Quantifying the Macroeconomic Effects of the COVID-19 Lockdown: Comparative Simulations of the Estimated Galí-Smets-Wouters Model
Notice bibliographique
Résumé
This paper considers 3 scenarios regarding the duration of the COVID-19 pandemic lockdown, staying for 1, 2 or 3 quarters, and 2 types of exceptionally rare and devastating disruptions in employment modeled as adverse labor supply shocks, a temporary one with negligible loss in the labor force due to deaths or a permanent one, with significant loss from deaths. The temporary labor supply shock simulations delimit a lower bound, designed to match about 1/4 of the labor force unable to work, and an upper bound, matching about 3/4 of the labor force made economically inactive, broadly consistent with estimates. The permanent labor supply shock is designed to match, in 3 scenarios again, up to 1% loss of the labor force due to mortality, twice milder than the Spanish flu 2% death rate. Estimated calibrations of the Galí-Smets-Wouters (2012) model with indivisible labor for 5 major and most affected by the COVID-19 pandemic economies are simulated: the US, France, Germany, Italy and Spain. The simulations suggest that even in the most optimistic scenario of a brief (lasting for 1 quarter) and mild (with 1/4 of the labor force unable to work) lockdown, the loss of per-capita consumption (6-7% in annualized terms down from the long-run trend in the impact quarter) and per-capita output (3-4% down) will be quite damaging, but recoverable relatively quickly, in 1-2 years. In the most pessimistic simulated scenario of temporary loss the effects will be 10-15 times more devastating, and the loss of output and consumption will persist beyond 10-15 years. Permanent loss of up to 1.5 percentage points of per-capita consumption and output characterizes the simulated permanent labor supply shock.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».