Skip to content
กลับไปยังผลการค้นหา

System Dynamics สำหรับนโยบาย: การจำลองผลการแทรกแซงเชิงนโยบายผ่านแบบจำลองที่อิงตามการป้อนกลับ

ผู้เสนอ
Forrester, J. W. (system dynamics); scenario integration formalized by Sterman and others
ปี
1960s–1990s
ประเภท
Simulation-based policy analysis
กลุ่มวิธี
Simulation / optimization

ข้อความนี้เป็นการแปลด้วยเครื่องและยังไม่ได้รับการตรวจทาน อ่านต้นฉบับภาษาอังกฤษ

ขนาดตัวอักษร

ใช้ทำอะไร?

System Dynamics สำหรับนโยบาย (Policy Scenario System Dynamics) เป็นการผสมผสานการสร้างแบบจำลองพลวัตของระบบ (system dynamics modeling) เข้ากับการวิเคราะห์สถานการณ์เชิงโครงสร้าง (structured scenario analysis) เพื่อประเมินว่าการแทรกแซงเชิงนโยบายที่แตกต่างกันส่งผลต่อระบบที่ซับซ้อนซึ่งขับเคลื่อนด้วยการป้อนกลับอย่างไรเมื่อเวลาผ่านไป ด้วยการรันสถานการณ์นโยบายหลายรูปแบบผ่านแบบจำลองสต็อกและโฟลว์ (stock-and-flow model) ที่ปรับเทียบแล้ว นักวิเคราะห์สามารถเปรียบเทียบผลลัพธ์ระยะยาว ระบุจุดคานงัด (leverage points) และคาดการณ์ผลกระทบที่ไม่ตั้งใจก่อนที่จะนำไปปฏิบัติจริง

แนวคิดเบื้องหลังวิธีการ

ปัญหาเชิงนโยบายหลายประการ เช่น ขีดความสามารถด้านการดูแลสุขภาพ การกำกับดูแลสภาพภูมิอากาศ หรือการวางผังเมือง ล้วนเกิดขึ้นผ่านวงจรป้อนกลับ (feedback loops) และความล่าช้าของเวลา (time delays) ที่ทำให้การใช้เหตุผลเชิงสัญชาตญาณไม่น่าเชื่อถือ พลวัตของระบบสามารถจับโครงสร้างเชิงสาเหตุเหล่านี้ได้ในรูปของสต็อก (การสะสม) และโฟลว์ (อัตราการเปลี่ยนแปลง) Policy Scenario System Dynamics เพิ่มชั้นของสถานการณ์ที่กำหนดไว้อย่างชัดเจน: นักวิเคราะห์กำหนดทางเลือกเชิงนโยบายสองทางเลือกขึ้นไป (เช่น ระดับเงินอุดหนุนที่แตกต่างกัน เกณฑ์การกำกับดูแล หรือตารางการลงทุน) และรันแต่ละทางเลือกผ่านแบบจำลองที่ปรับเทียบแล้วแบบเดียวกัน ผลลัพธ์ที่ได้จากการจำลอง (trajectories) จะเผยให้เห็นไม่เพียงแต่สิ่งที่เกิดขึ้นภายใต้นโยบายแต่ละแบบ แต่ยังรวมถึงเวลาที่เกิดขึ้น ด้วยอัตราเร่งเท่าใด และผ่านช่องทางการป้อนกลับใดบ้าง ซึ่งช่วยให้ผู้มีอำนาจตัดสินใจได้รับคำอธิบายเชิงกลไก (mechanistic account) ของการแลกเปลี่ยน (trade-offs) แทนที่จะเป็นเพียงค่าประมาณ ณ จุดใดจุดหนึ่ง

