این اشتباهات در اقتصاد سنجی، نقدهای جدی را در حرفه اقتصاد برانگیخته است. فیلیپس براون میگوید از آنجا که آزمایش‌های کنترل شده تقریباً در اقتصاد امکان ناپذیر است، استفاده از رگرسیون فقط گمراه کننده خواهد بود.[۴۹] لسترتارو میافزاید که اقتصادسنجی با شکستمواجه شده است و هم اکنون عمدتاً به عنوان ” ویترینی ” برای نمایش این تئوریها استفاده میشود. اقتصادسنجی به عنوان یک ابزار، ارزش کمیبه پیش فرض‌های مدل ساز میدهد و نتیجه میگیرد که ” تحلیل گر با یک تحقیق ساده و تصادفی در پی مجموعه‌ای از متغیرها و شکل‌های تابعی است که بهترین معادله را بدهند. تحت این شرایط، بهترین معادله به باورهای اولیه تحلیل‌گر بستگی خواهد داشت. اگر تحلیل‌گر اعتقاد داشته باشد که نرخ بهره اثری بر سرعت گردش پول ندارد ” بهترین ” معادله‌ای را که این، نظر را اعتبار ببخشد می‌یابد.[۵۰]
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))
امّا تندترین انتقاد از سوی برنده جایزه نوبل، واسلی لئونتیف بیان شده است:
«سال به سال نظریه پردازان اقتصادی، مدلهای ریاضی بی‌شماری ارائه میکنند و ویژگیهای آنان را با جزئیات فراوان کشف میکنند و متخصصان سنجی سعی میکنند توابع مختلف جبری را بر مجموعه‌ای از داده‌های اصولاً یکسان تطبیق دهند؛ بدون اینکه قادر باشند در فهم سیستماتیک ساختار و عملکرد یک سیستم واقعی پیشرفتی حاصل کنند.»[۵۱]
اما اگر مدلهای سنجی پیش بینی دقیقیارائه دهند این مشکلات نظری چندان اهمیتی ندارند. با این همه، هدف اصلی مدلهای سنجی پیش بینی کوتاه مدت آینده است و بیشتر خصوصیات اقتصادسنجی (از جمله استفاده از تکنیک‌هایرگرسیون برای انتخاب بهترین پارامترها برای داده‌های کمی‌موجود و اتکای فراوان بر متغیرهای برونزا) در راستای برآورده کردن این هدف تکامل یافته است. متأسفانه اقتصادسنجی از این بابت نیز شکست خورده است. عملاً مدلهای سنجی پیش‌بینی‌های خوبی ندارند و حتی قدرت پیش‌بینی این مدل‌ها در کوتاه مدت (یک تا چهار سال) نیز ضعیف است.
مسلماً ارزیابی سیاست‌ها و پیش‌بینی‌ها بستگی به دانش دقیق و اطلاع از جریان امور در جهان دارد. اقتصادسنجی عاملی ارزشمندی برای توسعه و تدوین بسیاری از داده‌های مورد احتیاج دولت‌ها و شرکتهای خصوصی بوده است. امّا به نظر میرسد مدلهای سنجی ابزاری مناسب برای تجزیه و تحلیل مشکلات جاری در سیاست‌گذاریها و پیش بینی‌ها نبوده است.
هر چند که این مدل‌ها ادعا میکنند که به شبیه‌سازی رفتار انسان می‌پردازند، آنها متکی به فرض‌های غیرواقعی درباره انگیزه‌های آنان،رفتار عقلایی و در دسترس بودن اطلاعات هستند. در حالی که مدل‌ها باید بیانگر روابط موجود در جهان واقعی باشند، امّا معمولاً به فرایندهای پویا، عدم تعادل‌ها و تأخیرات توجهی نمی‌کنند. در حالی که این مدل‌ها شامل صدها متغیرهستند، امّا معمولاً از متغیرهایکیفی و متغیرهایی که دارای آمار نیستند صرف نظر میکنند. در سیستم‌های واقعی، روابط بازخوردی بین عوامل زیست محیطی، جمعیت شناسی و اجتماعی به اندازه عوامل اقتصادی اهمیت دارند؛ امّا مدلهای سنجی عمداً به علت در دسترس نبودن داده‌های عددی از این عوامل صرف نظر میکنند.
