La condivisione dei dati e la ricerca multidisciplinare tra economisti ed epidemiologici sarebbero di grande aiuto per affrontare le scelte imposte dal diffondersi del Covid-19. Serve una modellistica che includa aspetti epidemiologici ed economici.
I modelli di “epinomics”
Il momento che stiamo vivendo è di straordinaria emergenza. Le politiche di intervento non farmacologiche (note come Npi) impongono scelte che hanno gravi conseguenze economiche ed è molto importante riflettere sullo scambio tra vite umane salvate e contrazione economica che ne deriva. È perciò cruciale fondare la discussione e le scelte che ne conseguono su una modellistica che includa simultaneamente aspetti epidemiologici e aspetti economici: usando un termine coniato di recente da Luigi Guiso, i modelli di epinomics (si veda anche il symposium on Economics and Epidemiology nel numero di Fall 2020 del Journal of Economic Perspectives.
Purtroppo, il dibattito tra economisti ed epidemiologi fatica a svilupparsi e acidi tweet sono molto più frequenti di lavori di ricerca congiunti tra specialisti delle diverse discipline. La comunicazione via Twitter è indubbiamente uno strumento potente, ma limitato, perché per sua natura non permette l’articolazione e rischia di avvelenare il dialogo anziché promuoverlo. Mentre il potenziale per un contributo congiunto tra economisti ed epidemiologi è enorme.
I modelli epidemiologici standard (Sir, Seir e varianti associate) hanno una struttura molto simile ai modelli di “search and matching” nel mercato del lavoro (modelli per i quali qualche anno fa è stato attribuito il premio Nobel a Chris Pissarides e questo facilita la costruzione di modelli di epinomics.
I modelli epidemiologici standard non includono risposte endogene in termini di mutato comportamento (behavioural) da parte degli individui. In un modello tipo SIR gli individui si comportano alla stessa maniera quando non ci sono vittime e quando la mortalità è alta.
L’ipotesi ha forti conseguenze sulle scelte delle politiche di intervento ed è importante valutarla empiricamente con attenzione. Così come è importante studiare le implicazioni della presenza di una risposta comportamentale degli individui all’andamento del virus e alle informazioni disponibili. Come ben illustrato da Christopher Avery (cfr. qui), le previsioni fatte a marzo del 2020 di 510 mila vittime da Covid-19 nel Regno Unito e di 2 milioni e 200 mila negli Stati Uniti, sulla base del modello di Imperial College London e confermate dal modello dell’Institute for Health Metrics and Evaluation (Ihme) non includevano alcuna risposta comportamentale da parte degli individui. Queste previsioni hanno chiaramente influenzato le decisioni sulle politiche di intervento non farmacologiche attuate nei due paesi.
Eleanor Murray (cfr. qui) nota che l’obiettivo di questi modelli non è tanto fornire previsioni, quanto disegnare “lo scenario peggiore” (worst case scenarios) e, d’altra parte, anche in epidemiologia si fa strada l’idea di costruire modelli che incorporino risposte comportamentali (cfr. qui). Nel delineare un worst case scenario è peraltro fondamentale includere tutte le dimensioni, compresa quella economica.
Includere le modifiche al comportamento individuale
In un modello per simulare le scelte di politica economica è importante includere aspetti di “learning” (apprendimento), da parte dei decisori politici, riguardo alla risposta degli individui allo sviluppo del virus. La domanda da porsi è: come si evolve il comportamento individuale rispetto, da un lato, a una percezione della mortalità e pericolosità del virus che varia nel tempo e, dall’altro, all’introduzione di politiche restrittive delle scelte individuali?
E quali sono le implicazioni per le proprietà di simulazione dell’utilizzo di modelli altamente non lineari in cui non c’è una chiara identificazione di parametri strutturali e parametri controllati da chi decide la policy?
L’arcinoto Rt è una variabile (e non un parametro costante nel tempo) che si evolve nel tempo in conseguenza di interventi di politica sanitaria ed economica (uso di mascherine, limitazioni di mobilità, lockdown selettivi e generalizzati), reazioni degli individui ai dati che vengono diffusi e messi in risalto attraverso i media, caratteristiche del virus e potenziali mutazioni. Quindi, è fondamentale capire la dipendenza di Rt dalle variazioni comportamentali, politiche e virologiche.
La realtà da analizzare è complicata e nella comunità scientifica si possono aprire dibattiti sconcertanti per i non addetti ai lavori. Basta pensare al confronto tra la “Barrington Declaration” e il “John Snow Memorandum” (qui), in cui due gruppi di scienziati – tutti di alta reputazione – hanno assunto posizioni totalmente diverse sull’utilizzo di politiche di lockdown selettivo e sulla ricerca effettiva della cosiddetta “immunità di gregge”.
La straordinarietà dell’emergenza richiede di affrontare sfide che riguardano la relazione tra ricerca e politiche concrete, il dialogo tra gli esperti e il pubblico e l’implementazione di modelli teorici ed empirici. La condivisione dei dati e la ricerca multidisciplinare tra economisti ed epidemiologi sarebbero di grande aiuto al pubblico, ai decisori politici e alla comunità scientifica.
Lavoce è di tutti: sostienila!
Lavoce.info non ospita pubblicità e, a differenza di molti altri siti di informazione, l’accesso ai nostri articoli è completamente gratuito. L’impegno dei redattori è volontario, ma le donazioni sono fondamentali per sostenere i costi del nostro sito. Il tuo contributo rafforzerebbe la nostra indipendenza e ci aiuterebbe a migliorare la nostra offerta di informazione libera, professionale e gratuita. Grazie del tuo aiuto!
