由於 Covid-19 強制執行的統計模型，表示嚴格措施與不採取嚴格措施的影響（以及較小的經濟影響）
我一直想知道是否有像這樣的統計模型（估計病毒本身造成的死亡人數）來估計經濟衰退造成的死亡人數。對大流行將給以色列衛生系統造成的損失進行了估計，並且只是對大流行的影響進行了一般的經濟分析。我想知道是否有例如模型顯示了嚴格措施的影響（由於封鎖導致的經濟危機造成的死亡），以及只有模型顯示如果沒有嚴格的封鎖會發生多少死亡（因此沒有經濟危機，或者至少不像在全國范圍內完全封鎖之後那麼嚴重）而不是經濟危機本身。
我對任何特定國家都不是特別感興趣，如果有的話，我只是舉例。
我正在尋找一個模型來顯示封鎖的後果及其經濟影響。即在沒有封鎖的情況下（但涉及社會疏遠和大規模測試），死於經濟崩潰而不是病毒的人數將增加/減少多少。
- “使用社交距離拉平 COVID-19 曲線的好處和成本”，Thunstrom 等人。
我們研究了保持社交距離以減緩 COVID-19 在美國的傳播的淨收益。保持社交距離可以挽救生命，但由於經濟活動減少，給社會帶來了巨大成本。我們使用流行病學和經濟預測來執行控制 COVID-19 爆發的快速效益成本分析。假設社交距離措施可以大大減少個人之間的接觸，我們發現在我們的基準案例中淨收益約為 5.2 萬億美元。我們檢查了可能暗示負淨收益的關鍵參數的大小，包括統計壽命的價值和貼現率。一個關鍵的未知因素是無論是否採取社會隔離措施，經濟復甦的速度。
- “COVID-19 封鎖的簡單規劃問題” (NBER) Alvarez、Argente 和 Lippi
我們為希望控制大流行病致死人數同時最小化封鎖的產出成本的規劃者研究了最佳封鎖政策。我們使用 SIR 流行病學模型和線性經濟來形式化規劃者的動態控制問題。最佳政策取決於人口中感染和易感人群的比例。我們使用有關 COVID19 大流行和封鎖的經濟廣度的數據對模型進行參數化。定量分析確定了影響最佳鎖定政策的強度和持續時間的特徵。我們的基線參數化以爆發時 1% 的感染因子、無法治愈該疾病以及測試的可能性為條件。最佳政策規定在疫情爆發兩週後開始嚴格封鎖，一個月後覆蓋 60% 的人口，並在 3 個月後逐漸撤出，覆蓋 20% 的人口。封鎖的強度取決於作為感染者函式的死亡率梯度，以及統計壽命的假設值。缺乏測試會增加封鎖的經濟成本，並縮短最佳封鎖的持續時間，這種封鎖會更突然地結束。帶測試的最優政策下的福利更高，相當於一次性支付GDP的2%。
還
- Eichenbaum、Rebelo 和 Trabandt 的“流行病宏觀經濟學”。3 月獲得《紐約時報》報導時在 NBER 上發表；現在有一個“四月更新”。那篇論文的摘要不是很有啟發性（因為它只描述了一個場景），但他們實際上考慮了論文中的幾個場景，有各種外源性限制，比如發現治療有效與否、發現疫苗等。然後他們考慮鎖定序列優化問題
$$ in each scenario $$作為拉姆齊問題；請參閱論文中的第 5 節……然後是每個部分的一些“退出策略”。（即使這也可以表述為一個優化問題，他們稱之為“智能遏制”，但它需要了解每個人的免疫狀態——他們承認這有點不現實。）論文中的預告圖（我不會嘗試在這裡解釋）：
- “流行病中的宏觀經濟動態和重新分配”，（NBER，也在CEPR中，有更多的文案編輯）Krueger, Uhlig, Xie
在本文中，我們認為，跨經濟部門的私人消費行為的內生轉變可以在流行病期間或在臨時封鎖後重新開放經濟時充當有效的緩解機制。擴展 Eichenbaum-Rebelo-Trabandt (2020) 提出的理論框架，我們根據商品可以在家而不是在社會（因此可能具有傳染性）環境中消費的程度來區分商品。我們證明，在模型中，讓流行病在沒有政府乾預的情況下發揮作用並允許代理人自行改變其部門行為的“瑞典解決方案”可以大大減輕 COVID-19 危機的經濟和人力成本, 避免超過 80
$$ percent $$與假設部門是同質的模型相比，一年內的產出下降和死亡人數。對於捕捉個人可能自願參與的額外社交距離和衛生活動的不同參數配置，我們表明感染可能完全自行下降，這僅僅是由於經濟活動的個人理性重新分配：曲線不僅變平，而且它被逆轉了。
- “大流行中保持社交距離的內部和外部影響” (NBER) Farboodi, Jarosch, Shimer
我們使用傳統的動態經濟模型將個體優化、均衡相互作用和政策分析整合到典型的流行病學模型中。我們易於處理的框架允許我們將平衡和最優分配表示為一組微分方程，這些方程可以以統一的方式與流行病學模型共同求解。從數量上看，自由放任均衡解釋了我們在 SafeGraph 的美國微觀數據中衡量的社會活動的下降。相對於此，我們強調了最優政策的三個關鍵特徵：它施加了即時的、不連續的社會距離；保持社交距離很長一段時間或直到找到治療方法；並且它從來都不是非常嚴格的，
