ارايه دهد. در يکي از پيش‌بيني‌هايي که انجام شد، با فرض ثابت بودن عرضه پول، نرخ بهره بعد از ده سال به 34 درصد رسيد. که نتيجه فوق هم با تئوري‌هاياقتصادي و هم با رفتار گذشته (تاريخي) سيستم در تناقض بود. دو شرکت ديگر، با دخالت دادن نظرات و ديدگاه‌هاي مدل‌ساز، نرخ بهره را 7 درصد پيش‌بيني کرده بودند62.
بنابراين با توجه به مطالب ذکر شده، مدل‌هاي اقتصادسنجي توانايي پيش‌بيني رفتار سيستم را ندارند. اين مدل‌ها تنها مواقعي که شرايط سيستم تغيير نکرده است مي‌توانند رفتار سيستم را پيش‌بيني کنند. عليرغم اين که اين مدل‌ها مي‌توانند رفتار مردم را شبيه‌سازي کنند ولي براساس يک سري فرض‌هاي غيرواقعي در مورد انگيزه‌ها و رفتار مردم بنا نهاده شده‌اند و اطلاعات کافي در اين زمينه در اختيار آنها ناست. با وجود اين که اين مدل‌ها براي نشان دادن رفتار سيستم‌هاي فيزيکي طراحي شده‌اند ولي پويايي فرآيندها و وجود تأخير بين عمل و نتيجه عمل را در نظر نمي‌گيرند. عليرغم اين که اين مدل‌ها از هزاران متغير تشکيل شده‌اند ولي متغيرهاي کيفي که قابل اندازه‌گيري نيستند را لحاظ نمي‌کنند. در سيستم‌هاي واقعي، تأثير روابط بازخوردي بين محيط و عوامل اجتماعي روي نتايج اقتصادي بسيار مهم است ولي مدل‌هاي اقتصادسنجي به دليل نبودن داده‌هاي عددي آنها را در نظر نمي‌گيرند. علاوه بر اين، مدل‌هاي اقتصادسنجي معمولاً دوره زماني کوتاهي که شرايط سيستم تغيير نکرده است را پوشش مي‌دهند. به عبارت ديگر مدل‌هاي تحليل پويايي‌شناسي سيستمي سعي در دستيابي به حالت‌هاي رفتاري بهتر در بلند‌مدت از طريق تغيير در ساختار مدل دارند در حالي که اقتصادسنجي سعي دارد تا با تغيير برخي پارامترها و متغيرهاي ابزاري، مقادير معين کمي براي متغيرهاي هدف در کوتاه مدت به دست آورد [5].
تاکنون کوشش‌هاي فراواني براي مقايسه عادلانه دو روش مدل‌سازي تحليل پويايي‌شناسي سيستمي و اقتصادسنجي انجام شده است. اين تلاش‌ها همگي در دو نکته مشترک هستند:
* در زمينه مدل‌سازي و شبيه‌سازي پوياي سيستم‌هاي اقتصادي ـ اجتماعي، با کنار گذاشتن شبيه‌سازي تحليل خرد63، اقتصادسنجي و پويايي‌شناسي سيستمي، رقباي اصلي هستند.
* مقايسة اين دو روش بايد در سطح عمومي انجام گيرد و نه در سطح يک مدل خاص؛ زيرا يک مدل خاص براي ارزيابي دقيق اين دو روش مناسب نيست.