ประวัติศาสตร์

พลวัตของระบบก่อตั้งขึ้นโดย Jay W. Forrester ที่ MIT ในช่วงปลายทศวรรษ 1950 โดยมีการประยุกต์ใช้ในยุคแรกกับนโยบายอุตสาหกรรมและเมืองในช่วงทศวรรษ 1960 หนังสือตำราของ John Sterman ในปี 2000 ได้รวบรวมระเบียบวิธีสำหรับธุรกิจและนโยบายสาธารณะ การฝึกฝนการจัดโครงสร้างสถานการณ์นโยบายอย่างเป็นทางการภายในแบบจำลองพลวัตของระบบ แทนที่จะเป็นการรันอ้างอิงเพียงครั้งเดียว ได้กลายเป็นมาตรฐานในการวิเคราะห์นโยบายในช่วงทศวรรษ 1980–1990 โดยได้รับอิทธิพลจากการพัฒนาที่ขนานกันในการวางแผนสถานการณ์และการวิจัยดำเนินการ

ควรใช้เมื่อใด

ใช้ Policy Scenario System Dynamics เมื่อปัญหาเชิงนโยบายเกี่ยวข้องกับวงจรป้อนกลับ ความล่าช้าของเวลา และพลวัตที่ไม่เป็นเชิงเส้น (non-linear dynamics) ซึ่งแบบจำลองแบบคงที่หรือแบบถดถอยไม่สามารถจับได้อย่างเพียงพอ เหมาะอย่างยิ่งเมื่อผู้มีอำนาจตัดสินใจต้องการเปรียบเทียบกลยุทธ์การแทรกแซงหลายรูปแบบในช่วงเวลาที่ยาวนาน เช่น การลงทุนโครงสร้างพื้นฐาน นโยบายสาธารณสุข หรือการกำกับดูแลสิ่งแวดล้อม ไม่เหมาะเมื่อระบบมีลักษณะเป็นความสัมพันธ์เชิงเส้นและช่วงเวลาสั้นๆ เมื่อต้องการการเพิ่มประสิทธิภาพแบบเรียลไทม์ความถี่สูง หรือเมื่อโครงสร้างเชิงสาเหตุของระบบไม่เป็นที่ทราบแน่ชัดและข้อมูลไม่เพียงพอสำหรับการปรับเทียบแบบจำลอง

ข้อจำกัดและข้อควรพิจารณา

  • การสร้างแบบจำลองต้องอาศัยความเชี่ยวชาญเฉพาะด้านและข้อมูลจำนวนมากเพื่อการปรับเทียบที่น่าเชื่อถือ
  • แบบจำลองพลวัตของระบบโดยเนื้อแท้แล้วเป็นการรวมกลุ่ม (aggregated) การแสดงความแตกต่างของแต่ละบุคคล (individual heterogeneity) ทำได้ยาก
  • ผลลัพธ์มีความไวต่อสมมติฐานโครงสร้างเชิงสาเหตุและการประมาณค่าพารามิเตอร์ นักสร้างแบบจำลองที่แตกต่างกันอาจสร้างแบบจำลองของระบบเดียวกันที่แตกต่างกัน
  • การตรวจสอบความถูกต้องทำได้ยาก เนื่องจากวิธีการนี้ออกแบบมาสำหรับสถานการณ์ที่ไม่มีการทดลองเปรียบเทียบ (counterfactuals) ที่เป็นไปได้
  • ช่วงเวลาจำลองที่ยาวนานจะขยายความไม่แน่นอนของพารามิเตอร์ ซึ่งอาจลดความเชื่อมั่นในการคาดการณ์ระยะยาว

เงื่อนไขจากแหล่งที่มาไม่สามารถใช้แทนการทบทวนทางวิทยาศาสตร์ที่เป็นอิสระหรือการตรวจสอบโดยเอนจินวิเคราะห์ได้

