The Global Macroeconomic Impacts of covid-19: Seven Scenarios

1 

 

The Global Macroeconomic Impacts of COVID-19: 

Seven Scenarios

*

 

 

Warwick McKibbin

†

 and Roshen Fernando

‡

 

2 March 2020 

 

Abstract 

The  outbreak  of  coronavirus  named  COVID-19  has  disrupted  the  Chinese  economy  and  is 

spreading globally. The evolution of the disease and its economic impact is highly uncertain, 

which makes it difficult for policymakers to formulate an appropriate macroeconomic policy 

response. In order to better understand possible economic outcomes, this paper explores seven 

different  scenarios  of  how  COVID-19  might  evolve  in  the  coming  year  using  a  modelling 

technique developed by Lee and McKibbin (2003) and extended by McKibbin and Sidorenko 

(2006).  It  examines  the  impacts  of  different  scenarios  on  macroeconomic  outcomes  and 

financial markets in a global hybrid DSGE/CGE general equilibrium model. 

The  scenarios  in  this  paper  demonstrate  that  even  a  contained  outbreak  could  significantly 

impact the global economy in the short run. These scenarios demonstrate the scale of costs that 

might  be  avoided  by  greater  investment  in  public  health  systems  in  all  economies  but 

particularly  in  less  developed  economies  where  health  care  systems  are  less  developed  and 

popultion density is high.  

 

Keywords: Pandemics, infectious diseases, risk, macroeconomics, DSGE, CGE, G-Cubed 

JEL Codes:  

 

 

*

 We gratefully acknowledge financial support from the Australia Research Council Centre of Excellence in 

Population Ageing Research (CE170100005).  We thank Renee Fry-McKibbin, Will Martin, Louise Sheiner, 

Barry Bosworth and David Wessel for comment and Peter Wilcoxen and Larry Weifeng Liu for their research 

collaboration on the G-Cubed model used in this paper.  We also acknowledge the contributions to earlier 

research on modelling of pandemics undertaken with Jong-Wha Lee and Alexandra Sidorenko. 

†

 Australian National University; the Brookings Institution; and Centre of Excellence in Population Ageing 

Research (CEPAR)

 

‡

 Australian National University and Centre of Excellence in Population Ageing Research (CEPAR) 

2 

 

1.  Introduction 

 

The COVID-19 outbreak (previously 2019-nCoV) was caused by the SARS-CoV-2 virus. This 

outbreak was triggered in December 2019 in Wuhan city  in Hubei province of China. COVID-

19 continues to spread across the world. Initially the epicenter of the outbreak was China with 

reported cases either in China or being travelers from China. At the time of writing this paper, 

at least four further epicenters have been identified: Iran, Italy, Japan and South Korea. Even 

though the cases reported from China are expected to have peaked and are now falling (WHO 

2020), cases reported from countries previously thought to be resilient to the outbreak, due to 

stronger medical standards and practices, have recently increased. While some countries have 

been  able  to  effectively  treat  reported  cases,  it  is uncertain  where  and  when  new  cases  will 

emerge.  Amidst  the  significant  public  health  risk COVID-19  poses  to  the  world,  the  World 

Health Organization (WHO) has declared a public health emergency of international concern 

to coordinate international responses to the disease. It is, however, currently debated whether 

COVID-19 could potentially escalate to a global pandemic. 

In a strongly connected and integrated world, the impacts of the disease beyond mortality (those 

who die) and morbidity (those who are incapacitated or caring for the incapacitated and unable 

to work for a period) has become apparent since the outbreak. Amidst the slowing down of the 

Chinese economy with interruptions to production, the functioning of global supply chains has 

been disrupted. Companies across the world, irrespective of size, dependent upon inputs from 

China have started experiencing contractions in production. Transport being limited and even 

restricted  among  countries  has  further  slowed  down  global  economic  activities.  Most 

importantly, some panic among consumers and firms has distorted usual consumption patterns 

and  created  market  anomalies.  Global  financial  markets  have  also  been  responsive  to  the 

changes  and  global  stock  indices  have  plunged.  Amidst  the  global  turbulence,  in  an  initial 

assessment, the International Monetary Fund expects China to slow down by 0.4 percentage 

points compared to its initial growth target to 5.6 percent, also slowing down global growth by 

0.1 percentage points. This is likely to be revised in coming weeks

4

. 

