Khi biến thể Delta đang lây lan nhanh chóng, làm thế nào để cân bằng giữa sự an toàn của người dân và nền kinh tế đã trở thành một vấn đề nghiêm trọng ở mỗi quốc gia. Có giải pháp nào tối ưu không? Ông Hiromi Yamaoka, một cựu giám đốc đã từng tham gia phân tích kinh tế lâu năm tại ngân hàng trung ương Nhật Bản, giải thích. Phần thứ 50 của loạt bài "dự báo tương lai / công nghệ thông tin của corona".
Mối đe dọa lây nhiễm COVID-19 tiếp tục với sự mở rộng của "biến thể Delta". Không có dấu hiệu nào cho thấy cuộc tranh cãi về việc "nên ưu tiên kiểm soát lây nhiễm hay hoạt động kinh tế" đã kết thúc.
Tất nhiên, câu trả lời đơn giản là "cả hai đều quan trọng", nhưng đây không phải là một "câu trả lời hữu ích". Vì hoạt động kinh tế được sinh ra từ mối quan hệ giữa con người với nhau, nên không thể tránh khỏi sự đánh đổi giữa hoạt động kiểm soát lây nhiễm và hoạt động kinh tế. Nếu mỗi người ở trong một phòng và không bao giờ tiếp xúc với người khác, có thể ngăn ngừa lây nhiễm nhưng không thể duy trì hoạt động kinh tế. Mặt khác, nếu không có giới hạn nào được đặt ra đối với sự tiếp xúc giữa người với người, thì sự lây nhiễm sẽ lây lan ngay cả khi hoạt động kinh tế có thể được duy trì.
Giải pháp tốt nhất có thể nằm ở đâu đó ở giữa, nhưng tìm được nơi đó có thể là một nhiệm vụ khó khăn. Điều này là do sự so sánh giữa cuộc sống cơ bản là “vô giá” và giá trị kinh tế chắc chắn phản ánh ý thức về giá trị của mỗi người và bị ảnh hưởng rất nhiều bởi tình hình luôn thay đổi.
■ Sử dụng một mô hình đơn giản làm đầu mối
Một mô hình nổi tiếng và đơn giản để dự đoán xu hướng bệnh truyền nhiễm được gọi là “mô hình SIR” (nếu bạn quan tâm đến tổng quan về mô hình, vui lòng đọc tệp đính kèm bên dưới).
Trong mô hình này, tỷ lệ người nhiễm bệnh trong tương lai được coi là phụ thuộc vào "tỷ lệ không bị nhiễm" hiện tại nhân với "tỷ lệ bị nhiễm" và sau đó nhân với "số sinh sản cơ bản". Đây là "số sinh sản cơ bản (R0) (Thường được biểu thị bằng) "là một giá trị cho biết" có bao nhiêu người bị nhiễm sẽ bị nhiễm vào thời điểm họ khỏi bệnh từ một người bị nhiễm đã nhập vào một tập thể không có miễn dịch." Giá trị này được xác định bởi khả năng lây nhiễm của chính mầm bệnh và tần suất tiếp xúc giữa người với người.
Ngoài ra, việc nhân "tỷ lệ người không mắc bệnh" và "tỷ lệ người nhiễm bệnh" là điều dễ hiểu về mặt trực giác. Nếu tỷ lệ không bị nhiễm là 100% (tức là không bị nhiễm) thì sẽ không bị lây nhiễm, còn nếu tỷ lệ không bị nhiễm là 0% (tức là tất cả đều bị nhiễm) thì sẽ không bị nhiễm nữa.
Nếu số lượng sinh sản cơ bản này vượt quá 1, người mới bị nhiễm sẽ có nhiều khả năng lây nhiễm sang người không bị nhiễm, và sự lây nhiễm sẽ lây lan nhanh chóng. Mặt khác, nếu số lượng sinh sản cơ bản nhỏ hơn 1, sự lây nhiễm sẽ dần dần lắng xuống trong tính toán.
(Lưu ý rằng giá trị cho biết có bao nhiêu người bị nhiễm lây nhiễm tại một thời điểm cụ thể trong một môi trường mà những người bị nhiễm đã xuất hiện, chứ không phải "tập thể không miễn dịch" là "số hiệu quả". Nó được gọi là "số sinh sản) "và được thể hiện dưới dạng Rt. Đây cũng là một hướng dẫn quan trọng để kiểm soát lây nhiễm, nhưng vì giá trị này thay đổi theo thời gian, nên từ quan điểm đơn giản hóa cuộc thảo luận, chúng tôi sẽ tập trung vào "số sinh sản cơ bản" trong bài báo này.)
