به گزارش مشرق، کریستوس ماکریدیس و جاناتان هارتلی در مقاله‌ای برای مرکز مرکاتوس دانشگاه جرج ماسون آمریکا به پیامدهای اقتصادی کرونا بر اقتصاد آمریکا و رشد اقتصادی این کشور پرداخته‌اند. در این مقاله آمده است:
کمی زود خواهد بود که شاخصهای سنتی اقتصاد کلان، اطلاعات معناداری در مورد میزان رکود اقتصادی ناشی از ویروس کرونا را ارائه دهند. اقدامات کاهشی اتخاذشده - تعطیل شدن بخشی از اقتصادی و رعایت فاصله اجتماعی - هزینه‌های سنگینی که هنوز میزان آن مشخص نیست را بر جامعه تحمیل خواهد کرد.
بیشتر بخوانید:
محدودیت‌های جدید کرونایی آمریکا و اروپا باز می‌گردند
به‌منظور پر کردن این شکاف اطلاعاتی، ما در اینجا یک تخمین صوری از تأثیر اقدامات کاهش‌دهنده فعلی بر نرخ رشد تولید ناخالص داخلی سال ۲۰۲۰ ارائه میدهیم. این تأثیر در صنعت متفاوت است و ما میتوانیم با اتخاذ یک فرض ساده اما قابل‌قبول این تفاوت را تعیین کنیم: صنایع به نسبت میزان دیجیتالی بودنشان در کسب‌وکار خود دوام خواهند آورد. برای اندازهگیری میزان دیجیتالی بودن، ما از تعداد کارکنان ماهر حوزه فناوری اطلاعات در یک صنعت معین نسبت به کل نیروی کار شاغل در صنعت استفاده میکنیم.
بیشتر بخوانید:
۲۶ میلیون آمریکایی از تأمین غذای کافی محرومند
علاوه بر این، ما مجموعه داده های تکه‌تکه را در سطح فعالیت های صنعتی در سطح کشور تقسیم کردیم، این کار این امکان را به ما میدهد تا تولید ناخالص داخلی را در سطح شهرستانها پیش بینی کنیم.
ما تخمین میزنیم نرخ رشد واقعی تولید ناخالص داخلی برای هرماه تعطیلی اقتصادی، ۵ درصد کاهش مییابد. بنابراین، هزینه اقتصادی دو ماه اول مبارزه با بیماری همه گیر کرونا، ۲.۱۴ تریلیون دلار (۱۰ درصد) خواهد بود که به طرز شگفت آوری نزدیک به هزینه مالی پیش‌بینی‌شده در قانون ]CARES [۱ است.
* برآورد: دادهها، روشها، نتایج
برآوردهای ما مبتنی بر داده های اخیراً منتشرشده توسط دفتر تحلیل اقتصادی در مورد تولید ناخالص داخلی واقعی (به قیمت سال ۲۰۱۲) بین سالهای ۲۰۰۰ تا ۲۰۱۸ است. ما به جای دسته‌بندی صنایع به صنایع خاصی که «مستقیماً» تحت تأثیر کوید ۱۹ قرار میگیرند از توانمندی کار دیجیتالی در هر صنعت برای تعیین میزان اثرپذیری این بیماری در صنایع مختلف استفاده کردیم. این سطح از توانمندی سهم کارگران حوزه دیجیتال در هر صنعت است که اطلاعات آن از پایگاه داده های کاریابی وزارت کار گرفته شده است (شکل ۱ را ببینید).
فرض اصلی ما این است که صنایع مستقیماً متناسب با میزان دیجیتالی بودنشان همچنان مولد خواهند ماند زیرا حداقل نیروی کار بخش دیجیتالی آن‌ها میتوانند کار خود را در خانه ادامه دهند و خدماتی را ارائه دهند که نیازی به تعامل های بین افراد ندارد.
اول، ما تولید ناخالص داخلی واقعی سال ۲۰۱۹ را تخمین میزنیم زیرا این داده ها هنوز در سطح شهرستان آماده نشده اند. برای سادگی، ما از روند تولید ناخالص داخلی از سال ۲۰۰۱ تا ۲۰۰۸ هر شهرستان و صنعت آن استفاده میکنیم. دوم، ما تولید ناخالص داخلی ۲۰۲۰ را با کم کردن جریمه ماهانه نرخ رشد هر شهرستان، پیشبینی میکنیم. جریمه با میزان دیجیتالی بودن تناسب معکوس دارد و برای هرماه تعطیلی یک دوازدهم نرخ رشد سالانه کسر میشود.
