Optimal prevention and adaptation under risk in health and environmental economics

Abstract

Risiken und Ungewissheiten prägen das menschliche Leben auf vielfältige Weise, auf verschiedenen Ebenen und über unterschiedliche Zeiträume hinweg. Beispiele dafür finden sich in den Sparentscheidungen auf individueller Ebene, die von kurzfristigen Schwankungen des Arbeitseinkommens getrieben werden. Für das Gesundheitsverhalten andererseits sind längerfristige Überlegungen entscheidend. Ungesundes Verhalten in der Gegenwart kann sich langfristig auf die Gesundheit auswirken oder sogar das zukünftige Mortalitätsrisiko beeinflussen. Naturkatastrophen oder andere Umweltrisiken sind andererseits Ereignisse, die Menschen nicht auf individueller Ebene sondern gleichzeitig und collektiv betreffen können. Diese Arten von Risiken sind nicht nur für politische Entscheidungsträger auf der Makroebene relevant, sondern auch für die Entscheidungsfindung auf individueller Ebene. Wie die Covid-19-Pandemie wiederum gezeigt hat können individuelle Risiken (wie eine Virusinfektion) aufgrund ihrer aggregierten Auswirkungen ein Eingreifen auf der Makroebene erforderlich machen. Diese Dissertation behandelt menschliches Verhalten in Bezug auf Risiko und Unsicherheit in den oben beschriebenen Situationen. Der Fokus der drei vorgestellten Modelle liegt jeweils auf einem anderen Risikotypus, i.e. vom Gesundheitsrisiko auf individueller und Makroebene bis zum Umweltrisiko. Unterschiedliche Modellierungsansätze ermöglichen es die speziellen Merkmale jeder Risikoart zu berücksichtigen. Das erste Modelle behandelt die Erweiterung klassischer Lebenszyklusmodelle um signifikante Gesundheitsschocks. Im Vergleich zu kleineren Schocks, die meist nur temporäre Auswirkungen auf das Leben einer Person haben, verfügen ausgeprägte Schocks (wie z.B. eine Krebsdiagnose oder eine Herz-Kreislauf Erkrankung) über das Potenzial, den Lebensverlauf auf eine völlig andere Bahn zu lenken. Obwohl ausgeprägte Gesundheitsschocks durch keinerlei Maßnahmen komplett eliminiert werden können, kann durch krankheitsspezifische Gesundheitsinvestitionen die Auftretenswahrscheinlichkeit auf individuelle Ebene beeinflusst werden. Andererseits können alternativ auch Vorsorgemaßnahmen getroffen werden für die Zeit nach eine möglichen Schock, um dessen Auswirkungen abzufedern (z.B. Akkumulierung zusätzlicher Ersparnisse um die zusätzlichen Gesundheitsausgaben zu finanzieren).Im Rahmen dieses Modells erweitern wir die Definition des klassischen Value-of-Life auf weitere Aspekte des persönlichen Lebens (insbesondere im Bezug auf Gesundheit) und verwenden diese neuen Bewertungen, um die optimalen Gesundheitsinvestitionen über den Lebenszyklus zu charakterisieren. Darüber hinaus präsentieren wir eine Zerlegung für jede dieser Bewertung in Bezug auf ihre verschiedenen Einflussfaktoren. Anschließend kalibrieren wir das Modell für das Szenario einer potenziellen Krebsdiagnose für Personen in den USA und sind in der Lage, die individuellen Gesundheitsentscheidungen und -entwicklungen qualitativ und quantitativ zu replizieren. Außerdem ermöglichen die Ergebnisse der Kalibrierung die Auswirkungen einer Krebsdiagnose auf den allgemeinen Konsum sowie die Gesundheitsinvestitionen und -entwicklungen im Vergleich zu einer nicht diagnostizierten Person numerisch zu evaluieren. Weiters können wir die Rolle des Zeitpunkts des Schocks, d. h. des Alters, in dem eine Person mit Krebs diagnostiziert wird, im Hinblick auf die optimale Entscheidungsfindung analysieren. Unter Verwendung von Zerlegungen der Euler-Gleichungen für Konsum und Gesundheitsinvestitionen ermitteln wir identifizieren wir mehrere unterschiedliche Treiber für das optimale Verhalten vor und nach einer Krebsdiagnose. Der zweite Teil dieser Dissertation betrachtet die optimale Gesundheitspolitik auf der Makroebene angesichts der pandemischen Ausbreitung einer Infektionskrankheit. Diese Arbeit erweitert ein SIR1112Compartment-Modell in Bezug auf mehreren Aspekte. Die Unterscheidung zwischen leichten und schweren Krankheitsverläufen ermöglicht eine entsprechende Unterscheidung zwischen Personen, die zur Ausbreitung von Infektionen beitragen, und Personen, die die Kapazitäten des Gesundheitssystems belasten. Zusätzlich zu den häufig verwendeten Interventionen in Form von Lockdowns zur Reduzierungder Übertragungsraten führen wir Tests als mögliche Strategie für die politischen Entscheidungsträger ein. Durch Tests können infektiöse Personen identifiziert und vom Infektionsgeschehen getrennt werden. Um darüber hinaus die Heterogenität