Die durchgeführte Regressionsanalyse bewies den signifikanten Einfluss von QIP-, SQM-, WJP-, DI-, GHSI-, it1-Indikatoren nach Fisher- und Student-Kriterien auf die Art der COVID-19-Verbreitung in der Welt, am Beispiel von China, Spanien, Italien, Deutschland, Österreich, Südkorea, Australien und Island. Die Verwendung der Länder verschiedener Kontinente (Australien, Asien, Europa) mit verschiedenen Entwicklungsniveaus und politischen Prinzipien als statistische Basis ermöglicht die Erweiterung der erhaltenen Ergebnisse auf die Länder Osteuropas. Die Regressionsmodelle mit Angabe ihrer statistischen Signifikanz sind in Tabelle 1 dargestellt.

Tabelle 1. Regressionsmodelle des Einflusses von Indikatoren auf das COVID-19-Verteilungsmuster in Osteuropa.
Tabelle 1. Regressionsmodelle des Einflusses von Indikatoren auf das COVID-19-Verteilungsmuster in Osteuropa.

Die berechneten Werte des Fisher-F-Kriteriums und des Student-t-Kriteriums übersteigen die Tabellenwerte (5,99 für das Fisher-F-Kriterium und 2,45 für das Student-t-Kriterium) auf dem Signifikanzniveau von p = 0,05. Die p-Wert-Indikatoren für die unabhängigen Variablen des Modells sind < 0,05. Dies zeigt die Angemessenheit der erstellten Modelle und die statistische Signifikanz des Einflusses der ausgewählten Indikatoren auf die COVID-19-Ausbreitungsintensität in der exponentiellen und logarithmischen Stufe des infizierten Populationswachstums.

Die Geschwindigkeit und das Ausmaß der Ausbreitung von COVID-19 wird in der Anfangsphase (während des exponentiellen Wachstums) am meisten durch administrative Maßnahmen eingeschränkt:

  • Rechtzeitige Einführung der Quarantäne (EIt1QIP = -0,0004, E∆I¯t0 t1 QIP = -0,0010);
  • Strenge der Quarantäne (EIt1SQM = -0,0040, E∆I¯t0 t1 SQM = -0,0033);
  • Quarantänebeobachtung, die durch die Rechtsstaatlichkeit im Land bestimmt wird (EIt1WJP = -0,0059, E∆I¯t0 t1 WJP = -0,0059), sowie das Niveau des Autoritarismus (EIt1DI = -0,0056, E∆I¯t0 t1 DI = -0,0059);
  • Ein weiterer wichtiger Faktor ist das Niveau der Sicherheit des Gesundheitssystems (EIt1GHSI = -0,0058,

E∆I¯t0 t1GHSI = -0,0036).

Auf der Stufe der logarithmischen Verteilung von COVID-19 sind die wichtigsten Faktoren:

  • Die Fähigkeit des Gesundheitssystems, die Krankheit zu bekämpfen (E∆I¯t1 tGHSI = -0,0036);
  • Der Anteil derer, die bereits COVID-19 hatten (E∆I¯t1 tit1 = -0,0028);
  • Das Niveau des Autoritarismus (E∆I¯t1 tDI = -0,0023);
  • Rechtsstaatlichkeit (E∆I¯t1 tWJP = -0,0022);
  • Die Strenge der Quarantäne (E∆I¯t1 tSQM = -0,0013).

Die Bedeutung dieser Faktoren wird durch die statistische Signifikanz (R2, Fisher F-Kriterium, Student t-Kriterium) der konstruierten Einzelfaktor-Regressionsmodelle (Tabelle 1) bestätigt, die den Einfluss dieser Faktoren auf die Wachstumsrate der Anzahl der Infizierten auf der logarithmischen Stufe der Virusausbreitung wiedergeben. Die Stärke des Einflusses der Faktoren ist direkt proportional zu den berechneten Elastizitätsmodulkoeffizienten für den entsprechenden Faktor.

