داده‌هاي کمي است. روش‌هاي اقتصادسنجي از داده‌هاي کمي که تاکنون اندازه‌گيري نشده‌اند و اطلاعات آنها موجود نيست و همچنين از داده‌هاي کيفي صرفنظر مي‌کنند. به همين علت ممکن است که به جاي استفاده از يک داده‌اي که اندازه‌گيري نشده است از داده‌هاي ديگري که قبلاً اندازه‌گيري شده‌اند به نمايندگي از آنها استفاده کنند، حتي اگر ارتباط بين آنها، ارتباط ضعيفي باشد. براي مثال اقتصاددانان از داده‌هاي سرانه مخارج به عنوان داده‌هاي سطح دانش مردم استفاده مي‌کنند [1]. از ديگر داده‌هاي کيفي که مدل‌هاي اقتصادسنجي از آنها صرفنظر مي‌کنند مي‌توان به تمايلات، اهداف، سطح درک و متغيرهايي از اين قبيل اشاره کرد. ممکن است که داده‌هاي عددي بتوانند نتايج تصميم‌گيري مردم را اندازه‌گيري کنند اما اعداد نمي‌توانند توجيه کنند مردم چرا و چگونه اين تصميمات را اتخاذ کرده‌اند. در نتيجه مدل‌هاي اقتصادسنجي نمي‌توانند رفتار مردم را زماني که شرايط تصميم‌گيري تغيير مي‌کند، پيش‌بيني کنند [1].
در حالي که استفاده آزادانه‌تر از متغيرهاي غير قابل مشاهده و کيفي در تحليل پويايي‌شناسي سيستمي ترکيب ساده‌تري از متغيرهاي مطلوب يا برنامه‌ريزي شده را ايجاد مي‌کند و مدل‌سازي را حتي در مواقعي که شرايط سيستم تغيير مي‌کند، تسهيل مي‌کند56 [6].
3-2-3- تفاوت در ساختار مدل
يکي ديگر از ويژگي‌هاي اقتصادسنجي اين است که بين همبستگي و روابط علي و معلولي تمايز قايل نمي‌شود. مدل‌هاي شبيه‌سازي بايد روابط علي و معلولي مسأله را به ويژه در شرايط جديد توصيف کنند، اما روش‌هاي آماري که براي تخمين پارامترها در مدل‌هاي اقتصادسنجي مورد استفاده قرار مي‌گيرند وجود روابط علي و معلولي بين متغيرها را اثبات نمي‌کنند. اين روش‌ها درجه همبستگي متغيرها در گذشته را نشان مي‌دهند، که در سيستم جديد ممکن است درجه همبستگي فوق تغيير کند. اقتصاددان برجسته، روبرت لوکاس57 نيز به اين نکته در سال 1965 اشاره کرده است [1].
براي مثال، اقتصاددانان، منحني فيليپس را به عنوان يک رابطه علي و معلولي بين تورم و اشتغال بيان مي‌کنند، اما اين منحني هيچ‌گاه دلايل افزايش تورم يا دستمزد را نشان نمي‌دهد، علاوه بر اين منحني فيليپس تنها بيان ساده‌اي از گذشته سيستم است. در گذشته فيليپس بيان کرده بود که کاهش بيکاري زماني رخ مي‌دهد که تورم افزايش يابد و بالعکس. ولي، در اوايل دهه 65 با افزايش تورم، بيکاري هم افزايش يافت و به اين ترتيب منحني فيليپس نقض شد. اقتصاددانان براي توجيه اين مورد بيان کردند که شرايط سيستم جديد با گذشته فرق کرده است. بيان عبارت “تغيير ساختاري مدل” به اين مفهوم است که مدل‌ساز، ساختار مناسبي براي پيش‌بيني رفتار واقعي سيستم ارايه نکرده است.
