Decision analysis under uncertainity for sustainable development

Abstract

Policy-making for sustainable development becomes more efficient when it is reliably backed by evidence-based decision analysis. Concretely, this is crucial in the planning of public services delivery. By translating "raw" data into information, decision analysis illuminates our judgment, and ultimately the policies we adopt. In the context of public services provision, decision analysis can support the prioritization of policy options and the monitoring of progress. However, most models are deterministic - that is, they do not consider the uncertainty in their evidence. These "incomplete" models, through their impact in policy decisions, can ultimately lead to an inefficient use of resources. The main barriers to a wider incorporation of uncertainty are: (i) the complexity of the approaches currently available, and (ii) the need to develop methods tailored to the specific decision problems faced in public services delivery.

To overcome these limitations, this thesis intends to facilitate the incorporation of uncertainty in the evidence into decision analysis for sustainable development. We propose two methods. First, a non-compensatory multi-criteria prioritization under uncertainty model. Given multiple criteria and uncertain evidence, the model identifies the best policy option to improve service provision for sustainable development. The non-compensatory nature of our model makes it an attractive alternative to the widely used composite index approach. Second, a compositional trend analysis under uncertainty model to monitor service coverage. By considering the non-negativity and constant-sum constraints of the data, our model provides better estimates for measuring progress than standard statistical approaches.

These two methods are validated in real case studies in the energy, water and health sectors. We apply our prioritization model to the context of strategic renewable energy planning, and the targeting of water, sanitation and hygiene services. Furthermore, we use our trend analysis model to the global monitoring of water and sanitation and child mortality.

Our results emphasize the importance of considering and incorporating uncertainty in the evidence into decision analysis, particularly into prioritization and monitoring processes, both central to sustainable development practice.

La formulación de políticas para el desarrollo sostenible es más eficiente cuando está respaldada por un análisis de decisiones basado en evidencia. Esto es especialmente crucial en la planificación de la prestación de servicios públicos. Al transformar los datos "brutos" en información, el análisis de decisiones ilumina nuestro juicio y, en última instancia, las políticas que adoptamos. En el contexto de la provisión de servicios públicos, el análisis de decisiones puede apoyar la priorización de las políticas públicas, así como el monitoreo del progreso. Sin embargo, la mayoría de los modelos son deterministas, es decir, no consideran la incertidumbre presente en la evidencia. Estos modelos "incompletos" pueden, a través de su impacto en las decisiones políticas, conducir a un uso ineficiente de los recursos. Las principales barreras para una incorporación más amplia de la incertidumbre son: (i) la complejidad de los enfoques actualmente disponibles, y (ii) la necesidad de desarrollar métodos adaptados a los problemas de decisión específicos a la planificación de los servicios públicos. Para superar estas limitaciones, esta tesis pretende facilitar la incorporación de la incertidumbre presente en la evidencia en el análisis de decisiones para el desarrollo sostenible. Proponemos dos métodos. Primero, un modelo de priorización multicriterio no compensatorio bajo incertidumbre. Dados múltiples criterios y evidencias con incertidumbre, el modelo identifica la mejor política para mejorar la provisión de servicios para el desarrollo sostenible. La naturaleza no compensatoria de nuestro modelo lo convierte en una alternativa atractiva al enfoque de índices compuestos ampliamente utilizado. Segundo, un modelo de análisis de tendencias composicionales bajo incertidumbre para monitorear la cobertura de los servicios. Al considerar las restricciones de no negatividad y de suma constante de los datos, nuestro modelo proporciona mejores estimadores para medir el progreso que los enfoques estadísticos estándar. Estos dos métodos se validan en casos de estudio reales en los sectores de energía, agua y salud. Aplicamos nuestro modelo de priorización al contexto de la planificación estratégica de energías renovables y de los servicios de agua, saneamiento e higiene. Además, utilizamos nuestro modelo de análisis de tendencias para el monitoreo global del accesso a agua y saneamiento, así como de la reducción de la mortalidad infantil. Nuestros resultados enfatizan la importancia de considerar e incorporar la incertidumbre de la evidencia en el análisis de decisiones, particularmente en los procesos de priorización y monitoreo, ambos centrales para la práctica del desarrollo sostenible.