Conecta con Minuto5

Nada es Gratis

El Impacto Macroeconómico del Coronavirus

Publicada

el

Por José E. Boscá; Rafael Doménech y Javier Ferri

Hace sólo dos semanas que empezaron a tomarse las primeras medidas en España para hacer frente al COVID-19, lo que dificulta la previsión de sus efectos económicos con un mínimo nivel de certidumbre y precisión. La duración del periodo de confinamiento; la intensidad con la que el virus afectará a la población y a la economía; la gradualidad en el levantamiento de las restricciones a la movilidad de las personas, o en la apertura de empresas; la probabilidad de un rebrote en el otoño e invierno próximo, que pueda originar una segunda ola de contagios; el tiempo hasta que pueda aparecer una vacuna; la efectividad de las políticas adoptadas para luchar contra esta crisis sanitaria y económica; y las nuevas medidas que puedan aprobarse próximamente, tanto en España como en el marco de las instituciones europeas, son todos ellos factores que entrañan una incertidumbre muy elevada como para realizar cualquier ejercicio de previsión. A esto hay que añadir que, para una pequeña economía abierta como España, no sólo afectan esos elementos de incertidumbre en su dimensión doméstica, sino también los asociados a la recuperación de nuestros socios comerciales y las restricciones para viajar de las decenas de millones de turistas extranjeros que anualmente visitan nuestro país.

En esta entrada nos centramos en realizar una primera aproximación al impacto macroeconómico en España causado por la epidemia COVID-19. Desde Nada es Gratis, durante las dos últimas semanas se ha estado haciendo un seguimiento de esta crisis sanitaria, siempre desde una perspectiva económica aunque desde distintos enfoques. En lugar de ofrecer previsiones de crecimiento, nuestro enfoque consiste en realizar simulaciones condicionadas a un conjunto de supuestos, sobre los que seremos muy transparentes. Estas simulaciones se obtienen a partir de la última versión del modelo de equilibrio general dinámico y estocástico EREMS (véase Boscá et al, 2018), que es un modelo elaborado con financiación y cooperación público-privada de la Fundación Rafael del Pino, el BBVA Research, los Ministerios de Economía y de Hacienda y la Universidad de Valencia. El enfoque es similar al utilizado en otras investigaciones recientes que han empezado a evaluar los efectos de esta crisis (por ejemplo, Eichenbaum, Rebelo y Trabandtz, 2020, o Faria e Castro, 2020). Su funcionamiento está determinado por un conjunto de ecuaciones, variables y parámetros que describen cómo se comporta a nivel agregado la economía española. La mayor parte de las variables son endógenas en el modelo. Cuando la economía recibe perturbaciones, como las originadas por el coronavirus, la respuesta de estas variables endógenas ofrece una imagen de la dinámica de los principales agregados macroeconómicos que suceden a estas perturbaciones.

Como veremos a continuación, los supuestos en los que se basan nuestras simulaciones del impacto de la crisis están basadas en el principio de prudencia, por lo que pueden considerarse relativamente optimistas. En cualquier caso, como elemento de comparación, también se ofrecen, al final de la entrada, los resultados de otros supuestos menos optimistas, pero relativamente verosímiles. Sólo a medida que se empiecen a conocer en las próximas semanas y meses datos en tiempo real sobre la evolución del empleo y de la actividad se estará en condiciones de evaluar en qué medida esa información disponible permite discriminar unos escenarios frente a otros.

Supuestos de las simulaciones

Dos de los supuestos principales tienen que ver con:

a) la duración del periodo de confinamiento, periodo en el que suponemos que los shocks negativos se muestran en su plenitud; y

b) la rapidez con la que desaparecen esos shocks negativos cuando se levante el confinamiento.

El final del periodo de confinamiento los establecemos en el 11 de abril de 2020, de acuerdo con la reciente decisión del Gobierno sobre la prolongación del estado de alarma. En base a nuestras propias simulaciones con una función logística que ajusta el número de contagiados registrados, y a supuestos razonables (pero también algo optimistas) sobre la efectividad de las medidas de confinamiento que incluimos en un modelo SEIR, el pico de contagios se produciría en la primera semana de Abril (final de la zona amarilla en el Gráfico 1) y el pico de hospitalizaciones en la segunda semana de Abril (marca en las barras del Gráfico 2). Aunque tanto nuestras simulaciones con la función logística (de 20 de marzo), como las del modelo SEIR (que es un modelo epidemiológico, que ajusta funciones matemáticas para la evolución del número de personas susceptibles, expuestas, infectadas y recuperadas) son muy sensibles a los supuestos epidemiológicos y poblacionales empleados, estimaciones más recientes de otros investigadores siguen fijando el pico de contagios en fechas muy parecidas a las nuestras, por lo que, asumimos como creíble la fecha del 11 de abril para el final de la cuarentena social.

Gráfico 1. Extrapolación con una función logística del número de contagiados registrados
(Simulación realizada el 20/03/2020)

Gráfico 2. Simulación con un modelo SEIR del número de infectados y hospitalizados.
(La marca en el día 42 corresponde con el 11 de abril)

En cuanto a la duración de las perturbaciones negativas como consecuencia del estado de alerta, una vez establecida la fecha para el final del confinamiento, nuestro supuesto de partida (también optimista) es que sus efectos van desapareciendo de forma gradual y lineal a lo largo del segundo trimestre. Es decir, el tercer trimestre empezaría sin ninguna perturbación negativa actuando sobre la economía, aunque obviamente con los efectos arrastrados por la respuesta a los shocks hasta ese momento, con la excepción de la que afecta a la morosidad en el sector bancario, que suponemos que se prolongaría hasta finales de 2021.

