Tratto da lavoce.info
di Carlo Favero, professore ordinario di Economics presso l’Università Bocconi
Andrea Ichino, docente di econometria avanzata e di economia delle risorse umane presso l’Università degli Studi di Bologna
e Aldo Rustichini, Ha ottenuto un Ph.D. in Mathematics alla University of Minnesota, di cui è attualmente Professor of Economics
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 epidemiologici sarebbero di grande aiuto al pubblico, ai decisori politici e alla comunità scientifica.