دو صنعت را در نظر بگیرید، یکی با تعداد نیروی کار بالا در حوزه دیجیتال (دوسوم) کل کارگران خود و دیگری با تعداد کم در این حوزه (یک‌سوم). تعطیلی یک‌ماهه به این معنی است که ما برای تولید ناخالص داخلی سال ۲۰۲۰ صنعت اول مجازات ۲.۷۸ درصدی (۱/۱۲ × [۱ − ۲/۳]) و برای صنعت دوم مجازات ۵.۵۶ درصدی (۱/۱۲ × [۱ − ۱/۳]) در نظر گرفتیم. این مجازات به نرخ رشد پایینتر برای صنایع کمتر دیجیتالی تبدیل میشود تا نسبت به رشد مورد انتظار بدون در نظر گرفتن بیماری همه گیر؛ اگر نرخ رشد پیش‌بینی‌شده ۲ درصد باشد، تعطیل شدن یک‌ماهه به این معنی است که رشد صنعت اول اندکی کاهش مییابد (درصد ۰.۷۸ = ۲ - ۲.۷۸) و رشد صنعت دوم کاهش زیاد دارد (درصد ۳.۵۵ − = ۲ - ۵.۵۶)
تصویر ۱: سهم کارکنان حوزه دیجیتال در هر صنعت
منبع: جیووانی گالیپولی و کریستوس، «تحول ساختاری و ظهور فناوری اطلاعات»، مجله علم اقتصاد مونتار ۹۷ (۲۰۱۸): ۹۱-۱۱۰.
بر اساس این فرض، ما تخمین میزنیم برای هر یک ماه تعطیلی اقتصادی، رشد واقعی تولید ناخالص داخلی ۵ درصد کاهش خواهد داشت؛ بنابراین، میزان هزینه اقتصادی دو ماه کاهش، ۲.۱۴ تریلیون دلار (۱۰ درصد) است.
ما همچنین رابطه مقطعی بین کاهش تولید ناخالص داخلی شهرستانها و ویژگی های متفاوت شهرستانها مانند درآمد متوسط، دستیابی به دانشگاه و مشارکت در تجارت بین‌المللی (بخش قابل معامله) را بررسی میکنیم. ما مشاهده میکنیم شهرهایی که سهم بالاتری از کارکنان دیجیتالی را دارند کمتر تحت تأثیر این بیماری فراگیر قرارگرفته‌اند و این فرضیه ما تأیید میکنند که صنایعی که در آن کارمندان میتوانند دورکاری و در خانه کار کنند دچار اختلال کمتری میشوند.
ثانیاً به احتمال زیاد، شهرهایی که در آن‌ها درآمد متوسط خانوار پایین است، از این بیماری بیشتر آسیب میپذیرند زیرا شغل دیجیتالی کمتری دارند. ثالثاً، مناطقی که دارای سهم کمتری از افراد با تحصیلات دانشگاهی هستند نیز کاهش اقتصادی بیشتری را احتمالاً تجربه میکنند که نشان‌دهنده این واقعیت است که شغلهایی که به مدرک دانشگاهی نیاز دارند به فنآوری دیجیتال بیشتر وابسته هستند. رابعاً، جای تعجب نیست که ما به این نتیجه رسیدیم که مناطقی که دارای سهم بیشتری از کارگران شاغل در بخشهای غیرتجاری هستند نیز به‌مراتب بیشتر مبتلابه این ویروس میشوند زیرا در این بخشها تنوع کمتری وجود دارد و بیشتر در معرض شوک های محلی قرار دارند.
برای مقایسه تصویری شهر به شهر، ما یک نقشه حرارتی را ارائه میدهیم که تخمین ما را از وضعیت رشد هر شهرستان را نشان میدهد (شکل ۲).