Carlo Favero ha conseguito il D.Phil. in Economics presso la Oxford University dove è stato membro del Oxford Econometrics Research Centre. Attualmente è professore ordinario di Economics presso l’Università Bocconi. E’ membro del comitato di direzione del Giornale degli economisti e Associate Editor della European Economic Review. Inoltre è research fellow del Cepr, membro del comitato scientifico del Euro Area Business Cycle Network, del Centro Interuniversitario Italiano di Econometria (Cide) e della Commissione Nazionale per le Società e la Borsa. Le sue aree di interesse scientifico sono la politica monetaria, il comportamento delle Banche Centrali, i modelli econometrici del meccanismo di trasmissione della politica monetaria.
Si laurea all'Università Commerciale Luigi Bocconi nel 1985, con una tesi sugli effetti dei sussidi di disoccupazione sul mercato del lavoro, sotto la guida di Mario Monti. Nel 1990 ha conseguito un Ph.D. presso il Massachusetts Institute of Technology. Ha iniziato quindi la sua carriera accademica presso la stessa Università Bocconi, sia come docente che come ricercatore presso l'Istituto Innocenzo Gasperini. Dal 1997 al 2006 ha insegnato macro e microeconomia del lavoro e microeconometria presso l'Istituto Universitario Europeo di Firenze. Dall'ottobre 2006 è docente di econometria avanzata e di economia delle risorse umane presso l'Università degli Studi di Bologna.
Ha ottenuto un Ph.D. in Mathematics alla University of Minnesota, di cui è attualmente Professor of Economics. Ha insegnato anche a Cambridge, Boston, Tilburg, Louvain, alla New York University e alla Northestern University.
Membro della Econometric Society e del Council of the Game Theory Society.
Savino
I virologi debbono smetterla di fare le star in tv ed, in generale, il sistema medico e sanitario deve tirare fuori le problematiche organizzative sanitarie che sono all’origine dei lockdown piuttosto che il virus in sè.
Serendippo
Trovo illogico, contrario al metodo scientifico, non supportato da dati, affermare che il modello di Imperial College abbia portato a sbagliare le politiche di intervento non farmacologico. Anzi, la realtà dei fatti è stata una evidente sottovalutazione iniziale del problema e inevitabili misure drastiche successive. Cosa avrebbe aggiunto una possibile valutazione del comportamento delle persone fatta con i metodi “behavioural” degli economisti quando i fatti stanno dimostrando in modo eclatante che i comportamenti individuali in una pandemia sono tutt’altro che prudenti e/o risolutivi e tantomeno prevedibili? Vedasi USA, la “civilissima” Svezia, l’Italia e l’Europa della seconda ondata… Eccetera.
Marcello
per esempio che un evento estremo non può essere valutato con un approccio frequentistico, soprattutto quando non si è mai verificato prima. Uno dei migliori talk che ho visto recentemente è quello di Holmstrom in cui si usa una regeressione a tre variabili (UV ray, Season e Mobility) che formnisce un R quadro di circa 50% circa la cosiddetta seconda ondata, nonostante si sia in presenza di variabili correlate e quindi con enormi problemi di collinearità. Se si fa a testa o croce o se si applica il principio di ragione insufficiente la probabilità è del 50%. Fate un po’ voi. I terorici delle decisioni studiano l’incertezza da Boole, Borel e Russel in poi e credo che oggi abbiamo molto, ma molto da dire su quello a cui assistiamo, purtroppo in pochi sembrano rendersene conto. In una situazione come questa di estrema incertezza epistemica e ontologica, di eventi estremi con bassissime probabilità e con conseguenze catastrofiche un approccio soggettivista alla probabilità è non solo necessario, ma obbligato, pena le strampalate e soprattutto errate previsioni e scenari offerti in più o meno tutti i paesi in questi terribili mesi. O mi sono perso qualcosa? Quindi magari si realizzasse questa collaborazione scientifica. In Italia abbiamo dipartimenti di eccellenza sul tema e non mi risulta che siano stati coinvolti. Risultato siamo sull’orlo del collasso del sistema sanitario nazionale, perchè il sistema di 21 indicatori non ha funzionato, perchè?
Jacopo Gerani
1) Tre economisti, senza un epidemiologo, che scrivono su un sito letto principalmente da economisti di collaborazione epi-econ. Suggerirei inserire un epidemiologo tra le firme del prossimo articolo.
2) dire “i modelli SIR standard non includono behavioural responses” e’ come dire “i modelli economici standard non includono behavioural responses”. Se aveste fatto una breve ricerca prima magari! Raccomando leggere il lavoro del Centre for Health Econ and ID modelling di Antwerp (c’e’ una sys review sul tema), e vari computational scientists
3) Detto tutto cio’ sulla premessa che trovo largamente infondata e credo sia dovuta a un observer bias (cioe’, gli autori non hanno assistito a collaborazione epi-econ, quindi non c’e’), il punto finale che ci sia piu’ ricerca da fare, e che questa debba essere multidisciplinare, credo sia giustissimo. Cordialmente.
Marcello
Quindi il suggerimento è di usare dei modelli deterministici con parametri soglia stimati con metodo di monte-carlo e in cui l’incertezza è trattata con una procedura bootstrap in un modello additivo generalizzato (GAM), ho capito bene? Allora siamo a posto.
L’incertezza non è il rischio gli intervalli di confidenza non funzionano, tanto è vero che l’IPCC cioè il più grande complesso di scienziati multidiscipline che si sia mai visto produce valutazioni che sono espressi con giudizi qualitativi, tiopo molto probabile ecc. Credo che si stia parlando di cose diverse, purtroppo