Simulaatiot yhteiskuntatieteissä. Miksi simulaatiot ovat tulleet filosofien kiinnostuksen kohteeksi 2000-luvulla? Luonnontieteissä on jo tapahtunut merkittävä.

Esitys aiheesta: "Simulaatiot yhteiskuntatieteissä. Miksi simulaatiot ovat tulleet filosofien kiinnostuksen kohteeksi 2000-luvulla? Luonnontieteissä on jo tapahtunut merkittävä."— Esityksen transkriptio:

1 Simulaatiot yhteiskuntatieteissä

2 Miksi simulaatiot ovat tulleet filosofien kiinnostuksen kohteeksi 2000-luvulla? Luonnontieteissä on jo tapahtunut merkittävä muutos kohti komputationaalista tieteentekoa: simulaatioista on tullut keskeinen väline fysiikassa, kemiassa, kielitieteessä, genetiikassa ym. Myös yhteiskuntatieteissä kiinnostus on herännyt. Simulaatiot ovat tulossa julkisenkin päätöksenteon välineeksi, joten niiden rajoitukset ja mahdollisuudet on ymmärrettävä. Joitakin simulaatioon liittyviä erityisongelmia ei ole käsitelty filosofiassa ollenkaan. Esim. simulaatioiden episteemiset ongelmat, niiden luonne deduktiivisina kokeina ym.

3 Stephan Hartmann 1996: Simulaatio määritellään käytäntönä, jossa prosessilla matkitaan toista prosessia. Lehtinen & Kuorikoski 2007 (PS): Taloustieteelliset simulaatiot matkivat relevanttia todellista tai mahdollista systeemiä luomalla yhteisön keinotekoisia agentteja ja niitä rajoittavan institutionaalisen rakenteen siten, että tietokonemallin keskeiset episteemiset ominaisuudet riippuvat tästä matkimisrelaatiosta. Simulaatiot: määritelmiä

4 Yhteiskuntatieteellisiä simulaatiotyyppejä Mikrosimulaatiot: kerätään aineistoa yksilöitä koskevista muuttujista ja rakennetaan malli, jossa yksilöitä koskeva informaatio on sisällytetty niiden kuvaukseen (esim. ikä, ammatti, tulot ym.). Yksilöiden käyttäytymistä kuvataan sitten transitiotodennäköisyyksillä. - Esim. malli, jossa tutkitaan alkoholiveron vaikutusta kulutukseen. Monte Carlo simulaatiot: luodaan satunnaisesti aineisto, yleensä joukko agentteja, ja laitetaan ne toimimaan jossakin institutionaalisessa ympäristössä. - Esim. äänestyssimulaatiot Impartial Culture-oletuksella

5 Yhteiskuntatieteellisiä simulaatiotyyppejä Diskretisaatiot: dynaamisesta systeemistä on esitettävissä jatkuva- aikainen differentiaaliyhtälöihin perustuva yhtälöryhmä, mutta sitä ei voida ’ratkaista’ analyyttisillä menetelmillä  malli käännetään diskreetiksi tietokonemalliksi. - Esim. makrotaloustieteen mikroperusteiset mallit: malleilla lasketaan aikasarjoja työttömyydelle, inflaatiolle, ym. Soluautomaatit: Luodaan yhteisö agentteja, joiden kuvaamiseen käytetään suhteellisen yksinkertaisia käyttäytymissääntöjä. - Esim. Schellingin rotuerottelumalli, jossa yksilöt voivat siirtyä viereiseen soluun kaksiulotteisessa soluista (ruuduista) koostuvassa maailmassa. http://luis.izqui.org/models/schelling/

6 Kalibrointi Menetelmä, jonka tarkoitus on yrittää löytää parhaiten todellisuutta kuvaava joukko parametriarvoja. Vrt. ruokavaa’an kalibrointi Kalibrointi vs. ekonometria Relevanttia lähinnä diskretisaatioille ja mikrosimulaatioille.

