Zalety mikrosymulacji:
1. Mikrosymulacja dobrze funkcjonuje w przestrzeni stanów o dużych rozmiarach
U podstaw każdego modelowania leży określenie przestrzeni stanów: reprezentacji części składowych systemu oddziaływania. Na poziomie jednostek, przestrzeń stanów składa
72
się z charakterystyk lub cech, z których każda przyjmuje określoną wartość. Na poziomie populacji przestrzeń stanów składa się, ze wszystkich możliwych kombinacji cechy. Jeżeli mamy K cech w M wariantach dla każdej z cech i =1,...,K przestrzeń stanów w makro modelach składa się z M1 x M2 x ... x MK pól. Macierz o takich rozmiarach jest potrzebna do pełnego opisania populacji przez istotne cechy. Dla kontrastu, na poziomie mikro modelu każda jednostka jest opisana przez wektor wartości cech długości K; cała populacja N jednostek może być opisana przez macierz N x K pól.
Mikrosymulacja może funkcjonować w dużej przestrzeni stanów.
Jeżeli liczba cech jednostek włączonych do modelu i liczba wartości jakie te cechy mogą osiągać staje się coraz większa, makromodel staje się nieporęczny: rozmiar przestrzeni wzrasta w sposób wykładniczy wraz z cechami włączonymi do modelu.
Jako przykład, przedstawimy czysto demograficzny model dla Francji, w którym populacja zastała określona przez:
płeć (mężczyźni, kobiety – 2 warianty) parity (tylko kobiety: 0,....,5+, 6 wariantów) obecny wiek (0,...,99+ 100 wariantów)
stan cywilny (panny i kawalerowie, żonaci i zamężne, wdowy i wdowcy, rozwiedzeni – 4 warianty)
okres trwania obecnego stanu cywilnego (0,....99+ - 100 wariantów) region (96 regionów)
W makro modelu tablica zagregowana będzie składać się z 100x4x100x96 = 3.304.000 pól dla mężczyzn i
6x100x4x100x100x96 = 2.304.000.000- pól dla kobiet
W mikro modelu każda jednostka jest zapisana za pomocą 7 wartości. Nawet jeżeli cała ludność Francji jest ujęta w próbie tablica dla makro modelu będzie i tak pięciokrotnie większa niż lista mikro modelu. Dla mniejszych prób i dla większej liczby cech stosunek rozmiarów tablicy do listy może łatwo stać się astronomiczny. Z punktu widzenia przechowywania i uaktualniania danych, mikrosymulacja jest bez wątpienia bardziej wydajna niż makrosymulacja.
Niezależność między zmiennymi ma znaczący wpływ na rozmiar przestrzeni stanów
Należy zastrzec, że jeżeli wszystkie cechy wzajemnie na siebie oddziaływają tj.
występuje pełna zależność pomiędzy zmiennymi w modelu, wtedy mikro symulacja
73
potrzebuje tak samo dużej liczby parametrów jak makrosymulacja. Dla przykładu, jeżeli w przytoczonym przypadku wszystkie cechy mają równocześnie wpływ na współczynnik płodności, model mikro symulacyjny wciąż wymaga 2.304.000.000 parametrów danych wejściowych dla samej płodności. Tak więc w przypadku pełnego wzajemnego oddziaływania, przechowywanie danych jest efektywniejsze w podejściu mikro ale wymogi co do danych są równie duże. Jeżeli tylko możemy założyć kilka rodzajów zależności pomiędzy cechami (np.: różnica pomiędzy zamężnymi i wolnymi kobietami jest taka sama we wszystkich rejonach), liczba parametrów w tablicy jest znacznie zmniejszona. Musimy po prostu założyć wysoki poziom niezależności, w przeciwnym razie w żaden sposób nie będziemy w stanie szacować parametrów modelu i rezultaty prognozy mogły by być niczym innym jak wynikiem czystego przypadku. Jednakże wraz z wprowadzeniem niezależności, rozmiary tablicy maleją również w makro modelach. W powyższym przykładzie przy założeniu całkowitej niezależności wszystkich cech, wektor wystarczający dla makro modelu wymaga:
100+4+100+96 = 300 pól dla mężczyzn i 6+100+4+100+96=406 pól dla kobiet. Oczywiście, w praktyce sytuacja znajduje się pomiędzy dwoma ekstremami – pełną zależnością i pełną niezależnością.
2. Mikromodel może w znacznym stopniu uwzględnić wzajemne oddziaływanie między zmiennymi
W mikro modelach możemy łatwiej ustalić zależności i wzajemne oddziaływanie zmiennych ze względu na dostępność większej ilości danych o poszczególnych jednostkach.
