作者：Frédéric Boissay, Daniel Rees and Phurichai Rungcharoenkitkul
来源：BIS，22-05-2020
编译：西泽研究院研究员王嫄
要点一览
实施遏制政策(Containment policies)虽拯救了生命，但也限制了经济活动。尽管这些政策的短期经济代价高昂，但是对人的生命价值进行核算的标准方法为它们提供了帮助。
整合流行病—宏观经济模型为量化遏制型政策的成本和收益提供了一个连贯的框架。遏制型政策的部分好处得益于对外部性的限制，如果保持社交距离纯属自愿，那么外部性就会出现。
（译者注：外部性亦称外部成本、外部效应（Externality）；指一个/一群人的行动、决策使另一个/一群人受损或受益的情况，可划分为正外部性和负外部性；正外部性指某个经济行为个体的活动使他人或社会受益，而受益者无须花费代价；负外部性指某个经济行为个体的活动使他人或社会受损，而造成负外部性的人却没有为此承担成本。）
标准的流行病学和经济参数表明，为期数月的严格遏制政策可能会导致封锁期间国内生产总值最多下降30%；同时，这一方法要比其他措施（如伤亡人数更多而衰退程度较轻）更为可取。
引言
这个世界还从来没有被要求为解决卫生危机而付出如此高昂的代价，即全球经济陷入停滞。鉴于这些决策所产生的巨大经济后果，理解其成本与收益是一个相当重要的经济问题。尽管Covid-19的完整画像仍不为人们所知（许多领域仍属空白），但是大多数流行病学研究表明，在获得疫苗或有效的治疗方案之前，必须限制社会交往，以防止感染传播超出公共卫生系统的能力范围（如Ferguson等人，2020）。在许多国家，实施这些限制涉及关闭大部分经济部门，在保障公共卫生和维持经济活动之间构成权衡取舍，且泾渭分明。
经济学家试图从两个方面来评估这一权衡。一是将健康和经济结果转换为一个共同的分析单元，这样就可以比较成本和收益。通常，这一方法会涉及对因病毒而丧失的生命进行货币价值评估。尽管在伦理界存有争议，但只需直观地比较健康效益和经济成本，公共政策评估便会采用该法。第二种方法是在单一分析框架内模拟卫生和经济结果的协同演化，兼具对控制疫情政策的考量。如此一来便可以进行反事实分析，并阐明可以指导最佳政策反应的原则。本文回顾了上述方法，同时借鉴了该话题中颇具影响力的精选著作。
估值——被拯救的生命
评估应对病毒的政策选择的第一种方法：涉及量化那些在替代遏制政策下挽救的生命。这项工作的一个标准工具是生命统计价值（Value of a Statistical Life，以下简称VSL）。VSL衡量的是一个普通人愿意为降低死亡概率而付出的代价。结合流行病学预测在其他病毒控制政策下死亡的人数，VSL允许对产生的健康结果分配一个美元价值，然后与上述政策的经济后果进行比较。
Greenstone和Nigram（2020）提出了一项适用于美国的做法，他们量化了三到四个月适度社交距离政策的影响，并将其与另一种情况进行比较，在这种情况下，不采取任何政策措施来限制病毒的传播。他们估计，更为积极的政策将使得美国每1亿人中减少53万人死亡。约三分之二的下降源于感染病毒的人数减少，其余的下降则由重症监护病房的设施条件改善贡献。根据美国政府机构估算的具体年龄VSLs，他们认为，这些生命的拯救价值相当于美国年度GDP的三分之一以上。约90%的好处由50岁及以上的人群获得，侧面反映出该群体死于这一病毒的风险远高于其他特定年龄群体。
如果将这一方法应用于政府机构赋予较低VSL的国家，那会导致遏制政策的估计收益较少，尽管各国的预期健康结果改善情况类似（见图1左面板）。其他模型选择——如是否根据年龄或生活质量调整VSL估计——也会影响效益评估。以Thunstrom等人（2020）的研究为例，他们通过对所有人赋予相同VSL，而不是针对老年群体赋予更低VSL，其结果表明：社交距离的好处比Greenstone和Nigram的研究成果高出50%。
