估计就业冲击的分布影响：经验启示

新冠疫情的经济影响是巨大的，低收入和中等收入国家的劳动力市场急剧下滑。 国际劳工组织的估计显示，从2019年四季度至2020年二季度，总的工作时间减少了18.5%，相当于丧失了5.2亿个全职工作岗位。 对39个发展中国家所做的电话调查呈现出更为暗淡的图景，大约三分之一的受访者报告说在2020年春夏处于停工状态。尽管在2020年至2021年期间出现了一些复苏，但劳动力市场依然在苦苦挣扎。

盲目的开端

在危机爆发之初，政策制定者面临着经济冲击的影响及分布效应的不确定性。关键的问题包括同富裕人口相比危机对贫困人口有何影响以及贫困率上升的程度。 然而，收集和发布福祉调查数据通常需要花费数月甚至数年的时间，而且大部分数据收集工作在 2020 年都已暂停，使得回答这些关键问题愈发具有挑战性。

微观模拟来助力

为了解决这一数据缺口，微观模拟成为估计危机分布影响的一项重要技术。微观模拟方法由五个步骤组成：

1. 失业预测：根据人均GDP变化来预测失业。
2. 弱势工人识别：根据社会经济特征、就业行业和正式身份来估计哪些工人最难找到工作。
3. 失业模拟：模拟非受保护行业最弱势工人的失业和完全失去劳动收入的状况，以匹配预测的失业规模。
4. 收入变化模拟：对于保住了工作但并非在受保护行业工作的工人，模拟劳动收入变化，相当于国民账户私人消费的百分比变化。
5. 汇款收入模拟：模拟汇款收入百分比变化，等同于收款家庭汇款收入总体百分比变化的。

假设与现实

其中多个步骤依赖于某些假设，例如：

• 步骤一假设危机前数据的就业弹性可以准确预测危机期间的失业情况。
• 步骤二假设在危机前和危机后的就业概率相似。
• 步骤三假设最难找到工作的工人最有可能失去工作。
• 步骤四假设受保护行业的工人收入没有下降，而非受保护行业的工人收入下降幅度相同。
• 步骤五假设所有收款家庭的汇款收入降幅相同。

尽管有以上假设，但这些步骤在危机发生、时间紧迫的情况下提供了宝贵洞见。

来自冲击后数据的洞见

我们的新论文《从中产到一夜致贫》利用在危机初期影响后收集的数据来探讨这些问题，总体上发现结果是好坏参半。

就业弹性和GDP预测：基于弹性的估计略微低估了2020年的就业损失，但准确度出乎意料地高，在15个国家中有11个国家在基于调查的失业率的5%范围内。按照居家令的严格程度和谷歌人员流动报告衡量，在疫情影响特别严重的地区，估计的准确度最低。使用上一场全球危机时期的弹性也许有助提高预测的准确度。

微观模拟和分布影响：对5个国家的微观模拟显示中产阶级人数减少，贫困人口增加，但在增减幅度上差异很大。这突显出考虑国家特定因素的重要性，而不能只考虑GDP或人均消费变化以及危机前的福祉分布。

微观模拟的准确度：在巴西，将微观模拟预测与2020年和2021年收集的实际调查数据进行了比较。微观模拟低估了（转移支付前的）收入下降幅度，特别是对于最富裕的五分之一人口而言。之所以出现这种差异，可能是因为微观模拟没有考虑到劳动收入下降的分布差异，因为并非所有工人都经历了相同幅度的收入下降。

未来之路

为了加强建模工具，需要对各种环境进行更多的评估和更严格地收集证据。目前的分布中性贫困估计平均存在3.7个百分点的偏差，微观模拟为提高预测准确度带来了希望。此外，考虑非正规就业可以提高模型预测的准确度。

巴西的研究结果突显出加强微观模拟模型和频繁收集调查数据的重要性，以便更好地了解危机的分布影响。 在我们继续应对新冠疫情的后续影响时，不断完善我们的实时分析工具，收集更多证据，为未来遭遇危机时做出有效的政策应对提供信息，这一点至关重要。 

图1.在巴西，预测和观察的收入变化呈现出不同的分布影响