Durante las cuatro semanas de cuarentena modelizamos los efectos del coronavirus a través de cinco tipos de perturbaciones:

a) las que afectan a la utilización de los factores productivos (en el modelo mediante un shock a la productividad total de los factores, PTF);

b) las que afectan a la confianza y se plasman en una contracción de la demanda latente de consumo (shock a las preferencias por el consumo);

c) las que afectan a la confianza y se plasman en una contracción de la demanda latente de compra de vivienda (shock a las preferencias por las casas);

d) las que afectan a las exportaciones (shock a la renta del resto del mundo), y

e) las que afectan a los impagos en el sector bancario (shock a la morosidad bancaria).

Para calibrar el shock a la productividad total de los factores se ha tomado como referencia la caída en la demanda total de energía eléctrica, comparando los días antes del inicio del confinamiento con los días posteriores. En el Gráfico 3 se muestra esta comparación. La demanda de energía eléctrica a lo largo del día se ha reducido un 13.9%. Este va a ser el dato que vamos a utilizar para calibrar el shock a la utilización de los factores. Pensamos que se trata de un límite inferior en la caída de la producción real. De hecho, la demanda de energía tiene un suelo que se produce sobre las 5 de la madrugada. Con toda seguridad este suelo tiene un componente importante que es independiente de la actividad económica (por ejemplo, alumbrados de calles, electrodomésticos conectados, anuncios luminosos, etc). Si restamos el suelo observado el 20 de marzo de ambas series (antes y después del inicio del confinamiento), la caída observada en la energía eléctrica sería del 45%. Podríamos promediar ambas tasas, y obtener una caída media del 29%, más cercana a lo observado en China durante el periodo de confinamiento. Por lo tanto, nuestra cifra del 13.9% para calibrar el shock a la PTF puede considerarse optimista.

Gráfico 3. Evolución de la demanda diaria de electricidad por hora del día, antes y después del confinamiento.
Promedio de los viernes 28 de febrero y 6 de marzo frente al viernes 20 de marzo (MW)

Para calibrar el shock a las preferencias por el consumo se ha utilizado la desagregación del gasto total de los hogares que hace el INE. En particular, suponemos que existen cinco categorías de gasto fuertemente afectadas por el confinamiento de los hogares: vestido y calzado; muebles y artículos del hogar; transporte; ocio y cultura; y restaurantes y hoteles. Nuestro supuesto (de nuevo optimista) es que la demanda latente de estos bienes se ha reducido al 50%. Teniendo en cuenta la proporción que esos bienes representan sobre el presupuesto medio de los hogares, obtenemos una caída de la demanda de consumo del 18,8%.

La calibración del shock a las preferencias por la adquisición de vivienda se basa de nuevo en el supuesto de la reducción de la misma a la mitad.

En cuanto al sector exterior, suponemos que los países a los que exportamos van a sufrir consecuencias en su PIB ligeramente inferiores a las que el modelo reproduce para España, lo que consideramos de nuevo un supuesto optimista y nos proporciona un tamaño del shock a la renta del resto del mundo.

Por último, basándonos en el efecto conjunto de los anteriores cuatro shocks sobre el PIB y la tasa de desempleo, se estima que la tasa de morosidad podría aumentar en cuatro puntos porcentuales. Para llegar a esta cifra se estima que la relación entre el aumento del desempleo en puntos porcentuales y la disminución del componente cíclico del PIB es de 1 a 1 aproximadamente, y que por cada punto de aumento del desempleo la mora aumenta en 0.75 puntos. En el modelo, el aumento de la tasa de morosidad frena la acumulación de capital bancario disponible para crédito y se supone que este incremento se produce a partir del segundo trimestre y se mantiene hasta el último del año 2021.

Como se ha indicado, la mayor parte de las perturbaciones afectan con toda su intensidad durante la fase de confinamiento, y luego van desapareciendo linealmente hasta el final del segundo trimestre. Necesitamos convertir los tamaños de estas perturbaciones a un modelo con frecuencia trimestral. Es decir, si z es la perturbación y d representa la duración del periodo de confinamiento, teniendo en cuenta que las medidas empezaron a hacerse efectivas a partir del 15 de marzo, el tamaño de la perturbación que afecta al primer trimestre será 15/90*z, mientras que el tamaño del shock que afecta al segundo trimestre vendrá determinado por (d-15)*z/90+(90+15-d)/90*z/2.

El Gráfico 4 recoge la contribución del efecto de la epidemia en el PIB, separando la contribución de cada shock. Para interpretar correctamente este gráfico hay que tener en cuenta dos hechos. Primero, el gráfico representa la desviación del PIB de cada trimestre con respecto al PIB que habría sucedido en ausencia de la crisis actual. Para anualizar estas desviaciones habría que dividir las desviaciones correspondientes por cuatro. Segundo, estas simulaciones suponen un escenario en ausencia de medidas de políticas económicas para paliar la crisis, lo que significa también que la regla de consolidación fiscal con la que España estaba comprometida sigue actuando.