图1.遏制型政策的成本和收益
遏制政策的适当严格性取决于所挽救生命的估计价值与强制性社交距离的经济成本间的比较。通过比较全球经济封锁前后的2020年GDP预测，可以得到对强制性社交距离经济成本的粗略估值。国际货币基金组织（IMF） 4月和1月对发达经济体2020年GDP增长的预测分别为-6%和2%，对新兴市场的预测分别为-1%和4%，这表明由于封锁，产出损失约为5-8%（见图1中间面板）。一些私人部门的产出损失估计接近10%(Boissay，Rungcharoenkitkul，2020）。
一方面，这些修正可能高估了遏制型政策的成本；因为即便没有这些政策，经济活动也可能有所减少（见图1右面板）。另一方面，遏制政策的总体经济成本可能会比上述预测值所显示的更大、更持久，尤其在供应链和劳动力市场关系受到扰乱的情况下。此外，经济衰退也会导致对失业人员自身不利的健康后果。但是，如果拯救生命的价值像基于VSL的估计所显示的那样高，那么这些额外成本就必须相当庞大（超过年GDP的15-20%），才能使当前的遏制政策产生反向效果。
建立大流行病-宏观经济相互作用的模型
使用一致的结构模型（考量流行病和宏观经济之间的相互作用），是评估对病毒的适当政策反应的第二种方法。其中关键的构建模块来自于一个可追溯至20世纪20年代的流行病经典数学模型：易感者-感染者-移出者（痊愈者）（Susceptible-Infected-Removed，SIR）模型。
SIR模型描述了一种典型流行病在同质的“混合良好”人群（“well mixed” population）中的演化。当一种新的传染病爆发时，大多数人容易受到该疾病的影响，因此新的传染病会迅速增长。随着更多的人被感染，他们要么死亡，要么康复并产生免疫力，因此被“移出”易感人群。这降低了新感染的机会，减缓了疾病的传播。当易感个体的数量变得足够少时，疾病就不能再传播了——种群已经达到了群体免疫。SIR模型可以进行调整，以适应疾病的传染性、受感染个体康复或死亡的速度，以及受感染和易感个体之间的相互作用程度。
经典SIR模型未能捕捉到的是：感染者和易感人群之间的接触率随时间变化的特征，这取决于人群对大流行的反应。近期的经济文献填补了这一空白，并将SIR模型嵌入到传统的宏观经济模型（SIR-宏观模型）中。通过将感染率与经济活动联系起来，这一方法能够充分确定最佳遏制政策的特征，从而平衡了卫生和经济方面的考量，有助于进行定量分析。此外，它还允许建立与大流行相关的中心外部性的明确模型。这些模型的一个共同发现是，即使没有政策干预，个人保护自身免受病毒侵害的努力也意味着经济活动将会下降。但如果个人忽视自己的行为对疫情传播和他人健康的影响，这些私人反应就会非常小。遏制政策可以使这种外部性内在化，并通过协调公众的社会距离来提高社会福利。
图2.SIR-宏观模型中的宏观经济和健康结果
图2显示了一个简单的SIR-宏观模型的结果，以说明抗击大流行的一般原则。左边和中间的面板显示了一场典型的大流行期间人均GDP和死亡率的演变。
红线（“短视”的结果）：如果家庭没有意识到他们可以通过改变行为方式来避免感染，将会发生什么。在这种情况下，产量出现相对小幅下降，主因是一些人病得太重，导致无法工作；但感染和蔓延并没有得到控制，最终有超过3%的人口死亡。较高的死亡率在一定程度上反映出医疗体系承受的压力越来越大；原因在于，死亡率普遍被认为会随着感染人数的增加而上升。
蓝线（“预防性”的结果）：当家庭通过自愿保持社交距离避免感染时，情况会发生怎样的变化。在疫情高峰期，即感染病毒的风险最大时，通过减少工作和消费来避免感染是家庭的主要应对措施。这些家庭设法限制自己的感染风险，但不把自己在向他人传播病毒时的行为所造成的成本内在化。他们的预防措施降虽然拉低了GDP，但感染和死亡的人数也在随之下降。