innerhalb der analysierten Population zu berücksichtigen führen wir eine Netzwerkstruktur ein. Dies ermöglicht es uns, die optimale Eindämmung der Pandemie über ein regionales Netzwerk hinweg zu betrachten. Gleichzeitig ist eine Netzwerkstruktur auch in der Lage, die Interaktionen verschiedener sozialer Gruppen innerhalb derselben Region zu replizieren. In beiden Fällen (oder auch in Kombination) können wir dadurch jeder Gruppe sowohl aus ökonomischer als auch aus epidemiologischer Sicht heterogene Merkmale zuordnen. Mit Hilfe dieses Frameworks können wir gruppenspezifische optimale Interventionsstrategien identifizieren, die die Gesamtbelastung der Pandemie im Vergleich zu uniform angewandten Interventionen reduzieren. Die analytische Lösung des Modells erlaubt uns die optimale Strategie zu charakterisieren und einen Trade-off zwischen Investitionen in Tests und Lockdowns zu identifizieren. Darüber hinaus veranschaulichen wir die potentiellen Möglichkeiten des Modells numerisch für eine Infektionskrankheit mitCovid-ähnlichen epidemiologische Merkmalen in einem Drei-Regionen-Setting mit einem anfänglichen Infektionsherd in einer der Regionen. Wir zeigen, dass die optimalen regionalspezifische Maßnahmenbeinhalten gleichzeitig eine Überlastung der Krankenhauskapazitäten zu vermeiden und die Pandemiesituation über die verschiedenen Regionen hinweg zu homogenisieren. Weiters stellen wir fest, dass Tests sowohl eine Reduzierung der Gesamtkosten der Pandemie als auch eine Reduzierung der Lockdown Maßnahmen ermöglichen. Die Effekt von Tests ist jedoch wesentlich höher, wenn diese für die gezieltere Testung von Personen mit hoher Wahrscheinlichkeit einer Ansteckung verwendet werden, anstatt uniform über die Bevölkerung verteilt zu werden. Dies deutet auf hohe potenzielle Vorteile einer gewissenhaft durchgeführten Kontaktverfolgung hin. Für den dritten Teil des Dissertation kehren wir zum Entscheidungsfindungsprozess auf individueller Ebene zurück. Motiviert durch die empirische Literatur, die den Zusammenhang zwischen Bildung und verschiedenen Aspekten des Haushaltsverhaltens in Bezug auf Risiken von Naturkatastrophen untersucht, entwickeln wir ein dynamisches Haushaltsmodell, das versucht diese Zusammenhänge systematisch zu erklären. In diesem Modell integrieren wir die vier Hauptkanäle aus der empirischen Literatur, durch die Bildung die individuelle Entscheidungsfindung beeinflusst: Einkommen, Risikobewusstsein, Zeitpräferenz und Zugang zu Präventionsmaßnahmen. In unserem Framework sind Haushalte dem Risiko ausgesetzt, beträchtliche Mengen ihres materiellen Vermögens (z.B. Wohnraum oder andere Wertgegenstände) zu verlieren, falls sie von einer Naturkatastrophe getroffen werden. Diese Verluste können mit Hilfe finanzieller Anstrengungen ersetzt werden, die jedoch im Gegenzug Reduzierung des Konsums und/oder finanzielle Einsparungen erfordern können und daher sorgfältig behandelt werden müssen. Andererseits können diese Ex-Post-Strategien potentiell durch Ex-Ante-Interventionen ersetzt werden, die entweder den Anteil der bei einer Katastrophezerstörten Sachwerte (z.B. Hochwasserschutzmaßnahmen) verringern oder die Wahrscheinlichkeit verringern, dass der Haushalt überhaupt von einer Katastrophe betroffen ist (z.B. Umzug an einen anderen Siedlungsort).Für die numerische Lösung parametrisieren und kalibrieren wir das Modell anhand empirischer Daten aus Thailand und Vietnam. Mithilfe von Monte-Carlo-Simulationen generieren wir eine synthetische Population, die die sozioökonomische Struktur der empirischen Daten repliziert. Die Ergebnisse zeigen, dass unser Modell in der Lage ist, die empirischen Haushaltsdaten qualitativ zu replizieren. Mit Hilfe von geeigneten grafischen Darstellungen und Regressionsanalysen illustrieren wir den Einfluss von Bildung auf die Gleichgewichtsverteilungen von Wohlstand und Katastrophenrisiko. Außerdem untersuchen wir, wie sich das Bildungsniveau auf die Entscheidungsfindung von Haushalten unter ähnlichen Voraussetzungen auswirkt. Darüber hinaus zerlegen wir die Gesamteffekte von Bildung auf risikorelevante Variablen in ihre direkten und indirekten Wirkungskanäle. Selbst unter Berücksichtigung von Einkommen,13Risikobewusstsein, Präventionszugang und Zeit präferenz bleibt das Bildungsniveau (und sein Einfluss auf die erwartete Einkommensentwicklung der Haushalte) immer noch der einflussreichste Faktor unter allen betrachteten Haushaltsmerkmalen in Bezug auf das Risikoverhalten. Zusammenfassend veranschaulicht diese Arbeit drei Beispiele menschlichen Verhaltens in Bezug auf unterschiedliche