จุดแข็ง

  • จำลองวงจรป้อนกลับและความล่าช้าของเวลาอย่างชัดเจน ซึ่งจับพลวัตที่แบบจำลองเชิงเส้นมองข้ามไป
  • ช่วยให้สามารถเปรียบเทียบทางเลือกเชิงนโยบายหลายรูปแบบภายใต้สมมติฐานเชิงโครงสร้างเดียวกันได้โดยตรง
  • ให้ผลลัพธ์อนุกรมเวลาที่เผยให้เห็นอัตราเร่งและลำดับของผลกระทบเชิงนโยบาย
  • ส่งเสริมการจัดทำเอกสารสมมติฐานอย่างโปร่งใสผ่านแผนภาพวงจรเชิงสาเหตุ
  • ช่วยระบุผลกระทบที่ไม่ตั้งใจและการต่อต้านนโยบาย (policy resistance) ที่เกิดจากโครงสร้างของระบบ
  • สามารถนำไปประยุกต์ใช้ได้หลากหลายสาขาวิชา เช่น นโยบายสาธารณสุข เศรษฐศาสตร์ นิเวศวิทยา การจัดการองค์กร

การประยุกต์ใช้

  • นโยบายด้านสุขภาพ: การจำลองผลกระทบระยะยาวของการขยายขีดความสามารถของโรงพยาบาล โครงการฉีดวัคซีน หรือการจัดการโรคเรื้อรัง
  • นโยบายด้านสภาพภูมิอากาศและสิ่งแวดล้อม: การเปรียบเทียบเส้นทางการลดการปล่อยมลพิษและแผนการกำหนดราคาคาร์บอนในช่วงหลายทศวรรษ
  • การวางผังเมืองและโครงสร้างพื้นฐาน: การประเมินสถานการณ์การลงทุนด้านการขนส่งและผลกระทบต่อการใช้ที่ดินและการเติบโตทางเศรษฐกิจ
  • การพัฒนาเศรษฐกิจ: การประเมินนโยบายอุตสาหกรรมทางเลือกและแผนการอุดหนุนในประเทศกำลังพัฒนา
  • ห่วงโซ่อุปทานและการดำเนินงาน: การทดสอบนโยบายสินค้าคงคลังและคำสั่งซื้อภายใต้ความไม่แน่นอนของอุปสงค์และการหยุดชะงักของอุปทาน
  • การสร้างแบบจำลองการแพร่ระบาดของโรคระบาดในที่สาธารณะ: การเปรียบเทียบสถานการณ์การควบคุม การบรรเทา และการยับยั้งการแพร่กระจายของโรคติดเชื้อ

วิธีการทำงาน

วิธีการทำงาน

1

กำหนดคำถามเชิงนโยบายและขอบเขตของระบบ ระบุสต็อกหลัก (เช่น ประชากร ทุน ระดับมลพิษ) โฟลว์ (อัตราการเกิด อัตราการเสื่อม อัตราการปล่อยมลพิษ) และวงจรป้อนกลับที่เชื่อว่าควบคุมพฤติกรรม กำหนดกลไกเชิงนโยบาย (policy levers) ซึ่งเป็นพารามิเตอร์หรือการเปลี่ยนแปลงเชิงโครงสร้างที่ผู้มีอำนาจตัดสินใจสามารถควบคุมได้จริง

2

สร้างแบบจำลองสต็อกและโฟลว์ที่ปรับเทียบแล้วโดยใช้แผนภาพวงจรเชิงสาเหตุ (causal loop diagrams) และสมการเชิงอนุพันธ์ (differential equations) กำหนดพารามิเตอร์ของแบบจำลองจากข้อมูลในอดีตหรือการสอบถามจากผู้เชี่ยวชาญ ตรวจสอบความถูกต้องของพฤติกรรมแบบจำลองกับโหมดอ้างอิง (reference modes) ที่ทราบ (รูปแบบทางประวัติศาสตร์ที่เป็นลักษณะเฉพาะ) ก่อนที่จะนำเสนอรูปแบบนโยบายที่แตกต่างกัน