اتفاقي که در دهه 70 رخ داد اين بود که با افزايش غير منتظره تورم در عصر صنعتي شدن، مردم يادگرفتند که روند افزايش تورم ممکن است ادامه پيدا کند. بنابراين در اثر فعال شدن فرايند بازخورد و يادگيري تطبيقي، مردم ياد گرفتن که با افزايش تورم از طريق اولويت‌بندي و ساير تنظيمات با تورم برخورد کنند. در حقيقت ساختار علي و معلولي سيستم تغيير نکرده بود بلکه يک حلقه علي که به هنگام پايين بودن نرخ تورم فعال نبود، با افزايش تورم فعال شد. به عبارت ديگر توانايي مردم براي تطبيق دادن خود با تورم در طول عمر سيستم وجود داشته است ولي تنها هنگامي که تورم افزايش خيلي زيادي داشت، خودش را نشان داد و باعث شد تا رفتار سيستم تغيير کند و همبستگي تاريخي بين تورم و بيکاري نقض شود [1].
3-2-4- تفاوت در نوع معادلات
اقتصادسنجي و تحليل پويايي‌شناسي سيستمي هر دو شامل معادلات رفتاري و اتحادها مي‌باشند. در مدل‌هاي پويايي‌شناسي سيستمي، تعاريف اساساً به صورت اتحادهاي حالت ـ جريان است (معادلات حالت58 که با توجه به اهميت قانون بقاء توجيه مي‌شوند). در حالي که، در مدل‌هاي اقتصادسنجي بيشتر از متغيرهاي جريان استفاده مي‌شود، زيرا آمارهاي اجتماعي و اقتصادي عموماً شامل داده‌هاي بيشتر و بهتري در مورد جريان‌ها هستند تا حالت‌ها که اغلب غير قابل مشاهده مي‌باشند بنابراين مدل‌هاي اقتصادسنجي بيشتر از متغيرهاي جريان استفاده مي‌کنند. از طرف ديگر براي نشان دادن رفتار پويا در يک مدل شبيه سازي، متغيرهاي حال از اهميت قابل ملاحظه‌اي برخوردارند که مدل‌هاي اقتصادسنجي همانندمدل‌هاي تحليل پويايي‌شناسي سيستمي در تأکيد بر روي متغيرهاي حال موفق نيستند، البته برخي مدل‌هاي کلان اقتصادي تحليل پويايي‌شناسي سيستمي وجود دارد که شامل متغيرهاي حالت نيستند [6].
3-2-5- تفاوت در شکل تابع
اقتصادسنجي هرگز ادعا نمي‌کند که توابع خطي تنها راه صحيح براي برقراري ارتباط ميان متغيرها مي‌باشند. نگاه جهاني اقتصادسنجي به سمت شناخت کاملتر از تناسب توابع غيرخطي معطوف شده است. علاوه بر اين، پس از مسائل تخمين پارامتر و حل مدل‌هاي اقتصادسنجي غيرخطي با معادلات همزمان، رسيدگي به اين موضوع آسانتر شده است. با وجود توسعة اقتصادسنجي در اين زمينه، همچنان دو تفاوت عمده بين اقتصادسنجي و تحليل پويايي‌شناسي سيستمي وجود دارد؛ اولاً سهم معادلات غيرخطي در اقتصادسنجي به طور متوسط از مدل‌هاي تحليل پويايي‌شناسي سيستمي کمتر است. ثانياً اشکال غير خطي به کار گرفته شده انواع محدودي دارند. در حالي که مدل‌هاي تحليل پويايي‌شناسي سيستمي از توابع LookUp59 استفاده مي‌کنند که از پارامترها به صورت غيرخطي در معادلات استفاده مي‌کند. مدل‌هاي اقتصادسنجي به سختي اشکال غيرخطي را در متغيرها استفاده مي‌کنند. امروزه ithink(نرم‌افزار تحليل پويايي‌شناسي سيستمي)، تابع LookUp را براي تعريف روابط غير خطي بين متغيرها در مدل‌هاي تحليل پويايي‌شناسي سيستمي پيشنهاد مي‌کند [6].
