测试乘数：恐惧与遏制

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《The Testing Multiplier: Fear vs Containment》
---
作者：
Francesco Furno
---
最新提交年份：
2020
---
英文摘要：
  I study the economic effects of testing during the outbreak of a novel disease. I propose a model where testing permits isolation of the infected and provides agents with information about the prevalence and lethality of the disease. Additional testing reduces the perceived lethality of the disease, but might increase the perceived risk of infection. As a result, more testing could increase the perceived risk of dying from the disease - i.e. \"stoke fear\" - and cause a fall in economic activity, despite improving health outcomes. Two main insights emerge. First, increased testing is beneficial to the economy and pays for itself if performed at a sufficiently large scale, but not necessarily otherwise. Second, heterogeneous risk perceptions across age-groups can have important aggregate consequences. For a SARS-CoV-2 calibration of the model, heterogeneous risk perceptions across young and old individuals mitigate GDP losses by 50% and reduce the death toll by 30% relative to a scenario in which all individuals have the same perceptions of risk.
---
中文摘要：
我研究了一种新疾病暴发期间检测的经济影响。我提出了一个模型，在该模型中，检测允许隔离受感染者，并为代理人提供有关该疾病流行率和致死率的信息。额外的检测会降低人们对该疾病的致命性的感知，但可能会增加人们对感染风险的感知。因此，尽管健康状况有所改善，但更多的检测可能会增加人们对死于该疾病的感知风险——即“斯托克恐惧”——并导致经济活动下降。出现了两个主要观点。首先，如果测试规模足够大，增加测试对经济是有益的，也会为自己带来回报，但不一定是这样。第二，不同年龄段的不同风险认知可能会产生重要的总体后果。在模型的SARS-CoV-2校准中，年轻人和老年人对风险的不同看法将GDP损失减少50%，死亡人数减少30%，而所有人对风险的看法相同。
---
分类信息：

一级分类：Economics        经济学
二级分类：General Economics        一般经济学
分类描述：General methodological, applied, and empirical contributions to economics.
对经济学的一般方法、应用和经验贡献。
--
一级分类：Quantitative Finance        数量金融学
二级分类：Economics        经济学
分类描述：q-fin.EC is an alias for econ.GN. Economics, including micro and macro economics, international economics, theory of the firm, labor economics, and other economic topics outside finance
q-fin.ec是econ.gn的别名。经济学，包括微观和宏观经济学、国际经济学、企业理论、劳动经济学和其他金融以外的经济专题
--

---
PDF下载：
--> The_Testing_Multiplier:_Fear_vs_Containment.pdf (2.14 MB)

2022-4-26 12:15:49 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：Quantitative Contribution Consequences Perceptions Individuals

e测试乘数：恐惧与包容弗朗西斯科·弗诺尤2020年12月8日摘要本文研究的是经济全球化在一种新的流行病暴发期间进行的ects检测。我提出了一个模型，在该模型中，检测允许隔离感染者，并为代理提供有关该疾病流行率和致死率的信息。额外的检测降低了人们对该疾病的致命性的感知，但可能会增加感染的感知风险。因此，尽管健康状况有所改善，但更多的检测可能会增加人们对死于该疾病的感知风险，即“斯托克恐惧症”，并导致经济活动下降。出现了两个主要观点。首先，增加测试是有益的对经济有利，如果在su规模相当大，但不一定如此。其次，不同年龄段的风险认知差异可能会产生重要的总体后果。在对模型进行SARS-CoV2校准时，年轻人和老年人对风险的不同看法使GDP损失减少了50%，死亡人数减少了30%。JEL代码：E06、I01、H03、H05、H06关键词：流行病、检测、隔离、风险、宏观经济学、公共部门纽约大学经济系。电子邮件：弗朗西斯科。furno@nyu.edu.I我特别感谢奥利维尔·布兰查德、雅罗斯拉夫·博罗维cka、蒂姆·克里斯滕森和B\'alint Sz"oke的评论和建议。工作也是有益的吗ted与Valeria Ferraro、Sara Gerstner、SebastianHillenbrand、Pietro Monticone、Pietro Reggiani、Matheus Silva和Lena Song的对话。

