Fiscal Policy in the Age of COVID: Does it ‘Get in all of the Cracks?’
Notice bibliographique
Résumé
We study the effects of fiscal policy in response to the COVID-19 pandemic at the firm, sector, country and global level.First, we estimate the impact of COVID-19 and policy responses on small and medium sized enterprise (SME) business failures.We combine firm-level financial data from 50 sectors in 27 countries, a detailed I-O network, real-time data on lockdown policies and mobility patterns, and a rich model of firm behavior that allows for several dimensions of heterogeneity.We find: (a) Absent government support, the failure rate of SMEs would have increased by 9 percentage points, significantly more so in emerging market economies (EMs).With policy support it only increased by 4.3 percentage points, and even decreased in advanced economies (AEs).(b) Fiscal policy was poorly targeted: most of the funds disbursed went to firms who did not need it.(c) Nevertheless, we find little evidence of the policy merely postponing mass business failures or creating many 'zombie' firms: failure rates rise only slightly in 2021 once policy support is removed.Next, we build a tractable global intertemporal general equilibrium I-O model with fiscal policy.We calibrate the model to 64 countries and 36 sectors.We find that: (d) a sizable share of the global economy is demand-constrained under COVID-19, especially so in EMs.(e) Globally, fiscal policy helped offset about 8% of the downturn in COVID, with a low 'traditional' fiscal multiplier.Yet it significantly reduced the share of demand-constrained sectors, preserving employment in these sectors.(f) Fiscal policy exerted small and negative spillovers to output in other countries but positive spillovers on employment.(g) A two-speed recovery would put significant upwards pressure on global interest rates which imposes an additional headwind on the EM recovery.(h)Corporate and sovereign spreads rise when global rates increase, suggesting that EM may face challenging external funding conditions as AEs economies normalize.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».