainable Development Institute, Monash University og Enayat A. Moallemi, forskningsassistent, UNSW

Denne artikkelen ble opprinnelig publisert på Den Conversation. Les opprinnelige artikkelen.

Relaterte bøker

at InnerSelf Market og Amazon