علاوه بر این، مدلهای سنجی با کوتاه مدت سروکار دارند؛ در حال که پیش بینی نهایی، بلند مدت را ترسیم میکند. در دوره زمانی مدنظر پیش بینی مدل، رفتار سیستم واقعی به احتمال زیاد نسبت به آنچه که در گذشته ثبت شده است فاصله میگیرد و به همین دلیل همبستگی‌های تاریخی که مبنای مدل‌ها بوده است را غیر قابلاعتماد می‌گرداند.
تفاوت در منابع اطلاعاتی
تحلیل پویایی‌شناسی سیستمی به طور گسترده‌ای به سابقه شخصی، بینش و عقیده کارشناسان در مورد سیستم واقعی به عنوان یک پایه اطلاعاتی برای تعیین خصوصیات مدل وابسته است؛ در حالی که اقتصاد سنجی بر پایه تئوری اقتصاد و داده‌های در دسترس است.
علاوه بر این، نقاط ضعف اقتصادسنجی از فرض‌هایی نشأت میگیرد که براساس تئوری‌های اقتصادی ذیل بنا نهاده شده‌اند: فرض‌هایی در مورد رفتار عقلایی بشر و فرض در دسترس بودن اطلاعاتی که عملاً در دسترس تصمیم‌گیرندگان ناست. بسیاری از اقتصاددانان از کیفی شدن و مفهومی شدن فرض‌های فوق حمایت کرده‌اند در حالی که اخیراً تعدادی از اقتصاددانان برجسته ادعا کرده‌اند که این فرض‌ها نه تنها فرض‌های مفهومی و کیفی نیستند بلکه فرض‌های غلطی می‌باشند. فیلیپس براون[۵۲] در مجله جامعه اقتصادی بریتانیای کبیر بیان کرد که: “مشکل این فرض‌ها این نیست که ساده‌سازی شده‌اند زیرا ساده‌سازی شامل بخشی از تمام مفاهیم است. مشکل این است که رفتاری که در این فرض‌ها ادعا شده است، عملاً رخ نمی‌دهد.” نیکلاس کالدر[۵۳] از دانشگاه کمبریج نیز با براون هم نظر بود به نظر وی فرضیه توازن اقتصاد، یک فرضیه بی‌معنا و غیر عملی است [۱].
علاوه بر این، تحقیقات تجربی روانشناسان و مطالعات سازمانی نشان داده است که مردم توانایی ذهنی کافی برای بهینه کردن تمام تصمیماتشان را ندارند. حتی اگر مردم توانایی محاسباتی لازم را داشتند، اطلاعات مورد نیاز برای بهینه‌سازی در اختیارشان ناست. به همین دلیل، آنها تلاش میکنند تا تنها بعضی از اهداف مشخص و سازمانی خود را تحقق ببخشند. آنها از روندهای تکراری تصمیم‌گیری استفاده میکنند و برای کاهش پیچیدگی مسأله از بسیاری از اطلاعات در دسترس صرفنظر میکنند. هربرت سایمن در سخنرانی خود هنگام گرفتن جایز، نوبل اقتصاد گفت: “شکی نیست که تئوری فرض‌های خردی از قبیل عقلانیت کامل تصمیم‌گیری تناقضاتی دارند. این فرض‌ها نه تنها تخمینی از واقعیت نیستند بلکه نمی‌توانند فرایند نحوه تصمیم‌گیری بشر در سیستم‌های پیچیده را توصیف کنند".