3

ระบุสถานการณ์พื้นฐาน (ธุรกิจตามปกติ - business-as-usual) และทางเลือกเชิงนโยบายอย่างน้อยสองทางเลือก แต่ละสถานการณ์คือการกำหนดค่าที่แตกต่างกันของค่ากลไกเชิงนโยบายหรือการปรับเปลี่ยนเชิงโครงสร้าง จัดทำเอกสารสมมติฐานอย่างโปร่งใส เพื่อให้ความแตกต่างของสถานการณ์มีความชัดเจนและสามารถปกป้องได้

4

รันแบบจำลองไปข้างหน้าตามเวลาจำลองสำหรับแต่ละสถานการณ์ที่กำหนด รวบรวมผลลัพธ์อนุกรมเวลา (time-series outputs) สำหรับตัวแปรหลักทั้งหมด ได้แก่ สต็อก โฟลว์ และตัวชี้วัดที่ได้จากการคำนวณ ตรวจสอบให้แน่ใจว่ามีช่วงเวลาจำลองเพียงพอที่จะจับพลวัตระยะยาวและผลกระทบที่ล่าช้าของเวลา ซึ่งการวิเคราะห์ระยะสั้นอาจมองข้ามไป

5

เปรียบเทียบผลลัพธ์ของสถานการณ์โดยใช้ตัวชี้วัดผลลัพธ์ที่สอดคล้องกับเป้าหมายเชิงนโยบาย (เช่น ต้นทุน ความเท่าเทียม ภาระต่อสิ่งแวดล้อม) ใช้การซ้อนทับโหมดอ้างอิงแบบกราฟิก (graphical reference-mode overlays) แถบความไว (sensitivity bands) และแผนภาพความแตกต่างระหว่างสถานการณ์ (cross-scenario difference plots) เพื่อให้การเปรียบเทียบตีความได้ง่าย ระบุเวลาและขนาดของการเบี่ยงเบนระหว่างสถานการณ์

6

ตีความผลลัพธ์ในแง่ของกลไกเชิงสาเหตุ: วงจรป้อนกลับใดมีอิทธิพลภายใต้นโยบายแต่ละแบบ และผลกระทบที่ไม่ตั้งใจใดเกิดขึ้นบ้าง แปลงผลการจำลองให้เป็นข้อเสนอแนะเชิงนโยบายที่นำไปปฏิบัติได้ โดยยอมรับข้อจำกัดของแบบจำลองและความไม่แน่นอนในการประมาณค่าพารามิเตอร์อย่างชัดเจน

ข้อผิดพลาดที่พบบ่อย

  • การสร้างแบบจำลองโดยไม่มีข้อมูลการปรับเทียบที่เพียงพอ และปฏิบัติต่อผลลัพธ์เสมือนเป็นการคาดการณ์ที่แม่นยำ แทนที่จะเป็นสถานการณ์เพื่อการสำรวจ
  • การกำหนดสถานการณ์ที่แตกต่างกันในหลายมิติพร้อมกัน ทำให้ไม่สามารถระบุความแตกต่างของผลลัพธ์ที่เกิดจากการเลือกนโยบายที่เฉพาะเจาะจงได้
  • การละเลยขอบเขตของแบบจำลอง โดยละเว้นวงจรป้อนกลับที่อยู่นอกขอบเขตที่เป็นทางการ แต่ส่งผลกระทบต่อตัวแปรเชิงนโยบายที่สนใจ
  • การมองข้ามความล่าช้าของเวลา นโยบายที่ดูเหมือนไม่มีประสิทธิภาพในระยะสั้นอาจมีผลกระทบระยะยาวที่สำคัญ ซึ่งนักวิเคราะห์เข้าใจผิดว่าเป็นข้อผิดพลาดของแบบจำลอง
  • การสื่อสารผลลัพธ์โดยไม่มีช่วงความไม่แน่นอน ทำให้ผู้มีส่วนได้ส่วนเสียมีความมั่นใจเกินจริงในการคาดการณ์ที่แม่นยำ

คำถามที่พบบ่อย

ควรกำหนดสถานการณ์กี่แบบ?