7 Taloustieteilijät välttelevät simulaatiota Erityisesti soluautomaatit tyydyttävät metodologisen individualismin vaatimukset, mutta taloustieteilijät eivät silti halua käyttää niitä. Miksi? Eräs vastaus: simulaatio ei vastaa taloustieteilijöiden käsitystä ymmärtämisestä: analyyttinen tuloksen johtaminen premisseistä. ‘Täydellinen taloustieteellinen malli’ esittää kaikki keskeiset lainalaisuudet, eikä mitään muuta. Se on siis idealisoitu.

8 Simulaatio vs. komputaatio Komputaatio: mikä tahansa tietokoneen käyttö: - esim. Diskretisointi, tietokone laskee mallin tulokset, mutta sillä ei ole omaa episteemistä roolia, koska tietokonemallin pätevyys johdetaan analyyttisen mallin pätevyydestä. Diskretisointien hyvyyttä arvioidaan yleensä ns. sisäisen validiuden termein: onko diskretisointi luotettavasti uusintanut analyyttisen mallin? ulkoinen validius: ovatko mallin tulokset sovellettavissa toisenlaisissa olosuhteissa? (tosimaailmassa)

9 Täydellinen malli Hausman: Taloustiede pystyy esittämään taloudellisia riippuvuussuhteita vain epätarkasti (inexact) koska niihin sisältyviä idealisaatioita ja abstraktioita ei voi kokonaan eliminoida. Taloustieteilijän ideaalimalli siis ‘vangitsee’ tärkeimmät riippuvuussuhteet yksinkertaiseen malliin.

10 Eksaktit numerot vai eksaktit kaavat? Kenneth Judd: Metodologinen valinta analyyttisten ja simulaatiomallien välillä koskee sitä, ovatko realistiset oletukset vai numeeriset virheet tärkeämpiä. Vrt. on parempi olla eksaktisti väärässä kuin epäselvästi oikeassa (’being exactly wrong rather than vaguely right’) Formaalien ja ei-formaalien mallien välinen ero

11 Kahdenlaista tarkkuutta Formaali tarkkuus (precision) Numeerinen tarkkuus Hausmanin epätarkkuus (inexactness) johtaa formaaliin tarkkuuteen, numeerisella tarkkuudella ei ole väliä.

12 Simulaatioiden epistemologia: musta laatikko argumentti Tiedämmekö me todella mitä simulaatiomallissa tapahtuu? 1) Emme välttämättä tiedä mitkä tekijät vaikuttivat tuloksiin (toisin kuin analyyttisissä malleissa). 2) Tietokoneen sisäiset prosessit eivät ole läpinäkyviä. 3) Tapa, jolla saamme tietoa tietokonesimulaatioiden muuttujista on lähtökohtaisesti väärä.

13 Musta laatikko Analyyttisten mallien komponenttien funktionaaliset riippuvuussuhteet voidaan lukea suoraan yhtälöistä. Voimme nähdä vuorovaikutuksen tulokset simulaatioissa, mutta emme välttämättä näe niitä ohjelmointikoodista.  Jos simulaatiotulos on emergentti, mistä me tiedämme että malli kuvaa todellisuutta oikein?

14 Musta laatikko Taloustieteilijät panevat erityistä painoa itse tuloksen johtamiselle; voit ymmärtää tuloksen kunnolla vain jos osaat johtaa sen itse. Alimääräytyneisyysongelmaa pidetään yleensä erityisen pahana ongelmana simulaatioille: on helppo johtaa mitä tahansa tuloksia, ellei valituille parametreille ja niiden riippuvuuksille anneta tiukkoja rajoja.

15 Equifinality Toisaalta, robustiusanalyysi on erityisen helppoa tietokoneella: ajetaan malli muuttamalla yhtä parametriarvoa kerrallaan ja katsotaan mitä tapahtuu. ‘Equifinality’: erityinen alimääräytyneisyysongelman muoto: koska sama tulos voidaan johtaa useilla erilaisilla parametriarvojen kombinaatioilla, emme voi päätellä, että tuloksemme on mielekäs pelkästään sillä perusteella, että simulaatiomme on tuottanut sen.

16 Johtopäätöksiä simulaatioista? Simulaatioihin liittyy erityisiä episteemisiä ongelmia, mutta ne eivät välttämättä oikeuta sitä, ettei niitä ollenkaan käytetä.