Soft or hard lockdown policies in a global pandemic? A deep dive analysis of COVID-19's impact on the Japanese economy
Notice bibliographique
Résumé
Governments worldwide have struggled with effective policy responses to the COVID-19 pandemic and the potential threats posed by the pandemic to economic and public health. The rapid mutation of the virus into numerous variants further exacerbated the policy puzzles faced by governments, health officials, and medical scientists. This study investigates the macroeconomic policy implications of the Japanese government's response to the COVID-19 pandemic using an exploratory data analysis (EDA) framework. The analysis compares Japan's COVID-19 statistics with those of selected OECD member countries as well as the economic implications of Japan's COVID-19 policy response, focusing on households and businesses. The results indicate that compared to selected OECD member countries, confinement measures and behavioral changes kept Japan's COVID-19 transmission rate low. In addition, less stringent measures, such as intermittent state of emergency and voluntary stay-at-home policies adopted by the Japanese government, appear to have paid off. Public debt increased, wages fell moderately, unemployment rose moderately, and private consumption slowed, but recovered quickly in the last quarter of 2020. Crucially, expansionary fiscal stimulus to both households and businesses staved the worst effects of the pandemic. The evidence points to post-COVID-19 economic recovery policy measures that ensure direct and robust government funding to SMEs, attractive investment climate to accumulate private capital, and investment in digital economy transformation that encourage and pave the way for hybrid working system.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».