Sensitiviteitsanalyses

Sensitivitetsanalysers formål er at undersøge, hvordan usikkerhed i inputparametre påvirker output fra en model. Hovedideen er at identificere, hvilke parametre der har størst indflydelse på resultaterne, og at vurdere robustheden af konklusioner under ændringer i antagelser og data.

Der findes lokale og globale sensitivitetsanalyser. Lokale analyser undersøger effekten af små ændringer i enkeltparametre omkring et referencepunkt, mens globale analyser vurderer hele inputrummet og tager hensyn til interaktioner mellem parametre og ikke-lineær adfærd. Global analyse giver dermed et mere dækkende billede af usikkerhedens kilder.

Metoder omfatter typisk lokale tilgange som evaluering af partielle afledninger eller ændring af enkeltparametre, og globale tilgange som Sobol-indeks, Morris’ screeningsmetode, FAST og Monte Carlo-baserede metoder. Globale metoder kan være beregningstunge, men de afdækker ikke-lineære sammenhænge og interaktioner mellem parametre og giver en mere fuldstændig forståelse af resultaternes følsomhed.

Anvendelsesområderne spenner bredt fra miljø- og klima modellering til epidemiologi, økonomiske scenarieanalyser, tekniske systemer og maskinlæring. Sensitivitetsanalyser bruges til at prioritere dataindsamling, til at vurdere risiko og usikkerhed i beslutninger samt til at validere modeller ved at identificere de antagelser, der driver resultaterne.

Begrænsninger omfatter antagelser om uafhængighed eller specifikke fordelinger, potentielle korrelationer mellem parametre og høj beregningsomkostning ved globale analyser. Resultaterne bør tolkes forsigtigt og suppleres med scenarie- og stresstest.