Do đó, người ta nghĩ rằng “chúng ta hãy giảm sự tiếp xúc giữa con người với nhau đến mức số sinh sản cơ bản nhỏ hơn 1” là điều đương nhiên. Tuy nhiên, không dễ để rút ra từ mô hình mức độ hạn chế hành vi nên được áp dụng trong các quyết định chính sách thực tế.
Đứng trên quan điểm là người đã tham gia phân tích kinh tế trong một thời gian dài và xem xét nhiều mô hình khác nhau, đặc điểm của mô hình này là giá trị ước tính bị ảnh hưởng rất nhiều bởi "số tái sản xuất cơ bản".
Sẽ rất tốt nếu số lượng sinh sản cơ bản được biết và không thay đổi, nhưng vi rút thực sự lặp lại đột biến. Những biến động và sự không chắc chắn dẫn đến "số tái sản xuất cơ bản" trực tiếp mang lại sự không chắc chắn lớn cho các ước tính. Do đó, giá trị ước tính thu được từ điều này nên được xem với một phạm vi đáng kể.
■ Tác động của phản ứng chính sách đối với nền kinh tế
Sau đó, hãy xem xét mối quan hệ với phản hồi chính sách từ trạng thái đặt chỗ nhà hàng của trang web đặt chỗ nhà hàng "Open Table", thường được sử dụng để phân tích ngày nay. Nhìn vào điều này, có thể thấy rằng phản ứng của các quốc gia khác nhau đáng kể, và không thể nói rằng phản ứng của bất kỳ quốc gia nào là xuất sắc.
Ví dụ: ở các quốc gia có tình trạng phong tỏa nhẹ (thường là Vương quốc Anh và Ireland), việc đặt chỗ nhà hàng có xu hướng phục hồi mạnh sau khi gỡ bỏ phong tỏa. Tuy nhiên, sau đó, sự lây nhiễm lại lan rộng, buộc phải chuyển sang trạng thái phong tỏa nghiêm trọng một lần nữa.
■ Chia sẻ dữ liệu và hiểu các giới hạn của mô hình
Như những ví dụ này cho thấy, vẫn còn nhiều khu vực chưa được biết đến trong khu vực mà phân tích kinh tế và phân tích bệnh lây nhiễm chồng chéo lên nhau. Tôi nghĩ rằng nhiều nhà kinh tế tham gia vào dự báo kinh tế đã có kinh nghiệm tìm ra một mô hình có thể giải thích sự chuyển động của dữ liệu kinh tế trong quá khứ một cách xuất sắc. Tuy nhiên, trong hầu hết các trường hợp, các quan hệ như vậy mất đi sức mạnh giải thích khi có dữ liệu mới. Nền kinh tế thực phức tạp hơn nhiều so với mô hình và liên tục trải qua những thay đổi về cấu trúc.
Điều này cũng áp dụng cho các mô hình bệnh truyền nhiễm. Các nhà bình luận đưa ra những tuyên bố quyết đoán thường hữu ích trên các phương tiện truyền thông, nhưng bạn nên hết sức cẩn thận đối với những bài phát biểu dựa trên các mô hình để tuyên bố rằng “tình hình kinh tế hoặc tình trạng lây nhiễm sẽ luôn như thế này.”
Trên hết, trong cả phân tích kinh tế và bệnh truyền nhiễm, các cuộc thảo luận hiệu quả bao gồm (1) chia sẻ dữ liệu có sẵn càng nhiều càng tốt, (2) hiểu đầy đủ các giới hạn của mô hình và (3) tận dụng kinh nghiệm của những sai lầm. Đó là quan trọng cần làm. Không thể phủ nhận rằng những người mắc sai lầm trong dự đoán của họ có xu hướng im lặng sau đó, nhưng chia sẻ kinh nghiệm rằng "nếu bạn tính toán dựa trên tiền đề như vậy, nó sẽ sai lệch so với giá trị thực tế bằng số tiền này" là một tiến bộ trong phương pháp phân tích có thể là thông tin quan trọng.
Về vấn đề chia sẻ dữ liệu, tôi cho rằng trải nghiệm của COVID-19 đã lan tỏa mạnh mẽ nhận thức rằng "dữ liệu phải được tiết lộ và chia sẻ" ở nhiều quốc gia trong đó có Nhật Bản. Trong tất cả các bệnh truyền nhiễm mà loài người đã trải qua, không có trường hợp nào mà dữ liệu liên quan nhiều như COVID-19 đã được thu thập và công bố. Tôi hy vọng rằng trải nghiệm này sẽ dẫn đến sự lan tỏa nhận thức về tầm quan trọng của dữ liệu và cách sử dụng hữu ích của nó.