Gráfico 4. Efecto sobre el PIB de la epidemia de COVID-19
Desviación porcentual respecto al PIB del trimestre en ausencia de shocks

Puede apreciarse que los shocks a las preferencias de consumo y vivienda tienen un impacto moderado. El de consumo detrae alrededor de medio punto de PIB trimestral en 2T, mientras que el de la construcción produce su mayor efecto en el primer trimestre. El efecto sobre la renta del resto del mundo se deja notar de modo importante en nuestro PIB, con una caída de más de 3 puntos en el 2T. El shock derivado de la traslación de problemas de liquidez en solvencia, en ausencia de medidas paliativas, genera una elevada persistencia en la caída del PIB, llegando a detraer casi 2 puntos de PIB del 4T. El parón de la producción por el lado de la oferta es el que tiene efectos más significativos sobre la producción, detrayendo casi 9 puntos en 2T.

En conjunto, nuestra simulación a partir de supuestos sesgados hacia lo razonablemente optimista, muestran una reducción del PIB en 1T de 4,7 puntos y de 13,5 puntos en el 2T. La reducción del PIB en los dos últimos trimestres es de casi un 2 por cien. En términos anuales la caída en la producción sería equivalente a 5,7 puntos sobre el escenario en el que no hubiéramos sufrido la pandemia. Teniendo en cuenta que las previsiones de crecimiento del PIB para 2020 anteriores a la crisis se situaban sobre el 1,6%, la irrupción del coronavirus supondría una caída observada del PIB durante 2020 del 4,1% condicionada a los supuestos realizados en nuestras simulaciones.

El Gráfico 5 muestra el impacto de la epidemia (una vez incluido el conjunto de shocks) sobre distintos agregados macroeconómicos, en ausencia de cualquier medida de política económica. Se observa una contracción muy acusada del consumo y de la inversión, mientras que el sector exterior tendría una contribución ligeramente positiva al reducirse más las importaciones que las exportaciones. Cabe destacar que, bajo el supuesto de que la regla fiscal sigue activa, los ingresos públicos tendrían que aumentar, en línea con la caída del PIB, para mitigar el aumento en la ratio deuda pública/PIB.

Gráfico 5. Efecto sobre los componentes del PIB de la epidemia de COVID-19
Desviación porcentual respecto a cada componente en ausencia de shocks

Para hacernos una idea de la sensibilidad de estos resultados a los supuestos realizados, en el Gráfico 6 se recoge, junto a nuestro escenario base, las simulaciones de los efectos de la epidemia correspondientes a distintos escenarios alternativos:

1) Escenario de pérdida adicional de confianza. Se trata de un escenario ligeramente más pesimista en el que el shock de oferta (shock a la PTF) se comporta de forma idéntica a nuestro escenario de referencia, pero el shock de confianza que afecta a las preferencias por el gasto en consumo privado y en vivienda se prolonga hasta finales del tercer trimestre, fecha en la que empieza a decrecer de forma lineal hasta final de año. También el shock sobre la renta del resto del mundo se prolonga. Este comportamiento podría venir provocado por las noticias negativas sobre la detención de los contagios o expectativas sobre un aumento en la probabilidad de una segunda oleada de contagios después del verano.

2) Escenario en el que el confinamiento dura una semana más, mientras que se mantiene el ritmo y los plazos para la recuperación.

3) Escenario en el que la bajada en utilización de los factores es más acusada, y se corresponde al caso intermedio estimado a partir de la reducción de demanda de energía. Por lo tanto, la PTF del modelo se reduce el 29% en lugar del 13,9% del escenario base, manteniéndose inalterados el resto de shocks.

En el escenario de pérdida de confianza, la caída simulada en el PIB durante 2020 sería del 7,1% frente al 4,1% de nuestro escenario de referencia. Una prórroga de una semana del estado de alarma reduciría el PIB anual en 0,5 puntos adicionales respecto a nuestro escenario base. Un mayor efecto del confinamiento sobre la pérdida de utilización de la capacidad productiva provocaría un desplome adicional del PIB anual de 3,8 puntos. Estos ejemplos ilustran bien las dificultades de realizar cualquier ejercicio de previsión con los niveles actuales de incertidumbre.

Hay que añadir un matiz importante: estas simulaciones se han realizado asumiendo que los agentes económicos conocen anticipadamente la duración del periodo de confinamiento, intensidad de la crisis y velocidad de la recuperación posterior. Si en lugar de ello, se introdujera incertidumbre al respecto, los efectos negativos de la crisis del COVID-19 sobre el gasto de hogares e inversión de las empresas sería seguramente mayores.

Mañana proporcionaremos resultados sobre la capacidad de las medidas anunciadas hasta el momento para paliar los resultados que hemos ofrecido en esta entrada.

 Gráfico 6. Efecto el PIB de la epidemia COVID-19: Sensibilidad a distintos escenarios
Desviación porcentual trimestral respecto al escenario en ausencia de shocks

Let’s block ads! (Why?)

Publicado originalmente en: Ir a la fuente
Autor: Javier Ferri

Comentarios

comentarios

Seguir Leyendo
Publicidad
Loading...

Nada es Gratis

El MEDE debe ayudar frente a la pandemia: el caso de España

Publicada

el

De Aitor Erce, Antonio García Pascual y Toni Roldán

La cantidad de recursos financieros que se necesitan para hacer frente a la pandemia del COVID-19 es tan grande que la mayoría de los Estados miembros van a necesitar respaldo de Europa. Para responder a esa necesidad se han formulado multitud de propuestas, incluyendo variedades de eurobonos y “helicópteros monetarios”. Nuestra propuesta tiene la ventaja de ser una solución rápida y plenamente operativa, puesto que los instrumentos de crédito del Mecanismo Europeo de Estabilidad (MEDE) están disponibles y son escalables.