我感谢纽约大学高性能计算中心的支持。1导言人们普遍认为，在疫情暴发期间，加强检测可以控制疾病传播，挽救生命，改善经济成果。在这篇论文中，我探讨了在流行病学模型中，在一种新疾病暴发期间，代理人依赖检测数据来形成他们对风险的感知，因此检测的ects是一种有效的方法。由于更多的检测可能会导致更多的检测病例，从而增加感染的感知风险，因此有可能“吓唬”民众，导致经济活动下降。事实上，以最近的疫情规模为条件，更多的检测显示出更多的感染。然而，由于隔离了感染者，它还动态地减少了疫情的潜在规模。我的研究结果表明，当相当大一部分人口每天接受检测时，感知风险会降低，经济也会改善，但不一定是这样。有趣的是，每当更多的检测“激起恐惧”时，尽管公共卫生结果有所改善，经济活动却会随之收缩。e模型可以总结如下。我从封锁或国家口罩等政策干预措施中提取了一些内容，以便专门集中于测试模仿世界各地医疗系统所采用的政策的政策。经济活动主要是对因流行病死亡的感知风险的一种功能，风险感知是使用总病例、活动感染和死亡的测试数据构建的。附加检测后再进行（不完善的）隔离系统性地改善健康结果（即减少感染和死亡），但具有非单调性ect基于风险感知。每当额外的检测增加死亡的感知风险时，经济活动就会下降，反之则会上升。

于是，测试乘数的概念自然而然地出现，以总结经济增长政府在测试活动上额外花费的一美元。模型中引入的风险感知如下。特工不知道流行病学过程，检测数据是关于死于该流行病风险的唯一信息来源。e死亡风险由因感染而死亡的概率和感染概率的乘积给出。根据流行病学文献，我假设前者是用病死率来评估的，病死率由总报告死亡数除以总检测病例数得出，而laer与人均检测到的活动病例成比例。由于这种疾病未知，特工们不知道它的真正杀伤力，不得不求助于病死率。在第3节中，我提供了有力的实证证据，以支持我的专业阳离子。当人们从个体的行为反应中提取信息时，检测的作用是有选择地隔离受感染者，从而降低传染病的传播和益处关于经济——参见Berger等人（2020年）和Atkeson等人（2020年）等。当一个人假设测试通过解决个人层面的不确定性，如果不严格执行隔离，可能会产生意外的负面后果——见Eichenbaum等人（2020c）。如果我假设代理人不需要依赖测试数据来形成他们的感知，因为他们可以观察疫情的真实总体状态，那么根据现有文献，更系统的测试也可以改善经济结果。模型中的实时风险感知可以系统地呃，这取决于测试活动的水平。这是一个普遍的见解，思考感知和现实之间的两个楔子，了解其中的原因是很有用的。

Erst楔形图捕捉到了这样一个事实，即在感染条件下死亡的感知概率可能超过真实概率。之所以会发生这种情况，是因为在没有大规模检测的情况下，现实世界的检测政策优先考虑对有严重症状的个人进行检测，而不检测死亡可能性较小的感染者。原则上，随着时间的推移，通过血清学调查和其他（自然）实验可以消除这种楔子，但在实践中，它需要时间（或永远不会完全发生）。在美国，这种疾病的致死率在很大程度上取决于检测的数量，尤其是在疫情的早期阶段。第二个楔子与感染的概率有关，之所以出现，是因为特工难以实时估计活动感染的真实数量。之所以发生这种情况，是因为许多感染未经大规模检测就被检测出来，而且观察到的流行病学变量不足以实时正确估计它们。例如，假设在暴发期间的某个时间点观察到一定数量的死亡。如果不知道因感染而死亡的真实可能性，就无法估计有多少感染导致了这些死亡。类似的理由也适用于住院治疗。即使这些概率已知，死亡和住院治疗也只能由代理人用来推断过去病例的数量，因为感染和死亡或住院之间存在很长的滞后时间。鉴于感染风险取决于目前人群中有多少活跃的感染者，特工们不得不依靠测试数据来实时评估感染风险。为了进一步说明这一点，我考虑了另一种规格在第6.5小节中，无论检测结果如何，代理商都会随着时间的推移了解疾病的真正致命性。