3-2-6- تفاوت در انعکاس تأخيرها
خروجي يک فرآيند خاص بسته به ورودي‌اش در طول زمان توزيع مي‌شود. در يک سيستم انواع مختلفي از فرآيندها به ويژه فرآيندهاي ديناميکي با تأخيرهاي ثابت زماني وجود دارد. اين فرآيندها از همان ابتداي پيدايش سيستم، در سيستم وجود دارند با اين تفاوت که با تأخيرهاي زماني و تحت شرايط خاص فعال مي‌شوند و رفتار سيستم را تحت تأخير قرار مي‌دهند. بنابراين اقتصادسنجي از آن جايي که تنها به فرآيندهاي فيزيکي موجود در سيستم اهميت مي‌دهد، در انعکاس تأخيرات زماني فرآيندها به خوبي عمل نمي‌کند [6].
3-2-7- تفاوت در تخمين پارامتر
اقتصادسنجي نيازمند مقادير دقيق پارامتر است در حالي که متخصصان تحليل پويايي‌شناسي سيستمي معتقدند که به دليل عدم حساسيت کيفي رفتار مدل به مقادير پارامتر (در چارچوب هدف مدل پويايي‌شناسي سيستمي)، روش‌هاي آماري تخمين پارامتر غيرضروري است. اين ديدگاه، نقطة مقابل اقتصادسنجي است. در سال‌هاي اخير مخالفت (ناسازگاري) بعضي از متخصصان تحليل پويايي‌شناسي سيستمي با تخمين آماري و آزمون پارامترها تشديد شده است در حالي که ساير متخصصان تحليل پويايي‌شناسي سيستمي از اين رويکرد ضد اقتصادسنجي دروي جسته و به دنبال وفق دادن تکنيک‌هاي تخمين پارامتر اقتصادسنجي با مدل‌هاي تحليل پويايي‌شناسي سيستمي هستند. يک پيشرفت دو طرفه از اقتصادسنجي و تحليل پويايي‌شناسي سيستمي با توجه به تخمين پارامتر در استفاده از تکنيک‌هاي جداسازي کالمن60 نمايان شده است و رويکردهاي روش تحليل پويايي‌شناسي سيستمي و اقتصادسنجي در زمينه در نظر گرفتن مسايل اقتصادي و تخمين پارامتر، به يکديگر نزديک شده‌اند [6].
3-2-8- تفاوت در نحوه اعتبارسنجي
در هر دو رويکرد پويايي‌شناسي سيستمي و اقتصادسنجي، اعتبارسنجي به عنوان يک فرآيند چند مرحله‌اي از رويه‌هاي پيش‌بينانه و غير پيش‌بينانه بيان مي‌شود، ولي توافق چنداني بر سر نوع رويه‌هاي غير پيش‌بينانه‌اي که بايد مورد استفاده قرار گيرد وجود ندارد.
اقتصادسنجي با در نظر گرفتن معيارهاي اقتصادي و آماري و با استفاده از داده‌هاي تاريخي، سيستم‌هاي موجود را مدل مي‌کند در حالي که تحليل پويايي‌شناسي سيستمي با استفاده از تجربيات متخصصين، ادبيات توصيفي و واقعيات سيستم موجود، روابط علي و معلولي سيستم را ترسيم مي‌کند و اين روابط را با استفاده از معادلات موجود بيان مي‌کند، سپس براي بررسي صحت مدل فوق (اعتبارسنجي)، رفتار مدل را با رفتار مرجع سيستم (رفتار گذشته سيستم) مقايسه مي‌کند. در حالي که بسياري از کارشناسان اقتصادسنجي61 معتقدند که درجه معني‌دار بودن آماري پارامترهاي تخمين زده شده در معادلات نشان دهنده صحت روابط است. اين فرضيه صحيح ناست، زيرا درجه معني‌دار بودن آماري تنها نشان مي‌دهد که دو متغير درجه همبستگي بالايي با هم دارند ولي ارتباط علي بين آنها را نشان نمي‌دهد.
