واکنش برخی از دوستان به پست قبل عجولانه بود و فکر کردم کمی در مورد نقد این نوع نگاه بنویسم و کلیتی که یک پازل اقتصادی شکل می‌گیرد را توضیح بدهم. از مسیرهای مختلفی پیام‌هایی دریافت کردم که «این‌که بدیهی است. نکته‌اش در محاسبه نادرست احتمال است. یا این‌که معلوم است که مقدار انتظاری ایکس و معکوس ایکس یک‌سان نیست». پاسخ هم این بود که آن‌هایی که این پاراداکس را خلق کرده‌اند یا مدت‌ها است روی آن کار می‌کنند این اصل بدیهی آماری را می‌دانند و لذا نکته مساله چیزی فرای بازی با احتمال‌ها است. کل نکته این است که می‌دانیم که دو طرف به دو مقدار انتظاری متفاوت می‌رسند ولی در واقعیت عملا دو طرف با یک نرخ مبادله می‌کنند و نه دو نرخ. سوال این است که این نرخ چیست؟ پاراداکس سیگل البته جدی‌تر از یک پازل معمولی اقتصادی است چون نکته‌اش تا حدی از جنس پاراداکس‌های منطقی-ریاضی است و نه صرفا ضعف مدل‌سازی. ولی از این فرصت استفاده می‌کنم تا کمی در مورد پازل‌ها – نسخه ضعیف‌تر پارداکس‌ – حرف بزنیم.

در کل پازل‌های علوم تجربی معمولا وقتی شکل می‌گیرند که یک مدل ساده ولی مورد قبول جامعه علمی فاصله قابل توجهی با واقعیت داشته باشد. می‌گویید معلوم است که مدل‌ با واقعیت فاصله دارد! این هم بدیهی است. این نکته را یکی دو نفر از دوستان هم گفتند که «خب این یک مدل است و اگر با واقعیت نمی‌خواند حتما مدل بدی است». پاسخ من به آن‌ها این بود که بلی حرف بدیهی است که هر مدلی غلط است و با واقعیت فاصله دارد منتها پازل‌وار بودن یک مساله را متخصصین آن حوزه تشخیص می‌دهند و این نکته کلی که هر مدلی غلط است کمکی به بحث نمی‌کند. تخصص متخصصین (در این مورد خاص٬ اقتصاددانان آن حوزه) به آن‌ها می‌گوید که آیا عناصری که در یک مدل ساده ذکر شده‌اند به اندازه کافی مکانیسم‌هایی که باید در کار باشند را پوشش می‌دهند یا نه.

مثلا فرض کنید که کسی روی بحث تحول دست‌مزدها کار می‌کند. دست‌مزد یک نفر طبعا تابع پارامترهای خیلی زیادی است ولی یک متخصص اقتصاد کار از روی شهودش می‌داند که اگر مدل ساده‌ای بنویسد که در آن پارامترهایی مثل تحول تحصیلات (مهارت) و فناوری تولید به درستی ذکر شده باشد٬ این مدل باید قادر باشد که بخش اعظمی از تحول دست‌مزد در طول زمان را توضیح بدهد. (می‌گویید بحث تبعیض بین زن و مرد کجای این مدل است؟ این همان شهود مدل‌ساز است. مدل‌ساز می‌داند که به علت تبعیض احتمالی «سطح» زن و مرد باید با هم متفاوت باشد ولی جهت حرکت دست‌مزدهای هر یک در طول زمان باید یک‌سان باشد.)

پازل وقتی شکل می‌گیرد که نتایجی که ما از مدل ساده می‌گیریم تفاوت شگفت‌انگیزی با واقعیت داشته باشند. مثلا علامت برخی مشتق‌ها در واقعیت برعکس چیزی باشد که مدل ساده ما می‌گوید یا مثلا نتایج عددی مدل تفاوتی از درجه بزرگی (Order of Magnitude) با واقعیت داشته باشند یا مقدار پارامترهایی که برای یک‌سان کردن خروجی مدل و واقعیت باید در مدل قرار داده شود خیلی نامعول باشد.

مثلا در بحث قیمت‌گذاری دارایی‌ها پازل معروف صرفه ریسک (Equity Risk Premium) دارایی‌های ریسکی این طور شکل گرفت که نشان دادند نرخ بهره‌ای که یک مدل پایه‌ای قیمت‌گذاری دارایی‌ها مبتنی بر مصرف (Consumption Based Asset Pricing) و با کالیبره کردن با داده‌های واقعی (مصرف کل٬ پارامتر معقولی برای ریسک‌گریزی و نرخ بهره سهام) تولید می‌کند چیزی حدود یک دهم مقداری است که در دنیای واقعی مشاهده می‌شود.

راه برخورد با پازل‌ هم معمولا چند جور است. می‌توان شانه بالا انداخت و گفت هر مدلی غلط است. این هم یک مدل غلط‌تر دیگر! راه کمی به‌تر این است که به سرعت سعی کنیم عناصر متعددی را وارد مدل کنیم تا خروجی آن‌را به واقعیت نزدیک کنیم. این کار را معمولا محققان کم‌تجربه‌تر می‌کنند. افراد باتجربه اولا می‌دانند که هر مدلی را می‌توان به اضافه کردن چند درجه آزادی به هر داده‌ای تطبیق داد. ضمنا می‌دانند که اضافه کردن عناصر متعدد به مدل هم آن‌را از ظرافت (Elegance) می‌اندازد و هم پایداری (Robustness) مدل را کم می‌کند. وقتی عناصر متعدد به مدل اضافه شود ممکن است در یک بعد عمل‌کرد مدل را به‌تر کند ولی بعد در مواجهه با موقعیت‌های دیگر معمولا نتایج خلاف واقع اساسی تولید می‌کند و رد می‌شود. (برای ملموس کردن قضیه به این فکر کنید که مدل خوب باید میانگین٬ واریانس٬ هم‌بستگی٬ خودبستگی و الخ نزدیک به واقعیت از داده‌ها تولید کند. گاهی یک عنصر جدید یکی از این گشتاورها را به‌هر می کند ولی بقیه را به شدت بد می‌کند و این یعنی عنصر مطلوبی نیست).

نقد داده‌ها و روش جمع‌آوری و تخمین آن‌ها روش دیگری برای مقابله با پازل است که گاهی درست است. گاهی می‌توان به این فکر کرد که شاید خطا در اندازه‌گیری داده‌ها یا تعریف داده‌ها یا تکنیک‌های اقتصادسنجی غلط بوده و اگر اصلاح شوند عمل‌کرد یک مدل ساده هم می‌تواند به واقعیت نزدیک باشد.

کار نهایی را هم متخصصان جدی انجام می‌دهند. آن‌ها می‌فهمند که یک حلقه اساسی در تفکر ما نسبت به مساله گم شده است و باید یک (و فقط یک) بعد جدید به قضیه اضافه کرد. سوال سخت این است که آن کدام بعد است که هم در جیب جا می‌شود (یعنی ساده و پایدار است) و هم قدرت توضیح‌دهندگی مدل را در انواع شرایط بالا می‌برد. معمولا پیدا کردن این حلقه‌های مفقوده یکی از راه‌های ترقی سریع برای محققان جوان (کروگمن٬ عاجم‌اوغلو٬ ملیتز و …) (جوان در زمان ارائه نظریه‌های‌شان) اقتصاد است.