Laat me uitleggen waarom ik geloof dat moderne economie zo'n krachtig hulpmiddel is om de wereld te begrijpen. Ik zal dit doen door een geweldig artikel te bespreken van Simone Cerreia-Vioglio, @UncertainLars, Fabio Maccheroni en Massimo Marinacci, "Making Decisions Under Model Misspecification," gepubliceerd in de Review of Economic Studies een paar maanden geleden. Stel je voor dat ik van UC San Diego naar UCLA wil rijden, maar ik heb die route nog nooit gereden. Ik moet een "model van de wereld" opbouwen om me te begeleiden, wat we meestal een kaart noemen. Kaarten zijn vereenvoudigde weergaven van de werkelijkheid. Ze kunnen niet elk detail bevatten als ze nuttig moeten zijn. Borges maakt dit punt prachtig in zijn kort verhaal On Exactitude in Science. (In de praktijk teken ik de kaart niet zelf - ik gebruik een app - maar iemand moest het nog steeds maken.) Omdat kaarten vereenvoudigen, kan ik er niet volledig op vertrouwen. Misschien heeft de storm van gisteravond een boom omgeblazen en een straat afgesloten, of er is een bouwproject en de afrit van de snelweg in LA is afgesloten. Deze onzekerheid is belangrijk. Stel dat ik naar UCLA rijd voor een belangrijke lezing om 11 uur. Als de afrit gesloten is, heb ik misschien 15 extra minuten nodig. Wanneer moet ik mijn alarm zetten om op tijd aan te komen, terwijl ik toch genoeg slaap krijg om een goede lezing te geven? Het probleem is dat ik geen precieze waarschijnlijkheden aan al deze onvoorziene omstandigheden kan toekennen. Hoe waarschijnlijk is de omgevallen boom? Of nieuwe wegwerkzaamheden? Zelfs de beste verkeersapps kunnen niet elke verstoring vastleggen, en sommige kunnen plaatsvinden nadat ik al ben vertrokken. In economische termen is mijn "model van de wereld" (de kaart) verkeerd gespecificeerd - en hoe hard ik ook probeer, ik kan dat niet volledig oplossen. Maar zitten en huilen over verkeerde specificatie beantwoordt mijn basisvraag niet: wanneer zet ik het alarm? Te vroeg, en ik ben uitgeput. Te laat, en ik ben te laat. Simone en zijn co-auteurs bieden een manier om hierover na te denken. Ze beginnen vanuit het idee dat we vaak verschillende gestructureerde modellen van een economisch fenomeen hebben, gebaseerd op theorie. Bijvoorbeeld, een centrale bank kan een standaard New Keynesiaans model en een zoek- en matchingmodel van geld gebruiken. Toch, zich bewust van het feit dat elk model opzettelijk verkeerd gespecificeerd is, voegt de bank een beschermende gordel van ongestructureerde modellen toe - statistische constructies die helpen om de gevolgen van verkeerde specificatie in te schatten. De schoonheid van het artikel is dat het een axiomaat fundament biedt voor deze beschermende gordel (en het zelfs generaliseert om een Bayesiaanse benadering op te nemen). Het toont aan dat als de voorkeuren van een besluitvormer aan bepaalde voorwaarden voldoen - die zowel rationele als gedragsmatige kenmerken weerspiegelen - die voorkeuren kunnen worden weergegeven door een uitgebreide nutsfunctie die formeel rekening houdt met verkeerde specificatie. Cruciaal is dat we die uitgebreide nutsfunctie niet aannemen; we leiden het af. We beginnen met algemene, plausibele eigenschappen van voorkeuren en bewijzen dat ze zo'n representatie impliceren. Dat is echte vooruitgang. In plaats van eindeloze kritiek op verwachte nut of rationele verwachtingen te schrijven (zoals velen decennia hebben gedaan, met weinig resultaat), hebben we nu een formele manier om over verkeerde specificatie na te denken - precieze definities, duidelijke grenzen van geldigheid en bewustzijn van wat we nog niet weten. Neem bijvoorbeeld een briljante afgestudeerde student van Penn op de arbeidsmarkt, Alfonso Maselli. Zijn paper voor de arbeidsmarkt duwt deze grens verder. Hij bestudeert gevallen waarin een besluitvormer niet alleen geconfronteerd wordt met verkeerde specificatie van het model, maar ook onzeker is welk model het beste bij de gegevens past en geen waarschijnlijkheden aan hen kan toekennen - wat we modelambiguïteit noemen. In mijn voorbeeld is de centrale bank onzeker of het New Keynesiaanse model of het zoek- en matchingmodel beter past, en maakt zich zorgen dat beide misschien onjuist zijn. Als je Simone et al. of Alfonso's paper leest, zul je zien hoe misleidend - en, eerlijk gezegd, cartoonachtig - veel van de recente kritiek op de economie op X is geweest. Ten eerste: het idee dat economen geen wiskunde begrijpen of "fysica jaloezie" hebben. De wiskunde in deze artikelen is subtiel en geavanceerd - volkomen anders dan wat natuurkundigen doen (niet beter of slechter, gewoon anders). Een ingenieur die overstapt naar de economie zou deze hulpmiddelen onbekend vinden. Ten tweede: claims van ideologische vooringenomenheid zijn ongegrond. Ik heb geen idee van de politieke opvattingen van de auteurs, en ik zou verrast zijn als iemand die uit de analyse zou kunnen afleiden - afgezien van vage gissingen over typische academici. Ten derde: Dit heeft bijna niets te maken met wat men leert als undergraduate, of zelfs in het eerste jaar van de graduate school. Als je kennis van economie stopt bij een inleidingstekstboek, is het het beste om niet te pontificeren over de grenzen van het veld. Ten vierde: Is dit wetenschap? Debatteren over de grenzen van dat woord is zinloos; elke definitie van "wetenschap" valt ergens uit elkaar. De Duitsers hebben dit lang geleden opgelost met het idee van Wissenschaft - de systematische zoektocht naar kennis, of het nu van de natuur, de samenleving of de geesteswetenschappen is. Volgens die maatstaf is moderne mainstream economie duidelijk een Wissenschaft: een gedisciplineerde, cumulatieve en zeer nuttige inspanning om te begrijpen hoe de wereld werkt. Simone en zijn co-auteurs hebben dat zonder enige redelijke twijfel aangetoond.

Let op iedereen - luister hiernaar, koop dan het boek.