Wissenschaftler, wie z. B. Lee und McKibbin [12-17], betrachteten die Besonderheiten der Veränderungen von wirtschaftlichen Indikatoren, die durch die Ausbreitung der Pandemie beeinflusst werden. Insbesondere die Auswirkungen von COVID-19 auf die Wirtschaft wurden in den Arbeiten [18,19] diskutiert. Der Schwerpunkt lag dabei auf der Erforschung der Risiken, dem Anstieg der Risikoprämie und den Faktoren der veränderten Verbrauchernachfrage. McKibbin und Sidorenko [13] sagten voraus, dass geschlossene Grenzen, die Einstellung des Tourismusgeschäfts und die Verlangsamung der Handelslieferkette auf Länderebene einen Schaden von 0,8 % des BIP verursachen werden. Betrachtet man den Schaden auf globaler wirtschaftlicher Ebene, so wird ein Verlust von 12,6 % des BIP angenommen.

Das Congressional Budget Office [20] untersuchte auch die Veränderung der wirtschaftlichen Entwicklung unter dem Einfluss von schweren und milden Formen von Pandemien (wie die Spanische Grippe von 1918-1919 und die Pandemien von 1957 und 1968) aufgrund von: Veränderungen der Verbrauchernachfrage, Umkehrung des Verhaltens der Bevölkerung als Faktor für die Größe und Qualität der Arbeitskräfte, Humankapital. Bei einer Änderung dieser Faktoren sagten die Wissenschaftler im Falle einer milden Epidemie eine Veränderung des BIP um 1 % voraus. Im Falle einer schweren Form der Epidemie und gekennzeichnet durch die Dauer der Ausbreitung, wird das jährliche BIP-Niveau um 4% sinken.

Es sei darauf hingewiesen, dass solche Faktoren und ihre Auswirkungen auf die Wirtschaft unter den Bedingungen der allgemeinen Pandemie auch von Burns, van der Mensbrugghe und Timmer [21] untersucht wurden. Nach ihren Schätzungen kann das globale BIP auf 3,1 % sinken, wobei ein Schock der Verbrauchernachfrage 2/3 des Rückgangs des Wirtschaftswachstums ausmacht.

Evans, Goldstein und Popova vertraten ebenfalls die Position, dass der Schock der Verbrauchernachfrage ein grundlegender Faktor für die wirtschaftliche Verführung ist [22]. Bei der Erforschung der Ebola-Epidemie in Westafrika im Jahr 2014 mit Hilfe des berechenbaren allgemeinen Gleichgewichtsmodells (CGE) entwickelten Wissenschaftler Szenarien für die Entwicklung der regionalen und globalen Volkswirtschaften unter den Bedingungen der Ausbreitung der schweren und leichten Form von Ebola unter dem Einfluss von Faktoren wie Arbeitskräftemangel, steigenden Transaktions- und Handelskosten usw.

Keogh-Brown et al. [23] nutzten die Entwicklung eines makroökonomischen Modells, um die empfindlichsten Faktoren der sozioökonomischen Entwicklung unter den Bedingungen der Ausbreitung der Pandemie und der Einführung strenger Quarantänemaßnahmen am Beispiel von Großbritannien zu erklären. Empirisch wiesen die Wissenschaftler nach, dass im Falle einer moderaten Form der Epidemie das BIP des Landes um 2,5 % sinkt.

Wenn die Pandemie eine schwere Form der Ausbreitung annimmt, werden die wirtschaftlichen Verluste bedeutender sein und sich auf 6 % des britischen BIP belaufen. Ein weiterer interessanter Punkt in diesem Papier ist, dass trotz eines Rückgangs der Arbeitskräfte, der Verbrauchernachfrage, erhöhter Sterblichkeit und Morbidität der bedeutendste negative Faktor in der Entwicklung der Volkswirtschaft, wie die Autoren beweisen, die Schließung von Schulen ist.

