Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Tác động kinh tế của làn sóng đầu tiên của đại dịch đối với người châu Âu từ 50 tuổi trở lên
Tóm tắt
Chúng tôi phân tích các tác động của làn sóng đầu tiên của khủng hoảng COVID-19 đến tình hình kinh tế của những người châu Âu từ 50 tuổi trở lên. Chúng tôi xây dựng một chỉ số căng thẳng tài chính phản ánh việc trải qua mất thu nhập, khó khăn trong việc đáp ứng nhu cầu cơ bản và cần phải hoãn thanh toán. Chúng tôi nhận thấy rằng giáo dục và thu nhập trước đại dịch có vai trò bảo vệ, và việc đã qua tuổi nghỉ hưu cũng có tác dụng tương tự. Đối với các hộ gia đình chưa đến tuổi nghỉ hưu, đại dịch đã làm trầm trọng thêm bất bình đẳng. Chúng tôi cũng nghiên cứu xem các hộ gia đình có báo cáo gặp phải khó khăn nghiêm trọng trong việc đáp ứng nhu cầu cơ bản so với giai đoạn trước COVID-19 hay không. Chúng tôi chỉ ra rằng khả năng đáp ứng nhu cầu của họ giảm sút nhiều hơn do mất thu nhập trong thời gian đại dịch so với những mất mát đã trải qua trong hai năm trước khi đại dịch xảy ra.
Từ khóa
#COVID-19 #người châu Âu từ 50 tuổi trở lên #căng thẳng tài chính #bất bình đẳng #kinh tếTài liệu tham khảo
Adams-Prassl A, Boneva T, Golin M, Rauh C (2022) The impact of the coronavirus lockdown on mental health: evidence from the United States. Econ Policy 37:139–155. https://doi.org/10.1093/epolic/eiac002
Angelucci M, Angrisani M, Bennett DM, Kapteyn A, Schaner SG (2020) Remote work and the heterogeneous impact of covid-19 on employment and health (No. w27749). National Bureau of Economic Research. https://doi.org/10.3386/w27749
Bertoni M, Celidoni M, Dal Bianco C, Weber G (2021b) How did European retirees respond to the COVID-19 pandemic? Econ Lett. https://doi.org/10.1016/j.econlet.2021.109853
Bertoni M, Cavapozzi D, Pasini G, Pavese C (2021a) Remote Working and Mental Health during the First Wave of COVID-19 Pandemic. IZA Discussion Papers 14773, Institute of Labor Economics (IZA)
Börsch-Supan A, Brandt M, Hunkler C, Kneip T, Korbmacher J, Malter F, Schaan B, Stuck S, Zuber S (2013) Data Resource Profile: The Survey of Health, Ageing and Retirement in Europe (SHARE). Int J Epidemiol. https://doi.org/10.1093/ije/dyt088
Börsch-Supan A (2022) Survey of Health, Ageing and Retirement in Europe (SHARE) Wave 8. COVID-19 Survey 1. Release version: 8.0.0. SHARE-ERIC. Data set. https://doi.org/10.6103/SHARE.w8ca.800
Bui TTM, Button P, Picciotti EG (2020) Early evidence on the impact of Coronavirus Disease 2019 (COVID-19) and the recession on older workers. Public Policy Aging Rep 30:154–159. https://doi.org/10.1093/ppar/praa029
De Nardi M, French E, Benson D (2012) Consumption and the great recession. Federal Reserve Bank Chicago Econ Perspect 36:1–16
De Luca G, Li Donni P, Rashidi M (2022) Weights and imputations in SHARE wave 8. In: Bergmann M, Börsch-Supan A (eds) SHARE wave 8 methodology: collecting cross-national survey data in times of COVID-19. MEA, Max Planck Institute for Social Law and Social Policy, Munich
Deaton A (2021) COVID-19 and Global Income Inequality. National Bureau of Economic Research working paper series No. 28392. https://doi.org/10.3386/w28392
Eurofound (2020) Living, working and COVID-19. COVID-19 series, Publications Office of the European Union Luxembourg
Fana M, Pérez T, Fernández-Macías (2020) Employment impact of Covid-19 crisis: from short term effects to long terms prospects. J Ind Bus Econ 47:391–410. https://doi.org/10.1007/s40812-020-00168-5
Galati JC, Royston P, Carlin JB (2013) MIM: Stata module to analyse and manipulate multiply imputed datasets [Stata package]
Harel O (2009) The estimation of R2 and adjusted R2 in incomplete data sets using multiple imputation. J Appl Stat 36:1109–1118. https://doi.org/10.1080/02664760802553000
ILO (2020) ILO monitor, 2nd edn. COVID-19 and the world of work
Klein D (2011) MISUM: Stata module to calculate summary statistics in MI dataset. [Stata package]
Li Y, Mutchler JE (2020) Older adults and the economic impact of the COVID-19 pandemic. J Aging Soc Policy 32:477–487. https://doi.org/10.1080/08959420.2020.1773191
Marchenko Y (2010) Mibeta: Standardized coefficients for multiply-imputed data [Stata package].
Meyer BD, Sullivan JX (2013) Consumption and income inequality and the great recession. Am Econ Rev 103:178–183. https://doi.org/10.1257/aer.103.3.178
Morris TP, White IR, Royston P (2014) Tuning multiple imputation by predictive mean matching and local residual draws. BMC Med Res Methodol 14:75. https://doi.org/10.1186/1471-2288-14-75
Raghunathan TE, Lepkowski JM, Van Hoewyk J, Solenberger P (2001) A multivariate technique for multiply imputing missing values using a sequence of regression models. Surv Methodol 27:85–95
Rubin DB (1987) Multiple imputation for nonresponse in surveys. Wiley, New York. https://doi.org/10.1002/9780470316696
Saunders P, Halleröd B, Matheson (1994) Making ends meet in Australia and Sweden: a comparative analysis using the subjective poverty line methodology. Acta Sociologica 37:3–22. https://doi.org/10.1177/000169939403700101
Schenker N, Taylor JMG (1996) Partially parametric techniques for multiple imputation. Comput Stat Data Anal 22:425–446. https://doi.org/10.1016/0167-9473(95)00057-7
Scherpenzeel A, Axt K, Bergmann M, Douhou S, Oepen A, Sand G, Schuller K, Stuck S, Wagner M, Börsch-Supan A (2020) Collecting survey data among the 50+ population during the COVID-19 outbreak: the survey of health, ageing and retirement in Europe (SHARE). Surv Res Methods 14:217–221. https://doi.org/10.18148/srm/2020.v14i2.7738
StataCorp (2021) Stata Statistical Software: Release 17. College Station, StataCorp LLC
Stiglitz J (2020) Point of view: conquering the great divide. Finance & Development 0057:A005. https://isni.org/isni/0000000404811396 Accessed 6 May 2021
Van Buuren S, Boshuizen HC, Knook DL (1999) Multiple imputation of missing blood pressure covariates in survival analysis. Stat Med 18:681–694. https://doi.org/10.1002/(SICI)1097-0258(19990330)18:6%3c681::AID-SIM71%3e3.0.CO;2-R