En notas ya publicadas en Voxeu y EsadeEcPol, detallamos cómo ejecutar la propuesta formulada por Bénassy-Quéré et al. para que el MEDE provea de financiación triple A a los países de la zona euro, mostrando el caso de España como objeto de estudio.

De acuerdo con nuestros resultados, un crédito del MEDE que combine un plazo de pago amplio con un tipo de interés próximo a cero proporciona una vía prudente para cubrir las necesidades de financiación, con un esfuerzo fiscal razonable y una dinámica sostenible para la deuda pública en España.

El Gobierno español ha avanzado un plan de 200 mm de euros (el 16,5 % de PIB) que incluye transferencias y garantías públicas, la mayoría de las cuales es muy posible que se acaben solicitando. En nuestra nota estimamos que, sin intervención europea, ese desembolso puede llevar a un incremento de las necesidades de financiación bruta para el Tesoro de un 30 % del PIB por año en cada uno de los próximos años y la deuda pública podría llegar hasta el 140 % del PIB en 2030.

Por el contrario, con la intervención del MEDE que proponemos esa trayectoria mejoraría drásticamente. A continuación mostramos los supuestos y los resultados más relevantes del estudio.

La tabla 1 resume escenarios alternativos de financiación del MEDE y su impacto sobre la sostenibilidad de la deuda pública.

Fuente: Elaboración propia. Tesoro Público. MEDE. Bloomberg.

Los escenarios se organizan en torno a tres supuestos importantes:

1. El volumen del crédito del MEDE a España, que suponemos que se situaría entre 100 y 200 mm de euros (eso es, entre el 50 % y el 100 % del paquete de apoyo fiscal del 2020, respectivamente). Nuestra base de referencia es que España recibiría unos 100 mm de euros.Un paquete mayor sería más beneficioso para España pero dejaría menos recursos para otros Estados miembros necesitados. El MEDE tiene, en la actualidad, una capacidad crediticia de unos 410 mm de euros.

2. El diferencial sobre la tasa de financiación que imputa el MEDE para cubrir sus costes. En este caso, suponemos que puede oscilar entre 0 y 35 puntos básicos para representar el coste de endeudamiento en función de los diversos mecanismos de crédito existentes en el MEDE. 10 puntos básicos es el margen imputado en los programas estándar del MEDE y 35 puntos básicos es el margen imputado en las líneas de crédito con condicionalidad (ECCL). A su vez, en los préstamos a Irlanda y Portugal del Fondo Europeo de Estabilidad Financiera, los países actualmente pagan un diferencial de cero. Suponemos que el MEDE se financia a sí mismo a 10 puntos básicos por encima de la curva del Bono Alemán.

3. El vencimiento medio ponderado (weighted-average maturity, WAM) fijado por el MEDE en su propia estrategia de financiación en los mercados. Experimentamos con un WAM de entre 1 y 6 años. En la actualidad, el MEDE fija un WAM de 2-3 años.

No experimentamos con el vencimiento del préstamo del MEDE, que asumimos sería similar al que recibió España en 2012 (vencimiento a 12 años con un período de gracia de 5 años). Tampoco experimentamos con la estrategia de emisión del Tesoro español y replicamos lo que ha venido haciendo en la práctica. Establecemos una WAM en la emisión de seis años y medio cuando el estrés es menor, y de cuatro años cuando el estrés es mayor.

La Tabla 1 también muestra cuatro summary statistics” extraídos del análisis DSA realizado para cada escenario:

1. Coeficiente de deuda pública sobre el PIB en 2030. Oscila entre el 100 % del PIB en un escenario de referencia sin el shock del Covid-19 y el 136 % en el escenario posterior al Covid-19 sin ningún apoyo del MEDE.

2. Necesidades medias de financiación bruta con respecto al PIB(GFN/PIB) para el período 2022-2030.

3. Saldo primario medio para estabilizar la deuda con respecto al PIB(PB*/PIB) para el período 2022-2030. Un valor más alto denota que se necesita un mayor esfuerzo fiscal para estabilizar la deuda pública con respecto al PIB.

4. Pagos de intereses acumulados en cada uno de los escenarios. El rango va de los 509 mm de euros (tras el shock) a los 279 mmm de euros (sin el shock del Covid).

La principal lección que se desprende de estos escenarios es que el apoyo del MEDE cambiaría fundamentalmente las condiciones de financiación, garantizando que la dinámica de la deuda sea sostenible.

En concreto:

• El apoyo del MEDE marca una gran diferencia en la reducción de los costes financieros. Los pagos de los tipos de interés acumulados en el mejor de todos los escenarios de financiación contemplados —cero spread, 200 mm de ayuda y donde el MEDE se aprovecha de la financiación más barata a corto— supondría para España un ahorro de más de 150.000 millones de euros, ¡más del 12 % del PIB de 2019, en pagos de intereses!

• El apoyo del MEDE reduce significativamente el esfuerzo fiscal necesario para estabilizar o reducir el coeficiente de deuda pública sobre el PIB. De hecho, el esfuerzo fiscal (medido como el saldo primario medio para estabilizar la deuda) sería similar al escenario de referencia sin el shock del Covid-19.

• El apoyo del MEDE mantendría las necesidades de financiación bruta anuales a un nivel (en términos del PIB) del 19 % del PIB, similar a la situación de partida antes del shock.

