让我来解释一下为什么我认为现代经济学是理解世界的强大工具。我将通过讨论一篇由Simone Cerreia-Vioglio、@UncertainLars、Fabio Maccheroni和Massimo Marinacci撰写的优秀论文《在模型错误指定下做决策》，该论文几个月前发表在《经济研究评论》上。 想象一下，我想从加州大学圣地亚哥分校开车到加州大学洛杉矶分校，但我从未走过这条路线。我需要建立一个“世界模型”来指导我，这通常被称为地图。地图是现实的简化表示。如果要有用，它们不能包含每一个细节。博尔赫斯在他的短篇小说《科学的准确性》中美妙地阐述了这一点。（实际上，我并不是自己画地图——我使用一个应用程序——但仍然需要有人制作它。） 因为地图是简化的，所以我不能完全依赖它们。也许昨晚的风暴倒下了一棵树，封闭了一条街道，或者正在施工，洛杉矶的高速公路出口关闭了。 这种不确定性很重要。假设我早上11点要去加州大学洛杉矶分校参加一个重要的演讲。如果出口关闭，我可能需要多15分钟。我应该几点钟设定闹钟才能准时到达，同时又能保证有足够的睡眠来进行一次好的演讲？ 问题在于，我无法为所有这些意外情况分配精确的概率。倒下的树有多可能？或者新的道路施工？即使是最好的交通应用程序也无法捕捉到每一个干扰，有些可能在我已经出发后发生。 从经济学的角度来看，我的“世界模型”（地图）是错误指定的——无论我多么努力，我都无法完全修复它。 但是，坐下来哭泣关于错误指定并不能回答我基本的问题：我应该什么时候设定闹钟？太早了，我会感到疲惫。太晚了，我会迟到。 Simone和他的合著者提供了一种思考这个问题的方法。他们从一个想法出发，即我们通常对经济现象持有几个结构化模型，这些模型是基于理论的。例如，中央银行可能使用标准的新凯恩斯模型和货币的搜索与匹配模型。 然而，意识到每个模型都是故意错误指定的，银行增加了一条保护带，即非结构化模型——统计构造，帮助其评估错误指定的后果。 这篇论文的美妙之处在于它为这条保护带提供了公理基础（甚至将其推广到包括贝叶斯方法）。它表明，如果决策者的偏好满足某些条件——反映理性和行为特征——那么这些偏好可以通过一个扩展的效用函数来表示，该函数正式考虑了错误指定。 关键是，我们并不假设这个扩展的效用函数；我们推导出它。我们从偏好的普遍、合理的特性开始，证明它们暗示了这样的表示。 这是真正的进步。与其写无休止的关于期望效用或理性预期的批评（正如许多人几十年来所做的，几乎没有什么成果），我们现在有了一种正式的方法来推理错误指定——精确的定义、清晰的有效性边界，以及对我们仍然不知道的事情的意识。 例如，一位出色的宾夕法尼亚大学研究生Alfonso Maselli 他的求职论文进一步推动了这一前沿。他研究了决策者不仅面临模型错误指定，而且不确定哪个模型最适合数据并且无法为它们分配概率的情况——我们称之为模型模糊性。在我的例子中，中央银行不确定新凯恩斯模型还是搜索与匹配模型更适合，并且担心两者都可能是错误的。 ...