Die Sensitivität der wirtschaftlichen Entwicklungsfaktoren auf die Epidemie wurde auch von Dixon et al. untersucht [24]. Die Wissenschaftler untersuchten die Auswirkungen der H1N1-Epidemie in den USA auf der Grundlage von Quartalsdaten zur Verringerung der Entwicklung der Tourismusindustrie, zur Verringerung der Arbeitskosten, zur Erhöhung der Kosten des Gesundheitssystems und zur deutlichen Verringerung der Freizeitausgaben und sagten mithilfe meiner CGE eine Verringerung des BIP um 1,6 % für die nächsten zwei Quartale voraus.

Es ist jedoch anzumerken, dass frühere Methoden zur Modellierung der Auswirkungen der Epidemie auf die wirtschaftliche Entwicklung grundlegend anders sind und die wirtschaftlichen Auswirkungen der COVID-19-Pandemie nicht adäquat bewerten können. Eine Besonderheit der aktuellen Situation ist der Schock der sozialen Distanzierung, der sich auf den Rückgang des Arbeitsangebots und der wirtschaftlichen Aktivität auswirkt.   Darüber hinaus provoziert die Coronavirus-Pandemie einen erheblichen Anstieg der Handelskosten aufgrund von Reisebeschränkungen, die die globalen Lieferketten stören und zu einer Vertiefung der wirtschaftlichen Rezession führen, sei es auf regionaler oder globaler Ebene. Dennoch ist anzumerken, dass aufgrund der Relevanz die Liste der Studien zu den zu erwartenden wirtschaftlichen Auswirkungen des Coronavirus schnell wächst. Internationale Organisationen [2,25], nationale Forschungsinstitute und private Forschung [1,11,18,26] tragen zu diesen Studien bei.

Sie beruhen also auf Annahmen über die Dauer der Pandemie, soziale Distanzierungsmaßnahmen und Reaktionen auf Angebot und Nachfrage. Die Unsicherheit über diese Parameter veranlasst einige dieser Forschungsstudien, Szenarien zu entwickeln. Dieser Ansatz wird auch in der aktuellen Studie verwendet.

Wie die Analyse der aktuellen Literatur zeigt, basiert die Einschätzung der Auswirkungen der COVID-19-Epidemie auf die wirtschaftliche Entwicklung in der Regel auf der Vorhersage der Infektion mit:

(1) exponentielle Explosionsmodelle; (2) SIR-Modelle; (3) SIS-Modelle [27-30].

Wie die Dynamik des Jahres 2020 zeigt, nimmt die Zahl der COVID-19-Infektionen in Osteuropa (und der ganzen Welt außer Spanien, Italien, Deutschland, China, Österreich, Südkorea, Australien und Island) derzeit exponentiell zu. Es sollte jedoch beachtet werden, dass ein Punkt (Sättigungsschwelle) kommt, an dem der Anstieg der Krankheitsinzidenz zurückgeht, wie die aktuelle Situation in China und die Erfahrungen einer früheren Pandemie – der Schweinegrippe A/H1N1-Pandemie 2009-2010 – zeigen [31]. Der Rückgang der Infektionsrate ist darauf zurückzuführen, dass die Zahl der Personen, die sich anstecken können, abnimmt, weil die Zahl der Fälle, in denen eine Immunität erzeugt wird, zunimmt und das Virus mit der Zeit schwächer wird und sich folglich verändert. Daher ist die Verwendung von Exponentialexplosionsmodellen zur Vorhersage des Infektiositätsgrades auf kurze Sicht von 3-6 Monaten möglich. Es fehlt auch die Fähigkeit, die Sättigungsschwelle und das Ende einer Pandemie zu bestimmen, da exponentielle Explosionsmuster einen stetigen Anstieg der Infektionsraten voraussetzen.