黄线表示考虑到所有外部性的社会最优政策响应。此举将导致更大范围内，更早地抑制经济活动，从而使病毒传播的速度更慢，感染人数和死亡人数变得更少。考虑到模型的校准，社会福利在最优情景中是最高的，因为从更好的健康结果中获得的好处大于减少消费的代价（见图2，右侧面板）。
我们可以根据Covid-19的广泛特征校准SIR-宏观模型，为最优政策应对提供定量指导。通常得出的结论是，大规模停止经济活动或是最优选择。在Eichenbaum等人（2020）的研究中，在最理想的遏制措施下，消费水平在几个月内比基准水平下降了20%；而在自愿的社交距离下，下降程度为7%。这大致将高峰感染率降低了一半，并将死亡人数从总人口的0.40%减少到0.26%。根据Jones等人（2020）的研究结果，消费的最优减少量是25%；而lvarez等人（2020）则认为，在大流行高峰期间，停止一半以上的经济活动数周是最优的；同时，此举会导致每年GDP下降8%。也就是说，这些模型对于上文所描述的基于VSL的估计给出了类似程度的封锁（关停）建议。
对VSL和SIR-宏观方法的关键评估
基于VSL的模型和SIR-宏观模型有助于在Covid-19大流行的早期阶段作出决策。然而，现有的模型有一些需要注意的地方，特别是关于其潜在的流行病学预测以及程式化的经济基础的不确定性。
我们所面对的是一种新型病毒，流行病学预测会有相当大的不确定性。Covid-19的许多特征，包括其传染性、潜伏期，死亡率仍然存在着很大的不确定性。例如，鉴于Covid-19有很多无症状病例；因此，专家团队近期争论的一个问题是，有多少人已经接触过这种病毒并获得了免疫。
为了说明模型结论对流行病学假设的敏感性，图3显示了三种情景下简单SIR-宏观模型的最优遏制政策和健康结果。黄线复制了图2中的最佳政策响应；蓝线显示了在充分卫生保健能力下的结果，其中死亡率不会随着感染的增加而上升；红线代表了病毒的传染性强于基线、但致命性比基线更低时的最优策略。
图3.不同假设下的经济与健康结果
由人均国内生产总值（GDP）路径所代表的最优遏制政策在以下三种情景之间存在着显著差异。当疾病的传染性更强时，为了防止传染病的迅速增加而使卫生系统不堪重负，将会导致更加严重的衰退（图3，左面板）。相比之下，当卫生系统拥有充足的备用能力时，就没有太多理由限制经济活动，因为特定数量的感染所导致的死亡会减少。然而，在疫情的早期阶段，各种情况下的死亡人数是相近的（中间面板）——这也使得“实时制定适当的政策以响应正在直面的挑战，且不要过分看重任何单个模型的精确数值”的建议更加突显。
基于VSL和SIR-宏观方法的另一个重要缺点是，底层的流行病模型高度程式化，且依赖于诸多简化的假设（例如，易感人群和受感染人群之间一致且恒定的接触率），而这些假设在现实中显然不成立。
最先进的流行病模型包含了有关社会互动和微观地域层面人口统计学的详细信息，因此在一定程度上会更加符合实际情况（如Ferguson等人，2020；Acemoglu等人，2020）。但是，这些比较现实的模式尚未纳入一个连贯的经济框架，以便为公共卫生和经济活动之间的潜在权衡提供信息。
在基于VSL和SIR-宏观方法中评估流行病的经济成本的方法也需要注意几个地方。一方面，他们没有考虑到宏观经济稳定政策可以减轻疫情的经济成本。Guerrieri等人（2020）认为，在某些情况下，财政政策和社会转型可能有助于减轻经济影响，使政府实施更严格的遏制措施的成本更低。另一方面，现有的关于健康与经济活动权衡的分析，没有考虑到长期经济活动的关停可能造成的高度持续、非线性的经济后果。破产和裁员通常会导致组织和人力资本的破坏，这可能会对经济和社会结构造成长期损害。降低企业死亡率与避免陷入长期衰退是全面评价遏制政策的一个关键因素。
参考文献
（封面图源：The Economist）