• En resumen, la combinación del apoyo del MEDE y el Banco Central Europeo permitiría reforzar la sostenibilidad de la deuda española después del shock del Covid-19, e igualmente podría ayudar a otros estados de la zona euro.

Let’s block ads! (Why?)

Publicado originalmente en: Ir a la fuente
Autor: admin

Comentarios

comentarios

Seguir Leyendo

Nada es Gratis

Ensayos clínicos en tiempos de pandemia

Publicada

el

Todos seguimos con atención e impaciencia las noticias que nos van llegando acerca de los estudios que se están realizando sobre posibles tratamientos del COVID-19. A continuación discuto brevemente dos de los problemas a los que se enfrentan. El primer problema es el reducido tamaño muestral de los estudios que se han realizado hasta la fecha, lo que complica la interpretación de los resultados. El segundo problema está relacionado con el diseño de los estudios y su adaptación en función de los resultados que se vayan observando, de forma que se concilie el objetivo de estimar con precisión el efecto del tratamiento con el de salvar el mayor número posible de vidas entre los participantes.

Para ilustrar el problema del tamaño muestral, voy a utilizar como ejemplo el estudio publicado recientemente por el virólogo francés Didier Raoult en el que se analiza el efecto de la hidroxicloroquina, un antiguo fármaco para la malaria que tiene la ventaja de ser conocido y de fácil producción. Los investigadores franceses asignaron a 16 pacientes de COVID-19 al grupo de control y a 26 al grupo de tratamiento, quienes recibieron unos 200mg de sulfato de hidroxicloroquina tres veces al día. Mientras que a los seis días de iniciarse el tratamiento el 70% de los pacientes del grupo de tratamiento daba negativo en los tests, en el grupo de control únicamente ocurrió con el 12.5%, una diferencia que es significativa al 0.1%. Los resultados de este estudio han tenido una enorme repercusión y el presidente Donald Trump ha declarado que confía en que la hidroxicloroquina sea el “game changer” que todos estamos esperando, desatando entre los consumidores una fiebre por hacerse con este producto.

Como ya han discutido varios autores, el estudio francés es imperfecto en muchos aspectos (ver Dahly, Gates y Morris). Desafortunadamente, la asignación de los pacientes no fue aleatoria. Los pacientes del grupo de tratamiento fueron reclutados en Marsella, mientras que el grupo de control lo forman pacientes de otras localidades del sur de Francia. Además, los autores excluyeron del análisis final a varios pacientes del grupo de tratamiento que, de haber sido testados, probablemente habrían dado positivo (tres habían sido trasladados a la UCI y uno falleció). También parece mejorable la forma de medir el outcome, utilizando una variable dicotómica, que no explota información más detallada acerca de la rapidez de la curación.

Pero incluso si obviamos todos estos problemas, no deberíamos apresurarnos a concluir que la hidroxicloroquina “cura” el COVID-19. Incluso con una diferencia tan grande como la observada entre el grupo de tratamiento y el grupo de control en este estudio, cabe una probabilidad no despreciable de que esta diferencia se deba a la casualidad y no a la existencia de un efecto real del tratamiento. Es decir, podría tratarse de un falso positivo, utilizando la jerga estadística. Como muestro en detalle en el siguiente párrafo, si por ejemplo pensábamos inicialmente que la hidroxicloroquina tenía un 10% de probabilidad de duplicar la tasa de curación, después de observar los resultados de este estudio deberíamos aumentar nuestros “priors” hasta el 41.6%, pero estaríamos todavía lejos de tener la certeza de que será la cura definitiva.

Para calcular de una manera aproximada la posibilidad de que los autores hayan detectado un efecto real y no un falso positivo utilizo el sencillo método que proponen Maniadis, Tufano y List (2014). El método require calcular la probabilidad de obtener un efecto significativo debido a la existencia de un efecto real y la probabilidad de obtener un falso positivo. Para calcular la posibilidad que tenían los investigadores franceses de detectar un resultado significativo real, necesitamos calcular el poder estadístico del estudio (la probabilidad de detectar el efecto, asumiendo que este existe) y hacer algún supuesto sobre la probabilidad que asignamos a priori de que exista el efecto. Podemos considerar, por ejemplo, un escenario moderado, en el que pensamos que, a priori, de existir un efecto, el tratamiento aumentaría la tasa de curación del 12.5% al 25%. Dado el tamaño muestral del estudio, y considerando el nivel de significatividad (alpha) del 0.1% obtenido por los autores, el poder estadístico del estudio sería del 0.6% (utilizando el comando de stata: power twoproportions 0.125 0.25, n1(16) n2(26) alpha(0.001)). Si somos relativamente escépticos acerca del potencial de la hidroxicloroquina y asignamos una probabilidad previa del 10% a que el tratamiento tiene efecto, la probabilidad de que los autores obtengan un “auténtico” positivo sería del 10%*0.6%=0.06%. Por otro lado la probabilidad de obtener un “falso” positivo sería igual al nivel de significatividad que hemos fijado, en este caso un 0.1%, multiplicado por la probabilidad que hemos asignado inicialmente a que no exista ningún efecto, un 90%, lo que supone un 0.09% (=0.1%*90%). Dados estos supuestos, la probabilidad de que el resultado significativo observado por los autores refleje un efecto real sería igual P(auténtico positivo)/( P(auténtico positivo)+P(falso positivo))=0.06%/(0.06%+0.09%)=41.6%.