تصویر ۲: ناهمگنی فاصلهای در رشد ناخالص داخلی واقعی شهرهای آمریکا در کاهش یک‌ماهه (به درصد)
* محدودیتها و توانمندیها
ما چند فرض ساده مهم را در نظر گرفتیم. اول، ما چیزی را برای امور اساسی، کالا و خدمات آنلاین در نظر نگرفتیم. دوم، ما ارتباطات بین خطی و غیرخطی را که در درک چرخه های تاریخی تجاری مهم بودهاند، در نظر نگرفتیم. به‌عنوان‌مثال، کاهش اشتغال در بخشهای غذا و مسافر پذیری ممکن است منجر به کاهش درآمد واقعی کارکنان این دسته از مشاغل شود که به‌نوبه خود مردم برای سایر کالاها و خدمات در بخشهای هنری، سرگرمی و حتی تولیدی هزینه کمتری را صرف میکنند. این مکملها میتوانند روند نزولیای را که ما تخمین زدهایم بیشتر کند.
سوم، رویکرد ما تأثیر ترکیبی بر زمان کاهش اقدامات ندارد. یک تخمین حداقلی این است که نیاز به رعایت فاصله اجتماعی سختگیرانه به مدت یک سال برای جلوگیری از نگران‌کننده‌ترین عواقب بهداشت عمومی ناشی از این بیماری همه گیر وجود دارد تا احتمال وقوع موج بعدی بیماری را کاهش دهد. اگر تعطیلی مراکز اقتصادی به بیش از دو ماه افزایش یابد، ما باید برآورد خود را بر اساس تأثیر چند برابری تأخیر سرمایه‌گذاری‌های سرمایه فیزیکی و انسانی تطبیق دهیم.
بنا به تمام این دلایل، برآورد ما محافظ هکارانه است و میتواند بالاترین حد برآورد برای رکود باشد. گرچه ما میتوانیم خوشبینانه ترین سناریو را تهیه کنیم اما برآوردهای ما مبتنی بر آثار بیماری همه گیر آنفلوانزا در سال ۱۹۱۸ و سایر برآوردهای معاصر است.
در سال ۱۹۱۸، آنفلوانزا ۲ درصد از جمعیت جهان را تلف کرد و منجر به کاهش ۶ درصدی تولید ناخالص داخلی و کاهش ۸ درصدی مصرف شد که مبنای برآورد ما برای تعطیلی دوماهه است. برآوردهای دیگر حتی از این سختگیرانه تر است و پیش بینی آن کاهش ۱۸ درصدی تولید است. گلدمن ساکس تخمین زده است به دلیل بیماری همه‌گیر کوید ۱۹ در فصل اول سال ۲۰۲۰ کاهش سالانه تولید ناخالص داخلی واقعی ۹ درصد و در فصل دوم ۳۴ درصد خواهد بود، به‌طوری‌که درمجموع این بیماری غیرمستقیم بیش از ۱۰ درصد به تولید ناخالص داخلی آسیب میزند. یک پیشبینی اقتصادی وحشتناک آثار این تعطیلی ها برای فصل اول سال ۲۰۲۰ را یک کاهش ۱۰ درصدی سالانه بر تولید ناخالص داخلی واقعی و برای فصل دوم سال ۲۰۲۰ یک کاهش سالانه ۶۳ درصدی برآورد کرده است و کل تأثیر غیرمستقیم کوید ۱۹ را بر تولید ناخالص داخلی تقریباً ۲۵ درصد تخمین زده است. علاوه بر این، این آثار به‌طور ناموزون در بخشهای مختلف توزیع‌شده است؛ مثلاً هزینه هایی که در استفاده از رستوران صرف میشد به یک‌سوم تقلیل یافته است درحالی‌که مبالغی که صرف خرید کارتهای اعتباری یا مواد غذایی میشود به‌شدت افزایش‌یافته است.
یکی از نقاط قوت برآورد ما این است که ازنظر جغرافیایی شهرها را یک‌به‌یک محاسبه کرده ایم که وقتی مسئولان به دنبال ایجاد توازن میزان شدت اقدامات کاهشی هر یک از شهرها هستند، میتواند مهم باشد.
