所以这其中存在因果关系。断言：“好吧，如果你吸烟，并且发生了 X、Y 和 Z，那么你就会生病。” 模拟只能重现经过我们能力过滤的世界。如果我将数据输入系统，计算机不会中途停下来并告诉我：“嘿，你缺少一些变量，所以我无法运行模拟。”它只会输出底层模型的自然结果。 因此，在模拟复杂系统时，我们必须解决的第一个问题是准确评估哪些变量最为重要。
例如，文化适应，即我们的思想受到我们所消费的媒体影奥地利资源响的过程，只能解释态度变化的 6%。即使把家里的所有电视都搬走，我们仍然有高达 94% 的差异没有得到解释。 数据足够吗？ COVID 是模拟可能严重失败的另一个很好的例子。在疫情爆发的最初几周，一些模拟估计死亡率至少为 10%。每十个感染者中就会有一个死亡。幸运的是，事实并非如此，但为什么科学家们的预测偏差如此之大呢？ 因为当时我们几乎没有关于这种疾病的任何数据，而且我们所掌握的数据也存在严重偏差。
样本来自医院，大多数人一开始就避免去医院，因为医院人满为患。所以我们对患有肺部并发症并有风险的人进行了过度采样。 我永远不会厌倦说：模型的好坏取决于它所基于的数据。对于复杂系统，我们必须解决无数问题：非结构化数据、有偏差的样本、缺失数据和未校准的设备只是其中最常见的一些。 看看三项关于幸福感的不同社会学研究，你会发现结果有很大差异。