In Verbindung mit den erhaltenen Elastizitätskoeffizienten (Tabelle 1) ergibt sich der integrale Indikator des Einflusses der Faktoren auf die Indikatoren it1 und ∆I¯t0 – t1 wie folgt:

FeIt1 = 0,02 × QIP + 0,18 × SQM + 0,27 × WJP + 0,26 × DI + 0,27 × GHSI, Fe∆I¯t0 t1 = 0,05 × QIP + 0,17 × SQM + 0,30 × WJP + 0,30 × DI + 0,18 × GHSI

(6)

Der integrale Indikator des Einflusses der Faktoren auf den Indikator ∆I¯t1 – t‚ wird durch die folgende Funktion beschrieben:

Fl∆I¯t1 t‚ = 0,11 × SQM + 0,18 × WJP + 0,19 × DI + 0,29 × GHSI + 0,23 × it1                                                           (7)

Der Einfluss der integralen Faktoren (Fe, Fl) auf die Verteilungsraten von COVID-19 in Osteuropa wird durch das folgende Funktionssystem beschrieben:

¯ it1 = 0,884 – 1,37 × FeIt1

∆It0 t1 = 1,524 – 0,90 × Fe∆I¯t0 t1

∆I¯t1 – t‘ = 1,205 – 0,45 × Fl∆I¯t1 t

(8)

Das aufgebaute System der Modelle lässt die Behauptung zu, dass einschränkende Faktoren bei der Ausbreitung von COVID-19 die rechtzeitige Einführung der Quarantäne, ihre Strenge und die Einhaltung derselben sind. Der Grad der Einhaltung der Quarantänemaßnahmen hängt, wie die Erfahrungen von China, Spanien, Italien, Deutschland, Österreich, Südkorea, Australien, Island zeigen, vom Grad der Rechtsstaatlichkeit und dem Niveau der Demokratie im Land ab. Ein weiterer Faktor, der zur Reduzierung der Infektionsrate beiträgt, ist die Fähigkeit des Gesundheitssystems, die Krankheit zu bekämpfen. Die logarithmische Stufe der Virusausbreitung wird maßgeblich von der Anzahl der bereits erkrankten Menschen beeinflusst. Dieses Wachstum reduziert die Anzahl der ansteckungsgefährdeten Personen und erzeugt eine Herdenimmunität, die die Ausbreitung des Virus verhindert. Die hervorgehobenen Faktoren ermöglichen somit die Abschätzung der Auswirkungen der obligatorischen Parameter, die von den weit verbreiteten SIR- und SIS-Modellen vorgegeben werden.

Die nach Formel (8) berechneten Vorhersagewerte für den Anteil der Infizierten zum Zeitpunkt t1 (it1) und die Ausbreitungsgeschwindigkeit von COVID-19 im exponentiellen (∆I¯t0 – t1) und logarithmischen Stadium (∆I¯t1 – t‚) in den osteuropäischen Ländern sind in Tabelle 2 angegeben.

Tabelle 2. Vorausgesagte Anzahl der infizierten Personen zum Zeitpunkt t1 und COVID-19-Verbreitungsrate in den osteuropäischen Ländern.
Tabelle 2. Vorausgesagte Anzahl der infizierten Personen zum Zeitpunkt t1 und COVID-19-Verbreitungsrate in den osteuropäischen Ländern.

Unter Berücksichtigung der rechtzeitigen Einführung der Quarantäne, der Disziplin und des Entwicklungsniveaus des Gesundheitssystems auf der exponentiellen Entwicklungsstufe wird ein Anstieg der Morbidität auf 0,245-0,448 % der Gesamtbevölkerung vorhergesagt. Weißrussland ist am anfälligsten für eine Infektion, da das Land das niedrigste Sicherheitsniveau des Gesundheitssystems in Osteuropa, ein niedriges Niveau der Rechtsstaatlichkeit und eine ineffiziente administrative Reaktion auf die Pandemie hat (in Weißrussland wurde ab April keine Quarantäne eingeführt). Der Anteil der infizierten Bevölkerung in Belarus während der exponentiellen Wachstumsperiode wird auf 0,448% der Bevölkerung des Landes projiziert, die durchschnittliche Wachstumsrate der Infizierten während der exponentiellen Wachstumsperiode beträgt eins.   Basierend auf der Genesungsrate (Dynamik der Infizierten auf der logarithmischen Stufe), zusammen mit

Weißrussland, die gefährdeten Gruppen sind die Ukraine (∆I¯t1 – t‘ = 1,030), Moldawien (∆I¯t1 – t‘ = 1,024), und Bulgarien

(∆I¯t1 – t‘ = 1,022).  Der lange Zeitraum der Erholung in diesen Ländern ist auf die relativ geringe Rechtsstaatlichkeit zurückzuführen

und Sicherheit des Gesundheitssystems (insbesondere in der Ukraine).