* سیاست اطلاع رسانی سه وجهی
هنگامی‌که داده های کلان در دسترس است، مدل های استاندارد اقتصاد کلان با دقت بیشتری آسیبهای ناشی از تعطیلیها را میتوانند تخمین بزنند؛ اما منابع داده های جایگزین میتوانند سریع‌تر تخمین های اولیه مانند برآورد ما را اصلاح کنند. به‌عنوان‌مثال، از طریق دادههای مربوط به بررسیهای آنلاین (مانند:Yelp) یا تحویل مواد غذایی آنلاین (مانند: ]Caviar[۲) میتوان میزان استفاده از بخش خدمات غذایی را تعیین کرد، همچنین راهی برای سنجش فعالیتهای اقتصادی در زمان واقعی است. علاوه بر این، این دادهها میتوانند به سیاست‌گذاران کمک کنند تا میزان نیازمندیهای اساسی و خدمات آنلاین و همچنین اثرات طولانی‌مدت عدم اطمینان در سرمایه‌گذاری و استخدام را بفهمند.
برآوردهای اولیه ما، تکمیل و اصلاح آن‌ها در آینده میتواند به مدیریت این بحران کمک کند. به‌منظور ایجاد آرامش در روند شدیداً کاهشی فعلی که در حال اجرا است، سیاست‌گذاران به داده های مربوط به هزینه های اجتماعی و مزایای مرتبط با آن نیاز دارند، تجزیه‌وتحلیل ما تخمینی نزدیک در مورد بخش هزین ههای این معادله را ارائه میدهد. با استفاده از ترکیب دادههای مربوط به سرایت بیماری شهرها - میزان بستری در بیمارستانها، بهبودیافته‌ها و مرگ‌ومیرها - برآوردهای ما میتواند به اطلاع رسانی در مورد راهبرد کاهش که در مناطق مختلف کشور متفاوت است کمک کند.
درباره نویسندگان:
۱. کریستوس آ مکریدیس Christos A. Makridis استادیار تحقیقات دانشکده بازرگانی دبلیو پی کَری دانشگاه ایالتی آریزونا، همکار در امور دیجیتالی دانشکده مدیریت سلوان در دانشگاه MIT، همکار غیر مقیم دانشکده مطالعات دولتی کندی دانشگاه هاروارد و همکار غیر مقیم انستیتوی مطالعات دینی دانشگاه بیلور، است. وی همچنین به‌عنوان مشاور ارشد با مؤسسه گالوپ همکاری میکند. تحقیقات وی در حوزه های کار و اقتصاد سازمانی، اقتصاد دیجیتالی و امنیت سایبری، وضعیت مالی و رفاهی خانواده است، وی نگاهی هم به درک چگونگی واکنش افراد و بنگاهها به تغییرات بزرگ به‌ویژه تغییرات اجتماعی و فناوری دارد. مکریدیس دکترای خود را در رشته علوم مدیریت و مهندسی و اقتصاد از دانشگاه استنفورد و لیسانس خود را در رشته اقتصاد و ریاضیات از دانشگاه ایالتی آریزونا دریافت کرده است.
۲. جاناتان س. هارتلی Jonathan S. Hartley یک نویسنده و محقق اقتصادی است که به اقتصاد کلان، امور مالی و تجزیه‌وتحلیل ورزشی علاقه مند است. وی قبلاً در شرکتهای تحقیقاتی تحت عناوین مختلف مدیریتی، تحلیلگری و غیره فعالیت داشته است. وی همچنین در امور دولتی متعدد مانند کمیته مشترک اقتصادی کنگره ایالات‌متحده، بانک فدرال رزرو نیویورک و بانک فدرال رزرو شیکاگو فعالیت داشته است. هارتلی از دانشگاه شیکاگو لیسانس اقتصاد و ریاضیات با درجه عالی دریافت کرد و از دانشکده وارتون دانشگاه پنسیلوانیا فوق‌لیسانس امور مالی و اقتصاد تجارت گرفت. وی همچنین نامزد دریافت کارشناسی ارشد سیاستهای عمومی از دانشکده کندی دانشگاه هاروارد بود.
پی‌نوشت:
[۱] CARES Act که معادل Aid, Relief, and Economic Security است در ۲۷ مارس ۲۰۲۰ در راستای کمک به آسیب دیدگان از ویروس کرونا توسط کنگره تصویب و توسط ترامپ امضاء شد.
[۲] Yelp و Caviar برنامههای اینترنتی است که مردم آمریکا و تعدادی از کشورهای جهان را به مشاغل و نیازمندیهای مختلف مانند رستورانها، پزشکان، دندان‌پزشکان، آرایشگاهها و غیره وصل میکنند.
