O pojednostavljivanju i upotrebi modela
|
Uvijek me nanovo iznenadi koliko su ljudi skloni pojednostavljivanju (a i ja sam čovjek). Sve se nekako nastoji pojednostaviti. Posebno stvari koje je teško razumjeti pa ih radije pojednostavimo nego trošimo vrijeme, sivu masu i ostale resurse na shvaćanje cjeline. Doživljavam to kao pokušaje da se na stohastički sustav gleda kao na deterministički. Jer u determinističkom sustavu je sve jasno. Postoji jedinstveno rješenje. Nula/jedan. Ima struje/nema struje. Dva plus dva daju četiri. U determinističkom svijetu je to doista tako. Samim time je on jednostavniji i svima tako drag za proučavanje (pa čak i onima koji nikada nisu čuli za determinističke i stohastičke sustave). U stohastičkim sustavima to nije tako jednostavno. Ima puno varijabli koje se ne moraju ponašati uvijek na isti način i ne može se ih obuhvatiti tako da se može sa sigurnošću unaprijed odrediti ishod. (Zamislite kako bi zanimljivo bilo kad matematika ne bi bila deterministička. Utipkate 2+2 u kalkulator i radoznalo iščekujete koji će rezultat doći. :-))) ) Kao što znate/pretpostavljate, svi društveni sustavi su stohastički (ne samo oni, ali i oni). Podložni su raznim varijacijama, tumačenjima i različitim ishodima. Dobro upućeni analitičar moći će s razmjerno velikom dozom vjerojatnosti predvidjeti ishod određenog događaja u stohastičnom svijetu. No ne i sa sigurnošću. Dapače. Svi znamo fraze: «sad znam da ništa ne znam», «sa znanjem raste i sumnja» ili «tko nije paranoičan, nije dovoljno informiran» (©ovajonaj). Sve se svodi na to da što se više upoznajemo s određenom tematikom, više smo svjesni njene stohastičnosti. No, dok smo neupućeni (jer ne želimo ili ne možemo biti upućeni) želimo da nam stvari budu jasne i jednostavne. Nula/jedan. Ima struje/nema struje. Želimo to i kad smo upućeni, ali smo tada svjesni da to nije moguće. Pogledajmo recimo znanost. Znanost jako voli upotrebu modela. Imate nekakvu složenu pojavu koju je teško razumjeti/objasniti. Kako se postaviti spram nje? Za početak, treba ustanoviti koje su glavne varijable te pojave i izdvojiti ih. Broj tih varijabli treba smanjiti na najmanju moguću mjeru: na jednu, dvije, maksimalno tri. Sve ostale varijable (varijable manjeg značaja) treba zamrznuti (ili zanemariti). Tada se pojavu proučava samo s obzirom na ove presudne varijable koje su izdvojene. I na osnovu tog proučavanja mogu se donijeti zaključci o ponašanju pojave. To nije niš' drugo nego pokušaj što veće determinacije stohastičkog sustava. No, postavlja se pitanje: što je s zanemarenim varijablama. To da su manje bitne ne znači da su nebitne. Ponekad, i to ne tako rijetko, i naizgled najmanje važna varijabla može biti presudna. Da bi se ograničilo takve situacije za zanemarene varijable se naglasni da su ceteris paribus. Tj, uz ostale stvari nepromijenjene. Uspješnost modela stoga proizlazi iz uspješnosti istraživača da pravilno izdvoji glavne varijable i da pravilno zanemari one nebitne. To je i najteži dio posla u modeliranju. Pogledajte primjerice glavne ekonomske teorije. Sve one iza sebe imaju vrlo uvjerljive modele i grafikone. No da li se oko ičega mogu složiti? Ni govora. A znate li ijedan ekonomski model koji je u svim slučajevima uspješan? Ne, ne... Ne ide to tako. Što želim reći? Želim reći da ukoliko ni vrhunski znanstvenici ne uspijevaju izbjeći zamku pogrešnog postavljanja modela, velike su šanse da to neće uspjeti ni većini ostalih ljudi. A pojednostavljivanje putem upotrebe modela se ne koristi samo u znanosti. Dapače, koristimo ih svi (ili bar većina nas – da me ne hvatate za riječ) i to često. Posebno je to izraženo kad pokušavamo pojednostaviti pojave kod drugih ljudi. Poznato vam je već sigurno da svi znaju/znamo kako bi drugi ljudi trebali riješiti svoje probleme. «Da sam ja na njegovom mjestu, ja bih...» «Ako je to tako-i-tako, onda je stvar...» Tako svi znaju kako bi trebalo riješiti pitanje državnog duga. Svi znaju kako riješiti tuđe ljubavne probleme. Svi znaju sve. Naravno, kad sami imamo nekakav problem/situaciju, znamo da nije jednostavno kao što ostali misle. Često rješenje nije ono koje se naizgled nameće. Ili, znamo rješenje ali nije tako lako provedivo. Ili nije uopće provedivo. Ako je to tako, zašto tako lako zaključujemo kad su u pitanju stvari koje nas se direktno ne tiču, ili o kojima ne znamo previše? Zato što ljudi jako vole modele. Vole imati jednostavno rješenje. I draže nam je imati nekakvo jednostavno rješenje i ne brinuti oko toga da li je djelomično (ili čak u potpunosti) neosnovano, nego se potruditi saznati sve činjenice pa onda pokušati zaključiti. To je zato što neke činjenice ne možemo ili ne trebamo saznati (jer nas se jednostavno ne tiču). I zato što volimo izdefinirane stvari. A loša definicija nam je prečesto draža nego da nemamo definiciju. Moramo se paziti opasnosti pojednostavljivanja. Jer:  (inspiracija za natpis) ENDNOTES William Stanley Jevons (1835.-1882.), slavni ekonomist i jedan od pokretača marginalističke doktrine, svojedobno je uspio u nečemu jako zanimljivome. Upotrebom regresijske analize, uspio je dokazati da postoji korelativna veza između aktivnosti sunca (proučavao je sunčeve pjege) i razine GDP-a. Znate li što je time pokazano? Pokazano je da može biti dokazana korelacija između dvije pojave koje nemaju nikakve povezanosti. Do toga može doći zato što metoda korelacije ne ispituje logičku (funkcionalnu) povezanost nego samo sličnost u ponašanju (korelaciju). Dokaze postojanja logičke (funkcionalne) povezanost treba dati znanost (teorija) i zdrava logika. Ne znači li to da ukoliko nešto uspijete teoretski «dokazati», upotrebom modela mogli biste naći načina da to i potvrdite. Ne nastaju li i primjerice predrasude upravo tako? Modeli su strašno dobra stvar. Mnoge stvari nikada ne bi bile spoznate bez njihove uporabe. Ali, oprezno s njima, bilo u znanosti, ili u svakodnevnom životu. Rock Roll |