Naturamente, distintos lectores pueden tener distintas expectativas acerca de la probabilidad de que exista un efecto, y esto afectará al cálculo realizado, pero en general la probabilidad posterior de que que exista un efecto a partir de un único estudio con una muestra pequeña seguirá siendo limitada. Además, la probabilidad de que se trate de una falso positivo podría ser aún mayor si tenemos en cuenta que este es únicamente uno de los múltiples tratamientos que se están ensayando. Cada ensayo adicional multiplica la probabilidad de obtener por casualidad resultados significativos.

Todo esto no quiere decir que no debamos tener esperanzas acerca del potencial de la hidroxicloroquina, pero sí que debemos ser cautos. Afortunadamente, existen al menos otros 13 estudios en camino y la Organización Mundial de la Salud anunció el 20 de marzo un ensayo a gran escala randomizado que tendrá lugar en decenas de países y en el que participarán miles de enfermos. En este ensayo se estudiará la eficacia de cuatro tratamientos distintos, incluyendo además de la hidroxicloroquina, un compuesto antiviral llamado remdesivir, y dos combinaciones de drogas utilizadas para el HIV.

A medida que estos estudios a gran escala vayan generando datos, se planteará un nuevo problema en el diseño de los estudios. En principio, si el único objetivo fuera estimar con precisión el efecto de un tratamiento, lo óptimo sería dividir a los participantes en grupos de igual tamaño hasta la conclusión del estudio. Sin embargo, a medida que los datos vayan revelando que alguno de los tratamientos parece ser más eficaz, para salvar las vidas de los participantes sería conveniente aumentar el número de individuos que son asignados al tratamiento más exitoso, aunque esto retarde la velocidad a la que se obtiene información sobre la eficacia de cada tratamiento. Este problema ha sido estudiado recientemente por el economista Max Kasy y coautores (aquí y aquí), quienes proponen un algoritmo de asignación y muestran diversos ejemplos de su aplicación. La aplicación de este tipo de algoritmos en los nuevos ensayos clínicos podría contribuir a salvar numerosas vidas.

Let’s block ads! (Why?)

Publicado originalmente en: Ir a la fuente
Autor: Manuel Bagues

Comentarios

comentarios

Seguir Leyendo

Nada es Gratis

El Impacto de la Medidas Económicas en la Crisis del Coronavirus

Publicada

el

Por José E. Boscá; Rafael Doménech y Javier Ferri

(Esta entrada complementa la publicada ayer sobre el impacto macroeconómico del coronavirus)

El Gobierno ha aprobado un importante paquete de medidas económicas que va a movilizar recursos públicos por cerca de 117.000 millones de euros, para contrarrestar la fuerte caída de actividad provocada por la pandemia del coronavirus. Estas medidas incluyen  incrementos de gasto sanitario, partidas presupuestarias para proteger a trabajadores y empresas, establecimiento de avales para créditos a los que pueden optar las empresas para paliar los efectos de la interrupción de su actividad, o prórrogas en el pago de impuestos. Con las debidas cautelas sobre la eficacia y rapidez en su implementación, a continuación se presentan simulaciones sobre el impacto de éstas. Nuestro objetivo es aproximar su capacidad de contrarrestar los efectos negativos de la crisis. Incluimos las magnitudes económicas de estas medidas sobre las que existe información, si bien es obvio que faltan por conocer las cifras concretas de algunas propuestas de las que sólo puede estimarse su potencial impacto presupuestario. Nuestras simulaciones no incluyen los programas económicos que las comunidades autónomas puedan haber aprobado, ni las medidas de gasto extraordinario que están llevando a cabo las corporaciones locales.

En el Gráfico 7 mostramos las consecuencias de relajar la aplicación de la regla fiscal durante 6 trimestres, es decir, hasta 2022, en línea con la decisión adoptada el 23 de marzo por el ECOFIN de activar la cláusula general de salvaguardia del marco presupuestario ante la crisis del COVID-19. Esta medida tiene un impacto importante, mitigando la caída del consumo privado, dado que la regla fiscal en el modelo actúa alterando la renta disponible de los hogares del modo menos distorsionador posible. Básicamente, la regla fija el volumen de impuestos a tanto alzado que evita que la deuda se dispare, aumentándolos cuando el ratio deuda/PIB aumenta y se sitúa por encima de su valor de estado estacionario. La relajación de la regla fiscal se traduce en un aumento de 2 puntos adicionales del déficit público sobre el PIB durante el año 2020 (con respecto al escenario con ajuste del déficit). Según nuestras simulaciones, la concesión de una prórroga en el proceso de consolidación por parte de la Comisión Europea, supondría recuperar 0,6 puntos de PIB anual durante 2020, siendo esta estimación un mínimo, dadas las pocas distorsiones que, como hemos dicho, genera la regla fiscal del modelo. En el resto de los ejercicios que se presentan a continuación evaluaremos los efectos de las distintas medidas de política adoptadas bajo el supuesto de que la consolidación fiscal se mantiene en suspenso hasta principios de 2022.