Mối đe dọa lây nhiễm COVID-19 tiếp tục với sự mở rộng của "biến thể Delta". Không có dấu hiệu nào cho thấy cuộc tranh cãi về việc "nên ưu tiên kiểm soát lây nhiễm hay hoạt động kinh tế" đã kết thúc.
Tất nhiên, câu trả lời đơn giản là "cả hai đều quan trọng", nhưng đây không phải là một "câu trả lời hữu ích". Vì hoạt động kinh tế được sinh ra từ mối quan hệ giữa con người với nhau, nên không thể tránh khỏi sự đánh đổi giữa hoạt động kiểm soát lây nhiễm và hoạt động kinh tế. Nếu mỗi người ở trong một phòng và không bao giờ tiếp xúc với người khác, có thể ngăn ngừa lây nhiễm nhưng không thể duy trì hoạt động kinh tế. Mặt khác, nếu không có giới hạn nào được đặt ra đối với sự tiếp xúc giữa người với người, thì sự lây nhiễm sẽ lây lan ngay cả khi hoạt động kinh tế có thể được duy trì.
Giải pháp tốt nhất có thể nằm ở đâu đó ở giữa, nhưng tìm được nơi đó có thể là một nhiệm vụ khó khăn. Điều này là do sự so sánh giữa cuộc sống cơ bản là “vô giá” và giá trị kinh tế chắc chắn phản ánh ý thức về giá trị của mỗi người và bị ảnh hưởng rất nhiều bởi tình hình luôn thay đổi.
■ Sử dụng một mô hình đơn giản làm đầu mối
Một mô hình nổi tiếng và đơn giản để dự đoán xu hướng bệnh truyền nhiễm được gọi là “mô hình SIR” (nếu bạn quan tâm đến tổng quan về mô hình, vui lòng đọc tệp đính kèm bên dưới).
Trong mô hình này, tỷ lệ người nhiễm bệnh trong tương lai được coi là phụ thuộc vào "tỷ lệ không bị nhiễm" hiện tại nhân với "tỷ lệ bị nhiễm" và sau đó nhân với "số sinh sản cơ bản". Đây là "số sinh sản cơ bản (R0) (Thường được biểu thị bằng) "là một giá trị cho biết" có bao nhiêu người bị nhiễm sẽ bị nhiễm vào thời điểm họ khỏi bệnh từ một người bị nhiễm đã nhập vào một tập thể không có miễn dịch." Giá trị này được xác định bởi khả năng lây nhiễm của chính mầm bệnh và tần suất tiếp xúc giữa người với người.
Ngoài ra, việc nhân "tỷ lệ người không mắc bệnh" và "tỷ lệ người nhiễm bệnh" là điều dễ hiểu về mặt trực giác. Nếu tỷ lệ không bị nhiễm là 100% (tức là không bị nhiễm) thì sẽ không bị lây nhiễm, còn nếu tỷ lệ không bị nhiễm là 0% (tức là tất cả đều bị nhiễm) thì sẽ không bị nhiễm nữa.
Nếu số lượng sinh sản cơ bản này vượt quá 1, người mới bị nhiễm sẽ có nhiều khả năng lây nhiễm sang người không bị nhiễm, và sự lây nhiễm sẽ lây lan nhanh chóng. Mặt khác, nếu số lượng sinh sản cơ bản nhỏ hơn 1, sự lây nhiễm sẽ dần dần lắng xuống trong tính toán.
(Lưu ý rằng giá trị cho biết có bao nhiêu người bị nhiễm lây nhiễm tại một thời điểm cụ thể trong một môi trường mà những người bị nhiễm đã xuất hiện, chứ không phải "tập thể không miễn dịch" là "số hiệu quả". Nó được gọi là "số sinh sản) "và được thể hiện dưới dạng Rt. Đây cũng là một hướng dẫn quan trọng để kiểm soát lây nhiễm, nhưng vì giá trị này thay đổi theo thời gian, nên từ quan điểm đơn giản hóa cuộc thảo luận, chúng tôi sẽ tập trung vào "số sinh sản cơ bản" trong bài báo này.)
Do đó, người ta nghĩ rằng “chúng ta hãy giảm sự tiếp xúc giữa con người với nhau đến mức số sinh sản cơ bản nhỏ hơn 1” là điều đương nhiên. Tuy nhiên, không dễ để rút ra từ mô hình mức độ hạn chế hành vi nên được áp dụng trong các quyết định chính sách thực tế.