Typen von Risiken im Zusammenhang mit individueller Gesundheit, öffentlicher Gesundheit und Umweltkatastrophen. Obwohl wir für die Analyse unterschiedliche methodische Ansätze verwenden, ist der zentrale Aspekt Kompromisse zwischen präventiven Maßnahmen in Erwartung eines potenziellen Schocks und adaptiven Reaktionen nach dem Schock zu finden, in allen Modellen vorhanden. Die detaillierten Ergebnisse hängen dabei klarer weise von den spezifischen Rahmenbedingungen und den Eigenschaften des Entscheidungsträgers ab. In seiner Gesamtheit bietet diese Dissertation tiefgehende Einblicke in die treibenden Kräfte hinter den optimalen Entscheidungen unter Einfluss von Risiko und Unsicherheit auf individueller und Makroebene

Risk and uncertainty significantly shape human lives in many different ways, at different levels and over different time scales. Examples can be found in the savings decisions at the individual level, which are driven by short-term fluctuations in labour income. More long-term considerations are relevant for the behaviour with respect to health. Unhealthy behaviour in the present can have long-term impacts on health or even affect ones mortality risk in the future. Regarding risks affecting a multitude of people simultaneously (instead of independently), we can consider natural disasters or other environmental risks. These types of risks are not only relevant for policy makers on the macro level, but for decisionmaking at the individual level as well. On the other hand, as the Covid-19 pandemic has shown, individual risks like a virus infection can also have aggregate effects, which make macro level intervention necessary. This thesis discusses human behaviour with respect to risk and uncertainty in these aforementioned settings. The focus of each of the three models presented is on a different type of risk ranging from health risk on the individual and macro level to environmental risk. Different frameworks are used to account for the characteristics of each type of risk. The first paper introduces large health shocks into individual life-cycle models. Compared to smaller shocks, which mostly have transitory or temporary effects on a person’s life, large shocks (such as a cancer diagnosis or a cardio-vascular disease) have the potential to put the individuals life course on a completely different trajectory. Although large health shocks cannot be completely eliminated through any type of behaviour, the individual can affect the hazard rate of the shock using general and diseasespecific health investments. On the other hand one can also undertake precautionary measures for the time after a potential shock to lessen its impact, such as keeping precautionary savings to finance future health care. Using this framework we extend the definitions of the classical statistical value of life with respectto different aspects of the individual’s life and apply these new valuations to characterise the optimal health investments over the life-cycle. Moreover we derive a decomposition for each valuation with respect to its different contributing channels. We also calibrate the model for the scenario of a potential cancer diagnosis for individuals in the US and are able to replicate the health decisions and outcomes qualitatively and quantitatively. The results of the calibration exercise allow us to numerically assess the impact of a cancer diagnosis on general consumption, and health investments and outcomes compared to a cancer-free person. Moreover, we identify the role of the timing of the shock, i.e. the age at which the individual is diagnosed with cancer, with respect to the optimal decision making. Using a decomposition of Euler-type equations for consumption and health investments we further establish several different drivers for the optimal behaviour resulting from the cancer diagnosis before and after it has occurred. The second paper considers the optimal health policy on the macro level facing the pandemic spread of an infections disease. The work extends a SIR-compartment model with respect to several aspects. Distinction between light and heavy courses of the disease allows for a proper differentiation between individuals contributing to the spread of infections and people putting burden on the health capacities of an economy. Additional to the commonly used interventions in the form of lockdowns to reduce the transmission rates we introduce testing as a potential strategy for the policy maker. Testing allows to identify infectious individuals and remove them from the transmitting