Lasciami spiegare perché credo che l'economia moderna sia uno strumento così potente per comprendere il mondo. Lo farò discutendo un ottimo articolo di Simone Cerreia-Vioglio, @UncertainLars, Fabio Maccheroni e Massimo Marinacci, "Making Decisions Under Model Misspecification", pubblicato nella Review of Economic Studies qualche mese fa. Immagina di voler guidare da UC San Diego a UCLA, ma non hai mai percorso quella strada prima. Ho bisogno di costruire un "modello del mondo" per guidarmi, che di solito chiamiamo mappa. Le mappe sono rappresentazioni semplificate della realtà. Non possono includere ogni dettaglio se devono essere utili. Borges, nel suo racconto On Exactitude in Science, esprime questo concetto in modo bellissimo. (In pratica, non disegno io la mappa—uso un'app—ma qualcuno deve pur sempre crearla.) Poiché le mappe semplificano, non posso fare affidamento su di esse. Forse la tempesta di ieri sera ha abbattuto un albero e ha chiuso una strada, oppure ci sono lavori in corso e la rampa di uscita dall'autostrada a LA è chiusa. Questa incertezza è importante. Supponiamo che stia guidando verso UCLA per un'importante conferenza alle 11 del mattino. Se la rampa è chiusa, potrei aver bisogno di 15 minuti extra. Quando dovrei impostare la mia sveglia per arrivare in tempo, pur avendo abbastanza sonno per fare una buona conferenza? Il problema è che non posso assegnare probabilità precise a tutte queste contingenze. Quanto è probabile che ci sia l'albero caduto? O nuovi lavori stradali? Anche le migliori app di traffico non possono catturare ogni interruzione, e alcune potrebbero verificarsi dopo che sono già partito. In termini economici, il mio "modello del mondo" (la mappa) è mal specificato—e non importa quanto ci provi, non posso completamente risolvere questo problema. Ma sedersi e piangere per la mal specificazione non risponde alla mia domanda di base: quando devo impostare la sveglia? Troppo presto, e sono esausto. Troppo tardi, e arrivo in ritardo. Simone e i suoi coautori offrono un modo per pensare a questo. Partono dall'idea che spesso abbiamo diversi modelli strutturati di un fenomeno economico, basati su teorie. Ad esempio, una banca centrale potrebbe utilizzare un modello neokeynesiano standard e un modello di ricerca e abbinamento del denaro. Tuttavia, consapevole che ogni modello è mal specificato per design, la banca aggiunge una cintura protettiva di modelli non strutturati—costruzioni statistiche che la aiutano a valutare le conseguenze della mal specificazione. La bellezza dell'articolo è che fornisce una base assiomatica per questa cintura protettiva (e la generalizza anche per includere un approccio bayesiano). Mostra che se le preferenze di un decisore soddisfano determinate condizioni—che riflettono sia caratteristiche razionali che comportamentali—allora quelle preferenze possono essere rappresentate da una funzione di utilità aumentata che tiene formalmente conto della mal specificazione. Fondamentalmente, non assumiamo quella funzione di utilità aumentata; la deriviamo. Partiamo da proprietà generali e plausibili delle preferenze e dimostriamo che implicano tale rappresentazione. Questo è un vero progresso. Invece di scrivere critiche infinite all'utilità attesa o alle aspettative razionali (come molti hanno fatto per decenni, con poco da mostrare), ora abbiamo un modo formale per ragionare sulla mal specificazione—definizioni precise, chiari confini di validità e consapevolezza di ciò che ancora non sappiamo. Prendi, ad esempio, un brillante studente laureato della Penn in cerca di lavoro, Alfonso Maselli. Il suo articolo di mercato del lavoro spinge ulteriormente questa frontiera. Studia casi in cui un decisore non solo affronta la mal specificazione del modello, ma non è nemmeno sicuro di quale modello si adatti meglio ai dati e non può assegnare probabilità a essi—quello che chiamiamo ambiguità del modello. Nel mio esempio, la banca centrale non è sicura se il modello neokeynesiano o il modello di ricerca e abbinamento si adatti meglio, e teme che entrambi possano essere errati. Se leggi l'articolo di Simone et al. o quello di Alfonso, vedrai quanto siano fuorvianti—e, francamente, caricaturali—molte delle recenti critiche all'economia su X. Primo: l'idea che gli economisti non comprendano la matematica o abbiano "invidia della fisica". La matematica in questi articoli è sottile e avanzata—completamente diversa da ciò che fanno i fisici (né migliore né peggiore, solo distinta). Un ingegnere che si trasferisce nell'economia troverebbe questi strumenti poco familiari. Secondo: le affermazioni di pregiudizio ideologico sono infondate. Non ho idea delle opinioni politiche degli autori, e sarei sorpreso se qualcuno potesse inferirle dall'analisi—oltre a vaghe congetture su accademici tipici. Terzo: Questo ha quasi nulla a che fare con ciò che si impara come studente universitario, o anche nel primo anno di scuola di specializzazione. Se la tua conoscenza dell'economia si ferma a un libro di testo introduttivo, è meglio non pontificare sulle frontiere del campo. Quarto: È scienza? Dibattere i confini di quella parola è inutile; ogni definizione di "scienza" si rompe da qualche parte. I tedeschi hanno risolto questo molto tempo fa con l'idea di Wissenschaft—la ricerca sistematica della conoscenza, sia della natura, della società o delle scienze umane. Con questa misura, l'economia moderna mainstream è chiaramente una Wissenschaft: uno sforzo disciplinato, cumulativo e altamente utile per comprendere come funziona il mondo. Simone e i suoi coautori lo hanno dimostrato oltre ogni ragionevole dubbio.

Attenzione a tutti - ascoltate questo, poi comprate il libro.