不嚴格是關於 Covid-19，還有來自 FRB 成員（和麻省理工學院的一名教師）的最新論文：
- 科雷亞、幸運和維爾納。“大流行病抑制經濟，公共衛生干預不會：來自 1918 年流感的證據”，
非藥物干預 (NPI) 的經濟成本和收益是什麼？利用 1918 年美國流感大流行期間死亡率的地理差異，我們發現更多的暴露地區經歷了經濟活動的急劇和持續下降。估計表明，大流行使製造業產出減少了 18%。低迷是由供需兩個渠道共同推動的。此外，基於流行病學文獻中確定 NPI 降低流感死亡率的結果，我們利用美國各城市 NPI 的時間和強度的變化來研究其經濟影響。我們發現，干預更早、更積極的城市並沒有表現得更差，而且在大流行結束後增長更快。因此，我們的研究結果表明，NPI 不僅降低了死亡率，而且還降低了死亡率。
- FRB 作者關於 1918 年流感大流行的第二篇（最近）論文，儘管更具描述性：“1918 年流感大流行期間美國經濟發生了什麼？通過高頻數據查看”（以及與這裡的問題在摘要中以預告形式保留……）
阻止傳染的干預措施很短暫（通常是一個月），並且有一些證據表明干預措施對經濟結果產生了影響。
財政研究所發表了 Banks 等人的研究。題為《經濟衰退與健康：對冠狀病毒反應的長期健康後果》，它研究了有關該主題的現有文獻和模型如何應用於目前的 COVID-19 大流行，特別關注英國。特別是，他們試圖應用Janke 等人*在英國宏觀經濟條件和健康：聚合、動態和局部區域異質性*中估計的經濟衝擊對英國發病率影響的模型。根據該論文，儘管他們指出：
Janke 等人。分析著眼於長期健康狀況的普遍性，但不檢查個人生命過程中狀況的強度或持續時間。
他們說
定量地，Janke 等人。估計就業下降 1% 會導致慢性病患病率增加 2%。
$$ … $$ 只有大約一半的效果會立竿見影：兩年內不會感受到全部效果。冠狀病毒大流行對就業的衝擊可能比這大得多，因此我們可能預計健康狀況不佳的人數會增加更多。
鑑於預算責任辦公室 (OBR) 最近的冠狀病毒參考情景預測失業率將從 4% 上升至 10%，應用此規則將導致慢性病患病率增加 12%。
他們還研究了 Van den Berg 等人*在生命早期的經濟狀況和個人死亡率*的結論，該結論著眼於出生時的經濟狀況對人的預期壽命的影響，並得出結論，出生在經濟衰退中預期壽命減少約 5%。他們指出，這是許多間接影響的結果——例如：
Currie (2009)記錄了關於父母環境與兒童健康之間聯繫的大量證據，以及隨後兒童早期健康與其最終教育和勞動力市場結果之間的聯繫。有充分證據表明，兒童早期和子宮內的營養不良將對個體產生長期影響，還有許多其他例子表明，早期生活中的脆弱性和衝擊會產生長期後果。
除了關閉措施直接導致的身體健康問題外，他們還研究了心理健康惡化對死亡率的潛在間接影響。本節再次借鑒 Janke 模型：
從 Janke 等人得出的估計值。（2020）表明，如果經濟衰退與 2008 年金融危機後的情況相似，那麼患有精神健康狀況不佳的勞動適齡人口將增加 50 萬。
然而，他們指出，在這種情況下，使用現有模型預測對心理健康的影響特別棘手：
除此之外，社交距離本身可能會對個人的社交孤立和心理健康產生復雜而微妙的影響。
他們確定的另一個使經濟對死亡率的影響更難建模的問題是封鎖條件對特定行業（例如旅遊和酒店業）的不成比例的影響。再次使用 Janke 模型，他們注意到：
揚克等人。(2020) 發現對當地經濟衝擊的不同發病率反應。受災最嚴重的地區是最貧困、人口老齡化、產業結構老舊的地區，而這些地區恰恰是最不能承受負面衝擊的地區。
因此，任何準確的模型都必須考慮到社區中的特定人口統計數據，這些社區最依賴最容易受到封鎖條件影響的特定部門。
最後，從更積極的角度來看，他們觀察到負面的經濟衝擊已被證明有助於減少飲酒和吸煙等不健康習慣，並註意到最近的報導，例如《國家地理》，即封鎖條件對降低污染水平。
希望本文展示了任何模型都必須達到的詳細程度，並希望它能夠遠端準確，並因此證明其目前的不可行性。由於這些封鎖條件是史無前例的，因此無法確切地預測，例如，延長封鎖將如何影響心理健康。
此外，與您的問題中關於病毒直接死亡的模型中的分析不同，沒有關於鎖定的長期經濟影響的數據，專門用於測試任何此類模型，這會增加不確定性。
儘管存在這些困難，但它確實根據過去的研究得出了一些相當初步的結論，即如何模擬嚴格措施對間接死亡率的經濟影響，從而得出一些原始結論，例如慢性病增加 12%，以及Van den Berg 的論文中觀察到經濟衰退會導致壽命縮短約 5%。