در بررسي شباهت‌هاي ميان تحليل پويايي‌شناسي سيستمي و اقتصادسنجي مي‌توان گفت که اين دو رويکرد، هر دو روش‌هايي هستند که واقعيت سيستم پيچيده مدرن را با استفاده از ابزار رياضي مدل مي‌کنند. اين دو روش هر دو تا اندازه‌اي روش تحليل کلان64 مي‌باشند؛زيرا سيستم‌هاي واقعي را در سطح اجزايشان در نظر نمي‌گيرند (مثلاً در سطح افراد يا خانوارها). پيگيري نحوه و ميزان تغيير ويژگي‌هاي اجزاء در طول زمان و تحليل آنها براي توصيف تغييرات رفتاري سيستم، خاص روش‌هاي تحليل خرد است که اين دو روش به اين طريق عمل نمي‌کنند؛ در عوض، اين دو روش، سيستم‌ها را با متغيرهايي که خصوصيات مجموعه‌اي از اجزاء را توصيف مي‌کنند، مدل مي‌کنند. اين خصوصيات باعث شده است که رقابت شديدي بين اين دو روش به وجود آيد؛ رقابتي که بين اين دو مدل وجود دارد بين مدل‌هاي ديگر نظير تحليل داده ـ ستانده65 يا روش‌هاي شبيه‌سازي رويداد ـ محور66 هرگز مشاهده نشده است [6]. با وجود شباهت‌هاي موجود، در عمل تفاوت‌هاي بسياري نيز بين اين دو روش وجود دارد.
برخي نکات کلي که مي‌توان از روش اقتصادسنجي برشمرد به شرح ذيل است:
* از آن جا که اقتصادسنجي (حداقل از نظر تاريخي) بيشتر يک روش تحليلي است تا شبيه‌سازي، اجرا کنندگان آن زمان زيادي را صرف تفکر درباره شکل تابع‌هاي مختلف آن مي‌کنند.
* اقتصادسنجي بهاي فراواني به داده مي‌دهد و به شدت کند و سخت عمل مي‌کند، زيرا بايد آمارهاي عمومي و بانک‌هاي اطلاعاتي را به اطلاعاتي قابل استفاده تبديل کند [7].
* در مقابل مي‌توان عملکرد تحليل پويايي‌شناسي سيستمي را به صورت ذيل توصيف کرد:
* تحليل پويايي‌شناسي سيستمي از مجموعة گسترده‌تري از کنترل‌هاي کيفيتي بر روي مدل استفاده مي‌کند مانند کنترل نبود تناقض بين واحدها، آزمون مدل در شرايط حدي.
* با توجه به اين که تحليل پويايي‌شناسي سيستمي به شبيه‌سازي (با در نظر گرفتن ديناميک‌ها) و ارايه رفتار مدل تأکيد دارد به صرف وقت زيادي براي جمع‌آوري داده نياز ندارد.
* پويايي‌شناسي سيستمي، در بيشتر موارد براي تخمين پارامتر از روش‌هايي استفاده مي‌کند که به غير خطي بودن و بازخوردها توجه دارند.
* تعداد قابل توجهي مدل‌هاي تحليل پويايي‌شناسي سيستمي وجود دارد که مي‌توان از آنها و معادلات مربوط به آنها در مدل‌هاي ديگر استفاده کرد.
* يکي از امکانات ويژه‌اي که تحليل پويايي‌شناسي سيستمي نسبت به اقتصادسنجي در اختيار کاربر قرار مي‌دهد انعطاف‌پذيري آن و امکان وارد کردن متغيرهاي کيفي در مدل است. اين امر در بررسي تعامل ميان اقتصاد با ساير حوزه‌هاي اجتماعي، فرهنگي، زيست محيطي و غيره مفيد و مؤثر است. [7].
3-2-10- استفاده از تحليل پويايي‌شناسي سيستمي در مدل‌هاي اقتصادي ـ آري يا خير؟
استفاده از تحليل پويايي‌شناسي سيستمي در مدل‌هاي اقتصادي به تنهايي و يا همراه با ساير مدل‌هاي اقتصادي نظير جدول داده ـ ستانده در موارد متعددي مورد استفاده قرار گرفته است. به عنوان مثال مي‌توان مدل اقتصادي ـ اجتماعي زيست محيطي T2167 را نام برد که در آن يک مدل داده ـ ستانده به همراه مدل تحيل پويايي‌شناسي سيستمي مورد استفاده قرار گرفته است [8].
