というNBER論文が上がっている。原題は「The Impacts of Covid-19 Illnesses on Workers」で、著者はGopi Shah Goda（スタンフォード大）、Evan J. Soltas（MIT）。この論文は既にWSJ日本版や日経で紹介されているほか、タイラー・コーエン経由で要旨も邦訳されている。
著者のうちSoltasは高校生の時から経済学ブロガーとして活躍しており、本ブログでも10年前に取り上げたことがあるが、そのSotlasがツイッターで論文を解説しているので以下に紹介してみる。
New short paper with @ipogadog: We estimate that Covid-19 illnesses have reduced the US labor force by ~500,000 workers & provide the first representative estimates of Covid’s direct labor supply effects.
Paper: https://nber.org/papers/w30435
How do we get to our number of 500k? Our approach is simple: impact = (# of illnesses) X (average severity of illnesses).
To count illnesses, we use excess (versus pre-pandemic) health-related work absences in the Current Population Survey.
To measure severity, we estimate an event study, comparing workers who get Covid to initially-similar workers who don’t get sick.
We find that workers who get Covid are 7 percentage points less likely to be in the labor force one year later.
We estimate that people with a Covid illness resulting in a week-long absence see an average income loss of $9,000 over a year, including labor force exits and changes in hours and wages.
Similar to the hospitalization impacts here:
Scaled up in the same way as the labor force loss, these wage income losses suggest a “productivity burden” of Covid illnesses of about $62 billion a year. That’s ~1/2 of comparable estimates for cancer or diabetes.
More results:
1) Larger effects on older workers (not much other heterogeneity)
2) Most of impact is on employment, less action on weekly hours or hourly wages
3) Labor force details suggest very persistent exit effect
We can’t see in our data which health-related absences are Covid and which aren’t, but provide evidence that the overall health absence effect applies to Covid specifically.
1) effects don’t vary in areas with larger/smaller Covid waves
2) can see it in summary statistics!
Our estimate (500k) omits two factors that can justify larger losses:
1) illnesses among people who weren’t in the labor force but would have entered
2) survey data miss illnesses occurring outside of the survey reference week
→ reasonable assumptions would add another 250k
Similar questions in other labor force surveys (AUS, CAN, EU, UK, …) mean our work can be replicated internationally. Our methods can also be used to track the pandemic and future public health crises. If this is of interest to you, please get in touch.
Our estimate is lower than that of Brookings’ @kathrynsbach, who projects a loss of 2-4 million workers:
Some key distinctions in our approaches:
1) we have a representative sample of HHs & a control group for the ill
2) we use a "revealed pref." approach to quantify LF exit rather than relying on self-attribution in surveys
3) we use same data to count illnesses & measure impacts
Careful estimates of the economic losses from Covid's health impacts can help policymakers accurately assess the consequences of various Covid-19 mitigation strategies and predict the reliance on social insurance programs, and are important inputs into economic policy decisions.
（拙訳）
ゴピ・シャー・ゴーダとの新たな短い論文で、我々はコロナ疾患で米国の労働力がおよそ50万人減少したと推計した。これは、コロナの労働供給への直接的な影響についての初めての代表的な推計となる。
論文はhttps://nber.org/papers/w30435
50万という数字はどのように得られたのか？ 我々の手法は単純で、影響＝（疾患数）×（疾患の平均的な深刻度）、として求めた。
疾患数は、人口動態統計での病欠の（コロナ禍前に対する）超過数を用いた。
深刻度の測定としては、コロナに感染した労働者と、初期条件は同様だったが感染しなかった労働者とを比較するイベントスタディの推計を行った。
コロナに感染した労働者は、1年後に労働力に留まっている確率が7%ポイント低いことを我々は見い出した。
我々の推計によれば、コロナに感染して1週間休んだ人は、労働力からの退出や、労働時間や賃金の変化により、平均して1年間に9000ドルの所得の損失を蒙る。
これはこちらの論文の入院の影響と同様の結果だ。
www.aeaweb.org
こうした賃金所得の損失を、労働力人口の減少と同様の形で全国に当てはめると、コロナ疾患の「生産性への負担」が年間およそ620億ドルになることが示される。これは、癌や糖尿病についての比較可能な推計のおよそ半分だ。その他の結果：
- 高齢の労働者への影響が大きい（それ以外の不均一性はあまりみられない）
- 影響の大半は雇用におけるもので、週の労働時間や週給への影響はそれよりも小さい
- 労働力の詳細な分析からは、退出効果は非常に持続的であることが示唆される
我々のデータでは病欠についてコロナとそれ以外を区別することはできないが、全体的な病欠の影響が明確にコロナに当てはまるという実証結果を提供している。
- 地域におけるコロナ禍の波の大小にかかわらず影響が変化しない*1
- 記述統計量に現れている！
我々の推計値（50万人）は、より大きな被害を正当化し得る2つの要因を除外している。
- 労働力に含まれていなかったが参入していたであろう人々における感染
- 調査では調査対象の週以外に発生した感染が含まれていないこと
→妥当な仮定の下では、追加で25万人が加わることになる。
他の労働力調査（豪州、カナダ、EU、英国、…）に同様の質問項目があることは、我々の研究を国際的に再現できることを意味する。我々の手法はまた、パンデミックと今後の公衆衛生の危機を追跡するのに使える。興味があれば、連絡されたい。
我々の推計値は、二百万から四百万の労働者の喪失を予測したブルッキングス研究所のケイティ・バックのものより小さい。
www.brookings.edu
両者の手法の幾つかの主な違いは以下の通り：
- 我々は、疾患で健康に問題が生じた人々*2と対照群について代表的なサンプルを有している
- 我々は、労働力からの退出を定量化するに当たって、調査での自己申告に頼るのではなく「顕示選好」手法を用いている
- 我々は、疾患を数えるのと影響を測定するのに同じデータを用いている
コロナの健康への影響による経済的損失の注意深い推計は、政策担当者が正確に様々なコロナ抑止戦略の帰結を評価し、社会保障プログラムへの依存を予測するのに役立ち、経済政策の決定における重要な入力となる。
*1:これはコロナ禍の影響が他の病欠と同じくらい問題だ、という趣旨のようである。本文からの引用：We find in Table 1 that, at both the 1-month and 12-month post-absence horizons, health-related absence effects do not change significantly when state-level Covid case and death rates are elevated relative to the national average. When the state Covid-19 case rate is one standard deviation above the contemporaneous national mean, the effect of health-related absences on participation one month later is statistically unlikely to be more than 1.4 percentage points (= 0.001+1.96×0.007) smaller in absolute magnitude. The difference is somewhat less precisely estimated at the twelve-month time horizon. Covid-19 absences appear about as harmful to participation as health-related absences on average.