Đứng trên quan điểm là người đã tham gia phân tích kinh tế trong một thời gian dài và xem xét nhiều mô hình khác nhau, đặc điểm của mô hình này là giá trị ước tính bị ảnh hưởng rất nhiều bởi "số tái sản xuất cơ bản".
Sẽ rất tốt nếu số lượng sinh sản cơ bản được biết và không thay đổi, nhưng vi rút thực sự lặp lại đột biến. Những biến động và sự không chắc chắn dẫn đến "số tái sản xuất cơ bản" trực tiếp mang lại sự không chắc chắn lớn cho các ước tính. Do đó, giá trị ước tính thu được từ điều này nên được xem với một phạm vi đáng kể.
■ Tác động của phản ứng chính sách đối với nền kinh tế
Sau đó, hãy xem xét mối quan hệ với phản hồi chính sách từ trạng thái đặt chỗ nhà hàng của trang web đặt chỗ nhà hàng "Open Table", thường được sử dụng để phân tích ngày nay. Nhìn vào điều này, có thể thấy rằng phản ứng của các quốc gia khác nhau đáng kể, và không thể nói rằng phản ứng của bất kỳ quốc gia nào là xuất sắc.
Ví dụ: ở các quốc gia có tình trạng phong tỏa nhẹ (thường là Vương quốc Anh và Ireland), việc đặt chỗ nhà hàng có xu hướng phục hồi mạnh sau khi gỡ bỏ phong tỏa. Tuy nhiên, sau đó, sự lây nhiễm lại lan rộng, buộc phải chuyển sang trạng thái phong tỏa nghiêm trọng một lần nữa.
■ Chia sẻ dữ liệu và hiểu các giới hạn của mô hình
Như những ví dụ này cho thấy, vẫn còn nhiều khu vực chưa được biết đến trong khu vực mà phân tích kinh tế và phân tích bệnh lây nhiễm chồng chéo lên nhau. Tôi nghĩ rằng nhiều nhà kinh tế tham gia vào dự báo kinh tế đã có kinh nghiệm tìm ra một mô hình có thể giải thích sự chuyển động của dữ liệu kinh tế trong quá khứ một cách xuất sắc. Tuy nhiên, trong hầu hết các trường hợp, các quan hệ như vậy mất đi sức mạnh giải thích khi có dữ liệu mới. Nền kinh tế thực phức tạp hơn nhiều so với mô hình và liên tục trải qua những thay đổi về cấu trúc.
Điều này cũng áp dụng cho các mô hình bệnh truyền nhiễm. Các nhà bình luận đưa ra những tuyên bố quyết đoán thường hữu ích trên các phương tiện truyền thông, nhưng bạn nên hết sức cẩn thận đối với những bài phát biểu dựa trên các mô hình để tuyên bố rằng “tình hình kinh tế hoặc tình trạng lây nhiễm sẽ luôn như thế này.”
Trên hết, trong cả phân tích kinh tế và bệnh truyền nhiễm, các cuộc thảo luận hiệu quả bao gồm (1) chia sẻ dữ liệu có sẵn càng nhiều càng tốt, (2) hiểu đầy đủ các giới hạn của mô hình và (3) tận dụng kinh nghiệm của những sai lầm. Đó là quan trọng cần làm. Không thể phủ nhận rằng những người mắc sai lầm trong dự đoán của họ có xu hướng im lặng sau đó, nhưng chia sẻ kinh nghiệm rằng "nếu bạn tính toán dựa trên tiền đề như vậy, nó sẽ sai lệch so với giá trị thực tế bằng số tiền này" là một tiến bộ trong phương pháp phân tích có thể là thông tin quan trọng.
Về vấn đề chia sẻ dữ liệu, tôi cho rằng trải nghiệm của COVID-19 đã lan tỏa mạnh mẽ nhận thức rằng "dữ liệu phải được tiết lộ và chia sẻ" ở nhiều quốc gia trong đó có Nhật Bản. Trong tất cả các bệnh truyền nhiễm mà loài người đã trải qua, không có trường hợp nào mà dữ liệu liên quan nhiều như COVID-19 đã được thu thập và công bố. Tôi hy vọng rằng trải nghiệm này sẽ dẫn đến sự lan tỏa nhận thức về tầm quan trọng của dữ liệu và cách sử dụng hữu ích của nó.
Có thể bạn sẽ thích