โดยทั่วไปแล้ว 3 ถึง 5 สถานการณ์จะจัดการได้: สถานการณ์พื้นฐาน (ธุรกิจตามปกติ) การแทรกแซงที่ตรงเป้าหมายหนึ่งหรือสองแบบ และทางเลือกที่ทะเยอทะยานหรือกรณีที่เลวร้ายที่สุด การมีสถานการณ์มากเกินไปจะทำให้การตีความซับซ้อนเกินไป การมีน้อยเกินไปอาจพลาดขอบเขตเชิงนโยบายที่สนใจ

Policy Scenario System Dynamics แตกต่างจาก System Dynamics แบบธรรมดาอย่างไร?

System Dynamics แบบมาตรฐานจะให้ผลการจำลองอ้างอิงเพียงแบบเดียว รูปแบบสถานการณ์เชิงนโยบาย (policy scenario variant) จะจัดโครงสร้างการรันหลายครั้งอย่างชัดเจนรอบๆ การกำหนดค่านโยบายที่แตกต่างกันและมีชื่อกำกับ และกรอบการวิเคราะห์เป็นการเปรียบเทียบระหว่างการแทรกแซง ซึ่งทำให้เป็นเครื่องมือสนับสนุนการตัดสินใจมากกว่าแบบจำลองเชิงพรรณนา

วิธีนี้สามารถจัดการกับความไม่แน่นอนในพารามิเตอร์ได้หรือไม่?

ได้ การวิเคราะห์ความไว (Sensitivity analysis) และการสุ่มตัวอย่างแบบ Monte Carlo ในช่วงของพารามิเตอร์เป็นส่วนเสริมมาตรฐาน อย่างไรก็ตาม เมื่อการสุ่มแบบสุ่มเป็นกลไกหลักสำหรับความไม่แน่นอน วิธีการนี้จะทับซ้อนกับ Stochastic System Dynamics โดยทั่วไปแล้ว Policy Scenario SD จะจัดการกับความไม่แน่นอนผ่านการเปลี่ยนแปลงสถานการณ์ แทนที่จะเป็นการสุ่มแบบความน่าจะเป็น

ซอฟต์แวร์ใดที่นิยมใช้กัน?

Vensim (Ventana Systems) และ Stella/iThink (isee Systems) เป็นแพลตฟอร์มที่ใช้กันอย่างแพร่หลายที่สุด AnyLogic รองรับแบบจำลองแบบผสมผสานระหว่าง agent-based และ system dynamics ไลบรารี Python เช่น PySD ช่วยให้สามารถรวมแบบจำลองเข้ากับไปป์ไลน์ข้อมูลที่กว้างขึ้นได้

วิธีนี้เหมาะสำหรับการตัดสินใจเชิงนโยบายระยะสั้นหรือไม่?

ไม่เหมาะเท่ากับวิธีการเพิ่มประสิทธิภาพ (optimization methods) สำหรับการตัดสินใจระยะสั้นที่มีความถี่สูง ข้อได้เปรียบเชิงเปรียบเทียบคือการเปิดเผยพลวัตในระยะกลางถึงระยะยาว (หลายปีถึงหลายทศวรรษ) ที่ผลกระทบจากการป้อนกลับและความล่าช้ามีอิทธิพลเหนือกว่า

วิธีการที่เกี่ยวข้อง

แหล่งอ้างอิง

  1. Sterman, J. D. (2000). Business Dynamics: Systems Thinking and Modeling for a Complex World. McGraw-Hill.

    ISBN: 9780072389159
    คัดลอกแล้ว
  2. Forrester, J. W. (1969). Urban Dynamics. MIT Press.

    เปิดเอกสารอ้างอิงสิ่งพิมพ์
    คัดลอกแล้ว