همچنین اقتصادسنجی شامل یک سری محدودیت‌های آماری ذاتی است. توابع رگرسیونی که برای تخمین پارامترها مورد استفاده قرار می‌گیرند، تنها با یک سری فرض‌های خاص درست عمل میکنند. این فرض‌ها، به فرض‌های بقا[۵۴] معروف می‌باشند. این فرض‌ها به منظور استفاده از تکنیک‌های آماری، تدوین شده‌اند. با وجود این که صحت و سقم این فرض‌ها مورد بررسی قرار نگرفته است، این فرضیه‌ها به عنوان قاعده کلی پذیرفته شده‌اند. در متداولترین روش رگرسیون حداقل مربع خطا فرض میشود که تمام متغیرها قابل اندازه‌گیری می‌باشند و ارتباط مستقل است (فرض‌های بقا). سایر روشهای پیچیده رگرسیون این فرض‌های محدود کننده را در نظر نمی‌گیرند ولی یک سری پیش فرض‌هایی را که قابل ارزیابی نیستند به مسأله تحمیل میکنند [۱].
با این وجود، به نظر میرسد که رویکردهای روش تحلیل پویایی‌شناسی سیستمی و اقتصادسنجی در زمینه در نظر گرفتن مسایل اقتصادی و تخمین پارامتر، به یکدیگر نزدیک شده‌اند [۱]. به این ترتیب که پویایی‌شناسی سیستمی، زمینه بیشتری برای تئوری‌های اقتصادی و فرضیات داده‌ای به ویژه در مدل‌سازی‌های کلان اقتصادی ایجاد کرده است، از طرفی مدلهای اقتصادسنجی نیز مسلماً داوری‌های متخصصین را برای پذیرش مقادیر ثابت و ضرایب به منظور بهبود پیش‌بینی‌هایشان مورد استفاده قرار می‌دهند. البته این تفاوت که مدلهای اقتصادسنجی نیازمند داده‌های سری زمانی برای تخمین پارامتر به ویژه برای متغیرهای برونزا، هستند همچنان وجود دارد در حالی که، مدلهای تحلیل پویایی‌شناسی سیستمی فقط برای مقادیر اولیه و اندازه‌گیری پارامترها نیازمند داده می‌باشند [۶].
تفاوت در درجه سختی[۵۵]
یکی دیگر از ویژگیهای اقتصاد سنجی، وابستگی آن به داده‌ها به ویژه داده‌های کمی است. روشهای اقتصادسنجی از داده‌های کمی که تاکنون اندازه‌گیری نشده‌اند و اطلاعات آنها موجود نیست و همچنین از داده‌های کیفی صرفنظر میکنند. به همین علت ممکن است که به جای استفاده از یک داده‌ای که اندازه‌گیری نشده است از داده‌های دیگری که قبلاً اندازه‌گیری شده‌اند به نمایندگی از آنها استفاده کنند، حتی اگر ارتباط بین آنها، ارتباط ضعیفی باشد. برای مثال اقتصاددانان از داده‌های سرانه مخارج به عنوان داده‌های سطح دانش مردم استفاده میکنند [۱]. از دیگر داده‌های کیفی که مدلهای اقتصادسنجی از آنها صرفنظر میکنند می‌توان به تمایلات، اهداف، سطح درک و متغیرهایی از این قبیل اشاره کرد. ممکن است که داده‌های عددی بتوانند نتایج تصمیم‌گیری مردم را اندازه‌گیری کنند اما اعداد نمی‌توانند توجیه کنند مردم چرا و چگونه این تصمیمات را اتخاذ کرده‌اند. در نتیجه مدلهای اقتصادسنجی نمی‌توانند رفتار مردم را زمانی که شرایط تصمیم‌گیری تغییر میکند، پیش‌بینی کنند [۱].
در حالی که استفاده آزادانه‌تر از متغیرهای غیر قابل مشاهده و کیفی در تحلیل پویایی‌شناسی سیستمی ترکیب ساده‌تری از متغیرهای مطلوب یا برنامه‌ریزی شده را ایجاد میکند و مدل‌سازی را حتی در مواقعی که شرایط سیستم تغییر میکند، تسهیل میکند[۵۶] [۶].
