刚刚接触系统动力学的同学常常会有这样的疑问：“我的论文是否应该增加一个系统动力学模型？”，或者 “我的研究是否适合使用系统动力学模型？”
如果对系统动力学不了解，或者身边没有对系统动力学较为了解的老师或同学，要回答这个问题，可能会比较麻烦。因为只有了解了系统动力学，才能知道是否适合使用。而要了解系统动力学模型，无疑要付出时间成本和一定的精力。即使是了解系统动力学的老师或者同学想要给你建议，也要先了解你的研究情况，这无疑也会花费一些时间。
那么，本文就告诉读者，论文是否适合选用系统动力学模型的简单判断标准：
（1）研究是否涉及到具有时间序列的数据？
（2）是否需要对研究对象的未来情况进行预测？
如果读者对上面两个问题的答案都是肯定的，那么大概率你的论文可以使用系统动力学模型；如果你的论文对上面两个问题都是否定的，那么大概率你的论文不适用系统动力学模型。
下面的内容就详细阐述一下，什么样的研究适合使用系统动力学模型。
一、系统动力学模型是与时间密切相关的模型。
系统动力学内置时间变量，如果脱离了时间变量，就无法描述研究对象的变化。因此，研究对象（的属性或指标）是否随时间变化，这是判断是否适合系统动力学模型的重要标准之一。
有些研究只需要截面数据，并不涉及时间序列的数据。所谓截面数据，是指在同一时间（时期或时点）截面上反映一个总体的一批（或全部）个体的同一特征变量的观测值。截面数据是样本数据中的常见类型，截面数据强调的是同一时间的数据。例如2024年，各省人口构成的一组数据为截面数据。
这里也解释一下时间序列数据。时间序列数据，也可以简称为时序数据，是具有时间排序的数据。例如2000-2020年的中国人口数据，这就是一组（20个）具有时间序列的数据。
获得时间序列数据的方法有很多。如研究社会问题，可以查阅历年年鉴获得具有时间序列的数据。例如某些机器也可以记录具有时间序列的数据，例如每家的每一块电表都在不同的时间记录着家中电量的消耗，诸如此类。
如果还没有获得这样的数据，可以考虑一下是否有获得数据的渠道，例如年鉴中是否有这样的统计指标、其他论文中是否已经列示出需要的数据、通过一些网站是否可以买到这样的付费数据。
也有同学会问，如果数据不全如何？例如2000-2020年的人口数据，缺少了2007年、2015年两年的数据值。遇到这样的情况，如果缺失数据较少的话，可以补足这样的数据。在统计学中有专门的方法可以对数据进行补足。例如最简单的可以取前后两年的平均值，或者通过方程进行拟合。在此不予赘述。
要建立系统动力学模型，不仅仅是需要一组具有时间序列的数据，而是需要多组具有时间序列的数据。在系统动力学模型中的一些变量，需要这样的数据作为输入值，或者需要这样的数据作为检验对比数据。因此，获得数据是建立模型重要条件之一。如果在研究中已经获得了这样的数据，那么在论文中使用系统动力学模型就已经成功了一半。
二、是否需要对未来进行预测。
系统动力学模型是仿真模型的一种。仿真模型有两个重要的内容，一是仿真的结果和已经发生的数据相比较是否具有较高的吻合度；二是用仿真模型对未来的数据进行预测。
仿真数据与已经发生的数据进行吻合度对比是检验模型是否可靠（也称为稳健性、鲁棒性）的重要标准之一。如果一个模型仿真结果对之前已经发生的数据都无法进行较好的吻合，说明这个模型是有问题的，是不可靠的。当然，如果一个模型的仿真结果和已经发生的数据吻合度较好，也不能说明这个模型是完全可靠的。但可靠程度要比吻合度低的模型要高一些。
二是用模型对未来进行预测。“凡事预则立，不预则废。”预测是我们采取行动前重要的工作之一。通过数学模型进行科学地预测，要比占卜可靠的多，可预测的指标也多得多。在研究中，对未来进行预测，是社会科学研究的一项重要内容。
需要指出的是，如果研究对象的结构在未来未发生变化，适合用模型进行预测。系统动力学仿真预测是定量的预测。如果研究对象的结构发生了变化，则需要修改或重新建立模型进行预测。所以，一般预测的时间都不会很长，一般会进行3-5年的预测，超过10年的预测则比较少见。
三、研究对象相关的变量是否具有循环。
这个也是判断是否适用系统动力学模型的标准之一，只是对于新入门的读者而言，这个标准不那么容易进行判断，而且这个问题可以通过技巧进行化解。
系统动力学的一个重要内容就是变量在系统内的相互影响，相关内容可以参看系统动力学中“反馈”和“循环”的概念。在大多数系统中，变量是具有相互影响的性质的。A的数值变动会影响B的数值变化；B的数值变动会影响或者通过其他变量影响A的数值变化。在研究中，我们常常可以在诸多变量中找到具有这样关系的变量，这也是建立系统动力学模型必要的条件之一。
如果经过认真努力思考后，确实研究对象的各变量之间没有反馈和循环的关系，那也不适用系统动力学模型。但具有时间序列性质的仿真模型，绝大多数模型内的变量具有反馈和循环的关系。通常情况下如果没有找到，往往是因为变量之间的关系理解不深刻，或者还没有掌握好建模的技巧。
转自：“Vensim 学术教学”微信公众号
如有侵权，请联系本站删除！
