《自然》評論如何有效支撐聯合國可持續發展

　　 今年9月，聯合國首腦峰會將采用由17個大目標和169個子目標構成、旨在指導國際發展的可持續發展目標（SDG）。各種各樣的指標和監控策略正在被提出，覆蓋了從人類福祉到環境發展的每個方面。

　　近日，在埃塞俄比亞首都亞的斯亞貝巴會面并參加發展籌資國際會議的高層政界代表人物討論了如何為SDG提供資助。參加會議的各國政府、發展機構、非政府組織和商業利益攸關者圍繞融資計劃所作出的國內承諾和國際行動磋商達成協議。

　　肯尼亞內羅畢世界農林業中心Keith Sheperd日前在《自然》雜志上撰文指出，SDG監控框架對各國提出了很高的要求——必須幫助它們執行策略、分配資源、衡量可持續發展進程，并且讓利益相關者承擔責任。例如，被發現在可持續林業發展方面失敗的國家，可能選擇在林業領域進行更多的投資，或者接受懲罰并失去資助。目標定位在援助和發展組織以及針對責任、影響和資金價值的多邊協定中是一大趨勢。

　　三大缺陷

　　《自然》認為，設定目標本身是存在缺陷的，要付出很高的代價，并且將產生很小甚至是負面的影響。

　　首先，設定的目標可能產生意想不到的后果。比如，整體教育質量在一些將資源轉移到早期教育階段以迎合聯合國千年發展目標（MDG）中實現初級教育普及目標的國家深受其害。

　　其次，設定目標會將努力聚焦于迎合目標而不是解決問題，從而阻止了學習。里程碑事件很容易被操作——如果表現不符合標準，諸如將道路交通事故死亡人數減半等目標會引發錯誤報道；或者說，如果目標能被超越，會“鼓勵”表現不佳行為的出現。

　　第三，這樣做要付出很高的代價：發展伙伴將不得不為據估計每年將耗資10億美元的“數據革命”重新分配稀少的資源。

　　Sheperdze 則倡導一種不同的方式。政府和發展共同體需要接受在采礦、石油、網絡安全、保險、環境政策和藥物開發中被應用了數十年的決策分析概念和工具。他對采用這種方式的呼吁基于5個原則。

　　五個原則

　　將目標替換為對投資收益的衡量。SDG應當闡明一些寬泛的戰略目標，并且評估如何從投資回報率的角度衡量每個項目以實現目標，即考慮到所利用的資源，設定的目標在多大程度上得以實現。比如，環境效益和貧困的減少是否足以證明對有限資源的分配是合理的？

　　決策者應利用能預測長期成本、收益和干預方案風險的經濟模型。他們應尋求使朝著實現發展目標所作出的一系列選擇方案的投資回報率最大化。這需要將不同目標的相對價值以貨幣的形式闡述出來。比如，一個政府能評估其目標是否通過在培訓農民、建造道路、改善教育上花費5000萬美元而得到最好的實現。

　　為干預決策建立模型。增強決策能力必須成為SDG監控策略的核心。不過，在沒有正式決策分析的情況下，要準確地找出哪些數據需要用來支持更好的決策是一件困難的事情。

　　SDG共同體必須對指標有望闡明的行動、政策、項目或計劃進行定義。它們應當反映發展伙伴在解決實際問題時將面臨的現實選擇，比如是否建造一座大壩還是很多小規模的水壩來保證水和能源需求，或者若干兒童營養項目中哪些應當在某個地區實施。

　　整合專業知識。一個經常犯的錯誤是假定“證據”和“數據”是相同的，或者“主觀上的”意味著“無法借鑒的”。作決策應當利用證據的所有恰當來源。在數據稀少的發展中國家，專業知識能填補這一空白。比如，在評估非洲農林復合經營項目的可行性時，人們利用自己的經驗設置了樹木存活率、提高幼苗和林木培育價格所需開支的范圍。決策理論家和當地專家將不得不共同努力，確認相關變量、因果聯系和不確定性。

