Et af de helt store spørgsmål, som folk enten ikke stiller eller får rasende reaktioner på, når de stiller det, er om nedlukningspolitik virker. Langt de fleste vestlige lande, med Sverige som undtagelsen, har ført en eller anden form for nedlukningspolitik, og de fleste gør stadig. Vi har tidligere skrevet om emnet her, her, her og her hvor vi har problematiseret den nærmest blinde tiltro til, at regeringens nedlukning har virket efter hensigten.
For de interesserede har jeg nu skrevet et kort papir om emnet, hvor jeg evaluerer nedlukningspolitikerne i 24 europæiske lande. Evalueringen er baseret på den samme type analyse, vi normalt bruger i nationaløkonomi og statskundskab til at vurdere politikeffekter. Statistisk omfatter den således lande-, tids, og uge-fixed effects, så alle faktorer, der ikke ændrer sig markant over fire år, alle forhold der er specifikke for et enkelt år, og alle forhold der er specifikke for en enkelt uge er effektivt kontrolleret væk. Det, der er tilbage, er ændringen i overordnet mortalitet per uge, relativt til samme uge de sidste tre år, i alle 24 lande.
Abstractet er her og selve papiret kan downloades her.
Abstract: I explore the association between the severity of lockdown policies in the first half of 2020 and mortality rates. Using two indices from the Blavatnik Centre’s Covid 19 policy measures and comparing weekly mortality rates from 24 European countries in the first halves of 2017-2020, and addressing policy endogeneity in two different ways, I find no clear association between lockdown policies and mortality development.
Så enhver regering kan altid påstå at det de har gjort var det rigtige, og alle de andre var galt på den.
Spændende. Har du kørt resultaterne for de enkelte delelementer i government response indekset? Desuden er resultaterne anderledes uden en lagged dependent variable?
Jeg har ikke kørt de enkelte elementer fordi det er meningen, at delelementerne er substitutter. Hvis det er korrekt, så giver det ikke meget mening at dele dem op. Indeksene er under alle omstændigheder ret højt korrelerede, og da jeg i forvejen bruger både deres containment and health og policy stringency index – og ingen af dem giver et resultat – er jeg ret sikker på, at der ikke er noget.
Mht. resultater uden en lagged dependent er de relativt ens.
Hvordan har du taget højde for forskellige niveauer af spredning i forskellige lande på tidspunktet for “lockdown”?
I den nye version af papiret deler jeg de 24 lande ind i to grupper, alt efter hvor hurtigt de reagerede efter første tilfælde eller første dødsfald. Jeg lægger derefter en interaktion ind med policy-indeksene. Interaktionsleddet viser således, om der er forskellig effektivitet i de to grupper. Svaret er nej.
Hvordan deles de 24 lande op? Altså helt konkret, hvilke 12 lande er i én gruppe (som repræsenterer hvad) og hvilke 12 lande er i den anden gruppe (som repræsenterer noget andet)? Det fremgår ikke af dit paper.
I figuren er de to grupper er delt op, så de 12 er dem med et gennemsnitligt containment and health index over medianen og de andre 12 er dem med et indeks under medianen. Når jeg laver sammenligningen i Tabel 3 og 4 mellem lande, der lukkede tidligt ned og lande, der lukkede senere ned, er de to grupper delt op alt efter hvor lang tid efter enten første case eller første dødsfald, landets indeks overstiger 40. Det giver også to nogenlunde lige store grupper, og når man ser på den typiske udvikling i indeksene – dvs. hvornår man virkelig lukkede ned – er en stigning over 40 også helt typisk forbundet med en stigning til et langt højere indeks og dermed meget strammere nedlukning.
Men kan du ikke skrive de konkrete lande, som du har sat i samme gruppe? Det ville normalt fremgå helt tydeligt, hvilke lande, der fx. var på over 40, og hvilke lande, der var på under.
Hvilke 24 lande er med? Er Island med?
I gruppen hvor kriteriet er politik relativt til antal tilfælde er gruppen: BEL, BGR, CZE, DNK, ESP, ITA, LVA, LTU, LUX, HUN, POL, PRT og SVK. I gruppen hvor kriteriet er første dødsfald er den CZE, DNK, EST, LVA, LTU, HUN, PRT, SVK, FIN og ISL.
Men der er altså ikke taget højde for spredning i det aktuelle land på det aktuelle tidspunkt? (Bortset fra den meget indirekte måde du beskriver.)
Hvis jeg forstår rigtig finder du også at strikt lockdown hænger sammen med meget høgre dødstal end “no lockdown”. Så enten blir rigtig mange rigtig hurtig slået ihjæl grundet lockdown, eller er det tale om reverse causation. Hvad mener du er det mest sandsynlige?
Nej, det gør jeg ikke. Figur 1 indikerer at det måske kunne være sådan, men estimaterne viser at det ikke er. Og mht. reverse causation er der jo både IV-estimater og estimaterne med de forskellige lag-længder, som indikerer, at der er en vis reverse causality når man lagger urimeligt kort.
Pingback: En lille fejl? – Tu Ne Cede Malis