今年9月，联合国首脑峰会将采用由17个大目标和169个子目标构成、旨在指导国际发展的可持续发展目标（SDG）。各种各样的指标和监控策略正在被提出，覆盖了从人类福祉到环境发展的每个方面。

近日，在埃塞俄比亚首都亚的斯亚贝巴会面并参加发展筹资国际会议的高层政界代表人物讨论了如何为SDG提供资助。参加会议的各国政府、发展机构、非政府组织和商业利益攸关者围绕融资计划所作出的国内承诺和国际行动磋商达成协议。

肯尼亚内罗毕世界农林业中心Keith Sheperd日前在《自然》杂志上撰文指出，SDG监控框架对各国提出了很高的要求——必须帮助它们执行策略、分配资源、衡量可持续发展进程，并且让利益相关者承担责任。例如，被发现在可持续林业发展方面失败的国家，可能选择在林业领域进行更多的投资，或者接受惩罚并失去资助。目标定位在援助和发展组织以及针对责任、影响和资金价值的多边协定中是一大趋势。

三大缺陷

《自然》认为，设定目标本身是存在缺陷的，要付出很高的代价，并且将产生很小甚至是负面的影响。

首先，设定的目标可能产生意想不到的后果。比如，整体教育质量在一些将资源转移到早期教育阶段以迎合联合国千年发展目标（MDG）中实现初级教育普及目标的国家深受其害。

其次，设定目标会将努力聚焦于迎合目标而不是解决问题，从而阻止了学习。里程碑事件很容易被操作——如果表现不符合标准，诸如将道路交通事故死亡人数减半等目标会引发错误报道；或者说，如果目标能被超越，会“鼓励”表现不佳行为的出现。

第三，这样做要付出很高的代价：发展伙伴将不得不为据估计每年将耗资10亿美元的“数据革命”重新分配稀少的资源。

Sheperdze 则倡导一种不同的方式。政府和发展共同体需要接受在采矿、石油、网络安全、保险、环境政策和药物开发中被应用了数十年的决策分析概念和工具。他对采用这种方式的呼吁基于5个原则。

五个原则

将目标替换为对投资收益的衡量。SDG应当阐明一些宽泛的战略目标，并且评估如何从投资回报率的角度衡量每个项目以实现目标，即考虑到所利用的资源，设定的目标在多大程度上得以实现。比如，环境效益和贫困的减少是否足以证明对有限资源的分配是合理的？

决策者应利用能预测长期成本、收益和干预方案风险的经济模型。他们应寻求使朝着实现发展目标所作出的一系列选择方案的投资回报率最大化。这需要将不同目标的相对价值以货币的形式阐述出来。比如，一个政府能评估其目标是否通过在培训农民、建造道路、改善教育上花费5000万美元而得到最好的实现。

为干预决策建立模型。增强决策能力必须成为SDG监控策略的核心。不过，在没有正式决策分析的情况下，要准确地找出哪些数据需要用来支持更好的决策是一件困难的事情。

SDG共同体必须对指标有望阐明的行动、政策、项目或计划进行定义。它们应当反映发展伙伴在解决实际问题时将面临的现实选择，比如是否建造一座大坝还是很多小规模的水坝来保证水和能源需求，或者若干儿童营养项目中哪些应当在某个地区实施。

整合专业知识。一个经常犯的错误是假定“证据”和“数据”是相同的，或者“主观上的”意味着“无法借鉴的”。作决策应当利用证据的所有恰当来源。在数据稀少的发展中国家，专业知识能填补这一空白。比如，在评估非洲农林复合经营项目的可行性时，人们利用自己的经验设置了树木存活率、提高幼苗和林木培育价格所需开支的范围。决策理论家和当地专家将不得不共同努力，确认相关变量、因果联系和不确定性。

当利用主观概率量化关于估测的不确定性时，这些是“校验”专家的健全程序。例如，世界混林农业中心通过“校验”专家在预测可能性上表现如何以及通过举办研讨会定义概率模型，评估了在发展中地区采取农业干预措施的相对收益。

将知识纳入概率评估的最被广泛接受的方法是贝叶斯定理。这变更了当观察到关于某一事件的新证据（比如发生了干旱）时，这些事件（比如一种干预措施是否将减少贫困）中某一信念的可能性。将历史数据和专家判断囊括进来的贝叶斯分析被用于交通和系统安全评估、医学诊断、金融领域操作风险评估，但很少被用于发展领域。例如，它们应当被用来评估有竞争性的发展干预措施的相对风险。

将不确定性纳入预测模型。科学家通常利用对气候、水文、作物生长或疾病传播的模拟指导政策或管理决策。此类物理系统模型对于分配资源来说存在两方面限制。首先，它们经常忽略行为和经济因素；其次，它们通常无法代表输入数据、模型参数和输出数据中的不确定性。

正在执行并追踪SDG的决策者应当利用概率决策分析，比如蒙特卡罗模拟或贝叶斯网络模型。假如此类模型是利用经过正确校验的专家判断和聚焦决策的数据建立起来的，那么它们便能将关键因素、后果和相互之间的因果联系包括进来。例如，对评估建造一条输水管道的选择方案的模拟能将罕见的“假设分析”情景如开发过程中遇到的飓风考虑在内，并且预测实施某一方案的时间、开支以及水供应改善后的收益。

衡量最能提供信息的变量。一些提议的SDG指标对于低收入国家来说将很难收集，而且花费颇高，比如“拥有对土地、财产和自然资源的稳固权利的女性、男性、原住民和当地社区所占比例”以及“食品系统中氮的使用效率”。有限的资源最好被用于收集具有较高决策价值的数据。这些数据只有通过分析要作出的特定决策才能得以确认，并且将随着新的决策点的出现而发生变化。

信息价值分析能帮助确认监控表现的指标。这些通常并不是凭直觉获知的，因此往往被错过。

例如，人们开展了一项自然资源管理干预方案的研究，这些方案包括集成的流域治理工程以及维持农业生物多样性所作的种质改善。人们发现，要了解的最有用因素是从农村到城市的迁徙率、市场价格、项目失败风险、负面影响和种植率。

新的方向

决策分析师应通过由政府和国际捐助者买单的能力开发项目，被“嵌入”所有政府和联合国的政策制定及管理机构中。联合国应当建立一个由决策分析专家参与的论坛来引导这一行动。

这些分析师将同决策者和各领域专家一起，共同阐明关键性的干预决策，并且开发出替代举措的概率模型。他们将以一种参与式的方法建立模型，其中涉及关键利益相关团体，并且在主观概率估测中培训专家。

信息价值分析应当指导数据收集工作，并且对有潜力改善决策和表现的较高价值指标进行定义。一些所提议的SDG指标或许在此之列，但将会得到理性的判断，并且可能随着新重心的出现而发生改变。对于经常出现的变量，比如碳和商品价格以及极端气候事件的风险，政府和联合国应当建立关于概率分布的公开图书馆以便开展模拟工作。监控决策模型的实际变化，为很难开展随机控制试验的情形提供了一种现实选择。

Sheperd呼吁参加发展筹资国际会议的代表成立一个特别小组研究相关方法。同时建议，被拨付用于改善SDG监控的部分援助资金应当转向建立这个项目。有远见的政府，尤其是在数据稀少的国家，应当考虑具有开拓性的决策分析方式。

《自然》认为这些原则适用于任何政策或管理过程的改善，从国际政策（比如气候变化谈判）到单个项目水平（比如一个村庄是否应建立新的水储存系统）。培训一代和政策制定者共同工作的决策分析师，对于发展而言将比任何其他单一的干预措施所起的作用都要大。

（宗华）