تفاوت در ساختار مدل
یکی دیگر از ویژگیهای اقتصادسنجی این است که بین همبستگی و روابط علی و معلولی تمایز قایل نمی‌شود. مدلهای شبیه‌سازی باید روابط علی و معلولی مسأله را به ویژه در شرایط جدید توصیف کنند، اما روشهای آماری که برای تخمین پارامترها در مدلهای اقتصادسنجی مورد استفاده قرار می‌گیرند وجود روابط علی و معلولی بین متغیرها را اثبات نمی‌کنند. این روش‌ها درجه همبستگی متغیرها در گذشته را نشان می‌دهند، که در سیستم جدید ممکن است درجه همبستگی فوق تغییر کند. اقتصاددان برجسته، روبرت لوکاس[۵۷] نیز به این نکته در سال ۱۹۶۵ اشاره کرده است [۱].
برای مثال، اقتصاددانان، منحنی فیلیپس را به عنوان یک رابطه علی و معلولی بین تورم و اشتغال بیان میکنند، اما این منحنی هیچ‌گاه دلایل افزایش تورم یا دستمزد را نشان نمی‌دهد، علاوه بر این منحنی فیلیپس تنها بیان ساده‌ای از گذشته سیستم است. در گذشته فیلیپس بیان کرده بود که کاهش بیکاری زمانی رخ میدهد که تورم افزایش یابد و بالعکس. ولی، در اوایل دهه ۶۵ با افزایش تورم، بیکاری هم افزایش یافت و به این ترتیب منحنی فیلیپس نقض شد. اقتصاددانان برای توجیه این مورد بیان کردند که شرایط سیستم جدید با گذشته فرق کرده است. بیان عبارت «تغییر ساختاری مدل» به این مفهوم است که مدل‌ساز، ساختار مناسبی برای پیش‌بینی رفتار واقعی سیستم ارائه نکرده است.
اتفاقی که در دهه ۷۰ رخ داد این بود که با افزایش غیر منتظره تورم در عصر صنعتی شدن، مردم یادگرفتند که روند افزایش تورم ممکن است ادامه پیدا کند. بنابراین در اثر فعال شدن فرایند بازخورد و یادگیری تطبیقی، مردم یاد گرفتن که با افزایش تورم از طریق اولویت‌بندی و سایر تنظیمات با تورم برخورد کنند. در حقیقت ساختار علی و معلولی سیستم تغییر نکرده بود بلکه یک حلقه علی که به هنگام پایین بودن نرخ تورم فعال نبود، با افزایش تورم فعال شد. به عبارت دیگر توانایی مردم برای تطبیق دادن خود با تورم در طول عمر سیستم وجود داشته است ولی تنها هنگامی که تورم افزایش خیلی زیادی داشت، خودش را نشان داد و باعث شد تا رفتار سیستم تغییر کند و همبستگی تاریخی بین تورم و بیکاری نقض شود [۱].
تفاوت در نوع معادلات
اقتصادسنجی و تحلیل پویایی‌شناسی سیستمی هر دو شامل معادلات رفتاری و اتحادها می‌باشند. در مدلهای پویایی‌شناسی سیستمی، تعاریف اساساً به صورت اتحادهای حالت ـ جریان است (معادلات حالت[۵۸] که با توجه به اهمیت قانون بقاء توجیه می‌شوند). در حالی که، در مدلهای اقتصادسنجی بیشتر از متغیرهای جریان استفاده میشود، زیرا آمارهای اجتماعی و اقتصادی عموماً شامل داده‌های بیشتر و بهتری در مورد جریان‌ها هستند تا حالت‌ها که اغلب غیر قابل مشاهده می‌باشند بنابراین مدلهای اقتصادسنجی بیشتر از متغیرهای جریان استفاده میکنند. از طرف دیگر برای نشان دادن رفتار پویا در یک مدل شبیه سازی، متغیرهای حال از اهمیت قابل ملاحظه‌ای برخوردارند که مدلهای اقتصادسنجی همانندمدل‌های تحلیل پویایی‌شناسی سیستمی در تأکید بر روی متغیرهای حال موفق نیستند، البته برخی مدلهای کلان اقتصادی تحلیل پویایی‌شناسی سیستمی وجود دارد که شامل متغیرهای حالت نیستند [۶].