安永利用这些知识正确估计过去病例的总数，并构建一个确定偏差系数，用于扩大新发现的感染。最终，代理正确地评估了疾病的道德性和病例总数，但在没有大规模检测的情况下，他们仍然无法实时准确地估计活动感染。这意味着我的结果是用这个替代样本复制的还有阳离子。重要的是，额外的检测是否真的增加了感知风险，这是我的流行病学模型能够很好地捕捉到的三种力量的结果。Erst两种力-在第一段——与感知到的感染风险相关：额外的动态检测降低了疫情的真实潜在规模，但也揭示了其中更大的部分。第三种力量与因感染而死亡的感知风险有关。更多测试拓宽了Lipsitch等人（2015）对该问题的讨论范围。is评估活动性感染的方法受到Chande等人（2020年）关于SARS-CoV-2暴发的艺术作品的启发，并与之平行。作者根据血清学调查估计的总病例数与通过检测发现的病例数之比，构建了一个确定偏差因子。ey然后使用这个因子来扩大新发现的感染。对症状进行检测，从而机械地降低病死率。对于一种新的未知疾病，这会降低其可感知的致命性。由于医疗系统通过测试产生的疫情数据在风险评估中起着关键作用，我确保模型中的测试策略能够匹配数据的关键特征，如我在第5.2小节中所示。

is解释了选择第二种地方病的基于代理的流行病学模型，以及优先考虑严重症状的测试政策。然后，只以程式化的方式介绍经济方面的考虑。Speci凯莉，模型中的代理人在感知死亡风险增加时会机械地减少劳动力供应和休闲享受。由于接触率和总产出被假定为总劳动力供应和休闲的函数，因此感知风险ects既影响总体经济活动，也影响流行病学疾病在人群中的传播。E本文的主要结果是，额外的测试是有益的对经济而言是社会的，当以足够大的规模进行时（部分）为自己支付费用，但不一定是这样。当相当大一部分人口每天接受检测，感染者（不完全）被隔离时，疫情控制成功，死亡风险降低，改善经济结果。在这种情况下，没有什么好担心的，乘数是正的。相反，在小范围内，检测可能无法成功控制疫情，但仍能检测到更大的疫情。根据大量参数和运气，这可能会增加死亡的感知风险，并导致经济活动收缩。当这种情况发生时，恐惧在人群中传播，乘数为负。第二个主要结果是克拉里评估不同风险认知对不同信息群体的总体重要性。我对模型进行了扩展，引入了年轻人和老年人，并将其校准到美国和SARS-CoV-2，这两种病毒在不同年龄组之间具有陡峭的风险梯度。