 

 

4

 See OECD(2020) for an updated announcement 

3 

 

This  paper  attempts  to  quantify  the  potential  global  economic  costs  of  COVID-19  under 

different possible scenarios. The goal is to provide guidance to policy makers to the economic 

benefits of globally-coordinated policy responses to tame the virus. The paper builds upon the 

experience  gained  from  evaluating  the  economics  of  SARS  (Lee  &  McKibbin  2003)  and 

Pandemic Influenza (McKibbin & Sidorenko 2006). The paper first summarizes the existing 

literature on the macroeconomic costs of diseases. Section 3 outlines the global macroeconomic 

model (G-Cubed) used for the study, highlighting its strengths to assess the macroeconomics 

of diseases. Section 4 describes how  epidemiological  information  is  adjusted  to  formulate a 

series of economic shocks that are input into the global economic model. Section 5 discusses 

the results of the  seven  scenarios  simulated using the model. Section  6  concludes the paper 

summarizing the main findings and discusses some policy implications. 

2.  Related Literature 

Many studies  have found that population health, as  measured by life expectancy, infant  and 

child mortality and maternal mortality, is positively related to economic welfare and growth 

(Pritchett and Summers, 1996; Bloom and Sachs, 1998; Bhargava and et al., 2001; Cuddington 

et al., 1994; Cuddington and Hancock, 1994; Robalino et al., 2002a; Robalino et al., 2002b; 

WHO Commission on Macroeconomics and Health, 2001; Haacker, 2004).  

There are many channels through which an infectious disease outbreak influences the economy. 

Direct  and  indirect  economic  costs  of  illness  are  often  the  subject  of  the  health  economics 

studies  on  the  burden  of  disease.  The  conventional  approach  uses  information  on  deaths 

(mortality) and illness that prevents work (morbidity) to estimate the loss of future income due 

to death and disability. Losses of time and income by carers and direct expenditure on medical 

care and supporting services are added to obtain the estimate of the economic costs associated 

with  the  disease.  This  conventional  approach  underestimates  the  true  economic  costs  of 

infectious diseases of epidemic proportions which are highly transmissible and for which there 

is  no  vaccine  (e.g.  HIV/AIDS,  SARS  and  pandemic  influenza).  The  experience  from  these 

previous  disease  outbreaks  provides  valuable  information  on  how  to  think  about  the 

implications of COVID-19 

The HIV/AIDS virus affects households, businesses and governments - through changed labor 

supply  decisions;  efficiency  of  labor  and  household  incomes;    increased  business  costs  and 

foregone investment in staff training by firms; and increased public expenditure on health care 

and support of disabled and children orphaned by AIDS, by the public sector (Haacker, 2004). 

4 

 

The effects of AIDS are long-term but there are clear prevention measures that minimize the 

risks of acquiring HIV, and there are documented successes in implementing prevention and 

education programs, both in developed and in the developing world. Treatment is also available, 

with modern antiretroviral therapies extending the life expectancy and improving the quality 

of life of HIV patients by many years if not decades. Studies of the macroeconomic impact of 

HIV/AIDS  include  (Cuddington,  1993a;  Cuddington,  1993b;  Cuddington  et  al.,  1994; 

Cuddington and Hancock, 1994;  Haacker, 2002a; Haacker, 2002b; Over, 2002; Freire, 2004;  

The  World  Bank,  2006).  Several  computable  general  equilibrium  (CGE)  macroeconomic 

models  have been  applied to study  the impact  of AIDS  (Arndt  and Lewis, 2001;  Bell et  al., 

2004). 