تفاوت در شکل تابع
اقتصادسنجی هرگز ادعا نمی‌کند که توابع خطی تنها راه صحیح برای برقراری ارتباط میان متغیرها می‌باشند. نگاه جهانی اقتصادسنجی به سمت شناخت کاملتر از تناسب توابع غیرخطی معطوف شده است. علاوه بر این، پس از مسائل تخمین پارامتر و حل مدلهای اقتصادسنجی غیرخطی با معادلات همزمان، رسیدگی به این موضوع آسانتر شده است. با وجود توسعه اقتصادسنجی در این زمینه، همچنان دو تفاوت عمده بین اقتصادسنجی و تحلیل پویایی‌شناسی سیستمی وجود دارد؛ اولاً سهم معادلات غیرخطی در اقتصادسنجی به طور متوسط از مدلهای تحلیل پویایی‌شناسی سیستمی کمتر است. ثانیاً اشکال غیر خطی به کار گرفته شده انواع محدودی دارند. در حالی که مدلهای تحلیل پویایی‌شناسی سیستمی از توابع LookUp[59] استفاده میکنند که از پارامترها به صورت غیرخطی در معادلات استفاده میکند. مدلهای اقتصادسنجی به سختی اشکال غیرخطی را در متغیرها استفاده میکنند. امروزه ithink(نرم‌افزار تحلیل پویایی‌شناسی سیستمی)، تابع LookUp را برای تعریف روابط غیر خطی بین متغیرها در مدلهای تحلیل پویایی‌شناسی سیستمی پیشنهاد میکند [۶].
تفاوت در انعکاس تأخیرها
خروجی یک فرایند خاص بسته به ورودی‌اش در طول زمان توزیع میشود. در یک سیستم انواع مختلفی از فرآیندها به ویژه فرآیندهای دینامیکی با تأخیرهای ثابت زمانی وجود دارد. این فرآیندها از همان ابتدای پیدایش سیستم، در سیستم وجود دارند با این تفاوت که با تأخیرهای زمانی و تحت شرایط خاص فعال می‌شوند و رفتار سیستم را تحت تأخیر قرار می‌دهند. بنابراین اقتصادسنجی از آن جایی که تنها به فرآیندهای فیزیکی موجود در سیستم اهمیت میدهد، در انعکاس تأخیرات زمانی فرآیندها به خوبی عمل نمی‌کند [۶].
تفاوت در تخمین پارامتر
اقتصادسنجی نیازمند مقادیر دقیق پارامتر است در حالی که متخصصان تحلیل پویایی‌شناسی سیستمی معتقدند که به دلیل عدم حساسیت کیفی رفتار مدل به مقادیر پارامتر (در چارچوب هدف مدل پویایی‌شناسی سیستمی)، روشهای آماری تخمین پارامتر غیرضروری است. این دیدگاه، نقطه مقابل اقتصادسنجی است. در سال‌های اخیر مخالفت (ناسازگاری) بعضی از متخصصان تحلیل پویایی‌شناسی سیستمی با تخمین آماری و آزمون پارامترها تشدید شده است در حالی که سایر متخصصان تحلیل پویایی‌شناسی سیستمی از این رویکرد ضد اقتصادسنجی دروی جسته و به دنبال وفق دادن تکنیک‌های تخمین پارامتر اقتصادسنجی با مدلهای تحلیل پویایی‌شناسی سیستمی هستند. یک پیشرفت دو طرفه از اقتصادسنجی و تحلیل پویایی‌شناسی سیستمی با توجه به تخمین پارامتر در استفاده از تکنیک‌های جداسازی کالمن[۶۰] نمایان شده است و رویکردهای روش تحلیل پویایی‌شناسی سیستمی و اقتصادسنجی در زمینه در نظر گرفتن مسایل اقتصادی و تخمین پارامتر، به یکدیگر نزدیک شده‌اند [۶].
تفاوت در نحوه اعتبارسنجی
در هر دو رویکرد پویایی‌شناسی سیستمی و اقتصادسنجی، اعتبارسنجی به عنوان یک فرایند چند مرحله‌ای از رویه‌های پیش‌بینانه و غیر پیش‌بینانه بیان میشود، ولی توافق چندانی بر سر نوع رویه‌های غیر پیش‌بینانه‌ای که باید مورد استفاده قرار گیرد وجود ندارد.