作为一种极端的思维体验，我考虑了这样一种情况，即假设所有个体对风险的感知都是同质的，因为政府只发布总体测试数据——事实上是如此在疫情暴发期间对该病例进行治疗。然后，我将其与另一种情况进行比较，在这种情况下，年龄组有不同的风险感知，因为他们可以构建年龄特异性c分类检测数据中的病死率。我而且，与同质病例相比，异质风险感知极大地改善了总体经济和健康结果，因为老年人——他们最有可能死亡——保护自己的能力更强，而年轻人保护自己的能力较弱，他们不再工作。本文分为以下几个部分。在第2节中，我将讨论风险感知。在第3节中，我评估了我提出的风险度量的经验相关性。我在第4节中介绍了该模型，并提供了广泛的模拟呃，在第5节中理解它的机制。伊德东北e这背后的直觉与Acemoglu等人（2020年）关于目标锁定的建议类似。测试第6节中的乘法器，并对其进行各种参数化模拟。在第7节中，我探讨了不同年龄段的不同风险认知的重要性。1.1与现有文献的关系这篇论文是对一篇快速增长的经济学文献的贡献，该文献分析了流行病与经济之间的相互作用。就方法论而言，本文从一个流行病学模型开始，并用一个简单的经济成分对其进行了扩展，类似于精神上的托贝格等人（2020年）、皮奎莱姆和施（2020年）、泰帕莱等人（2020年）和阿特凯森等人（2020年），他们还研究了大量的测试。

然而，在所有这些论文中，测试都没有为代理人提供有关疫情总体状态的信息。一种补充方法是从宏观经济模型开始，并用易于处理的、程式化的流行病学组成部分对其进行扩展。在这一系列文献中，直接测试通过解决个人健康状况的不确定性，在Brotherhood等人（2020年）和Eichenbaum等人（2020c）中对个人行为进行了分析，但没有提供有关疫情总体状态的信息。在流行病学文献中，有大量的论文Empty对感染的“恐惧”做出内生反应——参见Funk et al.（2010）、Verelst et al.（2016）和Wanget al.（2015）的概述。所有这些论文都假设代理人的行为会对来自不同来源的信息做出反应，这些信息可能是“客观的”或“主观的”。据我所知，本文献中没有一篇论文假设代理对来自测试活动的信息做出反应。本论文还涉及一个新兴的实证文献估计疫情对经济活动的影响。特别是，它呼应了Goolsbeeand Syverson（2020）的研究表明，无论决策者采取何种非药物干预措施，疫情暴发期间的经济活动都会下降，而Eichenbaum等人（2020a）的研究发现，死亡概率是个人行为反应的关键决定因素。最后，本文与Atkeson等人（2020年）和Cutler and Summers（2020年）分享了大规模测试可以为自己带来好处的基本观点，因为它的间接好处是：这远远超过了它的直接成本。此外，这些论文采用了分区建模策略，这导致了PERM的er可处理性将个体聚集到流行病学分区中。

我采用了一个基于代理的框架，它增加了复杂性，但允许我引入更现实的测试策略和更具可重用性的方法ned流行病模型。关于分区与基于代理的流行病学模型的讨论，请参见Murray（2020年）、Sukumar andNutaro（2012年）、Hunter等人（2018年）和Gallagher and Baltimore（2017年）。参见Eichenbaum et al.（2020b）和Jones et al.（2020）的开创性贡献。2个人对致命疾病的恐惧感，我认为，对流行病的“恐惧”的相关衡量标准是死于该疾病的概率，而不是（例如）感染该疾病的概率。将死亡概率表示为：Prob（死亡）=Prob（死亡|感染）×Prob（感染），其中死亡概率（“死亡风险”）由给定感染的条件死亡概率（“疾病致死率”）和感染概率（“感染风险”）之间的乘积给出。确切地说，在流行病学文献中，以感染为条件的死亡概率被标记为“感染致死风险”（或IFR）。要了解为什么死亡概率是相关对象，请考虑以下内容。想象rst严重传播完全无害的流行病。is将导致高感染风险，但无疾病致死率，意味着无死亡风险，因此对疾病没有恐惧。考虑到下一种非常致命的疾病是不可能传染的。is意味着零感染风险和零死亡风险，因此对该疾病没有恐惧。一种新疾病暴发流行期间的主要问题是，该疾病的关键特性，如感染致死风险或出现严重症状的可能性，是未知的，而且没有特殊的c政策干预措施，仍不得而知。因此，上述可能性也不得而知。