Por su parte, el anuncio del BCE de medidas extraordinarias, como el Programa de Compras de Emergencia frente a la Pandemia (PEPP) por 750 mil millones de euros, tiene el objetivo de proporcionar toda la liquidez necesaria y evitar cualquier tipo de tensiones financieras que pudieran producirse como, por ejemplo, sobre las primas de riesgo de los países de menor margen fiscal. Como es bien conocido, este tipo de medidas de política monetaria se han estado realizando desde mayo de 2009, pero es a partir de 2011 cuando pasan a tener mayor protagonismo y efectos. Una forma de recogerlas en nuestro modelo es utilizando el tipo de interés nocional o en la sombra (shadow rate) para la eurozona, que mide el tono de la política monetaria cuando el límite cero (ZLB) no es necesariamente vinculante e incorpora los anuncios y medidas no convencionales de política monetaria, como la expansión cuantitativa y los programas de compra de deuda. En tiempos de política monetaria convencional, el tipo de intervención y el tipo sombra coinciden, pero cuando hay medidas no convencionales la diferencia entre ambos refleja el signo de la política monetaria. De acuerdo con las estimaciones de De Rezende y Ristiniemi (2019), el tipo de interés en la sombra ha estado en promedio unos 65 puntos básicos por debajo del de intervención desde 2011. Nuestras estimaciones indican que los anuncios actuales podrían reducir el tipo de interés en la sombra en unos 20 pb adicionales. El efecto de esta reducción del tipo de interés en la sombra sobre el PIB en nuestro modelo no es muy significativo. Pero sí lo es, y mucho, en la medida que junto a la actuación de instituciones europeas impida cualquier aumento de la prima de riesgo de España por el aumento del déficit público en 2020 y 2021 como consecuencia del COVID-19. En ejercicios de simulación con versiones previas al modelo aquí utilizado ya se mostraba que cada aumento duradero de 100 puntos básicos en la prima de riesgo provocaba al menos una disminución de un punto porcentual del PIB. Tanto en nuestro escenario base como en las siguientes simulaciones suponemos que no se producen aumentos de la prima de riesgo de España como resultado de la actuación del BCE y de otras instituciones de la UE.

Gráfico 7. Efecto sobre los componentes del PIB de la epidemia COVID-19.
Relajación de la regla fiscal
Desviación porcentual trimestral respecto al escenario en ausencia de shocks

En el Gráfico 8 se muestra el impacto de las medidas destinadas a realizar transferencias a hogares en dificultades y a proporcionar complementos salariales. Para ello se ha utilizado la estimación de su coste correspondientes al escenario central que nos mostraron hace poco en este mismo blog Conde-Ruiz, Galindo y Victoria (2020). Suponemos que estas políticas entran en vigor al principio del segundo trimestre y están activas durante seis meses. Las medidas en relación a los trabajadores se han clasificado en dos grupos: (a) las transferencias y compensaciones salariales que afectan a trabajadores temporales no renovados, con un coste estimado de 1.623 millones de euros trimestrales. En nuestro modelo asignaremos estas transferencias a los hogares sin acceso al mercado financiero y con menores salarios; (b) las compensaciones salariales de trabajadores indefinidos, con un coste de 3.183 millones de euros trimestrales. Estas se reparten entre los otros tipos de hogares trabajadores con acceso a los mercados financieros, de modo que en términos per cápita todos reciben la misma cantidad.

Los resultados muestran que esta medida tiene su reflejo en un aumento del déficit público y mitiga la caída en el consumo privado en unos 0,2 puntos durante el 2020, pero su efecto sobre el PIB es reducido. Se trata de un estimulo fiscal temporal, de una cuantía reducida en términos relativos (aunque sin duda relevante para los hogares más vulnerables) y una parte importante de la transferencia se dedica a ahorro.

Gráfico 8. Efecto sobre los componentes del PIB de la epidemia COVID-19.
Transferencias a los hogares y complementos salariales.
Desviación porcentual trimestral respecto al escenario en ausencia de shocks

El escenario base incluye el retardo en la consolidación fiscal

Otra de las medidas anunciadas se corresponde con la exención de cotizaciones para empresas con ERTE y exención extraordinaria por cese de actividad para autónomos durante dos meses por el 70% de la base reguladora. El coste total de esta medida se ha estimado en unos 5.000 millones, aproximadamente la mitad para cada medida. En concreto, hemos supuesto una exención media de las cotizaciones por ERTE de 600 euros por trabajador que afecta a un millón de trabajadores durante unos cuatro meses. A la espera de conocer datos oficiales, algunos medios de comunicación hablan ya de un número mayor de trabajadores afectados por ERTEs, en el entorno de un millón y medio. Para los autónomos suponemos una cantidad total equivalente. Aunque a nivel individual estas medidas pueden ser muy relevantes, como se observa en el Gráfico 9, los efectos son similares a los del Gráfico 8, beneficiando básicamente al consumo (mitigando su caída en otros 0,2 puntos anuales) y afectando al déficit público.

Gráfico 9. Efecto sobre los componentes del PIB de la epidemia COVID-19.
Prórroga del pago de la cuota a la seguridad social.
Desviación porcentual trimestral respecto al escenario en ausencia de shocks

El escenario base incluye el retardo en la consolidación fiscal

El aval por parte del estado de una línea de crédito de hasta 100.000 millones es una medida pensada para paliar los problemas de liquidez al que se pueden enfrentar muchas empresas y evitar que se convierta en un problema de solvencia. Para simplificar, suponemos que de utilizarse íntegramente evitaría parcialmente el aumento considerado en la mora, de manera que las pérdidas derivadas por impagos potenciales (el 4% de los créditos) se reparten al 50% entre el sistema bancario y el sector público. Esta medida se aplica sólo al nuevo crédito y suponemos que el impacto presupuestario empieza a tener efectos graduales dos trimestres después de aprobarse. En el Gráfico 10 se observa que esta medida ayudaría a una recuperación en forma de V en el escenario base y a mitigar los posibles efectos persistentes de la crisis (histéresis).