اقتصادسنجی با در نظر گرفتن معیارهای اقتصادی و آماری و با بهره گرفتن از داده‌های تاریخی، سیستم‌های موجود را مدل میکند در حالی که تحلیل پویایی‌شناسی سیستمی با بهره گرفتن از تجربیات متخصصین، ادبیات توصیفی و واقعیات سیستم موجود، روابط علی و معلولی سیستم را ترسیم میکند و این روابط را با بهره گرفتن از معادلات موجود بیان میکند، سپس برای بررسی صحت مدل فوق (اعتبارسنجی)، رفتار مدل را با رفتار مرجع سیستم (رفتار گذشته سیستم) مقایسه میکند. در حالی که بسیاری از کارشناسان اقتصادسنجی[۶۱] معتقدند که درجه معنی‌دار بودن آماری پارامترهای تخمین زده شده در معادلات نشان دهنده صحت روابط است. این فرضیه صحیح ناست، زیرا درجه معنی‌دار بودن آماری تنها نشان میدهد که دو متغیر درجه همبستگی بالایی با هم دارند ولی ارتباط علی بین آنها را نشان نمی‌دهد.
استفاده از درجه معنی‌دار بودن آماری میتواند مدل‌ساز را به اشتباه بیاندازد. برای مثال ممکن است که به دلیل نبودن اطلاعات کافی، مدل‌ساز صورت ساده یک معادله را بیان کند که این معادله نیز ممکن است به دلیل نبودن اطلاعات دقیق، ارتباط بین دو متغیر را نشان ندهد. بنابراین احتمال دارد که مدل‌ساز موجود ارتباط بین دو متغیر را رد کند. در بسیاری از مواقع نبودن ارتباط معناداری بین متغیرها باعث میشود تا مدل‌ساز سراغ معادلات و روابط دیگری برود. ولی به دلیل ارتباط معنایی آماری بین متغیرها باعث میشود تا مدل‌ساز سراغ معادلات و روابط دیگری برود. ولی به دلیل عدم وجود اطلاعات کافی، رفتار مدل مذکور با دنیای واقعی متناقض خواهد بود. بنابراین مدل‌ساز تلاش میکند تا تناقض رفتار مدل خود با دنیای واقعی را به دلیل نبودن اطلاعات کافی و متغیرهای برونزا و سایر عوامل توجیه کند. برای مثال در دهه ۱۹۷۰ که رفتار منحنی فیلیپس نقض شد، اقتصاددانان تلاش‌های زیادی کردند تا رفتار فوق را توجیه کنند، ولی مومفق نشدند. تحلیلگران موضوعاتی چون افزایش ناگهانی قیمت نفت، تجارت گندم روسیه و اتفاقاتی از این قبیل را بر یایه توجیه رفتار سیستم جدید بیان کردند [۱].
تفاوت در هدف
مدلهای اقتصادسنجی نمی‌توانند عملکرد سیستم را در سایر شرایطی که هنوز رخ نداده است پیش‌بینی کنند. کارشناسان اقتصادسنجی فرض میکنند که همبستگی بین متغیرها که با بهره گرفتن از داده‌های سری زمانی در گذشته تخمین زده شده‌اند، در آینده سیستم نیز معتبر است. در حقیقت این داده‌ها محدوده کوچکی از سیستم را اندازه‌گیری میکنند. بنابراین مدلهای اقتصادسنجی به اندازه کافی قوی نیستند و زمانی که با شرایط و سیاست‌های جدید روبه‌رو می‌شوند، ناکارآمد می‌باشند.
در اینجا ممکن است این شبهه ایجاد شود که اقتصادسنجی برای پیش‌بینی رفتار سیستم در کوتاه مدت مفید است. ولی متأسفانه مدلهای اقتصادسنجی به چند دلیل قادر به پیش‌بینی رفتار سیستم در کوتاه مدت (در صورتی که شرایط سیستم تغییر کرده باشد) نیز نیستند. همان طور که گفته شد، مدل‌ساز برای پیش‌بینی رفتار سیستم نیاز به تخمین مقدار متغیرهای برونزا دارد. هر مدلی تعداد زیادی متغیر برونزا دارد که مقادیر آنها را ممکن است مدلهای دیگری تولید کنند که بستگی به درک و نظر مدل‌ساز دارد. بنابراین پیش‌بینی مقدار متغیرهای برونزا مشکل است.
