建模不是做玩具，是为了回答问题。
问题可能很具体，比如，在未来一个月，某市每天需要为肺炎重症患者预留多少张床位？也可能相对模糊，比如，国内是否会出现二次爆发？
对模型的**基本要求，是其灵活性足以捕捉研究对象的核心特点，或者说，决定系统演进的核心机制。**比如，捕捉人传人的机制，得到指数增长的结果。同样的事情微分方程也能做到，但 ABM 的特点在于，它变优化为模拟，自底向上，微观着手、宏观着眼，提供了更高的灵活性以纳入更多必要的细节：
第一，人的互动在空间中并非均匀分布，它发生在网络上，一些中心节点的存在会加速病毒扩散，比如超市、教堂、学校、公共交通等。
第二，人与人是异质的。比如，年轻人活动多但抵抗力强、重症率低，老年人活动少但抵抗力差、重症率高——重症数量超过医疗系统负载后，会出现死亡率激增的拐点，因此老年人口比例是决定病毒冲击力的关键参数。此外，异质性和互动网络还可能彼此加强，比如，低收入群体防护支出少、感染概率高，而他们往往又在服务行业工作、接触人多，这更加速了扩散。
第三，人是有限理性的，会依据一定的行为规则 (behavioral rule) 对环境做出反应，包括病毒的威胁、政策的约束、他人行为的变化等，之后，群体行为的变化又会反过来作用于环境。
第四，人有记忆、会学习，因此，在更长的时间尺度看，对病毒的记忆可能让人调整自己的行为规则 (behavioral rule adjustment)，并在下次遇到相似情况时表现得不同，比如对信息更警觉，反应更快、更强，对政策更配合，这在群体层面上也影响着病毒的扩散。
以上四方面对应着 ABM 的四个核心视角——主体互动、异质性、有限理性、学习与演化——它们一起支撑了 ABM 的灵活性，以捕捉主导病毒扩散的核心机制。但要回答具体问题，对模型还有着**进一步要求：把灵活性的潜力，落地为可靠性的实力。**相应的努力包括三方面：
第一，校准 (calibration)，即用更贴近现实的参数设定来初始化模型。
第二，检验 (validation)，即将模型输出与现实数据比较，衡量模型对系统的复现能力 [1]。
第三，敏感性分析 (sensitivity analysis)，考虑到参数校准可能不够准确，要讨论当它们在一定范围内波动时，对主要结论的影响。
一个好的 ABM，要在灵活性和可靠性上找到合适的权衡，二者一起支撑也约束了模型的价值。
首先，ABM 要有自己的边界，不能滥用灵活性——超过了证据的支撑，它只能带来无意义的不确定性。
比如，在病毒扩散的 ABM 中引入主体的生产效率及其异质性，试图衡量疫情对经济活动的影响。这当然比引入主体的肤色及其异质性有价值，但生产是一个庞大的系统，如果不能有效校准，反而会影响我们对病毒扩散的观察。
其次，ABM 要找准自己的定位，在决策支持上谨慎预测、发挥长处。
所有模型都想做预测，但人毕竟不是粒子，他们组成的社会经济系统有着极高的复杂性。但另一方面，这又确实是现实迫切的需求，比如回答前面提到的问题：在未来一个月，某市每天需要为肺炎重症患者预留多少张床位？当没有其他更好的办法时，ABM 只能硬着头皮上，但根据认真校准、检验、敏感性分析得到的结论来决策，总比纯拍脑袋要好。
ABM 真正的长处，是通过其四个核心视角，来揭示、呈现系统的涌现特性，来帮助我们更好地理解、想象系统可能出现的状态。相较于预测得精准，ABM 更强调想象得更全面、呈现得更清楚，为各种政策设计提供模拟平台，为决策提供支持。比如：当互动网络存在中心节点时，会多大程度上加速病毒的扩散速度？如果无法限制集中购物、宗教活动，只约束其他出行和聚集行为，病毒扩散会得到多大程度的抑制？为了避免医疗系统超载、死亡率飙升的引爆点 (tipping point)，我们需要怎样的响应速度、检测能力、隔离区容量、重症床位数量的组合？由于尚无疫苗和治疗手段，疫情是否会出现多次高峰？病毒的潜伏期长度、重复染病概率、老年人口比例等因素，又会给以上问题带来怎样的影响？面对众多因素和不确定性，ABM 可以用成千上万次模拟暴力呈现。当然，其结论的可靠性依然需要校准、检验、敏感性分析来支撑。
最后，ABM 只是众多模型的一种，需要比较各模型的结果，重视对同一系统的共同结论。
对于同一个复杂系统，各类模型的视角不同，呈现出的结论也不同。即便都是 ABM 方法，不同模型的设计不同，结论也可能不同。甚至，同一个 ABM 模型，不同的参数组合，结论依然可能不同。但是，如果把所有模型和结论放在一起，如果某些结论是大多数模型的共识，那它的可靠性就得到了多方验证，值得关注 [2]。
综上，回到本文题目的问题——ABM 靠谱吗？
这个问题不够好，更合适的问法应该是：怎么能把 ABM 用得尽可能靠谱？
它取决于三方面：第一，主导系统演进的机制，是否适于用 ABM 的四个核心视角来捕捉？第二，我们所关心的问题是否聚焦于此？第三，我手头的数据能提供怎样程度的可靠性支持？
模型就是理论，理论专注于现实也接受现实的检验。不同理论假设、推导、结论自然不同，但研究者不必妄自菲薄，实事求是、专注真问题，精进技艺、扬长避短，作为一份子，为科学共同体认识世界、影响世界做出自己的边际贡献即可。
[1] 对一部分难以直接校准的参数，有时也会把校准和检验结合起来——用模型输出和真实数据的差来驱动搜索参数空间，最终完成对模型的校准。感兴趣的朋友可以读Platt (2020) - A Comparison of Economic Agent-Based Model Calibration Methods。
[2] 类似思想也体现在对 ABM 的校准中，被称为 abduction analysis。与其他 calibration and validation 方法不同，abduction analysis不追求得到一组唯一的参数值，而只强调用实证数据尽可能地缩减参数空间。然后，在参数空间中随机抽取参数组合，带入模型，模拟结果，称每组结果来自一个model specification。如果某个结论被大部分 model specification所共享，那么就把它作为研究结论。感兴趣的朋友可以读 Werker and Brenner (2004) - Empirical Calibration of Simulation Models。