　　當利用主觀概率量化關于估測的不確定性時，這些是“校驗”專家的健全程序。例如，世界混林農業中心通過“校驗”專家在預測可能性上表現如何以及通過舉辦研討會定義概率模型，評估了在發展中地區采取農業干預措施的相對收益。

　　將知識納入概率評估的最被廣泛接受的方法是貝葉斯定理。這變更了當觀察到關于某一事件的新證據（比如發生了干旱）時，這些事件（比如一種干預措施是否將減少貧困）中某一信念的可能性。將歷史數據和專家判斷囊括進來的貝葉斯分析被用于交通和系統安全評估、醫學診斷、金融領域操作風險評估，但很少被用于發展領域。例如，它們應當被用來評估有競爭性的發展干預措施的相對風險。

　　將不確定性納入預測模型。科學家通常利用對氣候、水文、作物生長或疾病傳播的模擬指導政策或管理決策。此類物理系統模型對于分配資源來說存在兩方面限制。首先，它們經常忽略行為和經濟因素；其次，它們通常無法代表輸入數據、模型參數和輸出數據中的不確定性。

　　正在執行并追蹤SDG的決策者應當利用概率決策分析，比如蒙特卡羅模擬或貝葉斯網絡模型。假如此類模型是利用經過正確校驗的專家判斷和聚焦決策的數據建立起來的，那么它們便能將關鍵因素、后果和相互之間的因果聯系包括進來。例如，對評估建造一條輸水管道的選擇方案的模擬能將罕見的“假設分析”情景如開發過程中遇到的颶風考慮在內，并且預測實施某一方案的時間、開支以及水供應改善后的收益。

　　衡量最能提供信息的變量。一些提議的SDG指標對于低收入國家來說將很難收集，而且花費頗高，比如“擁有對土地、財產和自然資源的穩固權利的女性、男性、原住民和當地社區所占比例”以及“食品系統中氮的使用效率”。有限的資源最好被用于收集具有較高決策價值的數據。這些數據只有通過分析要作出的特定決策才能得以確認，并且將隨著新的決策點的出現而發生變化。

　　信息價值分析能幫助確認監控表現的指標。這些通常并不是憑直覺獲知的，因此往往被錯過。

　　例如，人們開展了一項自然資源管理干預方案的研究，這些方案包括集成的流域治理工程以及維持農業生物多樣性所作的種質改善。人們發現，要了解的最有用因素是從農村到城市的遷徙率、市場價格、項目失敗風險、負面影響和種植率。

　　新的方向

　　決策分析師應通過由政府和國際捐助者買單的能力開發項目，被“嵌入”所有政府和聯合國的政策制定及管理機構中。聯合國應當建立一個由決策分析專家參與的論壇來引導這一行動。

　　這些分析師將同決策者和各領域專家一起，共同闡明關鍵性的干預決策，并且開發出替代舉措的概率模型。他們將以一種參與式的方法建立模型，其中涉及關鍵利益相關團體，并且在主觀概率估測中培訓專家。

　　信息價值分析應當指導數據收集工作，并且對有潛力改善決策和表現的較高價值指標進行定義。一些所提議的SDG指標或許在此之列，但將會得到理性的判斷，并且可能隨著新重心的出現而發生改變。對于經常出現的變量，比如碳和商品價格以及極端氣候事件的風險，政府和聯合國應當建立關于概率分布的公開圖書館以便開展模擬工作。監控決策模型的實際變化，為很難開展隨機控制試驗的情形提供了一種現實選擇。

　　Sheperd呼吁參加發展籌資國際會議的代表成立一個特別小組研究相關方法。同時建議，被撥付用于改善SDG監控的部分援助資金應當轉向建立這個項目。有遠見的政府，尤其是在數據稀少的國家，應當考慮具有開拓性的決策分析方式。

　　《自然》認為這些原則適用于任何政策或管理過程的改善，從國際政策（比如氣候變化談判）到單個項目水平（比如一個村莊是否應建立新的水儲存系統）。培訓一代和政策制定者共同工作的決策分析師，對于發展而言將比任何其他單一的干預措施所起的作用都要大。