population. Furthermore we allow for heterogeneity within the population analysed by introducing a network structure. This enables us to consider the optimal containment of the pandemic across a regional network. At the same time a network is also able to capture the interactions of different social groups within the same region. In both cases (or even a combination of them) we are able to assign each group heterogeneous characteristics from both an economic and epidemiological point of view. Using this framework we can identify groupspecific optimal intervention strategies, which reduce the aggregated burden of the pandemic compared to interventions applied uniformly.Solving the model, we derive analytical characterisations of the optimal policy and identify a trade-offbetween investments in testing and lockdowns. Furthermore we illustrate the capabilities of the model numerically for a Covid-like disease (similar epidemiological characteristics) in a three-region setting with an initial hotspot of infections in one of the regions. We show that region-specific measures are set to simultaneously avoid overburdening the hospital capacities and homogenise the pandemic situation across the different regions. Moreover we find that testing allows for both reductions in the total costs of the pandemic as well relaxing of lockdown measures. However, the impact of testing is substantially higher, if tests are allocated more specifically to individuals with a high probability of being infected instead of broadly across the population. This suggests high potential benefits from properly conducted contact tracing.In the third paper we return to the decision making process at the individual level. Motivated by thee mpirical literature assessing the correlation of education and different aspects of household behaviour with respect to disaster risk, we introduce a dynamic household model to explain these correlations systematically. Within the model we incorporate the four main channels through which education shapes the individual decision making found in the literature: income, awareness, time preference and access to prevention measures.In our framework households face the risk of losing substantial amounts of their physical wealth (e.g.housing or other valuable items), in case they are hit by a natural disaster. These losses can be replaced through financial efforts, which can require reductions in consumption and/or financial saving and hence need to be carefully chosen. On the other hand, these ex-post strategies can be substituted by ex-anteinterventions which either reduce the share of physical assets destroyed during a disaster (e.g. floodprotection measures) or decrease the probability that the household is affected in the first place (e.g.relocation to different settlement). Using empirical data from Thailand and Vietnam we parameterize and calibrate the model for the numerical solution. Utilizing Monte-Carlo-Simulations we generate a synthetic population, which replicates the socio-economic structure of the empirical data. We find, that our model is able to replicate the empirical household outcomes qualitatively well. Graphical illustrations and regression analysis areused to assess the impact of the educational distribution on the equilibrium outcomes of households with respect to assets and disaster risk. We also investigate how the educational level affects the decision making of households under similar conditions. Furthermore we decompose the total effects of education on risk related variables into their direct and indirect impact channels. After controlling for income, awareness, prevention access and time preference, the education level (and its impact on the households expected income developments) still remains the most influential factor among all household characteristics considered with respect to risk behaviour. To conclude, this thesis illustrates three examples of human behaviour with respect to different typesof risk in the contexts of individual health, public health and environmental disasters. Although this also requires different methodological approaches, the key aspect of finding trade-offs between preventive efforts in anticipation of a potential shock and decisions to adjust/react after the shock are present in all of them. The final outcomes naturally depend on the specific setting and characteristics of the decisionmaker. In conclusion, this thesis provides strong insights into the driving forces behind the optimal decisions at the individual and macro level when facing risk and uncertainty.