How quantitative 模型s can help policy makers respond to COVID-19

Good policy making recognizes and adapts to the uncertainty inherent in 模型 building

Lars Peter Hansen | 2020年4月22日

My work as an economist has made me intimately familiar 同 uncertainty. I use dynamic 模型s and explore the impacts of uncertainty in a variety of settings. I use tools from statistics and decision theory to investigate both market behavior and implications for policy.

像其他人口,现在我发现自己的一家子,有时,严峻的形势。我希望我是,但不宣称自己是一位专家的流行病学调查。许多人一样,我一直在努力给自己至少旨在了解如何covid-19可以在很短的时间周期急剧演变的大流行和模型的一些基本知识。

As an outsider, I find the 模型ing impacts from epidemiology of considerable interest. In the mornings, I search immediately for updated numbers and predictions, hoping that we will soon see an important turnaround in COVID-19 cases, deaths, human suffering, and the subsequent global socioeconomic turmoil.

The role of quantitative 模型s

Policy makers look to forecasts or projections about the future evolution of the contagion and subsequent fatalities to guide their policy choices. These can be best guesses or warnings about how bad things could become. These considerations factor into their decision-making in at least informal ways. 

Epidemiologists no doubt have important insights that we all look to digest. Economists and other social scientists are quick to consider ways by which they can draw upon their current stock of knowledge to incorporate the likely responses of individuals and businesses to various policy alternatives. 

然而,在可供选择的政策和由此带来的社会行为疾病传播的定量预测,带来特殊的挑战。模型要求管理社会和经济的相互作用是如何在模型中发挥出特定假设和配料。主观判断是不可避免的。有未知参数校准在有限的数据面前。这些挑战是定量模拟,旨在支持政策普遍。 

Aquinas’s warning

不同的研究者或研究小组建立模型以不同的含义。我对科学的模型建设者谁在量化我们所面临的不确定性使暴露尝试崇高的敬意,并为那些政策顾问谁愿意接受在输出和替代模型的预测的差异。在同一时间,我担心当决策者看似拥抱车型不涉及的基本假设有充分的了解,还是因为这些模型提供的调查结果,他们更愿意看到。

我发现它有见地的思考每一个模型作为一个讲故事的定量。每个可能寻求提供指导和建议,但可供选择的模式可能有不同的政策,预测和影响。通过性质,每个模型是一种抽象和一定的简化,有时近似可以显示为粗体。有每个模型具有未知输入办内的不确定性,并有在如何旨在描绘行为方面跨越车型的差异。 

If only we could just “let the data speak”—but that is not how most 模型 building 进行。 

When thinking about using 模型s in a variety of settings, including our current health and economic crisis, I am reminded of an injunction attributed to Thomas Aquinas: “Beware the man of one 书.”

We should replace the word 书 同 模型 when our understanding of the phenomenon in question has such apparent limits. Looking across the predictions of numerous models is a valuable exercise. Substantive expertise can help in weighing the pros and cons of alternative models, but when there are obvious bounds to our understanding, this seldom rules out all but one 模型.

Looking to data

我们来看看数据,以帮助校准输入,但很多顾虑已经提出了关于质量和关于covid-19大流行数据的可靠性。在最基本的层面上,我们无法确定污染人的实际数字。死亡归因是具有挑战性的,因为不健康的人基本上是更容易受到疾病。我们还不知道免疫是那些谁已经受病毒感染和存活的有多强。 

We can look to evidence from countries 同 earlier experiences, such as China, where the disease and its initial transmission started. But serious concerns have been raised about the officially quoted numbers there and elsewhere. If only we could just “let the data speak”—but that is not how most 模型 building proceeds

There has to be some guesswork in determining how best to exploit the evidence we have from previous experiences. Data limitations make it challenging, even for experts, to assess the merits and limits of alternative 模型s and predictions.

Where does economics come in?

对于危机,如covid-19与政策相关的造型不只是流行病学研究。该机型里面是个人作出关于社会交往和企业应对新的经济需求和政策限制的决定。人们可能会沿途中实现自己的环境和政策变化的响应“的模式里面”。在我的经济学家一直在观察一个定量的宏观经济学文献很快出现,它结合了简化,在危机面前宏观经济框架内疾病的流行病学规格。我的同事的功劳,他们的目标是解决重要的政策挑战,并介绍了不断变化的激励行为反应。

他们探索对健康的益处和隔离人口的显著部分的经济后果,并利用测试来改善当前危机的社会和经济成果的最佳途径。我们知道,从各种经验评估政策时激励能够决定的事情。但它是不小的壮举纳入在可靠的办法,经济的动态模型流行病学力量,甚至撇开如何最好地面对压倒一切的不确定性。

我的猜测或者希望是多,在经济和流行病学领域的共同未来这一定量造型文献将有助于我们制定政策,以应付今后流行病更好,因为这个人是在一个更快的速度比必要的科学展开进步需要产生新的和更好的集成模型,包容性的社会科学。在我看来,这些努力是成功的,它需要的是不确定性被正式纳入模型,而不是视为一个事后的想法。

Uncertainty and trade-offs

Economists identify and assess trade-offs pertinent to the conduct of prudent policy, which even at a qualitative level is an important contribution. Indeed, there are extremely tricky economic and social trade-offs that policy makers must cope 同, although some have suggested naively that we should put them aside. 