Die Tschechische Republik (it1 = 0,245, ∆I¯t0 – t1 = 1,081, ∆I¯t1 – t‘ = 1,002) und die Slowakei (it1 = 0,255,

∆I¯t0 – t1 = 1,094, ∆I¯t1 – t‘ = 1,008) sind die stabilsten COVID-19-Länder.

Die Dauer der exponentiellen Wachstumsphase, berechnet auf der Basis der Anzahl der Infektionen und der durchschnittlichen Morbiditätsraten, beträgt 90 Tage in Russland, 91 in der Ukraine, 42 in Weißrussland, 56 in Bulgarien, 66 in Ungarn, 82 in Moldawien, 81 in Polen, 81 in Rumänien, 93 in der Slowakei und 96 in der Tschechischen Republik.

Der Sättigungspunkt (t‚), der mit Hilfe von Differenzberechnungen ermittelt wurde, betrug 182 Tage (dies ist der Zeitraum

der Zeit vom Beginn der Epidemie bis zu ihrer Beendigung und Eliminierung) in Russland, 211 in der Ukraine, 213 in Weißrussland, 160 in Bulgarien, 129 in Ungarn, 192 in Moldawien, 105 in Polen, 151 in Rumänien, 142 in der Slowakei und 106 in der Tschechischen Republik. Das bedeutet, dass das wahrscheinlichste Szenario für die Ausbreitung von COVID-19 in den Ländern Osteuropas eine signifikante Zunahme der Inzidenz und die Fortsetzung der restriktiven Maßnahmen für den Zeitraum von 3,5-7,1 Monaten ab der Entdeckung der ersten Infizierten (innerhalb des Zeitraums vom 4. März bis 16. März) ist.

Das Modell der wirtschaftlichen Entwicklung unter der Quarantäne wird durch das System der Funktionen dargestellt (Tabelle 3). Die entwickelten Modelle spiegeln den Einfluss der COVID-19 pandemiesensitivsten Faktoren (PRODUKT, PRODUKT_GR, PREIS, KOSTEN) auf die Wachstumsrate des BIP wider.

Tabelle 3. Berechnungsmodell für die Auswirkungen der Pandemie auf die osteuropäischen Volkswirtschaften.
Tabelle 3. Berechnungsmodell für die Auswirkungen der Pandemie auf die osteuropäischen Volkswirtschaften.
Table 3 Cont....
Table 3 Cont….

Die soziale Distanz in Form von Fernarbeit führt zu einem Produktivitätsrückgang, der sich direkt auf das Produktionsvolumen auswirkt. Neben den Produktivitätsverlusten sind die Gründe für den Produktionsrückgang die sinkende Nachfrage nach langlebigen und Luxusgütern und solchen, die importierte Rohstoffe aus den von der Pandemie betroffenen Ländern benötigen, die ebenfalls Produktionsausfälle erleben.

Änderungen des Ölpreises (PRICE) wirken sich auf die Exporteinnahmen der Exportländer (Russland) aus, ein Rückgang, der zu geringeren Exporteinnahmen (Export_GR) und einem entsprechend geringeren BIP (GDP_GR) führt. Ein weiterer Wirtschaftsindikator, der von Änderungen des Ölpreises beeinflusst wird, sind die Kosten für Importe (Import_GR). Für importierende Länder hat eine Ölpreissenkung einen positiven Einfluss auf die Wirtschaft. Faktoren, die den Außenhandel beeinflussen, sind auch Indikatoren für die Dynamik des Produktionsvolumens, des Dienstleistungssektors des untersuchten Landes (Product_GR) und des Landes des Haupthandelspartners (Product_GR_p) sowie der Handelskostenindex (COST). Ein Rückgang des Produktionsvolumens führt zu einem Rückgang der Exporte von Fertigwaren und der Importe von Rohstoffen oder Komponenten, die für die Produktion notwendig sind. Die Produktionsdynamik der Partnerländer hat einen identischen Einfluss. Die wichtigsten Handelspartner für Russland sind China, für die Ukraine und Weißrussland: Russland, für Bulgarien, Ungarn, Polen, Rumänien, Slowakei, Tschechien: Deutschland, für Moldawien: Rumänien [5]. Für die Berechnung des Indikators Product_GR_p als Sättigungsschwelle eines Partnerlandes für die Ukraine und Weißrussland wird daher die Sättigungsschwelle (t‚) in Russland

