Izinkan saya menjelaskan mengapa saya percaya ekonomi modern adalah alat yang ampuh untuk memahami dunia. Saya akan melakukan ini dengan membahas makalah hebat oleh Simone Cerreia-Vioglio, @UncertainLars, Fabio Maccheroni, dan Massimo Marinacci, "Membuat Keputusan Di Bawah Kesalahan Spesifikasi Model," yang diterbitkan dalam Review of Economic Studies beberapa bulan yang lalu. Bayangkan saya ingin berkendara dari UC San Diego ke UCLA, tetapi saya belum pernah mengemudi rute itu sebelumnya. Saya perlu membangun "model dunia" untuk membimbing saya, yang biasanya kita sebut peta. Peta adalah representasi realitas yang disederhanakan. Mereka tidak dapat menyertakan setiap detail jika mereka ingin berguna. Borges, dalam cerita pendeknya On Exactitude in Science, membuat poin ini dengan indah. (Dalam praktiknya, saya tidak menggambar peta sendiri—saya menggunakan aplikasi—tetapi seseorang masih harus membuatnya.) Karena peta menyederhanakan, saya tidak dapat sepenuhnya mengandalkannya. Mungkin badai tadi malam merobohkan pohon dan menutup jalan, atau ada konstruksi dan jalan keluar dari jalan raya di LA ditutup. Ketidakpastian ini penting. Misalkan saya berkendara ke UCLA untuk ceramah penting pada pukul 11 pagi. Jika tanjakan ditutup, saya mungkin perlu 15 menit ekstra. Kapan saya harus menyetel alarm saya agar tiba tepat waktu, sambil tetap cukup tidur untuk memberikan ceramah yang baik? Masalahnya adalah saya tidak dapat menetapkan probabilitas yang tepat untuk semua kontinjensi ini. Seberapa besar kemungkinan pohon tumbang? Atau pekerjaan jalan baru? Bahkan aplikasi lalu lintas terbaik pun tidak dapat menangkap setiap gangguan, dan beberapa mungkin terjadi setelah saya pergi. Dalam istilah ekonomi, "model dunia" saya (peta) salah ditentukan—dan tidak peduli seberapa keras saya mencoba, saya tidak dapat sepenuhnya memperbaikinya. Tetapi duduk dan menangis tentang kesalahan spesifikasi tidak menjawab pertanyaan dasar saya: kapan saya menyetel alarm? Terlalu dini, dan saya kelelahan. Sudah terlambat, dan saya terlambat. Simone dan rekan penulisnya menawarkan cara untuk memikirkan hal ini. Mereka mulai dari gagasan bahwa kita sering memegang beberapa model terstruktur dari suatu fenomena ekonomi, yang didasarkan pada teori. Misalnya, bank sentral mungkin menggunakan model Keynesian Baru standar dan model uang pencarian. Namun, menyadari bahwa setiap model salah ditentukan oleh desain, bank menambahkan sabuk pelindung model tidak terstruktur—konstruksi statistik yang membantunya mengukur konsekuensi dari kesalahan spesifikasi. Keindahan makalah ini adalah bahwa ia memberikan dasar aksiomatik untuk sabuk pelindung ini (dan bahkan menggeneralisasikannya untuk memasukkan pendekatan Bayesian). Ini menunjukkan bahwa jika preferensi pembuat keputusan memenuhi kondisi tertentu —yang mencerminkan fitur rasional dan perilaku—maka preferensi tersebut dapat diwakili oleh fungsi utilitas tambahan yang secara resmi menjelaskan kesalahan spesifikasi. Yang terpenting, kami tidak mengasumsikan bahwa fungsi utilitas yang ditambah; kami meturunkannya. Kita mulai dengan sifat preferensi yang umum dan masuk akal dan membuktikan bahwa mereka menyiratkan representasi seperti itu. Itu kemajuan nyata. Alih-alih menulis kritik tanpa akhir tentang utilitas yang diharapkan atau ekspektasi rasional (seperti yang telah dilakukan banyak orang selama beberapa dekade, dengan sedikit untuk ditunjukkan), kita sekarang memiliki cara formal untuk bernalar tentang kesalahan spesifikasi—definisi yang tepat, batas-batas validitas yang jelas, dan kesadaran akan apa yang masih belum kita ketahui. Ambil, misalnya, seorang mahasiswa pascasarjana Penn yang brilian di pasaran, Alfonso Maselli Makalah pasar kerjanya mendorong batas ini lebih jauh. Dia mempelajari kasus-kasus di mana pembuat keputusan tidak hanya menghadapi kesalahan spesifikasi model tetapi juga tidak yakin model mana yang paling sesuai dengan data dan tidak dapat menetapkan probabilitas untuk mereka—apa yang kita sebut ambiguitas model. Dalam contoh saya, bank sentral tidak yakin apakah model Keynesian Baru atau pencarian-dan-pencocokan lebih cocok, dan khawatir bahwa keduanya mungkin salah. Jika Anda membaca Simone et al. atau makalah Alfonso, Anda akan melihat betapa sesatnya — dan, terus terang, kartun — banyak kritik ekonomi baru-baru ini tentang X. ...