นฎา วะสี
ระบาดวิทยาและเศรษฐศาสตร์ (จุลภาค) มีความคล้ายกันในระดับหนึ่ง ระบาดวิทยาเน้นพยากรณ์การระบาดของโรค เศรษฐศาสตร์เน้นพยาการณ์พฤติกรรมของคน แต่โรคระบาดครั้งนี้ก็ระบาดไม่ได้ ถ้าคนไม่พาไป ในการพยากรณ์ทั้งสองศาสตร์ต้องอาศัยข้อมูล แบบจำลองเชิงสถิติ ความรู้ทางวิทยาศาสตร์ ประชากรศาสตร์ รวมถึงความเข้าใจของพฤติกรรมของประชาชน บทความนี้ขอยกตัวอย่างแนวคิดเรื่อง sample selection bias, incentives, heterogeneity และ resource allocation มามองสถานการณ์ COVID-19
กลุ่มตัวอย่างมีผลต่อภาพที่เห็น นักสถิติและนักเศรษฐมิติให้ความสำคัญกับกลุ่มตัวอย่างมากว่า ข้อมูลมาจากการสุ่มแบบ random หรือไม่ ตัวเลขที่เราเห็นๆ กันเกี่ยวกับ COVID-19 มักเป็นตัวเลขผู้ติดเชื้อและผู้เสียชีวิต แต่ตัวเลขจำนวนผู้ถูกตรวจเชื้อทั้งหมดนั้นยังไม่มีมากนัก กราฟข้างล่างแสดงความสำคัญของการสุ่มต่อภาพที่เห็น ประเทศเกาหลีมีการสุ่มตรวจแบบ random ขณะที่อิตาลีตรวจเฉพาะคนที่มีอาการ ข้อมูลอิตาลีบอกว่าทั้งผู้ติดเชื้อและผู้เสียชีวิตเป็นผู้สูงอายุ ขณะที่ข้อมูลเกาหลีพบว่า แม้ว่าผู้เสียชีวิตจะเป็นคนสูงอายุเช่นกัน กลุ่มคนที่ติดเชื้อสูงคือเป็นกลุ่มอายุ 20-29 ปีi และบางคนไม่มีอาการ
สำหรับประเทศไทย ข้อจำกัดเรื่องต้นทุนและบุคลากรอาจจะทำให้สุ่มตรวจไม่ได้
แต่การใช้ข้อมูลของผู้ที่ถูกตรวจเชื้อทั้งหมดมาร่วมวิเคราะห์ น่าจะให้ภาพเพิ่มเติมได้ นอกจากนี้ การสุ่มตัวอย่างยังมีความสำคัญต่อการประเมินผลของมาตรการต่างๆ ทางการแพทย์เป็นที่ทราบกันดีว่า ในการทดลองวิธีรักษาใหม่ (clinical trial) กลุ่มตัวอย่างต้องมีทั้งกลุ่ม treatment และกลุ่ม control แต่ในศาสตร์อื่นๆ บางครั้งยังไม่ให้ความสำคัญกับการมีกลุ่ม control มากนัก บ่อยครั้งที่โครงการช่วยเหลือต่างๆ เก็บข้อมูลเฉพาะของผู้เข้าร่วมโครงการ ทำให้ไม่สามารถประเมินผลที่แท้จริงของโครงการได้
พฤติกรรมทำนายยาก ทางการแพทย์อาจจะยังไม่เข้าใจพฤติกรรมของไวรัสสายพันธุ์ใหม่นี้ดีนัก แต่นักเศรษฐศาสตร์ทราบดีว่าพฤติกรรมคนนั้นทำนายยาก คนแต่ละคนมีแรงจูงใจ ความชอบ ข้อจำกัด และการคาดการณ์ถึงผลที่จะตามมาที่ต่างกัน เช่น บุคคลกลุ่มเสี่ยงเลือกจะกักกันตัวเองหรือไม่ ก็ขึ้นกับประเมินว่าออกไปนอกบ้านแล้วผลดีหรือเสียมากกว่ากัน ออกไปสังสรรค์คุ้มกับความเสี่ยงที่จะโดนจับหรือไม่ บางคนออกไปเพราะต้องหาเลี้ยงชีพ บางคนออกไปเพราะขาดความรู้ว่าตัวเองอาจเป็นพาหะได้ นอกจากบทลงโทษ แรงจูงใจก็เป็นเครื่องมือได้ เช่น บุคคลกลุ่มเสี่ยงอาจจะยอมร่วมมือให้ติดตามตัวด้วย GPS หากได้รับอาหารฟรีทุกวัน แม้รัฐจะต้องมีค่าใช้จ่ายมากขึ้น แต่ก็อาจจะคุ้มสำหรับการมีข้อมูลพร้อมสำหรับติดตามและป้องกันการแพร่ระบาด