از طرف دیگر، در بسیاری از موارد هنگامی که مدل، نتایج مورد انتظار مدل‌ساز را تولید نمی‌کند مدل‌سازان به راحتی با بهره گرفتن از نظرات و دیدگاه‌های شخصی‌شان رفتار مدل را با رفتار مورد انتظار تنظیم میکنند. Chase، DRI و Wharton سه شرکت بزرگ سازنده مدلهای پیش‌بینی اقتصادسنجی معتقد بودند که اضافه کردن عواملی به مدل برای تغییر رفتار مدل امری عادی و رایج است. شرکت DRI تأیید کرد ۶۰ درصد پیش‌بینی‌های آنها ناشی از نتایج مدل و ۴۰ درصد مابقی نظر و قضاوت مدل‌سازاست [۱۵و۱۶].
در آزمایشی که توسط کمیسیون اقتصادی کنگره آمریکا برای بررسی نحوه پیش‌بینی مدلهای اقتصادسنجی انجام شد، از سه شرکت فوق خواسته شد تا یک سری مدلهای اقتصادسنجی شبیه‌سازی را در مورد سیاست‌های پولی با فرض‌های مختلف ارائه کنند. از شرکت DRI خواسته شده تا تنها نتایج واقعی مدل را بدون اضافه کردن عوامل خاص دیگر، ارائه دهد. در یکی از پیش‌بینی‌هایی که انجام شد، با فرض ثابت بودن عرضه پول، نرخ بهره بعد از ده سال به ۳۴ درصد رسید. که نتیجه فوق هم با تئوری‌هایاقتصادی و هم با رفتار گذشته (تاریخی) سیستم در تناقض بود. دو شرکت دیگر، با دخالت دادن نظرات و دیدگاه‌های مدل‌ساز، نرخ بهره را ۷ درصد پیش‌بینی کرده بودند[۶۲].
بنابراین با توجه به مطالب ذکر شده، مدلهای اقتصادسنجی توانایی پیش‌بینی رفتار سیستم را ندارند. این مدل‌ها تنها مواقعی که شرایط سیستم تغییر نکرده است میتوانند رفتار سیستم را پیش‌بینی کنند. علیرغم این که این مدل‌ها میتوانند رفتار مردم را شبیه‌سازی کنند ولی براساس یک سری فرض‌های غیرواقعی در مورد انگیزه‌ها و رفتار مردم بنا نهاده شده‌اند و اطلاعات کافی در این زمینه در اختیار آنها ناست. با وجود این که این مدل‌ها برای نشان دادن رفتار سیستم‌های فیزیکی طراحی شده‌اند ولی پویایی فرآیندها و وجود تأخیر بین عمل و نتیجه عمل را در نظر نمی‌گیرند. علیرغم این که این مدل‌ها از هزاران متغیر تشکیل شده‌اند ولی متغیرهای کیفی که قابل اندازه‌گیری نیستند را لحاظ نمی‌کنند. در سیستم‌های واقعی، تأثیر روابط بازخوردی بین محیط و عوامل اجتماعی روی نتایج اقتصادی بسیار مهم است ولی مدلهای اقتصادسنجی به دلیل نبودن داده‌های عددی آنها را در نظر نمی‌گیرند. علاوه بر این، مدلهای اقتصادسنجی معمولاً دوره زمانی کوتاهی که شرایط سیستم تغییر نکرده است را پوشش می‌دهند. به عبارت دیگر مدلهای تحلیل پویایی‌شناسی سیستمی سعی در دستیابی به حالت‌های رفتاری بهتر در بلند‌مدت از طریق تغییر در ساختار مدل دارند در حالی که اقتصادسنجی سعی دارد تا با تغییر برخی پارامترها و متغیرهای ابزاری، مقادیر معین کمی برای متغیرهای هدف در کوتاه مدت به دست آورد [۵].
