Tagarchief: integrated assessment models

Meer kritiek op economische modellen

We hebben hier al eerder geschreven over kritiek die wordt geleverd op de zogenaamde Integrated Assessment Models (IAM’s). Dit zijn – de naam zegt het al – modellen die kennis uit verschillende wetenschappelijke disciplines combineren tot een integrale beoordeling. Zo’n beoordeling kan dan bijvoorbeeld worden gebruikt om beleidsbeslissingen te ondersteunen. Vaak combineren zulke modellen kennis uit natuur- en sociale wetenschappen, waarmee interacties tussen omgeving, economie en maatschappij geanalyseerd kunnen worden. Het in Nederland ontwikkelde IMAGE model uit 1990 is een van de eerste IAM’s. Een ander bekend – sommigen zullen het liever ‘notoir’ noemen – voorbeeld is het DICE model van William Nordhaus.

Schematische weergave van het IMAGE model. Bron: PBL.

Deze modellen kunnen bijvoorbeeld gebruikt worden om de kosten van klimaatbeleid te vergelijken met de schade die ontstaat door klimaatverandering. Of om sociaaleconomische scenario’s (zoals de door het IPCC gehanteerde Shared Socioeconomic Pathways of SSP’s) te ontwikkelen waarmee bepaalde klimaatdoelen behaald kunnen worden. Maar de uitkomsten van modelstudies hangen natuurlijk wel af van de aanname die er bij de bouw in de modellen zijn gestopt. Een lastig punt, omdat gebruikers van deze modellen, of van de resultaten van onderzoeken waarin ze worden gebruikt, niet altijd op de hoogte zijn van wat er “onder de motorkap” precies gebeurt. Terwijl er niet altijd volledige wetenschappelijke overeenstemming is over aannames die wel grote invloed kunnen hebben op modelresultaten.

Een afgelopen maand verschenen rapport richt zich op een specifiek onderdeel van IAM’s, namelijk de schadefunctie. Dat is een wiskundige vergelijking waarmee de wereldwijde economische schade wordt geschat die het gevolg is van een bepaalde mate van opwarming van het klimaat. Het zal duidelijk zijn dat de aannames die aan de basis liggen van zo’n schadefunctie een enorme invloed kunnen hebben op modeluitkomsten.

Het oordeel van natuurwetenschappers

Het rapport is uitgebracht door het Carbon Tracker Initiative. Dat is een denktank die de invloed van klimaatverandering en de energietransitie op financiële markten onderzoekt. De manier waarop ze dit onderzoek aanpakten, was onconventioneel en interessant. Ze hebben klimaatonderzoekers met een natuurwetenschappelijke achtergrond (“scientists” dus, en geen “scholars”) gevraagd om mee te doen aan een enquête over schadefuncties. Een aantal van de respondenten nam vervolgens ook deel aan enkele “virtuele workshops”.

Lees verder

Klimaatmodellen zijn er in alle soorten en maten

Schematisch overzicht van een aardsysteemmodel. Bron: Mengis et al. (2020).

Kritiek op klimaatmodellen is een terugkerend thema op klimaatblogs en in andere media. Soms snijdt die kritiek inhoudelijk hout en soms niet. Maar simpelweg ‘de klimaatmodellen’ aanwijzen als probleem is altijd onzorgvuldig. Ten eerste omdat ‘de klimaatmodellen’ niet bestaan. Er is een enorme verscheidenheid aan modellen die op een of andere manier in het klimaatonderzoek worden gebruikt. Die modellen kun je niet zomaar allemaal op een hoop gooien. En ten tweede zijn de modellen zelf vaak niet het probleem. Als er iets niet goed gaat, dan heeft dat meestal te maken met hoe die modellen worden gebruikt, of met hoe de resultaten worden gepresenteerd.

Wat is een model eigenlijk? Je zou kunnen zeggen dat de hele wetenschap uit modellen bestaat: stukjes werkelijkheid die uit de complexiteit van het universum worden gehaald, om ze als geïsoleerde fenomenen te beschrijven. De wetten van Newton vormen een model, net als de relativiteitstheorie. Maar tegenwoordig staat het woord ‘model’ meestal voor een computermodel. Ofwel, een computerprogramma dat een stukje van de werkelijkheid simuleert. De opkomst van die modellen begint halverwege de twintigste eeuw, toen ze werden gebruikt in het roemruchte Manhattan project. De eerste weer- en klimaatmodellen kwamen snel daarna. Tegenwoordig worden computermodellen vrijwel overal in de wetenschap gebruikt.

Modellen hebben nuttige toepassingen, maar ook beperkingen. Het kan misgaan als gebruikers van een model de beperkingen ervan niet kennen, omdat ze niet goed weten wat er ‘onder de motorkap’ gebeurt. Terwijl er bij het interpreteren van modelresultaten altijd rekening moet worden gehouden met die beperkingen. Kennis die ook al belangrijk kan zijn bij het bedenken van een modelexperiment. Want de uitkomst van een modelberekening hangt natuurlijk altijd af van de opdrachten die het model aan het begin van een simulatie krijgt. Modellen zijn dus geen machines die de toekomst kunnen voorspellen, hoe geavanceerd en veelomvattend ze ook zijn. Ze zijn gemaakt om ‘wat-als’ voorspellingen te doen binnen zekere grenzen.

Lees verder