预测性研究通过分析历史数据和推演未来趋势，为政策和决策提供支持，是了解社会动态、制定政策的重要工具。尽管在许多领域取得了进展，但由于社会经济现象的复杂性，部分预测结果难免与实际发展存在偏差。这使得一些学者质疑预测性研究的价值，尤其当预测与现实差距较大时，批评声更为强烈。有些人认为预测性研究不准确，无法有效支持实践，因此它“无用”。然而，这种观点忽略了预测性研究的深层价值，是对预测性研究的误解。实际上，预测性研究并非追求完美的准确性，而是通过揭示潜在的趋势与风险，提供应对不确定性的框架，帮助决策者制定更加科学的策略，并推动学术与实践的进步。
预测性研究常被认为无用，源于将其价值与“精准预测未来”相挂钩的偏见。科学预测的本质并非提供绝对精确的答案，而是在有限的信息和假设基础上，探索复杂系统中的规律与可能性。预测与现实之间的偏差不可避免，尤其在社会科学领域，这种偏差通常来自复杂变量、不确定性和不可预见的因素。然而，这并不意味着预测性研究无用，反而在识别趋势、应对挑战和政策制定中发挥着不可替代的作用。
预测性研究无法完全消除偏差，但其价值在于为复杂系统中的规律探索提供深刻的洞察。“黑天鹅”事件、模型参数假设的不合理性以及数据质量等因素都会影响预测结果。例如，在人口预测中，生育率、死亡率和人口迁移等参数时常存在偏差。联合国发布的《世界人口展望》通过全球数据分析各国未来几十年的人口变化趋势，尽管其预测方法已趋成熟并被广泛应用，但面对突发事件时，预测仍难以完全准确。例如，突发的全球性疾病会大幅提高全球死亡率，人口预测无法预见类似事件。然而，这并不意味着人口预测“无用”。相反，预测的偏差凸显了其价值：基于现有数据和趋势的预估能够帮助识别潜在的风险与挑战，为政策制定和资源配置提供科学依据。突发事件也提醒我们，预测性研究应关注不可预见因素，完善模型并提高预测精度。
批评者还认为预测性研究因误差较大而价值有限，但“误差”恰恰是科学进步的重要组成部分。在科学研究中，模型和假设的修正是普遍现象。尤其在复杂的社会系统中，随着数据更新和新信息的发现，模型必然需要调整。例如，气候变化研究长期预测气温上升，揭示全球变暖可能引发的极端天气、海平面上升和生态系统变化等问题。尽管早期预测存在偏差，但随着研究深入，气候模型逐步改进，预测结果越来越接近实际情况。这些预测为全球减排政策和环保措施提供了科学依据。
许多社会经济现象具有高度复杂性和不确定性。例如，人口迁移受经济发展、政策环境、气候变化和社会文化等多重因素的影响，变量间相互作用，呈现突发性和非线性特征。预测性研究正是在这种复杂性中探索规律的重要工具。以海湾国家为例，2008年全球金融危机期间，油价暴跌和项目停滞导致移民数量低于联合国机构预测；而在21世纪10年代，随着油价回升和大型项目启动，移民潮又大幅超出预期。尽管预测结果与实际数据存在偏差，它们仍为海湾国家提供了关键参考，帮助优化基础设施规划、调整劳动力市场需求，并完善外籍劳工的社会保障体系，从而更有效应对移民潮的波动性和不确定性。
因此，预测性研究的“误差”并不意味着无价值，而是提醒我们应不断优化模型和改进数据质量，使其能够在复杂系统的不确定性中提供深刻视角。这种“带着误差的精确”不仅推动了科学发展，也在政策制定中发挥了重要作用。
面对预测性研究的质疑，我们需要重新审视其价值及重要性。从科学角度看，预测性研究并非孤立的工具，而是了解和应对复杂社会现象的一种方法。
首先，科学认识预测性研究的本质。一个常见误解是，预测性研究应准确预测未来的每个细节。实际上，它并非简单的“未来预测”工具，而是通过模拟不同情境、分析历史数据、整合专家意见，展示未来可能的多种发展趋势。其目的是帮助决策者在不确定性中提供参考框架，从而作出更有准备的决策，而非给出绝对的“未来”情景。
