专题导语： 政策仿真方法在政策评估与监测中的应用

政策仿真方法兴起于２０ 世纪７０ 年代， 并广泛应用于经济、社会、人口等领域的政策评估与监测。在以往政策评价研究中， 基于统计因果的政策成效评估与回归计量方法， 比如Ｌｅｓｌｉｅ 方程、Ｌｅｓｌｉｅ 修正模型、ＡＲＩＭＡ 时间序列预测等聚焦部分变量， 导致模型遗漏大量外部变量、弱相关关系， 无法观测变量的动态交互效应， 无法持续呈现或评估政策行为与实施成效的动态关系， 多数政策决策问题面临历史政策决策案例缺乏、试错成本高、政策效果评估反馈链长等困难。

政策仿真方法借助多种定量、定性方法对社会现象建模， 考察特定因素对政策发展进程的影响， 进而评价或预测政策效果。在研究机理上， 政策仿真遵循“ 现实—模拟—实验”可有效降低政策试错成本与试行周期； 在应对机制上， 可集成、可迭代、可拓展的大型政策仿真模型作为公共政策工具、开源研究平台、定量分析方法， 有效应对复杂信息环境下大数据呈现高频实时、深度定制化、全周期沉浸式交互、跨组织数据整合、多主体协同等新特性， 产生多学科、多领域、粒度缩放、跨界关联、全局视图特征的数据智能决策需求。而复杂系统科学与数据分析方法的引入， 进一步推动了政策计算方法、虚拟仿真方法、机器学习与人工智能与政策分析的融合提升， 涌现出一批有影响力的大型政策仿真平台， 如ＥＰＳ、Ｈｅａｌｔｈ－ＧＰＳ、ＩＭＥＤ、Ｃ３ＩＡＭ、ＰＡＤＩＳ 等， 复杂系统领域的多主体建模技术发展迅速， 糖域系统（Ｓｕｇａｒｓｃａｐｅ）、灰盒建模、ＶＯＭＡＳ 等复杂系统建模技术被广泛采纳。

在信息与数据政策研究领域， 政策制定面临环境、主体、目标、计算４ 种复杂性挑战。需实时获取政策环境时空大数据， 呈现复杂政策决策场景， 基于数字剧场开展政策推演， 通过对空博弈学习获得政策演化空间， 构建多级联动机制的动态效益评估模型， 以真实世界高维内外大数据为依照， 精准模拟数据要素市场复杂流通状况， 衔接政府数据分析和政府实践， 提升政策决策的全面性、时效性与适应性。专题的３ 篇论文分别从３ 个角度对政策仿真方法进行了探索性研究： 《基于系统动力学的政策成效与预见仿真方法探析———以人口生育政策为例》主要讨论了系统动力学方法用于政策仿真的操作流程与可行性， 也提出了该方法的不足； 《高校图书馆数字资源违规使用对策设计及其仿真校验》主要通过ＭＡＴＬＡＢ 仿真实验， 剖析了各类因素对于演化博弈的影响机制与作用路径， 是策略层面的仿真研究； 《基于ＰＳＭ－ＤＩＤ 方法的地方数字经济政策实施成效评估》利用２０１０—２０２１ 年中国３３７ 个地级及以上城市的面板数据， 采用ＰＳＭ－ＤＩＤ 方法检验了数字经济政策对地区经济发展的影响， 是循证与仿真融合的政策检验方法。该系列研究对于政策量化与计量研究的深化有一定的探索价值。

裴 雷

南京大学信息管理学院院长、教授