The influenza virus is by far more contagious than HIV, and the onset of an epidemic can be 

sudden and unexpected. It appears that the COVID-19 virus is also very contagious. The fear 

of 1918-19 Spanish influenza, the “deadliest plague in history,” with its extreme severity and 

gravity  of  clinical  symptoms,  is  still  present  in  the  research  and  general  community  (Barry, 

2004).  The  fear  factor  was influential  in  the  world’s  response  to  SARS  –  a  coronavirus  not 

previously detected in humans (Shannon and Willoughby, 2004; Peiris et al., 2004). It is also 

reflected in the response to COVID-19. Entire cities in China have closed and travel restrictions 

placed by countries on people entering from infected countries. The fear of an unknown deadly 

virus  is  similar  in  its  psychological  effects  to  the  reaction  to  biological  and  other  terrorism 

threats and causes a high level of stress, often with longer-term consequences (Hyams et al., 

2002). A large number of people would feel at risk at the onset of a pandemic, even if their 

actual risk of dying from the disease is low. 

Individual assessment of the risks of death depends on the probability of death, years of life 

lost, and the subjective discounting factor. Viscusi et al. (1997) rank pneumonia and influenza 

as  the  third  leading  cause  of  the  probability  of  death  (following  cardiovascular  disease  and 

cancer). Sunstein (1997) discusses the evidence that an individual’s willingness to pay to avoid 

death  increases  for  causes  perceived  as  “bad  deaths”  –  especially  dreaded,  uncontrollable, 

involuntary deaths and deaths associated with high externalities and producing distributional 

inequity. Based on this literature, it is not unreasonable to assume that individual perception of 

the risks associated with the new influenza pandemic virus similar to Spanish influenza in its 

virulence and the severity of clinical symptoms can be very high, especially during the early 

stage of the pandemic when no vaccine is available and antivirals are in short supply. This is 

exactly the reaction revealed in two surveys conducted in Taiwan during the SARS outbreak 

5 

 

in  2003  (Liu  et  al.,  2005),  with  the  novelty,  salience  and  public  concern  about  SARS 

contributing to the higher than expected willingness to pay to prevent the risk of infection.  

Studies of the macroeconomic effects of the SARS epidemic in 2003 found significant effects 

on  economies  through  large  reductions  in  consumption  of  various  goods  and  services,  an 

increase in business operating costs, and re-evaluation of country risks reflected in increased 

risk  premiums.  Shocks  to  other  economies  were  transmitted  according  to  the  degree  of  the 

countries’ exposure, or susceptibility, to the disease. Despite a relatively small number of cases 

and deaths, the global costs were significant and not limited to the directly affected countries 

(Lee and McKibbin, 2003). Other studies of SARS include (Chou et al., 2004) for Taiwan, (Hai 

et al., 2004) for China and (Sui and Wong, 2004) for Hong Kong. 

There are only a few studies of economic costs of large-scale outbreaks of infectious diseases 

to  date:   Schoenbaum  (1987)  is  an  example  of  an  early  analysis  of  the  economic  impact  of 

influenza. Meltzer et al. (1999) examine the likely economic effects of the influenza pandemic 

in  the  US  and  evaluate  several  vaccine-based  interventions.  At  a  gross  attack  rate  (i.e.  the 

number of people contracting the virus out of the total population) of 15-35%, the number of 

influenza deaths is 89 – 207 thousand, and an estimated mean total economic impact for the 

US economy is $73.1- $166.5 billion.  

Bloom  et  al.  (2005)  use  the  Oxford  economic  forecasting  model  to  estimate  the  potential 

economic impact  of a pandemic resulting  from  the mutation of avian influenza strain. They 

assume  a  mild  pandemic  with  a  20%  attack  rate  and  a  0.5  percent  case-fatality  rate,  and  a 

consumption shock of 3%. Scenarios include two-quarters of demand contraction only in Asia 

(combined effect 2.6% Asian GDP or US$113.2 billion);  a longer-term  shock  with  a  longer 

outbreak and larger shock to consumption and export yields a loss of 6.5% of GDP (US$282.7 

billion). Global GDP is reduced by 0.6%, global trade of goods and services contracts by $2.5 

trillion (14%). Open economies are more vulnerable to international shocks.  

