新冠疫情的經濟影響是巨大的,低收入和中等收入國家的勞動力市場急劇下滑。國際勞工組織的估計顯示,從2019年四季度至2020年二季度,總的工作時間減少了18.5%,相當於喪失了5.2億個全職工作崗位。對39個發展中國家所做的電話調查呈現出更為暗淡的圖景,大約三分之一的受訪者報告說在2020年春夏處於停工狀態。儘管在2020年至2021年期間出現了一些復甦,但勞動力市場依然在苦苦掙扎。

盲目的開端

危機爆發時,政策制定者面臨著經濟衝擊的因素及其分配效應的不確定性。關鍵問題涵蓋與富人相比,危機如何妨礙窮人以及貧困率上升的程度。與預想不同的是,收集和釋出福祉調查資料通常應當需要數月甚至數年的時間,而且大多數資料收集工作在2020年暫停,這使得回答這些關鍵問題變得越來越具有挑戰性。

微觀模擬來助力

如果想到達這樣的效果,必須解決這一資料差距,微觀模擬已然成為推理揣測危機分佈因素的重要技術。微觀模擬方法涵蓋五個步驟:

失業預測:參照結合人均GDP的變化預測失業率。

弱勢工人識別:參照結合社會經濟特徵、就業行業和正式身份推理揣測哪些工人最難找到工作。

失業模擬:模擬非受保護行業中最弱勢工人的失業和勞動收入完全喪失,以匹配預測的失業規模。

模擬收入變化:從某種角度看來,這對於保留工作但不在受保護行業工作的工人,模擬勞動收入變化等於國民賬戶中私人消費的百分比變化。

匯款收入模擬:模擬匯款收入百分比變化,相當於收款戶匯款收入總體百分比變化。

假設與現實

其中多個步驟依賴於某些假設,例如:

步驟一假設危機前資料的就業彈性可以準確預測危機期間的失業情況。

步驟二假設在危機前和危機後的就業機率相似。

步驟三假設最難找到工作的工人最有可能失去工作。

步驟四假設受保護行業的工人收入沒有下降,而非受保護行業的工人收入下降幅度相同。

步驟五假設所有收款家庭的匯款收入降幅相同。

儘管有以上假設,但這些步驟在危機發生、時間緊迫的情況下提供了寶貴洞見。

來自衝擊後資料的洞見

我們的新論文《從中產階級到一夜貧窮》藉助危機最初因素後收集的資料探討了這些問題,總體結果好壞參半。

就業彈性和GDP預測:一般情況下,往往根據彈性的推理揣測略微低估了2020年的失業情況,但準確度卻出人意料地高,15個國家中有11個國家的調查失業率在5%以內。參照結合居家令的嚴格程度和谷歌的流動性報告來衡量,在受疫情影響特別嚴重的地區,估計最不準確。藉助上次全球危機的彈性可能有助於進一步提升預測準確性。

微觀模擬和分配效果:五個國家的微觀模擬顯示中產階級減少和貧困提高,但提高和減少的幅度差異很大。這凸顯了考慮各國具體因素的重要性,而不僅僅是危機前國內生產總值或人均消費的變化以及福祉的分配。

微觀模擬準確性:在巴西,微觀模擬預測與2020年和2021年收集的實際調查資料進行了比較。微觀模擬低估了收入下降的幅度,特別是最富有的五分之一。這種差異的出現可能是由於微觀模擬沒有考慮到勞動收入下降分佈的差異,因為並非所有工人都會經歷相同幅度的收入下降。

未來之路

如果想到達這樣的效果,必須增強建模工具,應當需要在各種環境中進行更多評估和更嚴格的證據收集。目前的分配中性貧困推理揣測平均存在3.7個百分點的偏差,而微觀模擬為進一步提升預測準確性帶來了希望。此外,考慮非正規就業能夠進一步提升模型預測的準確性。

巴西的研究結果強調了增強微觀模擬模型和頻繁收集調查資料的重要性,以更好地瞭解危機的分配效果。在我們繼續應對新冠疫情的因素時,我們一定要繼續完善實時分析工具並收集更多證據,為未來危機中的有效政策應對予以資訊。

PDF版本將分享到199IT知識星球,掃描下面二維碼即可下載!