استفاده از تحليل پويايي‌شناسي سيستمي امکان وارد کردن متغيرهايي نظير آموزش، سطح بهداشت و فاکتورهاي زيست محيطي را فراهم مي‌کند [9] و از اين رو مي‌توان از تحليل پويايي‌شناسي سيستمي به عنوان رويکرد و روشي مناسبي براي بررسي سيستم‌هاي اقتصادي ـ اجتماعي و تعاملات ميان اجزاي مختلف اين سيستم‌ها و در نهايت اتخاذ سياست‌ها و استراتژي‌هاي مناسب بهره برد.
از طرفي برخي از دانشمندان تحليل پويايي‌شناسي سيستمي به دليل ضعف مدل‌هاي تحليل پويايي‌شناسي سيستمي در تخمين پارامتر به استفاده از تکنيک‌هاي تخمين پارامتر در تحليل پويايي‌شناسي سيستمي روي آورده‌اند. در بخش بعد رويکردهاي مختلف موجود در رابطه با مسأله تخمين پارامتر در مدل‌هاي تحليل پويايي‌شناسي سيستمي مورد بحث و بررسي قرار خواهد گرفت [5].
منابع
1. John D. Sterman, “A Skeptic’s Guide to Computer Models”. Westview press, 209-229, 1988.
2. Forrester, Jay, “Industrial Dynamics”, The MIT press, 1961.
3. John D. Sterman, “Business Dynamics”, Massachusetts Institute of Technology, 2000.
4. پيتر سنگه، “پنجمين فرمان”، ترجمه حافظ کمال هدايت، انتشارات سازمان مديريت صنعتي، 1377.
5. Radzicki, Micheal J. “Expectation Formation and Parameter Estimation in Uncertain.
6. Sommer, Manfred, “The Econometric Challenge to System Dynamics and Vice Versa: Soe Future Perceptions”, Technological Forcasting and Social Change, 1984.
7. http://www.vensim.com/
8. “Threshold 21 (T21) Overview” the Millennium Institute, December 2000.
9. Shilling John D., “Can System Dynamics Flows Reach an Economic Equillibrium?”, The Millennium Institute, System Dynamics Conference, 2004.
10. Graham, Alan K., “Parameter Estimation in System Dynamics Modeling”, MIT press, 1980.
11. Olive, Rogellio, “Model Callibration as Testing Strategy for System Dynamics Models”, Harvard Business School, 2002.
12. Reichelt Kimberly, Lyneis James M., Bespolka Carlo, “Callibration Statistics for Life Cycle Models”, MIT Combridge, 1996.
13. Peterson David W., “Statiscal Tools for System Dynamic”, 226-244, Oetrson 1980.
14. Doyan, Gokhan, “Confidence Interval Estimation in System Dynamic Models: Bootstrapping V.S. Likelihood Ratio Method”, MIT Sloan of Management, October 2004.
15. “Where Big Econometric Models Go Wrong”, 30 March 1981.
16. “1980: The Year the Forecasters Really Blew it.”, Business Week, 14 July 1980.
17. “Where The Big Econometric Models Go Wrong.” Business week, 30 march, 1980.
18. “Forecasters Overhaul Models of Economy in Wake of 1980 Errors.” Wall Street, 17 February, 1983.
19. “Business Forecasters Find Demand Is Weak in Their Own Business: Bad Predictions Are Factors.”, Wall street Journal, 7 September 1984.
20. “Economists Missing the Mark: tools, Bigger Error.”, New York Times, 12 December 1984.
ساير منابع:
21. Forrester, Jay W. The Beginning of System Dynamics, Massachusetts Institute of Technology,Cambridge, Massachusetts, U.S.A.,Banquet Talkat the international meeting of the System Dynamics Society Stuttgart, Germany, July 13, l989.