Another  study  by  the  US  Congressional  Budget  Office  (2005)  examined  two  scenarios  of 

pandemic influenza for the United States.  A mild scenario with an attack rate of 20% and a 

case fatality rate (.i.e. the number who die relative to the number infected) of 0.1% and a more 

severe scenario with an attack rate of 30% and a case fatality rate of 2.5%. The CBO (2005) 

study finds a GDP contraction for the United States of 1.5% for the mild scenario and 5% of 

GDP for the severe scenario. 

6 

 

McKibbin and Sidorenko (2006) used an earlier vintage of the model used in the current paper 

to explore four different pandemic influenza scenarios. They considered a “mild” scenario in 

which the pandemic is similar to the 1968-69 Hong Kong Flu; a “moderate” scenario which is 

similar to the Asian flu of 1957; a “severe” scenario based on the Spanish flu of 1918-1919 

((lower estimate of the case fatality rate), and an “ultra” scenario similar to Spanish flu 1918-

19  but  with  upper-middle  estimates  of  the  case  fatality  rate.  They  found  costs  to  the  global 

economy of between $US300 million and $US4.4trillion dollars for the scenarios considered. 

The current paper modifies and extends that earlier papers by Lee and McKibbin (2003) and 

McKibbin and Sidorenko (2006) to a larger group of countries, using updated data that captures 

the  greater  interdependence  in  the  world  economy  and  in  particular,  the  rise  of  China’s 

importance in the world economy today.  

 

3.  The Hybrid DSGE/CGE Global Model 

For this paper, we apply a global intertemporal general equilibrium model with heterogeneous 

agents called the G-Cubed Multi-Country Model. This model is a hybrid of Dynamic Stochastic 

General  Equilibrium  (DSGE)  Models  and  Computable  General  Equilibrium  (CGE)  Models 

developed by McKibbin and Wilcoxen (1999, 2013)  

(9) 

The G-Cubed Model 

The  version  of the  G-Cubed (G20) model  used in this paper  can be found in  McKibbin  and 

Triggs (2018) who extended the original model documented in McKibbin and Wilcoxen (1999, 

2013). The model has 6 sectors and 24 countries and regions. Table 1 presents all the regions 

and sectors in the model. Some of the data inputs include the I/O tables found in the Global 

Trade Analysis Project (GTAP) database (Aguiar et al. 2019), which enables us to differentiate 

sectors by country of production within a DSGE framework. Each sector in each country has a 

KLEM technology in production which captures the primary factor inputs of capital (K) and 

labor (L) as well as the intermediate or production chains of inputs in energy (E) and materials 

inputs (M). These linkages are both within a country and across countries. 

 

 

7 

 

Table 1 – Overview of the G-Cubed (G20) model 

Countries (20) 

Regions (4) 

Argentina 

Rest of the OECD 

Australia 

Rest of Asia 

Brazil 

Other oil-producing countries 

Canada 

Rest of the world 

China 

 

Rest of Eurozone 

Sectors (6) 

France 

Energy 

Germany 

Mining 

Indonesia 

Agriculture (including fishing and hunting) 

India 

Durable manufacturing 

Italy 

Non-durable manufacturing 

Japan 

Services 

Korea 

 

Mexico 

Economic Agents in each Country (3) 

Russia 

A representative household 

Saudi Arabia 

A representative firm (in each of the 6 production sectors) 

South Africa  

Government 

Turkey 

 

United Kingdom 

 

United States 

 

 

The  approach  embodied  in  the  G-Cubed  model  is  documented  in  McKibbin  and  Wilcoxen 

(1998, 2013). Several key features of the standard G-Cubed model are worth highlighting here.  