SIR- und SIS-Modelle gehen von einem logistischen Funktionstyp der Zeitabhängigkeit der Infektionsrate aus [27,29]. Das SIR-Modell berücksichtigt den Einfluss der Anzahl der Erkrankten, deren Immunität ausgebildet ist und die nicht anfällig für eine Infektion sind; die Anzahl derjenigen, die sich an die soziale Distanz halten und die eine geringe Ansteckungswahrscheinlichkeit haben; die Anzahl derjenigen, die anfällig für eine Infektion sind. Dieses Modell ist das genaueste, um die epidemiologische Situation in der Welt, in einem bestimmten Land, in einer Region zu erfassen. Die Unfähigkeit, das SIR-Modell in dieser Studie zu verwenden, ist darauf zurückzuführen, dass die Länder Osteuropas genau diejenigen sind, in denen die Bevölkerung nur wenig getestet wird. Mit Stand vom 12. April lag das durchschnittliche Testniveau bei fünf Tests pro 1000 Menschen [32-35]. In entwickelten Ländern ist das Testniveau viel höher, mehr als 16 Tests pro 1000 Menschen [35,36]. Das niedrige Niveau der Bevölkerungstests für COVID-19 macht es unmöglich, die Parameterwerte des SIR-Modells zu bestimmen: die genaue Anzahl der Infizierten; die Anzahl derjenigen, deren Immunität entwickelt ist; die Anzahl derjenigen, die anfällig für Infektionen sind.

Auch die Bestimmung der Anzahl der Personen, die die soziale Distanz einhalten, ist ein Problem. In Weißrussland wurde die Quarantäne nicht eingeführt. In anderen osteuropäischen Ländern gibt es trotz der Einführung der Quarantäne keine strikte Einhaltung aufgrund von Missachtung der gesetzlichen Vorgaben. Dies wird durch den Rechtsstaatlichkeitsindex bestätigt, der unter dem Weltdurchschnitt liegt. Bei einem Weltdurchschnitt des World Justice Project (WJP) Rule of Law Index-2020 = 0,56 und einem Maximum von 1,0, liegt der Index in Ländern wie Weißrussland, Bulgarien, Ungarn, Moldawien, Ukraine und der Russischen Föderation bei 0,47-0,55 [37].

Das Problem, die genaue Anzahl der infizierten Personen zu berechnen, ist auch ein Problem bei der Verwendung des SIS-Modells. In dieser Studie wird versucht, einen Ansatz für den Aufbau eines computergestützten Vorhersagemodells zu entwickeln, um die Auswirkungen der COVID-19-Pandemie auf die Volkswirtschaften Osteuropas abzuschätzen, wobei die Unzulänglichkeiten der bereits in der Literatur und Praxis vorhandenen Ansätze ausgeglichen werden. Der vorgeschlagene Ansatz ermöglicht es, die COVID-19-Ausbreitungsintensität in den osteuropäischen Ländern auf der Grundlage begrenzter statistischer Daten zu simulieren. Das Problem der geringen Anzahl von Tests und der genauen Bestimmung der Anzahl der infizierten Personen wurde durch den Aufbau eines „kritischen Infektions“-Modells gelöst. In diesem Modell wird die Anzahl der infizierten Personen als die offizielle Anzahl verstanden, die durch Tests ermittelt wurde. Ein Teil der Infektionen, für die es keine offiziellen Statistiken gibt, sind solche, die nicht an medizinische Einrichtungen gemeldet wurden. Da es sich dabei um Patienten handelt, bei denen die Krankheit asymptomatisch ist, können sie keine Einschleppung/Ablehnung und keine Änderung des Quarantäneregimes verursachen und haben daher keinen Einfluss auf die wirtschaftliche Situation der Länder. Darüber hinaus ermöglicht der vorgeschlagene Ansatz die Berücksichtigung der wesentlichen Parameter (die durch das SIR-Modell bereitgestellt werden) bei der Modellierung der epidemiologischen Situation durch die Bewertung von Faktoren, die die Auswirkungen beeinflussen. Dies sind Faktoren, die die Anzahl der infizierten Personen und die Anzahl der Personen, die sich an die soziale Distanz halten, beeinflussen.

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