其次，预测性研究的深层价值，包括揭示趋势与应对风险、预见社会和经济结构转型、为政策制定和优化提供方向。
预测性研究的显著价值在于揭示未来趋势并为应对潜在风险提供科学依据。例如，在新冠疫情初期，研究者通过传播模型预测病毒传播速度和潜在影响，为各国政府提供了及时预警，推动封锁措施、防疫资源调配和隔离政策的出台，有效减缓了疫情扩散，减少了对社会经济发展的冲击。
预测性研究的另一个重要价值在于预见社会和经济结构的转型，并提供前瞻性建议。例如，研究显示，包括中国在内的大多数国家具有家庭小型化和核心家庭主导的趋势。这既反映了社会结构的转型，又直接影响了消费模式，如能源、汽车、住房和社区服务等需求，并对资源分配和社会保障制度带来挑战。为应对这一趋势，房地产开发商应注重中小户型和多样化住宅设计，同时推动智能家居设备、外卖服务、短租平台和远程医疗等领域的发展。预测性研究正是通过识别这些趋势，为社会和经济的转型提供有效的决策支持。
预测性研究还为政策制定和优化提供方向。许多欧洲国家通过早期人口预测，预见老龄化社会的到来，并据此调整退休制度、劳动力市场和养老金制度等。在中国，政府基于人口预测结果，逐步推行延迟退休、完善医疗和养老服务体系等，以应对老龄化加剧的挑战。同时，预测性研究在政策实施后的效果评估中也具有重要作用。由于政策效果通常具有滞后性，预测性研究可通过中长期趋势分析，帮助决策者提前发现政策潜在不足并进行调整。例如，研究发现全面放开生育限制可能无法立即扭转生育率下降趋势，这可促使政府优化生育支持政策，如提高产假福利、减轻育儿负担、为职场女性创造更友好的就业环境等，从多个维度提升政策效果。
最后，评价预测性研究的价值应从多个维度综合考量。（1）趋势性是预测性研究的重要标准之一。预测能否揭示长远趋势和潜在变化，直接影响其对未来的指导意义。（2）科学性是评判预测性研究可靠性的核心要素。预测模型和分析方法必须符合科学研究的基本要求，包括数据采集方法、假设合理性、结果透明度等，以确保预测的可信度。（3）适用性是衡量预测性研究实际价值的关键。预测结果的实际意义和可操作性对政策制定至关重要。即使预测结果有偏差，只要能为实际决策提供有效支持，就具有重要应用价值。
预测性研究是科学探索的重要组成部分，通过揭示未来趋势和风险，为政策决策提供科学依据。虽然预测结果可能存在误差，但这反映了科学研究的动态性和不确定性。随着模型和方法不断改进，预测性研究能够更好地应对复杂社会问题。评价预测性研究时，应关注其对现实问题的贡献，而非仅限于其局限性。
近年来，预测性研究在揭示复杂社会问题和提供政策建议上取得了显著进展。然而，面对高度不确定的社会现象，预测性研究仍需改进。比如，引入敏感性分析、多方案预测、概率预测及多维政策仿真等方法，可为决策者提供更多元的视角，帮助理解未来趋势。与此同时，大数据分析、机器学习和人工智能等新质生产力技术的应用将显著提升预测效率与精度。通过构建多学科综合性预测模型和动态更新模型参数，可确保预测模型更好地反映社会经济的实时变化，增强其适应性与前瞻性。此外，不应忽视全球性预测在帮助各国把握宏观发展趋势方面的作用，并加强县市及以下小区域的预测，将短、中、长期各种预测相结合，为各级政府提供更加全面和精准的政策依据。
总之，尽管预测性研究仍有改进空间，但其重要性毋庸置疑。我们应客观、无偏见地认识其价值。随着方法的优化、跨学科合作的深化和新技术的应用，预测性研究将在揭示趋势、应对风险和政策指导方面发挥更大作用，为社会可持续发展提供坚实的科学支持。
作者系联合国人口司研究员，文章仅代表作者个人观点，并不代表联合国的官方立场
来源：中国社会科学报
责任编辑：李文珍
新媒体编辑：张雨楠
如需交流可联系我们
邮箱账号：skwgzh2023@163.com