ความแตกต่างทางวัฒนธรรมและประชากรมีส่วนให้มาตรการเดียวกันได้ผลไม่เท่ากัน
เช่น ความถี่ของ physical contact ของคนกลุ่มอายุ 20-69 ปี ต่อคนกลุ่มอายุ 70 ปีขึ้นไปของอิตาลีเฉลี่ยอยู่ที่ 2.8 ครั้งต่อวัน ขณะที่ของเยอรมันและฮ่องกง อยู่ที่ 1.6 และ 0.4 ครั้งต่อวันii ขนาดครอบครัวเฉลี่ยของเยอรมันอยู่ที่ 2 คน ของอิตาลีและสเปน อยู่ที่ 2.3 และ 2.5 คน ตามลำดับiii ของไทยขนาดครอบครัวเฉลี่ยในกรุงเทพฯ อยู่ที่ 2.7 คน แต่ของภาคตะวันออกเฉียงเหนือและภาคใต้อยู่ที่ 3.1 คนiv ดังนั้น มาตรการบางอย่าง เช่น physical distancing จะช่วยประเทศที่คนมักอยู่เป็นครอบครัวขนาดเล็กได้ดีกว่า
ข้อมูลที่พร้อมช่วยให้หลายๆ ฝ่ายจัดสรรทรัพยากรได้ดีขึ้น ประเทศที่รัฐมีข้อมูลของประชาชนและธุรกิจทั้งหมดอยู่ในระบบ สามารถประเมินภาพผู้เดือดร้อน งบประมาณ และให้ความช่วยเหลือได้อย่างรวดเร็วและลดการรั่วไหล เช่น สหรัฐอเมริกา ลูกจ้างที่ทำธุรกิจส่วนตัวและถูกผลกระทบ แม้ไม่ได้อยู่ในระบบประกันสังคม ก็มีเอกสารการยื่นภาษีปีที่แล้วมาเป็นหลักฐานว่าทำอาชีพอะไร ออสเตรเลีย มีข้อมูลผู้ประกอบการ จึงสามารถสร้างแรงจูงใจให้นายจ้างไม่เลิกจ้าง โดยรัฐเป็นผู้ช่วยจ่ายค่าจ้างผ่านทางนายจ้างแทน
สำหรับประเทศไทย แรงงานและธุรกิจส่วนใหญ่อยู่นอกระบบ ผู้ยื่นแบบภาษีเงินได้มีเพียงร้อยละ 25 ของแรงงานทั้งหมด ธุรกิจขนาดเล็กเกือบสามล้านรายอยู่นอกระบบเกือบทั้งหมด เมื่อรัฐออกมาตรการช่วยเหลือโดยให้มาลงทะเบียนออนไลน์ จึงต้องใช้เวลาตรวจสอบนาน และอาจจะตกหล่นผู้ที่ไม่เข้าถึง internet
ท้ายนี้ แม้ทรัพยากรของภาครัฐจะมีจำกัด แต่น้ำใจและพลังของคนไทยมีไม่จำกัด หากเรานำพลังน้ำใจมาผนวกกับความสามารถของเอกชนโดยใช้เทคโนโลยี ก็น่าจะช่วยดึงทรัพยากรที่ยังมีอยู่มาใช้ได้ เช่น แพลตฟอร์มจับคู่อุปกรณ์การแพทย์ที่ขาดแคลน และเอกชนที่มีความสามารถในการผลิตแพลตฟอร์มที่ชวนคนมีกำลังทรัพย์ให้จ้างร้านค้าที่ถูกปิดทำอาหารส่งบุคลากรทางการแพทย์ หรือแพลตฟอร์มที่สนับสนุนให้นักวิเคราะห์ที่มีความรู้ เสนอแบบจำลองและทางเลือกมาเปรียบเทียบกับของรัฐ
ทั้งนี้การจัดการที่ดีจะเป็นหัวใจสำคัญในการจัดสรรทรัพยากรที่มีอยู่ในภาคต่างๆ มาใช้ให้เกิดประโยชน์สูงที่สุด
อ้างอิง
i Surico, Paolo & Andrea Galeotti (2020). The economics of a pandemic: the case of Covid-19.
ii http://www.socialcontactdata.org/tools/
iii https://ec.europa.eu/eurostat/statistics-explained/index.php?title=Household_composition_statistics#Household_size
iv The Thai Socio-Economics Survey (2016)
ข่าวหรือบทความที่เกี่ยวข้อง