استفاده از درجه معني‌دار بودن آماري مي‌تواند مدل‌ساز را به اشتباه بياندازد. براي مثال ممکن است که به دليل نبودن اطلاعات کافي، مدل‌ساز صورت ساده يک معادله را بيان کند که اين معادله نيز ممکن است به دليل نبودن اطلاعات دقيق، ارتباط بين دو متغير را نشان ندهد. بنابراين احتمال دارد که مدل‌ساز موجود ارتباط بين دو متغير را رد کند. در بسياري از مواقع نبودن ارتباط معناداري بين متغيرها باعث مي‌شود تا مدل‌ساز سراغ معادلات و روابط ديگري برود. ولي به دليل ارتباط معنايي آماري بين متغيرها باعث مي‌شود تا مدل‌ساز سراغ معادلات و روابط ديگري برود. ولي به دليل عدم وجود اطلاعات کافي، رفتار مدل مذکور با دنياي واقعي متناقض خواهد بود. بنابراين مدل‌ساز تلاش مي‌کند تا تناقض رفتار مدل خود با دنياي واقعي را به دليل نبودن اطلاعات کافي و متغيرهاي برونزا و ساير عوامل توجيه کند. براي مثال در دهه 1970 که رفتار منحني فيليپس نقض شد، اقتصاددانان تلاش‌هاي زيادي کردند تا رفتار فوق را توجيه کنند، ولي مومفق نشدند. تحليلگران موضوعاتي چون افزايش ناگهاني قيمت نفت، تجارت گندم روسيه و اتفاقاتي از اين قبيل را بر يايه توجيه رفتار سيستم جديد بيان کردند [1].
3-2-9- تفاوت در هدف
مدل‌هاي اقتصادسنجي نمي‌توانند عملکرد سيستم را در ساير شرايطي که هنوز رخ نداده است پيش‌بيني کنند. کارشناسان اقتصادسنجي فرض مي‌کنند که همبستگي بين متغيرها که با استفاده از داده‌هاي سري زماني در گذشته تخمين زده شده‌اند، در آينده سيستم نيز معتبر است. در حقيقت اين داده‌ها محدوده کوچکي از سيستم را اندازه‌گيري مي‌کنند. بنابراين مدل‌هاي اقتصادسنجي به اندازه کافي قوي نيستند و زماني که با شرايط و سياست‌هاي جديد روبه‌رو مي‌شوند، ناکارآمد مي‌باشند.
در اينجا ممکن است اين شبهه ايجاد شود که اقتصادسنجي براي پيش‌بيني رفتار سيستم در کوتاه مدت مفيد است. ولي متأسفانه مدل‌هاي اقتصادسنجي به چند دليل قادر به پيش‌بيني رفتار سيستم در کوتاه مدت (در صورتي که شرايط سيستم تغيير کرده باشد) نيز نيستند. همان طور که گفته شد، مدل‌ساز براي پيش‌بيني رفتار سيستم نياز به تخمين مقدار متغيرهاي برونزا دارد. هر مدلي تعداد زيادي متغير برونزا دارد که مقادير آنها را ممکن است مدل‌هاي ديگري توليد کنند که بستگي به درک و نظر مدل‌ساز دارد. بنابراين پيش‌بيني مقدار متغيرهاي برونزا مشکل است.
از طرف ديگر، در بسياري از موارد هنگامي که مدل، نتايج مورد انتظار مدل‌ساز را توليد نمي‌کند مدل‌سازان به راحتي با استفاده از نظرات و ديدگاه‌هاي شخصي‌شان رفتار مدل را با رفتار مورد انتظار تنظيم مي‌کنند. Chase، DRI و Wharton سه شرکت بزرگ سازنده مدل‌هاي پيش‌بيني اقتصادسنجي معتقد بودند که اضافه کردن عواملي به مدل براي تغيير رفتار مدل امري عادي و رايج است. شرکت DRI تأييد کرد 60 درصد پيش‌بيني‌هاي آنها ناشي از نتايج مدل و 40 درصد مابقي نظر و قضاوت مدل‌سازاست [15و16].
در آزمايشي که توسط کميسيون اقتصادي کنگره آمريکا براي بررسي نحوه پيش‌بيني مدل‌هاي اقتصادسنجي انجام شد، از سه شرکت فوق خواسته شد تا يک سري مدل‌هاي اقتصادسنجي شبيه‌سازي را در مورد سياست‌هاي پولي با فرض‌هاي مختلف ارايه کنند. از شرکت DRI خواسته شده تا تنها نتايج واقعي مدل را بدون اضافه کردن عوامل خاص ديگر،
