Elementy wspólne mikro i makro symulacji:
• Obie symulacje oparte są na modelach, zdefiniowanych jako uproszczone, ilościowe opisanie rzeczywistości. Modele są uproszczone w tym sensie, że nie wszystkie zmienne oddziaływujące na strukturę ludności są uwzględnione w modelu (jest też
69
uproszczony w znaczeniu postaci funkcyjnej). Są też ilościowe, ponieważ ciąg liczb wejściowych daje ciąg liczb wynikowych.
• Obie metody wymagają stosowania elementów zewnętrznych, dla których jest wymagane sprecyzowanie hipotez co do ich przyszłej wartości. Takie elementy zewnętrze w modelach prognostycznych pełnią rolę parametrów.
• Obie metody potrzebują jasno zdefiniowanego procesu, który będzie określał zmiany wielkości zmiennych modelu.
• Oba modele są dynamiczne i zawierają w sobie element czasu.
• Są to dwie alternatywnymi metody służące do określania przyszłości.
Obie metody prezentują opis rzeczywistości („ liczba urodzeń jest zdeterminowana liczbą kobiet i ich wiekiem umożliwiającym urodzenie dziecka”). Przyjmując hipotezy co wartości parametrów w przyszłości („prawdopodobieństwo urodzenia dziecka będzie wynosił 0,10”), dwie metody dochodzą do tego samego przedstawienia przyszłości („ spodziewana liczba urodzeń będzie wynosić 10 tys.). Oczywiście, nie oznacza to, że oba podejścia są jednakowo właściwymi instrumentami we wszystkich możliwych sytuacjach. Jednakże, pojęciowo te dwa podejścia mają istotną cechę wspólną bazującą na uproszczonym opisie rzeczywistego świata. Samo pojęcie „symulacja” sugeruje metodę symulacyjną, czy to w mikro czy w makro modelu, która to bazuje na pomyśle udawania procesów. Mimo że model symulacyjny udaje rzeczywisty świat pozostaje tylko modelem i nie jest w zdolny zastąpić rzeczywistości.
„To co robimy kiedy symulujemy nie jest podobne do działań w świecie, ale jest podobne do pewnej grupy naszych własnych pomysłów dotyczących działań w świecie”1
Różnice występujące pomiędzy mikro i makro symulacją
1. Makrosymulacja nie zauważa losowego procesu w przeciwieństwie do mikrosymulacji, która wyjaśnia go w procesie modelowania.
Zarówno mikro, jak i makro symulacja imituje procesy dynamiczne. Opisują one zmiany systemu zdarzeń w czasie. Na poziomie populacji możemy mówić o średniej szansie wystąpienia określonego typu zdarzenia, ale ta średnia zostaje oparta ostatecznie o indywidualnie występujące zdarzenia. W takim razie zdarzenie jest zmienna losową i
1 Wachter K.W. (1987) „Microsimulation of household cycle”...
70
występuje z określonym prawdopodobieństwem. Kiedy robimy założenie co do przyszłej liczby zdarzeń, faktycznie robimy założenie co do wartości oczekiwanej zmiennej losowej. W ten sposób podejście mikro- i makro symulacji podlega Prawu Wielkich Liczb. Są jednak pewne różnice. Makro model zakłada, że wielkość populacji 100.000,- kobiet jest tak duża, że prognoza liczby zdarzeń (urodzeń) może być przyjęta jako równa wartości oczekiwanej (która wynosi 10.000). Mikro model zakłada, że ilość elementów próby losowej (1000) jest na tyle duża, że rezultaty prognozy w przybliżeniu równają się wartości oczekiwanej (100 w próbie;
10.000 po odniesieniu do poziomu populacji). Dopóki proces symulacji jest z natury losowy, jakakolwiek prognoza przyszłości jest narażona na działanie zmienności losowej. Model opisowy jest losowy, dlatego też odpowiedni model prognostyczny powinien, nie tylko wyznaczyć wartość oczekiwaną ale określić również zróżnicowanie wokół wartości oczekiwanej. W makrosymulacji losowa natura procesu jest zupełnie lekceważona.
Charakterystyki takie jak błąd standardowy mogą być liczone w makro modelach, ale w praktyce są rzadko kiedy wyznaczane ze względu na potrzebę bardzo skomplikowanych obliczeń.
Natomiast mikromodele ujmują losowa naturę procesu w formie powtarzanych losowych eksperymentów (poprzez ciągnienie losowych liczb i na tej podstawie podejmowanie decyzji czy dane zdarzenie powinno mieć miejsce). Tak przygotowana prognoza podlega zmienności losowej. Efekty działania kilku modeli otrzymanych metodą mikrosymulacji dostarczają różnych prognoz, dla których możemy dokładnie policzyć błąd standardowy.
2. W mikro symulacji równania zachowań określające model opisowy powinny być przystosowane do funkcjonowania na poziomie jednostki, natomiast w makro symulacji funkcjonują na poziomie danych zagregowanych.
W makro symulacji, obliczenia wymagane podczas prognozowania są wykonane pod kątem pól w zagregowanej tablicy klasyfikacyjnej; dla każdego pola tablicy model prognostyczny powinien ocenić jak wartości w tym polu będą się zmieniać w czasie.
Mikrosymulacja natomiast przeprowadza obliczenia w kategoriach pojedynczych jednostek;
dla każdej jednostki wektor cech jest uaktualniany zgodnie z wymogami modelu i rezultatami doświadczenia Monte Carlo.
71
Konsekwencją tego jest to, że:
3. Gromadzenie i przechowywanie danych w mikrosymulacji odbywa się w formie listy jednostek z przypisanymi określonymi cechami, natomiast w makrosymulacji odbywa się to w klasyfikacyjnej tablicy przekrojowej.
4. Makrosymulacja działa w warunkach populacji traktowanej jako całość, podczas gdy mikrosymulacja funkcjonuje w warunkach próby. Byłoby bardzo niepraktyczne i niewykonalne - nawet przy użyciu nowoczesnej technologii komputerowej - włączenie informacji o każdej pojedynczej jednostce populacji. Model mikro symulacyjny zwykle bierze pod uwagę relacje dużo większej liczby zmiennych niż macro model. Dane o poszczególnych jednostkach, na których pracuje mikro model mogą być wprowadzone bezpośrednio do bazy danych.
5. W mikro symulacji powiązanie pomiędzy danymi empirycznymi a parametrami modelu jest bardzo ścisłe, podczas gdy w makro symulacji to połączenie nie jest tak silne.
6. Wadą makro modelu jest utrata pewnej ilości informacji. W przeciwieństwie do tego mikrosymulacja stawia wysokie wymagania co do danych i podatna jest na wpływ zakłóceń.
7. Ujednolicenie oprogramowania komputerowego jest dużo trudniejsze w przypadku mikromodeli niż makromodeli. Istniejące komputerowe zastosowania mikrosymulacji są prawie niemożliwe do zastosowania w innych realiach. Stąd też, makromodle są bardziej dostępne z powodu dostępności doskonałego oprogramowania