例如,我们不能隔离每一个人,离开社会,没有获得食品和药品所需。正是我们划清界线需要保护的人暴露于病毒,使必要的食品和药品更容易,成本更低的可访问性之间进行权衡。当我们究竟选择,因为我们从这种流行病出现,以消除各种社会和经济活动的限制?这样的评估显然涉及权衡成本和行动的替代课程的好处。

我们如何使用替代模型预测,以指导政策也暴露出一个权衡一个值得认真思考。当政策顾问探索行动过程,他们是一定不确定的后果。各种预测得到在新闻报道中有关如何感染和造成的死亡将在未来的演变。我们非常感兴趣的时候事情会好转。 

Existing quantitative 模型s are tools that tell stories we should take seriously when used by experts who are willing to acknowledge limitations.

In sifting through projections reported in the media, we encounter a wide range of outcomes. On more careful inspection, an important reason for some of the differences is that they represent different public-health protocols or conventions. Some projections represent “best guesses” and others represent “worst-case” possibilities. Even the term 最糟糕的情况 is a misnomer, as even these forecasts are typically premised on “reasonable” bounds in terms of their 模型 inputs.

这两种类型的投影可以提供信息,只要它被理解,它们服务于不同但相关的目的。在正式或非正式的甚至的方法来解决紧迫的社会问题,我们面临着要多少重量或注意连接到其他保健轨迹可能发挥出来。多少要注意把我们最好的病将如何在相对于最坏情况下的轨迹,从而感染和死亡人数都严重得多的较为谨慎审查可供选择的政策演变的猜测?有“在两者之间”的可能性也是如此。最好的猜测和最坏情况类型的模拟,并就此而言,即使使用概率表达之间的,都透出。我相信这是媒体做报告的选项更平衡工作中的作用,记者应力求与有关各仿真做出的假设公众更加透明。

然而,这些仿真本身并不能告诉我们最好的行动当然。这将即使在我们可以很有信心地分配概率的更简单的设置是正确的。确定稳健的货币政策选择,包括考虑如何关心或厌恶不确定性,我们应该是一个立场。这超出了仅仅分配概率替代的结果。我们应该如何重视支付探索行动过程时都可能比我们最好的疾病和死亡的预测,猜测更糟糕的结果? 

为什么我称这是一个权衡?最好的猜测可能会离开我们容易坏的结果。具有仅为所谓最坏的情况在未来政策因素分析,是不是有些灵丹妙药无论是。拥抱这种方法可能会导致后续的社会损失时,不太可能的最坏情况的结果不会出现。正是这些类型的考虑,我希望被正式纳入政策的经济分析,因为它适用于这里和其他政策挑战。当他们看的替代模型预测政策顾问必然面对这种权衡。

Miserable uncertainty

我是坚信,模型可以提供稳健的政策设计框架非常有用,只要他们能以理智的,没有道理的信心,他们的预测中使用。现有的定量模型的工具,告诉专家谁愿意承认限制使用时,我们应该认真对待的故事。这种意愿应该是一种美德而不是恶习。好消息一个是些许新的信息,现在迅速和公开地流向攻击模型预测。已经有响应最新的证据在新感染病例和死亡人数模型预测了一些显着的变化。证据新兴的身体无疑将导致未来重要的建模进展。

我只希望我和其他学者,可以提供更好的定量方法来指导政策在这个充满挑战的时代。马克吐温说过:“教育是自大无知到不确定性惨的路径。”我们生活在一个自带的界限,以我们的理解“惨不确定性”到TWAIN称,不确定性。

但学者与定量的野心寻求提炼和处理的信息和见解,现在以迅猛的速度展开,我只能鼓掌明智的政策制定者,因为他们权衡替代可能的结果是实时的。这样的领袖被放置在有,在此期间该流行病展开短的时间内实现合理的政策热点席位,并在明显的不确定性面前。在同一时间,我畏缩只针对证据支持注定了政治议程看到领导人似乎谁放置本末倒置。不幸的是,这样的议程常常会在合理的决策方式。

而经济学家很难想出模型中的各个利他主义最好的办法,我只能希望,至少在这一集里,利他主义是更为普遍比它在模型中,经济学家通常使用。沿着这些线路,我不断​​地提醒我们的卫生保健系统真正的英雄,就是我们将在这个全球危机的最前线的贡献,和谁冒着自己的个人健康,以支持他们的社区。

Lars Peter Hansen is the David Rockefeller Distinguished Service Professor at the University of Chicago Departments of 经济学 and Statistics and at 芝加哥大学布斯. He received the Nobel Prize in Economic Sciences in 2013.