22. Forrester, Jay W. System Dynamics and the Lessons of 35 Years, Germeshausen Professor Emeritusand Senior Lecturer, Sloan School of ManagementMassachusetts Institute of Technology, A chapter forThe Systemic Basis of Policy Making in the 1990s. April 29, 1991
23. Sterman, John D. all models are wrong: reflections onbecoming a systems scientist, Jay Wright Forrester Prize Lecture, 2002.
فصل 4- مروري بر مدل‌هاي کلان انرژي در جهان و ايران
4-1- مروري بر تحقيقات کلان انرژي در جهان
چالش‌هاي مرتبط با انرژي و محيط زيست در سه دهه‌ي اخير و مطالعات گسترده اقتصاددانان در تحليل و ارزيابي آن همچنين توجه ويژه برنامه‌ريزان به انرژي به عنوان نماينده سرمايه طبيعي و عاملي که از يک سو، بر انباشت سرمايه مادي اضافه مي‌کند و از سوي ديگر، از سرمايه طبيعي مي‌کاهد (انرژي‌هاي تجديد ناپذير) منجر به ورود مباحث انرژي به صورت خاص در برنامه‌ريزي‌هاي کلان و مدل‌هاي بزرگ اقتصادي شده است. اين سطح از برنامه‌ريزي و به تبع آن مدل سازي که قدمت زيادي در فرآيند پژوهش‌هاي اقتصادي ندارند، و به تحليل اثرات بازخوردي و واکنش انرژي و اقتصاد مي‌پردازند. مدل‌سازي از تعامل انرژي و اقتصاد68 و سياست‌گذاري انرژي در مدل‌هاي بزرگ مقياس اقتصاد کلان69، انديشه‌هاي نوين در پژوهش‌هاي انرژي و اقتصاد است.
4-1-1- سيستم مدل‌سازي ملي انرژي در آمريكا70 ،” NEMS”
4-1-1-1- هدف مدل
اين مدل پيش بيني از توليد، تقاضا، قيمت انرژي تا 2030 را انجام مي‌دهد و براي برنامه‌ريزي انرژي ـ اقتصاد ـ محيط زيست از سياست‌هاي مختلف انرژي و از فروض مختلف بازارهاي انرژي استفاده مي‌كند. مدل فوق يك چارچوب پايداري براي ترسيم مجموعه فعل و انفعالات پيچيده از سيستم انرژي و نيز واكنش به محدوده متنوعي از فروض و سياست‌هاي ابتكاري جايگزين را فراهم آورده است. مانند يك مدل سالانه نيز مي‌تواند اثرات تغيير برنامه‌ها و سياست‌هاي جديد انرژي را تهيه نمايد. از آنجايي كه قيمت‌ها و منابع انرژي، تقاضا براي انرژي را آمريكا تغيير مي‌دهد، اين مدل مي‌تواند به يك مدل ناحيه‌اي تبديل گردد.
ساختار اساسي ناحيه‌اي 9 جزء است. گرچه ماژولهاي مختلف در مدل يك ساختار ناحيه‌اي مختلف را به نمايش مي‌گذارد. تفكيك ناحيه‌ايي براي هر ماژول امكان دسترسي به داده و نواحي آن را به تحليل‌گران انرژي در آن ناحيه را مي‌دهد.
مدل براي تحليل اثر قوانين و مقررات موجود يا پيشنهادي توليد و مصرف انرژي، اثر توليد انرژي جديد، اثر تكنولوژي‌هاي مصرف و تبديل، اثر كاهش انتشار كربن، اثر افزايش مصرف منابع تجديدپذير و مقررات مصرف سوخت‌هاي ريفرموله شده استفاده مي‌شود.
4-1-1-2- موضوعات قابل اجراء در مدل
اثرات سياست‌هاي مالياتي انرژي روي اقتصاد و سيستم انرژي آمريكا.
*
