As desculpas econômicas convencionais para modelos ruins são como: "A física faz suposições. Portanto, qualquer suposição vai. "A verdade é inalcançável. Portanto, qualquer mentira vai. "A ciência não é perfeita. Portanto, a qualidade não importa.

Deixe-me explicar por que acredito que a economia moderna é uma ferramenta tão poderosa para entender o mundo. Farei isso discutindo um ótimo artigo de Simone Cerreia-Vioglio, @UncertainLars, Fabio Maccheroni e Massimo Marinacci, "Tomando decisões sob especificação incorreta do modelo", publicado na Review of Economic Studies há alguns meses. Imagine que eu queira dirigir da UC San Diego para a UCLA, mas nunca dirigi por essa rota antes. Preciso construir um "modelo do mundo" para me guiar, que costumamos chamar de mapa. Os mapas são representações simplificadas da realidade. Eles não podem incluir todos os detalhes para serem úteis. Borges, em seu conto On Exactitude in Science, faz esse ponto lindamente. (Na prática, eu não desenho o mapa sozinho - eu uso um aplicativo - mas alguém ainda tinha que fazê-lo.) Como os mapas simplificam, não posso confiar totalmente neles. Talvez a tempestade da noite passada tenha derrubado uma árvore e fechado uma rua, ou haja construção e a rampa da rodovia em Los Angeles esteja fechada. Essa incerteza é importante. Suponha que eu esteja dirigindo para a UCLA para uma palestra importante às 11h. Se a rampa estiver fechada, posso precisar de 15 minutos extras. Quando devo definir meu alarme para chegar a tempo, enquanto ainda durmo o suficiente para dar uma boa palestra? O problema é que não posso atribuir probabilidades precisas a todas essas contingências. Qual é a probabilidade da árvore caída? Ou novas obras rodoviárias? Mesmo os melhores aplicativos de trânsito não conseguem capturar todas as interrupções, e algumas podem acontecer depois que eu já saí. Em termos econômicos, meu "modelo do mundo" (o mapa) é mal especificado - e não importa o quanto eu tente, não consigo consertar isso totalmente. Mas sentar e chorar por causa de especificações incorretas não responde à minha pergunta básica: quando devo definir o alarme? Muito cedo e estou exausto. Tarde demais, e eu estou atrasado. Simone e seus co-autores oferecem uma maneira de pensar sobre isso. Eles partem da ideia de que muitas vezes temos vários modelos estruturados de um fenômeno econômico, fundamentados na teoria. Por exemplo, um banco central pode usar um modelo neokeynesiano padrão e um modelo de pesquisa e correspondência de dinheiro. No entanto, ciente de que cada modelo é mal especificado por design, o banco adiciona um cinturão protetor de modelos não estruturados - construções estatísticas que o ajudam a avaliar as consequências da especificação incorreta. A beleza do artigo é que ele fornece uma base axiomática para esse cinturão protetor (e até o generaliza para incluir uma abordagem bayesiana). Ele mostra que, se as preferências de um tomador de decisão atendem a certas condições - refletindo características racionais e comportamentais - essas preferências podem ser representadas por uma função de utilidade aumentada que formalmente explica a especificação incorreta. Crucialmente, não assumimos essa função de utilidade aumentada; nós derivamos. Começamos com propriedades gerais e plausíveis de preferências e provamos que elas implicam tal representação. Isso é um progresso real. Em vez de escrever críticas intermináveis à utilidade esperada ou às expectativas racionais (como muitos fizeram por décadas, com pouco a mostrar), agora temos uma maneira formal de raciocinar sobre a especificação incorreta - definições precisas, limites claros de validade e consciência do que ainda não sabemos. Tomemos, por exemplo, um brilhante estudante de pós-graduação da Penn no mercado, Alfonso Maselli Seu artigo sobre o mercado de trabalho empurra essa fronteira ainda mais. Ele estuda casos em que um tomador de decisão não apenas enfrenta a especificação incorreta do modelo, mas também não tem certeza de qual modelo se ajusta melhor aos dados e não pode atribuir probabilidades a eles - o que chamamos de ambiguidade do modelo. No meu exemplo, o banco central não tem certeza se o modelo neokeynesiano ou o modelo de busca e correspondência se encaixa melhor, e teme que ambos possam estar incorretos. Se você ler Simone et al. ou o artigo de Alfonso, verá como muitas das críticas recentes à economia sobre X têm sido equivocadas – e, francamente, caricaturais – muitas das críticas recentes à economia sobre X. Primeiro: a ideia de que os economistas não entendem de matemática ou têm "inveja da física". A matemática nesses artigos é sutil e avançada - totalmente diferente do que os físicos fazem (nem melhor nem pior, apenas distinto). Um engenheiro em transição para a economia acharia essas ferramentas desconhecidas. Segundo: as alegações de viés ideológico são infundadas. Não tenho ideia sobre as visões políticas dos autores e ficaria surpreso se alguém pudesse inferi-las a partir da análise - além de vagas suposições sobre acadêmicos típicos. Terceiro: Isso não tem quase nada a ver com o que se aprende na graduação, ou mesmo no primeiro ano da pós-graduação. Se o seu conhecimento de economia pára em um livro de introdução, é melhor não pontificar nas fronteiras do campo. Quarto: Isso é ciência? Debater os limites dessa palavra é inútil; Toda definição de "ciência" se decompõe em algum lugar. Os alemães resolveram isso há muito tempo com a ideia de Wissenschaft - a busca sistemática do conhecimento, seja da natureza, da sociedade ou das humanidades. Por essa medida, a economia convencional moderna é claramente uma Wissenschaft: um esforço disciplinado, cumulativo e altamente útil para entender como o mundo funciona. Simone e seus co-autores demonstraram isso além de qualquer dúvida razoável.