تاکنون کوشش‌های فراوانی برای مقایسه عادلانه دو روش مدل‌سازی تحلیل پویایی‌شناسی سیستمی و اقتصادسنجی انجام شده است. این تلاش‌ها همگی در دو نکته مشترک هستند:
-
- در زمینه مدل‌سازی و شبیه‌سازی پویای سیستم‌های اقتصادی ـ اجتماعی، با کنار گذاشتن شبیه‌سازی تحلیل خرد[۶۳]، اقتصادسنجی و پویایی‌شناسی سیستمی، رقبای اصلی هستند.
-
- مقایسه این دو روش باید در سطح عمومی انجام گیرد و نه در سطح یک مدل خاص؛ زیرا یک مدل خاص برای ارزیابی دقیق این دو روش مناسب نیست.
در بررسی شباهت‌های میان تحلیل پویایی‌شناسی سیستمی و اقتصادسنجی می‌توان گفت که این دو رویکرد، هر دو روش‌هایی هستند که واقعیت سیستم پیچیده مدرن را با بهره گرفتن از ابزار ریاضی مدل میکنند. این دو روش هر دو تا اندازه‌ای روش تحلیل کلان[۶۴] می‌باشند؛زیرا سیستم‌های واقعی را در سطح اجزایشان در نظر نمی‌گیرند (مثلاً در سطح افراد یا خانوارها). پیگیری نحوه و میزان تغییر ویژگیهای اجزاء در طول زمان و تحلیل آنها برای توصیف تغییرات رفتاری سیستم، خاص روشهای تحلیل خرد است که این دو روش به این طریق عمل نمی‌کنند؛ در عوض، این دو روش، سیستم‌ها را با متغیرهایی که خصوصیات مجموعه‌ای از اجزاء را توصیف میکنند، مدل میکنند. این خصوصیات باعث شده است که رقابت شدیدی بین این دو روش به وجود آید؛ رقابتی که بین این دو مدل وجود دارد بین مدلهای دیگر نظیر تحلیل داده ـ ستانده[۶۵] یا روشهای شبیه‌سازی رویداد ـ محور[۶۶] هرگز مشاهده نشده است [۶]. با وجود شباهت‌های موجود، در عمل تفاوت‌های بسیاری نیز بین این دو روش وجود دارد.
برخی نکات کلی که می‌توان از روش اقتصادسنجی برشمرد به شرح ذیل است:
-
- از آن جا که اقتصادسنجی (حداقل از نظر تاریخی) بیشتر یک روش تحلیلی است تا شبیه‌سازی، اجرا کنندگان آن زمان زیادی را صرف تفکر درباره شکل تابع‌های مختلف آن میکنند.
-
- اقتصادسنجی بهای فراوانی به داده میدهد و به شدت کند و سخت عمل میکند، زیرا باید آمارهای عمومی و بانک‌های اطلاعاتی را به اطلاعاتی قابل استفاده تبدیل کند [۷].
-
- در مقابل می‌توان عملکرد تحلیل پویایی‌شناسی سیستمی را به صورت ذیل توصیف کرد:
-
- تحلیل پویایی‌شناسی سیستمی از مجموعه گسترده‌تری از کنترل‌های کیفیتی بر روی مدل استفاده میکند مانند کنترل نبود تناقض بین واحدها، آزمون مدل در شرایط حدی.
-
- با توجه به این که تحلیل پویایی‌شناسی سیستمی به شبیه‌سازی (با در نظر گرفتن دینامیک‌ها) و ارائه رفتار مدل تأکید دارد به صرف وقت زیادی برای جمع آوری داده نیاز ندارد.
-
- پویایی‌شناسی سیستمی، در بیشتر موارد برای تخمین پارامتر از روش‌هایی استفاده میکند که به غیر خطی بودن و بازخوردها توجه دارند.
- تعداد قابل توجهی مدلهای تحلیل پویایی‌شناسی سیستمی وجود دارد که می‌توان از آنها و معادلات مربوط به آنها در مدلهای دیگر استفاده کرد.