Gráfico 10. Efecto sobre los componentes del PIB de la epidemia COVID-19.
Línea de crédito con aval del estado.
Desviación porcentual trimestral respecto al escenario en ausencia de shocks

El escenario base incluye el retardo en la consolidación fiscal

De acuerdo con el RDL 8/2020 se destinarán 3.800 millones de euros a reforzar el sistema sanitario y 300 millones para financiar las prestaciones básicas de los servicios. Suponemos que la suma de estas dos partidas implica un incremento del consumo público durante los trimestres segundo y tercero. También incluimos como gasto público en inversión 200 millones correspondientes al Plan Acelera de la entidad pública Red.es. Las simulaciones en el Gráfico 11 muestran un impacto de unas décimas en términos de PIB.

Gráfico 11. Efecto sobre los componentes del PIB de la epidemia COVID-19.
Aumento del gasto en sanidad.
Desviación porcentual trimestral respecto al escenario en ausencia de shocks

El escenario base incluye el retardo en la consolidación fiscal

Entre las medidas aprobadas se encuentra también el aplazamiento de pagos tributarios hasta 2021 para empresas y autónomos en dificultades. De acuerdo con las estimaciones que el propio gobierno ha hecho públicas, el importe potencial de esta medida es de unos 14.000 millones de euros. La medida se ha incorporado en el modelo como una rebaja del impuesto sobre las rentas del capital (equivalente al 22% de tipo impositivo) durante el segundo y tercer trimestre de 2020, que se devuelve a partir de 2021. Como muestra el Gráfico 12, dada la expectativa de los agentes de que los shocks desaparecen al final del segundo trimestre, esta medida tiene capacidad de frenar en 9 puntos la caída anual de 12 puntos experimentada por la inversión, recuperando en consecuencia 0,75 puntos de caída anual de PIB.

Gráfico 12. Efecto sobre los componentes del PIB de la epidemia COVID-19.
Aplazamiento impuestos de empresas y autónomos
Desviación porcentual trimestral respecto al escenario en ausencia de shocks

El escenario base incluye el retardo en la consolidación fiscal

Otra de las medidas aprobadas en el RDL 8/2020 tiene que ver con la ampliación en 10 mil millones del límite de endeudamiento neto del ICO con el fin de aumentar sus líneas de financiación a empresas y autónomos. El sector bancario en nuestro modelo no incluye específicamente banca pública, por lo que esta medida se modeliza como una inyección de capital bancario que permite apalancar esa financiación adicional. Esta medida tiene cierta capacidad para sostener la caída de la inversión y del PIB, como muestra el Gráfico 13.

Gráfico 13. Efecto sobre los componentes del PIB de la epidemia COVID-19.
Aplazamiento impuestos
Desviación porcentual trimestral respecto al escenario en ausencia de shocks

El escenario base incluye el retardo en la consolidación fiscal

El efecto conjunto de las medidas consideradas en estos ejercicios de simulación aparece recogido en el Gráfico 14. A cambio de un aumento elevado del déficit público durante 2020 (de unos 3,5 pp del PIB con respecto al escenario anterior a la epidemia) se reduce en algo menos de la mitad la caída del consumo privado en 2020 respecto al escenario sin medidas, se detiene la caída anual de la inversión (por la fuerte recuperación a partir del tercer trimestre), y se reduce a menos de la mitad la disminución del PIB en el segundo trimestre, facilitando el rebote de la economía en la segunda mitad del año y la recuperación en V de la economía. De acuerdo con las simulaciones realizadas, la caída del PIB en 2020 que en el escenario base es del 4,1% pasaría a ser del 0,6%, con un multiplicador fiscal para el conjunto de las medidas de 1,1. En el escenario alternativo menos optimista, pero igualmente verosímil, en el que el PIB disminuía un 7,9% antes de las políticas, las medidas fiscales mitigarían la caída hasta el 4,5%.

Como bien afirma Mario Draghi “nos enfrentamos a una guerra contra el coronavirus y debemos movilizarnos en consecuencia.” Nuestros resultados son consistentes con el consenso de que una crisis extraordinaria como la del COVID-19 requiere hacer uso de todas las herramientas disponibles de política económica. En esta situación, las políticas fiscales deben hacer todo lo posible para mitigar las potenciales consecuencias permanentes que puede suponer esta crisis. No obstante, sus efectos serán mayores cuanto mejor se diseñen estas medidas y más rápida y eficazmente se lleven a cabo, evitando un uso poco eficiente de los recursos públicos. Y, por supuesto, cuanto menores sean los costes futuros de financiación de los abultados aumentos de deuda pública a los que van a dar lugar. Por eso es tan importante la acción coordinada y la puesta en común de políticas europeas que faciliten la financiación de todas las medidas necesarias de gasto público en el presente, y eviten cualquier tensionamiento de los mercados de deuda pública en el futuro.

Gráfico 14. Efecto sobre los componentes del PIB de la epidemia COVID-19.
Aplazamiento impuestos
Desviación porcentual trimestral respecto al escenario en ausencia de shocks

Let’s block ads! (Why?)

Publicado originalmente en: Ir a la fuente
Autor: Javier Ferri

Comentarios

comentarios

Seguir Leyendo
Publicidad
Publicidad
...

Facebook

Destacado