За прогнозом: как построить модель для эпохи автоматизации?
От допущений сценария через государственный учёт к проверкам чувствительности — и что пока нельзя заключить.
Хорошая модель разделяет бухгалтерские тождества, поведенческие допущения и эмпирические данные; численный результат не является доказательством причинности.
Начинать с вопроса, а не с числа
Вопрос в том, как автоматизированная производительность, потеря рабочих мест и распределение собственности влияют на реальное благосостояние и на финансовые возможности государства. Уровень безработицы 20% — отправная точка для анализа.
Первый уровень: учёт
Необходимо убедиться, что доходы и расходы домохозяйств, компаний и государства согласуются друг с другом. Если выплачивается государственное пособие, нужно также определить источник его финансирования и его влияние на долг или на плательщика.
Второй уровень: экономические реакции
Цены, заработная плата, инвестиции, налогообложение и потребление влияют друг на друга. Часть реакций задаётся как допущения симуляции; другие требуют калибровки по исследованиям и данным.
Третий уровень: проверки чувствительности
Меняются допущения о владении капиталом, снижении цен, долге и финансировании пособий, и проверяется, сохраняется ли вывод. Высокая чувствительность означает, что результат зависит от допущения.
Чего ещё не хватает?
Прежде чем использовать результаты как прогноз для политики, необходимы идентифицированные причинные данные, подходящая межстрановая выборка, механизмы перехода на рынке труда и внешние проверки. Документирование шагов на сайте позволяет читателю самому оценить ограничения.
Источники и прозрачность
Публикация доступно излагает уже выполненное исследование. Её бухгалтерский пример и сценарии не являются официальными прогнозами или инвестиционными рекомендациями.
Что вы об этом думаете?
Какое допущение модели вы проверили бы первым на реальных данных?