genommen wird, während er für Bulgarien, Ungarn, Polen, Rumänien, die Slowakei und die Tschechische Republik dem t‚ für Deutschland entspricht (berechnet auf die gleiche Weise wie für die osteuropäischen Länder). Für Moldawien schließlich entspricht es dem t‚ für Rumänien. Die Sättigungsschwelle für das Partnerland wurde für Russland nicht verwendet, da die Quarantänezeit des Landes vorbei ist und vorläufige Daten über den Grad des Produktionsrückgangs während der Epidemie vorliegen. Der Indikator Product_GR_p für das russische BIP-Prognosemodell sind vorläufige Daten über das Ausmaß des Produktionsrückgangs in China, für das BIP-Prognosemodell der anderen osteuropäischen Länder wird berechnet, dass der Produktionsrückgang auf der Sättigungsschwelle (Gleichung (5)) basiert und dass das Angebot an Waren und Dienstleistungen während der Quarantänezeit um 80 % zurückgeht [21].

Die Angemessenheit der erstellten Modelle der Interdependenzen zwischen den Wirtschaftsindikatoren PRODUKT, PRODUKT_GR, PRODUKT_GR_p, PREIS, KOST, EXPORT_GR, IMPORT_GR, PRODUKT_GR_p, BIP_GR wird durch die Indikatoren der Determiniertheit (R2), deren Werte nahe bei eins liegen, und das Fisher F-Kriterium, dessen berechnete Werte, je nach Modul, höher sind als die tabellarischen, belegt.

Die durchgeführten Berechnungen zeigen, dass das russische BIP jährlich um 5,95%, das ukrainische um 7,59%, das weißrussische um 8,13%, das bulgarische um 6,01%, das ungarische um 4,1% und das moldauische um 7,01% sinken wird,

In Polen um 4,69 %, in Rumänien um 5,48 %, in der Slowakei um 6,33 % und in der Tschechischen Republik um 5,82 % (Abbildung 2).

Abbildung 2. Einfluss der Faktoren, die die Veränderung des BIP in Osteuropa im Jahr 2020 unter dem Einfluss der COVID-19-Epidemie bestimmen.
Abbildung 2. Einfluss der Faktoren, die die Veränderung des BIP in Osteuropa im Jahr 2020 unter dem Einfluss der COVID-19-Epidemie bestimmen.

Die Wirtschaft der osteuropäischen Länder (außer Russland) wird durch den Rückgang des Weltölpreises positiv beeinflusst. Infolgedessen sinkt der Wert der Importe, was ein BIP-Wachstum von 0,49-1,71 % zur Folge hat. Für Russland ist der Rückgang des Weltölpreises der Hauptgrund für den Exportrückgang, wodurch für das Jahr ein BIP-Rückgang von 3,01 % prognostiziert wird. Für alle Länder wird die COVID-19-Pandemie aufgrund des Rückgangs der Produktion und des Exports einen erheblichen destabilisierenden Effekt auf das Jahr 2020 haben.

Referenzen und Open Access Hinweis

This is an open access article distributed under the Creative Commons Attribution License which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited

Vasiljeva, M.; Neskorodieva, I.; Ponkratov, V.; Kuznetsov, N.; Ivlev, V.; Ivleva, M.; Maramygin, M.; Zekiy, A. A Predictive Model for Assessing the Impact of the COVID-19 Pandemic on the Economies of Some Eastern European Countries. J. Open Innov. Technol. Mark. Complex. 2020, 6, 92. https://doi.org/10.3390/joitmc6030092