Den hälsosamme ekonomisten, Friday 14 August, 2020

Siffrorna för andra kvartalets BNP börjar ramla in. Och frågan som många ställer sig är - gav olika länders strategier för att bemöta Covid-19 olika resultat?

Personligen tror jag det är meningslöst att jämföra BNP-utvecklingen om man inte också tar hänsyn till att länderna har helt olika förutsättningar att bemöta epidemin. Det är svårare att bromsa virusets framfart i London än i Östersund. Vissa länder har i snitt 600 invånare per kvadratkilometer, medan andra har 15.

En modell för att utvärdera strategin bör också ta hänsyn till fördelningen på olika ekonomiska sektorer. Åtminstone bör man justera för andelen anställda i olika näringsgrenar.

Sedan bör man ta hänsyn till effektiv befolkningstäthet. Den faktorn kan göra stor skillnad exempelvis för Spanien där man bor relativt tätt även om antalet invånare i snitt per kvadratkilometer inte är så högt.

Detta sagt - det verkar som om länder som haft många dödsfall per invånare fått ett större tapp i BNP än länder som haft få dödsfall. Viruset bör därmed ha slagit hårt mot tätbefolkade regioner.

Plottar man befolkningstäthet mot BNP-tapp andra kvartalet får man ett tydligt samband. Sambandet kan tänkas se ut som följer: Högre befolkningstäthet ger fler döda i Covid-19 vilket ger större BNP-tapp.

Sedan kan policy förstås också ha haft betydelse. Men jag tror att åtgärderna mot viruset generellt mer var reaktiva än proaktiva. Det bör dock noteras att Sverige och USA tillhör de länder som har fler fall än vad som bör förväntas givet befolkningstäthet och möjligen kan policy där ha spelat en roll. Dock misstänker jag att det mest handlar om den mycket långsamma starten - med bristande smittspårning och testning.

I fallet Spanien tror jag att det delvis det handlade om dålig reaktionsförmåga, men också att landet är rätt tätbefolkat där det bor människor. Italien hade ungefär så många dödsfall som man bör förvänta sig givet befolkningstätheten, medan Nederländerna och Tyskland presterade bättre än förväntat.

Helst borde analysen utföras på regionnivå, eftersom befolkningstätheten skiljer sig mycket åt även inom länderna. Problemet är att BNP inte är lika lätt att analysera och tolka på lägre nivåer, så jag antar att man måste hålla sig på den högre nivån.

Hur som helst - att länderna valde delvis olika väg vid bekämpningen av pandemin har antagligen mindre betydelse än antalet avlidna per invånare. Argumentet att hårda nedstängningar kostar på bortser från att de länder som genomförde de mest drastiska åtgärderna gjorde det efter att de misslyckats med att få koll på utbrottet.

Länder som tidigt testade och smittspårade, som Tyskland, klarade av att hantera situationen utan att genomföra drastiska nedstängningar. Det som är unikt med Sverige är att vi först misslyckades med att få koll på situationen och sedan ändå valde en ganska liberal linje.

Hade Sverige haft 500 invånare på kvadratkilometer skulle den strategin nog inte ha räckt till och vi hade då hamnat i Italiens eller Spaniens situation. Nu har vi drygt 20 och även om vi fick betydligt fler döda än andra länder med samma befolkningstäthet lyckades vi till slut få stopp på epidemin.

Jag vågar inte svara på om BNP-utvecklingen blev bättre eller sämre än den hade blivit om vi stängt ner ekonomin på ett mer drastiskt sätt. Men vi hade definitivt kommit bättre ur krisen om vi gjort som Tyskland i början - alltså: test, trace and isolate. Vad vi gjorde i maj och därefter hade nog rätt liten betydelse, men vår rätt liberala linje kan måhända ha dragit ut på processen något.

Våra nordiska grannar tycks ju ha fått lite mindre BNP-tapp än vi och dom vidtog ändå mer drastiska politiska åtgärder. Å andra sidan hade de färre dödsfall i förhållande till befolkningen, vilket jag tror är förklaringen till att det ekonomiska tappet ändå blev något mindre. Den stora ekonomiska effekten tror jag beror på enskilda människors reaktioner på viruset. Om risken att bli smittad uppfattas som hög vidtar man mer drastiska åtgärder, såväl i det ekonomiska livet som i privatlivet.

• 2008
• 2009
• 2010
• 2011
• 2012
• 2013
• 2014
• 2015
• 2016
• 2017
• 2018
• 2019
• 2020

Bläddra bland äldre blogginlägg.