数学模型可能会让政策制定者非常头疼
2022年10月19日
一项新的NBA投注[手机]俱乐部研究表明，预测政策驱动情景（例如新的流行病可能如何传播）的数学模型可能过于复杂，并且给出了“错误”的答案。
专家们正在使用越来越详细的模型来更好地预测现象或在一系列关键领域获得更准确的见解，例如环境/气候科学、水文学和流行病学。
但是，追求复杂的模型作为产生更准确的预测和预测的工具可能无法实现，因为更复杂的模型往往会产生更不确定的估计。
雷丁大学、伯明翰大学、普林斯顿大学、巴塞罗那大学和卑尔根大学的NBA投注[手机]俱乐部研究人员今天在《科学进展》上发表了他们的NBA投注[手机]俱乐部研究结果。他们揭示，在没有检查额外细节如何增加不确定性的情况下扩展模型，限制了模型作为在现实世界中为政策决策提供信息的工具的实用性。
雷丁大学能源需求灵活性博士后NBA投注[手机]俱乐部研究员Samuele Lo Piano说：“由于可用的计算能力更高，过去几十年的NBA投注[手机]俱乐部研究有一种趋势，即模型复杂性不断升级。
“这意味着学者们能够在输出中寻求更高的准确性，从而更好地表示所建模的系统，但他们的模型可能会失败，因为添加更多的信息实际上会增加输出的不确定性。”
“更大的模型复杂性最终很可能导致预测具有更高的不确定性，而不是更高的准确性。”
“这一趋势的相关例子是全球水文模型，它最初是简单的模型，现在旨在代表全球水循环，或者是欧洲项目目的地地球，或者是nba投注年伦敦帝国理工学院制定的Covid-19传播模型。”
这种产生更不准确结果的趋势影响到任何没有经过训练或验证数据的模型，这些数据用于检查其输出的准确性——影响到所有全球模型，例如关注气候变化、水文、粮食生产和流行病学的模型，以及预测未来的模型，无论其科学领域如何。
NBA投注[手机]俱乐部研究人员建议，应该重新评估将生成越来越详细的数学模型作为获得更精确估计的手段的动力。
伯明翰大学社会与环境不确定性副教授Arnald Puy说：“我们建议建模者在使模型变得更复杂之前，应该计算模型的有效维度（有影响的参数的数量及其最高阶相互作用）。”这允许检查模型复杂性的增加如何影响输出中的不确定性。这些信息对于旨在在政策制定中发挥作用的模型特别有价值。
建模者和政策制定者都能从理解模型升级时产生的不确定性中受益。
建模者倾向于不把他们的模型提交给不确定性和敏感性分析，而是不断添加细节。没有多少学者有兴趣在他们的模型上进行这样的分析，如果它有可能表明皇帝赤身裸体，而所谓的准确估计只是海市蜃楼。”
过度的复杂性阻碍了学者和公众思考模型假设的适当性，而这些假设往往是非常值得怀疑的。例如，Puy和他的团队指出，全球水文模型假设灌溉优化了作物生产和水的利用——这一前提与传统灌溉的做法不一致。