3. Mikrosymulacja jest elastyczna w określeniu wzajemnego oddziaływania między jednostkami
Mikrosymulacja jest bardziej elastyczna w definiowaniu wzajemnych oddziaływaniem pomiędzy jednostkami. Szczególnie w modelach demograficznych wiele zdarzeń dotyczy kilku osób. Na przykład: małżeństwa, rozwody, wdowieństwo, opuszczanie domu rodziców, migracje całych gospodarstw domowych, itp. W makromodelach, gdzie w wyniku sumowania, powiązania pomiędzy jednostkami zostały utracone, takie zdarzenia są szczególnie problematyczne. W kontekście zawierania i rozpadu związków małżeńskich
74
trudności są znane jako problem dwóch płci, co jest specyficzną częścią bardziej ogólnego problemu wewnętrznej zgodności. W makro modelach stosuje się procedury pomagające spełnić zgodności w odniesieniu do rezultatów prognoz (np.: wymuszenie równej liczby mężczyzn i kobiet zawierających związki małżeńskie). W przeciwieństwie do tego, w mikro modelach łatwe jest utrzymywanie powiązań pomiędzy jednostkami, wprost poprzez włączenie do bazy danych zapisu pewnych wskaźników odniesienia do innych osób w bazie danych. W wyniku tego, konsekwencja zdarzenia planowanego dla jednej osoby może być łatwo określona i uaktualniona dla innej powiązanej osoby.
4. Mikrosymulacja może uwzględniać zmienne o charakterze ciągłym w sposób poprawny.
Mikrosymulacja może uwzględniać zmienne o ciągłym charakterze. W modelach demograficznych, zmienne takie jak dochody, czas godzin pracy mogą być całkiem istotnie skorelowane z zachowaniami demograficznymi. W makro modelach, zmienne ciągle jeżeli są traktowane właściwie wywołują tak olbrzymie problemy, że modelowanie jest praktycznie niewykonalne. W mikromodelach, zmienne ciągłe nie wywołują żadnych szczególnych problemów, które są zasadniczo rożne od tych kojarzonych ze zmiennymi dyskretnymi.
5. Zakres otrzymanych wyników przez mikrosymulację jest bogaty.
Wyniki modelu mikrsymulacyjnego niosą ze sobą dużo większą ilość informacji, ponieważ składają się z bazy danych z danymi o poszczególnych jednostkach, które mogą być agregowane w prawie nieskończona liczbę sposobów. W przeciwieństwie do sytuacji w makromodelach, gdzie sposób agregacji jest raz ustalony na etapie definiowania modelu.
Poza zestawieniem przekrojowym, baza danych mikrosymualcji może być użyta do konstruowania informacji wzdłużnych np.: w formie jednostkowych biografii.
4. Zastosowanie mikrosymulacji w prognozowaniu demograficznym
Mikrosymulacja jest szczególnie wygodna w wypadku, gdy zmienne ciągłe mają duże znaczenie lub gdy problem wymaga dużej przestrzeni stanów. Jednakże, jeżeli przestrzeń jest duża, to stopień niezależności pomiędzy zmiennymi powiązanymi powinien być duży.
Mikrosymulacja jest szczególnie przydatna w przypadku kiedy efekty badanego procesu są złożone, ale siły kształtujące proces są proste.
75
W standardowym czynnikowym modelu w którym populacja jest określona przez wiek i płeć, i w którym płodność i umieralność, migracje zewnętrze są funkcją tylko wieku i płci, zastosowanie mikrosymulacji nie wnosi nic nowego. Przestrzeń modelu jest zbyt mała aby inwestycja w mikro symulację przyniosła oczekiwane efekty.
Jeżeli model prognostyczny ludności zawierał by zmienne ciągłe to mikrosymylacja była by jedynym możliwym do zastosowania w praktyce rozwiązaniem.Istnieje wiele modeli mikrosymulacyjnych, w których zachowania demograficzne są przedstawiane jako funkcje zarówno ciągłych i dyskretnych zmiennych, ale we wszystkich tych modelach prognoza ludność jest produktem ubocznym bardziej pełnego modelu. (modele społeczno-ekonomiczne)
W takich pełnych modelach, decyzja o zastosowaniu mikrosymulacji jest silnie motywowane przez występowanie poza demograficznych zmiennych modelu (np.: dochody, opieka socjalna, popyt konsumencki).
Dla prognoz ludnościowych gdzie występuje duża przestrzeń, mikrosymulacja jest dobrym rozwiązaniem. Rozmiar przestrzeni w prognozach ludnościowych jest ustalany przez dwa czynniki: poprzez liczbę cech populacji o których posiadamy informacje oraz liczbę zmiennych pozademograficznych, które uważamy za istotnie powiązane z zachowaniami demograficznymi.
Mikrosymulacja może być zastosowana w demografii do modelowania wzorca pokrewieństwa. Modele pokrewieństwa kształtowane są przez płodność (dla relacji rodzice-dzieci), łączenie się w pary i rozpad związków (dla małżonków i relacji rodzinnych), umieralność (która determinuje czy określony krewny jest obecnie ciągle żywy).