First, the model completely accounts for stocks and flows of physical and financial assets. For 

example,  budget  deficits  accumulate  into  government  debt,  and  current  account  deficits 

accumulate  into  foreign  debt.  The  model  imposes  an  intertemporal  budget  constraint  on  all 

households,  firms,  governments,  and  countries.  Thus,  a  long-run  stock  equilibrium  obtains 

through the adjustment of asset prices, such as the interest rate for government fiscal positions 

or real exchange rates for the balance of payments. However, the adjustment towards the long-

run equilibrium of each economy can be slow, occurring over much of a century.  

Second,  firms  and  households  in  G-Cubed  must  use  money  issued  by  central  banks  for  all 

transactions. Thus, central  banks in  the model set  short  term  nominal interest  rates to  target 

macroeconomic  outcomes  (such  as  inflation,  unemployment,  exchange  rates,  etc.)  based  on 

Henderson-McKibbin-Taylor monetary rules. These rules are designed to approximate actual 

monetary regimes in each country or region in the model.  These monetary rules tie down the 

long-run inflation rates in each country as well as allowing short term adjustment of policy to 

smooth fluctuations in the real economy. 

8 

 

Third,  nominal  wages  are  sticky  and  adjust  over  time  based  on  country-specific  labor 

contracting  assumptions.  Firms  hire  labor  in  each  sector  up  to  the  points  that  the  marginal 

product of labor equals the real wage defined in terms of the output price level of that sector. 

Any excess labor enters the unemployed pool of workers. Unemployment or the presence of 

excess demand for labor causes the nominal wage to adjust to clear the labor market in the long 

run. In the short-run, unemployment can arise due to  structural  supply shocks or changes in 

aggregate demand in the economy.  

Fourth, rigidities prevent the economy from moving quickly from one equilibrium to another. 

These  rigidities  include  nominal  stickiness  caused  by  wage  rigidities,  lack  of  complete 

foresight  in  the  formation  of  expectations,  cost  of  adjustment  in  investment  by  firms  with 

physical capital being sector-specific in the short run, monetary and fiscal authorities following 

particular monetary and fiscal  rules. Short term  adjustment  to  economic shocks  can be very 

different from the long-run equilibrium outcomes. The focus on short-run rigidities is important 

for assessing the impact over the initial decades of demographic change.  

Fifth,  we  incorporate  heterogeneous  households  and  firms.  Firms  are  modeled  separately 

within each sector. There is a mixture of two types of consumers and two types of firms within 

each  sector,  within  each  country:  one  group  which  bases  its  decisions  on  forward-looking 

expectations and the other group which follows simpler rules of thumb which are optimal in 

the long run. 

4.  Modeling epidemiological scenarios in an economic model 

 

We follow the approach in Lee and McKibbin (2003) and McKibbin and Sidorenko (2006) to 

convert different assumptions about mortality rates and morbidity rates in the country where 

the  disease  outbreak  occurs  (the  epicenter  country).  Given  the  epidemiological  assumptions 

based on previous experience of pandemics, we create a set of filters that convert the shocks 

into economic shocks to reduced labor supply in each country (mortality and morbidity); rising 

cost  of  doing  business  in  each  sector  including  disruption  of  production  networks  in  each 

country;  consumption  reduction  due  to  shifts  in  consumer  preferences  over  each  good from 

each country (in addition to changes generated by the model based on change in income and 

prices);    rise  in  equity  risk  premia  on  companies  in  each  sector  in  each  country  (based  on 

exposure  to  the  disease);  and  increases  in  country  risk  premium  based  on  exposure  to  the 

disease as well as vulnerabilities to changing macroeconomic conditions.  

9 

 

In the remainder of this section, we outline how the various indicators are constructed. The 

approach  follows  McKibbin  and  Sidorenko  (2006)  with  some  improvements.  There  are,  of 

course, many assumptions in this exercise and the results are sensitive to  these assumptions. 

The goal of the paper is to provide policymakers with some idea of the costs of not intervening 

and allowing the various scenarios to unfold.